PORTFELE FUNDAMENTALNE I PORTFELE Z CHAOSEM ANALIZA PORÓWNAWCZA

Wielkość: px
Rozpocząć pokaz od strony:

Download "PORTFELE FUNDAMENTALNE I PORTFELE Z CHAOSEM ANALIZA PORÓWNAWCZA"

Transkrypt

1 W Y D A W N I C T W O P O L I T E C H N I K I Ś L Ą S K I E J W G L I W I C A C H ZESZYTY NAUKOWE POLITECHNIKI ŚLĄSKIEJ 208 Sera: ORGANIZACJA I ZARZĄDZANIE z. 30 PORTFELE FUNDAMENTALNE I PORTFELE Z CHAOSEM ANALIZA PORÓWNAWCZA Moka MIŚKIEWICZNAWROCKA, Katarzya ZEUGŻEBRO 2 Uwersytet Ekooczy w Katowcach, Katowce; oka.skewcz@ue.katowce.pl 2 Uwersytet Ekooczy w Katowcach, Katowce; katarzya.zeugzebro@ue.katowce.pl Streszczee: Hstorycza foracja o stope zwrotu ryzyku poszczególych walorów są podstawowy czyka, a które westor zwraca uwagę przy podejowau decyzj westycyjych. Na podstawe tych charakterystyk oża już wstępe określć ajejszą spodzewaą stopę zwrotu czy też ajwyższe ożlwe ryzyko portfela. Prowadzoe od welu lat badaa dostarczają owych arzędz do budowy portfela optyalego. Wskaźk aalzy fudaetalej określające sytuację ekooczofasową spółek pozwalają a tak dobór odpowedch udzałów w portfelu, ających a celu jego dywersyfkację. Nowy podejśce zapropooway przez autorów jest zastosowae ar deterstyczego chaosu tj. ajwększego wykładka Lapuowa oraz wykładka Hursta. Cele artykułu jest próba zdywersyfkowaa ryzyka portfel fudaetalych portfel zbudowaych w oparcu o deterstyczego chaosu oraz ocea efektywośc otrzyaych portfel a podstawe ch rzeczywstych stóp zwrotu. W badaach pod uwagę wzęto spółk wchodzące w skład deksu WIG 20, które w oece budowaa portfela były otowae a GPW w Warszawe przyajej od 0 lat. Optyale portfele zostały zbudowae a koec każdego roku w latach Słowa kluczowe: portfel fudaetaly, TMAI, ajwększy wykładk Lapuowa, wykładk Hursta. FUNDAMENTAL PORTFOLIOS AND CHAOS PORTFOLIOS A COMPARATIVE ANALYSIS Abstract: Hstorcal forato about the rate of retur ad the rsk of dvdual assets are basc factors that a vestor pays atteto to whe akg vestet decsos. Based o these characterstcs, the lowest expected rate of retur or the hghest possble portfolo rsk ca be predetered. Research coducted for ay years provdes ew tools for buldg a optal portfolo. The dcators of fudaetal aalyss defg ecoofacal stuato of copaes allow for selecto of approprate shares the portfolo, aed at ts dversfcato. The ew approach proposed by the authors s the use of deterstc chaos easures,.e. the largest expoet of Lapuov ad the Hurst expoet.

2 460 M. MśkewczNawrocka, K. ZeugŻebro The a of the paper s a attept to dversfy the rsk of fudaetal portfolos ad portfolos bult o the bass of deterstc chaos as well as to assess the effcecy of portfolos receved based o ther actual rates of retur. I the study we used facal te seres of copaes cluded the WIG20 dex, whch at the te of portfolos buldg were lsted o the Warsaw Stock Exchage for at least 0 years. The optal portfolos were bult at the ed of each year Keywords: fudaetal portfolo, TMAI, the largest Lyapuov expoet, Hurst expoet.. Wprowadzae Prowadzoe od welu lat badaa pokazały, że kostrukcja portfela optyalego etodą Markowtza zwykle e daje ajlepszych rezultatów. W ostatch latach pojawły sę węc arzędza, które poza stopą zwrotu ryzyke westycj wykorzystują wskaźk określające kodycję ekooczofasową spółk, p. taksoocza ara atrakcyjośc westycj. Alteratywy podejśce jest wykorzystae ary detyfkacj chaosu, tj. wykładka Hursta, ajwększego wykładka Lapuowa. Poeważ deterz szeregów chaotyczych wskazuje.. a potecjalą ożlwość ch predykcj przypuszcza sę róweż, że stote wpływa a kostrukcje portfela optyalego. Cele artykułu jest próba zdywersyfkowaa ryzyka portfela westycyjego oraz ocea efektywośc otrzyaych portfel a podstawe ch rzeczywstych stóp zwrotu. W ty celu zbudowae zostały portfele optyale wyzaczoe w oparcu o ary deterstyczego chaosu oraz ary porządkowaa lowego. W badaach pod uwagę wzęto cey akcj spółek wchodzących w skład deksu WIG 20, które w oece budowaa portfela były otowae a GPW w Warszawe przyajej od 0 lat. Optyale portfele zostały zbudowae a koec każdego roku w latach Portfele fudaetale Do wyzaczea udzałów struetów fasowych w optyaly portfelu oża wykorzystać etody porządkowaa lowego, tj. wskaźk względego pozou rozwoju (), uogóloą arę odległośc (GDM) a także sytetyczy erk rozwoju (TMAI).

