SPRZEDAŻ PONIŻEJ KOSZTU WŁASNEGO W PRZEDSIĘBIORSTWIE WIELOASORTYMENTOWYM

Wielkość: px
Rozpocząć pokaz od strony:

Download "SPRZEDAŻ PONIŻEJ KOSZTU WŁASNEGO W PRZEDSIĘBIORSTWIE WIELOASORTYMENTOWYM"

Transkrypt

1 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 WPROWADZENIE Z ekoomczego puktu wdzea sprzedaż pożej kosztu własego produkcj wydaje sę eracjoala. Jedak steją przesłak które staową wyjaśee takego dzałaa. Na przykład wydae produktu w forme tzw. gratsu celem reklamy produktu zastea a ryku czy ocey kosumeckej. W warukach gospodark rykowej sprzedaż pożej kosztów w przedsęborstwe wytwarzającym jede produkt ozacza dla ego straty. Jeśl przedsęborstwo produkuje węcej ż jede asortymet wtedy teoretycze steje możlwość uzyskaa przez e dodatego wyku fasowego gdy sprzedaje wybray asortymet pożej jego jedostkowego kosztu zmeego. W tym przypadku wyk jest uzależoy od wysokośc zysku wygeerowaego przez pozostałe asortymety. W ejszym artykule przeprowadza sę aalzę waruków jake muszą zostać spełoe w przedsęborstwe weloasortymetowym aby osągęło oo zadae tempo zma zysku przy założeu że jedostkowa cea jedego z asortymetów jest krotoścą jego jedostkowego kosztu zmeego. Założee to pozwala badać waruk umożlwające uzyskae zadaego tempa zma zysku w trzech przypadkach tz. gdy jedostkowa cea wybraego asortymetu jest ższa lub wyższa od jego jedostkowego kosztu zmeego albo mu rówa. Poadto przyjmuje sę że czyk determujące zysk do których ależą wolumey sprzedaży poszczególych asortymetów ch jedostkowe cey jedostkowe koszty zmee a także koszt stały przedsęborstwa mogą zmeać sę według stałych stóp. Spośród wymeoych czyków przedsęborstwo w dużej merze ma wpływ a welkość produkcj. W zwązku z tym w artykule pokazuje sę relację mędzy stopam (pozomam) sprzedaży produkowaych asortymetów gwaratującą przedsęborstwu weloasortymetowemu uzyskae Przegląd Prawa Admstracj for ths edto by CNS

2 ANNA ĆWIĄKAŁA-MAŁYS WIOLETTA NOWAK zakładaego tempa zma zysku gdy cea wybraego asortymetu jest ższa lub wyższa od jego jedostkowego kosztu zmeego albo mu rówa. W modelu zakłada sę że wolume sprzedaży daego asortymetu jest rówy wolumeow jego produkcj. Iym słowy przedsęborstwo sprzedaje całą swoją produkcję. Aalzę zagadea rozpoczya sę od przypadku przedsęborstwa produkującego dwa asortymety a astępe uogóla a przypadek asortymetów. PRODUKCJA DWÓCH ASORTYMENTÓW Zysk przedsęborstwa które produkuje (sprzedaje) dwa asortymety lczy sę w astępujący sposób: () Z = ( S Kz ) K = s gdze () S = p q przychód ze sprzedaży -tego asortymetu ( = ) (3) Kz = kz q koszt zmey -tego asortymetu K s koszt stały przedsęborstwa p jedostkowa cea sprzedaży -tego asortymetu kz jedostkowy koszt zmey -tego asortymetu q wolume sprzedaży (produkcj) -tego asortymetu. Przy założeu że wszystke welkośc mogą zmeać sę według stałych stóp zysk przedsęborstwa produkującego dwa asortymety wyos: (4) Zz = ( S ( dp ) Kz ( kz ) ( dq ) Ks ( dks) = gdze d q stopa zmay wolumeu sprzedaży -tego asortymetu d p stopa zmay jedostkowej cey sprzedaży -tego asortymetu d kz stopa zmay jedostkowego kosztu zmeego -tego asortymetu d Ks stopa zmay kosztu stałego pozostałe ozaczea jak wcześej. Tempo zmay zysku w przedsęborstwe wyzacza sę a podstawe Zz Z (5) dz =. Z Z rówań () (4) wyka że a tempo (5) mają wpływ róże czyk. Iym słowy zadae tempo zmay zysku moża uzyskać przy różym pozome stóp zma czyków określających zysk. Jeśl d q > 0 (d q < 0) to mów sę o stope wzrostu (spadku). A. Ćwąkała-Małys W. Nowak Uogóloa aalza wrażlwośc zysku w przedsęborstwe produkującym -asortymetów Badaa Operacyje Decyzje 007 r s. 5 4; A. Ćwąkała- Przegląd Prawa Admstracj for ths edto by CNS

