Teoria preferencji i jej alternatywy

Wielkość: px
Rozpocząć pokaz od strony:

Download "Teoria preferencji i jej alternatywy"

Transkrypt

1 Dariusz Zawisza Instytut Matematyki UJ 10 maj 2012

2 Racjonalność Racjonalny decydent: rzetelnie pozyskuje informacje i właściwie je interpretuje - decydent zna możliwe konsekwencje swoich decyzji, na podstawie dostępnych informacji porządkuje projekty, działania i inwestycje w celu maksymalizacji własnych korzyści. jest wolny od obciążeń emocjonalnych i norm etycznych.

3 Teoria oczekiwanej użyteczności Zastosowania Teoria dualna i jej zastosowania Pozostałe teorie wyboru

4 Oznaczenia (Ω, F, P) - przestrzeń probablistyczna, X - zbiór zmiennych losowych przyjmujących wartości w odcinku [0, 1] (zmienne opisujące wyniki różnych loterii lub zyski z inwestycji), S X (z) := P(X > z) - funkcja przeżycia, - relacja preferencji określona na zbiorze X porządkująca losowe korzyści z różnych inwestycji.

5 Aksjomaty Morgensterna i von Neumanna (1944)

6 Aksjomaty Morgensterna i von Neumanna (1944) EU1 Jeśli X i Y mają te same rozkłady, to X Y i Y X.

7 Aksjomaty Morgensterna i von Neumanna (1944) EU1 Jeśli X i Y mają te same rozkłady, to X Y i Y X. EU2 Relacja jest zwrotna przechodnia i spójna i.

8 Aksjomaty Morgensterna i von Neumanna (1944) EU1 Jeśli X i Y mają te same rozkłady, to X Y i Y X. EU2 Relacja jest zwrotna przechodnia i spójna i. EU3 Relacja jest ciągła ze względu na zbieżnośc w L 1 : dla dowolnych X, Y X, X Y istnieje ε > 0 takie, że jeśli X V L 1 < ε Y Z L 1 < ε, to V Z.

9 Aksjomaty Morgensterna i von Neumanna (1944) EU1 Jeśli X i Y mają te same rozkłady, to X Y i Y X. EU2 Relacja jest zwrotna przechodnia i spójna i. EU3 Relacja jest ciągła ze względu na zbieżnośc w L 1 : dla dowolnych X, Y X, X Y istnieje ε > 0 takie, że jeśli X V L 1 < ε Y Z L 1 < ε, to V Z. EU4 Monotoniczność: jeśli S X S Y, to X Y.

10 Aksjomaty Morgensterna i von Neumanna (1944) EU1 Jeśli X i Y mają te same rozkłady, to X Y i Y X. EU2 Relacja jest zwrotna przechodnia i spójna i. EU3 Relacja jest ciągła ze względu na zbieżnośc w L 1 : dla dowolnych X, Y X, X Y istnieje ε > 0 takie, że jeśli X V L 1 < ε Y Z L 1 < ε, to V Z. EU4 Monotoniczność: jeśli S X S Y, to X Y. EU5 Niezależność: jeśli α [0, 1] i Z X, to X Y = αs X + (1 α)s Z αs Y + (1 α)s Z.

11 Twierdzenie o reprezentacji Twierdzenie Aksjomaty EU1 - EU5 są spełnione wtedy i tylko wtedy gdy istnieje funkcja u ciągła i niemalejąca na [0,1] taka, że X Y Eu(X ) Eu(Y ).

12 Funkcja u powinna być funkcją wklęsłą (malejące przyrosty posiadają interpretację ekonomiczną).

13 Dla decydenta z wklęsłą funkcją użyteczności Eu(X ) u(ex ).

14 Dla decydenta z wklęsłą funkcją użyteczności Eu(X ) u(ex ). Powiemy, że takiego decydenta cechuje awersja do ryzyka.

15 Funkcja użyteczności przykłady Funkcja HARA funkcja CARA u(x) = funkcja kwadratowa { x γ γ, dla γ 0, γ < 1, ln x, dla γ = 0. u(x) = 1 e γx, γ > 0. u(x) = ax 1 2 bx 2, a, b > 0.

16 Wybór najlepszej strategii finansowej r s - stopa zwrotu z pewnej akcji (zmienna losowa), w - procentowa wartość kapitału zainwestowanego w akcje, r - stopa procentowa na lokacie, r w := wr s + (1 w)r stopa zwtotu z całego portfela (zmienna losowa),

17 Wybór najlepszej strategii finansowej r s - stopa zwrotu z pewnej akcji (zmienna losowa), w - procentowa wartość kapitału zainwestowanego w akcje, r - stopa procentowa na lokacie, r w := wr s + (1 w)r stopa zwtotu z całego portfela (zmienna losowa), Ile powinno wynosić w?

18 Optymalna strategia c. d. Odpowiedź: w arg max Eu(r w ).

19 Optymalna strategia c. d. Odpowiedź: w arg max Eu(r w ). Warunek konieczny istnienia maksimum: E[(r s r)u (r w )] = 0.

20 Model Markowitza H. Markowitz [1952](Nagroda Nobla w 1990 ) zaproponował optymalizację portfela za pomocą maksymalizacji funkcji L(w) := Er w θ 2 Var(r w ), θ > 0 - parametr awersji do ryzyka.

21 Równoważnik pewności Definicja Równoważnikiem pewności nazywamy taką wielkość zysku, jaką można uzyskać bez ryzyka, a której użyteczność jest równa oczekiwanej użyteczności X. Innymi słowy równoważnik pewności C X zmiennej losowej X spełnia warunek u(c X ) = Eu(X ). Korzystając z rozwinięcia Taylora Eu(X ) u(ex ) u (EX )Var(X ), Eu(X ) u(c X ) u(ex ) + u (EX )(C X EX ).

22 Stąd C x EX u (EX ) u Var(X ). (EX )

23 Stąd C x EX u (EX ) u Var(X ). (EX ) Definicja Niech u będzie dwukrotnie różniczkowalną funkcją użyteczności. Wtedy α(x) := u (x) u (x) nazywana jest współczynnikiem bezwzględnej awersji do ryzyka Arrowa-Pratta.

24 Składka ubezpieczeniowa w - majątek ubezpieczyciela, X - strata spowodowana wypłatą ubezpieczenia, H - składka ubezpieczeniowa, Zakład ubezpieczeń powinien ustalić składkę H tak, aby u(w) Eu(w X + H). Minimalny poziom składki powinien spełniać równanie u(w) = Eu(w X + H). czyli i w E(w X + H) EX H.

25 Krytyka Nie można aksjomatyzować zachowań: ludzie pod wpływem stresu i strachu mogą podejmować decyzje inne od racjonalnych. H. Simon (Nagroda Nobla 1978) zwraca uwagę, że napotykając różnorodne ograniczenia czasowe i technologiczne ludzie nie są w stanie uzyskać i przetworzyć wszystkich informacji istotnych dla danego problemu. Krytyka aksjomatów (najmocniej aksjomatu niezależności): eksperymenty socjologiczne i psychologiczne nie potwierdziły zachowań zgodnych z teorią oczekiwanej użyteczności (paradoks Allaisa, paradoks Ellsberga)

26 Dual theory of choice Yaari [1987] zmienił aksjomat niezależności otrzymując reprezentację liczbową relacji preferencji postaci. X Y 1 0 g ( P(X > x) ) dx 1 0 g ( P(Y > x) ) dx.

27 Całka Choqueta Centralne miejsce w powyższej reprezentacji zajmuje całka + 0 g ( P(X > x) ) dx.

28 Całka Choqueta Centralne miejsce w powyższej reprezentacji zajmuje całka Jeśli g(x) = x, to g ( P(X > x) ) dx = 0 g ( P(X > x) ) dx. + 0 P(X > x)dx = EX.