3 Portfele fudaetale portfele 46 Wskaźk jest sytetyczą arą bezwzorcową, szacowaą według astępującego wzoru (Pocecha, 988): z y gdze: x k j k j z ax z, () y y, (2) x x j, (3) S j wskaźk względego pozou rozwoju, 0, wartość jtej zeej dla tego obektu,, y zoralzowaa obserwacja x, x j średa arytetycza jtej zeej, S j odchylee stadardowe jtej zeej,,..., uer obektu, j,..., uer zeej. I wartość jest blższa, ty obekt jest lepszy według przyjętego kryteru. Do kostrukcj ary GDM wykorzystao deę uogóloego współczyka korelacj lowej Pearsoa oraz współczyk korelacj tau Kedalla (Walesak, 2002). Dla zeych erzoych a skal lorazowej (lub) przedzałowej odległość GDM daa jest wzore (Walesak, 20): gdze: z z z z z z z z kj kj lj kj lj j j l l, k d k, (4) z zlj zkj zlj j l j l d k d, uogóloa ara odległośc GDM, 0, k, l,..., uery obektów, pozostałe ozaczea j.w. k Kostrukcja TMAI opera sę a oszacowau odległośc każdego obektu od obektu wzorca za poocą wzoru (Tarczyńsk, 2002): 2 2 y y0 j j d,,..., ; (5)

4 462 M. MśkewczNawrocka, K. ZeugŻebro gdze: y 0 j j d odległość tego obektu od obektu wzorca, obekt wzorzec, ustaloy a podstawe wzoru y0 ax y, (6) y, j.w. TMAI d 0 Ostat etape jest oralzacja TMAI: d,,... ; (7) d, 0 gdze: taksoocza ara atrakcyjośc tego obektu, ora zapewająca przyjowae przez wartośc z przedzału 0,, d TMAI d 2S 0 d d, S d, TMAI średa arytetycza odchylee stadardowe Portfele fudaetale zbudowao a podstawe astępujących odel optyalzacyjych (Tarczyńsk, Łuewska, 2004): Zadae ax x, (9) z waruka ograczający: R p R 0 S x x S x 0,,...,, gdze: R R p R p 0 oczekwaa stopa zwrotu portfela akcj: x R, (0) oczekwaa stopa zwrotu tej akcj, S p ryzyko portfela akcj: S 2 p 2 2 x S x j 2 x S S, () S odchylee stadardowe akcj tej spółk, współczyk korelacj tej akcj z jtą akcją, R0 oczekwaa stopa zwrotu dla spółek, x udzał tej akcj w portfelu, j j d. (8)

5 Portfele fudaetale portfele 463 lczba akcj w portfelu. pozostałe ozaczea j.w. Zadae 2 GDM x, (2) z waruka ograczający: R p R 0 S x x S x 0,,...,, gdze: ozaczea j.w. Zadae 3 0 ax TMAI x, (3) z waruka ograczający: R p R 0 S x x S x 0,,...,, gdze: ozaczea j.w Portfele z chaose Wśród ajstotejszych charakterystyk elowych szeregów oża wyróżć wykładk Hursta ajwększy wykładk Lapuowa. Perwszy z ch bada występowae efektu długej paęc. Pozwala a rozróżee szeregów losowych (przypadkowych) od szeregów losowych z obcążoy błądzee przypadkowy. Przyjuje wartośc z przedzału [0, ]. Jeśl szereg a charakter błądzea przypadkowego, to H = 0.5. (szereg losowy) Wówczas teraźejsze wartośc szeregu e ają wpływu a przyszłe. Wartość wykładka róża od 0.5, ozacza że obserwacje e są ezależe. Każda obserwacja przechowuje paęć o wcześejszych zdarzeach. Jeżel 0 H 0. 5 szereg jest atypersystety lub ergodyczy. W przypadku szeregu, dla którego 0.5 H szereg

6 464 M. MśkewczNawrocka, K. ZeugŻebro jest persystety, czyl wzacający tred. Sła zachowań wzacających tred, jest ty wększa H jest blższe jedośc. Z kole H jest blższe 0,5 ty wyższy pozo szuu w szeregu ty ej określoy jest tred. 2002): Algoryt szacowaa wykładka Hursta jest astępujący (Chu S.H., K K.J.., Rozważy szereg czasowy złożoy z N obserwacj x x,...,, 2 x N.. Zaeay powyższy szereg obserwacj w M = N logarytczych stóp zwrotu według wzoru: x k y k log, k =, 2,..., N. (4) xk 2. Dzely szereg () a częśc złożoych z eleetów, = [M/], gdze: [ ] ozacza część całkowtą arguetu. Jeśl loraz M/ e jest lczbą całkowtą, to < M. W ty przypadku, w dalszej częśc algorytu użyjey wartośc, dla k =, 2,...,. 3. Defujey wartość z y k y y, (5) gdze: y y y j ozacza jtą wartość w ty przedzale,, =, 2,...,. 4. Dla każdego, cąg su częścowych j z wyraża sę wzore u z, =, 2,...,, j =, 2,...,. (6) Zauważy, że u j wartośc w przedzale. jest skuuloway odchylee od wartośc średej dla perwszych 5. Zakres tego przedzału defujey jako R j u u ax. (7) j 6. Uorowaa wartość zakresu dla tego przedzału częścowego rozaru jest daa wzore R / S, (8) gdze: 2 2 S z. j Oblczając średą uzyskay wyk aalzy R/S. (9) 7. Następe powtarzay oblczea zwększając długość przedzału o jedą jedostkę. Iterację kotyuujey do oetu aż osąge górą gracę

