Premia za ryzyko na Londyńskiej Giełdzie Metali

Wielkość: px
Rozpocząć pokaz od strony:

Download "Premia za ryzyko na Londyńskiej Giełdzie Metali"

Transkrypt

1 Mara Chylńska * Prema za ryzyko a Lodyńskej Gełdze Meal Wsęp Podmoy zaagażowae w dzałalośc opare a mealach eżelazych uzają Lodyńską Gełdę Meal (Lodo Meal Exchage, LME) za ryek, a kórym odkrywae są śwaowe cey ych meal dla różych ermów dosawy, a wymagae przez ą preme za ryzyko za koszy swojego uczescwa w jej ermowych rykach cząskowych [MacDoald, Taylor, 989; Sepho, Cochrae, 99; Waks, McAleer, 6]. Celem pracy jes aalza kszałowaa sę w czase prem za ryzyko dla koraków ermowych a meale eżelaze oowae a LME w laach 998. W pracy zweryfkowao dwe hpoezy badawcze. Perwsza z ch głos że preme za ryzyko zmeają sę w czase, druga zaś że ch welkośc zależą od sau śwaowej gospodark (koukury). Podsawą woskowaa o ch prawdzwośc jes zmodyfkoway model prem za ryzyko zapropooway przez Famę [984 a, b]. Model e oszacowao a podsawe mesęczych szeregów czasowych ce koraków a alumum, medź, cyk, cyę, kel oraz ołów aychmasowych ermowych o zapadaloścach 3, 5 oraz 7 mesęcy z okresu syczeń 998 marzec roku (7 obserwacj z osaego da roboczego w mesącu). Sosowe oblczea wykoao za pomocą pakeu SaaSE.. Praca składa sę z dwóch częśc. W perwszej ukazuje sę model Famy oraz sposób jego wykorzysaa do weryfkacj hpoez o zmeośc w czase prem za ryzyko zależośc ch welkośc od sau śwaowej gospodark. W drugej przedsawa sę przebeg badaa ad zmeoścą w czase ych prem oraz sprawozdaje sę uzyskae wyk. W Zakończeu w sposób syeyczy zesawa sę zasadcze wosk badawcze. Przeprowadzoe badae e daje w zasadze podsaw do odrzucea obu hpoez. W okrese objęym badaem preme za ryzyko dla zaczej lczby koraków ermowych a meale eżelaze oowae a LME zmeały sę w czase, a ch welkośc zależały od sau śwaowej gospodark (koukury).. Hpoeza o zmeośc w czase prem za ryzyko sposób jej weryfkacj W modelu prem za ryzyko zakłada sę, że beżąca cea ermowa jes rówa oczekwaej a chwlę zapadalośc koraku ermowego jego cee aychmasowej powększoej o premę za ryzyko [Waks, McAleer, 6, s. 856]: gdze: S S P F E () F, cea ermowa z chwl koraku a meal o zapadalośc w chwl,, cea aychmasowa koraku a meal z chwl, P, prema za ryzyko z chwl, E E I cey aychmasowej z chwl + są racjoale, o S E S. Jeśl oczekwaa a chwlę uczesków ryku odośe do, gdze * Mgr ż., Kaedra Ekoomer Wydzał Zarządzaa, Uwersye Gdańsk mchylska@wzr.ug.edu.pl Dla ołowu cyy były o koraky aychmasowe oraz o zapadaloścach 3 5 mesęcy. Dae pobrao z [

2 odzwercedla popełae przez ch błędy wycey a skuek apływu owych formacj w okrese,. Sąd S P F lub S a F () W wypadku gdy ryek ermowy daego mealu jes efekywy a a P wyraża premę za ryzyko. oraz E, Ze względu a esacjoarość szeregów czasowych cey aychmasowej cey ermowej w badau ad zmeoścą w czase prem za ryzyko wykorzysuje sę modyfkację rówaa () zapropoowaą przez Famę [984 a, b]:, F S F S (3a) S S F S (3b),, S,, S S, F S W powyższym modelu F, odzwercedlają odpowedo błąd progozy a okresów aprzód, -okresową zmaę cey aychmasowej oraz premę forward. Poado składk losowe są ake, że E ( ) oraz E ( ). W układze (3a b) współczyk kerukowe są rówe odpowedo [MacDoald, Taylor, 989, s. 46]: var( P, ) cov P,, ES I S vare S I S covp, ES I ES I S covp, ES I S vare S I S cov P, ES I (4a) var( P ) S var (4b) var( P ) S Sałość w czase prem za ryzyko mplkuje: var(, ) cov P,, E S I S. Zachodz wedy:,,, a oraz, a, gdze a a. Z uwag a o, że P oraz var( P ) var E S I S (5) var F S różca odzwercedla względą zmeość prem za podjęce ryzyka do zmeośc oczekwaej zmay cey aychmasowej [por. p. Młobędzk 7]. Tablca. Zarys akualego sau badań ad zmeoścą w czase prem za ryzyko a rykach cząskowych meal eżelazych a LME Auor Wykorzysae szereg czasowe Zakres czasowy badaa [Glber, 986] C, C3, L, L3, T, T3, Z, Z [Sepho, Cochrae, 99] C, C3, L, L3, Z,, Z3, A, A3, N, N3 [Młobędzk 7] C, C3, C5, C7, A, A3, A5, A7, N, N3, N5, N7, L, L3, L5, T, T3, T5, Z, Z3, Z5, Z Częsolwość daych mesęcza mesęcza mesęcza Wosk badawcze prema za ryzyko sała w czase dla L3 T3 prema za ryzyko zmea w czase dla Z3, T3 C3 prema za ryzyko zmea w czase dla C3, N3, Z3, A5, M5, L5, A7, C7 C, C3, C5, C7 szereg czasowe ce koraku aychmasowego koraków ermowych a medź o zapadaloścach odpowedo 3, 5 oraz 7 mesęcy; aalogcze: A, A3, A5, A7 szereg czasowe ce koraków a alumum, N, N3, N5, N7 kel, L, L3, L5 ołów, T, T3, T5 cyę oraz Z, Z3, Z5, Z5 cyk. Źródło: Opracowae włase.