29 Całka Choqueta dla zmiennych dyskretnych Zmienna X przyjmuje wartości w zbiorze dyskretnym {x 0, x 1,..., x n }. 0 = x 0 x 1 x 2... x n. P(X = x i ) = p i, s(x i ) := P(x > x i ) = n k=i+1 p k, s(x n ) = 0, s(x k 1 ) s(x k ) = p k, g(0) = 0, g(1) = n 1 g(p(x > x))dx = g ( s(x k ) ) (x k+1 x k ) = k=0 n [ ( x k g s(xk 1 ) ) g ( s(x k ) )]. k=1

30 Zdeformowane miary ryzyka-definicja X - zmienna losowa reprezentująca stratę, lub płatności, które powinny zostać dokonane. Definicja Zdeformowaną miarą ryzyka (distortion risk measure) wyznaczoną przez funkcję rosnącą g (g(0) = 0, g(1) = 1), nazywamy funkcjonał ρ g (X ) = 0 [g(p(x > x)) 1]dx g(p(x > x))dx.

31 Własności Monotoniczność Jeśli X Y, to ρ g (X ) ρ g (Y ).

32 Własności Monotoniczność Dodatnia jednorodność Jeśli X Y, to ρ g (X ) ρ g (Y ). ρ g (λx ) = λρ g (X ), dla λ > 0.

33 Własności Monotoniczność Jeśli X Y, to ρ g (X ) ρ g (Y ). Dodatnia jednorodność ρ g (λx ) = λρ g (X ), dla λ > 0. Niezmienniczość względem przesunięcia ρ g (X c) = ρ g (X ) c, dla c R.

34 Własności Monotoniczność Jeśli X Y, to ρ g (X ) ρ g (Y ). Dodatnia jednorodność ρ g (λx ) = λρ g (X ), dla λ > 0. Niezmienniczość względem przesunięcia ρ g (X c) = ρ g (X ) c, dla c R. Subaddytywność (dla wklęsłej funkcji g) ρ g (X + Y ) ρ g (X ) + ρ g (Y ).

35 Przykłady VaR (Value at Risk) (dla rozkładów ciągłych) VaR α (X ) = sup{x P(X > x) α} = ρ gα (X ), { 0, jeśli 0 x < α, g α (x) = 1, jeśli α x 1.

36 Przykłady VaR (Value at Risk) (dla rozkładów ciągłych) VaR α (X ) = sup{x P(X > x) α} = ρ gα (X ), { 0, jeśli 0 x < α, g α (x) = 1, jeśli α x 1. CVaR (Conditional Value at Risk) (dla rozkładów ciągłych) CVaR α (X ) = E(X X > VaR α (X )), ( ) x g α (x) = min α, 1.

37 Przykłady c. d.

38 Przykłady c. d. Potęgowa funkcja deformująca g α (x) = x α, 0 < α < 1.

39 Przykłady c. d. Potęgowa funkcja deformująca g α (x) = x α, 0 < α < 1. Deformująca funkcja Giniego g α (x) = (1 + α)x αx 2, 0 < α < 1.

40 Przykłady c. d. Potęgowa funkcja deformująca Deformująca funkcja Giniego Deformacja Wanga g α (x) = x α, 0 < α < 1. g α (x) = (1 + α)x αx 2, 0 < α < 1. g W α (x) = Φ[Φ 1 (x) + α], gdzie Φ jest dystrybuantą standardowego rozkładu normalnego.

41 Rank dependent expected utility theory Preferencje wyznaczone za pomocą funkcjonału X + 0 g [ P ( u(x ) > x )] dx.

42 Rank dependent expected utility theory Preferencje wyznaczone za pomocą funkcjonału X + 0 g [ P ( u(x ) > x )] dx. Dla zmiennych przyjmujących wartości dyskretne + 0 g [ P ( u(x ) > x )] dx = n u(x k ) [ g ( s(x k 1 ) ) g ( s(x k ) )]. k=1

43 Teoria perspektyw Eksperymenty wykonane przez Kahnemana (Nagroda Nobla w 2002 r) i Tversky ego [1979] wykazały, że

44 Teoria perspektyw Eksperymenty wykonane przez Kahnemana (Nagroda Nobla w 2002 r) i Tversky ego [1979] wykazały, że Ludzie oceniają dostępne im alternatywy ze względu na pewien punkt odniesienia, którego umiejscowienie zależy od ich aktualnego bogactwa, przeszłych doświadczeń, etc.

45 Teoria perspektyw Eksperymenty wykonane przez Kahnemana (Nagroda Nobla w 2002 r) i Tversky ego [1979] wykazały, że Ludzie oceniają dostępne im alternatywy ze względu na pewien punkt odniesienia, którego umiejscowienie zależy od ich aktualnego bogactwa, przeszłych doświadczeń, etc. Funkcja użyteczności (tu nazwana funkcją oceny) jest wklęsła dla prognoz pozytywnych i wypukła dla prognoz negatywnych.

46 Teoria perspektyw Eksperymenty wykonane przez Kahnemana (Nagroda Nobla w 2002 r) i Tversky ego [1979] wykazały, że Ludzie oceniają dostępne im alternatywy ze względu na pewien punkt odniesienia, którego umiejscowienie zależy od ich aktualnego bogactwa, przeszłych doświadczeń, etc. Funkcja użyteczności (tu nazwana funkcją oceny) jest wklęsła dla prognoz pozytywnych i wypukła dla prognoz negatywnych. Ludzie bardzo rzadkie zdarzenia traktują jako niemożliwe a niektóre zdarzenia uznane jako wysoce prawdopodobne traktują jak pewne.

47 Teoria perspektyw c. d. Kierując się przedstawionymi przesłankami ustalono, że preferencje powinny być oparte na funkcjonale X = V + [(X L) + ] V [(X L) ], gdzie V + (X ) = V (X ) = g + [ P ( u+ (X ) > x )] dx, g [ P ( u (X ) > x )] dx, u +, u są wklęsłymi i rosnącymi funkcjami na R +, g + wklęsła na [0, 1], g + (0) = 0, g + (1) = 1, g + (p) p, g wklęsła na [0, 1], g (0) = 0, g (1) = 1.

48 Maxmin choice Q - zbiór prawdopodobieństw wyznaczających zakres błędu popełnionego przy konstrukcji modelu. Gilboa i Schmeidler [1989] zaproponowali relację opartą o kryterium najgorszego możliwego scenariusza X Y inf Q Q EQ u(x ) inf Q Q EQ u(y ), gdzie u jest funkcją użyteczności.

49 Funkcja kary Macheroni et al. [2006] zaproponowali aksjomatykę dla relacji X Y inf Q Q EQ[ u(x ) α(q P) ] inf Q Q EQ[ u(y ) α(q P) ], gdzie α(q P) określa odległość dwóch prawdopodobieństw.

