WYBRANE MIARY OCENY STOPNIA DYWERSYFIKACJI PORTFELI INWESTYCYJNYCH

Wielkość: px
Rozpocząć pokaz od strony:

Download "WYBRANE MIARY OCENY STOPNIA DYWERSYFIKACJI PORTFELI INWESTYCYJNYCH"

Transkrypt

1 Studa Ekoomcze. Zeszyty Naukowe Uwersytetu Ekoomczego w Katowcach ISSN Nr Iformatyka Ekoometra 0 Agata Gluzcka Uwersytet Ekoomczy w Katowcach Wydzał Iformatyk Komukacj Katedra Badań Operacyjych agata.gluzcka@ue.katowce.pl WYBRANE MIARY OCENY STOPNIA DYWERSYFIKACJI PORTFELI INWESTYCYJNYCH Streszczee: Jedo z ajważejszych założeń w teor zarządzaa portfelem to dywersyfkacja. Jest to zarazem jede z podstawowych sposobów obżaa pozomu ryzyka zwązaego z daą westycją. Problem dywersyfkacj jest od welu lat aalzoway zarówo przez praktyków, jak teoretyków. Wcąż poszukuje sę uwersalego sposobu wyzaczaa portfela dobrze zdywersyfkowaego. W metodach zwązaych z dywersyfkacją wykorzystuje sę m.. mary zwązae z korelacją, spektrale mary ryzyka, elemety teor formacj czy rozkład ryzyka. Główym celem artykułu była prezetacja wybraych metod, pozwalających określć stopeń zdywersyfkowaa portfela. Słowa kluczowe: dywersyfkacja portfela westycyjego, portfel zdywersyfkoway, etropa, współczyk ryzyka, aalza składowych główych. JEL Classfcato: G, C6. Wprowadzee Zjawsko dywersyfkacj leży u podstaw owoczesej teor portfelowej. Mmo welu lat badań e udało sę do tej pory ustalć jedej defcj pojęca dywersyfkacja, a co za tym dze, e steje jeda, uwersala metoda, za pomocą której możlwe byłoby loścowe określae stopa zdywersyfkowaa portfela. Poszukwaa takej dealej mary dywersyfkacj to wcąż aktualy obszar badawczy w dzedze zarządzaa westycjam. Mary stopa zdywersyfkowaa kostruowae są za pomocą różych wskaźków czy różych metod, co wyka z faktu, że poszczególe jedostk w róży sposób postrzegają problem dywersyfkacj. Najprostsze mary zapre-

2 Wybrae mary ocey stopa dywersyfkacj portfel westycyjych 4 zetowae w artykule to zarazem jede z perwszych wprowadzoych wskaźków dywersyfkacj, do kostrukcj których stosowae były tylko lczba spółek portfela lub też welkośc udzałów poszczególych spółek występujących w portfelu. Koleja grupa deksów dywersyfkacj to mary kostruowae w oparcu o etropę. W tym celu ajczęścej stosowaa jest etropa Shaoa lub jej postać wykładcza. W ostatch latach temat zastosowaa mar etrop w probleme dywersyfkacj był poruszay welokrote, czego efektem są take mary, jak p. kwadratowa etropa Rao czy delta dywersyfkacja. Iym przykładem są mary kostruowae za pomocą aalzy składowych główych. Procedura ta jest stosowaa w celu przekształcea daych skorelowaych w odpowadający m zbór daych eskorelowaych, a jak wadomo, korelacja jest jedym z główych źródeł występowaa zjawska dywersyfkacj. Główym celem artykułu było omówee wybraych mar dywersyfkacj. Szczególą uwagę zwrócoo a te mary, które zostały wprowadzoe do badań w ostatch latach, ale e były dotychczas powszeche stosowae w aalzach polskego ryku westycyjego. Artykuł składa sę z dwóch częśc. Część perwsza teoretycza to zestawee defcj podstawowych własośc wybraych mar pozwalających oceć stopeń dywersyfkacj portfela. Prezetowae mary zostały podzeloe a pęć grup, w zależośc od sposobu ch defowaa. W częśc drugej przedstawoy został przykład empryczy, który jest lustracją stosowaa zaprezetowaych deksów dywersyfkacj. Celem badań empryczych była aalza zgodośc rakgów otrzymaych dla poszczególych merków stopa dywersyfkacj portfel westycyjych. Badaa te zostały poprzedzoe krótkm przykładem empryczym, lustrującym zmay poszczególych merków dywersyfkacj w zależośc od lczby spółek w portfelu oraz od sposobu kostrukcj portfela. Do kostrukcj portfel zastosowae zostały dae wybraych spółek z Gełdy Paperów Wartoścowych w Warszawe.. Wybrae metody pomaru stopa dywersyfkacj.. Określae stopa zdywersyfkowaa portfel a podstawe lczby spółek Najprostszym sposobem określaa stopa dywersyfkacj portfela jest podae lczby składków tego portfela. Badaa emprycze zwązae z aalzą wpływu lczby składków a ryzyko portfela pokazały, że ryzyko portfela zmejsza sę podczas zwększaa lczby strumetów fasowych w tym

3 42 Agata Gluzcka portfelu [Evas, Archer, 968; Fsher, Lore, 970]. Zwększae lczby spółek w portfelu przyczya sę do stopowego obżaa ryzyka całkowtego, do mometu osągęca takego pozomu ryzyka, który e może już być dalej redukoway, bez względu a dodatkowe akcje dodawae do portfela [Frahm, Wechers, 20]. Iformacje dotyczące lczby spółek a daym ryku oraz lczby spółek zajdujących sę w portfelu moża wykorzystać do określea maksymalej częśc potecjale dywersyfkowalego ryzyka. Ideks dywersyfkacj stosoway w tym celu został zapropooway przez Taga [2004] w astępującej postac: ( ) N ( N ) DI =, () gdze: DI wskaźk dywersyfkacj ozaczający część ryzyka dywersyfkowalego portfela; lczba spółek w portfelu; N całkowta lczba spółek a ryku..2. Mary dywersyfkacj portfela oparte o udzały spółek Szeroką gamę wskaźków stosowaych do określaa stopa dywersyfkacj portfela staową deksy defowae za pomocą udzałów poszczególych spółek portfela. Przykładem jest deks dywersyfkacj defoway jako dopełee deksu Herfdahla. Ideks Herfdahla to często stosowaa mara ekoomczej kocetracj. Ideks dywersyfkacj określay jest wzorem: DI 2 w = = HI =, (2) 2 gdze: HI Ideks Herfdahla; w udzał -tej spółk w portfelu ( =, 2,, ). Ideks dywersyfkacj DI 2 przyjmuje wartośc z przedzału [0, ]. Wartość 0 odpowada portfelow o całkowtym braku dywersyfkacj, czyl mamy wówczas do czyea z portfelem jedoskładkowym. Z kole portfel, dla którego deks DI 2 przyjmuje wartość rówą, uzaway jest za portfel o ajwyższym stopu zdywersyfkowaa.

4 Wybrae mary ocey stopa dywersyfkacj portfel westycyjych 43 Iy deks dywersyfkacj, defoway za pomocą udzałów spółek występujących w portfelu, aalzoway był w pracy Marfelsa [97]. W dekse tym zastosowao ragowae spółek według malejącego udzału w portfelu (-ta spółka pod względem welkośc udzału otrzymuje ragę ). Ideks te jest określay wzorem: DI. 2 w 3 = Iterpretacja wartośc tego deksu jest podoba jak dla deksu DI 2. = (3).3. Zastosowae mar etrop do określaa stopa zdywersyfkowaa Koleje mary służące do określaa stopa zdywersyfkowaa zostały określoe przy użycu pojęca etrop. Etropa uzawaa jest za stote arzędze w procese wyboru portfela oraz w arbtrażu ceowym. Najczęścej stosowaa jest etropa Shaoa, która w orygale defowaa jest dla rozkładu prawdopodobeństwa. Przyjmując jedak w mejsce prawdopodobeństw udzały poszczególych spółek portfela, otrzymujemy marę dywersyfkacj astępującej postac [Hart, 97]: = ( ) DI4 = w l, (4) w gdze l ozacza logarytm aturaly. Wartośc tak zdefowaego deksu e zawerają sę w przedzale [0, ]. Jedak powszeche wadomo, że m wyższy pozom etrop, tym wyższy stopeń dywersyfkacj portfela. Natomast Marfels [97] zapropoował deks dywersyfkacj, w którym zastosował wykładczą marę etrop : DI5 = w. (5) Słabą stroą przytoczoych deksów dywersyfkacj jest fakt, że żade z ch e uwzględa zależośc mędzy korelacją a ryzykem portfela, czyl zasadczego zwązku, który decyduje o stopu zdywersyfkowaa portfela, a co zwracał uwagę już sam Markowtz. Koleja mara dywersyfkacj to przykład mary etrop, w której możlwe jest róweż uwzględee zależośc korela- = w

5 44 Agata Gluzcka cyjej zachodzącej mędzy stopam zwrotu poszczególych składków portfela westycyjego. Kwadratowa etropa Rao, ozaczaa symbolem RQE od agelskej azwy Rao s Quadratc Etopy [Rao, 982a; 982b], została zapropoowaa jako mara różorodośc (rozmatośc). Przykłady zastosowań tej mary moża odaleźć m.. w statystyce (p. do uogóloej aalzy waracj) czy w ekolog (p. do określaa stopa boróżorodośc) [Rao, 982a; 982b]. Przegląd możlwośc zastosowaa tej mary w kotekśce dywersyfkacj portfela westycyjego przedstawoo w pracy Carmcheala, Boev Koumoa Moraa [205]. Mara ta może być róweż stosowaa jako jeda z fukcj celu (obok waracj, skośośc stopy zwrotu) w welokryteralym modelu wyboru portfela westycyjego. Dla portfela złożoego z składków o udzałach w dla =, 2,, stopeń zdywersyfkowaa moża określć jako: d j gdze [ ], j RQE = j, j = d w w, (6) = D = azywaa jest fukcją różorodośc merzącą różcę mędzy dwoma dowolym składkam portfela. O fukcj D zakładamy, że speła astępujące waruk: d 0 dla, j =, 2,,, j d j = d j dla, j =, 2,,, d = 0 dla =, 2,,. Fukcję różorodośc D moża zdefować m.. za pomocą delty Kroeckera czy macerzy kowaracj stóp zwrotu [Carmcheal, Boev Koumo, Mora, 205]. Rówe dobrze fukcja różorodośc może być określoa za pomocą macerzy korelacj stóp zwrotu w astępujący sposób: RQE = ( j ), j = j ρ w w, (7) gdze: ρ = ρ macerz korelacj stóp zwrotu składków portfela. [ ], j j = Podobe jak w przypadku etrop Shaoa, m wyższa wartość współczyka RQE, tym wyższy stopeń zdywersyfkowaa portfela. Marę RQE przyjmuje sę róweż jako kryterum wyboru portfela westycyjego. Maksymalzując marę RQE, przy stadardowych założeach o udzałach portfela, otrzymujemy portfel o mmalej kocetracj formacj, azy- j