3 SPRZEDAŻ PONIŻEJ KOSZTU WŁASNEGO 3 Na przykład przedsęborstwo osąge zadae tempo d z jeśl stopy zma sprzedaży perwszego drugego asortymetu spełają rówość (6) d q = α d q + β gdze S ( p Kz ( kz (7) α = S ( Kz ( p kz (8) = Sd p Sd p + Kz dkz + Kz dkz + Ks dks + Z dz β S ( dp ) Kz ( d kz ) przy czym wszystke ozaczea jak wcześej. Rówae (6) określa zwązek mędzy stopam sprzedaży perwszego drugego asortymetu dla ustaloych stóp zma jedostkowych ce jedostkowych kosztów zmeych obu asortymetów oraz stopy zmay kosztu stałego przedsęborstwa. Moża je wykorzystać w celu uzyskaa odpowedz a pytae o zwązek mędzy stopam sprzedaży perwszego drugego asortymetu gdy przedsęborstwo zamerza osągąć zadae tempo zma zysku d z przy czym jedostkowa cea drugego asortymetu jest krotoścą jego jedostkowego kosztu zmeego. By uzyskać powyższą odpowedź ależy przyjąć że jedostkowa cea drugego asortymetu jest powązaa z jedostkowym kosztem zmeym w astępujący sposób: (9) p ( + d p ) = ω kz ( + d kz ) ω 0. W zależośc od wartośc ω waruek (9) zawera w sobe szczególe przypadk. Jeśl ω = 0 jedostkowa cea drugego asortymetu wyos 0 czyl asortymet te może zostać p. rozday; ω (0 ) cea drugego asortymetu jest ższa od jego jedostkowego kosztu zmeego; ω = drug asortymetu jest sprzedaway według jedostkowego kosztu zmeego; ω > jedostkowa cea drugego asortymetu przewyższa jego jedostkowy koszt zmey. Po uwzględeu waruku (9) zwązek mędzy stopam sprzedaży perwszego drugego asortymetu ma postać (0) d q = α d q + β -Małys W. Nowak Realzacja zadaego tempa zma zysku w przedsęborstwe weloasortymetowym Zeszyty Teoretycze Rachukowośc (97) s Przegląd Prawa Admstracj for ths edto by CNS

4 4 ANNA ĆWIĄKAŁA-MAŁYS WIOLETTA NOWAK gdze: ( ω ) Kz ( kz () α = S ( Kz ( p kz S Sdp ω Kz ( kz + Kz dkz Kz dkz + Ks dks + Z dz () β = S ( Kz ( p kz przy czym wszystke ozaczea jak wcześej. Jeśl astąpła jedorazowa zmaa jedostkowej cey jedostkowego kosztu zmeego perwszego asortymetu jedostkowego kosztu zmeego drugego asortymetu oraz jedorazowa zmaa kosztu stałego przedsęborstwa to wzór (0) umożlwa określee stóp (lub pozomów wolumeu) sprzedaży obu asortymetów dla których przedsęborstwo osąga zadae tempo zma zysku przy ustaloym z góry zwązku mędzy jedostkową ceą jedostkowym kosztem zmeym drugego asortymetu. Możlwość praktyczego wykorzystaa zaprezetowaych rozważań lustruje poższy przykład. Przykład Celem przykładu jest pokazae zwązku mędzy stopam zma popytu a perwszy drug asortymet jeśl przedsęborstwo zakłada osągęce zadaego tempa zma zysku oraz przyjmuje określoą relację jedostkowej cey drugego asortymetu do jego jedostkowego kosztu zmeego. Początkowa charakterystyka hpotetyczego przedsęborstwa produkującego dwa asortymety jest przedstawoa w tab.. Tabela. Dae opsujące waruk początkowe w przedsęborstwe produkującym dwa asortymety Wyszczególee Perwszy asortymet Drug asortymet Wolume sprzedaży (szt.) (q ) Jedostkowa cea (zł/szt.) (p ) 4 5 Jedostkowy koszt zmey (zł/szt.) (kz ) 4 Wartość sprzedaży (zł) (S ) Koszt zmey (zł) (Kz ) Marża brutto (zł) (M ) Koszt stały (zł) (K s ) Zysk (zł) (Z) 6000 Źródło: opracowae włase. W celu zbadaa wcześej określoego zwązku mędzy stopam zma popytu a perwszy drug asortymet przyjmuje sę że w przypadku perwszego asortymetu astępuje jedorazowy wzrost jedostkowej cey o 3% jedost- Przegląd Prawa Admstracj for ths edto by CNS