50 Literatura I Gilboa I, Schmeidler D. Maxmin expected utility with non-unique prior. J Math Econ 18 (1989), Kahneman, D. and Tversky, A., (1979): Prospect theory: an analysis of decision under risk, Econometrica, 47, Maccheroni,Fabio; Marinacci, Massimo; Rustchini, Aldo Ambiguity aversion, Robustness, and Variational Representation of Preferences Econometrica, Vol. 74, No. 6 ( 2006), Markowitz H. (1952) Portfolio selection. J Finance 7: 77 91

51 Literatura II von Neumann, John; Morgenstern, Oskar Theory of Games and Economic Behavior. Princeton University Press, Princeton, New Jersey, 1944 Yaari, Menahem E. The dual theory of choice under risk. Econometrica 55 (1987), no. 1,

52 Dziękuję za uwagę.

Jak wyznaczyć premię za ryzyko? kilka słów o modelu Arrowa - Pratta

Jak wyznaczyć premię za ryzyko? kilka słów o modelu Arrowa - Pratta Jak wyznaczyć premię za ryzyko? kilka słów o modelu Arrowa - Pratta Instytut Matematyki Politechniki Łódzkiej Poznań, 13.05.2017 r. Pojęcia wstępne u - funkcja użyteczności u : R R, u - ciągła, ściśle

Bardziej szczegółowo

Optymalne portfele inwestycyjne

Optymalne portfele inwestycyjne Dariusz Zawisza Instytut Matematyki UJ 10 maj 2012 Problem Rozwiązanie problemu Aktywa wolne od ryzyka Estymacja parametrów Pomiar ryzyka Oznaczenia (Ω, F, P) - przestrzeń probablistyczna, r i := S1 i

Bardziej szczegółowo

Prawdopodobieństwo i statystyka

Prawdopodobieństwo i statystyka Wykład II: Zmienne losowe i charakterystyki ich rozkładów 13 października 2014 Zmienne losowe Wartość oczekiwana Dystrybuanty Słowniczek teorii prawdopodobieństwa, cz. II Definicja zmiennej losowej i jej

Bardziej szczegółowo

1 Funkcja użyteczności

1 Funkcja użyteczności 1 Funkcja użyteczności Funkcja użyteczności to funkcja, której wartościami są wartości użyteczności (satysfakcji, komfortu psychicznego). Można mówić o użyteczności różnych zjawisk. Użyteczność pieniądza

Bardziej szczegółowo

Własność iteracyjności składek ubezpieczeniowych wyznaczonych w oparciu o teorię skumulowanej perspektywy Kahnemana-Tversky

Własność iteracyjności składek ubezpieczeniowych wyznaczonych w oparciu o teorię skumulowanej perspektywy Kahnemana-Tversky Własność iteracyjności składek ubezpieczeniowych wyznaczonych w oparciu o teorię skumulowanej perspektywy Kahnemana-Tversky ego Marek Kałuszka Michał Krzeszowiec Ogólnopolska Konferencja Naukowa Zagadnienia

Bardziej szczegółowo

Prawdopodobieństwo i statystyka

Prawdopodobieństwo i statystyka Wykład VII: Rozkład i jego charakterystyki 22 listopada 2016 Uprzednio wprowadzone pojęcia i ich własności Definicja zmiennej losowej Zmienna losowa na przestrzeni probabilistycznej (Ω, F, P) to funkcja

Bardziej szczegółowo

Ubezpieczenia majątkowe

Ubezpieczenia majątkowe Funkcje użyteczności a składki Uniwersytet Przyrodniczy we Wrocławiu Instytut Nauk Ekonomicznych i Społecznych 2016/2017 Funkcja użyteczności Niech ω wielkość majątku decydenta wyrażona w j.p., u (ω) stopień

Bardziej szczegółowo

Statystyka i eksploracja danych

Statystyka i eksploracja danych Wykład II: i charakterystyki ich rozkładów 24 lutego 2014 Wartość oczekiwana Dystrybuanty Słowniczek teorii prawdopodobieństwa, cz. II Wartość oczekiwana Dystrybuanty Słowniczek teorii prawdopodobieństwa,

Bardziej szczegółowo

Rozdział 1. Zmienne losowe, ich rozkłady i charakterystyki. 1.1 Definicja zmiennej losowej

Rozdział 1. Zmienne losowe, ich rozkłady i charakterystyki. 1.1 Definicja zmiennej losowej Rozdział 1 Zmienne losowe, ich rozkłady i charakterystyki 1.1 Definicja zmiennej losowej Zbiór możliwych wyników eksperymentu będziemy nazywać przestrzenią zdarzeń elementarnych i oznaczać Ω, natomiast

Bardziej szczegółowo

Zmienne losowe i ich rozkłady. Momenty zmiennych losowych. Wrocław, 10 października 2014

Zmienne losowe i ich rozkłady. Momenty zmiennych losowych. Wrocław, 10 października 2014 Zmienne losowe i ich rozkłady. Momenty zmiennych losowych. Wrocław, 10 października 2014 Zmienne losowe i ich rozkłady Doświadczenie losowe: Rzut monetą Rzut kostką Wybór losowy n kart z talii 52 Gry losowe

Bardziej szczegółowo

Modelowanie rynków finansowych

Modelowanie rynków finansowych Modelowanie rynków finansowych Jerzy Mycielski WNE UW 5 października 2017 Jerzy Mycielski (WNE UW) Modelowanie rynków finansowych 5 października 2017 1 / 12 Podstawowe elementy teorii 1 racjonalne oczekiwania

Bardziej szczegółowo

Teoria popytu. Popyt indywidualny konsumenta

Teoria popytu. Popyt indywidualny konsumenta Teoria popytu Popyt indywidualny konsumenta Koszyk towarów Definicja 1 Wektor x=(x 1,x 2,x 3,...,x n ) taki, że x i 0 dla każdego i,w którym i-ta współrzędna oznacza ilość towaru nr i, którą konsument

Bardziej szczegółowo

Przykład 1 W przypadku jednokrotnego rzutu kostką przestrzeń zdarzeń elementarnych

Przykład 1 W przypadku jednokrotnego rzutu kostką przestrzeń zdarzeń elementarnych Rozdział 1 Zmienne losowe, ich rozkłady i charakterystyki 1.1 Definicja zmiennej losowej Niech Ω będzie przestrzenią zdarzeń elementarnych. Definicja 1 Rodzinę S zdarzeń losowych (zbiór S podzbiorów zbioru

Bardziej szczegółowo

Metody systemowe i decyzyjne w informatyce

Metody systemowe i decyzyjne w informatyce Metody systemowe i decyzyjne w informatyce Ćwiczenia lista zadań nr 2 autorzy: A. Gonczarek, J.M. Tomczak Metody estymacji Zad. 1 Pojawianie się spamu opisane jest zmienną losową x o rozkładzie dwupunktowym

Bardziej szczegółowo

9 Funkcje Użyteczności

9 Funkcje Użyteczności 9 Funkcje Użyteczności Niech u(x) oznacza użyteczność wynikającą z posiadania x jednostek pewnego dobra. Z założenia, 0 jest punktem referencyjnym, czyli u(0) = 0. Należy to zinterpretować jako użyteczność

Bardziej szczegółowo

Matematyka ubezpieczeń majątkowych r.

Matematyka ubezpieczeń majątkowych r. Zadanie 1. W pewnej populacji podmiotów każdy podmiot narażony jest na ryzyko straty X o rozkładzie normalnym z wartością oczekiwaną równą μ i wariancją równą. Wszystkie podmioty z tej populacji kierują

Bardziej szczegółowo

Iteracyjność składek ubezpieczeniowych w ujęciu teorii skumulowanej perspektywy i teorii nieokreśloności 1

Iteracyjność składek ubezpieczeniowych w ujęciu teorii skumulowanej perspektywy i teorii nieokreśloności 1 Roczniki Kolegium Analiz Ekonomicznych Zeszyt 31/213 Marek Kałuszka Michał Krzeszowiec Iteracyjność składek ubezpieczeniowych w ujęciu teorii skumulowanej perspektywy i teorii nieokreśloności 1 Streszczenie

Bardziej szczegółowo

Ćwiczenia 7 - Zmienna losowa i jej rozkład. Parametry rozkładu.