3 Badaa ad zmeoścą w czase prem za ryzyko a rykach cząskowych koraków ermowych a meale eżelaze oowae a LME w oparcu o model Famy przeprowadzl Glber [986], Sepho Cochrae [99] oraz Młobędzk [7] (zobacz ablca ). W badaach ych wykorzysal szereg czasowe koraków a meale o częsolwośc mesęczej. Wykazal że w różych okresach la 97 7 prema za ryzyko a welu rykach cząskowych zmeała sę w czase. Ne wskazal jedak przyczy jej zmeośc. W celu zbadaa wpływu sau śwaowej gospodark a zmeość w czase prem za ryzyko oraz welkość ej prem w ejszej pracy zasosowao prosą modyfkację modelu Famy, w kórej dopuszczoo w układze rówań (3a b) do różcowaa sę wyrazów wolych oraz współczyków kerukowych. Zmodyfkoway w e sposób układ przyjął posać: F S ' d F S ' F S d (6a) S S ' d F S ' F S d (6b) gdze d dla dobrego d dla złego sau śwaowej gospodark. Say gospodark deyfkowao a dwa sposoby: ) wykorzysując formacje odoszące sę do faz cyklu koukuralego w wodącej gospodarce śwaa amerykańskej, publkowae przez Naoal Bureau of Ecoomc Research [hp:// org/cycles/cyclesma.hml ] oraz ) wyzaczając jedookresowe sopy zwrou z wygładzoego deksu MSCI World Idex, odzwercedlającego wzros (zmay koukury) gospodark śwaowej [hp:// W ym drugm wypadku mesęczy szereg czasowy logarymu auralego deksu ajperw wygładzao za pomocą scerowaej średej ruchomej l l W k k W (7) gdze,,...,, a asępe wyzaczao przyrosy lw. Swerdzwszy dalej, a podsawe wyków esu ser dwóch rodzajów elemeów, kóre szereg czasowe przyrosów e są losowe względem średej (meday, zera), spośród ch wyberao ak kóry charakeryzował sę ajmejszą lczbą ser dla ego kosruowao aką zmeą zerojedykową d, że d dla lw oraz d w przecwym wypadku. Sałość w czase prem za ryzyko dla dobrego (złego) sau gospodark skukuje ym, że w modelu (6a b), oraz (, oraz a ). W syuacj w kórej, welkość prem za ryzyko e zależy od sau gospodark. Z kole różca jes marą względej zmeośc prem za podjęce ryzyka do zmeośc oczekwaej zmay cey aychmasowej w dobrym sae gospodark. Jeżel założee o racjoalośc oczekwań uczesków ryku odośe do przyszłej cey aychmasowej jes spełoe, składk losowe model (3a b) (6a b) są eskorelowae z ceą forward premą forward. W akej syuacj paramery srukurale ych model mogą być szacowae za pomocą meody ajmejszych kwadraów (MNK). Nemej z uwag a możlwość skorelowaa w czase heeroskedasyczośc składków losowych do wyzaczea ch błędów sadardowych szacuku używa sę odporego esymaora Newey a-wesa [Newey, Wes, 987].