5 SPRZEDAŻ PONIŻEJ KOSZTU WŁASNEGO 5 kowego kosztu zmeego o 5%. Zakłada sę róweż 3-procetowy wzrost jedostkowego kosztu zmeego drugego asortymetu oraz 5-procetowy wzrost kosztu stałego przedsęborstwa. W przykładze wybera sę charakterystycze pozomy tempa zma zysku tz.: d z = (00-procetowy spadek zysku) d z = 0 (pozom zysku e zmea sę mmo zma czyków go determujących) d z = (zysk przedsęborstwa zwększa sę o 00%). Oblczea przedstawa sę dla czterech różych relacj jedostkowej cey drugego asortymetu do jego jedostkowego kosztu zmeego tz. dla: ω = 0 (cea drugego asortymetu wyos 0) ω = 05 (cea drugego asortymetu w połowe pokrywa jego jedostkowy koszt zmey) ω = (jedostkowa marża dla drugego asortymetu jest zerowa cea jest rówa jedostkowemu kosztow zmeemu) ω = 5 (cea przewyższa o 50% jedostkowy koszt zmey). Dla stopy wzrostu jedostkowego kosztu zmeego drugego asortymetu d kz = 003 oraz wybraych relacj jedostkowej cey drugego asortymetu do jego jedostkowego kosztu zmeego stopy zma pozomy cey tego asortymetu oraz odpowede jedostkowe marże zawera tab.. Tabela. Stopy zmay cey drugego asortymetu odpowadające m pozomy ce jedostkowe marże Stopa zmay cey Jedostkowa cea Jedostkowa marża Wyszczególee drugego drugego drugego asortymetu asortymetu asortymetu d p ( + d p ) p ( + d p ) p ( + d kz ) kz ω = ω = ω = ω = Źródło: opracowae włase. Z tabel wyka że jedostkowa cea drugego asortymetu może obżyć sę o 588% tak by w połowe pokryła jedostkowy koszt zmey tegoż asortymetu. Będze rówa jedostkowemu kosztow zmeemu jeśl obży sę o 76%. Jeśl jedostkowy koszt zmey drugego asortymetu ukształtuje sę a pozome 4 zł/szt. (wzrośe o 3%) wtedy jego jedostkowa cea mus osągąć pozom 68 zł/szt. (tz. wzrosąć o 36%) by ω = 5. Zwązek mędzy stopam zma sprzedaży perwszego drugego asortymetu jest określoy za pomocą rówaa (0). Dla przyjętych w przykładze początkowych założeń stóp zma: d p = 003 d kz = 005 d kz = 003 d Ks = 005 wartośc współczyka α wyrazu wolego β są zawarte w tab. 3. Rozważae przedsęborstwo rozdając drug asortymet (w forme tzw. gratsów) e poos strat pod warukem że mędzy stopam zma popytu a perwszy drug asortymet zachodz zwązek postac d q = 96d q Przegląd Prawa Admstracj for ths edto by CNS

6 6 ANNA ĆWIĄKAŁA-MAŁYS WIOLETTA NOWAK Tabela 3. Wartośc współczyka α wyrazu wolego β Wyszczególee d z = (próg retowośc) d z = 0 d z = α β α β α β ω = ω = ω = ω = Źródło: opracowae włase. Tabela 4. Stopy zma pozomy popytu a perwszy asortymet gdy dq = 05 Wyszczególee d z = (próg retowośc) d z = 0 d z = d q ( + d q ) q d q ( + d q ) q d q ( + d q ) q ω = (3) ω = ω = ω = Źródło: opracowae włase. Przegląd Prawa Admstracj for ths edto by CNS