Ćwiczenia 7 - Zmienna losowa i jej rozkład. Parametry rozkładu. Ćwiczenia 7 - Zmienna losowa i jej rozkład. Parametry rozkładu. A Teoria Definicja A.1. Niech (Ω, F, P) będzie przestrzenią probabilistyczną. Zmienną losową określoną na przestrzeni Ω nazywamy dowolną

Bardziej szczegółowo

PEWNE FAKTY Z RACHUNKU PRAWDOPODOBIEŃSTWA

PEWNE FAKTY Z RACHUNKU PRAWDOPODOBIEŃSTWA PEWNE FAKTY Z RACHUNKU PRAWDOPODOBIEŃSTWA 1. Trójkę (Ω, F, P ), gdzie Ω, F jest σ-ciałem podzbiorów Ω, a P jest prawdopodobieństwem określonym na F, nazywamy przestrzenią probabilistyczną. 2. Rodzinę F

Bardziej szczegółowo

Matematyka z el. statystyki, # 3 /Geodezja i kartografia II/

Matematyka z el. statystyki, # 3 /Geodezja i kartografia II/ Matematyka z el. statystyki, # 3 /Geodezja i kartografia II/ Uniwersytet Przyrodniczy w Lublinie Katedra Zastosowań Matematyki i Informatyki ul. Akademicka 15, p.211a bud. Agro II, e-mail: zdzislaw.otachel@up.lublin.pl

Bardziej szczegółowo

WYKŁADY Z RACHUNKU PRAWDOPODOBIEŃSTWA I wykład 4 Przekształcenia zmiennej losowej, momenty

WYKŁADY Z RACHUNKU PRAWDOPODOBIEŃSTWA I wykład 4 Przekształcenia zmiennej losowej, momenty WYKŁADY Z RACHUNKU PRAWDOPODOBIEŃSTWA I wykład 4 Przekształcenia zmiennej losowej, momenty Agata Boratyńska Agata Boratyńska Rachunek prawdopodobieństwa, wykład 4 / 9 Przekształcenia zmiennej losowej X

Bardziej szczegółowo

Parametr Λ w populacji ubezpieczonych ma rozkład dany na półosi dodatniej gęstością: 3 f

Parametr Λ w populacji ubezpieczonych ma rozkład dany na półosi dodatniej gęstością: 3 f Zadanie. W kolejnych latach t =,,,... ubezpieczony charakteryzujący się parametrem ryzyka Λ generuje N t szkód. Dla danego Λ = λ zmienne N, N, N,... są warunkowo niezależne i mają (brzegowe) rozkłady Poissona:

Bardziej szczegółowo

Wykład 3 Momenty zmiennych losowych.

Wykład 3 Momenty zmiennych losowych. Wykład 3 Momenty zmiennych losowych. Wrocław, 19 października 2016r Momenty zmiennych losowych Wartość oczekiwana - przypomnienie Definicja 3.1: 1 Niech X będzie daną zmienną losową. Jeżeli X jest zmienną

Bardziej szczegółowo

Wykład 3 Momenty zmiennych losowych.

Wykład 3 Momenty zmiennych losowych. Wykład 3 Momenty zmiennych losowych. Wrocław, 18 października 2017r Momenty zmiennych losowych Wartość oczekiwana - przypomnienie Definicja 3.1: 1 Niech X będzie daną zmienną losową. Jeżeli X jest zmienną

Bardziej szczegółowo

Inne kryteria tworzenia portfela. Inne kryteria tworzenia portfela. Poziom bezpieczeństwa. Analiza i Zarządzanie Portfelem cz. 3. Dr Katarzyna Kuziak

Inne kryteria tworzenia portfela. Inne kryteria tworzenia portfela. Poziom bezpieczeństwa. Analiza i Zarządzanie Portfelem cz. 3. Dr Katarzyna Kuziak Inne kryteria tworzenia portfela Analiza i Zarządzanie Portfelem cz. 3 Dr Katarzyna Kuziak. Minimalizacja ryzyka przy zadanym dochodzie Portfel efektywny w rozumieniu Markowitza odchylenie standardowe

Bardziej szczegółowo

Rachunek Różniczkowy

Rachunek Różniczkowy Rachunek Różniczkowy Sąsiedztwo punktu Liczby rzeczywiste będziemy teraz nazywać również punktami. Dla ustalonego punktu x 0 i promienia r > 0 zbiór S(x 0, r) = (x 0 r, x 0 ) (x 0, x 0 + r) nazywamy sąsiedztwem

Bardziej szczegółowo

Metody probabilistyczne

Metody probabilistyczne Metody probabilistyczne 6. Momenty zmiennych losowych Wojciech Kotłowski Instytut Informatyki PP http://www.cs.put.poznan.pl/wkotlowski/ 8.11.2018 1 / 47 Funkcje zmiennych losowych Mierzalna funkcja Y

Bardziej szczegółowo

Matematyka ubezpieczeń majątkowych r.

Matematyka ubezpieczeń majątkowych r. Matematyka ubezpieczeń majątkowych 4.04.0 r. Zadanie. Przy danej wartości λ parametru ryzyka Λ liczby szkód generowane przez ubezpieczającego się w kolejnych latach to niezależne zmienne losowe o rozkładzie

Bardziej szczegółowo

Rozdział 1. Wektory losowe. 1.1 Wektor losowy i jego rozkład

Rozdział 1. Wektory losowe. 1.1 Wektor losowy i jego rozkład Rozdział 1 Wektory losowe 1.1 Wektor losowy i jego rozkład Definicja 1 Wektor X = (X 1,..., X n ), którego każda współrzędna jest zmienną losową, nazywamy n-wymiarowym wektorem losowym (krótko wektorem

Bardziej szczegółowo

Wykład 2 Zmienne losowe i ich rozkłady

Wykład 2 Zmienne losowe i ich rozkłady Wykład 2 Zmienne losowe i ich rozkłady Magdalena Frąszczak Wrocław, 11.10.2017r Zmienne losowe i ich rozkłady Doświadczenie losowe: Rzut monetą Rzut kostką Wybór losowy n kart z talii 52 Gry losowe Doświadczenie

Bardziej szczegółowo

Biostatystyka, # 3 /Weterynaria I/

Biostatystyka, # 3 /Weterynaria I/ Biostatystyka, # 3 /Weterynaria I/ dr n. mat. Zdzisław Otachel Uniwersytet Przyrodniczy w Lublinie Katedra Zastosowań Matematyki i Informatyki ul. Głęboka 28, p. 221 bud. CIW, e-mail: zdzislaw.otachel@up.lublin.pl

Bardziej szczegółowo

Funkcje charakterystyczne zmiennych losowych, linie regresji 1-go i 2-go rodzaju

Funkcje charakterystyczne zmiennych losowych, linie regresji 1-go i 2-go rodzaju Funkcje charakterystyczne zmiennych losowych, linie regresji -go i 2-go rodzaju Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych Wydział Informatyki Politechniki

Bardziej szczegółowo

Prawdopodobieństwo i statystyka

Prawdopodobieństwo i statystyka Wykład IV: 27 października 2014 Współczynnik korelacji Brak korelacji a niezależność Definicja współczynnika korelacji Współczynnikiem korelacji całkowalnych z kwadratem zmiennych losowych X i Y nazywamy

Bardziej szczegółowo

ZASTOSOWANIE ZASADY MAKSIMUM PONTRIAGINA DO ZAGADNIENIA

ZASTOSOWANIE ZASADY MAKSIMUM PONTRIAGINA DO ZAGADNIENIA ZASTOSOWANIE ZASADY MAKSIMUM PONTRIAGINA DO ZAGADNIENIA DYNAMICZNYCH LOKAT KAPITAŁOWYCH Krzysztof Gąsior Uniwersytet Rzeszowski Streszczenie Celem referatu jest zaprezentowanie praktycznego zastosowania

Bardziej szczegółowo

Wykład 6 Estymatory efektywne. Własności asymptotyczne estym. estymatorów

Wykład 6 Estymatory efektywne. Własności asymptotyczne estym. estymatorów Wykład 6 Estymatory efektywne. Własności asymptotyczne estymatorów Wrocław, 30 listopada 2016r Powtórzenie z rachunku prawdopodobieństwa Zbieżność Definicja 6.1 Niech ciąg {X } n ma rozkład o dystrybuancie

Bardziej szczegółowo

RACHUNEK PRAWDOPODOBIEŃSTWA WYKŁAD 3.