7 Portfele fudaetale portfele 465 fl N / 2. (20) ax 8. Ustalając achylee wykresu logarytów H. do os logarytów, otrzyay wartość Najwększy wykładk Lapuowa pozwala a odróżae szeregów chaotyczych od losowych. Dodata wartość ajwększego wykładka Lapuowa ozacza wrażlwość układu a zaę waruków początkowych, jedak e jest waruke wystarczający obecośc chaosu w baday układze. Oprócz wykładka Lapuowa do detyfkacj chaosu ajczęścej wykorzystuje sę wyar korelacyjy, który weryfkuje obecość deterzu kolejej cechy dyak chaotyczej. Jako uzupełee stosuje sę test BDS, aalzę przeskalowaego zakresu R/S, a także etropę. Układ dyaczy (X, f ) jest wrażlwy a zaę waruków początkowych, jeżel steje lczba 0 U puktu x steją f gdze: x f y f spełająca waruek, że dla każdego y U oraz take że: x X oraz dla każdego otoczea, (2) jest kroty złożee odwzorowaa f. (Devaey R.L., 987, Wggs 990, za: Zawadzk, 996]. Zate układ dyaczy jest wrażlwy a zaę waruków początkowych, jeżel po skończoej lczbe kroków odległość poędzy dwoa dowoly blsk pukta x, y S zwększy sę o węcej ż. Dla układów dyaczych z czase dyskrety (X, f), opsaych za poocą rówań rekurecyjych perwszego rzędu postac: t x t X R, f : X X x f, t 0,,2,..., (22) gdze: x t, x t ozaczają sta układu w chwlach odpowedo t t wykładk Lapuowa są zdefowae jako grace (Zawadzk, 996): x 0 l l, x 0, =...., for, (23), x 0 są wartośca własy odwzorowaa gdze: fukcj f. f, f jest kroty złożee Wykładk Lapuowa erzą średe tepo rozbeżośc trajektor dwóch początkowo blskch sobe puktów przestrze staów. Dla wyarowego układu dyaczego steje wykładków Lapuowa. Najwększy wykładk Lapuowa pokazuje w przyblżeu, le razy średo w jedej teracj zwększa sę lub zejsza sę odległość ędzy sąsed (początkowo blsk sobe) trajektora. Gdy ajwększy wykładk Lapuowa jest ujey jedakowy dla wszystkch (prawe wszystkch) puktów przestrze staów X, układ dyaczy geeroway przez odwzorowae f e jest wrażlwy. Kedy wykładk jest dodat układ jest wrażlwy a zaę waruków początkowych.

8 466 M. MśkewczNawrocka, K. ZeugŻebro Dla rzeczywstych szeregów czasowych, gdy e jest zaa fukcja geerująca f, ajwększy wykładk Lapuowa szacuje sę a podstawe zależośc (Katz Schreber, 2004): ax 0 e, (24) jako współczyk kerukowy rówaa regresj (Katz Schreber, 2004): l l, (25) gdze: 0 ax 0 ozacza odległość (w sese odległośc eukldesowej) poędzy dwoa początkowo blsk pukta zrekostruowaej przestrze staów, odległoścą poędzy ty say pukta po krokach teracj, a ajwększy wykładke Lapuowa. Udzały w portfelu optyaly zostaą wyzaczoe za poocą zadań optyalzacyjych (MśkewczNawrocka, ZeugŻebro, 207a, 207b): ax jest jest Zadae 4 ax H x, (26) z waruka ograczający: R p S x x R 0 S x 0,,...,, gdze: ozaczea j.w. 0 Zadae 5 ax ax x, (27) z waruka ograczający: R p S x x R 0 S x 0,,...,, gdze: ozaczea j.w. 0