7 SPRZEDAŻ PONIŻEJ KOSZTU WŁASNEGO 7 Jeśl cea drugego asortymetu staow 50% jego jedostkowego kosztu zmeego to przedsęborstwo osąga popytowy próg retowośc jeśl d q = 0598d q W przypadku gdy jedostkowa cea drugego asortymetu jest rówa jego jedostkowemu kosztow zmeemu wtedy wzrost sprzedaży perwszego asortymetu o 9% gwaratuje przedsęborstwu osągęce progu retowośc. W warukach progu retowośc mędzy poszczególym stopam zma sprzedaży zachodz zwązek d q = 0598d q 0408 gdy jedostkowa cea drugego asortymetu jest o 50% wększa od jego jedostkowego kosztu zmeego. Jeśl wolume sprzedaży drugego asortymetu p. wzrośe o 50% to stopy zma pozomy popytu a perwszy asortymet przedstawa tab. 4. Przedsęborstwo e poese strat rozdając w forme tzw. gratsów drug asortymet pod warukem że popyt a perwszy asortymet wzrośe o 9849% czyl ukształtuje sę a pozome szt. Sprzedaż szt. drugego asortymetu po cee 06 zł/szt. zagwaratuje mu próg retowośc jeśl popyt a perwszy asortymet wyese 5 05 szt. Gdy przedsęborstwo sprzeda szt. drugego asortymetu po cee 68 zł/szt. to próg retowośc zapew mu sprzedaż perwszego asortymetu a pozome 359 szt. Iym słowy przychody ze sprzedaży obu asortymetów pokryją koszty całkowte przedsęborstwa awet gdy popyt a perwszy asortymet obży sę o 70674%. Przy określoym popyce a drug asortymet daej relacj jego jedostkowej cey do jedostkowego kosztu zmeego przedsęborstwo osąge tym wyższy pozom zysku m węcej sprzeda perwszego asortymetu. Zaprezetowae rozważaa moża uogólć a przypadek asortymetów. Jedak aalza zagadea dotyczącego osągęca zadaego tempa zma zysku przy założeu że wszystke czyk determujące zysk mogą zmeać sę według stałych stóp oraz cea jedego z asortymetów jest krotoścą jego jedostkowego kosztu w przypadku produkcj asortymetów jest zacze bardzej złożoa. Wraz ze wzrostem lczby asortymetów rośe lczba różych kombacj stóp sprzedaży poszczególych asortymetów pozwalających uzyskać zadae tempo zmay zysku. PRODUKCJA N ASORTYMENTÓW W przedsęborstwe -asortymetowym tempo zma zysku jest lczoe według (5) przy czym: (3) Z = ( S Kz ) K = (4) Z = ( S ( Kz ( ) ( K ( wszystke ozaczea jak wcześej. z p kz q = Przegląd Prawa Admstracj for ths edto by CNS s s Ks

8 8 ANNA ĆWIĄKAŁA-MAŁYS WIOLETTA NOWAK Jeśl przyjme sę że jedostkowa cea -tego asortymetu jest krotoścą jego jedostkowego kosztu zmeego p ( p (5) ω = kz ( kz to zwązek mędzy stopam sprzedaży poszczególych asortymetów w przedsęborstwe które osąga tempo d z jest astępujący (6) ν dq + ν dq = μ = gdze: (7) ν = S ( p Kz ( kz = (8) ν = ( ω ) Kz ( kz (9) μ = S ( S d Kz ω Kz ( + + Kz d + K d + Z d. p kz = kz kz s Ks z W (6) zakłada sę określoe tempa zma jedostkowych ce asortymetów jedostkowych kosztów zmeych wszystkch asortymetów oraz kosztu stałego przedsęborstwa. W przedsęborstwe weloasortymetowym osągęce zadaego tempa zma zysku d z przy ustaloym z góry zwązku mędzy jedostkową ceą jedostkowym kosztem zmeym -tego asortymetu jest możlwe przy różych kombacjach wartośc stóp zma wolumeów sprzedaży poszczególych asortymetów. Z (6) wyka że m węcej asortymetów produkuje przedsęborstwo tym jest łatwej straty ze sprzedaży jedego z ch zrekompesować przychodam ze sprzedaży ych. PODSUMOWANIE W warukach gospodark rykowej przedsęborstwa są zmuszoe do cągłego kokurowaa mędzy sobą. Jedym ze sposobów walk kokurecyjej może być sprzedaż produktu po cee rówej jedostkowemu kosztow zmeemu czy też od ego ższej. Sprzedaż daego asortymetu pożej pozomu jego jedostkowego kosztu zmeego ozacza dla przedsęborstwa straty. Jedak w przypadku przedsęborstwa weloasortymetowego mogą oe zostać zrekompesowae w wyku sprzedaży pozostałych asortymetów. Odpoweda lowa kombacja stóp sprzedaży poszczególych asortymetów umożlwa przedsęborstwu weloasortymetowemu osągęce zadaego tempa zma zysku a w skrajym przypadku progu retowośc. Przegląd Prawa Admstracj for ths edto by CNS