RACHUNEK PRAWDOPODOBIEŃSTWA WYKŁAD 3. RACHUNEK PRAWDOPODOBIEŃSTWA WYKŁAD 3. ZMIENNA LOSOWA JEDNOWYMIAROWA. Zmienną losową X nazywamy funkcję (praktycznie każdą) przyporządkowującą zdarzeniom elementarnym liczby rzeczywiste. X : Ω R (dokładniej:

Bardziej szczegółowo

Rozkłady prawdopodobieństwa

Rozkłady prawdopodobieństwa Tytuł Spis treści Wersje dokumentu Instytut Matematyki Politechniki Łódzkiej 10 grudnia 2011 Spis treści Tytuł Spis treści Wersje dokumentu 1 Wartość oczekiwana Wariancja i odchylenie standardowe Rozkład

Bardziej szczegółowo

Proces rezerwy w czasie dyskretnym z losową stopą procentową i losową składką

Proces rezerwy w czasie dyskretnym z losową stopą procentową i losową składką z losową stopą procentową i losową składką Instytut Matematyki i Informatyki Politechniki Wrocławskiej 10 czerwca 2008 Oznaczenia Wprowadzenie ξ n liczba wypłat w (n 1, n], Oznaczenia Wprowadzenie ξ n

Bardziej szczegółowo

N ma rozkład Poissona z wartością oczekiwaną równą 100 M, M M mają ten sam rozkład dwupunktowy o prawdopodobieństwach:

N ma rozkład Poissona z wartością oczekiwaną równą 100 M, M M mają ten sam rozkład dwupunktowy o prawdopodobieństwach: Zadanie. O niezależnych zmiennych losowych N, M M, M 2, 3 wiemy, że: N ma rozkład Poissona z wartością oczekiwaną równą 00 M, M M mają ten sam rozkład dwupunktowy o prawdopodobieństwach: 2, 3 Pr( M = )

Bardziej szczegółowo

Literatura. Leitner R., Zacharski J., Zarys matematyki wyŝszej dla studentów, cz. III.

Literatura. Leitner R., Zacharski J., Zarys matematyki wyŝszej dla studentów, cz. III. Literatura Krysicki W., Bartos J., Dyczka W., Królikowska K, Wasilewski M., Rachunek Prawdopodobieństwa i Statystyka Matematyczna w Zadaniach, cz. I. Leitner R., Zacharski J., Zarys matematyki wyŝszej

Bardziej szczegółowo

Notatki z Analizy Matematycznej 3. Jacek M. Jędrzejewski

Notatki z Analizy Matematycznej 3. Jacek M. Jędrzejewski Notatki z Analizy Matematycznej 3 Jacek M. Jędrzejewski ROZDZIAŁ 6 Różniczkowanie funkcji rzeczywistej 1. Pocodna funkcji W tym rozdziale rozważać będziemy funkcje rzeczywiste określone w pewnym przedziale

Bardziej szczegółowo

WYKŁAD 6. Witold Bednorz, Paweł Wolff. Rachunek Prawdopodobieństwa, WNE, Uniwersytet Warszawski. 1 Instytut Matematyki

WYKŁAD 6. Witold Bednorz, Paweł Wolff. Rachunek Prawdopodobieństwa, WNE, Uniwersytet Warszawski. 1 Instytut Matematyki WYKŁAD 6 Witold Bednorz, Paweł Wolff 1 Instytut Matematyki Uniwersytet Warszawski Rachunek Prawdopodobieństwa, WNE, 2010-2011 Własności Wariancji Przypomnijmy, że VarX = E(X EX) 2 = EX 2 (EX) 2. Własności

Bardziej szczegółowo

Prawdopodobieństwo i statystyka

Prawdopodobieństwo i statystyka Wykład V: Zmienne losowe i ich wartości oczekiwane 25 października 2017 Definicja zmiennej losowej Definicja Zmienne losowa to charakterystyka liczbowa wyniku eksperymentu losowego. Zmienne losowa na przestrzeni

Bardziej szczegółowo

28 maja, Problem Dirichleta, proces Wienera. Procesy Stochastyczne, wykład 14, T. Byczkowski, Procesy Stochastyczne, PPT, Matematyka MAP1126

28 maja, Problem Dirichleta, proces Wienera. Procesy Stochastyczne, wykład 14, T. Byczkowski, Procesy Stochastyczne, PPT, Matematyka MAP1126 Problem Dirichleta, proces Wienera Procesy Stochastyczne, wykład 14, T. Byczkowski, Procesy Stochastyczne, PPT, Matematyka MAP1126 28 maja, 2012 Funkcje harmoniczne Niech będzie operatorem Laplace a w

Bardziej szczegółowo

Statystyka. Wydział Zarządzania Uniwersytetu Łódzkiego

Statystyka. Wydział Zarządzania Uniwersytetu Łódzkiego Statystyka Wydział Zarządzania Uniwersytetu Łódzkiego 2017 Zmienna losowa i jej rozkład Mając daną przestrzeń probabilistyczną, czyli parę (&, P) stanowiącą model pewnego doświadczenia losowego (gdzie

Bardziej szczegółowo

Matematyka ubezpieczeń majątkowych r.

Matematyka ubezpieczeń majątkowych r. Matematyka ubezpieczeń majątkowych 0.0.005 r. Zadanie. Likwidacja szkody zaistniałej w roku t następuje: w tym samym roku z prawdopodobieństwem 0 3, w następnym roku z prawdopodobieństwem 0 3, 8 w roku

Bardziej szczegółowo

WYKŁADY Z RACHUNKU PRAWDOPODOBIEŃSTWA I wykład 2 i 3 Zmienna losowa

WYKŁADY Z RACHUNKU PRAWDOPODOBIEŃSTWA I wykład 2 i 3 Zmienna losowa WYKŁADY Z RACHUNKU PRAWDOPODOBIEŃSTWA I wykład 2 i 3 Zmienna losowa Agata Boratyńska Agata Boratyńska Rachunek prawdopodobieństwa, wykład 2 i 3 1 / 19 Zmienna losowa Definicja Dana jest przestrzeń probabilistyczna

Bardziej szczegółowo

Jak trudne jest numeryczne całkowanie (O złożoności zadań ciągłych)

Jak trudne jest numeryczne całkowanie (O złożoności zadań ciągłych) Jak trudne jest numeryczne całkowanie (O złożoności zadań ciągłych) Uniwersytet Warszawski Wydział Matematyki, Informatyki i Mechaniki leszekp@mimuw.edu.pl Horyzonty 2014 17-03-2014 Będlewo Zadania numeryczne

Bardziej szczegółowo

Rachunek prawdopodobieństwa (Elektronika, studia niestacjonarne) Wykład 3

Rachunek prawdopodobieństwa (Elektronika, studia niestacjonarne) Wykład 3 Rachunek prawdopodobieństwa (Elektronika, studia niestacjonarne) Wykład 3 Przygotowując wykład korzystam głównie z książki Jakubowski, Sztencel Wstęp do teorii prawdopodobieństwa. Zmienna losowa i jej

Bardziej szczegółowo

Egzamin z matematyki ubezpieczeniowej (MUMIO), semestr zimowy 2013/14

Egzamin z matematyki ubezpieczeniowej (MUMIO), semestr zimowy 2013/14 ZESTAW A IMIȨ I NAZWISKO: Egzamin z matematyki ubezpieczeniowej (MUMIO), semestr zimowy 2/4 Data: 224 Egzaminar: Ryszard Szekli INSTRUKCJE: Rozwiązując test zakreślamy literką X POPRAWNE ODPOWIEDZI W TABELCE

Bardziej szczegółowo

Pochodna funkcji. Pochodna funkcji w punkcie. Różniczka funkcji i obliczenia przybliżone. Zastosowania pochodnych. Badanie funkcji.

