Nowe ujęcie ryzyka na rynku kapitałowym

Wielkość: px
Rozpocząć pokaz od strony:

Download "Nowe ujęcie ryzyka na rynku kapitałowym"

Transkrypt

1 ZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO nr 80 Fnanse, Rynk Fnansowe, Ubezpeczena nr 65 (014) s Nowe ujęce ryzyka na rynku kaptałowym Jerzy Tymńsk * Streszczene: Artykuł przedstawa nowe ujęce pomaru ryzyka na rynku kaptałowym. W perwszej częśc przyblżono możlwość opsana ryzyka przy pomocy mary neokreślonośc. Można zastosować marę entrop, czyl marę z zakresu teor lośc nformacj. W teor portfelowej przyjmuje sę, że decyzje nwestorske na rynku kaptałowym mogą być podejmowane poprzez mnmalzację entrop. Nowe podejśce do oceny ryzyka na rynku kaptałowym dotyczy mary z zakresu teor nezawodnośc. Mara ta ocena równeż trwałość portfela w dłuższym okrese prognozy. Ujmuje zmany stóp zwrotu, które będą mały charakter trendu, a ne rozkładu normalnego. Zastosowane mary nezawodnośc pozwala zbudować optymalny portfel na podstawe mnmalnej wartośc λ (tj. wskaźnka ntensywnośc występowana nekorzystnych stóp zwrotu z nstrumentów fnansowych w okrese badawczym). Słowa kluczowe: ryzyko, portfel nwestycyjny, entropa, nezawodność Wprowadzene Teora ryzyka portfelowego jest znaczne rozbudowana, jednakowoż ograncza sę ona do problemów determnstycznych. Modele probablstyczne ryzyka ne są powszechne stosowane (np. VaR wartość ryzykowna) ( Zarządzane ryzykem ). Poza tym wymagają one spełnena założena o normalnośc rozkładu stóp zwrotu analzowanych walorów, co ne zawsze jest możlwe (m.n. w przypadku ujemnych stóp zwrotu nstrumentów fnansowych). W mejsce tych mar ryzyka można zaproponować mary z obszaru teor nformacj entrop oraz teor nezawodnośc, które są pozbawone w wększośc takch mankamentów. 1. Ryzyko portfela w ujęcu mary neokreślonośc (nepewnośc) W lteraturze do pomaru ryzyka na rynku kaptałowym najczęścej sugeruje sę zastosowane statystycznego podejśca, gdze marą ryzyka jest np. odchylene standardowe. Podejśce take wąże sę, mędzy nnym, z założenem stnena określonych rozkładów prawdopodobeństwa stóp zwrotu, np. rozkładu normalnego (Tarczyńsk 001). Pojęce ryzyka można także rozpatrywać na grunce teor nformacj, w której proponuje sę marę pozwalającą ustalć stopeń neokreślonośc decyzj nwestycyjnej, w znaczenu ryzyka. * dr Jerzy Tymńsk, prof. Wyższej Szkoły Gospodark Krajowej w Kutne, tel

2 746 Jerzy Tymńsk Nepewność (neokreśloność) jest nerozerwalne zwązana z każdym zdarzenem losowym, co utrudna proces podejmowana decyzj. Istotnym zagadnenem staje sę konstrukcja odpowednej mary (h) jej loścowa ocena. Jedną z możlwych mar jest entropa, czyl mara lośc nformacj, natomast narzędzem matematycznym przydatnym do analzy zdarzeń z obszaru nepewnośc jest rachunek prawdopodobeństwa, umożlwający określene prawdopodobeństw zajśca zdarzeń losowych. I tak (Wybrane problemy 004: 31): 1) m zdarzene jest mnej prawdopodobne, tym wększa nepewność co do jego wystąpena: h( p ) > h( p ) jeśl p < p (1) 1 1 gdze p oznacza prawdopodobeństwo. ) neokreśloność zdarzena łącznego (polegającego na równoczesnym zajścu dwóch zdarzeń 1) ) jest wększa od sumy neokreślonośc tych zdarzeń, czyl: h( p p ) > h( p ) + h( p ) () 1 1 3) w przypadku zdarzena pewnego W, neoznaczoność pownna wynosć zero, czyl h( W= ) 0. Jedyną funkcją matematyczną spełnającą te wszystke postulaty, jest funkcja zaproponowana przez Hartley a (Wybrane problemy 004: 31): gdze a jest dowolną lczbą z przedzału (1, ). hp ( ) = log (1/ p) = log p (3) a a W teor nformacj najczęścej stosuje sę logarytm przy podstawe: a =, wówczas jednostką nformacj jest bt (szanon), a = e jednostką nformacj jest nat (nt), a = 10 jednostką nformacj jest dt (hartley). Entropa bezwarunkowa zdarzeń ze zboru X (o wartoścach zmennej losowej X) jest welkoścą: m H( X) = å ph( p) (4) gdze h(p ) jest nepewnoścą co do rezultatu rozpatrywanego zdarzena. = 1 Zatem jest ona średną arytmetyczną ważoną lośc nformacj otrzymanych przy zajścu poszczególnych zdarzeń o wagach równych prawdopodobeństwu tych zdarzeń (encyklopedapwn.pwn.pl).

3 Nowe ujęce ryzyka na rynku kaptałowym 747 Z kole entropą zmennej losowej skokowej X nazywamy welkość H(X) określoną następująco: m H( X) = å p log p (5) gdze X jest zmenną losową, przyjmującą wartośc x z prawdopodobeństwam = 1 p ( PX { = x} = pdla = 1,..., m). Entropa zmennej losowej cągłej X opsanej gęstoścą prawdopodobeństwa f(x) ma postać 1 : lub w szczególnośc dla zmennej losowej o rozkładze a) jednostajnym na przedzale <a, b>: b) normalnym: + H(X)= f ( x)log f ( x) dx (6) H( X) = log ( b a) (7) H X ( ) log ( e ) 1 = π σ (8) 1 H( X) = lg ( πe) + log ( σ) (9) W teor portfelowej przyjmuje sę, że jeżel nwestor rozważa nstrumenty fnansowe na rynku kaptałowym o takej samej korzyśc, ale charakteryzujące sę różnym stopnem ryzyka, to wybera warant mnej ryzykowny, a w ujęcu teor nformacj, warant o mnejszej neokreślonośc. Za kryterum optymalnej decyzj nwestycyjnej, wyboru optymalnego portfela, można wówczas uznać mnmalzację entrop (mary neokre ślonośc). Warto zwrócć uwagę, że marą dobrze obrazującą zróżncowane zborowośc jest ndeks entrop : E = [H(A)/H max ) 100% (10) Jest to mara unormowana, przyjmuje wartośc z przedzału 0%, 100%. 1 Entropa dla rozkładu normalnego jest równa: H ( x) = e lg e dx = e ç æ - ö dx ln çè s ø + ò ( x-m) ( x-m) + ( x-m) ( x m) s s s ç -. ò - - Marę tę zaproponowała Cz. Olbrycht w: Entropa jako mara zróżncowana dla cech jakoścowych, Prace Instytutu Ekonometr Statystyk UŁ, sera B, nr 8, Wydawnctwo Unwersytetu Łódzkego, Łódź 1976, s. 17.

4 748 Jerzy Tymńsk Brak jakoścowego zróżncowana zborowośc oznacza zborowość jednorodną. Wówczas wartość E = 0, gdy H(Y) = 0, czyl przy możlwym jednym warance cechy. Entropa osąga wartość maksymalną, jeżel częstość występowana każdego warantu cechy jest taka sama. Zatem maksymalna wartość ndeksu E wskazuje na zupełną nejednorodność zborowośc, na jej maksymalne jakoścowo zróżncowane pod względem danego sposobu klasyfkacj. Dla przykładu ocene poddano dwa portfele rynkowe A, B, C, D oraz E w odrębnych (różnących sę) sytuacjach decyzyjnych ryzyka (z punktu wdzena neokreślonośc), dla których dane zawera tabela 1. Tabela 1 Prawdopodobeństwa wystąpena odpowednej sytuacj na rynku Sytuacja na rynku Prawdopodobeństwa zastnena określonej sytuacj na rynku Portfel A Portfel B Portfel C Portfel D Portfel E Bardzo zła 0, 0, 0, 0,1 0,05 Nepomyślna 0, 0, 0,1 0,3 0,10 Stablna 0, 0,1 0,4 0,3 0,15 Dobra 0, 0,3 0, 0,1 0,55 Bardzo dobra 0, 0, 0,1 0, 0,15 Źródło: badana własne. Dla porównana stopna trudnośc wyboru optymalnej decyzj dla tych portfel, z punktu wdzena neokreślonośc sytuacj na rynku, wyznaczamy ch entropę ze wzoru (5) ndeksy entrop ze wzoru (10). W tabel zawarto wynk oblczeń dla rozważanych portfel. Na podstawe przeprowadzonych oblczeń można stwerdzć, że najnższą neokreśloność, równą 1,84, ma portfel E, co oznacza najwększe zróżncowane wartośc prawdopodobeństw zastnena odpowednch sytuacj na rynku. Indeks entrop dla tego portfela jest równeż najnższy (79,40%). Najwyższy pozom entrop H =,3, zgodne z przewdywanam, ma portfel A, w którym występuje równomerny rozkład prawdopodobeństw. Wobec tego najwyższe ryzyko, w sense neokreślonośc, posada portfel A kolejno: B, C, D, E. Funkcję ryzyka w ujęcu teor nezawodnośc można wyrazć jako loraz funkcj gęstośc prawdopodobeństwa zawodnośc do prawdopodobeństwa nezawodnośc. Stąd funkcję ryzyka można zapsać: nz nz nz H () t = f ()/ t R () t, gdze: h nz (t) ryzyko w teor nezawodnośc, f nz (t) funkcja gęstośc w teor nezawodnośc, R nz (t) funkcja nezawodnośc.