6 Wybrae mary ocey stopa dywersyfkacj portfel westycyjych 45 way róweż portfelem maksymalzującym efektywą lczbę ezależych czyków ryzyka. W przedstawoej powyżej postac mara RQE jest malejącą fukcją zmeych ρ j. Dywersyfkacja portfela RQE zka w przypadku, gdy stopy zwrotu składków portfela są doskoale skorelowae. Stąd też tucyje stwerdzee, że ska korelacja stóp zwrotu mplkuje wyższy stopeń zdywersyfkowaa portfela. Należy róweż zauważyć, że jeśl zmeośc wszystkch składków portfela są take same, to portfel RQE staje sę ekwwaletem portfela mmalej waracj. Samuelso [967], jako jede z perwszych badaczy, zwrócł uwagę, że pomar dywersyfkacj za pomocą tylko dwóch perwszych mometów rozkładu stóp zwrotu e jest właścwy. Nestety wększość mar stosowaych do określea stopa zdywersyfkowaa jest w tak sposób defowaa. Przykładem mary uwzględającej wyższe momety rozkładu stóp zwrotu jest wprowadzoa przez Vermorkea, Meddę Schrodera [202] dywersyfkacja delta (delta dversfcato). Jest to mara defowaa jako współczyk średej ważoej etrop poszczególych składków portfela etrop całego portfela. Iym przykładem mary uwzględającej wyższe momety rozkładu jest etropa egatywa [Krcher, Zuckel, 20]..4. Współczyk dywersyfkacj Przedstawoy w dalszej częśc deks dywersyfkacj został skostruoway przy założeu, że efekt dywersyfkacj zwązay jest z różcą mędzy średą ważoą odchyleń stadardowych stóp zwrotu spółek, w które westujemy (spółk o ezerowych udzałach), a średą ważoą odchyleń stadardowych korelacj wszystkch potecjalych składków portfela (ryzyko portfela) [Cheg, Roulac, 2007; Chouefaty, Cogard 2008]. Współczyk dywersyfkacj DE określay jest jako współczyk średej ważoej zmeośc spółek dzeloej przez zmeość portfela. Cheg Roulac [2007] zdefowal marę dywersyfkacj jako loraz średej ważoej odchyleń stadardowych spółek o ezerowych udzałach odchylea stadardowego portfela: σ DE = a, (8) σ gdze: σ p odchylee stadardowe portfela; σ a średa ważoa odchyleń stadardowych spółek o ezerowych udzałach. p

7 46 Agata Gluzcka Postać średej ważoej odchyleń stadardowych aktywów o ezerowych udzałach jest detycza z formą odchylea stadardowego portfela, z wyjątkem tego, że przyjmujemy współczyk korelacj rówy, czyl: σ = σ, (9) a w = gdze: w udzał -tej spółk w portfelu; σ odchylee stadardowe -tej spółk, =, 2,,. Współczyk dywersyfkacj DE w perwszej kolejośc był stosoway w aalze efektu dywersyfkacj a ryku eruchomośc, w badaach dotyczących dywersyfkacj geografczej [Cheg, Roulac, 2007]. Następe współczyk DE zastosowao do pomaru efektu dywersyfkacj dla portfel, w skład których wchodzły róże strumety fasowe [Chouefaty, Cogard 2008]. Przeprowadzoe zostały róweż badaa zwązae z zastosowaem tego współczyka dla portfel a polskm ryku westycyjym [Gluzcka, 206]. Wskaźk DE przyjmuje wartośc wększe od, a zatem e moża za jego pomocą określć welkośc ryzyka redukowaego przy kostrukcj portfela. Przyjmujemy jedye założee, że wyższa wartość współczyka wskazuje a wyższy stopeń dywersyfkacj. Za pomocą przedstawoego wskaźka pozomu dywersyfkacj możlwa jest kostrukcja tzw. portfel ajbardzej zdywersyfkowaych (MDP the Most Dversfed Portfolo). Portfele o optymalym stopu dywersyfkacj kostruowae są poprzez rozwązae zadaa optymalzacyjego, w którym maksymalzujemy wartość współczyka dywersyfkacj DE, jedye przy założeach o sume eujemych udzałów wszystkch składków portfela rówej [Chouefaty, Cogard, 2008; Chouefaty, Frodure, Reyer, 203]. W tym podejścu portfel ajbardzej zdywersyfkoway maksymalzuje odległość mędzy dwoma defcjam zmeośc portfela, tz. odległość mędzy średą ważoą zmeośc aktywów portfela a zmeoścą całego portfela. W lteraturze przedmotu współczyk dywersyfkacj przedstawa sę w klku wersjach, w których odchylee stadardowe zastępowae jest ym maram. Neco wcześej ż zaprezetoway powyżej współczyk DE wprowadzoy został deks dywersyfkacj, ale zdefoway za pomocą współczyków beta [Tasche, 2006]. W ym przypadku w mejsce odchylea stadardowego do określea mary dywersyfkacj zastosowao marę Value-at- -Rsk [Pergo, Smth, 200].

8 Wybrae mary ocey stopa dywersyfkacj portfel westycyjych Zastosowae aalzy składowych główych do określaa stopa dywersyfkacj W przypadku ryku eskorelowaego waracja portfela jest rówa sume ważoej waracj poszczególych składków tego portfela. Wówczas portfelem maksymale zdywersyfkowaym jest tak, dla którego udzały spółek są odwrote proporcjoale do waracj składków portfela. Jedak taka sytuacja e ma mejsca w rzeczywstym śwece westycyjym. Możemy jedak za pomocą odpowedch metod statystyczych przekształcać zbór skorelowaych daych w zbór czyków ezależych. Jedą z takch metod, z powodzeem wykorzystywaych róweż w kotekśce mar dywersyfkacj, jest aalza składowych główych. Mara dywersyfkacj, w której wykorzystao aalzę składowych główych, została zapropoowaa przez Ruda Morgaa [2006], którzy prowadzl badaa dotyczące portfel o rówych wagach oraz tzw. portfel główych (prcpal portfolos). Rozważmy portfel składający sę z spółek. Jeśl przez W=[w, w 2,, w ] ozaczymy wektor udzałów poszczególych spółek w portfelu, a przez Σ macerz kowaracj mędzy stopam zwrotu spółek portfela, to warację takego portfela oblczamy zgode ze wzorem: σ = 2 p W T ΣW. (0) Macerz kowaracj Σ możemy przekształcć do astępującej postac: T Σ = EΔE, () gdze E jest macerzą kwadratową stopa, złożoą z wektorów własych (e dla =, 2,, ) macerzy kowaracj Σ, a Δ jest dagoalą macerzą kwadratową stopa, której elemetam są wartośc włase (λ ) macerzy kowaracj Σ. Wektory włase defują zbór eskorelowaych portfel, azywaych portfelam główym, których stopy zwrotu są malejąco odpowedzale za losowość a ryku. Natomast wartośc włase λ odpowadają waracjom tych eskorelowaych portfel. Warację portfela moża zatem zapsać w rówoważej forme: 2 σ = W p T T EΔE W. (2) Welkość udzałów portfel główych oblczamy jako W ~ = E W. Natomast stopy zwrotu portfel główych otrzymujmy z zależośc R ~ = E R,

9 48 Agata Gluzcka gdze R ozacza wektor stóp zwrotu wyjścowego portfela. Warację portfela zatem moża zapsać w ostateczej forme: 2 W ~ T σ = ΔW ~. (3) p Korzystając z powyższej procedury, Rud Morga [2006] zapropoowal astępujący deks dywersyfkacj: gdze w k = λk dla k =, 2,,. λ = PDI = 2 kw k, (4) k = Ideks te merzy względą ważość składowych główych w portfelu. Jeśl orygale składk portfela są sle ze sobą skorelowae, to perwszych klka główych portfel jest oblczae dla wększośc waracj portfela, stąd powyższy deks będze mał ską wartość. Jeśl atomast wszystke składk portfela są eskorelowae, wówczas deks jest rówy lczbe składków, o le udzał każdej spółk będze tak sam rówy /. Ideks PDI może przyjmować wartośc od do, przy czym: dla portfela całkowce ezdywersyfkowaego, czyl zdomowaego przez pojedyczy składk, wartość deksu PDI jest rówa (w =, w = 0 dla = 2, 3,, ), jeśl wszystke aktywa portfela są doskoale eskorelowae, to mamy do czyea z portfelem deale zdywersyfkowaym, dla którego wartość PDI jest rówa (w k = / dla każdego k =, 2,, ), wartość PDI < bardzej odzwercedla współdzałae w różych aktywach; węcej zmeośc stóp zwrotu wyjaśae jest przez klka perwszych składowych główych. W ogólośc, deks PDI e merzy dywersyfkacj daego portfela jest to raczej mara dywersyfkacj potecjalego zboru składków, które mogą wchodzć w skład portfela awego parytetu. Wykorzystując to podejśce kostrukcj portfel główych za pomocą aalzy składowych główych, Meucc [2009] zdefował koleją marę dywersyfkacj. W perwszej kolejośc wprowadzł o defcję rozkładu dywersyfkacj (dversfcato dstrbuto):

10 Wybrae mary ocey stopa dywersyfkacj portfel westycyjych 49 p = w ~ 2 2 λ w ~, λ = 2 2 (5) dla =, 2,..,. Następe dla tak zdefowaego rozkładu dywersyfkacj zastosował wykładczą postać etrop Shaoa, dzęk czemu otrzymał marę dywersyfkacj zwaą efektywą lczbą składków (ENC Effectve Number of Costtuets) astępującej postac: N Et = exp p l( p ). (6) = Róweż ta mara przyjmuje wartośc wększe od. Nska wartość mary N Et ozacza, że efektywa lczba eskorelowaych czyków ryzyka jest ska, czyl portfel e jest zdywersyfkoway. Zdefowae etrop portfel główych może być osągęte jako jej maksymala wartość rówa lośc składków portfela. To ozacza, że portfel jest w peł zdywersyfkoway. Take portfele główe mogą być kostruowae a gracy średa dywersyfkacja. Podejśce, w którym do ocey dywersyfkacj portfela wykorzystuje sę aalzę składowych główych etropę Shaoa, zostało w dalszej kolejośc rozszerzoe do mary azywaej efektywą lczbą współczyków beta [Meucc, 2009; Meucc, Satagelo, Deguest, 204]. 2. Zależość pozomu dywersyfkacj od lczby spółek a podstawe wybraych mar dywersyfkacj Dla wybraych mar dywersyfkacj przeprowadzoo aalzę zma tych wskaźków w zależośc od sposobu kostrukcj portfela oraz od lczby spółek w portfelu. Na podstawe dzeych stóp zwrotu z okresu styczeń 202 grudzeń 206 dla deksów gełdowych reprezetujących bak skostruowao trzy róże portfele: portfel Markowtza, portfel awy, portfel mmalej waracj (mmalzacja ryzyka przy założeach dotyczących udzałów). Portfele kostruowae były dla różej lczby spółek od 2 do 9. Dla każdego portfela oblczoy został pozom zdywersyfkowaa według astępujących wskaźków: deks Herfdahla (DI 2 ), etropa Shaoa (DI 3 ), kwadratowa etropa Rao (RQE), współczyk dywersyfkacj (DE),