Pochodna funkcji. Pochodna funkcji w punkcie. Różniczka funkcji i obliczenia przybliżone. Zastosowania pochodnych. Badanie funkcji. Pochodna funkcji Pochodna funkcji w punkcie. Różniczka funkcji i obliczenia przybliżone. Zastosowania pochodnych. Badanie funkcji. Małgorzata Wyrwas Katedra Matematyki Wydział Informatyki Politechnika

Bardziej szczegółowo

Wycena opcji rzeczywistych zgodnie z teorią perspektywy

Wycena opcji rzeczywistych zgodnie z teorią perspektywy mgr Marek Jarzęcki Uniwersytet Ekonomiczny w Poznaniu Wycena opcji rzeczywistych zgodnie z teorią perspektywy Seminarium ROS 2014: Opcje realne teoria dla praktyki Szczecin, 30. listopada 2014 roku Agenda

Bardziej szczegółowo

Rozpoznawanie obrazów

Rozpoznawanie obrazów Rozpoznawanie obrazów Ćwiczenia lista zadań nr 5 autorzy: A. Gonczarek, J.M. Tomczak Przykładowe problemy Klasyfikacja binarna Dla obrazu x zaproponowano dwie cechy φ(x) = (φ 1 (x) φ 2 (x)) T. Na obrazie

Bardziej szczegółowo

Matematyka ubezpieczeń majątkowych r.

Matematyka ubezpieczeń majątkowych r. Matematyka ubezpieczeń majątkowych..00 r. Zadanie. Proces szkód w pewnym ubezpieczeniu jest złożonym procesem Poissona z oczekiwaną liczbą szkód w ciągu roku równą λ i rozkładem wartości szkody o dystrybuancie

Bardziej szczegółowo

Prawa wielkich liczb, centralne twierdzenia graniczne

Prawa wielkich liczb, centralne twierdzenia graniczne , centralne twierdzenia graniczne Katedra matematyki i ekonomii matematycznej 17 maja 2012, centralne twierdzenia graniczne Rodzaje zbieżności ciągów zmiennych losowych, centralne twierdzenia graniczne

Bardziej szczegółowo

Rachunek Prawdopodobieństwa i Statystyka

Rachunek Prawdopodobieństwa i Statystyka Rachunek Prawdopodobieństwa i Statystyka W 2. Probabilistyczne modele danych Zmienne losowe. Rozkład prawdopodobieństwa i dystrybuanta. Wartość oczekiwana i wariancja zmiennej losowej Dr Anna ADRIAN Zmienne

Bardziej szczegółowo

4b. Badanie przebiegu zmienności funkcji - monotoniczność i wypukłość

4b. Badanie przebiegu zmienności funkcji - monotoniczność i wypukłość 4b. Badanie przebiegu zmienności funkcji - monotoniczność i wypukłość Grzegorz Kosiorowski Uniwersytet Ekonomiczny w Krakowie zima 2017/2018 rzegorz Kosiorowski (Uniwersytet Ekonomiczny 4b. wbadanie Krakowie)

Bardziej szczegółowo

I. Pochodna i różniczka funkcji jednej zmiennej. 1. Definicja pochodnej funkcji i jej interpretacja fizyczna. Istnienie pochodnej funkcji.

I. Pochodna i różniczka funkcji jednej zmiennej. 1. Definicja pochodnej funkcji i jej interpretacja fizyczna. Istnienie pochodnej funkcji. I. Pochodna i różniczka funkcji jednej zmiennej. 1. Definicja pochodnej funkcji i jej interpretacja fizyczna. Istnienie pochodnej funkcji. Niech x 0 R i niech f będzie funkcją określoną przynajmniej na

Bardziej szczegółowo

Teoria oczekiwanej użyteczności

Teoria oczekiwanej użyteczności Teoria oczekiwanej użyteczności Michał Krawczyk Wydział Nauk Ekonomicznych UW O czym będzie mowa Stany świata, zdarzenia, loterie, preferencje Maksymalizacja oczekiwanych wypłat Maksymalizacja oczekiwanej

Bardziej szczegółowo

Statystyka matematyczna

Statystyka matematyczna Statystyka matematyczna Wykład 6 Magdalena Alama-Bućko 8 kwietnia 019 Magdalena Alama-Bućko Statystyka matematyczna 8 kwietnia 019 1 / 1 Rozkłady ciagłe Magdalena Alama-Bućko Statystyka matematyczna 8

Bardziej szczegółowo

1 Gaussowskie zmienne losowe

1 Gaussowskie zmienne losowe Gaussowskie zmienne losowe W tej serii rozwiążemy zadania dotyczące zmiennych o rozkładzie normalny. Wymagana jest wiedza na temat własności rozkładu normalnego, CTG oraz warunkowych wartości oczekiwanych..

Bardziej szczegółowo

Wykład 1 Zmienne losowe, statystyki próbkowe - powtórzenie materiału

Wykład 1 Zmienne losowe, statystyki próbkowe - powtórzenie materiału Wykład 1 Zmienne losowe, statystyki próbkowe - powtórzenie materiału Magdalena Frąszczak Wrocław, 22.02.2017r Zasady oceniania Ćwiczenia 2 kolokwia (20 punktów każde) 05.04.2017 oraz 31.05.2017 2 kartkówki

Bardziej szczegółowo

Ogólnopolska Konferencja Naukowa Zagadnienia Aktuarialne - Teoria i praktyka Warszawa, 9 11 czerwca 2008

Ogólnopolska Konferencja Naukowa Zagadnienia Aktuarialne - Teoria i praktyka Warszawa, 9 11 czerwca 2008 Przemysław Klusik Instytut Matematyczny, Uniwersytet Wrocławski Ogólnopolska Konferencja Naukowa Zagadnienia Aktuarialne - Teoria i praktyka Warszawa, 9 11 czerwca 2008 (UWr) Zagadnienia Aktuarialne -

Bardziej szczegółowo

Wykład 3 Równania rózniczkowe cd

Wykład 3 Równania rózniczkowe cd 7 grudnia 2010 Definicja Równanie różniczkowe dy dx + p (x) y = q (x) (1) nazywamy równaniem różniczkowym liniowym pierwszego rzędu. Jeśli q (x) 0, to równanie (1) czyli równanie dy dx + p (x) y = 0 nazywamy

Bardziej szczegółowo

Gry o sumie niezerowej

Gry o sumie niezerowej Gry o sumie niezerowej Równowagi Nasha 2011-12-06 Zdzisław Dzedzej 1 Pytanie Czy profile równowagi Nasha są dobrym rozwiązaniem gry o dowolnej sumie? Zaleta: zawsze istnieją (w grach dwumacierzowych, a

Bardziej szczegółowo

Statystyka. Magdalena Jakubek. kwiecień 2017

Statystyka. Magdalena Jakubek. kwiecień 2017 Statystyka Magdalena Jakubek kwiecień 2017 1 Nauka nie stara się wyjaśniać, a nawet niemal nie stara się interpretować, zajmuje się ona głównie budową modeli. Model rozumiany jest jako matematyczny twór,

Bardziej szczegółowo

Matematyka ubezpieczeń majątkowych r.

Matematyka ubezpieczeń majątkowych r. Zadanie. W pewnej populacji kierowców każdego jej członka charakteryzują trzy zmienne: K liczba przejeżdżanych kilometrów (w tysiącach rocznie) NP liczba szkód w ciągu roku, w których kierowca jest stroną

Bardziej szczegółowo

Wzór Maclaurina. Jeśli we wzorze Taylora przyjmiemy x 0 = 0 oraz h = x, to otrzymujemy tzw. wzór Maclaurina: f (x) = x k + f (n) (θx) x n.