5 Nowe ujęce ryzyka na rynku kaptałowym 749 Tabela Wynk oblczeń dla przykładu Portfel Sytuacja na rynku p log p p log A bardzo zła 0,,319 0,4644 nepomyślna 0,,319 0,4644 stablna 0,,319 0,4644 dobra 0,,319 0,4644 bardzo dobra 0,,319 0,4644 H max,319 ndeks entrop E 100,00 B bardzo zła 0,,319 0,4644 nepomyślna 0,,319 0,4644 stablna 0,1 3,319 0,33 dobra 0,3 1,7370 0,511 bardzo dobra 0,,319 0,4644 H max,464 ndeks entrop E 96,70 C bardzo zła 0,,319 0,4644 nepomyślna 0,1 3,319 0,33 stablna 0,4 1,319 0,588 dobra 0,,319 0,4644 bardzo dobra 0,1 3,319 0,33 H max,119 ndeks entrop E 91,40 D bardzo zła 0,1 3,319 0,33 nepomyślna 0,3 1,7370 0,511 stablna 0,3 1,7370 0,511 dobra 0,1 3,319 0,33 bardzo dobra 0,,319 0,4644 H max,1710 ndeks entrop E 93,50 E bardzo zła 0,05 4,319 0,161 nepomyślna 0,10 3,319 0,33 stablna 0,15,7370 0,41,05 dobra 0,55 0,865 0,4744 bardzo dobra 0,15,7370 0,4105 H max 1,8438 ndeks entrop E 79,40 Źródło: oblczena własne z wykorzystanem arkusza kalkulacyjnego Excel. p

6 750 Jerzy Tymńsk W teor nezawodnośc (w ujęcu portfelowym) R nz (t) wyrażona jest formułą Wenera, t - ò l () t dt nz 0 postac: R () t = e gdze l () t oznacza funkcję ntensywnośc pojawena sę nekorzystnych (ujemnych bądź nskch wartośc) stóp zwrotu. Wartość l () t statystyczne moż- én(1 +D) -Nù na określć wzorem: l () t =- ê N0 + N ú (Tymńsk 013: 109), gdze N wyrażają ë û zmodyfkowane współczynnk zmennośc (Tymńsk 013: 100). W pracy Tymńskego (013) została określona wartość l () t, a następne skumulowana wartość λ (t), czyl λs(t) dla akcj wyrażonej w postac zmodyfkowanego współczynn- æ s p ö ka zmennośc ç Rt (), dla dzesęcu okresów. Dla tych okresów przyjęto przecętną war- çè ø tość, tj. λ s(10)/10, uzyskując z kole wartość przedzałową we wzorze Wenera. Przy czym, w wynku przeprowadzonych badań 3, okazało sę ż wskaźnk ten w ustalonym przedzale nz s() t 0:10 ne wykazuje rozkładu normalnego, lecz trend wykładnczy. Stąd R () t = e l. Konkretna wartość l s(10) = 0, dla akcj WWL (por. załącznk). Dowodz to pozomu nezawodnośc: R ( t) WWL nz 0, = e - = 0,98. Reasumując: akcja WWL ma pozom nezawodnośc wyrażony prawdopodobeństwem realzacj w wysokośc 9,8% przy ryzyku 1,94%. Przeprowadzony proces badawczy dla tej akcj (także GTC oraz æ s p ö RPC) (por. załącznk), wyrażonej we wskaźnku ç Rt (), przedstawony jest w pracy çè ø Tymńskego (013: ). Należy zauważyć, ż ryzyko wyrażone w funkcj wykładnczej charakteryzuje sę dodatkowo stałoścą w czase, to 1/l będze oznaczać średn czas stnena ryzyka, a węc funkcja nezawodnośc będze meć rozkład wykładnczy. Przeprowadzone badana upoważnają do przyjęca założena, ż kształt λs(t) jest gładk w końcowym odcnku okresu badawczego, co umożlwa dokonane oceny ryzyka przy założenu rozkładu gamma postac: ll ( r)) f() r = b-1 -l( r) -r b-1 e r dr W tej sytuacj można przyjąć dla parametru kształtu β = ò l ( r ) l( lr)) e lexp( -lr) lexp( -lr) f( r) = = = = lexp( -lr), -r 1-1 -r é - r e r dr e dr e ù êë úû 0 ò gdze: r = R (stopa zwrotu). ò e. 3 Zastosowanym wykładnkem Hursta (Tymńsk 013: 7).

7 Nowe ujęce ryzyka na rynku kaptałowym 751 Stąd także: r r éexp( -l r) ù r F( r) = ò f ( r) dr = ò lexp( - lr) dr = l =- [ exp( - lr] 0 = 1-exp( -lr ). êë -l úû 0 0 Przyjmując dalej, ż funkcja nezawodnośc w analzowanej sytuacj ma rozkład wykładnczy, czyl R( r) = exp( λr), możemy zapsać: lexp( -lr ) l() r = = l (= constans). exp( -l r) Wówczas będze: funkcja gęstośc f() t = le -lt, funkcja rozkładu Ft () = 1- c -lt, nz t funkcja nezawodnośc R () t = e -l, funkcja ryzyka ht () = l. (parametr λ we wszystkch funkcjach oznacza ntensywność występowana nekorzystnych w czase wartośc stóp zwrotu). Funkcję wykładnczą funkcję ryzyka przedstawono na rysunku 1. f(t) λ h(t) λ 1 e λ t t e λ t a) b) t Rysunek 1. Funkcja wykadncza (a) funckja ryzyka (b) Źródło: Badana własne. Uwag końcowe Zaproponowane nowe ujęca ryzyka w ocene decyzyjnej nwestowana na rynku kaptałowym mają pozytywne właścwośc trafnego wyboru nstrumentów fnansowych portfela akcj. Ujmują bowem w znacznym stopnu sytuacje nepewnośc (neokreślonośc), zmennośc uwarunkowań, zarówno na rynku kaptałowym, jak gospodarce kraju. Stąd też zarówno w wyborze nstrumentów fnansowych, jak konstrukcjach portfelowych na dłuższe okresy prognostyczne, należy kerować sę oceną sytuacj na rynku (stosować mary

8 75 Jerzy Tymńsk entrop) bądź, przy znacznej zmennośc nekorzystnych stopach zwrotu, oceną ryzyka w ujęcu nezawodnośc. Zastosowane jednakże mary nezawodnoścowej pownno być poprzedzone badanem kształtowana sę (oceną rozkładu) stóp zwrotu. Tutaj ważne jest, by ukształtowane ch mało charakter trendu, np. oceny wartośc wykładnka Hursta. Szczególne przydatne jest ryzyko w ujęcu nezawodnośc, gdyż daje obektywny obraz w ocene postac portfela. Określene ryzyka w ujęcu teor nezawodnośc pozwala równocześne na określene stopna prawdopodobeństwa realzacj akcj w portfelu, co jest stotne dla decyzj zachowana portfela w dłuższym okrese. Lteratura Tarczyńsk W., Mojsewcz M. (001), Zarządzane ryzykem, PWE, Warszawa. Tymńsk J., Zawślak R. (008), Dwukryteralna koncepcja wyboru nstrumentów fnansowych dla efektywnej konstrukcj portfela jego optymalzacja na rynku kaptałowym, w: Zarządzane fnansam, red. D. Zarzeck, Wydawnctwo Unwersytetu Szczecńskego, Szczecn. Tymńska M. (009), Logstyczne projekty nwestycj zarządzane nm w warunkach ryzyka, Wydawnctwo Unwersytetu Szczecńskego, Szczecn. Tymńsk J. (013), Ekonomczne aspekty optymalzacj nwestycj długookresowych, Wydawnctwo Weś Jutra, Warszawa. Wybrane problemy loścowej analzy portfel akcj (004), red. D. Kopańska-Bródka, Prace Naukowe Akadem Ekonomcznej w Katowcach, Katowce. Zarządzane ryzykem (009), red. K. Jajuga, Wydawnctwo Naukowe PWN, Warszawa. Załącznk 1 Spółk () Stopy zwrotu z 10 okresów mesęcznych Mesęczne stopy zwrotu akcj w % R 1 R R 3 R 4 R 5 R 6 R 7 R 8 R 9 R 10 Średne stopy zwrotu r APL 0,64 3,3 1,33,36 9,00 33,84 14,0 9,95 49,3 6,8 8,39 BDX 3,08 8,3 0,70 7,6 0,00 10,00 5,56 18,4 0,00 4,00 0,58 GRJ,46,06 4,48 3,94 4,17 6,18 1,15 5,41 3,51 6,44 5,89 GTC,01 18,75 1,50 6,67 5,56 6,6 18,6 18,0 8,33 9,79 10,07 INT 5,00 0,6 0,43 4,9 11,1 8,83 4,4 47,6 0,36 7,86 14,8 JTZ 0,7 6,00 6,47 3,67 8,55 0,13 15,33 10,98 10,6 6,80 0,93 KRS 7,14 1,50 19,5 5,33 10,11 5,00 4,61 0,63 1,50 3,57 3,84 PEO 1,13 4,88 8,64 11,01 13,50 1,10 0,85 0,69 8,77 1,06 3,5 PKM 1,35 1,63 4,04 0,00 6,03 3,66 7,06,56 6,43 1,01 4,01 RPC 9,76 1,13,40 0,49 3,96 0,95 17,31 4,51 1,96 5,77 5,16 SKA 6,43 9,89 0,41 8,98 4,48 8,15 5,56 5,6 1,43 7,97 1,7 WWL 0,63 0,4,08 1,47,16 10,9 1,00 1,79 35,67 0,86 7,51 WIG 4,17 7,4 3,5 7,68 5,78 6,50 4,8 5,5 4,8 3,01 3,3 Źródło: opracowane własne w oparcu o dane z gazety PARKIET.