11 50 Agata Gluz zcka dekss PDI, wykładkk etrop Shaoa ( (N E t). Rys.. Zależośćć pozomu dywersyfkacj od o lczby spółek dla wybraychh mar dywersyfkacj Źródło: Opra cowae włase. Na podp dstawee otrzymaych wykóww (rys. ) ) moża wywoskować, że wartość każdk dego z zastosowaychh wskaźkóww wzrastaa wraz ze wzrostem lczby spółek w portfelu. Wyraźee wdać róweż dla pewych mar zgodość w oce- ach poz omu dywersyfkacj. W przypadku deksu Herfdahla, etrop oraz kwadratowejj etrop Shaoa dla daej lczby spółek portfel awy okazał

12 Wybrae mary ocey stopa dywersyfkacj portfel westycyjych 5 sę eco bardzej zdywersyfkoway ż portfel Markowtza czy portfel o mmalej waracj. Aalzując tempo zma pozomu zdywersyfkowaa poszczególych portfel, moża zaobserwować, że według deksów DE RQE ajwększe różce otrzymujemy dla portfel składających sę z 2 3 składków oraz dla portfel powyżej 7 składków. W przypadku deksów DI 2 DI 3 zależość wartośc pozomu dywersyfkacj od lczby spółek przypoma zależość wykładczą, atomast dla deksu PDI wyraźe wdać lową zależość mędzy lczbą spółek a pozomem zdywersyfkowaa. Dla mejszej lczby składków portfel Markowtza portfel mmalej waracj mają te sam pozom zdywersyfkowaa różce pojawają sę dopero dla portfel o 7-9 składkach. 3. Zastosowae wybraych mar do ocey stopa dywersyfkacj portfel a GPW w Warszawe Wybrae mary, przedstawoe w perwszej częśc artykułu, zastosowae zostały w krótkch badaach empryczych, zwązaych z aalzą dywersyfkacj portfel a polskm ryku westycyjym. Badaa te mały a celu ustalee zgodośc oce stopa zdywersyfkowaa według różych kryterów. Poadto aalze poddao wpływ zależośc mędzy stopem zdywersyfkowaa a ryzykem ym charakterystykam portfela. Aalza przeprowadzoa została dla portfel wyzaczoych zgode z klasyczym modelem Markowtza (mmalzacja waracj przy założeach o stope zwrotu portfela udzałach). Do kostrukcj portfel zastosowao dae w postac dzeych stóp zwrotu z okresu pęcoletego: styczeń 202 grudzeń 206. Aalze poddao 5 portfel, które skostruowao dla astępujących grup daych: Portfel P bak, Portfel P2 spółk wchodzące w skład deksu WIG20, Portfel P3 spółk wchodzące w skład deksu mwig40, Portfel P4 bak oraz spółk wchodzące w skład deksu WIG20, Portfel P5 spółk wchodzące w skład deksu WIG20, oblgacje oraz surowce. Dla każdej grupy daych wyzaczoo portfel Markowtza, dla którego astępe oblczoy został stopeń zdywersyfkowaa według astępujących mar: lczba spółek w portfelu, deks Herfdahla (DI 2 ), etropa Shaoa (DI 3 ), kwadratowa etropa Rao (RQE),

13 52 Agata Gluzcka współczyk dywersyfkacj (DE), deks PDI, wykładk etrop Shaoa (N Et ). Wartośc poszczególych wskaźków dywersyfkacj otrzymae dla wszystkch aalzowaych portfel przedstawoo w tabel. Na podstawe wartośc wskaźka DI 2 możemy stwerdzć, że wszystke portfele były portfelam wysoko zdywersyfkowaym wartośc wskaźka DI 2 dla wększośc portfel są blske 0,9. W tabel 2 przedstawoo portfele uporządkowae według rosącej wartośc daego deksu. Wszystke mary, poza N Et, wskazały jako ajmej zdywersyfkoway portfel P. Najbardzej zdywersyfkowaym portfelem okazał sę atomast portfel P3 lub w przypadku dwóch mar RQE N Et portfel P5. Należy zwrócć uwagę, że take merk, jak: lczba spółek, DI 2 DI 3, w podoby sposób oceają stopeń zdywersyfkowaa portfel. Te trzy mary dokłade w te sam sposób uporządkowały wszystke 5 portfel. Tabela. Wartośc współczyków dywersyfkacj dla skostruowaych portfel Portfel Lczba spółek DI DI3 RQE DR PDI N Et P 6 0,8945,6506, ,76 5,9553,227 P2 3 0,9078 2,4662,474 93,39 9,7328,947 P3 24 0,9408 2,9479, ,49 2,609,2240 P4 6 0,994 2,664, ,26 3,735,266 P5 2 0,8229 2,0889, ,90,92 3,3492 Źródło: Opracowae włase. Tabela 2. Uporządkowae portfel według rosącego stopa zdywersyfkowaa Mara Lczba spółek DI DI 3 RQE DE PDI N Et Źródło: Opracowae włase. Portfele według stopa zdywersyfkowaa P < P5 < P2 < P4 < P3 P < P5 < P2 < P4 < P3 P < P5 < P2 < P4 < P3 P < P2 < P4 < P3 < P5 P < P2 < P4 < P5 < P3 P < P2 < P5 < P4 < P3 P2 < P < P4 < P3 < P5 Porówując wyk otrzymae dla mar ależących do tej samej grupy czyl mary zdefowae za pomocą etrop (DI 3 RQE) zaobserwowao, że mary take e muszą wcale być zgode w ocee dywersyfkacj. Zgode z marą RQE portfel P5 okazał sę portfelem ajbardzej zdywersyfkowaym. Natomast według wskaźka DI 3 jest to portfel słabo zdywersyfkoway (4. mejsce w rakgu). Oceę zgodośc aalzowaych mar przeprowadzoo a podstawe współczyka korelacj (tabela 3). Dla wszystkch przypadków otrzymao do-

14 Wybrae mary ocey stopa dywersyfkacj portfel westycyjych 53 date współczyk korelacj, o wysokej wartośc. Pomjając rakg detycze, ajlepsze dopasowae otrzymao dla rakgów PDI z lczbą spółek oraz deksam DI 2, DI 3 DE. Rówe wysoke współczyk potwerdzły zgodość deksu RQE z deksam DE N Et. Tabela 3. Współczyk korelacj dla rakgów oce dywersyfkacj według różych mar l. sp. DI 2 DI 3 RQE DE PDI N Et l. sp. DI 2 DI 3 RQE 0,4 0,4 0,4 DE 0,7 0,7 0,7 0,9 PDI 0,9 0,9 0,9 0,7 0,9 N ENT 0,2 0,2 0,2 0,9 0,8 0,6 Źródło: Opracowae włase. Tabela 4. Podstawowe charakterystyk aalzowaych portfel Źródło: Opracowae włase. Portfel Ryzyko Stopa zwrotu P 0,0004 P2 0,00004,0000 P3 0, , P4 0, P5 0, W tabel 4 przedstawoo formacje o podstawowych charakterystykach wyzaczoych portfel, tj. wartośc ryzyka stóp zwrotu. Porządkując portfele według malejącej wartośc ryzyka, uzyskao astępujący rakg portfel: P < P2 < P4 < P3 < P5. W przypadku ryzyka otrzymuje sę zatem dokłade to samo uporządkowae portfel, co dla mary RQE. Dla pozostałych mar dywersyfkacj otrzymujemy rozbeżość w rakgach, główe ze względu a portfel P5, który okazał sę portfelem ajmej ryzykowym, a w rakgach według stopa dywersyfkacj zajmuje 4. mejsce. Natomast aalzując kolejość portfel według rosącej wartośc stóp zwrotu, otrzymao brak podobeństwa z którymkolwek rakgem dla deksów dywersyfkacj. Zatem a tym etape trudo zaleźć odpowedź a pytae urtujące welu westorów, czyl jak stopeń dywersyfkacj przekłada sę a zyskowość portfel. Zaprezetowae badaa emprycze zostały powtórzoe dla daych pochodzących z okresów wydłużoych o rok (20-206) oraz o dwa lata ( ). Poadto aalzowao róweż dywersyfkację portfel wyzaczaych dla daych roczych. We wszystkch przypadkach otrzymao aalogcze wosk.

15 54 Agata Gluzcka Podsumowae Celem artykułu było omówee wybraych mar pozomu dywersyfkacj portfel westycyjych, ze szczególym uwzględeem mar prezetowaych w lteraturze przedmotu w ostatch latach. Omówoe zostały mary, które moża zalczyć do 5 grup, w zależośc od zastosowaych charakterystyk czy metod kostrukcj. Były to mary uwzględające lczbę spółek w portfelu oraz welkość udzałów tych spółek, mary oparte a etrop, współczyk ryzyka oraz mary kostruowae przy pomocy aalzy składowych główych. Prezetowae mary zastosowae zostały w krótkm przykładze empryczym, który moża podsumować astępującym woskam: wszystke mary, za wyjątkem deksu N Et, jedozacze wskazały portfel ajmej zdywersyfkoway; wększość mar jest zgodych odośe portfela ajbardzej zdywersyfkowaego, którym okazał sę portfel P3 kostruoway dla składków deksu mwig40; dwe mary RQE N Et jako portfel ajbardzej zdywersyfkoway wskazały portfel P5, czyl portfel, którego potecjalym składkam były spółk wchodzące w skład deksu WIG20, oblgacje oraz surowce; take deksy dywersyfkacj, jak lczba spółek, DI, DI 3, okazały sę zgode dla całego zboru portfel dla tych trzech mar otrzymao dokłade to samo uporządkowae portfel; w przypadku mar ależących do tej samej grupy mowa o marach opartych o etropę (DI 3, RQE) moża otrzymać zaczą rozbeżość w ocee stopa zdywersyfkowaa portfel. Zaprezetowae w artykule mary to tylko wybrae przykłady przyależących do określoych grup merków. Temat dywersyfkacj jest tematem wcąż aktualym w badaach aukowych, stąd też pojawające sę owe propozycje mar, czy też koleje modyfkacje mar już stejących. Plaowae jest przeprowadzee rozszerzoych badań dotyczących dywersyfkacj portfel, przy uwzględeu kolejych metod pozwalających oceć stopeń zdywersyfkowaa, jak róweż zastosowae tych merków do kostrukcj portfel zdywersyfkowaych. Lteratura Carmcheal B., Boev Koumo G., Mora K. (205), Ufyg Portfolo Dversfcato Measures Usg Rao s Quadratc Etropy, CIRPEE Workg Paper.