4 . Wyk badaa ad zmeoścą w czase prem za ryzyko a cząskowych rykach ermowych meal eżelazych LME Weryfkacja obraych hpoez badawczych przebegała w dwóch eapach. W perwszym eape MNK oszacowao paramery model (3a b) (6a b); w drugm ałożoo odpowede resrykcje a ch paramery srukurale w celu zweryfkowaa hpoezy o zmeośc w czase prem za ryzyko ch zależośc od sau gospodark. Wyk sosowych oblczeń dla modelu (3a-b) modelu (6a b), w wypadku gdy sa śwaowej gospodark określoo, posługując sę wygładzoym deksem MSCI World Idex,zameszczoo w ablcach a c, 3a c, 4a c oraz 5a c. W ablcach a, b, c przedsawoo wyk esymacj modelu (3a b) dla koraków a meale eżelaze o zapadaloścach odpowedo 3, 5 7 mesęcy. Z daych w ch zesawoych wyka, że a pozome soośc, 5 dla koraków o zapadalośc 7 mesęcy a kel cyk odrzucoo hpoezę zerową głoszącą, że ( ), co sugeruje wysępowae zmeej w czase prem za podjęce ryzyka. Jej zmeość w czase okazała sę w ych przypadkach mejsza od zmeośc oczekwaej zmay cey aychmasowej. Dla pozosałych koraków brak było podsaw do odrzucea hpoezy zerowej o sałośc prem za ryzyko. Tablca a. Wyk esymacj MNK układu rówań (3a b) dla koraków aychmasowych z dosawą za 3 mesące (syczeń 998 marzec ) Meal S S Alumum -6,78,6 6,78,38 8,84,7,3,7 Medź -48,7 -,3 48,7,3 87,,45, -,34 Nkel -6,3,6 6,3 -,6 55,,4,4,58 Ołów -9,98,74 9,98,6 4,7,57,7,43 Cya -358,79 -,7 358,79,7 98,44,7, -,39 Cyk 5, -,36-5, 3,36 67,7,99,4 -,44 Ocey saysyk: ~ dla H : ( ~ dla H: ; ), ocey saysyk czcoką pogruboą soość a pozome soośc, 5 Źródło: Oblczea włase. Tablca b. Wyk esymacj MNK układu rówań (3a b) dla koraków aychmasowych z dosawą za 5 mesęcy (syczeń 998 marzec ) Meal S S Alumum -3,46,89 3,46 -,89 96,4,99 3,64,4 Medź -77,76,88 77,76, 34,,4,39,7 Nkel -3565,3 -,7 3565,3,7 68,63,4 3,7-3, Ołów -6, -,6 6,,6 3,5,5,6 -,73 Cya -67,7,7 67,7 -,7 5,65,3,37,96 Cyk -37,97 -,6 37,97,6,9,87,7 -, Ocey saysyk: ~ dla H : ( ), czcoką pogruboą soość a pozome soośc, 5 Źródło: Oblczea włase. ~ dla H: ; ocey saysyk Tablca c. Wyk esymacj MNK układu rówań (3a b) dla koraków aychmasowych z dosawą za 7 mesęcy (syczeń 998 marzec ) Meal S S Najlepszą scerowaą średą ruchomą w śwele obraego kryerum wygładzaa okazała sę średa 7- okresowa. Ideyfkacja saów śwaowej gospodark w okrese objęym aalzą a podsawe formacj publkowaych przez NBER dała podobe wyk.

5 Alumum -49,77, 49,77,88 66,33,96, -,39 Medź -475,5,7 475,5,73 536,97,,7 -,3 Nkel -73, -, 73,, 56,3,38 7,4-3,98 Ołów Cya Cyk -387,5 -,46 387,5,46 66,74,34 8,88-5,83 Ocey saysyk: ~ dla H : ( pogruboą soość a pozome soośc, 5 Źródło: Oblczea włase. ), ~ dla H: ; ocey saysyk czcoką W ablcach 3a c przedsawoo wyk esymacj paramerów srukuralych modelu (6a b), w ablcach 4a c ocey ch błędów sadardowych szacuku, aomas w ablcach 5a c ocey sosowych saysyk esowych. Na podsawe orzymaych wyków a pozome soośc α =,5 dla okresów złego sau śwaowej gospodark odrzucoo hpoezę zerową głoszącą sałość w czase prem za ryzyko a rzecz hpoezy aleraywej o jej zmeośc w czase dla koraków a medź dla wszyskch zapadalośc dla koraków a ołów cyk o zapadalośc 5 mesęcy oraz koraków a cyk o zapadaloścach 5 7 mesęcy. Zmeość prem za podjęce ryzyka okazała sę w ych przypadkach (poza korakem a cyę o zapadalośc 5 mesęcy) mejsza od zmeośc oczekwaej zmay cey aychmasowej. Tablca 3a. Wyk esymacj MNK układu rówań (6a b) dla koraków aychmasowych z dosawą za 3 mesące (syczeń 998 marzec ) Meal Alumum -4,33-7,54,9 -,88 4,33 7,54 -,9,88 Medź 5,7-83,98 -,7 3,34-5,7 83,98,7-3,34 Nkel 458,7-43,4,43 -,5-458,7 43,4 -,43,5 Ołów 54,49-7,89 -,4,98-54,49 7,89,4 -,98 Cya -57,4-54,3,5 -,9 57,4 54,3 -,5,9 Cyk 33,6-43,68,78-5,4-33,6 43,68 -,78 5,4 Źródło: Oblczea włase. Tablca 3b. Wyk esymacj MNK układu rówań (6a b) dla koraków aychmasowych z dosawą za 5 mesęcy (syczeń 998 marzec ) Meal Alumum,5-354,4,,8 -,5 354,4 -, -,8 Medź -4,9-69,78-5,67 7,6 4,9 69,78 6,67-7,6 Nkel -957,5-4596,74 -,85,86 957,5 4596,74,85 -,86 Ołów,55-454,74-8, 7,93 -,55 454,74 9, -7,93 Cya 8, -355,8 6,69-6,75-8, 355,8-5,69 6,75 Cyk 64,56-933,3-9,55 8, -64,56 933,3,55-8, Źródło: Oblczea włase. Tablca 3c. Wyk esymacj MNK układu rówań (6a b) dla koraków aychmasowych z dosawą za 7 mesęcy (syczeń 998 marzec ) Meal Alumum 64,64-9,88 -,73,74-64,64 9,88,73 -,74 Medź -478,7 8,9 -,9,93 478,7-8,9 3,9 -,93 Nkel -673, -773,68-3,8,73 673, 773,68 4,8 -,73 Ołów Cya