9 Nowe ujęce ryzyka na rynku kaptałowym 753 A NEW APPROACH TO RISK IN THE CAPITAL MARKET Abstract: The artcle presents a new approach to measurng rsk n the captal market. The frst secton shows how rsk can be descrbed by means of a measure of uncertanty. An entropy measure may be appled,.e. a measure offered by nformaton theory. The portfolo theory assumes that n the captal market nvestors may make ther decsons by mnmzng entropy. The new approach to the assessment of captal market rsk utlzes a measure borrowed from relablty theory. The measure can also be used to assess portfolo sustanablty n a longer forecast perod. It takes account of changes n rates of return formng a trend and not a normal dstrbuton. Wth a measure of relablty an optmal portfolo can be assembled based on the mnmal value of λ (an ndcator of the frequency of occurrence of unfavourable rates of return from fnancal nstruments n the perod of research). Keywords: nvestment portfolo, entropy, relablty Cytowane Tymńsk J. (014), Nowe ujęce ryzyka na rynku kaptałowym, Zeszyty Naukowe Unwersytetu Szczecńskego nr 80, Fnanse, Rynk Fnansowe, Ubezpeczena nr 65, Wydawnctwo Naukowe Unwersytetu Szczecńskego, Szczecn, s ;

10

BADANIE STABILNOŚCI WSPÓŁCZYNNIKA BETA AKCJI INDEKSU WIG20

BADANIE STABILNOŚCI WSPÓŁCZYNNIKA BETA AKCJI INDEKSU WIG20 Darusz Letkowsk Unwersytet Łódzk BADANIE STABILNOŚCI WSPÓŁCZYNNIKA BETA AKCJI INDEKSU WIG0 Wprowadzene Teora wyboru efektywnego portfela nwestycyjnego zaproponowana przez H. Markowtza oraz jej rozwnęca

Bardziej szczegółowo

Modele wieloczynnikowe. Modele wieloczynnikowe. Modele wieloczynnikowe ogólne. α β β β ε. Analiza i Zarządzanie Portfelem cz. 4.

Modele wieloczynnikowe. Modele wieloczynnikowe. Modele wieloczynnikowe ogólne. α β β β ε. Analiza i Zarządzanie Portfelem cz. 4. Modele weloczynnkowe Analza Zarządzane Portfelem cz. 4 Ogólne model weloczynnkowy można zapsać jako: (,...,,..., ) P f F F F = n Dr Katarzyna Kuzak lub (,...,,..., ) f F F F = n Modele weloczynnkowe Można

Bardziej szczegółowo

METODA UNITARYZACJI ZEROWANEJ Porównanie obiektów przy ocenie wielokryterialnej. Ranking obiektów.

METODA UNITARYZACJI ZEROWANEJ Porównanie obiektów przy ocenie wielokryterialnej. Ranking obiektów. Opracowane: Dorota Mszczyńska METODA UNITARYZACJI ZEROWANEJ Porównane obektów przy ocene welokryteralnej. Rankng obektów. Porównane wybranych obektów (warantów decyzyjnych) ze względu na różne cechy (krytera)

Bardziej szczegółowo

Analiza rodzajów skutków i krytyczności uszkodzeń FMECA/FMEA według MIL STD - 1629A

Analiza rodzajów skutków i krytyczności uszkodzeń FMECA/FMEA według MIL STD - 1629A Analza rodzajów skutków krytycznośc uszkodzeń FMECA/FMEA według MIL STD - 629A Celem analzy krytycznośc jest szeregowane potencjalnych rodzajów uszkodzeń zdentyfkowanych zgodne z zasadam FMEA na podstawe

Bardziej szczegółowo

KONSTRUKCJA OPTYMALNYCH PORTFELI Z ZASTOSOWANIEM METOD ANALIZY FUNDAMENTALNEJ UJĘCIE DYNAMICZNE

KONSTRUKCJA OPTYMALNYCH PORTFELI Z ZASTOSOWANIEM METOD ANALIZY FUNDAMENTALNEJ UJĘCIE DYNAMICZNE Adranna Mastalerz-Kodzs Unwersytet Ekonomczny w Katowcach KONSTRUKCJA OPTYMALNYCH PORTFELI Z ZASTOSOWANIEM METOD ANALIZY FUNDAMENTALNEJ UJĘCIE DYNAMICZNE Wprowadzene W dzałalnośc nstytucj fnansowych, takch

Bardziej szczegółowo

WERYFIKACJA EKONOMETRYCZNA MODELU CAPM II RODZAJU DLA RÓŻNYCH HORYZONTÓW STÓP ZWROTU I PORTFELI RYNKOWYCH

WERYFIKACJA EKONOMETRYCZNA MODELU CAPM II RODZAJU DLA RÓŻNYCH HORYZONTÓW STÓP ZWROTU I PORTFELI RYNKOWYCH SCRIPTA COMENIANA LESNENSIA PWSZ m. J. A. Komeńskego w Leszne R o k 0 0 8, n r 6 TOMASZ ŚWIST* WERYFIKACJA EKONOMETRYCZNA MODELU CAPM II RODZAJU DLA RÓŻNYCH HORYZONTÓW STÓP ZWROTU I PORTFELI RYNKOWYCH

Bardziej szczegółowo

Portfele zawierające walor pozbawiony ryzyka. Elementy teorii rynku kapitałowego

Portfele zawierające walor pozbawiony ryzyka. Elementy teorii rynku kapitałowego Portel nwestycyjny ćwczena Na podst. Wtold Jurek: Konstrukcja analza rozdzał 5 dr chał Konopczyńsk Portele zawerające walor pozbawony ryzyka. lementy teor rynku kaptałowego 1. Pożyczane penędzy amy dwa

Bardziej szczegółowo

ANALIZA PORÓWNAWCZA WYNIKÓW UZYSKANYCH ZA POMOCĄ MIAR SYNTETYCZNYCH: M ORAZ PRZY ZASTOSOWANIU METODY UNITARYZACJI ZEROWANEJ

ANALIZA PORÓWNAWCZA WYNIKÓW UZYSKANYCH ZA POMOCĄ MIAR SYNTETYCZNYCH: M ORAZ PRZY ZASTOSOWANIU METODY UNITARYZACJI ZEROWANEJ METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH Tom XVI/3, 2015, str. 248 257 ANALIZA PORÓWNAWCZA WYNIKÓW UZYSKANYCH ZA POMOCĄ MIAR SYNTETYCZNYCH: M ORAZ PRZY ZASTOSOWANIU METODY UNITARYZACJI ZEROWANEJ Sławomr

Bardziej szczegółowo

Analiza i diagnoza sytuacji finansowej wybranych branż notowanych na Warszawskiej Giełdzie Papierów Wartościowych w latach

Analiza i diagnoza sytuacji finansowej wybranych branż notowanych na Warszawskiej Giełdzie Papierów Wartościowych w latach Jacek Batóg Unwersytet Szczecńsk Analza dagnoza sytuacj fnansowej wybranych branż notowanych na Warszawskej Gełdze Paperów Wartoścowych w latach 997-998 W artykule podjęta została próba analzy dagnozy

Bardziej szczegółowo

Procedura normalizacji

Procedura normalizacji Metody Badań w Geograf Społeczno Ekonomcznej Procedura normalzacj Budowane macerzy danych geografcznych mgr Marcn Semczuk Zakład Przedsęborczośc Gospodark Przestrzennej Instytut Geograf Unwersytet Pedagogczny

Bardziej szczegółowo

Zadane 1: Wyznacz średne ruchome 3-okresowe z następujących danych obrazujących zużyce energ elektrycznej [kwh] w pewnym zakładze w mesącach styczeń - lpec 1998 r.: 400; 410; 430; 40; 400; 380; 370. Zadane

Bardziej szczegółowo

Proces narodzin i śmierci

Proces narodzin i śmierci Proces narodzn śmerc Jeżel w ewnej oulacj nowe osobnk ojawają sę w sosób losowy, rzy czym gęstość zdarzeń na jednostkę czasu jest stała w czase wynos λ, oraz lczba osobnków n, które ojawły sę od chwl do

Bardziej szczegółowo

SZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW

SZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW SZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW Stefan WÓJTOWICZ, Katarzyna BIERNAT ZAKŁAD METROLOGII I BADAŃ NIENISZCZĄCYCH INSTYTUT ELEKTROTECHNIKI ul. Pożaryskego 8, 04-703 Warszawa tel.