16 Wybrae mary ocey stopa dywersyfkacj portfel westycyjych 55 Cheg P., Roulac S.E. (2007), Measurg the Effectveess of Geographcal Dversfcato, Joural of Real Estate Maagemet, Vol. 3, s Chouefaty Y., Cogard Y. (2008), Toward Maxmum Dversfcato, Joural of Portfolo Maagemet, Vol. 35, s Chouefaty Y., Frodure T., Reyer J. (203), Propertes of the Most Dversfed Portfolo, Joural of Ivestmet Strategy, Vol. 2, No. 2, s Evas J., Archer S. (968), Dversfcato ad the Reducto of Dsperso, Joural of Face, Vol. 23, No. 5, s Fsher L., Lore J.H. (970), Some Studes of Varablty of Returs o Ivestmets Commo Stocks, The Joural of Busess, Vol. 43, No. 2, s Frahm G., Wechers C. (20), O the Dversfcato of Portfolos of Rsky Assets, Dscusso Papers Ecoometrcs ad Statstcs 2/, Uversty of Cologe Isttutel of Ecoometrcs ad Statstcs, Cologe. Gluzcka A. (206), Optymala dywersyfkacja a polskm ryku westycyjym, Studa Ekoomcze. Zeszyty Naukowe Uwersytetu Ekoomczego w Katowcach, r 297, s Hart P.E. (97), Etropy ad Other Measures of Cocetrato, Joural of the Royal Statstcal Socety, Vol. 34, s Krcher U., Zuckel C. (20), Measurg Portfolo Dversfcato, pdf/ pdf. Marfels Ch. (97), Absolute ad Relatve Measures of Cocetrato Recosdered, Kyklos, Vol. 4, s Meucc A. (2009), Maagg Dversfcato, Rsk, Vol. 22, No. 5, s Meucc A., Satagelo A., Deguest R. (204), Measurg Portfolo Dversfcato Based o Optmzed Ucorrelated Factors, EDHEC Rsk Isttute Publcato. Pergo C., Smth D.R. (200), Dversfcato ad Value-at-Rsk, Joural of Bakg & Face, Vol. 34, No., s Rao R.C. (982a), Dversty: Its Measuremet, Decomposto, Apportomet ad Aalyss, Ida Joural of Statstcs, Vol. 44, s Rao R.C. (982b), Dversty ad Dssmlarty Coeffcets: A Ufed Approach, Theoretcal Populato Bology, Vol. 2, s Rud A.M., Morga J.S. (2006), A Portfolo Dversfcato Idex, The Joural of Portfolo Maagemet, Vol. 32, No. 2, s Samuelso P.A. (967), Geeral Proof that Dversfcato Pays, The Joural of Facal ad Quattatve Aalyss, Vol. 2, No., s. -3. Tag G.Y.N. (2004), How Effcet s Nave Portfolo Dversfcato? A Educatoal Note, The Iteratoal Joural of Maagemet Scece, Vol. 32, s Tasche D. (2006), Measurg Sectoral Dversfcato a Assumptotc Multfactor Framework, Joural of Credt Rsk, Vol. 2, No. 3, s

17 56 Agata Gluzcka Vermorke M.A., Medda F.R., Schroder T. (202), The Dversfcato Delta: A Hgher Momet Measure for Portfolo Dversfcato, Joural of Portfolo Maagemet, Vol. 39, No., s SELECTED MEASURES TO ASSESS THE LEVEL OF DIVERSIFICATION OF INVESTMENT PORTFOLIOS Summary: Oe of the most mportat assumptos the portfolo theory s dversfcato. Ths s also oe of the ma methods of reducg the level of rsk assocated wth a vestmet. For may years the problem of dversfcato has bee aalysed by both practtoers ad theorsts. The uversal method of costructg the well dversfed portfolo s stll sought. The dversfcato methods are used amog others: measures based o the correlato, spectral rsk measures, elemets of formato theory or rsk dstrbuto. I the artcle, selected measures of dversfcato were aalysed. Preseted measures were appled a short emprcal example for the portfolos of the Warsaw Stock Exchage. Keywords: dversfcato of vestmet portfolo, dversfed portfolo, etropy, rsk coeffcet, prcpal compoet aalyss.

OPTYMALNA DYWERSYFIKACJA NA POLSKIM RYNKU INWESTYCYJNYM

OPTYMALNA DYWERSYFIKACJA NA POLSKIM RYNKU INWESTYCYJNYM Studa Ekoomcze. Zeszyty Naukowe Uwersytetu Ekoomczego w Katowcach ISSN 2083-86 Nr 297 206 Agata Gluzcka Uwersytet Ekoomczy w Katowcach Wydzał Iformatyk Komukacj Katedra Badań Operacyjych agata.gluzcka@ue.katowce.pl

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

Miary położenia wskazują miejsce wartości najlepiej reprezentującej wszystkie wielkości danej zmiennej. Mówią o przeciętnym poziomie analizowanej

Miary położenia wskazują miejsce wartości najlepiej reprezentującej wszystkie wielkości danej zmiennej. Mówią o przeciętnym poziomie analizowanej Podstawy Mary położea wskazują mejsce wartośc ajlepej reprezetującej wszystke welkośc daej zmeej. Mówą o przecętym pozome aalzowaej cechy. Średa arytmetycza suma wartośc zmeej wszystkch jedostek badaej

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

Planowanie eksperymentu pomiarowego I

Planowanie eksperymentu pomiarowego I POLITECHNIKA ŚLĄSKA W GLIWICACH WYDZIAŁ INŻYNIERII ŚRODOWISKA ENERGETYKI INSTYTUT MASZYN URZĄDZEŃ ENERGETYCZNYCH Plaowae eksperymetu pomarowego I Laboratorum merctwa (M 0) Opracował: dr ż. Grzegorz Wcak

Bardziej szczegółowo

Statystyczna analiza miesięcznych zmian współczynnika szkodowości kredytów hipotecznych

Statystyczna analiza miesięcznych zmian współczynnika szkodowości kredytów hipotecznych dr Ewa Wycka Wyższa Szkoła Bakowa w Gdańsku Wtold Komorowsk, Rafał Gatowsk TZ SKOK S.A. Statystycza aalza mesęczych zma współczyka szkodowośc kredytów hpoteczych Wskaźk szkodowośc jest marą obcążea kwoty/lczby

Bardziej szczegółowo

W zadaniu nie ma polecenia wyznaczania estymatora nieobciążonego o minimalnej wariancji. σ σ σ σ σ = =

W zadaniu nie ma polecenia wyznaczania estymatora nieobciążonego o minimalnej wariancji. σ σ σ σ σ = = 4. Na podstawe erówośc Cramera Rao wyzacz dole ograczee dla waracj eobcążoego estymatora waracj σ w rozkładze ormalym N(0, σ ). W zadau e ma polecea wyzaczaa estymatora eobcążoego o mmalej waracj dla σ,

Bardziej szczegółowo

Wyrażanie niepewności pomiaru

Wyrażanie niepewności pomiaru Wyrażae epewośc pomaru Adrzej Kubaczyk Wydzał Fzyk, Poltechka Warszawska Warszawa, 05 Iformacje wstępe Każdy pomar welkośc fzyczej dokoyway jest ze skończoą dokładoścą, co ozacza, że wyk tego pomaru dokoyway

Bardziej szczegółowo

Statystyczne charakterystyki liczbowe szeregu

Statystyczne charakterystyki liczbowe szeregu Statystycze charakterystyk lczbowe szeregu Aalzę badaej zmeej moża uzyskać posługując sę parametram opsowym aczej azywaym statystyczym charakterystykam lczbowym szeregu. Sytetycza charakterystyka zborowośc

Bardziej szczegółowo

FINANSE II. Model jednowskaźnikowy Sharpe a.

FINANSE II. Model jednowskaźnikowy Sharpe a. ODELE RYNKU KAPITAŁOWEGO odel jedowskaźkowy Sharpe a. odel ryku kaptałowego - CAP (Captal Asset Prcg odel odel wycey aktywów kaptałowych). odel APT (Arbtrage Prcg Theory Teora artrażu ceowego). odel jedowskaźkowy

Bardziej szczegółowo

W zadaniu nie ma polecenia wyznaczania estymatora nieobciążonego o minimalnej wariancji. σ σ σ σ σ = =

W zadaniu nie ma polecenia wyznaczania estymatora nieobciążonego o minimalnej wariancji. σ σ σ σ σ = = 4. Na podstawe erówośc Cramera Rao wyzacz dole ograczee dla waracj eobcążoego estymatora waracj σ w rozkładze ormalym N(0, σ. W zadau e ma polecea wyzaczaa estymatora eobcążoego o mmalej waracj dla σ,

Bardziej szczegółowo

Monika Jeziorska - Pąpka Uniwersytet Mikołaja Kopernika w Toruniu

Monika Jeziorska - Pąpka Uniwersytet Mikołaja Kopernika w Toruniu DYNAMICZNE MODELE EKONOMERYCZNE X Ogólopolske Semarum Naukowe, 4 6 wrześa 2007 w oruu Katedra Ekoometr Statystyk, Uwersytet Mkołaja Koperka w oruu Moka Jezorska - Pąpka Uwersytet Mkołaja Koperka w oruu

Bardziej szczegółowo

5. OPTYMALIZACJA NIELINIOWA

5. OPTYMALIZACJA NIELINIOWA 5. OPTYMALIZACJA NIELINIOWA Zdarza sę dość często, że zależośc występujące w aalzowaych procesach (p. ospodarczych) mają charakter elowy. Dlateo też, oprócz lowych zadań decyzyjych, formułujemy także elowe

Bardziej szczegółowo

N ( µ, σ ). Wyznacz estymatory parametrów µ i. Y które są niezależnymi zmiennymi losowymi.

N ( µ, σ ). Wyznacz estymatory parametrów µ i. Y które są niezależnymi zmiennymi losowymi. 3 Metody estymacj N ( µ, σ ) Wyzacz estymatory parametrów µ 3 Populacja geerala ma rozład ormaly mometów wyorzystując perwszy momet zwyły drug momet cetraly z prób σ metodą 3 Zmea losowa ma rozład geometryczy

Bardziej szczegółowo

POPULACJA I PRÓBA. Próba reprezentatywna. Dr Adam Michczyński - METODY ANALIZY DANYCH POMIAROWYCH 5 1

POPULACJA I PRÓBA. Próba reprezentatywna. Dr Adam Michczyński - METODY ANALIZY DANYCH POMIAROWYCH 5 1 POPULACJA I PRÓBA POPULACJĄ w statystyce matematyczej azywamy zbór wszystkch elemetów (zdarzeń elemetarych charakteryzujących sę badaą cechą opsywaą zmeą losową. Zbadae całej populacj (przeprowadzee tzw.