6 Cyk 47,7-93,74-4,9 3, -47,7 93,74 5,9-3, Źródło: Oblczea włase. Tablca 4a. Wyk esymacj MNK układu rówań (6a b) dla koraków aychmasowych z dosawą za 3 mesące (syczeń 998 marzec ) S S S S cov, Meal Alumum 46,78 58,89 3,4 3,36-9,95 Medź 44,7 84,66,49,8-6,4 Nkel 693,89 86,4,57,8-6,58 Ołów 8,48 4,5,9,7-3,9 Cya 4,54 594,58 4,79 4,99 -,56 Cyk 4,86 96,,67 3,53-7,68 Źródło: Oblczea włase. Tablca 4b. Wyk esymacj MNK układu rówań (6a b) dla koraków aychmasowych z dosawą za 5 mesęcy (syczeń 998 marzec ) S S S S cov, Meal Alumum 8,7 4,67,9,85-3,3 Medź 49,5 56,58,93,38 -,6 Nkel 78,5 369,73,64,79-7,8 Ołów 34,,4,4,88 -,38 Cya 7,98 657,9,,8-3, Cyk 46,9 355,8 3,4 3,9 -,84 Źródło: Oblczea włase. Tablca 4c. Wyk esymacj MNK układu rówań (6a b) dla koraków aychmasowych z dosawą za 7 mesęcy (syczeń 998 marzec ) S S S S cov, Meal Alumum 5,47,4,96,55 -, Medź 734,38 96,53,89,39 -,78 Nkel 5, 44,3,8,93 -,67 Ołów Cya Cyk 54,7 44,6,99,6 -, Źródło: Oblczea włase.

7 Tablca 5a. Wyk esymacj MNK układu rówań (6a b) dla koraków aychmasowych z dosawą za 3 mesące (syczeń 998 marzec ) Meal 3 Alumum,53,74,7,57 -,97 Medź,,4 3,78-4,68,5 Nkel,89,9,68,75,38 Ołów,56,9,44 -,,6 Cya,,34,7, -,4 Cyk,44,34 3,7,48 -,99 Ocey saysyk: ~ dla H : ( H : ( ), ), ~ dla ~ dla H : H : ( ), ~ dla, ~ 4 4 dla 3 H : ; ocey saysyk czcoką pogruboą soość a pozome soośc, 5 Źródło: Oblczea włase. Tablca 5b. Wyk esymacj MNK układu rówań (6a b) dla koraków aychmasowych z dosawą za 5 mesęcy (syczeń 998 marzec ) Meal 3 Alumum,33, 3,98,3,8 Medź 37,6 6,3,5-6,67,7 Nkel,49, 5,73 -,89-3,6 Ołów 43,43 8,,5-6,99 -,6 Cya 9,95 5,74,,9 -,3 Cyk 7,83 5,95,99 -,95 -,9 Ocey saysyk: ~ dla H : ( H : ( ), ), ~ dla ~ dla H : H : ( ), ~ dla, ~ 4 4 dla 3 H : ; ocey saysyk czcoką pogruboą soość a pozome soośc, 5 Źródło: Oblczea włase. Tablca 5c. Wyk esymacj MNK układu rówań (6a b) dla koraków aychmasowych z dosawą za 7 mesęcy (syczeń 998 marzec ) Meal 3 Alumum,59,3, -,9 -,43 Medź 6,55 4,45,35-3,,3 Nkel,47 8,6 5,79-5,4-3,5 Ołów Cya Cyk 4,75 7,4,6-5,48-4,35 Ocey saysyk: ~ dla H : ( H : ( ), ), ~ dla ~ dla H : H : ( ), ~ dla, ~ 4 4 dla 3 H : ; ocey saysyk czcoką pogruboą soość a pozome soośc, 5 Źródło: Oblczea włase. Z kole dla okresów dobrego sau śwaowej gospodark hpoezę zerową o sałośc prem za ryzyko odrzucoo ylko dla koraków a alumum o zapadalośc 5 mesęcy, koraków a kel o zapadaloścach 5 7 mesęcy oraz koraku a cyk o zapadalośc 5 mesęcy. We wszyskch przypadkach (poza korakem a alumum o zapadalośc 5 mesęcy) zmeość prem za ryzyko okazała sę mejsza od zmeośc oczekwaej zmay cey aychmasowej. Waro róweż podkreślć, że prawe dla wszyskch koraków a meale eżelaze o zapadaloścach 5 7 mesęcy welkość prem za ryzyko ezależe od ego czy była sała, czy eż zmeała sę w czase okazała sę zależeć od sau śwaowej gospodark.