Bardziej szczegółowo

OPTYMALNE STRATEGIE INWESTYCYJNE PODEJŚCIE FUNDAMENTALNE OPTIMAL INVESTMENT STRATEGY FUNDAMENTAL ANALYSIS

OPTYMALNE STRATEGIE INWESTYCYJNE PODEJŚCIE FUNDAMENTALNE OPTIMAL INVESTMENT STRATEGY FUNDAMENTAL ANALYSIS ZESZYTY NAUKOWE POLITECHNIKI ŚLĄSKIEJ 2014 Sera: ORGANIZACJA I ZARZĄDZANIE z. 68 Nr kol. 1905 Adranna MASTALERZ-KODZIS Unwersytet Ekonomczny w Katowcach OPTYMALNE STRATEGIE INWESTYCYJNE PODEJŚCIE FUNDAMENTALNE

Bardziej szczegółowo

KURS STATYSTYKA. Lekcja 1 Statystyka opisowa ZADANIE DOMOWE. www.etrapez.pl Strona 1

KURS STATYSTYKA. Lekcja 1 Statystyka opisowa ZADANIE DOMOWE. www.etrapez.pl Strona 1 KURS STATYSTYKA Lekcja 1 Statystyka opsowa ZADANIE DOMOWE www.etrapez.pl Strona 1 Część 1: TEST Zaznacz poprawną odpowedź (tylko jedna jest prawdzwa). Pytane 1 W statystyce opsowej mamy pełne nformacje

Bardziej szczegółowo

BADANIA OPERACYJNE. Podejmowanie decyzji w warunkach niepewności. dr Adam Sojda

BADANIA OPERACYJNE. Podejmowanie decyzji w warunkach niepewności. dr Adam Sojda BADANIA OPERACYJNE Podejmowane decyzj w warunkach nepewnośc dr Adam Sojda Teora podejmowana decyzj gry z naturą Wynk dzałana zależy ne tylko od tego, jaką podejmujemy decyzję, ale równeż od tego, jak wystąp

Bardziej szczegółowo

ZASTOSOWANIE MODELU MOTAD DO TWORZENIA PORTFELA AKCJI KLASYFIKACJA WARUNKÓW PODEJMOWANIA DECYZJI

ZASTOSOWANIE MODELU MOTAD DO TWORZENIA PORTFELA AKCJI KLASYFIKACJA WARUNKÓW PODEJMOWANIA DECYZJI Krzysztof Wsńsk Katedra Statystyk Matematycznej, AR w Szczecne e-mal: kwsnsk@e-ar.pl ZASTOSOWANIE MODELU MOTAD DO TWORZENIA PORTFELA AKCJI Streszczene: W artykule omówono metodologę modelu MOTAD pod kątem

Bardziej szczegółowo

Statystyka. Zmienne losowe

Statystyka. Zmienne losowe Statystyka Zmenne losowe Zmenna losowa Zmenna losowa jest funkcją, w której każdej wartośc R odpowada pewen podzbór zboru będący zdarzenem losowym. Zmenna losowa powstaje poprzez przyporządkowane każdemu

Bardziej szczegółowo

Weryfikacja hipotez dla wielu populacji

Weryfikacja hipotez dla wielu populacji Weryfkacja hpotez dla welu populacj Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Intelgencj Metod Matematycznych Wydzał Informatyk Poltechnk Szczecńskej 5. Parametryczne testy stotnośc w

Bardziej szczegółowo

Statystyka Inżynierska

Statystyka Inżynierska Statystyka Inżynerska dr hab. nż. Jacek Tarasuk AGH, WFIS 013 Wykład DYSKRETNE I CIĄGŁE ROZKŁADY JEDNOWYMIAROWE Zmenna losowa, Funkcja rozkładu, Funkcja gęstośc, Dystrybuanta, Charakterystyk zmennej, Funkcje

Bardziej szczegółowo

Ryzyko inwestycji. Ryzyko jest to niebezpieczeństwo niezrealizowania celu, założonego przy podejmowaniu określonej decyzji. 3.

Ryzyko inwestycji. Ryzyko jest to niebezpieczeństwo niezrealizowania celu, założonego przy podejmowaniu określonej decyzji. 3. PZEDMIIOT : EFEKTYWNOŚĆ SYSTEMÓW IINFOMTYCZNYCH 3. 3. Istota, defncje rodzaje ryzyka Elementem towarzyszącym każdej decyzj, w tym decyzj nwestycyjnej, jest ryzyko. Wynka to z faktu, że decyzje operają

Bardziej szczegółowo

0 0,2 0, p 0,1 0,2 0,5 0, p 0,3 0,1 0,2 0,4

0 0,2 0, p 0,1 0,2 0,5 0, p 0,3 0,1 0,2 0,4 Zad. 1. Dana jest unkcja prawdopodobeństwa zmennej losowej X -5-1 3 8 p 1 1 c 1 Wyznaczyć: a. stałą c b. wykres unkcj prawdopodobeństwa jej hstogram c. dystrybuantę jej wykres d. prawdopodobeństwa: P (

Bardziej szczegółowo

ZASTOSOWANIE WYBRANYCH ELEMENTÓW ANALIZY FUNDAMENTALNEJ DO WYZNACZANIA PORTFELI OPTYMALNYCH

ZASTOSOWANIE WYBRANYCH ELEMENTÓW ANALIZY FUNDAMENTALNEJ DO WYZNACZANIA PORTFELI OPTYMALNYCH Adranna Mastalerz-Kodzs Ewa Pośpech Unwersytet Ekonomczny w Katowcach ZASTOSOWANIE WYBRANYCH ELEMENTÓW ANALIZY FUNDAMENTALNEJ DO WYZNACZANIA PORTFELI OPTYMALNYCH Wprowadzene Zagadnene wyznaczana optymalnych

Bardziej szczegółowo

Funkcje i charakterystyki zmiennych losowych

Funkcje i charakterystyki zmiennych losowych Funkcje charakterystyk zmennych losowych Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Intelgencj Metod Matematycznych Wydzał Informatyk Poltechnk Szczecńskej 5. Funkcje zmennych losowych

Bardziej szczegółowo

Parametry zmiennej losowej

Parametry zmiennej losowej Eonometra Ćwczena Powtórzene wadomośc ze statysty SS EK Defncja Zmenną losową X nazywamy funcję odwzorowującą przestrzeń zdarzeń elementarnych w zbór lczb rzeczywstych, taą że przecwobraz dowolnego zboru

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6 Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Zastosowane modelu potęgowego Przekształcene Boxa-Coxa 2. Zmenne cągłe za zmenne dyskretne 3. Interpretacja parametrów przy zmennych dyskretnych 1. Zastosowane

Bardziej szczegółowo

Natalia Nehrebecka. Zajęcia 3

Natalia Nehrebecka. Zajęcia 3 St ł Cchock Stansław C h k Natala Nehrebecka Zajęca 3 1. Dobroć dopasowana równana regresj. Współczynnk determnacj R Dk Dekompozycja warancj zmennej zależnej ż Współczynnk determnacj R. Zmenne cągłe a

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6 Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Interpretacja parametrów przy zmennych objaśnających cągłych Semelastyczność 2. Zastosowane modelu potęgowego Model potęgowy 3. Zmenne cągłe za zmenne dyskretne

Bardziej szczegółowo

Analiza ryzyka jako instrument zarządzania środowiskiem

Analiza ryzyka jako instrument zarządzania środowiskiem WARSZTATY 2003 z cyklu Zagrożena naturalne w górnctwe Mat. Symp. str. 461 466 Elżbeta PILECKA, Małgorzata SZCZEPAŃSKA Instytut Gospodark Surowcam Mneralnym Energą PAN, Kraków Analza ryzyka jako nstrument

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH

STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH 1 Test zgodnośc χ 2 Hpoteza zerowa H 0 ( Cecha X populacj ma rozkład o dystrybuance F). Hpoteza alternatywna H1( Cecha X populacj

Bardziej szczegółowo

Propozycja modyfikacji klasycznego podejścia do analizy gospodarności

Propozycja modyfikacji klasycznego podejścia do analizy gospodarności Jacek Batóg Unwersytet Szczecńsk Propozycja modyfkacj klasycznego podejśca do analzy gospodarnośc Przedsęborstwa dysponujące dentycznym zasobam czynnków produkcj oraz dzałające w dentycznych warunkach

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6 Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Zastosowane modelu potęgowego Model potęgowy Przekształcene Boxa-Coxa 2. Zmenne cągłe za zmenne dyskretne 3. Interpretacja parametrów przy zmennych dyskretnych

Bardziej szczegółowo

Rozmyta efektywność portfela

Rozmyta efektywność portfela Krzysztof PIASECKI Akadema Ekonomczna w Poznanu Problem badawczy Rozmyta ektywność portfela Buckley [] Calz [] zaproponowal reprezentowane wartośc przyszłych nwestycj fnansowych przy pomocy lczb rozmytych.