Bardziej szczegółowo

Współczynnik korelacji rangowej badanie zależności między preferencjami

Współczynnik korelacji rangowej badanie zależności między preferencjami Współczyk korelacj ragowej badae zależośc mędzy preferecjam Przemysław Grzegorzewsk Istytut Badań Systymowych PAN ul. Newelska 6 01-447 Warszawa E-mal: pgrzeg@bspa.waw.pl Pla referatu: Klasycze metody

Bardziej szczegółowo

UOGÓLNIONA ANALIZA WRAŻLIWOŚCI ZYSKU W PRZEDSIĘBIORSTWIE PRODUKUJĄCYM N-ASORTYMENTÓW. 1. Wprowadzenie

UOGÓLNIONA ANALIZA WRAŻLIWOŚCI ZYSKU W PRZEDSIĘBIORSTWIE PRODUKUJĄCYM N-ASORTYMENTÓW. 1. Wprowadzenie B A D A N I A O P E R A C Y J N E I D E C Y J E Nr 2 2007 Aa ĆWIĄKAŁA-MAŁYS*, Woletta NOWAK* UOGÓLNIONA ANALIA WRAŻLIWOŚCI YSKU W PREDSIĘBIORSTWIE PRODUKUJĄCYM N-ASORTYMENTÓW Przedstawoo ajważejsze elemety

Bardziej szczegółowo

Podstawowe zadanie statystyki. Statystyczna interpretacja wyników eksperymentu. Zalety statystyki II. Zalety statystyki

Podstawowe zadanie statystyki. Statystyczna interpretacja wyników eksperymentu. Zalety statystyki II. Zalety statystyki tatystycza terpretacja wyków eksperymetu Małgorzata Jakubowska Katedra Chem Aaltyczej Wydzał IŜyer Materałowej Ceramk AGH Podstawowe zadae statystyk tatystyka to uwersale łatwo dostępe arzędze, które pomaga

Bardziej szczegółowo

Podstawy analizy niepewności pomiarowych (I Pracownia Fizyki)

Podstawy analizy niepewności pomiarowych (I Pracownia Fizyki) Podstawy aalzy epewośc pomarowych (I Pracowa Fzyk) Potr Cygak Zakład Fzyk Naostruktur Naotecholog Istytut Fzyk UJ Pok. 47 Tel. 0-663-5838 e-mal: potr.cygak@uj.edu.pl Potr Cygak 008 Co to jest błąd pomarowy?

Bardziej szczegółowo

ρ (6) przy czym ρ ij to współczynnik korelacji, wyznaczany na podstawie następującej formuły: (7)

ρ (6) przy czym ρ ij to współczynnik korelacji, wyznaczany na podstawie następującej formuły: (7) PROCES ZARZĄDZANIA PORTFELEM PAPIERÓW WARTOŚCIOWYCH WSPOMAGANY PRZEZ ŚRODOWISKO AUTOMATÓW KOMÓRKOWYCH Ageszka ULFIK Streszczee: W pracy przedstawoo sposób zarządzaa portfelem paperów wartoścowych wspomagay

Bardziej szczegółowo

Materiały do wykładu 7 ze Statystyki

Materiały do wykładu 7 ze Statystyki Materał do wkładu 7 ze Statstk Aalza ZALEŻNOŚCI pomędz CECHAMI (Aalza KORELACJI REGRESJI) korelacj wkres rozrzutu (korelogram) rodzaje zależośc (brak, elowa, lowa) pomar sł zależośc lowej (współczk korelacj

Bardziej szczegółowo

ELEMENTY TEORII MOŻLIWOŚCI

ELEMENTY TEORII MOŻLIWOŚCI ELEMENTY TEORII MOŻLIWOŚCI Opracował: M. Kweselewcz Zadeh (978) wprowadzł pojęce rozkładu możlwośc jako rozmyte ograczee, kóre odzaływuje w sposób elastyczy a wartośc przypsae daej zmeej. Defcja. Nech

Bardziej szczegółowo

Portfel złożony z wielu papierów wartościowych

Portfel złożony z wielu papierów wartościowych Portfel westycyy ćwczea Na odst. Wtold Jurek: Kostrukca aalza, rozdzał 4 dr Mchał Kooczyńsk Portfel złożoy z welu aerów wartoścowych. Zwrot ryzyko Ozaczea: w kwota ulokowaa rzez westora w aery wartoścowe

Bardziej szczegółowo

KONCEPCJA WIELOKRYTERIALNEGO WSPOMAGANIA DOBORU WARTOŚCI PROGOWEJ W BIOMETRYCZNYM SYSTEMIE UWIERZYTELNIANIA. Adrian Kapczyński Maciej Wolny

KONCEPCJA WIELOKRYTERIALNEGO WSPOMAGANIA DOBORU WARTOŚCI PROGOWEJ W BIOMETRYCZNYM SYSTEMIE UWIERZYTELNIANIA. Adrian Kapczyński Maciej Wolny KONCEPCJA WIELOKRYTERIALNEGO WSPOMAGANIA DOBORU WARTOŚCI PROGOWEJ W BIOMETRYCZNYM SYSTEMIE UWIERZYTELNIANIA Adra Kapczyńsk Macej Woly Wprowadzee Rozwój całego spektrum coraz doskoalszych środków formatyczych

Bardziej szczegółowo

Tablica Galtona. Mechaniczny model rozkładu normalnego (M10)

Tablica Galtona. Mechaniczny model rozkładu normalnego (M10) Tablca Galtoa. Mechaczy model rozkładu ormalego (M) I. Zestaw przyrządów: Tablca Galtoa, komplet kulek sztuk. II. Wykoae pomarów.. Wykoać 8 pomarów, wrzucając kulk pojedyczo.. Uporządkować wyk pomarów,

Bardziej szczegółowo

3. OPTYMALIZACJA NIELINIOWA

3. OPTYMALIZACJA NIELINIOWA Wybrae zaadea badań operacyjych dr ż. Zbew Tarapata 3. OPTYMALIZACJA NIELINIOWA Zdarza sę dość często że zależośc występujące w aalzowaych procesach (p. ospodarczych) mają charakter elowy. Dlateo też oprócz

Bardziej szczegółowo

ma rozkład normalny z nieznaną wartością oczekiwaną m

ma rozkład normalny z nieznaną wartością oczekiwaną m Zadae Każda ze zmeych losowych,, 9 ma rozkład ormaly z ezaą wartoścą oczekwaą m waracją, a każda ze zmeych losowych Y, Y,, Y9 rozkład ormaly z ezaą wartoścą oczekwaą m waracją 4 Założoo, że wszystke zmee

Bardziej szczegółowo

TARCIE CIĘGIEN O POWIERZCHNIĘ WALCOWĄ WZÓR EULERA

TARCIE CIĘGIEN O POWIERZCHNIĘ WALCOWĄ WZÓR EULERA Ćwczee 8 TARCIE CIĘGIEN O POWIERZCHNIĘ WALCOWĄ WZÓR EULERA 8.. Cel ćwczea Celem ćwczea jest wyzaczee statyczego współczyka tarca pomędzy walcową powerzchą cała a opasującą je lą. Poadto a drodze eksperymetalej

Bardziej szczegółowo

Przestrzenno-czasowe zróżnicowanie stopnia wykorzystania technologii informacyjno- -telekomunikacyjnych w przedsiębiorstwach

Przestrzenno-czasowe zróżnicowanie stopnia wykorzystania technologii informacyjno- -telekomunikacyjnych w przedsiębiorstwach dr ż. Jolata Wojar Zakład Metod Iloścowych, Wydzał Ekoom Uwersytet Rzeszowsk Przestrzeo-czasowe zróżcowae stopa wykorzystaa techolog formacyjo- -telekomukacyjych w przedsęborstwach WPROWADZENIE W czasach,

Bardziej szczegółowo

L.Kowalski zadania ze statystyki opisowej-zestaw 5. ZADANIA Zestaw 5

L.Kowalski zadania ze statystyki opisowej-zestaw 5. ZADANIA Zestaw 5 L.Kowalsk zadaa ze statystyk opsowej-zestaw 5 Zadae 5. X cea (zł, Y popyt (tys. szt.. Mając dae ZADANIA Zestaw 5 x,5,5 3 3,5 4 4,5 5 y 44 43 43 37 36 34 35 35 Oblcz współczyk korelacj Pearsoa. Oblcz współczyk

Bardziej szczegółowo

Ryzyko inwestycji w spółki sektora TSL na Warszawskiej Giełdzie Papierów Wartościowych

Ryzyko inwestycji w spółki sektora TSL na Warszawskiej Giełdzie Papierów Wartościowych CZYŻYCKI Rafał 1 PURCZYŃSKI Ja Ryzyko westycj w spółk sektora TSL a Warszawskej Gełdze Paperów Wartoścowych WSTĘP Elemetem erozerwale zwązaym z dzałaloścą westorów a całym ryku kaptałowym jest epewość

Bardziej szczegółowo

POLSKA FEDERACJA STOWARZYSZEŃ RZECZOZNAWCÓW MAJĄTKOWYCH POWSZECHNE KRAJOWE ZASADY WYCENY (PKZW) KRAJOWY STANDARD WYCENY SPECJALISTYCZNY NR 4 KSWS 4

POLSKA FEDERACJA STOWARZYSZEŃ RZECZOZNAWCÓW MAJĄTKOWYCH POWSZECHNE KRAJOWE ZASADY WYCENY (PKZW) KRAJOWY STANDARD WYCENY SPECJALISTYCZNY NR 4 KSWS 4 POZECHNE KRAJOE ZAADY YCENY (PKZ) KRAJOY TANDARD YCENY PECJALITYCZNY NR 4 K 4 YCENA ŁUŻEBNOŚCI PRZEYŁU I OKREŚLANIE KOTY YNAGRODZENIA ZA BEZUMONE KORZYTANIE Z NIERUCHOMOŚCI PRZY INETYCJACH LINIOYCH 1.

Bardziej szczegółowo

opisać wielowymiarową funkcją rozkładu gęstości prawdopodobieństwa f(x 1 , x xn

opisać wielowymiarową funkcją rozkładu gęstości prawdopodobieństwa f(x 1 , x xn ROZKŁAD PRAWDOPODBIEŃSTWA WIELU ZMIENNYCH LOSOWYCH W przpadku gd mam do czea z zmem losowm możem prawdopodobeństwo, ż przjmą oe wartośc,,, opsać welowmarową fukcją rozkładu gęstośc prawdopodobeństwa f(,,,.