8 Zakończee Aalza zmeośc w czase prem za ryzyko a ermowych rykach cząskowych meal eżelazych oowaych a LME przeprowadzoa w oparcu o zmodyfkoway model Famy wykazała, że preme e dla zaczej lczby meal przyajmej jedego ermu ch dosawy zmeały sę w czase. Zmeość a była zazwyczaj mejsza od zmeośc oczekwaej zmay cey aychmasowej. Lczba ermowych ryków cząskowych, dla kórych swerdzoo zmeość w czase prem za ryzyko, była wększa w okresach złego ż w okresach dobrego sau śwaowej gospodark. Aalza dosarczyła eż mocych przesłaek do werdzea, że welkość ych prem zależała od sau śwaowej gospodark. Swerdzea składające sę a dwa osae wosk w zaczący sposób rozszerzają doychczasową wedzę o mechazme saowea ce meal eżelazych a LME. Leraura. Fama E. (984 a), Forward ad spo exchage raes, Joural of Moeary Ecoomcs, Vol. 4.. Fama E. (984 b), The formao he erm srucure, Joural of Facal Ecoomcs, Vol Glber C.L. (986), Tesg he effce marke hypohess o averaged daa, Appled Ecoomcs, Vol MacDoald R., Taylor M.P. (989), Raoal expecaos, rsk ad effcecy he Lodo Meal Exchage, Appled Ecoomcs, Vol.. 5. Młobędzk P. (7), Efekywość formacyja Lodyńskej Gełdy Meal "Prace Maerały Wydzału Zarządzaa Uwersyeu Gdańskego", r Newey W.K., Wes K.D. (987), A Smple, Posve Defe, Heerosce- dascy ad Auocorrelao Cosse Covarace Marx, Ecoomerca, Vol Oo S. (), Does he Lodo Meal Exchage Follow a Radom Walk? Evdece from he Predcably of Fuures Prces, Ope Ecoomercs Joural, Vol Oo S. (), A Speculave Effcecy Aalyss of he Lodo Meal Exchage a Mul- Corac Framework, Ieraoal Joural of Ecoomcs & Face, Vol. 3, No.. 9. Sepho P.S., Cochrae D.K. (99), The effcecy of he Lodo Meal Exchage: aoher look ad he evdece, Appled Ecoomcs, Vol. 3.. Waks C., McAleer M. (6), Prcg of o-ferrous meals fuures o he Lodo Meal Exchage, Appled Facal Ecoomcs, Vol. 6. Sreszczee W pracy sprawozdaje sę wyk badaa ad zmeoścą w czase prem za ryzyko a Lodyńskej Gełdze Meal przeprowadzoego w oparcu o zmodyfkoway model Famy [984 a, b]. W jego esymacj waldacj wykorzysao mesęcze szereg czasowe logarymów auralych ce koraków a meale eżelaze (alumum, medź, cyk, cyę, kel, ołów) aychmasowych ermowych o zapadalośc 3, 5 oraz 7 mesęcy z okresu syczeń 998 marzec roku. Swerdzoo, że preme e dla zaczej lczby meal przyajmej jedego ermu ch dosawy zmeały sę w czase. Zmeość a była zazwyczaj mejsza od zmeośc oczekwaej zmay cey aychmasowej. Lczba ermowych ryków cząskowych, dla kórych swerdzoo zmeość w czase prem za ryzyko, była wększa w okresach złego ż w okresach dobrego sau śwaowej gospodark. Sa gospodark różcował eż welkość ych prem.

9 Słowa kluczowe prema za ryzyko, hpoeza ryku efekywego, Lodyńska Gełda Meal meale eżelaze The Rsk Prema he Lodo Meal Exchage (Summary) Ths paper repors he resuls of esg for me varyg rsk prema he Lodo Meal Exchage. I dog so a modfed Fama s [984 a, b] model s esmaed ad valdaed o he mohly sampled daa exhbg he oferrous meals spo, 3, 5 ad 7 moh fuures prces from he perod Jauary 998 March. The ma fdgs clude hose ha he rsk prema for may meals ad a leas her oe delvery were me varyg, ad he prema levels depeded o he sae of he world ecoomy. Keywords rsk prema, effce marke hypohess, Lodo Meal Exchage, oferrous meals

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

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

Bardziej szczegółowo

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

Zastosowanie metody najmniejszych kwadratów do pomiaru częstotliwości średniej sygnałów o małej stromości zboczy w obecności zakłóceń

Zastosowanie metody najmniejszych kwadratów do pomiaru częstotliwości średniej sygnałów o małej stromości zboczy w obecności zakłóceń Zasosowae meody ajmejszych kwadraów do pomaru częsolwośc średej sygałów o małej sromośc zboczy w obecośc zakłóceń Elgusz PAWŁOWSKI, Darusz ŚWISULSKI Podsawowe meody pomaru częsolwośc Zlczae okresów w zadaym