Bardziej szczegółowo

WYBÓR PORTFELA PAPIERÓW WARTOŚCIOWYCH ZA POMOCĄ METODY AHP

WYBÓR PORTFELA PAPIERÓW WARTOŚCIOWYCH ZA POMOCĄ METODY AHP Ewa Pośpech Unwersytet Ekonomczny w Katowcach Wydzał Zarządzana Katedra Matematyk posp@ue.katowce.pl WYBÓR PORTFELA PAPIERÓW WARTOŚCIOWYCH ZA POMOCĄ METODY AHP Streszczene: W artykule rozważano zagadnene

Bardziej szczegółowo

Kształtowanie się firm informatycznych jako nowych elementów struktury przestrzennej przemysłu

Kształtowanie się firm informatycznych jako nowych elementów struktury przestrzennej przemysłu PRACE KOMISJI GEOGRAFII PRZEMY SŁU Nr 7 WARSZAWA KRAKÓW 2004 Akadema Pedagogczna, Kraków Kształtowane sę frm nformatycznych jako nowych elementów struktury przestrzennej przemysłu Postępujący proces rozwoju

Bardziej szczegółowo

( ) ( ) 2. Zadanie 1. są niezależnymi zmiennymi losowymi o. oraz. rozkładach normalnych, przy czym EX. i σ są nieznane. 1 Niech X

( ) ( ) 2. Zadanie 1. są niezależnymi zmiennymi losowymi o. oraz. rozkładach normalnych, przy czym EX. i σ są nieznane. 1 Niech X Prawdopodobeństwo statystyka.. r. Zadane. Zakładamy, że,,,,, 5 są nezależnym zmennym losowym o rozkładach normalnych, przy czym E = μ Var = σ dla =,,, oraz E = μ Var = 3σ dla =,, 5. Parametry μ, μ σ są

Bardziej szczegółowo

8. Optymalizacja decyzji inwestycyjnych

8. Optymalizacja decyzji inwestycyjnych dr nż. Zbgnew Tarapata: Optymalzacja decyzj nwestycyjnych, cz.ii 8. Optymalzacja decyzj nwestycyjnych W rozdzale 8, część I przedstawono elementarne nformacje dotyczące metod oceny decyzj nwestycyjnych.

Bardziej szczegółowo

) będą niezależnymi zmiennymi losowymi o tym samym rozkładzie normalnym z następującymi parametrami: nieznaną wartością 1 4

) będą niezależnymi zmiennymi losowymi o tym samym rozkładzie normalnym z następującymi parametrami: nieznaną wartością 1 4 Zadane. Nech ( X, Y ),( X, Y ), K,( X, Y n n ) będą nezależnym zmennym losowym o tym samym rozkładze normalnym z następującym parametram: neznaną wartoścą oczekwaną EX = EY = m, warancją VarX = VarY =

Bardziej szczegółowo

2012-10-11. Definicje ogólne

2012-10-11. Definicje ogólne 0-0- Defncje ogólne Logstyka nauka o przepływe surowców produktów gotowych rodowód wojskowy Utrzyywane zapasów koszty zwązane.n. z zarożene kaptału Brak w dostawach koszty zwązane.n. z przestoje w produkcj

Bardziej szczegółowo

Modelowanie struktury stóp procentowych na rynku polskim - wprowadzenie

Modelowanie struktury stóp procentowych na rynku polskim - wprowadzenie Mgr Krzysztof Pontek Katedra Inwestycj Fnansowych Ubezpeczeń Akadema Ekonomczna we Wrocławu Modelowane struktury stóp procentowych na rynku polskm - wprowadzene Wprowadzene Na rynku stóp procentowych analzowana

Bardziej szczegółowo

System Przeciwdziałania Powstawaniu Bezrobocia na Terenach Słabo Zurbanizowanych SPRAWOZDANIE Z BADAŃ Autor: Joanna Wójcik

System Przeciwdziałania Powstawaniu Bezrobocia na Terenach Słabo Zurbanizowanych SPRAWOZDANIE Z BADAŃ   Autor: Joanna Wójcik Opracowane w ramach projektu System Przecwdzałana Powstawanu Bezroboca na Terenach Słabo Zurbanzowanych ze środków Europejskego Funduszu Społecznego w ramach Incjatywy Wspólnotowej EQUAL PARTNERSTWO NA

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka Katarzyna Rosiak-Lada. Zajęcia 3

Stanisław Cichocki. Natalia Nehrebecka Katarzyna Rosiak-Lada. Zajęcia 3 Stansław Cchock Natala Nehrebecka Katarzyna Rosak-Lada Zajęca 3 1. Dobrod dopasowana równana regresj. Współczynnk determnacj R 2 Dekompozycja warancj zmennej zależnej Współczynnk determnacj R 2 2. Zmenne

Bardziej szczegółowo

Rozkład dwupunktowy. Rozkład dwupunktowy. Rozkład dwupunktowy x i p i 0 1-p 1 p suma 1

Rozkład dwupunktowy. Rozkład dwupunktowy. Rozkład dwupunktowy x i p i 0 1-p 1 p suma 1 Rozkład dwupunktowy Zmenna losowa przyjmuje tylko dwe wartośc: wartość 1 z prawdopodobeństwem p wartość 0 z prawdopodobeństwem 1- p x p 0 1-p 1 p suma 1 Rozkład dwupunktowy Funkcja rozkładu prawdopodobeństwa

Bardziej szczegółowo

TEORIA PORTFELA MARKOWITZA

TEORIA PORTFELA MARKOWITZA TEORIA PORTFELA MARKOWITZA Izabela Balwerz 28 maj 2008 1 Wstęp Teora portfela została stworzona w 1952 roku przez amerykańskego ekonomstę Harry go Markowtza Opera sę ona na mnmalzacj ryzyka nwestycyjnego

Bardziej szczegółowo

Analiza danych OGÓLNY SCHEMAT. http://zajecia.jakubw.pl/ Dane treningowe (znana decyzja) Klasyfikator. Dane testowe (znana decyzja)

Analiza danych OGÓLNY SCHEMAT. http://zajecia.jakubw.pl/ Dane treningowe (znana decyzja) Klasyfikator. Dane testowe (znana decyzja) Analza danych Dane trenngowe testowe. Algorytm k najblższych sąsadów. Jakub Wróblewsk jakubw@pjwstk.edu.pl http://zajeca.jakubw.pl/ OGÓLNY SCHEMAT Mamy dany zbór danych podzelony na klasy decyzyjne, oraz

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7 Stansław Cchock Natala Nehrebecka Wykład 7 1 1. Zmenne cągłe a zmenne dyskretne 2. Interpretacja parametrów przy zmennych dyskretnych 1. Zmenne cągłe a zmenne dyskretne 2. Interpretacja parametrów przy

Bardziej szczegółowo

= σ σ. 5. CML Capital Market Line, Rynkowa Linia Kapitału

= σ σ. 5. CML Capital Market Line, Rynkowa Linia Kapitału 5 CML Catal Market Lne, ynkowa Lna Katału Zbór ortolo o nalny odchylenu standardowy zbór eektywny ozważy ortolo złożone ze wszystkch aktywów stnejących na rynku Załóży, że jest ch N A * P H P Q P 3 * B

Bardziej szczegółowo

Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE

Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE Inormatyka Podstawy Programowana 06/07 Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE 6. Równana algebraczne. Poszukujemy rozwązana, czyl chcemy określć perwastk rzeczywste równana:

Bardziej szczegółowo

Natalia Nehrebecka. Zajęcia 4

Natalia Nehrebecka. Zajęcia 4 St ł Cchock Stansław C h k Natala Nehrebecka Zajęca 4 1. Interpretacja parametrów przy zmennych zerojedynkowych Zmenne 0 1 Interpretacja przy zmennej 0 1 w modelu lnowym względem zmennych objaśnających

Bardziej szczegółowo

Wpływ płynności obrotu na kształtowanie się stopy zwrotu z akcji notowanych na Giełdzie Papierów Wartościowych w Warszawie

Wpływ płynności obrotu na kształtowanie się stopy zwrotu z akcji notowanych na Giełdzie Papierów Wartościowych w Warszawie Agata Gnadkowska * Wpływ płynnośc obrotu na kształtowane sę stopy zwrotu z akcj notowanych na Gełdze Paperów Wartoścowych w Warszawe Wstęp Płynność aktywów na rynku kaptałowym rozumana jest przez nwestorów

Bardziej szczegółowo

Analiza danych. Analiza danych wielowymiarowych. Regresja liniowa. Dyskryminacja liniowa. PARA ZMIENNYCH LOSOWYCH

Analiza danych. Analiza danych wielowymiarowych. Regresja liniowa. Dyskryminacja liniowa.   PARA ZMIENNYCH LOSOWYCH Analza danych Analza danych welowymarowych. Regresja lnowa. Dyskrymnacja lnowa. Jakub Wróblewsk jakubw@pjwstk.edu.pl http://zajeca.jakubw.pl/ PARA ZMIENNYCH LOSOWYCH Parę zmennych losowych X, Y możemy

Bardziej szczegółowo

1.1. Uprość opis zdarzeń: 1.2. Uprościć opis zdarzeń: a) A B A Uprościć opis zdarzeń: 1.4. Uprościć opis zdarzeń:

1.1. Uprość opis zdarzeń: 1.2. Uprościć opis zdarzeń: a) A B A Uprościć opis zdarzeń: 1.4. Uprościć opis zdarzeń: .. Uprość ops zdarzeń: a) A B, A \ B b) ( A B) ( A' B).. Uproścć ops zdarzeń: a) A B A b) A B, ( A B) ( B C).. Uproścć ops zdarzeń: a) A B A B b) A B C ( A B) ( B C).4. Uproścć ops zdarzeń: a) A B, A B