Bardziej szczegółowo

STATYSTYKA OPISOWA WYKŁAD 3,4

STATYSTYKA OPISOWA WYKŁAD 3,4 STATYSTYKA OPISOWA WYKŁAD 3,4 5 Szereg rozdzelczy przedzałowy (dae pogrupowae) (stosujemy w przypadku dużej lczby epowtarzających sę daych) Przedzał (w ; w + ) Środek x& Lczebość Lczebość skumulowaa s

Bardziej szczegółowo

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 7-8

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 7-8 Stasław Cchock Natala Nehreecka Zajęca 7-8 . Testowae łączej stotośc wyraych regresorów. Założea klasyczego modelu regresj lowej 3. Własośc estymatora MNK w KMRL Wartość oczekwaa eocążoość estymatora Waracja

Bardziej szczegółowo

POLSKA FEDERACJA STOWARZYSZEŃ RZECZOZNAWCÓW MAJĄTKOWYCH POWSZECHNE KRAJOWE ZASADY WYCENY (PKZW) KRAJOWY STANDARD WYCENY SPECJALISTYCZNY NR 4 KSWS 4

POLSKA FEDERACJA STOWARZYSZEŃ RZECZOZNAWCÓW MAJĄTKOWYCH POWSZECHNE KRAJOWE ZASADY WYCENY (PKZW) KRAJOWY STANDARD WYCENY SPECJALISTYCZNY NR 4 KSWS 4 POZECHNE KRAJOE ZAADY YCENY (PKZ) KRAJOY TANDARD YCENY PECJALITYCZNY NR 4 K 4 INETYCJE LINIOE - ŁUŻEBNOŚĆ PRZEYŁU I BEZUMONE KORZYTANIE Z NIERUCHOMOŚCI 1. PROADZENIE 1.1. Nejszy stadard przedstawa reguły

Bardziej szczegółowo

Podstawy opracowania wyników pomiarowych, analiza błędów

Podstawy opracowania wyników pomiarowych, analiza błędów Podstawy opracowaa wyków pomarowych, aalza błędów I Pracowa Fzycza IF UJ Grzegorz Zuzel Lteratura I Pracowa fzycza Pod redakcją Adrzeja Magery Istytut Fzyk UJ Kraków 2006 Wstęp do aalzy błędu pomarowego

Bardziej szczegółowo

WYBRANE MOŻLIWOŚCI WSPOMAGANIA INWESTYCJI

WYBRANE MOŻLIWOŚCI WSPOMAGANIA INWESTYCJI WYBRANE MOŻLIWOŚCI WSPOMAGANIA INWESTYCJI GIEŁDOWYCH PRZY UŻYCIU ALGORYTMÓW GENETYCZNYCH mgr ż. Marc Klmek Katedra Iformatyk Państwowa Wyższa Szkoła Zawodowa m. Papeża Jaa Pawła II w Bałej Podlaskej Streszczee:

Bardziej szczegółowo

O testowaniu jednorodności współczynników zmienności

O testowaniu jednorodności współczynników zmienności NR 6/7/ BIULETYN INSTYTUTU HODOWLI I AKLIMATYZACJI ROŚLIN 003 STANISŁAW CZAJKA ZYGMUNT KACZMAREK Katedra Metod Matematyczych Statystyczych Akadem Rolczej, Pozań Istytut Geetyk Rośl PAN, Pozań O testowau

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA WYKŁAD 2 ESTYMACJA PUNKTOWA

STATYSTYKA MATEMATYCZNA WYKŁAD 2 ESTYMACJA PUNKTOWA STATYSTYKA MATEMATYCZNA WYKŁAD ESTYMACJA PUNKTOWA Nech - ezay parametr rozkładu cechy X. Wartość parametru będzemy estymować (przyblżać) a podstawe elemetowej próby. - wyberamy statystykę U o rozkładze

Bardziej szczegółowo

Portfel. Portfel pytania. Portfel pytania. Analiza i Zarządzanie Portfelem cz. 2. Katedra Inwestycji Finansowych i Zarządzania Ryzykiem

Portfel. Portfel pytania. Portfel pytania. Analiza i Zarządzanie Portfelem cz. 2. Katedra Inwestycji Finansowych i Zarządzania Ryzykiem Katedra Ietycj Faoych Zarządzaa yzykem Aalza Zarządzae Portfelem cz. Dr Katarzya Kuzak Co to jet portfel? Portfel grupa aktyó (trumetó faoych, aktyó rzeczoych), które zotały yelekcjooae, którym ależy zarządzać

Bardziej szczegółowo

Matematyka ubezpieczeń majątkowych r. t warunkowo niezależne i mają (brzegowe) rozkłady Poissona:

Matematyka ubezpieczeń majątkowych r. t warunkowo niezależne i mają (brzegowe) rozkłady Poissona: Zadae. W kolejych okresach czasu t =, ubezpeczoy, charakteryzujący sę parametrem ryzyka Λ, geeruje N t szkód. Dla daego Λ = λ zmee N, N są warukowo ezależe mają (brzegowe) rozkłady Possoa: k λ Pr( N t

Bardziej szczegółowo

Matematyka dyskretna. 10. Funkcja Möbiusa

Matematyka dyskretna. 10. Funkcja Möbiusa Matematyka dyskreta 10. Fukcja Möbusa Defcja 10.1 Nech (P, ) będze zborem uporządkowaym. Mówmy, że zbór uporządkoway P jest lokale skończoy, jeśl każdy podzał [a, b] P jest skończoy, a, b P Uwaga 10.1

Bardziej szczegółowo

TESTY NORMALNOŚCI. ( Cecha X populacji ma rozkład normalny). Hipoteza alternatywna H1( Cecha X populacji nie ma rozkładu normalnego).

TESTY NORMALNOŚCI. ( Cecha X populacji ma rozkład normalny). Hipoteza alternatywna H1( Cecha X populacji nie ma rozkładu normalnego). TESTY NORMALNOŚCI Test zgodośc Hpoteza zerowa H 0 ( Cecha X populacj ma rozkład ormaly). Hpoteza alteratywa H1( Cecha X populacj e ma rozkładu ormalego). Weryfkacja powyższych hpotez za pomocą tzw. testu

Bardziej szczegółowo

Pomiary parametrów napięć i prądów przemiennych

Pomiary parametrów napięć i prądów przemiennych Ćwczee r 3 Pomary parametrów apęć prądów przemeych Cel ćwczea: zapozae z pomaram wartośc uteczej, średej, współczyków kształtu, szczytu, zekształceń oraz mocy czyej, berej, pozorej współczyka cosϕ w obwodach

Bardziej szczegółowo

System finansowy gospodarki

System finansowy gospodarki System fasowy gospodark Zajęca r 7 Krzywa retowośc, zadaa (mat. f.), marża w hadlu, NPV IRR, Ustawa o kredyce kosumeckm, fukcje fasowe Excela Krzywa retowośc (dochodowośc) Yeld Curve Krzywa ta jest grafczym

Bardziej szczegółowo

AKADEMIA MORSKA W SZCZECINIE

AKADEMIA MORSKA W SZCZECINIE AKADEMIA MORSKA W SZCZECINIE Istytut Iżyer Ruchu Morskego Zakład Urządzeń Nawgacyjych Istrukcja r 0 Wzory do oblczeń statystyczych w ćwczeach z radoawgacj Szczec 006 Istrukcja r 0: Wzory do oblczeń statystyczych

Bardziej szczegółowo

Statystyka Opisowa 2014 część 3. Katarzyna Lubnauer

Statystyka Opisowa 2014 część 3. Katarzyna Lubnauer Statystyka Opsowa 014 część 3 Katarzya Lubauer Lteratura: 1. Statystyka w Zarządzau Admr D. Aczel. Statystyka Opsowa od Podstaw Ewa Waslewska 3. Statystyka, Lucja Kowalsk. 4. Statystyka opsowa, Meczysław

Bardziej szczegółowo

Ćwiczenia nr 3 Finanse II Robert Ślepaczuk. Teoria portfela papierów wartościowych

Ćwiczenia nr 3 Finanse II Robert Ślepaczuk. Teoria portfela papierów wartościowych Ćczea r 3 Fae II obert Ślepaczuk Teora portfela paperó artoścoych Teora portfela paperó artoścoych jet jedym z ajażejzych dzałó ooczeych faó. Dotyczy oa etycj faoych, a przede zytkm etycj dokoyaych a ryku

Bardziej szczegółowo

Matematyczny opis ryzyka

Matematyczny opis ryzyka Aalza ryzyka kosztowego robót remotowo-budowlaych w warukach epełe formac Mgr ż Mchał Bętkowsk dr ż Adrze Powuk Wydzał Budowctwa Poltechka Śląska w Glwcach MchalBetkowsk@polslpl AdrzePowuk@polslpl Streszczee

Bardziej szczegółowo

Obliczanie średniej, odchylenia standardowego i mediany oraz kwartyli w szeregu szczegółowym i rozdzielczym?

Obliczanie średniej, odchylenia standardowego i mediany oraz kwartyli w szeregu szczegółowym i rozdzielczym? Oblczae średej, odchylea tadardowego meday oraz kwartyl w zeregu zczegółowym rozdzelczym? Średa medaa ależą do etymatorów tzw. tedecj cetralej, atomat odchylee tadardowe to etymatorów rozprozea (dyperj)

Bardziej szczegółowo

f f x f, f, f / / / METODA RÓŻNIC SKOŃCZONYCH niech N = 2 (2 równania różniczkowe zwyczajne liniowe I-rz.) lub jedno II-rzędu

f f x f, f, f / / / METODA RÓŻNIC SKOŃCZONYCH niech N = 2 (2 równania różniczkowe zwyczajne liniowe I-rz.) lub jedno II-rzędu METODA RÓŻIC SKOŃCZOYCH (omówee a przykładze rówań lowych) ech ( rówaa różczkowe zwyczaje lowe I-rz.) lub jedo II-rzędu f / / p( x) f / + q( x) f + r( x) a x b, f ( a) α, f ( b) β dea: a satce argumetu

Bardziej szczegółowo

Elementy arytmetyki komputerowej

Elementy arytmetyki komputerowej Elemety arytmetyk komputerowej cz. I Elemety systemów lczbowych /materał pomocczy do wykładu Iformatyka sem II/ Sps treśc. Wprowadzee.... Wstępe uwag o systemach lczbowych... 3. Przegląd wybraych systemów

Bardziej szczegółowo

Miary statystyczne. Katowice 2014

Miary statystyczne. Katowice 2014 Mary statystycze Katowce 04 Podstawowe pojęca Statystyka Populacja próba Cechy zmee Szereg statystycze Wykresy Statystyka Statystyka to auka zajmująca sę loścowym metodam aalzy zjawsk masowych (występujących

Bardziej szczegółowo

Zależność kosztów produkcji węgla w kopalni węgla brunatnego Konin od poziomu jego sprzedaży

Zależność kosztów produkcji węgla w kopalni węgla brunatnego Konin od poziomu jego sprzedaży Gawlk L., Kasztelewcz Z., 2005 Zależość kosztów produkcj węgla w kopal węgla bruatego Ko od pozomu jego sprzedaży. Prace aukowe Istytutu Górctwa Poltechk Wrocławskej r 2. Wyd. Ofcya Wydawcza Poltechk Wrocławskej,

Bardziej szczegółowo

SPRZEDAŻ PONIŻEJ KOSZTU WŁASNEGO W PRZEDSIĘBIORSTWIE WIELOASORTYMENTOWYM

SPRZEDAŻ PONIŻEJ KOSZTU WŁASNEGO W PRZEDSIĘBIORSTWIE WIELOASORTYMENTOWYM ACTA UNIVERSITATIS WRATISLAVIENSIS No 37 PRZEGLĄD PRAWA I ADMINISTRACJI LXXX WROCŁAW 009 ANNA ĆWIĄKAŁA-MAŁYS WIOLETTA NOWAK Uwersytet Wrocławsk SPRZEDAŻ PONIŻEJ KOSZTU WŁASNEGO W PRZEDSIĘBIORSTWIE WIELOASORTYMENTOWYM

Bardziej szczegółowo

Badania Maszyn CNC. Nr 2

Badania Maszyn CNC. Nr 2 Poltechka Pozańska Istytut Techolog Mechaczej Laboratorum Badaa Maszy CNC Nr 2 Badae dokładośc pozycjoowaa os obrotowych sterowaych umerycze Opracował: Dr. Wojcech Ptaszy sk Mgr. Krzysztof Netter Pozań,

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Zajęcia 5

Stanisław Cichocki. Natalia Nehrebecka. Zajęcia 5 Stasław Cchock Natala Nehreecka Zajęca 5 . Testowae łączej stotośc wyraych regresorów. Założea klasyczego modelu regresj lowej 3. Własośc estymatora MNK w KMRL Wartośd oczekwaa eocążoośd estymatora Waracja

Bardziej szczegółowo

Prawdopodobieństwo i statystyka r.