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

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH

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

Bardziej szczegółowo

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

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

Statystyczna analiza miesięcznych zmian współczynnika szkodowości kredytów hipotecznych

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

ma rozkład normalny z wartością oczekiwaną EX = EY = 1, EZ = 0 i macierzą kowariancji

ma rozkład normalny z wartością oczekiwaną EX = EY = 1, EZ = 0 i macierzą kowariancji Zadae. Zmea losowa (, Y, Z) ma rozkład ormaly z wartoścą oczekwaą E = EY =, EZ = 0 macerzą kowaracj. Oblczyć Var(( Y ) Z). (A) 5 (B) 7 (C) 6 Zadae. Zmee losowe,, K,,K P ( = ) = P( = ) =. Nech S =. Oblcz

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

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

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

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

FINANSE II. Model jednowskaźnikowy Sharpe a.

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

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

SZEREGI CZASOWE W PLANOWANIU PRODUKCJI W PRZETWÓRSTWIE SPOŻYWCZYM

SZEREGI CZASOWE W PLANOWANIU PRODUKCJI W PRZETWÓRSTWIE SPOŻYWCZYM SZEREGI CZASOWE W PLANOWANIU PRODUKCJI W PRZETWÓRSTWIE SPOŻYWCZYM Arur MACIĄG Sreszczee: W pracy przedsawoo echk aalzy szeregów czasowych w zasosowau do plaowaa progozowaa produkcj w przewórswe spożywczym.

Bardziej szczegółowo

Hipotezy o istotności oszacowao parametrów zmiennych objaśniających ˆ ) ˆ

Hipotezy o istotności oszacowao parametrów zmiennych objaśniających ˆ ) ˆ WERYFIKACJA HIPOTEZY O ISTOTNOŚCI OCEN PARAMETRÓW STRUKTURALNYCH MODELU Hpoezy o sonośc oszacowao paramerów zmennych objaśnających Tesowane sonośc paramerów zmennych objaśnających sprowadza sę do nasępującego

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

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

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

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

Czas trwania obligacji (duration)

Czas trwania obligacji (duration) Czas rwaia obligacji (duraio) Do aalizy ryzyka wyikającego ze zmia sóp proceowych (szczególie ryzyka zmiay cey) wykorzysuje się pojęcie zw. średiego ermiu wykupu obligacji, zwaego rówież czasem rwaia obligacji

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

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

Wybór najlepszych prognostycznych modeli zmienności finansowych szeregów czasowych za pomocą testów statystycznych

Wybór najlepszych prognostycznych modeli zmienności finansowych szeregów czasowych za pomocą testów statystycznych UNIWERSYTET EKONOMICZNY W POZNANIU WYDZIAŁ INFORMATYKI I GOSPODARKI ELEKTRONICZNEJ Wybór ajlepszych progosyczych model zmeośc fasowych szeregów czasowych za pomocą esów saysyczych Elza Buszkowska Promoor:

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

FINANSOWE SZEREGI CZASOWE WYKŁAD 3

FINANSOWE SZEREGI CZASOWE WYKŁAD 3 FINANSOWE SZEREGI CZASOWE WYKŁAD 3 dr Tomasz Wójowcz Wydzał Zarządzana AGH 3800 3300 800 300 800 300 800 0 0 30 40 50 60 70 Kraków 0 Tomasz Wójowcz, WZ AGH Kraków przypomnene MA(q): gdze ε są d(0,σ ).

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

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

Dane modelu - parametry

Dane modelu - parametry Dae modelu - paramer ˆ Ozaczea zmech a0 ax ax - osz w s. zł Budowa modelu: x - welość producj w seach o x - welość zarudea w osobach Meoda MNK Dae: x x 34 9 0 60 34 9 0 60 35 3 7 35 3 7 X T 0 9 3 4 5 3

Bardziej szczegółowo

Czy w Polsce zachodzi polaryzacja ekonomiczna?

Czy w Polsce zachodzi polaryzacja ekonomiczna? Zeszyy aukowe Workg papers Czy w Polsce zachodz polaryzacja ekoomcza? Tomasz Tyuł arykułu Paek Ja Zwerzchowsk Zeszyy aukowe Isyu Saysyk Demograf SH Nr 49, rok 07 Sreszczee W osach laach przedmo welu badań

Bardziej szczegółowo

Matematyka ubezpieczeń majątkowych 9.10.2006 r. Zadanie 1. Rozważamy proces nadwyżki ubezpieczyciela z czasem dyskretnym postaci: n

Matematyka ubezpieczeń majątkowych 9.10.2006 r. Zadanie 1. Rozważamy proces nadwyżki ubezpieczyciela z czasem dyskretnym postaci: n Maemayka ubezpieczeń mająkowych 9.0.006 r. Zadaie. Rozważamy proces adwyżki ubezpieczyciela z czasem dyskreym posaci: U = u + c S = 0... S = W + W +... + W W W W gdzie zmiee... są iezależe i mają e sam