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

TMM-2 Analiza kinematyki manipulatora metodą analityczną

TMM-2 Analiza kinematyki manipulatora metodą analityczną Opracował: dr ż. Przemysław Szumńsk Laboratorum Teor Mechazmów Automatyka Robotyka, Mechatroka TMM- Aalza kematyk mapulatora metodą aaltyczą Celem ćwczea jest zapozae sę ze sposobem aalzy kematyk mechazmu

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

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

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

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

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

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

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

będą niezależnymi zmiennymi losowymi o tym samym 2 x

będą niezależnymi zmiennymi losowymi o tym samym 2 x Prawdopodobeństwo statystyka 8.0.007 r. Zadae. Nech,,, rozkładze z gęstoścą Oblczyć m E max będą ezależym zmeym losowym o tym samym { },,, { },,, gdy x > f ( x) = x. 0 gdy x 8 8 Prawdopodobeństwo statystyka

Bardziej szczegółowo

STATYKA. Cel statyki. Prof. Edmund Wittbrodt

STATYKA. Cel statyki. Prof. Edmund Wittbrodt STATYKA Cel statyk Celem statyk jest zastąpee dowolego układu sł ym, rówoważym układem sł, w tym układem złożoym z jedej tylko sły jedej pary sł (redukcja do sły mometu główego) lub zbadae waruków, jake

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

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

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

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

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

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

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

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

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

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

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

R j v tj, j=1. jest czynnikiem dyskontującym odpowiadającym efektywnej stopie oprocentowania i.

R j v tj, j=1. jest czynnikiem dyskontującym odpowiadającym efektywnej stopie oprocentowania i. c 27 Rafał Kucharsk Rety Wartość beżącą cągu kaptałów: {R t R 2 t 2 R t } gdze R jest kwotą omalą płacoą w chwl t = oblczamy jako sumę zdyskotowaych płatośc: przy czym = + R j tj j= jest czykem dyskotującym

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

Permutacje. } r ( ) ( ) ( ) 1 2 n. f = M. Przybycień Matematyczne Metody Fizyki I Wykład 2-2

Permutacje. } r ( ) ( ) ( ) 1 2 n. f = M. Przybycień Matematyczne Metody Fizyki I Wykład 2-2 Permutacje { 2,,..., } Defcja: Permutacją zboru lczb azywamy dowolą różowartoścową fukcję określoą a tym zborze o wartoścach w tym zborze. Uwaga: Lczba wszystkch permutacj wyos! Permutacje zapsujemy w

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

Dźwignie ekonomiczne w przedsiębiorstwie o produkcji wieloasortymentowej

Dźwignie ekonomiczne w przedsiębiorstwie o produkcji wieloasortymentowej ZESZYTY TEORETYCZNE RACHUNKOOŚCI, tom 48 (04), arszawa 2009 r. Dźwge ekoomcze w przedsęborstwe o produkcj weloasortymetowej Adam Żwrbla *. Klka uwag wstępych Zjawsko dźwg ekoomczych jest mmaete zwązae

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

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

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

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

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

Zadanie 1. Rzucamy symetryczną monetą tak długo, aż w dwóch kolejnych rzutach pojawią się,,reszki. Oblicz wartość oczekiwaną liczby wykonanych rzutów.