Prawdopodobieństwo i statystyka r. Zadae. W ure zajduje sę 5 kul, z których 5 jest bałych czarych. Losujemy bez zwracaa kolejo po jedej kul. Kończymy losowae w momece, kedy wycągęte zostaą wszystke czare kule. Oblcz wartość oczekwaą lczby

Bardziej szczegółowo

L.Kowalski PODSTAWOWE TESTY STATYSTYCZNE WERYFIKACJA HIPOTEZ PARAMETRYCZNYCH

L.Kowalski PODSTAWOWE TESTY STATYSTYCZNE WERYFIKACJA HIPOTEZ PARAMETRYCZNYCH L.Kowalsk PODSTAWOWE TESTY STATYSTYCZNE TESTY STATYSTYCZNE poteza statystycza to dowole przypuszczee dotyczące rozkładu cechy X. potezy statystycze: -parametrycze dotyczą ezaego parametru, -parametrycze

Bardziej szczegółowo

PODSTAWY PROBABILISTYKI Z PRZYKŁADAMI ZASTOSOWAŃ W INFORMATYCE

PODSTAWY PROBABILISTYKI Z PRZYKŁADAMI ZASTOSOWAŃ W INFORMATYCE Marek Cecura, Jausz Zacharsk PODSTAWY PROBABILISTYKI Z PRZYKŁADAMI ZASTOSOWAŃ W INFORMATYCE CZĘŚĆ II STATYSTYKA OPISOWA Na prawach rękopsu Warszawa, wrzeseń 0 Data ostatej aktualzacj: czwartek, 0 paźdzerka

Bardziej szczegółowo

Statystyka. Analiza zależności. Rodzaje zależności między zmiennymi występujące w praktyce: Funkcyjna

Statystyka. Analiza zależności. Rodzaje zależności między zmiennymi występujące w praktyce: Funkcyjna Aalza zależośc Rodzaje zależośc mędzy zmeym występujące w praktyce: Fukcyja wraz ze zmaą wartośc jedej zmeej astępuje ścśle określoa zmaa wartośc drugej zmeej (p. w fzyce: spadek swobody gt s ) tochastycza

Bardziej szczegółowo

wyniki serii n pomiarów ( i = 1,..., n) Stosując metodę największej wiarygodności możemy wykazać, że estymator wariancji 2 i=

wyniki serii n pomiarów ( i = 1,..., n) Stosując metodę największej wiarygodności możemy wykazać, że estymator wariancji 2 i= ESTYMATOR WARIANCJI I DYSPERSJI Ozaczmy: µ wartość oczekwaa rozkładu gauowkego wyków pomarów (wartość prawdzwa merzoej welkośc σ dyperja rozkładu wyków pomarów wyk er pomarów (,..., Stoując metodę ajwękzej

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA WYKŁAD 1. Wiadomości wstępne

STATYSTYKA MATEMATYCZNA WYKŁAD 1. Wiadomości wstępne TATYTYKA MATEMATYCZNA WYKŁAD Wadomośc wstępe tatystyka to dyscypla aukowa, której zadaem jest wykrywae, aalza ops prawdłowośc występujących w procesach masowych. Populacja to zborowość podlegająca badau

Bardziej szczegółowo

Średnia arytmetyczna Klasyczne Średnia harmoniczna Średnia geometryczna Miary położenia inne

Średnia arytmetyczna Klasyczne Średnia harmoniczna Średnia geometryczna Miary położenia inne Mary położea Średa arytmetycza Klasycze Średa harmocza Średa geometrycza Mary położea e Modala Kwartyl perwszy Pozycyje Medaa (kwartyl drug) Kwatyle Kwartyl trzec Decyle Średa arytmetycza = + +... + 2

Bardziej szczegółowo

KARBOWNICZEK Dagmara doktorantka, mgr inż. ; LEJDA Kazimierz ; prof. dr hab. inż. Politechnika Rzeszowska, Katedra Silników Spalinowych i Transportu

KARBOWNICZEK Dagmara doktorantka, mgr inż. ; LEJDA Kazimierz ; prof. dr hab. inż. Politechnika Rzeszowska, Katedra Silników Spalinowych i Transportu НАЦІОНАЛЬНИЙ ТРАНСПОРТНИЙ УНІВЕРСИТЕТ 1 013 KARBOWNICZEK Dagmara doktoratka, mgr ż. ; LEJDA Kazmerz ; prof. dr hab. ż. oltechka Rzeszowska, Katedra Slków Spalowych Trasportu ANALIZA WSKAŹNIKA GŁĘBOKOŚCI

Bardziej szczegółowo

WPŁYW SPÓŁEK AKCYJNYCH NA LOKALNY RYNEK PRACY

WPŁYW SPÓŁEK AKCYJNYCH NA LOKALNY RYNEK PRACY ZESZYTY NAUKOWE WYDZIAŁU NAUK EKONOMICZNYCH Mara KLONOWSKA-MATYNIA Natala CENDROWSKA WPŁYW SPÓŁEK AKCYJNYCH NA LOKALNY RYNEK PRACY Zarys treśc: Nejsze opracowae pośwęcoe zostało spółkom akcyjym, które

Bardziej szczegółowo

Metoda Monte-Carlo i inne zagadnienia 1

Metoda Monte-Carlo i inne zagadnienia 1 Metoda Mote-Carlo e zagadea Metoda Mote-Carlo Są przypadk kedy zamast wykoać jakś eksperymet chcelbyśmy symulować jego wyk używając komputera geeratora lczb (pseudolosowych. Wększość bblotek programów

Bardziej szczegółowo

1. Relacja preferencji

1. Relacja preferencji dr Mchał Koopczyńsk EKONOMIA MATEMATYCZNA Wykłady, 2, 3 (a podstawe skryptu r 65) Relaca preferec koszyk towarów: przestrzeń towarów: R + = { x R x 0} x = ( x,, x ) X X R+ x 0 x 0 =, 2,, x~y xf y x y x

Bardziej szczegółowo

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH. dr Michał Silarski

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH. dr Michał Silarski PODTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH dr Mchał larsk I Pracowa Fzycza IF UJ, 9.0.06 Pomar Pomar zacowae wartośc prawdzwej Bezpośred (welkość fzycza merzoa jest

Bardziej szczegółowo

VIW20 koncepcja indeksu zmienności dla polskiego rynku akcyjnego 1

VIW20 koncepcja indeksu zmienności dla polskiego rynku akcyjnego 1 Dr Robert Ślepaczuk Katedra Bakowośc Fasów Wydzał Nauk Ekoomczych Uwersytet Warszawsk Grzegorz Zakrzewsk Po Kredytów Detalczych Departamet Ryzyka Kredytowego Polbak EFG VIW0 kocepcja deksu zmeośc dla polskego

Bardziej szczegółowo

PDF created with FinePrint pdffactory Pro trial version WIII/1

PDF created with FinePrint pdffactory Pro trial version  WIII/1 Statystyka opsowa Statystyka zajmuje sę zasadam metodam uogólaa wyków otrzymaych z próby losowej a całą populację (czyl zborowość, z której została pobraa próba). Take postępowae azywamy woskowaem statystyczym.

Bardziej szczegółowo

Opracowanie wyników pomiarów

Opracowanie wyników pomiarów Opracowae wków pomarów Praca w laboratorum fzczm polega a wkoau pomarów, ch terpretacj wcagęcem wosków. Ab dojść do właścwch wosków aleŝ szczególą uwagę zwrócć a poprawość wkoaa pomarów mmalzacj błędów

Bardziej szczegółowo

Regresja REGRESJA

Regresja REGRESJA Regresja 39. REGRESJA.. Regresja perwszego rodzaju Nech (, będze dwuwyarową zeą losową, dla które steje kowaracja. Nech E( y ozacza warukową wartość oczekwaą zdefowaą dla przypadku zeych losowych typu

Bardziej szczegółowo

METODY ANALIZY DANYCH DOŚWIADCZALNYCH

METODY ANALIZY DANYCH DOŚWIADCZALNYCH POLITECHNIKA Ł ÓDZKA TOMASZ W. WOJTATOWICZ METODY ANALIZY DANYCH DOŚWIADCZALNYCH Wybrae zagadea ŁÓDŹ 998 Przedsłowe Specyfką teor pomarów jest jej wtóry charakter w stosuku do metod badawczych stosowaych

Bardziej szczegółowo

będą niezależnymi zmiennymi losowymi z rozkładu o gęstości

będą niezależnymi zmiennymi losowymi z rozkładu o gęstości Prawdopodobeństwo statystyka 4.0.00 r. Zadae Nech... będą ezależym zmeym losowym z rozkładu o gęstośc θ f ( x) = θ xe gdy x > 0. Estymujemy dodat parametr θ wykorzystując estymator ajwększej warogodośc

Bardziej szczegółowo

( X, Y ) będzie dwuwymiarową zmienną losową o funkcji gęstości

( X, Y ) będzie dwuwymiarową zmienną losową o funkcji gęstości Zadae. Nech Nech (, Y będze dwuwymarową zmeą losową o fukcj gęstośc 4 x + xy gdy x ( 0, y ( 0, f ( x, y = 0 w przecwym przypadku. S = + Y V Y E V S =. =. Wyzacz ( (A 0 (B (C (D (E 8 8 7 7 Zadae. Załóżmy,

Bardziej szczegółowo

Lekcja 1. Pojęcia podstawowe: Zbiorowość generalna i zbiorowość próbna

Lekcja 1. Pojęcia podstawowe: Zbiorowość generalna i zbiorowość próbna TECHNIKUM ZESPÓŁ SZKÓŁ w KRZEPICACH PRACOWNIA EKONOMICZNA TEORIA ZADANIA dla klasy II Techkum Marek Kmeck Zespół Szkół Techkum w Krzepcach Wprowadzee do statystyk Lekcja Statystyka - określa zbór formacj

Bardziej szczegółowo

. Wtedy E V U jest równa

. Wtedy E V U jest równa Prawdopodobeństwo statystyka 7.0.0r. Zadae Dwuwymarowa zmea losowa Y ma rozkład cągły o gęstośc gdy ( ) 0 y f ( y) 0 w przecwym przypadku. Nech U Y V Y. Wtedy E V U jest rówa 8 7 5 7 8 8 5 Prawdopodobeństwo

Bardziej szczegółowo

Teoria i praktyka. Wyższa Szkoła Turystyki i Ekologii. Fizyka. WSTiE Sucha Beskidzka Fizyka

Teoria i praktyka. Wyższa Szkoła Turystyki i Ekologii. Fizyka. WSTiE Sucha Beskidzka Fizyka Nepewośc pomarowe. Teora praktka. Prowadząc: Dr ż. Adrzej Skoczeń Wższa Szkoła Turstk Ekolog Wdzał Iformatk, rok I Fzka 014 03 30 WSTE Sucha Beskdzka Fzka 1 Iformacje teoretcze zameszczoe a slajdach tej

Bardziej szczegółowo

BQR FMECA/FMEA. czujnik DI CPU DO zawór. Rys. 1. Schemat rozpatrywanego systemu zabezpieczeniowego PE

BQR FMECA/FMEA. czujnik DI CPU DO zawór. Rys. 1. Schemat rozpatrywanego systemu zabezpieczeniowego PE BQR FMECA/FMEA Przed rozpoczęcem aalzy ależy przeprowadzć dekompozycję systemu a podsystemy elemety. W efekce dekompozycj uzyskuje sę klka pozomów: pozom systemu, pozomy podsystemów oraz pozom elemetów.