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

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

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

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

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

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

Stanisław Cichocki Natalia Nehrebecka. Wykład 2

Stanisław Cichocki Natalia Nehrebecka. Wykład 2 Sansław Cchock Naala Nehrebecka Wykład 2 1 1. Szereg czasowy 2. Sezonowość 3. Zmenne sacjonarne 2 1. Szereg czasowy 2. Sezonowość 3. Zmenne sacjonarne 3 Szereg czasowy jes pojedynczą realzacją pewnego

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Statystyka 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

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

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

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

Stanisław Cichocki Natalia Nehrebecka. Wykład 2

Stanisław Cichocki Natalia Nehrebecka. Wykład 2 Sansław Cchock Naala Nehrebecka Wykład 2 1 1. Szereg czasowy 2. Sezonowość 3. Zmenne sacjonarne 4. Zmenne znegrowane 2 1. Szereg czasowy 2. Sezonowość 3. Zmenne sacjonarne 4. Zmenne znegrowane 3 Szereg

Bardziej szczegółowo

Wykład 6. Badanie dynamiki zjawisk

Wykład 6. Badanie dynamiki zjawisk Wykład 6 Badanie dynamiki zjawisk Krzywa wieża w Pizie 1 2 3 4 5 6 7 8 9 10 11 12 13 y 4,9642 4,9644 4,9656 4,9667 4,9673 4,9688 4,9696 4,9698 4,9713 4,9717 4,9725 4,9742 4,9757 Szeregiem czasowym nazywamy

Bardziej szczegółowo

PDF created with FinePrint pdffactory Pro trial version WIII/1

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

Bardziej szczegółowo

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

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

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

OBLICZANIE NIEPEWNOŚCI METODĄ TYPU B

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

KRYTERIUM OCENY EFEKTYWNOŚCI INWESTYCYJNEJ OFE, SYSTEM MOTYWACYJNY PTE ORAZ MINIMALNY WYMÓG KAPITAŁOWY DLA PTE PROPOZYCJE ROZWIĄZAŃ

KRYTERIUM OCENY EFEKTYWNOŚCI INWESTYCYJNEJ OFE, SYSTEM MOTYWACYJNY PTE ORAZ MINIMALNY WYMÓG KAPITAŁOWY DLA PTE PROPOZYCJE ROZWIĄZAŃ KRYTERIU OCENY EFEKTYWNOŚCI INWESTYCYJNEJ OFE, SYSTE OTYWACYJNY PTE ORAZ INIALNY WYÓG KAPITAŁOWY DLA PTE PROPOZYCJE ROZWIĄZAŃ Urząd Komsj Nadzoru Fasowego Warszawa 0 DEPARTAENT NADZORU INWESTYCJI EERYTALNYCH

Bardziej szczegółowo

Wzory (Wydruk proszę przynieść na kolokwium. Bez własnych dopisków. Proszę również przynieść kalkulatory, telefonów komórkowych nie wolno używać)

Wzory (Wydruk proszę przynieść na kolokwium. Bez własnych dopisków. Proszę również przynieść kalkulatory, telefonów komórkowych nie wolno używać) Prwadzący: dr Marusz Dybał, Zakład Zarządzaa Fasam, Isyu Nauk Ekmczych marusz_dybal@praw.u.wrc.pl hp://praw.u.wrc.pl/user/48 Wzry (Wydruk prszę przyeść a klkwum. Bez własych dpsków. Prszę róweż przyeść

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

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

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

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

Niezawodność. systemów nienaprawialnych. 1. Analiza systemów w nienaprawialnych. 2. System nienaprawialny przykładowe

Niezawodność. systemów nienaprawialnych. 1. Analiza systemów w nienaprawialnych. 2. System nienaprawialny przykładowe Nezawoość sysemów eaprawalych. Aalza sysemów w eaprawalych. Sysemy eaprawale - przykłaowe srukury ezawooścowe 3. Sysemy eaprawale - przykłay aalzy. Aalza sysemów w eaprawalych Sysem eaprawaly jes o sysem

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

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

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

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

t t t t T 2 Interpretacja: Przeciętna wartość zmiennej objaśnianej różni się od wartości teoretycznej średnio o

t t t t T 2 Interpretacja: Przeciętna wartość zmiennej objaśnianej różni się od wartości teoretycznej średnio o Cele werfacj odelu Werfacja sasczna odelu polega na oblczenu szeregu ernów jaośc odelu oraz werfacj pewnch hpoez sascznch w celu sprawdzena cz na podsawe ego odelu ożna wcągać wnos doczące badanego zjawsa

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

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

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

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

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

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

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

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

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

ROZWÓJ DEMOGRAFICZNY WOJEWÓDZTW POLSKI DEMOGRAPHIC DEVELOPMENT OF POLISH PROVINCES. Wstęp

ROZWÓJ DEMOGRAFICZNY WOJEWÓDZTW POLSKI DEMOGRAPHIC DEVELOPMENT OF POLISH PROVINCES. Wstęp STOWARZYSZENIE EKONOMISTÓW Rozwó ROLNICTWA demografczy I AGROBIZNESU woewódzw Polsk Roczk Naukowe om XV zeszy 4 237 Lda Luy Uwersye Rolczy m. Hugoa Kołłąaa w Krakowe ROZWÓJ DEMOGRAFICZNY WOJEWÓDZTW POLSKI