9 Portfele fudaetale portfele Badaa eprycze W aalze epryczej pod uwagę wzęto spółk wchodzące w skład deksu WIG20, które w oece budowy optyalego portfela były otowae a Gełdze Paperów Wartoścowych w Warszawe przyajej 0 lat. Optyale portfele akcj zostały wyzaczoe a koec każdego roku w okrese , a zate aalzowae szereg czasowe pochodzły z okresu Wartośc ar, GDP TMAI dla badaych spółek oszacowao a podstawe daych zaeszczoych w raportach fasowych za trzec kwartał w latach Do aalzy jako zee dagostycze wybrao wskaźk rykowe /lub wskaźk ekooczofasowe, w zależośc od specyfk dzałalośc spółek (Nawrock Jabłońsk, 20; Tarczyńsk, 203). Dla spółek fasowych pod uwagę wzęto astępujące wskaźk: retowośc: retowość aktywów (ROA), retowość kaptału własego (ROE), adekwatośc kaptałowej (współczyk wypłacalośc); Natoast dla spółek efasowych zastosowao: wskaźk płyośc: wskaźk płyośc beżącej, wskaźk płyośc szybkej, wskaźk retowośc: retowość aktywów (ROA), retowość kaptału własego (ROE), arża ze sprzedaży, wskaźk zadłużea: wskaźk ogólego zadłużea, sprawość zarządzaa: wskaźk rotacj ależośc, wskaźk rotacj zapasów. Wybór tych cech podyktoway był stotoścą foracj oraz dostępoścą daych potrzebych do ch wyzaczea. W celu wyzaczea wartośc ajwększego wykładka Lapuowa oraz wykładka Hursta dla aalzowaych spółek pod uwagę wzęto szereg czasowe utworzoe z logarytów dzeych stóp zwrotu ce zakęca w okrese W oparcu o algoryty przedstawoe w pukce 3 za poocą prograu GRETL oszacowao wartośc wyżej wyeoych wykładków za poocą prograu apsaego przez autora w języku Delph oraz prograu GRETL. W kolejy etape badaa zbudowao 30 optyalych portfel akcj, rozwązując przedstawoe w puktach 2 3 zadaa optyalzacyje. Do oblczea udzałów poszczególych spółek w portfelu wykorzystao arzędze solver dodatek arkusza kalkulacyjego Excel. Następe oszacowao oczekwaą stopę zwrotu ryzyko każdego portfela oraz rzeczywstą roczą stopę zwrotu. Wyk ueszczoo w tabelach 5. Zak postawoo przy spółkach, których udzał w portfelu był rówy 0. Dae pochodzą z oblczeń własych autora a podstawe raportów fasowych spółek.

10 468 M. MśkewczNawrocka, K. ZeugŻebro Tabela. Stopa zwrotu, ryzyko udzały akcj w wyzaczoych portfelach będących rozwązae zadaa Z ,0559 BHW CEZ BHW BRS 0,2954 0,2000 0,0329 0,3006 PXM TPSA 0,0039 TPSA TPSA 0,2 Oczekwaa st. zwrotu 0,083 0,0009 0,00048 St. zwrotu 0,0953 0, , Ryzyko 0, , , ,232 0,374 CCC 0,3688 BHW EURO LPP 0,829 LPP 0,2259 0,4 PGN TPSA 0 PKO 0,07 PKO Oczekwaa st. zwrotu 0,0008 0, ,39976 St. zwrotu 0, , , Ryzyko 0, ,0004 0, Tabela 2. Stopa zwrotu, ryzyko udzały akcj w wyzaczoych portfelach będących rozwązae zadaa 2 Z ,05 BHW CEZ 0,279 BHW 0,3253 BRS 0,0000 0,3606 0,2956 0,885 0,379 0,4 PXM TPSA TPSA TPSA 0,5 Oczekwaa st. zwrotu 0,083 0,0009 0,00082 St. zwrotu 0,8704 0, ,0449 Ryzyko 0,0004 0, , BHW TPSA 0,558 0,0442 LPP PKO 0,2540 0,83 0,646 CCC EURO LPP 0,2000

11 Portfele fudaetale portfele 469 PGN PKO Oczekwaa st. zwrotu 0, ,0000 0, St. zwrotu 0, ,2290 0,53029 Ryzyko 0, ,0004 0,0002 Tabela 3. Stopa zwrotu, ryzyko udzały akcj w wyzaczoych portfelach będących rozwązae zadaa 3 Z ,2526 BHW CEZ BHW 0,3253 BRS 0,2360 0,2956 0,2000 0,379 PXM TPSA TPSA TPSA 0,5 Oczekwaa st. zwrotu 0,083 0, , St. zwrotu 0, , , Ryzyko 0, , ,0005 BHW TPSA ,558 CCC EURO 0,0442 LPP 0,829 LPP PGN PKO 0,07072 PKO Oczekwaa st. zwrotu 0, , , St. zwrotu 0, , ,4690 Ryzyko 0, , , ,2000 Tabela 4. Stopa zwrotu, ryzyko udzały akcj w wyzaczoych portfelach będących rozwązae zadaa 4 Z BHW CEZ BHW BRS PXM TPSA TPSA TPSA 0.08 Oczekwaa st. zwrotu 0,083 0,0007 0,00086 St. zwrotu 0, , , Ryzyko 0, , ,0897

12 470 M. MśkewczNawrocka, K. ZeugŻebro BHW LPP PKO CCC EURO LPP LTS PGN PKO Oczekwaa st. zwrotu 0,0008 0,0002 0, St. zwrotu 0, , ,43249 Ryzyko 0,0462 0, , Tabela 5. Stopa zwrotu, ryzyko udzały akcj w wyzaczoych portfelach będących rozwązae zadaa 5 Z PXM 0,2426 0,3574 BHW 0,2000 BHW BRS 0,398 0,2802 Oczekwaa st. zwrotu 0, , ,00033 St. zwrotu 0, , , Ryzyko 0,0008 0,0007 0, BHW 0,0470 0,530 LPP SNS 0,0699 0,0000 0,30 0,0000 0,0000 0,2000 Oczekwaa st. zwrotu 0, , ,00023 St. zwrotu 0, , ,04305 Ryzyko 0, , ,00008 Na podstawe daych przedstawoych w tabelach 5 oża stwerdzć, że ajwyższe oczekwae stopy zwrotu Rp dla wszystkch portfel uzyskao w roku Portfele otrzyae w wyku rozwązaa zdań optyalzacyjych 4 charakteryzują sę ajwększy oczekway stopa zwrotu portfela w wększośc przypadków. Wyjątek staow rok 20, gdze ajwyższą stopę zwrotu odotowao dla portfela będącego rozwązae zadaa optyalzacyjego 5. Poadto portfele będące rozwązae zadaa 5