Bardziej szczegółowo

STATYSTYKA REGIONALNA

STATYSTYKA REGIONALNA ЕЗЮМЕ В,. Т (,,.),. В, 2010. щ,. В -,. STATYSTYKA REGIONALNA Paweł DYKAS Zróżncowane rozwoju powatów w woj. małopolskm W artykule podjęto próbę analzy rozwoju ekonomcznego powatów w woj. małopolskm, wykorzystując

Bardziej szczegółowo

Egzamin ze statystyki/ Studia Licencjackie Stacjonarne/ Termin I /czerwiec 2010

Egzamin ze statystyki/ Studia Licencjackie Stacjonarne/ Termin I /czerwiec 2010 Egzamn ze statystyk/ Studa Lcencjacke Stacjonarne/ Termn /czerwec 2010 Uwaga: Przy rozwązywanu zadań, jeśl to koneczne, naleŝy przyjąć pozom stotnośc 0,01 współczynnk ufnośc 0,99 Zadane 1 PonŜsze zestawene

Bardziej szczegółowo

PROGNOZOWANIE SPRZEDAŻY Z ZASTOSOWANIEM ROZKŁADU GAMMA Z KOREKCJĄ ZE WZGLĘDU NA WAHANIA SEZONOWE

PROGNOZOWANIE SPRZEDAŻY Z ZASTOSOWANIEM ROZKŁADU GAMMA Z KOREKCJĄ ZE WZGLĘDU NA WAHANIA SEZONOWE STUDIA I PRACE WYDZIAŁU NAUK EKONOMICZNYCH I ZARZĄDZANIA NR 36 Krzysztof Dmytrów * Marusz Doszyń ** Unwersytet Szczecńsk PROGNOZOWANIE SPRZEDAŻY Z ZASTOSOWANIEM ROZKŁADU GAMMA Z KOREKCJĄ ZE WZGLĘDU NA

Bardziej szczegółowo

WPŁYW PARAMETRÓW DYSKRETYZACJI NA NIEPEWNOŚĆ WYNIKÓW POMIARU OBIEKTÓW OBRAZU CYFROWEGO

WPŁYW PARAMETRÓW DYSKRETYZACJI NA NIEPEWNOŚĆ WYNIKÓW POMIARU OBIEKTÓW OBRAZU CYFROWEGO Walenty OWIECZKO WPŁYW PARAMETRÓW DYSKRETYZACJI A IEPEWOŚĆ WYIKÓW POMIARU OBIEKTÓW OBRAZU CYFROWEGO STRESZCZEIE W artykule przedstaono ynk analzy nepenośc pomaru ybranych cech obektu obrazu cyfroego. Wyznaczono

Bardziej szczegółowo

Analiza porównawcza rozwoju wybranych banków komercyjnych w latach 2001 2009

Analiza porównawcza rozwoju wybranych banków komercyjnych w latach 2001 2009 Mara Konopka Katedra Ekonomk Organzacj Przedsęborstw Szkoła Główna Gospodarstwa Wejskego w Warszawe Analza porównawcza rozwoju wybranych banków komercyjnych w latach 2001 2009 Wstęp Polska prywatyzacja

Bardziej szczegółowo

OBLICZANIE NIEPEWNOŚCI METODĄ TYPU B

OBLICZANIE NIEPEWNOŚCI METODĄ TYPU B OBLICZANIE NIEPEWNOŚCI METODĄ TYPU B W przypadku gdy e występuje statystyczy rozrzut wyków (wszystke pomary dają te sam wyk epewość pomaru wyzaczamy w y sposób. Główą przyczyą epewośc pomaru jest epewość

Bardziej szczegółowo

Pattern Classification

Pattern Classification attern Classfcaton All materals n these sldes were taken from attern Classfcaton nd ed by R. O. Duda,. E. Hart and D. G. Stork, John Wley & Sons, 000 wth the permsson of the authors and the publsher Chapter

Bardziej szczegółowo

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 4

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 4 Stansław Cchock Natala Nehrebecka Zajęca 4 1. Interpretacja parametrów przy zmennych zerojedynkowych Zmenne 0-1 Interpretacja przy zmennej 0 1 w modelu lnowym względem zmennych objaśnających Interpretacja

Bardziej szczegółowo

Rozwiązywanie zadań optymalizacji w środowisku programu MATLAB

Rozwiązywanie zadań optymalizacji w środowisku programu MATLAB Rozwązywane zadań optymalzacj w środowsku programu MATLAB Zagadnene optymalzacj polega na znajdowanu najlepszego, względem ustalonego kryterum, rozwązana należącego do zboru rozwązań dopuszczalnych. Standardowe

Bardziej szczegółowo

Plan wykładu: Typowe dane. Jednoczynnikowa Analiza wariancji. Zasada: porównać zmienność pomiędzy i wewnątrz grup

Plan wykładu: Typowe dane. Jednoczynnikowa Analiza wariancji. Zasada: porównać zmienność pomiędzy i wewnątrz grup Jednoczynnkowa Analza Waranc (ANOVA) Wykład 11 Przypomnene: wykłady zadana kursu były zaczerpnęte z podręcznków: Statystyka dla studentów kerunków techncznych przyrodnczych, J. Koronack, J. Melnczuk, WNT

Bardziej szczegółowo

Mikroekonometria 5. Mikołaj Czajkowski Wiktor Budziński

Mikroekonometria 5. Mikołaj Czajkowski Wiktor Budziński Mkroekonometra 5 Mkołaj Czajkowsk Wktor Budzńsk Uogólnone modele lnowe Uogólnone modele lnowe (ang. Generalzed Lnear Models GLM) Różną sę od standardowego MNK na dwa sposoby: Rozkład zmennej objaśnanej

Bardziej szczegółowo

Model oceny ryzyka w działalności firmy logistycznej - uwagi metodyczne

Model oceny ryzyka w działalności firmy logistycznej - uwagi metodyczne Magdalena OSIŃSKA Unwersytet Mkołaja Kopernka w Torunu Model oceny ryzyka w dzałalnośc frmy logstycznej - uwag metodyczne WSTĘP Logstyka w cągu ostatnch 2. lat stała sę bardzo rozbudowaną dzedzną dzałalnośc

Bardziej szczegółowo

Analiza struktury zbiorowości statystycznej

Analiza struktury zbiorowości statystycznej Analza struktury zborowośc statystycznej.analza tendencj centralnej. Średne klasyczne Średna arytmetyczna jest parametrem abstrakcyjnym. Wyraża przecętny pozom badanej zmennej (cechy) w populacj generalnej:

Bardziej szczegółowo

Analiza modyfikacji systemów bonus-malus w ubezpieczeniach komunikacyjnych AC na przykładzie wybranego zakładu ubezpieczeń

Analiza modyfikacji systemów bonus-malus w ubezpieczeniach komunikacyjnych AC na przykładzie wybranego zakładu ubezpieczeń Analza modyfkacj systemów bonus-malus Ewa Łazuka Klauda Stępkowska Analza modyfkacj systemów bonus-malus w ubezpeczenach komunkacyjnych AC na przykładze wybranego zakładu ubezpeczeń Tematyka przedstawonego

Bardziej szczegółowo

65120/ / / /200

65120/ / / /200 . W celu zbadana zależnośc pomędzy płcą klentów ch preferencjam, wylosowano kobet mężczyzn zadano m pytane: uważasz za lepszy produkt frmy A czy B? Wynk były następujące: Odpowedź Kobety Mężczyźn Wolę

Bardziej szczegółowo

WSKAŹNIK OCENY HIC SAMOCHODU OSOBOWEGO W ASPEKCIE BEZPIECZEŃSTWA RUCHU DROGOWEGO

WSKAŹNIK OCENY HIC SAMOCHODU OSOBOWEGO W ASPEKCIE BEZPIECZEŃSTWA RUCHU DROGOWEGO WSKAŹNIK OCENY SAMOCHODU OSOBOWEGO W ASPEKCIE BEZPIECZEŃSTWA RUCHU DROGOWEGO Dagmara KARBOWNICZEK 1, Kazmerz LEJDA, Ruch cała człoweka w samochodze podczas wypadku drogowego zależy od sztywnośc nadwoza

Bardziej szczegółowo

Statystyka Opisowa 2014 część 1. Katarzyna Lubnauer

Statystyka Opisowa 2014 część 1. Katarzyna Lubnauer Statystyka Opsowa 2014 część 1 Katarzyna Lubnauer Lteratura: 1. Statystyka w Zarządzanu Admr D. Aczel 2. Statystyka Opsowa od Podstaw Ewa Waslewska 3. Statystyka, Lucjan Kowalsk. 4. Statystyka opsowa,

Bardziej szczegółowo

Zjawiska masowe takie, które mogą wystąpid nieograniczoną ilośd razy. Wyrazów Obcych)

Zjawiska masowe takie, które mogą wystąpid nieograniczoną ilośd razy. Wyrazów Obcych) Statystyka - nauka zajmująca sę metodam badana przedmotów zjawsk w ch masowych przejawach ch loścową lub jakoścową analzą z punktu wdzena nauk, do której zakresu należą.