Zadanie 1. Rzucamy symetryczną monetą tak długo, aż w dwóch kolejnych rzutach pojawią się,,reszki. Oblicz wartość oczekiwaną liczby wykonanych rzutów. Pradopodobeństo statystya 6..3r. Zadae. Rzucamy symetryczą moetą ta długo aż dóch olejych rzutach pojaą sę resz. Oblcz artość oczeaą lczby yoaych rzutó. (A) 7 (B) 8 (C) 9 (D) (E) 6 Wsazóa: jeśl rzuce umer

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

Badania Operacyjne (dualnośc w programowaniu liniowym)

Badania Operacyjne (dualnośc w programowaniu liniowym) Badaa Operacye (dualośc w programowau lowym) Zadae programowaa lowego (PL) w postac stadardowe a maksmum () c x = max, podczas gdy spełoe są erówośc () ax = b ( m ), x 0 ( ) Zadae programowaa lowego (PL)

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

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

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

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

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

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

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

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

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

EKSTREMA FUNKCJI EKSTREMA FUNKCJI JEDNEJ ZMIENNEJ. Tw. Weierstrassa Każda funkcja ciągła na przedziale domkniętym ma wartość najmniejszą i największą.

EKSTREMA FUNKCJI EKSTREMA FUNKCJI JEDNEJ ZMIENNEJ. Tw. Weierstrassa Każda funkcja ciągła na przedziale domkniętym ma wartość najmniejszą i największą. Joaa Ceślak, aula Bawej ESTREA FUNCJI ESTREA FUNCJI JEDNEJ ZIENNEJ Otoczeem puktu R jest każdy przedzał postac,+, gdze >. Sąsedztwem puktu jest każdy zbór postac,,+, gdze >. Nech R, : R oraz ech. De. ówmy,

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

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

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

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

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

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

Modelowanie i Analiza Danych Przestrzennych

Modelowanie i Analiza Danych Przestrzennych Modelowae Aalza Daych Przestrzeych Wykład 8 Adrze Leśak Katedra Geoformatyk Iformatyk Stosowae Akadema Górczo-Hutcza w Krakowe Jaką postać ma warogram daych z tredem? Moża o wylczyć teoretycze prostego

Bardziej szczegółowo

ANALIZA INPUT - OUTPUT

ANALIZA INPUT - OUTPUT Aalza put - output Notatk S Dorosewcz J Staseńko Stroa z 28 SŁAWOMIR DOROSIEWICZ JUSTYNA STASIEŃKO ANALIZA INPUT - OUTPUT NOTATKI Istytut Ekoometr SGH Aalza put - output Notatk S Dorosewcz J Staseńko Stroa

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

Struktura czasowa stóp procentowych (term structure of interest rates)

Struktura czasowa stóp procentowych (term structure of interest rates) Struktura czasowa stóp procetowych (term structure of iterest rates) Wysokość rykowych stóp procetowych Na ryku istieje wiele różorodych stóp procetowych. Poziom rykowej stopy procetowej (lub omialej stopy,

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

Natalia Nehrebecka. Zajęcia 4

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

Bardziej szczegółowo

Modele wartości pieniądza w czasie

Modele wartości pieniądza w czasie Joaa Ceślak, Paula Bawej Modele wartośc peądza w czase Podstawowe pojęca ozaczea Kaptał (ag. prcpal), kaptał początkowy, wartośd początkowa westycj - peądze jake zostały wpłacoe a początku westycj (a początku

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

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

( ) ( ) ( ) ( ) ( ) ( )

( ) ( ) ( ) ( ) ( ) ( ) ,,, ~ B, β ( β β ( ( Γ( β Γ + f ( Γ ( + ( + β + ( + β Γ + β Γ + Γ + β Γ + + β E Γ Γ β Γ Γ + + β Γ + Γ β + β β β Γ + β Γ + Γ + β Γ + + β E ( Γ Γ β Γ Γ + + β Γ + Γ β β + β Metoda mometów polega a przyrówau

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

Podprzestrzenie macierzowe

Podprzestrzenie macierzowe Podprzestrzee macerzowe werdzee: Dla dwóch macerzy A B o tych samych wymarach zachodz: ( ) ( ) wersz a) R A R B A ~ B Dowód: wersz a) A ~ B stee P taka że PA B 3 0 A 4 3 0 0 E A B 0 0 0 E B 3 6 4 0 0 0