13 Portfele fudaetale portfele 47 są obarczoe ajższy pozoa ryzyka. Najwyższe pozoy ryzyka odotowao dla portfel będących rozwązae zadaa 4 w latach Na rysuku dokoao porówaa roczych stóp zwrotu zbudowaych portfel ze stopą zwrotu deksu gełdowego WIG20 w latach Dodatkowo oszacowao skuulowae stopy zwrotu dla wszystkch portfel oraz deksu WIG20. Wyk prezetuje rysuek 2. Rysuek. Rocze stopy zwrotu dla wyzaczoych portfel oraz deksu WIG20 w latach Aalzując rocze stopy zwrotu dla wyzaczoych portfel akcj (tabele 5, rys. ) ależy zauważyć, że ajwększy zysk oża było uzyskać westując w 20r w portfel zbudoway w oparcu o zadaa optyalzacyje Z2 Z3, a astępe w 202 r wyberając portfele będące rozwązae zadań Z4 Z5. W roku stopy zysku z portfel będących rozwązae zadań Z2 Z3 były ajwyższe. Na podstawe daych zawrtych a rys. oża zauważyć, że w każdy roku oszacowae portfele dają wyższe stopy zwrotu ż deks WIG 20. Wyjątek staow rok 204, gdze uzyskao ujee stopy zwrotu dla każdego z portfel. Rysuek 2. Skuulowae stopy zwrotu dla wyzaczoych portfel oraz deksu WIG20 w latach

14 472 M. MśkewczNawrocka, K. ZeugŻebro Na podstawe daych zawartych a rys. 2 oża zauważyć, że rozważae podejśca wyzaczaa portfel optyalych dają lepsze rezultaty ż deks WIG 20. Poadto, zastosowae wykładka Hursta do wyzaczaa portfel optyalych daje lepsze lub tak sao dobre rezultay jak portfele fudaetale opsae zadaa Z Z 3. Oszacowae 6lete stopy zwrotu dla rozpatrywaych strateg pokazały, że ajbardzej opłacale okazało sę westowae w portfel będący rozwazae zadaa Z (,0776), astepe Z3 (0,70), Z4 (0,4850) Z5 (0,480). Najgorsze w dług tere okazały sę stratege westycyje oparte a zadau optyalzacyjy Z2, dla którego 6leta stopa zwrotu wyosła 0,207. W ty okrese stopa zwrotu z deksu WIG20 wyosła 0, Podsuowae Zastosowae arzędz elowych układów dyaczych, jak są ajwększy wykładk Lapuowa oraz wykładk Hursta, wydaje sę waży eleete badań dotyczących aalzy portfelowej. Przeprowadzoe badaa pokazały, że zapropoowae zadaa optyalzacj oparte a wykładku Hursta ejedokrote dają lepsze lub tak sao dobre wyk jak etody fudaetale, które uwzględają stotą w westowau sytuację ekooczofasową spółk. Bblografa. Chu, S.H., K, K.J., K, S.H. (2002). Chaotc aalyss of predctablty versus kowledge dscovery techques: case study of the Polsh stock arket. Expert Systes, 9, No. 5, Devaey, R.L. (987). A Itroducto to Chaotc Dyacal Systes, AddsoWesley Redwood Cty: Publshg Copay, Ic. 3. Katz, H., Schreber, T. (2004). (secod edto). Nolear Te Seres Aalyss. Cabrdge Uversty Press. 4. MśkewczNawrocka, M., ZeugŻebro, K. (207a). The effcecy of stocks vestet strategy wth the use of chose easures of deterstc chaos to buldg optal portfolos. I Proceedgs of 35 th Iteratoal Coferece Matheatcal Methods Ecoocs, Czech Republc. 5. MśkewczNawrocka, M., ZeugŻebro, K. (207b). The evaluato of the effectveess of a logter stocks vestet strategy based o the largest Lyapuov expoet.

15 Portfele fudaetale portfele 473 th Iteratoal Scetfc Coferece o Facal Maageet of Frs ad Facal Isttutos, Ostrava. 6. Nawrock, T., Jabłońsk, B. (20). Iwestowae a Ryku Akcj. Jak Oceć Potecjał Rozwojowy Fr Notowaych a GPW w Warszawe. Warszawa: Wydawctwo CeDeWu. 7. Pocecha, J., Podolec, B., Sokołowsk, A., Zając, K. (988), Metody taksoocze w badaach społeczoekooczych. Warszawa: PWN. 8. Tarczyńsk, W. (2002). Fudaetaly portfel paperów wartoścowych. Warszawa: PWE. 9. Tarczyńsk, W. (203). Ocea efektywośc etod aalzy portfelowej a Gełdze Paperów Wartoścowych w Warszawe za lata Zeszyty Naukowe Uwersytetu Szczecńskego r 76, Fase, ryk fasowe, ubezpeczea, r 60, Szczec, Tarczyńsk, W., Łuewska, M. (2004). Portfele klasycze, fudaetale zdywersyfkowae pozoo aalza porówawcza. Acta Uverstats Lodzess, Fola Oecooca, 77, Walesak, M. (2002). Uogóloa ara odległośc w statystyczej aalze welowyarowej. Wrocław: Akadea Ekoocza. 2. Walesak, M. (20). Uogóloa ara odległośc GDM w statystyczej aalze welowyarowej z wykorzystae prograu R. Wrocław: Wydawctwo Uwersytetu Ekooczego we Wrocławu. 3. Zawadzk, H. (996). Chaotycze systey dyacze. Eleety teor wybrae zagadea ekoocze. Zeszyty Naukowe Akade Ekooczej w Katowcach.