Wzór Maclaurina. Jeśli we wzorze Taylora przyjmiemy x 0 = 0 oraz h = x, to otrzymujemy tzw. wzór Maclaurina: f (x) = x k + f (n) (θx) x n. Wzór Maclaurina Jeśli we wzorze Taylora przyjmiemy x 0 = 0 oraz h = x, to otrzymujemy tzw. wzór Maclaurina: f (x) = n 1 k=0 f (k) (0) k! x k + f (n) (θx) x n. n! Wzór Maclaurina Przykład. Niech f (x) =

Bardziej szczegółowo

Metody systemowe i decyzyjne w informatyce

Metody systemowe i decyzyjne w informatyce Metody systemowe i decyzyjne w informatyce Ćwiczenia lista zadań nr 3 Metody estymacji. Estymator największej wiarygodności Zad. 1 Pojawianie się spamu opisane jest zmienną losową y o rozkładzie zero-jedynkowym

Bardziej szczegółowo

Wykład 3 Jednowymiarowe zmienne losowe

Wykład 3 Jednowymiarowe zmienne losowe Wykład 3 Jednowymiarowe zmienne losowe Niech (Ω, F, P ) będzie ustaloną przestrzenią probabilistyczną Definicja 1 Jednowymiarowa zmienna losowa (o wartościach rzeczywistych), określoną na przestrzeni probabilistycznej

Bardziej szczegółowo

Matematyka i Statystyka w Finansach. Rachunek Różniczkowy

Matematyka i Statystyka w Finansach. Rachunek Różniczkowy Rachunek Różniczkowy Ciąg liczbowy Link Ciągiem liczbowym nieskończonym nazywamy każdą funkcję a która odwzorowuje zbiór liczb naturalnych N w zbiór liczb rzeczywistych R a : N R. Tradycyjnie wartość a(n)

Bardziej szczegółowo

Modelowanie zależności. Matematyczne podstawy teorii ryzyka i ich zastosowanie R. Łochowski

Modelowanie zależności. Matematyczne podstawy teorii ryzyka i ich zastosowanie R. Łochowski Modelowanie zależności pomiędzy zmiennymi losowymi Matematyczne podstawy teorii ryzyka i ich zastosowanie R. Łochowski P Zmienne losowe niezależne - przypomnienie Dwie rzeczywiste zmienne losowe X i Y

Bardziej szczegółowo

Definicja 7.4 (Dystrybuanta zmiennej losowej). Dystrybuantą F zmiennej losowej X nazywamy funkcję: Własności dystrybuanty zmiennej losowej:

Definicja 7.4 (Dystrybuanta zmiennej losowej). Dystrybuantą F zmiennej losowej X nazywamy funkcję: Własności dystrybuanty zmiennej losowej: Definicja 7.4 (Dystrybuanta zmiennej losowej). Dystrybuantą F zmiennej losowej X nazywamy funkcję: F (t) P (X t) < t < Własności dystrybuanty zmiennej losowej: jest niemalejąca: 0 F (t) jest prawostronnie

Bardziej szczegółowo

Rachunek prawdopodobieństwa Rozdział 4. Zmienne losowe

Rachunek prawdopodobieństwa Rozdział 4. Zmienne losowe Rachunek prawdopodobieństwa Rozdział 4. Zmienne losowe 4.4. Momenty zmiennych losowych Katarzyna Rybarczyk-Krzywdzińska Wprowadzenie Przykład 1 Rzucamy raz kostką Ile wynosi średnia liczba oczek, jaka

Bardziej szczegółowo

Rachunek prawdopodobieństwa- wykład 6

Rachunek prawdopodobieństwa- wykład 6 Rachunek prawdopodobieństwa- wykład 6 Zmienne losowe dyskretne. Charakterystyki liczbowe zmiennych losowych dyskretnych dr Marcin Ziółkowski Instytut Matematyki i Informatyki Uniwersytet Humanistyczno-Przyrodniczy

Bardziej szczegółowo

Estymacja przedziałowa - przedziały ufności dla średnich. Wrocław, 5 grudnia 2014

Estymacja przedziałowa - przedziały ufności dla średnich. Wrocław, 5 grudnia 2014 Estymacja przedziałowa - przedziały ufności dla średnich Wrocław, 5 grudnia 2014 Przedział ufności Niech będzie dana próba X 1, X 2,..., X n z rozkładu P θ, θ Θ. Definicja Przedziałem ufności dla paramertu

Bardziej szczegółowo

Jeśli wszystkie wartości, jakie może przyjmować zmienna można wypisać w postaci ciągu {x 1, x 2,...}, to mówimy, że jest to zmienna dyskretna.

Jeśli wszystkie wartości, jakie może przyjmować zmienna można wypisać w postaci ciągu {x 1, x 2,...}, to mówimy, że jest to zmienna dyskretna. Wykład 4 Rozkłady i ich dystrybuanty Dwa typy zmiennych losowych Jeśli wszystkie wartości, jakie może przyjmować zmienna można wypisać w postaci ciągu {x, x 2,...}, to mówimy, że jest to zmienna dyskretna.

Bardziej szczegółowo

Prawdopodobieństwo i statystyka

Prawdopodobieństwo i statystyka Wykład XIV: Metody Monte Carlo 19 stycznia 2016 Przybliżone obliczanie całki oznaczonej Rozważmy całkowalną funkcję f : [0, 1] R. Chcemy znaleźć przybliżoną wartość liczbową całki 1 f (x) dx. 0 Jeden ze

Bardziej szczegółowo

Metody systemowe i decyzyjne w informatyce

Metody systemowe i decyzyjne w informatyce Metody systemowe i decyzyjne w informatyce Ćwiczenia lista zadań nr 2 autorzy: A. Gonczarek, J.M. Tomczak Metody estymacji ML Zad. 1 Pojawianie się spamu opisane jest zmienną losową x o rozkładzie dwupunktowym

Bardziej szczegółowo

Rozkłady prawdopodobieństwa zmiennych losowych

Rozkłady prawdopodobieństwa zmiennych losowych Rozkłady prawdopodobieństwa zmiennych losowych Rozkład dwumianowy Rozkład normalny Marta Zalewska Zmienna losowa dyskretna (skokowa) jest to zmienna, której zbór wartości jest skończony lub przeliczalny.

Bardziej szczegółowo

Pochodne funkcji wraz z zastosowaniami - teoria

Pochodne funkcji wraz z zastosowaniami - teoria Pochodne funkcji wraz z zastosowaniami - teoria Pochodne Definicja 2.38. Niech f : O(x 0 ) R. Jeżeli istnieje skończona granica f(x 0 + h) f(x 0 ) h 0 h to granicę tę nazywamy pochodną funkcji w punkcie

Bardziej szczegółowo

WYKŁAD Z ANALIZY MATEMATYCZNEJ I. dr. Elżbieta Kotlicka. Centrum Nauczania Matematyki i Fizyki

WYKŁAD Z ANALIZY MATEMATYCZNEJ I. dr. Elżbieta Kotlicka. Centrum Nauczania Matematyki i Fizyki WYKŁAD Z ANALIZY MATEMATYCZNEJ I dr. Elżbieta Kotlicka Centrum Nauczania Matematyki i Fizyki http://im0.p.lodz.pl/~ekot Łódź 2006 Spis treści 1. CIĄGI LICZBOWE 2 1.1. Własności ciągów liczbowych o wyrazach

Bardziej szczegółowo

1 Równania różniczkowe zwyczajne

1 Równania różniczkowe zwyczajne Równania różniczkowe zwyczajne wykład z MATEMATYKI Budownictwo studia niestacjonarne sem. II, rok ak. 2008/2009 Katedra Matematyki Wydział Informatyki Politechnika Białostocka Równania różniczkowe Równaniem