Bardziej szczegółowo

Lista 6. Kamil Matuszewski 26 listopada 2015

Lista 6. Kamil Matuszewski 26 listopada 2015 Lsta 6 Kaml Matuszews 6 lstopada 5 4 5 6 7 8 9 4 5 X X X X X X X X X X X D X X N Gdze X-spsae, D-Delarowae, N-edelarowae. Zadae Zadae jest westą odpowedego pomalowaa. Weźmy sobe szachowcę x, poumerujmy

Bardziej szczegółowo

INSTRUKCJA DO ĆWICZENIA NR 2

INSTRUKCJA DO ĆWICZENIA NR 2 KATEDRA MECHANIKI STOSOWANEJ Wydzał Mehazy POLITECHNIKA LUBELSKA INSTRUKCJA DO ĆWICZENIA NR 2 PRZEDMIOT TEMAT OPRACOWAŁ MECHANIKA TECHNICZNA Wyzazee położee środka ężkoś układu mehazego Dr ż. K. Kęk 1.

Bardziej szczegółowo

LABORATORIUM FIZYKI PAŃSTWOWEJ WYŻSZEJ SZKOŁY ZAWODOWEJ W NYSIE

LABORATORIUM FIZYKI PAŃSTWOWEJ WYŻSZEJ SZKOŁY ZAWODOWEJ W NYSIE LABORATORIUM FIZYKI PAŃSTWOWEJ WYŻSZEJ SZKOŁY ZAWODOWEJ W NYSIE Ćwzee r 4 Temat: Wyzazee współzyka załamaa ezy refraktometrem Abbego.. Wprowadzee Śwatło, przy przejśu przez graę dwóh ośrodków, zmea swój

Bardziej szczegółowo

Wnioskowanie statystyczne dla korelacji i regresji.

Wnioskowanie statystyczne dla korelacji i regresji. STATYSTYKA MATEMATYCZNA WYKŁAD 6 Woskowae statstcze dla korelacj regresj. Aalza korelacj Założee: zmea losowa dwuwmarowa X, Y) ma rozkład ormal o współczku korelacj ρ. X, Y cech adae rówocześe. X X X...

Bardziej szczegółowo

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 4

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

Bardziej szczegółowo

Szeregi czasowe, modele DL i ADL, przyczynowość, integracja

Szeregi czasowe, modele DL i ADL, przyczynowość, integracja Szereg czasowe, modele DL ADL, rzyczyowość, egracja Szereg czasowy, o cąg realzacj zmeej losowej, owedzmy y, w kolejych okresach czasu: { y } T, co rówoważe możemy zasać: = 1 y = { y1, y,..., y T }. Najogólej

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

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

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

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

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

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

Statystyka Matematyczna Anna Janicka

Statystyka Matematyczna Anna Janicka Statystyka Matematycza Aa Jacka wykład II, 3.05.016 PORÓWNANIE WIĘCEJ NIŻ DWÓCH POPULACJI TESTY NIEPARAMETRYCZNE Pla a dzsaj 1. Porówywae węcej ż dwóch populacj test jedoczykowej aalzy waracj (ANOVA).

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

[, ] [, ] [, ] ~ [23, 2;163,3] 19,023 2,7

[, ] [, ] [, ] ~ [23, 2;163,3] 19,023 2,7 6. Przez 0 losowo wybrayh d merzoo zas dojazdu do pray paa A uzyskują próbkę x,..., x 0. Wyk przedstawały sę astępująo: jest to próbka losowa z rozkładu 0 0 x 300, 944. x Zakładamy, że N ( µ, z ezaym parametram

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

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

GEODEZJA INŻYNIERYJNA SEMESTR 6 STUDIA NIESTACJONARNE

GEODEZJA INŻYNIERYJNA SEMESTR 6 STUDIA NIESTACJONARNE GEODEZJ INŻNIERJN SEMESTR 6 STUDI NIESTCJONRNE CZNNIKI WPŁWJĄCE N GEOMETRIĘ UDNKU/OIEKTU Zmaę geometr budyku mogą powodować m.: czyk atmosferycze, erówomere osadae płyty fudametowej mogące skutkować wychyleem

Bardziej szczegółowo