16

KONSTRUKCJA PORTFELA OPTYMALNEGO PRZY WYKORZYSTANIU NARZĘDZI IDENTYFIKACJI CHAOSU W SZEREGACH CZASOWYCH

KONSTRUKCJA PORTFELA OPTYMALNEGO PRZY WYKORZYSTANIU NARZĘDZI IDENTYFIKACJI CHAOSU W SZEREGACH CZASOWYCH ZESZYTY NAUKOWE POLITECHNIKI ŚLĄSKIEJ 216 Sera: ORGANIZACJA I ZARZĄDZANIE z. 96 Nr kol. 1963 Moka MIŚKIEWICZ-NAWROCKA, Katarzya ZEUG-ŻEBRO Uwersytet Ekooczy w Katowcach Wydzał Zarządzaa oka.skewcz@ue.katowce.pl,

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

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

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

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

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

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

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

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

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

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

ZASTOSOWANIE WYKŁADNIKA HURSTA DO WYZNACZANIA PORTFELI OPTYMALNYCH

ZASTOSOWANIE WYKŁADNIKA HURSTA DO WYZNACZANIA PORTFELI OPTYMALNYCH Studa Ekonoczne. Zeszyty Naukowe Unwersytetu Ekonocznego w Katowcach ISSN 283-86 Nr 265 26 Monka Mśkewcz-Nawrocka Unwersytet Ekonoczny w Katowcach Wydzał Zarządzana Katedra Mateatyk onka.skewcz@ue.katowce.pl

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

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

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

Sprawdzenie stateczności skarpy wykopu pod składowisko odpadów komunalnych

Sprawdzenie stateczności skarpy wykopu pod składowisko odpadów komunalnych Sprawdzee stateczośc skarpy wykopu pod składowsko odpadów koualych Ustalee wartośc współczyka stateczośc wykoae zostae uproszczoą etodą Bshopa, w oparcu o poższą forułę: [ W s( α )] ( φ ) ( φ ) W ta F

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

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

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

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

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

Projekt 3 Analiza masowa

Projekt 3 Analiza masowa Wydzał Mechaczy Eergetyk Lotctwa Poltechk Warszawskej - Zakład Saolotów Śgłowców Projekt 3 Aalza asowa Nejszy projekt składa sę z dwóch częśc. Perwsza polega projekce wstępy wętrza kaby (kadłuba). Druga

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

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

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

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

Statystyka Opisowa Wzory

Statystyka Opisowa Wzory tatystyka Opsowa Wzory zereg rozdzelczy: x - wartośc cechy - lczebośc wartośc cechy - lczebość całej zborowośc Wskaźk atężea przy rysowau wykresu szeregu rozdzelczego przedzałowego o erówych przedzałach:

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

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

Centralna Izba Pomiarów Telekomunikacyjnych (P-12) Komputerowe stanowisko do wzorcowania generatorów podstawy czasu w częstościomierzach cyfrowych

Centralna Izba Pomiarów Telekomunikacyjnych (P-12) Komputerowe stanowisko do wzorcowania generatorów podstawy czasu w częstościomierzach cyfrowych Cetrala Izba Pomarów Telekomukacyjych (P-1) Komputerowe staowsko do wzorcowaa geeratorów podstawy czasu w częstoścomerzach cyrowych Praca r 1300045 Warszawa, grudzeń 005 Komputerowe staowsko do wzorcowaa

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

WYBRANE MIARY OCENY STOPNIA DYWERSYFIKACJI PORTFELI INWESTYCYJNYCH

WYBRANE MIARY OCENY STOPNIA DYWERSYFIKACJI PORTFELI INWESTYCYJNYCH Studa Ekoomcze. Zeszyty Naukowe Uwersytetu Ekoomczego w Katowcach ISSN 2083-86 Nr 340 207 Iformatyka Ekoometra 0 Agata Gluzcka Uwersytet Ekoomczy w Katowcach Wydzał Iformatyk Komukacj Katedra Badań Operacyjych

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

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

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

dev = y y Miary położenia rozkładu Wykład 9 Przykład: Przyrost wagi owiec Odchylenia Mediana próbkowa: Przykłady Statystyki opisowe Σ dev i =?

dev = y y Miary położenia rozkładu Wykład 9 Przykład: Przyrost wagi owiec Odchylenia Mediana próbkowa: Przykłady Statystyki opisowe Σ dev i =? Mary położea rozkładu Wykład 9 Statystyk opsowe Średa z próby, mea(y) : symbol y ozacza lczbę; arytmetyczą średą z obserwacj Symbol Y ozacza pojęce średej z próby Średa jest środkem cężkośc zboru daych