Bardziej szczegółowo

Maciej Grzesiak Instytut Matematyki Politechniki Poznańskiej. Całki nieoznaczone

Maciej Grzesiak Instytut Matematyki Politechniki Poznańskiej. Całki nieoznaczone Maciej Grzesiak Instytut Matematyki Politechniki Poznańskiej Całki nieoznaczone 1. Definicja całki nieoznaczonej Definicja 1. Funkcja F jest funkcją pierwotną funkcji f na przedziale I, jeżeli F (x) =

Bardziej szczegółowo

POMIAR RYZYKA FINANSOWEGO W WARUNKACH NIEPEWNOŚCI. Wprowadzenie

POMIAR RYZYKA FINANSOWEGO W WARUNKACH NIEPEWNOŚCI. Wprowadzenie B A D A N I A O P E R A C Y J N E I D E C Y Z J E Nr 2 2006 Grażyna TRZPIOT* POMIAR RYZYKA FINANSOWEGO W WARUNKACH NIEPEWNOŚCI Zarządzanie losowymi przyszłymi stopami zwrotu jest podstawowym zadaniem finansów

Bardziej szczegółowo

Wstęp do Rachunku Prawdopodobieństwa, IIr. WMS

Wstęp do Rachunku Prawdopodobieństwa, IIr. WMS Wstęp do Rachunku Prawdopodobieństwa, IIr. WMS przykładowe zadania na. kolokwium czerwca 6r. Poniżej podany jest przykładowy zestaw zadań. Podczas kolokwium na ich rozwiązanie przeznaczone będzie ok. 85

Bardziej szczegółowo

VIII. Zastosowanie rachunku różniczkowego do badania funkcji. 1. Twierdzenia o wartości średniej. Monotoniczność funkcji.

VIII. Zastosowanie rachunku różniczkowego do badania funkcji. 1. Twierdzenia o wartości średniej. Monotoniczność funkcji. VIII. Zastosowanie rachunku różniczkowego do badania funkcji. 1. Twierdzenia o wartości średniej. Monotoniczność funkcji. Twierdzenie 1.1. (Rolle a) Jeżeli funkcja f jest ciągła w przedziale domkniętym

Bardziej szczegółowo

Estymatory regresji rangowej oparte na metodzie LASSO

Estymatory regresji rangowej oparte na metodzie LASSO Estymatory regresji rangowej oparte na metodzie LASSO Wojciech Rejchel UMK Toruń Wisła 2013 Z = (X, Y ), Z = (X, Y ) - niezależne wektory losowe o tym samym rozkładzie P X, X X R m, Y, Y R Z = (X, Y ),

Bardziej szczegółowo

Zarządzanie ryzykiem finansowym

Zarządzanie ryzykiem finansowym Zarządzanie projektami Wrocław, 30 października 2013 Spis treści Motywacja Rachunek prawdopodobieństwa Koherentne miary ryzyka Przykłady zastosowań Podsumowanie Po co analizować ryzyko na rynkach finansowych?

Bardziej szczegółowo

6. Zmienne losowe typu ciagłego ( ) Pole trapezu krzywoliniowego

6. Zmienne losowe typu ciagłego ( ) Pole trapezu krzywoliniowego 6. Zmienne losowe typu ciagłego (2.04.2007) Pole trapezu krzywoliniowego Przypomnienie: figurę ograniczoną przez: wykres funkcji y = f(x), gdzie f jest funkcją ciągłą; proste x = a, x = b, a < b, oś OX

Bardziej szczegółowo

Postawy wobec ryzyka

Postawy wobec ryzyka Postawy wobec ryzyka Wskaźnik Sharpe a przykład zintegrowanej miary rentowności i ryzyka Konstrukcja wskaźnika odwołuje się do klasycznej teorii portfelowej Markowitza, której elementem jest mapa ryzyko

Bardziej szczegółowo

Wykład 10 Estymacja przedziałowa - przedziały ufności dla średn

Wykład 10 Estymacja przedziałowa - przedziały ufności dla średn Wykład 10 Estymacja przedziałowa - przedziały ufności dla średniej Wrocław, 21 grudnia 2016r Przedział ufności Niech będzie dana próba X 1, X 2,..., X n z rozkładu P θ, θ Θ. Definicja 10.1 Przedziałem

Bardziej szczegółowo

Teoria perspektywy. Michał Krawczyk. Wydział Nauk Ekonomicznych UW

Teoria perspektywy. Michał Krawczyk. Wydział Nauk Ekonomicznych UW Teoria perspektywy Michał Krawczyk Wydział Nauk Ekonomicznych UW O czym będzie mowa Maksymalizacja oczekiwanych wypłat (EV) Teoria oczekiwanej użyteczności (EUT): Maksymalizacja oczekiwanej użyteczności

Bardziej szczegółowo

5 Równania różniczkowe zwyczajne rzędu drugiego

5 Równania różniczkowe zwyczajne rzędu drugiego 5 Równania różniczkowe zwyczajne rzędu drugiego Definicja 5.1. Równaniem różniczkowym zwyczajnym rzędu drugiego nazywamy równanie postaci F ( x, y, y, y ) = 0, (12) w którym niewiadomą jest funkcja y =

Bardziej szczegółowo

Zmienne losowe, statystyki próbkowe. Wrocław, 2 marca 2015

Zmienne losowe, statystyki próbkowe. Wrocław, 2 marca 2015 Zmienne losowe, statystyki próbkowe Wrocław, 2 marca 2015 Zasady zaliczenia 2 kolokwia (każde po 20 punktów) projekt (20 punktów) aktywność Zasady zaliczenia 2 kolokwia (każde po 20 punktów) projekt (20

Bardziej szczegółowo

Zadania z Rachunku Prawdopodobieństwa III - 1

Zadania z Rachunku Prawdopodobieństwa III - 1 Zadania z Rachunku Prawdopodobieństwa III - 1 Funkcją tworzącą momenty (transformatą Laplace a) zmiennej losowej X nazywamy funkcję M X (t) := Ee tx, t R. 1. Oblicz funkcję tworzącą momenty zmiennych o

Bardziej szczegółowo

Statystyka, Ekonometria

Statystyka, Ekonometria Statystyka, Ekonometria Wykład dla Geodezji i Kartografii 11 kwietnia 2011 () Statystyka, Ekonometria 11 kwietnia 2011 1 / 31 LITERATURA J. Hozer, S.Kokot, W. Kuźmiński metody analizy statystycznej w wycenie

Bardziej szczegółowo

1 Relacje i odwzorowania

1 Relacje i odwzorowania Relacje i odwzorowania Relacje Jacek Kłopotowski Zadania z analizy matematycznej I Wykazać, że jeśli relacja ρ X X jest przeciwzwrotna i przechodnia, to jest przeciwsymetryczna Zbadać czy relacja ρ X X

Bardziej szczegółowo

Elementy Modelowania Matematycznego Wykład 4 Regresja i dyskryminacja liniowa

Elementy Modelowania Matematycznego Wykład 4 Regresja i dyskryminacja liniowa Spis treści Elementy Modelowania Matematycznego Wykład 4 Regresja i dyskryminacja liniowa Romuald Kotowski Katedra Informatyki Stosowanej PJWSTK 2009 Spis treści Spis treści 1 Wstęp Bardzo często interesujący

Bardziej szczegółowo

Wartość oczekiwana Mediana i dominanta Wariancja Nierówności związane z momentami. Momenty zmiennych losowych Momenty wektorów losowych

Wartość oczekiwana Mediana i dominanta Wariancja Nierówności związane z momentami. Momenty zmiennych losowych Momenty wektorów losowych Przykład(Wartość średnia) Otrzymaliśmy propozycję udziału w grze polegającej na jednokrotnym rzucie symetryczną kostką. Jeśli wypadnie 1 wygrywamy2zł,;jeśliwypadnie2,płacimy1zł;za3wygrywamy 4zł;za4płacimy5zł;za5wygrywamy3złiwreszcieza6

Bardziej szczegółowo