Bardziej szczegółowo

Wykład 6. Badanie dynamiki zjawisk

Wykład 6. Badanie dynamiki zjawisk Wykład 6 Badanie dynamiki zjawisk TREND WYODRĘBNIANIE SKŁADNIKÓW SZEREGU CZASOWEGO 1. FUNKCJA TRENDU METODA ANALITYCZNA 2. ŚREDNIE RUCHOME METODA WYRÓWNYWANIA MECHANICZNEGO średnie ruchome zwykłe średnie

Bardziej szczegółowo

t t t t T 2 Interpretacja: Przeciętna wartość zmiennej objaśnianej różni się od wartości teoretycznej średnio o ˆ

t t t t T 2 Interpretacja: Przeciętna wartość zmiennej objaśnianej różni się od wartości teoretycznej średnio o ˆ Eonoera Ćwczena Werfacja odelu eonoercznego Maerał poocncze Cele werfacj odelu Werfacja sasczna odelu polega na oblczenu szeregu ernów jaośc odelu oraz werfacj pewnch hpoez sascznch w celu sprawdzena cz

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

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

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

STATYSTYKA MATEMATYCZNA WYKŁAD 1. Wiadomości wstępne

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

Bardziej szczegółowo

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

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

( 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

Weryfikacja hipotez dla wielu populacji

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

Bardziej szczegółowo

Zmiana bazy i macierz przejścia

Zmiana bazy i macierz przejścia Auomaya Roboya Algebra -Wyład - dr Adam Ćmel cmel@agh.edu.pl Zmaa bazy macerz prześca Nech V będze wymarową przesrzeą lową ad całem K. Nech Be e będze bazą przesrze V. Rozważmy ową bazę B e... e. Oczywśce

Bardziej szczegółowo

Liniowe relacje między zmiennymi

Liniowe relacje między zmiennymi Lowe relacje mędzy zmeym Marta Zalewska Zakład Proflaktyk ZagrożeńŚrodowskowych Alergolog Ocea lowych relacj mędzy zmeym Metoda korelacj - określee rodzaju sły zależośc mędzy cecham. Metoda regresj 1 Uwaga

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

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

Wpływ redukcji poziomu szumu losowego metodą najbliższych sąsiadów 161

Wpływ redukcji poziomu szumu losowego metodą najbliższych sąsiadów 161 Kaarzya Zeug-Żebro WPŁYW REDUKCJI POZIOMU SZUMU LOSOWEGO MEODĄ NAJBLIŻSZYCH SĄSIADÓW NA WAROŚĆ NAJWIĘKSZEGO WYKŁADNIKA LAPUNOWA Wprowazee W aalze szeregów czasowych zakłaa sę, że w aych moża wyorębć skłak

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

VIW20 koncepcja indeksu zmienności dla polskiego rynku akcyjnego 1

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

Bardziej szczegółowo

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

Średnia harmoniczna (cechy o charakterze ilorazu np. Prędkość, gęstość zaludnienia)

Średnia harmoniczna (cechy o charakterze ilorazu np. Prędkość, gęstość zaludnienia) Mary przecęte Średa arytmetycza Dla szeregu rozdzelczego cechy skokowej x k x k Średa harmocza (cechy o charakterze lorazu p. Prędkość, gęstość zaludea) x H k x Średa geometrycza x x x... G x średa arytmetycza

Bardziej szczegółowo

Metody oceny efektywności projektów inwestycyjnych

Metody oceny efektywności projektów inwestycyjnych Opracował: Leszek Jug Wydział Ekoomiczy, ALMAMER Szkoła Wyższa Meody ocey efekywości projeków iwesycyjych Niezbędym warukiem urzymywaia się firmy a ryku jes zarówo skuecze bieżące zarządzaie jak i podejmowaie

Bardziej szczegółowo

STATYSTYKA MORANA W ANALIZIE ROZKŁADU CEN NIERUCHOMOŚCI

STATYSTYKA MORANA W ANALIZIE ROZKŁADU CEN NIERUCHOMOŚCI METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH Tom XII/, 0, tr. 3 STATYSTYKA MORANA W ANALIZIE ROZKŁADU CEN NIERUCHOMOŚCI Dorota Kozoł-Kaczorek Katedra Ekoomk Rolcta Mędzyarodoych Stoukó Gopodarczych Szkoła

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH

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

Bardziej szczegółowo

Stanisław Cichocki Natalia Nehrebecka. Wykład 5

Stanisław Cichocki Natalia Nehrebecka. Wykład 5 Sanisław Cichocki Naalia Nehrebecka Wkład 5 . Proces AR 2. Proces MA 3. Modele ARMA 4. Prognozowanie za pomocą modelu ARMA 2 . Proces AR 2. Proces MA 3. Modele ARMA 4. Prognozowanie za pomocą modelu ARMA

Bardziej szczegółowo