Bardziej szczegółowo

OPTYMALNE STRATEGIE INWESTYCYJNE PODEJŚCIE FUNDAMENTALNE OPTIMAL INVESTMENT STRATEGY FUNDAMENTAL ANALYSIS

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

Bardziej szczegółowo

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

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

METODY KOMPUTEROWE 1

METODY KOMPUTEROWE 1 MTODY KOMPUTROW WIADOMOŚCI WSTĘPN MTODA ULRA Mcał PŁOTKOWIAK Adam ŁODYGOWSKI Kosultacje aukowe dr z. Wtold Kąkol Pozań 00/00 MTODY KOMPUTROW WIADOMOŚCI WSTĘPN Metod umercze MN pozwalają a ormułowae matematczc

Bardziej szczegółowo

MODELE OBIEKTÓW W 3-D3 część

MODELE OBIEKTÓW W 3-D3 część WYKŁAD 5 MODELE OBIEKTÓW W -D część la wykładu: Kocepcja krzywej sklejaej Jedorode krzywe B-sklejae ejedorode krzywe B-sklejae owerzche Bezera, B-sklejae URBS 1. Kocepcja krzywej sklejaej Istotą z praktyczego

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

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

BUDOWA PORTFELA INWESTYCYJNEGO W OPARCIU O WYBRANE CHARAKTERYSTYKI TEORII CHAOSU

BUDOWA PORTFELA INWESTYCYJNEGO W OPARCIU O WYBRANE CHARAKTERYSTYKI TEORII CHAOSU ZESZYTY NAUKOWE POLITECHNIKI ŚLĄSKIEJ 07 Sera: ORGANIZACJA I ZARZĄDZANIE z. 3 Nr kol. 99 Katarzya ZEUG-ŻEBRO, Moka MIŚKIEWICZ-NAWROCKA Uwersytet Ekooczy w Katowcach Wyzał Zarzązaa katarzya.zeug-zebro@ue.katowce.pl,

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

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

. 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

FUNKCJE DWÓCH ZMIENNYCH

FUNKCJE DWÓCH ZMIENNYCH FUNKCJE DWÓCH MIENNYCH De. JeŜel kaŝdemu puktow (, ) ze zoru E płaszczz XY przporządkujem pewą lczę rzeczwstą z, to mówm, Ŝe a zorze E określoa została ukcja z (, ). Gd zór E e jest wraźe poda, sprawdzam

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

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

Prawdopodobieństwo i statystyka r.

Prawdopodobieństwo i statystyka r. Prawdopodobeństwo statystyka 0.06.0 r. Zadae. Ura zawera kul o umerach: 0,,,,. Z ury cągemy kulę, zapsujemy umer kulę wrzucamy z powrotem do ury. Czyość tę powtarzamy, aż kula z każdym umerem zostae wycągęta

Bardziej szczegółowo

08 Model planowania sieci dostaw 1Po_2Pr_KT+KM

08 Model planowania sieci dostaw 1Po_2Pr_KT+KM Nr Tytuł: Autor: 08 Model plaowaa sec dostaw 1Po_2Pr_KT+KM Potr SAWICKI Zakład Systeów Trasportowych WIT PP potr.sawck@put.poza.pl potr.sawck.pracowk.put.poza.pl www.facebook.co/potr.sawck.put Przedot:

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

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

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

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

Statystyka. Katarzyna Chudy Laskowska

Statystyka. Katarzyna Chudy Laskowska Statstka Katarza Chud Laskowska http://kc.sd.prz.edu.pl/ Aalza korelacj umożlwa stwerdzee wstępowaa zależośc oraz oceę jej atężea ZALEŻNOŚCI pomędz CECHAMI: CECHY: ILOŚCIOWA ILOŚCIOWA CECHY: JAKOŚCIOWA

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

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

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

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

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

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

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

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

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

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

Analiza wyniku finansowego - analiza wstępna

Analiza wyniku finansowego - analiza wstępna Aalza wyku fasowego - aalza wstępa dr Potr Ls Welkość wyku fasowego determuje: etowość przedsęborstwa Welkość podatku dochodowego Welkość kaptałów własych Welkość dywded 1 Aalza wyku fasowego ma szczególe

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

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

Zadanie 1. ), gdzie 1. Zmienna losowa X ma rozkład logarytmiczno-normalny LN (, . EX (A) 0,91 (B) 0,86 (C) 1,82 (D) 1,95 (E) 0,84

Zadanie 1. ), gdzie 1. Zmienna losowa X ma rozkład logarytmiczno-normalny LN (, . EX (A) 0,91 (B) 0,86 (C) 1,82 (D) 1,95 (E) 0,84 Zadae. Zmea losowa X ma rozkład logarytmczo-ormaly LN (, ), gdze E ( X e X e) 4. Wyzacz. EX (A) 0,9 (B) 0,86 (C),8 (D),95 (E) 0,84 Zadae. Nech X, X,, X0, Y, Y,, Y0 będą ezależym zmeym losowym. Zmee X,

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

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

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

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

KALIBRACJA NIE ZAWSZE PROSTA

KALIBRACJA NIE ZAWSZE PROSTA KALIBRACJA NIE ZAWSZE PROSTA Potr Koeczka Katedra Chem Aaltyczej Wydzał Chemczy Poltechka Gdańska S w S C -? C w Sygał - astępstwo kosekwecja przeprowadzoego pomaru główy obekt zateresowań aaltyka. Cel