Bardziej szczegółowo

ZESZYTY NAUKOWE INSTYTUTU POJAZDÓW 5(96)/2013

ZESZYTY NAUKOWE INSTYTUTU POJAZDÓW 5(96)/2013 ZESZYTY NAUKOWE NSTYTUTU POJAZDÓW 5(96)/2013 Hubert Sar, Potr Fundowcz 1 WYZNACZANE MASOWEGO MOMENTU BEZWŁADNOŚC WZGLĘDEM OS PODŁUŻNEJ DLA SAMOCHODU TYPU VAN NA PODSTAWE WZORÓW DOŚWADCZALNYCH 1. Wstęp

Bardziej szczegółowo

MATERIAŁY I STUDIA. Zeszyt nr 286. Analiza dyskryminacyjna i regresja logistyczna w procesie oceny zdolności kredytowej przedsiębiorstw

MATERIAŁY I STUDIA. Zeszyt nr 286. Analiza dyskryminacyjna i regresja logistyczna w procesie oceny zdolności kredytowej przedsiębiorstw MATERIAŁY I STUDIA Zeszyt nr 86 Analza dyskrymnacyjna regresja logstyczna w procese oceny zdolnośc kredytowej przedsęborstw Robert Jagełło Warszawa, 0 r. Wstęp Robert Jagełło Narodowy Bank Polsk. Składam

Bardziej szczegółowo

Dr inż. Robert Smusz Politechnika Rzeszowska im. I. Łukasiewicza Wydział Budowy Maszyn i Lotnictwa Katedra Termodynamiki

Dr inż. Robert Smusz Politechnika Rzeszowska im. I. Łukasiewicza Wydział Budowy Maszyn i Lotnictwa Katedra Termodynamiki Dr nż. Robert Smusz Poltechnka Rzeszowska m. I. Łukasewcza Wydzał Budowy Maszyn Lotnctwa Katedra Termodynamk Projekt jest współfnansowany w ramach programu polskej pomocy zagrancznej Mnsterstwa Spraw Zagrancznych

Bardziej szczegółowo

OeconomiA copernicana 2013 Nr 3. Modele ekonometryczne w opisie wartości rezydualnej inwestycji

OeconomiA copernicana 2013 Nr 3. Modele ekonometryczne w opisie wartości rezydualnej inwestycji OeconomA coperncana 2013 Nr 3 ISSN 2083-1277, (Onlne) ISSN 2353-1827 http://www.oeconoma.coperncana.umk.pl/ Klber P., Stefańsk A. (2003), Modele ekonometryczne w opse wartośc rezydualnej nwestycj, Oeconoma

Bardziej szczegółowo

Natalia Nehrebecka. Wykład 2

Natalia Nehrebecka. Wykład 2 Natala Nehrebecka Wykład . Model lnowy Postad modelu lnowego Zaps macerzowy modelu lnowego. Estymacja modelu Wartośd teoretyczna (dopasowana) Reszty 3. MNK przypadek jednej zmennej . Model lnowy Postad

Bardziej szczegółowo

± Δ. Podstawowe pojęcia procesu pomiarowego. x rzeczywiste. Określenie jakości poznania rzeczywistości

± Δ. Podstawowe pojęcia procesu pomiarowego. x rzeczywiste. Określenie jakości poznania rzeczywistości Podstawowe pojęca procesu pomarowego kreślene jakośc poznana rzeczywstośc Δ zmerzone rzeczywste 17 9 Zalety stosowana elektrycznych przyrządów 1/ 1. możlwość budowy czujnków zamenających werne każdą welkość

Bardziej szczegółowo

Klasyfkator lnowy Wstęp Klasyfkator lnowy jest najprostszym możlwym klasyfkatorem. Zakłada on lnową separację lnowy podzał dwóch klas mędzy sobą. Przedstawa to ponższy rysunek: 5 4 3 1 0-1 - -3-4 -5-5

Bardziej szczegółowo

-Macierz gęstości: stany czyste i mieszane (przykłady) -równanie ruchu dla macierzy gęstości -granica klasyczna rozkładów kwantowych

-Macierz gęstości: stany czyste i mieszane (przykłady) -równanie ruchu dla macierzy gęstości -granica klasyczna rozkładów kwantowych WYKŁAD 4 dla zanteresowanych -Macerz gęstośc: stany czyste meszane (przykłady) -równane ruchu dla macerzy gęstośc -granca klasyczna rozkładów kwantowych Macerz gęstośc (przypomnene z poprzednch wykładów)

Bardziej szczegółowo

WYBRANE METODY TWORZENIA STRATEGII ZRÓWNOWAŻONEGO TRANSPORTU MIEJSKIEGO SELECTED METHODS FOR DEVELOPING SUSTAINABLE URBAN TRANS- PORT STRATEGIES

WYBRANE METODY TWORZENIA STRATEGII ZRÓWNOWAŻONEGO TRANSPORTU MIEJSKIEGO SELECTED METHODS FOR DEVELOPING SUSTAINABLE URBAN TRANS- PORT STRATEGIES Zbgnew SKROBACKI WYBRANE METODY TWORZENIA STRATEGII ZRÓWNOWAŻONEGO TRANSPORTU MIEJSKIEGO SELECTED METHODS FOR DEVELOPING SUSTAINABLE URBAN TRANS- PORT STRATEGIES W artykule przedstawone systemowe podejśce

Bardziej szczegółowo

OPTYMALIZACJA PROCESU PRZESIEWANIA W PRZESIEWACZACH WIELOPOKŁADOWYCH

OPTYMALIZACJA PROCESU PRZESIEWANIA W PRZESIEWACZACH WIELOPOKŁADOWYCH Prace Naukowe Instytutu Górnctwa Nr 136 Poltechnk Wrocławskej Nr 136 Studa Materały Nr 43 2013 Jerzy MALEWSKI* Marta BASZCZYŃSKA** przesewane, jakość produktów, optymalzacja OPTYMALIZACJA PROCESU PRZESIEWANIA

Bardziej szczegółowo

MODELOWANIE LICZBY SZKÓD W UBEZPIECZENIACH KOMUNIKACYJNYCH W PRZYPADKU WYSTĘPOWANIA DUŻEJ LICZBY ZER, Z WYKORZYSTANIEM PROCEDURY KROSWALIDACJI

MODELOWANIE LICZBY SZKÓD W UBEZPIECZENIACH KOMUNIKACYJNYCH W PRZYPADKU WYSTĘPOWANIA DUŻEJ LICZBY ZER, Z WYKORZYSTANIEM PROCEDURY KROSWALIDACJI Alcja Wolny-Domnak Unwersytet Ekonomczny w Katowcach MODELOWANIE LICZBY SZKÓD W UBEZPIECZENIACH KOMUNIKACYJNYCH W PRZYPADKU WYSTĘPOWANIA DUŻEJ LICZBY ZER, Z WYKORZYSTANIEM PROCEDURY KROSWALIDACJI Wprowadzene

Bardziej szczegółowo

Teoria niepewności pomiaru (Rachunek niepewności pomiaru) Rodzaje błędów pomiaru

Teoria niepewności pomiaru (Rachunek niepewności pomiaru) Rodzaje błędów pomiaru Pomary fzyczne - dokonywane tylko ze skończoną dokładnoścą. Powodem - nedoskonałość przyrządów pomarowych neprecyzyjność naszych zmysłów borących udzał w obserwacjach. Podawane samego tylko wynku pomaru

Bardziej szczegółowo

6. ROŻNICE MIĘDZY OBSERWACJAMI STATYSTYCZNYMI RUCHU KOLEJOWEGO A SAMOCHODOWEGO

6. ROŻNICE MIĘDZY OBSERWACJAMI STATYSTYCZNYMI RUCHU KOLEJOWEGO A SAMOCHODOWEGO Różnce mędzy obserwacjam statystycznym ruchu kolejowego a samochodowego 7. ROŻNICE MIĘDZY OBSERWACJAMI STATYSTYCZNYMI RUCHU KOLEJOWEGO A SAMOCHODOWEGO.. Obserwacje odstępów mędzy kolejnym wjazdam na stację

Bardziej szczegółowo

SZTUCZNA INTELIGENCJA

SZTUCZNA INTELIGENCJA SZTUCZNA INTELIGENCJA WYKŁAD 15. ALGORYTMY GENETYCZNE Częstochowa 014 Dr hab. nż. Grzegorz Dudek Wydzał Elektryczny Poltechnka Częstochowska TERMINOLOGIA allele wartośc, waranty genów, chromosom - (naczej

Bardziej szczegółowo

SYSTEMY UCZĄCE SIĘ WYKŁAD 7. KLASYFIKATORY BAYESA. Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska.