Bardziej szczegółowo

WYZNACZANIE WARTOŚCI ENERGII ROZPRASZANEJ PODCZAS ZDERZENIA CIAŁ

WYZNACZANIE WARTOŚCI ENERGII ROZPRASZANEJ PODCZAS ZDERZENIA CIAŁ 9 Cel ćwczea Ćwczee 9 WYZNACZANIE WARTOŚCI ENERGII ROZPRASZANE PODCZAS ZDERZENIA CIAŁ Celem ćwczea jest wyzaczee wartośc eerg rozpraszaej podczas zderzea cał oraz współczyka restytucj charakteryzującego

Bardziej szczegółowo

Analiza spektralna stóp zwrotu z inwestycji w akcje

Analiza spektralna stóp zwrotu z inwestycji w akcje Nasz rye aptałowy, 003 r3, str. 38-43 Joaa Góra, Magdalea Osńsa Katedra Eoometr Statysty Uwersytet Mołaja Kopera w Toruu Aalza spetrala stóp zwrotu z westycj w acje. Wstęp Agregacja w eoom eoometr bywa

Bardziej szczegółowo

Statystyczna analiza danych przedziały ufności

Statystyczna analiza danych przedziały ufności 07-- Probablstyka statystyka Statystycza aalza daych przedzały ufośc Wykład 7 dr ż. Barbara Swatowska Wstęp Podstawowe cele aalzy zborów daych Uogóloy ops poszczególych cech/zeych statystyka opsowa; aalza

Bardziej szczegółowo

STANDARYZACJA PRZEPROWADZANIA NAPRAW JAKO ETAP WDROŻENIA TOTAL PRODUCTIVE MAINTENANCE W PRZEMYŚLE WYDOBYWCZYM

STANDARYZACJA PRZEPROWADZANIA NAPRAW JAKO ETAP WDROŻENIA TOTAL PRODUCTIVE MAINTENANCE W PRZEMYŚLE WYDOBYWCZYM STANDARYZACJA PRZEPROWADZANIA NAPRAW JAKO ETAP WDROŻENIA TOTAL PRODUCTIVE MAINTENANCE W PRZEMYŚLE WYDOBYWCZYM Edward CHLEBUS, Joaa HELMAN, Mara ROSIENKIEWICZ, Paweł STEFANIAK Streszczee: Nejszy artykuł

Bardziej szczegółowo

PRZYKŁADOWE TEMATY ZADAŃ PROJEKTOWYCH

PRZYKŁADOWE TEMATY ZADAŃ PROJEKTOWYCH PRZYKŁADOWE TEMATY ZADAŃ PROJEKTOWYCH Z PRZEDMIOTU EWOLUCYJNE METODY OPTYMALIZACJI. Rozwązać zadae zadaa załaduku (plecakowego z ograczeam a dopuszczale wymary oraz cężar []: a algorytmem symulowaego wyżarzaa.

Bardziej szczegółowo

PŁASKA GEOMETRIA MAS. Środek ciężkości figury płaskiej

PŁASKA GEOMETRIA MAS. Środek ciężkości figury płaskiej PŁAKA GEOMETRIA MA Środek cężkośc fgury płaskej Mometam statyczym M x M y fgury płaskej względem os x lub y (rys. 7.1) azywamy gracę algebraczej sumy loczyów elemetarych pól d przez ch odległośc od os,

Bardziej szczegółowo

[ ] WSPÓŁCZYNNIK EKSCESU WEKTORA LOSOWEGO. Wprowadzenie. Katarzyna Budny =, (1)

[ ] WSPÓŁCZYNNIK EKSCESU WEKTORA LOSOWEGO. Wprowadzenie. Katarzyna Budny =, (1) Katarzya Budy Uwersytet Ekoomczy w Krakowe WSPÓŁCZYNNIK EKSCESU WEKTORA LOSOWEGO Wprowadzee Jedą z podstawowych mar spłaszczea czy też kocetrac rozkładu zmee losowe edowymarowe wokół średe est kurtoza

Bardziej szczegółowo

Aspekty ekonomiczne konstrukcji i optymalizacji długookresowych portfeli inwestycyjnych na rynku kapitałowym

Aspekty ekonomiczne konstrukcji i optymalizacji długookresowych portfeli inwestycyjnych na rynku kapitałowym zeszyty aukowe uwersytetu szczecńskego r 89 fase, Ryk Fasowe, Ubezpeczea r 78 (05) DOI: 0.876/frfu.05.78-07 s. 83 97 Aspekty ekoomcze kostrukcj optymalzacj długookresowych portfel westycyjych a ryku kaptałowym

Bardziej szczegółowo

2. Rozkład zawartości popiołu w węglu jako mieszanina rozkładów

2. Rozkład zawartości popiołu w węglu jako mieszanina rozkładów Górctwo Geożyera Rok 3 Zeszyt 4 007 Tomasz Nedoba* OCENA ZAWARTOŚCI POPIOŁU W POKŁADACH WĘGLA ZA POMOCĄ NIEPARAMETRYCZNYCH METOD STATYSTYCZNYCH**. Wprowadzee W procese przeróbk węgla ezwykle ważym problemem

Bardziej szczegółowo

Rachunek prawdopodobieństwa i statystyka matematyczna. Estymacja przedziałowa parametrów strukturalnych zbiorowości generalnej

Rachunek prawdopodobieństwa i statystyka matematyczna. Estymacja przedziałowa parametrów strukturalnych zbiorowości generalnej Rachek prawdopodobeńswa saysyka maemaycza Esymacja przedzałowa paramerów srkralych zborowośc geeralej Częso zachodz syacja, że koecze jes zbadae ogół poplacj pod pewym kąem p. średa oce z pewego przedmo.

Bardziej szczegółowo

ZASTOSOWANIE MODELU LOGITOWEGO DO ANALIZY WYNIKÓW EGZAMINU

ZASTOSOWANIE MODELU LOGITOWEGO DO ANALIZY WYNIKÓW EGZAMINU Haa Dudek a, Moka Dybcak b a Katedra Ekoometr Iformatyk SGGW b studetka Mędzywydzałowego Studum Iformatyk Ekoometr e-mal: hdudek@mors.sggw.waw.pl ZASTOSOWANIE MODELU LOGITOWEGO DO ANALIZY WYNIKÓW EGZAMINU

Bardziej szczegółowo

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH PODTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH I Pracowa IF UJ Luy 03 PODRĘCZNIKI Wsęp do aalzy błędu pomarowego Joh R. Taylor Wydawcwo Naukowe PWN Warszawa 999 I Pracowa

Bardziej szczegółowo

( ) L 1. θ θ = M. Przybycień Rachunek prawdopodobieństwa i statystyka. = θ. min

( ) L 1. θ θ = M. Przybycień Rachunek prawdopodobieństwa i statystyka. = θ. min Fukca warogodośc Nech będze daa próba losowa prosta o lczebośc z rozkładu f (x;. Fukcą warogodośc dla próby x azywamy welkość: ( x; f ( x ; L Twerdzee (Cramera-Rao: Mmala wartość warac m dowolego eobcążoego

Bardziej szczegółowo

ZAGADNIENIE TRANSPORTOWE

ZAGADNIENIE TRANSPORTOWE ZAGADNIENIE TRANSPORTOWE ZT.. Zagadee trasportowe w postac tablcy Z m puktów (odpowedo A,...,A m ) wysyłamy edorody produkt w loścach a,...,a m do puktów odboru (odpowedo B,...,B ), gdze est odberay w

Bardziej szczegółowo

WSTĘP METODY OPRACOWANIA I ANALIZY WYNIKÓW POMIARÓW

WSTĘP METODY OPRACOWANIA I ANALIZY WYNIKÓW POMIARÓW WSTĘP METODY OPRACOWANIA I ANALIZY WYNIKÓW POMIARÓW U podstaw wszystkch auk przyrodczych leży zasada: sprawdzaem wszelkej wedzy jest eksperymet, tz jedyą marą prawdy aukowej jest dośwadczee Fzyka, to auka

Bardziej szczegółowo

Statystyka Inżynierska

Statystyka Inżynierska Statystyka Iżyerska dr hab. ż. Jacek Tarasuk AGH, WFIS 013 Wykład 3 DYSKRETNE I CIĄGŁE ROZKŁADY JEDNOWYMIAROWE, PODSTAWY ESTYMACJI Dwuwymarowa, dyskreta fukcja rozkładu rawdoodobeństwa, Rozkłady brzegowe

Bardziej szczegółowo

W loterii bierze udział 10 osób. Regulamin loterii faworyzuje te osoby, które w eliminacjach osiągnęły lepsze wyniki:

W loterii bierze udział 10 osób. Regulamin loterii faworyzuje te osoby, które w eliminacjach osiągnęły lepsze wyniki: Zadae W loter berze udzał 0 osób. Regulam loter faworyzuje te osoby, które w elmacjach osągęły lepsze wyk: Zwycęzca elmacj, azyway graczem r. otrzymuje 0 losów, Osoba, która zajęła druge mejsce w elmacjach,

Bardziej szczegółowo

INSTRUKCJA LABORATORIUM Metrologia techniczna i systemy pomiarowe.

INSTRUKCJA LABORATORIUM Metrologia techniczna i systemy pomiarowe. INSTRUKCJA LABORATORIUM Metrologa techcza sstem pomarowe. MTSP pomar MTSP 00 Autor: dr ż. Potr Wcślok Stroa / 5 Cel Celem ćwczea jest wkorzstae w praktce pojęć: mezurad, estmata, błąd pomaru, wk pomaru,

Bardziej szczegółowo

OKREŚLANIE NIEPEWNOŚCI POMIARÓW (poradnik do Laboratorium Fizyki)

OKREŚLANIE NIEPEWNOŚCI POMIARÓW (poradnik do Laboratorium Fizyki) Adrzej Kubaczyk Laboratorum Fzyk I Wydzał Fzyk Poltechka Warszawska OKREŚLANIE NIEPEWNOŚCI POMIARÓW (poradk do Laboratorum Fzyk) ROZDZIAŁ Wstęp W roku 995 z cjatywy Mędzyarodowego Komtetu Mar (CIPM) zostały

Bardziej szczegółowo