Bardziej szczegółowo

Różniczkowanie funkcji rzeczywistych wielu zmiennych. Matematyka Studium doktoranckie KAE SGH Semestr letni 2008/2009 R. Łochowski

Różniczkowanie funkcji rzeczywistych wielu zmiennych. Matematyka Studium doktoranckie KAE SGH Semestr letni 2008/2009 R. Łochowski Różczkowae fukcj rzeczywstych welu zmeych rzeczywstych Matematyka Studum doktoracke KAE SGH Semestr let 8/9 R. Łochowsk Pochoda fukcj jedej zmeej e spojrzee Nech f : ( α, β ) R, α, β R, α < β Fukcja f

Bardziej szczegółowo

Agenda. Politechnika Poznańska WMRiT ZST. Piotr Sawicki Optymalizacja w transporcie 1. Kluczowe elementy wykładu

Agenda. Politechnika Poznańska WMRiT ZST. Piotr Sawicki Optymalizacja w transporcie 1. Kluczowe elementy wykładu Poltechka Pozańska WMRT ZST Tytuł: 05 Lokalzaca obektów. Model PoPr Zastosowae prograowaa lowego Autor: Potr SAWICKI Zakład Systeów Trasportowych WMRT PP potr.sawck@put.poza.pl www.put.poza.pl/~potr.sawck

Bardziej szczegółowo

KONSTRUKCJA OPTYMALNYCH PORTFELI Z ZASTOSOWANIEM METOD ANALIZY FUNDAMENTALNEJ UJĘCIE DYNAMICZNE

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

Bardziej szczegółowo

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

ANALIZA KORELACJI DEFINICJA ZALEŻNOŚCI KORELACYJNEJ, RODZAJE ZALEŻNOŚCI KORELACYJNYCH KLASYFIKACJA METOD ANALIZY ZALEŻNOŚCI STATYSTYCZNYCH

ANALIZA KORELACJI DEFINICJA ZALEŻNOŚCI KORELACYJNEJ, RODZAJE ZALEŻNOŚCI KORELACYJNYCH KLASYFIKACJA METOD ANALIZY ZALEŻNOŚCI STATYSTYCZNYCH AALIZA KORELACJI DEFIICJA ZALEŻOŚCI KORELACYJEJ, Zależośd korelacyja (statystycza) występuje wtedy, gdy określoym wartoścom jedej zmeej są przyporządkowae pewe średe wartośc drugej zmeej e moża wyzaczyd

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

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

2012-10-11. Definicje ogólne

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

Bardziej szczegółowo

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

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

System finansowy gospodarki

System finansowy gospodarki System fasowy gospodark Zajęca r 6 Matematyka fasowa c.d. Rachuek retowy (autetowy) Maem rachuku retowego określa sę regulare płatośc w stałych odstępach czasu przy założeu stałej stopy procetowej. Przykłady

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

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

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

IV. ZMIENNE LOSOWE DWUWYMIAROWE

IV. ZMIENNE LOSOWE DWUWYMIAROWE IV. ZMIENNE LOSOWE DWUWYMIAROWE 4.. Rozkład zmeej losowej dwuwymarowej Defcja 4.. Uporządkowaą parę (X, Y) azywamy zmeą losową dwuwymarową, jeśl każda ze zmeych X Y jest zmeą losową. Defcja 4.. Fukcję

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

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

BADANIE STATYSTYCZNEJ CZYSTOŚCI POMIARÓW

BADANIE STATYSTYCZNEJ CZYSTOŚCI POMIARÓW INSTYTUT FIZYKI WYDZIAŁ INŻYNIERII RODUKCJI I TECHNOLOGII MATERIAŁÓW OLITECHNIKA CZĘSTOCHOWSKA RACOWNIA DETEKCJI ROMIENIOWANIA JĄDROWEGO Ć W I C Z E N I E N R J-6 BADANIE STATYSTYCZNEJ CZYSTOŚCI OMIARÓW

Bardziej szczegółowo

teorii optymalizacji

teorii optymalizacji Poltechka Gdańska Wydzał Oceaotechk Okrętowctwa St. II stop. se. I Podstawy teor optyalzac wykład 7 M. H. Ghae Ma 5 Podstawy teor optyalzac Oceaotechka II stop. se. I 5 Podstawy teor optyalzac Oceaotechka

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

Pomiary bezpośrednie i pośrednie obarczone błędem przypadkowym

Pomiary bezpośrednie i pośrednie obarczone błędem przypadkowym Pomary bezpośrede pośrede obarczoe błędem przypadkowym I. Szacowae wartośc przyblŝoej graczego błędu przypadkowego a przykładze bezpośredego pomaru apęca elem ćwczea jest oszacowae wartośc przyblŝoej graczego

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

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

Teorie inwestycyjne w zarządzaniu bogactwem na przykładzie instytucji Wealth Management

Teorie inwestycyjne w zarządzaniu bogactwem na przykładzie instytucji Wealth Management Bak Kredyt 4 (5, 00, 77 00 www.bakkredyt.bp.pl www.bakadcredt.bp.pl Teore westycyje w zarządzau bogactwe a przykładze stytucj Wealth Maageet Krzyszto Opolsk *, Toasz otock #, Toasz Śwst Nadesłay: 5 lutego

Bardziej szczegółowo