SYSTEMY UCZĄCE SIĘ WYKŁAD 7. KLASYFIKATORY BAYESA. Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska. SYSTEMY UCZĄCE SIĘ WYKŁAD 7. KLASYFIKATORY BAYESA Częstochowa 4 Dr hab. nż. Grzegorz Dudek Wydzał Elektryczny Poltechnka Częstochowska TWIERDZENIE BAYESA Wedza pozyskwana przez metody probablstyczne ma

Bardziej szczegółowo

O PEWNYM MODELU POZWALAJĄCYM IDENTYFIKOWAĆ K NAJBARDZIEJ PODEJRZANYCH REKORDÓW W ZBIORZE DANYCH KSIĘGOWYCH W PROCESIE WYKRYWANIA OSZUSTW FINANSOWYCH

O PEWNYM MODELU POZWALAJĄCYM IDENTYFIKOWAĆ K NAJBARDZIEJ PODEJRZANYCH REKORDÓW W ZBIORZE DANYCH KSIĘGOWYCH W PROCESIE WYKRYWANIA OSZUSTW FINANSOWYCH Mateusz Baryła Unwersytet Ekonomczny w Krakowe O PEWNYM MODELU POZWALAJĄCYM IDENTYFIKOWAĆ K NAJBARDZIEJ PODEJRZANYCH REKORDÓW W ZBIORZE DANYCH KSIĘGOWYCH W PROCESIE WYKRYWANIA OSZUSTW FINANSOWYCH Wprowadzene

Bardziej szczegółowo

NAFTA-GAZ marzec 2011 ROK LXVII. Wprowadzenie. Tadeusz Kwilosz

NAFTA-GAZ marzec 2011 ROK LXVII. Wprowadzenie. Tadeusz Kwilosz NAFTA-GAZ marzec 2011 ROK LXVII Tadeusz Kwlosz Instytut Nafty Gazu, Oddzał Krosno Zastosowane metody statystycznej do oszacowana zapasu strategcznego PMG, z uwzględnenem nepewnośc wyznaczena parametrów

Bardziej szczegółowo

Optymalizacja portfela z wykorzystaniem koherentnych transformujących miar ryzyka

Optymalizacja portfela z wykorzystaniem koherentnych transformujących miar ryzyka Grażyna Trzpot Unwersytet Ekonomczny w Katowcach Wydzał Informatyk Komunkacj Katedra Demograf Statystyk Ekonomcznej grazyna.trzpot@ue.katowce.pl Optymalzacja portfela z wykorzystanem koherentnych transformujących

Bardziej szczegółowo

Mikroekonometria 13. Mikołaj Czajkowski Wiktor Budziński

Mikroekonometria 13. Mikołaj Czajkowski Wiktor Budziński Mkroekonometra 13 Mkołaj Czajkowsk Wktor Budzńsk Symulacje Analogczne jak w przypadku cągłej zmennej zależnej można wykorzystać metody Monte Carlo do analzy różnego rodzaju problemów w modelach gdze zmenna

Bardziej szczegółowo

ANALIZA KORELACJI WYDATKÓW NA KULTURĘ Z BUDŻETU GMIN ORAZ WYKSZTAŁCENIA RADNYCH

ANALIZA KORELACJI WYDATKÓW NA KULTURĘ Z BUDŻETU GMIN ORAZ WYKSZTAŁCENIA RADNYCH Potr Mchalsk Węzeł Centralny OŻK-SB 25.12.2013 rok ANALIZA KORELACJI WYDATKÓW NA KULTURĘ Z BUDŻETU GMIN ORAZ WYKSZTAŁCENIA RADNYCH Celem ponższej analzy jest odpowedź na pytane: czy wykształcene radnych

Bardziej szczegółowo

MIĘDZYNARODOWE UNORMOWANIA WYRAśANIA ANIA NIEPEWNOŚCI POMIAROWYCH

MIĘDZYNARODOWE UNORMOWANIA WYRAśANIA ANIA NIEPEWNOŚCI POMIAROWYCH MIĘDZYNARODOWE UNORMOWANIA WYRAśANIA ANIA NIEPEWNOŚCI POMIAROWYCH Adam Mchczyńsk W roku 995 grupa nstytucj mędzynarodowych: ISO Internatonal Organzaton for Standardzaton (Mędzynarodowa Organzacja Normalzacyjna),

Bardziej szczegółowo

Jego zależy od wysokości i częstotliwości wypłat kuponów odsetkowych, ceny wykupu, oczekiwanej stopy zwrotu oraz zapłaconej ceny za obligację.

Jego zależy od wysokości i częstotliwości wypłat kuponów odsetkowych, ceny wykupu, oczekiwanej stopy zwrotu oraz zapłaconej ceny za obligację. Wrażlwość oblgacj Jedym z czyków ryzyka westowaa w oblgacje jest zmeość rykowych stóp procetowych. Iżyera fasowa dyspouje metodam pozwalającym zabezpeczyć portfel przed egatywym skutkam zma stóp procetowych.

Bardziej szczegółowo

W praktyce często zdarza się, że wyniki obu prób możemy traktować jako. wyniki pomiarów na tym samym elemencie populacji np.

W praktyce często zdarza się, że wyniki obu prób możemy traktować jako. wyniki pomiarów na tym samym elemencie populacji np. Wykład 7 Uwaga: W praktyce często zdarza sę, że wynk obu prób możemy traktować jako wynk pomarów na tym samym elemence populacj np. wynk x przed wynk y po operacj dla tego samego osobnka. Należy wówczas

Bardziej szczegółowo

ZASTOSOWANIE METODY DEA W KLASYFIKACJI FUNDUSZY INWESTYCYJNYCH

ZASTOSOWANIE METODY DEA W KLASYFIKACJI FUNDUSZY INWESTYCYJNYCH PRZEGLĄD STATYSTYCZNY R. LVI ZESZYT 3-4 2009 ANNA ZAMOJSKA ZASTOSOWANIE METODY DEA W KLASYFIKACJI FUNDUSZY INWESTYCYJNYCH 1. WSTĘP Analza ocena wynków osąganyc przez fundusze nwestycyjne jest jednym z

Bardziej szczegółowo

MIARY ZALEŻNOŚCI ANALIZA STATYSTYCZNA NA PRZYKŁADZIE WYBRANYCH WALORÓW RYNKU METALI NIEŻELAZNYCH

MIARY ZALEŻNOŚCI ANALIZA STATYSTYCZNA NA PRZYKŁADZIE WYBRANYCH WALORÓW RYNKU METALI NIEŻELAZNYCH Domnk Krężołek Unwersytet Ekonomczny w Katowcach MIARY ZALEŻNOŚCI ANALIZA AYYCZNA NA PRZYKŁADZIE WYBRANYCH WALORÓW RYNKU MEALI NIEŻELAZNYCH Wprowadzene zereg czasowe obserwowane na rynkach kaptałowych

Bardziej szczegółowo

Teoria niepewności pomiaru (Rachunek niepewności pomiaru) Rodzaje błędów pomiaru

Teoria niepewności pomiaru (Rachunek niepewności pomiaru) Rodzaje błędów pomiaru Pomary fzyczne - dokonywane tylko ze skończoną dokładnoścą. Powodem - nedoskonałość przyrządów pomarowych neprecyzyjność naszych zmysłów borących udzał w obserwacjach. Podawane samego tylko wynku pomaru

Bardziej szczegółowo

Badania sondażowe. Braki danych Konstrukcja wag. Agnieszka Zięba. Zakład Badań Marketingowych Instytut Statystyki i Demografii Szkoła Główna Handlowa

Badania sondażowe. Braki danych Konstrukcja wag. Agnieszka Zięba. Zakład Badań Marketingowych Instytut Statystyki i Demografii Szkoła Główna Handlowa Badana sondażowe Brak danych Konstrukcja wag Agneszka Zęba Zakład Badań Marketngowych Instytut Statystyk Demograf Szkoła Główna Handlowa 1 Błędy braku odpowedz Całkowty brak odpowedz (UNIT nonresponse)

Bardziej szczegółowo

PROSTO O DOPASOWANIU PROSTYCH, CZYLI ANALIZA REGRESJI LINIOWEJ W PRAKTYCE

PROSTO O DOPASOWANIU PROSTYCH, CZYLI ANALIZA REGRESJI LINIOWEJ W PRAKTYCE PROSTO O DOPASOWANIU PROSTYCH, CZYLI ANALIZA REGRESJI LINIOWEJ W PRAKTYCE Janusz Wątroba, StatSoft Polska Sp. z o.o. W nemal wszystkch dzedznach badań emprycznych mamy do czynena ze złożonoścą zjawsk procesów.

Bardziej szczegółowo

PRZESTRZENNE ZRÓŻNICOWANIE WYBRANYCH WSKAŹNIKÓW POZIOMU ŻYCIA MIESZKAŃCÓW MIAST ŚREDNIEJ WIELKOŚCI A SYSTEM LOGISTYCZNY MIASTA 1

PRZESTRZENNE ZRÓŻNICOWANIE WYBRANYCH WSKAŹNIKÓW POZIOMU ŻYCIA MIESZKAŃCÓW MIAST ŚREDNIEJ WIELKOŚCI A SYSTEM LOGISTYCZNY MIASTA 1 METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH Tom XI/2, 2010, str. 102 111 PRZESTRZENNE ZRÓŻNICOWANIE WYBRANYCH WSKAŹNIKÓW POZIOMU ŻYCIA MIESZKAŃCÓW MIAST ŚREDNIEJ WIELKOŚCI A SYSTEM LOGISTYCZNY MIASTA 1

Bardziej szczegółowo

5. OPTYMALIZACJA GRAFOWO-SIECIOWA

5. OPTYMALIZACJA GRAFOWO-SIECIOWA . OPTYMALIZACJA GRAFOWO-SIECIOWA Defncja grafu Pod pojęcem grafu G rozumemy następującą dwójkę uporządkowaną (defncja grafu Berge a): (.) G W,U gdze: W zbór werzchołków grafu, U zbór łuków grafu, U W W,

Bardziej szczegółowo