RYZYKO DZIAŁALNOŚCI WSPÓŁCZESNEGO PRZEDSIĘBIORSTWA W UJĘCIU FRAKTALNYM
|
|
- Janusz Władysław Czerwiński
- 7 lat temu
- Przeglądów:
Transkrypt
1 Anna Mularczyk RYZYKO DZIAŁALNOŚCI WSPÓŁCZESNEGO PRZEDSIĘBIORSTWA W UJĘCIU FRAKTALNYM Wstęp Funkcjonowanie współczesnych przedsiębiorstw jest związane z ich ciągłym dostosowywaniem się do zmiennego, wręcz chaotycznego otoczenia. Pojęcie chaosu jest rozumiane jako stan nieregularności i bezładu, oznaczający nieuporządkowanie zjawisk w czasie i przestrzeni (Jakimowicz, 2003, s. 320). Wiele układów zdeterminizowanych charakteryzuje się tzw. chaosem deterministycznym. Na jego gruncie w połowie XX w. powstała nowa dziedzina nauki zwana teorią chaosu. Do najważniejszych cech układów chaotycznych zalicza się: nieliniowość (system jest opisany nieliniowymi równaniami różniczkowymi), otwartość układu (co najmniej jeden z jego elementów zależy od czynników zewnętrznych) (por. Jakimowicz, 2003) oraz, a właściwie przede wszystkim, wrażliwość na warunki początkowe określana jako efekt motyla (por. Gleick, 1996; Peitgen, Jürgens, Saupe, 2002; Peters, 1997; Seeger, 2002 i in.). Otoczenie przedsiębiorstwa spełnia wszystkie wymienione wyżej warunki. Po pierwsze, nie jest możliwe (bez daleko idących uproszczeń) opisanie go w sposób liniowy, czyli ze względu na wielość czynników makro- i mikroekonomicznych. Po drugie, obojętnie jak nie ograniczymy otoczenia, zawsze znajdzie się jakiś dodatkowy czynnik zewnętrzny, który może wywierać na nie znaczący wpływ (a więc w rezultacie na funkcjonowanie samego przedsiębiorstwa). Wreszcie, jedna mała zmiana jakiegoś wydawałoby się mało znaczącego czynnika może zaowocować istotną zmianą dla całego przedsiębiorstwa.
2 142 Anna Mularczyk Dziedziną teorii chaosu jest geometria fraktalna, określana za jej twórcą Benoitem Mandelbrotem jako geometria natury. Fraktale są obiektami geometrycznymi, których części pozostają w pewnej relacji do całości (Peters, 1997). Problem ten zostanie opisany bardziej szczegółowo w rozdziale 1. W literaturze przedmiotu pojawiły się nowe rodzaje, czy też sposoby opisu przedsiębiorstw, takie jak np. organizacje chaotyczne czy fraktalne (Warnecke, 1999; Krupski, 1999; Prechuda, 2000; Krawczyk, 2001; Mikuła, 2001; Jakimowicz, 2003). Przedmiotem niniejszego opracowania jest zastosowanie geometrii fraktalnej w przedsiębiorstwie, czyli tzw. fabryka fraktalna, natomiast celem zaproponowanie oceny ryzyka związanego z działalnością przedsiębiorstwa za pomocą wymiaru fraktalnego. 1. Fraktal. Wymiar fraktalny Fraktale są tzw. dziwnymi atraktorami, czyli jak można by powiedzieć uporządkowanym obrazem chaosu. Zostały one obszernie zdefiniowane w literaturze przedmiotu (zob. m.in.: Kurdewicz, 1993; Mastalerz-Kodzis, 2003; Peitgen, Jürgens, Saupe, 2002; Peters, 1997). Jak już wspomniano, najważniejszą cechą fraktali jest to, iż jego części pozostają w pewnej relacji do całości. Cechę tę nazywa się samopodobieństwem. Dodatkowo, obiekty te są definiowane w prosty sposób i są często tworzone za pomocą prostych wzorów rekurencyjnych. Najbardziej znanymi klasycznymi fraktalami są m.in.: zbiór Cantora, trójkąt i dywan Sierpińskiego oraz krzywa i płatek śniegu von Kocha. Na poniższych rysunkach przedstawiono trzy z nich: krzywą von Kocha (rys. 1) oraz trójkąt i dywan Sierpińskiego (rys. 2). Rys. 1. Krzywa von Kocha Źródło: Opracowanie na podstawie:
3 RYZYKO DZIAŁALNOŚCI WSPÓŁCZESNEGO PRZEDSIĘBIORSTWA Rys. 2. Trójkąt i dywan Sierpińskiego Źródło: Ibid. Fraktale występują jednak przede wszystkim w naturze (inaczej tzw. fraktale losowe). Chmury, drzewa, góry, linie brzegowe, czy też np. naczynia krwionośne lub brokuły wszystkie są fraktalami. Geometria fraktalna umożliwia opis kształtów występujących w świecie w sposób o wiele prostszy niż geometria euklidesowa. Dzieje się tak właśnie dzięki fraktalnej naturze wszystkiego wokół nas. Z tego względu geometria fraktalna znalazła zastosowanie w wielu dziedzinach nauk: m.in. w biologii, fizyce, chemii oraz ekonomii. W ekonomii jako iż niniejszy artykuł jest z tej dziedziny narzędzia geometrii fraktalnej zostały w szczególności zastosowane do analizy rynków kapitałowych na giełdach (Mandelbrot, 1999; Peters, 1997; Mastalerz-Kodzis, 2003; Mosdorf, Nazarko, Siemieniuk, 2001; Siemieniuk, 2001). Trzecią cechą, której nie może zabraknąć w definicji fraktali, jest ich wymiar. Wymiar ten jest liczbą ułamkową. W odróżnieniu wymiar prostej wynosi 1, płaszczyzny 2, a np. sześcian ma trzy wymiary. Z kolei wymiar zbioru Cantora wynosi 0,6309, krzywej von Kocha 1,2619, a trójkąta Sierpińskiego 1,5850. Wymiar fraktalny mówi o tym, w jaki sposób dany obiekt wypełnia przestrzeń. Istnieje kilka sposobów obliczania wymiaru fraktalnego. W niniejszym opracowaniu zostaną zaprezentowane dwa: wymiar pudełkowy oraz analiza przeskalowanych zakresów R/S. Pierwsza metoda jest metodą uniwersalną, dobrze obrazującą istotę wymiaru fraktalnego, natomiast druga ze względu na swą specyfikę została wykorzystana do dalszych obliczeń.
4 144 Anna Mularczyk 1.1. Wymiar pudełkowy Wymiar pudełkowy zwany inaczej pojemnościowym jest wersją wymiaru fraktalnego. Metoda jego wyznaczania dzięki uniwersalności, prostocie i automatyzacji obliczeń jest najczęściej stosowaną metodą w różnych dziedzinach nauki (Peitgen, Jürgens, Saupe, 2002). Zgodnie z tą metodą dany wykres lub inny kształt, znajdujący się w dwuwymiarowej przestrzeni, umieszcza się w siatce kwadratów o boku s, a następnie zlicza się kwadraty niepuste otrzymując N(s) (analogicznie, dla struktur w 1-wymiarowej przestrzeni pokrywa się je odcinkami, a w 3-wymiarowych przestrzeniach sześcianami itd.). Kolejno, boki pudełek zmniejsza się i powtarza całą procedurę (Jakimowicz, 2003; Peitgen, Jürgens, Saupe, 2002; Zwolankowska, 2000). Wymiar obiektu wyznacza zależność: gdzie: D wymiar pojemnościowy/pudełkowy, N(s) liczba niepustych pudełek o boku s. log N( s) D = lim (1) s 0 log(1/ s) Obliczenie D sprowadza się zatem do oszacowania parametrów prostej regresji dla kolejnych s: log N ( s) = D log(1/ s) (2) 1.2. Analiza przeskalowanych zakresów Wymiar fraktalny wykresów wykonanych w dwuwymiarowych układach współrzędnych, jakimi są np. szeregi czasowe, jest często obliczany za pomocą analizy przeskalowanych zakresów. Analiza przeskalowanych zakresów (w skrócie: R/S) została opracowana w połowie XX w. przez angielskiego hydrologa zajmującego się pływami Nilu H.E. Hursta (Peters, 1997). Sformułował on następującą zależność: R H / S = a N (3)
5 RYZYKO DZIAŁALNOŚCI WSPÓŁCZESNEGO PRZEDSIĘBIORSTWA gdzie: R/S przeskalowany zakres, a > 0 stała, N liczba obserwacji, H wykładnik Hursta. W celu wyznaczenia wykładnika Hursta należy dla różnych N obliczyć R/S N, a następnie oszacować parametry równania: ( R / S N ) ln a H ln N ln = + (4) Wymiar fraktalny D otrzymuje się na podstawie zależności: D = 2 H (5) Analizę przeskalowanych zakresów przeprowadza się dla szeregu zmian wartości badanej cechy. Najczęściej są to logarytmiczne stopy zwrotu: gdzie: Z t logarytmiczna stopa zwrotu, P t wartość w chwili t. Pt Z = ln t (6) Pt 1 Szereg dzieli się na rozłączne l podszeregów o długościach N, przy czym często (ale nie zawsze) zakłada się, iż N powinno być dzielnikiem długości całego szeregu (zob. Mastalerz-Kodzis, 2003; Weron, Weron, 1998; por. Peters, 1997). Dla każdego z podszeregów wyznacza się średnie, odchylenia standardowe oraz odchylenia skumulowane: gdzie: Z k ( Z i Z m ), =, m = 1, 2,, l; k = 1, 2,, N (7) m k i= 1 Z m,k skumulowane odchylenie, m numer podszeregu, l liczba podszeregów o długości N, k numer wyrazu w danym podszeregu, N długość podszeregu, Z średnia stopa zwrotu w m-tym podszeregu. m
6 146 Anna Mularczyk Następnie wyznacza się zakresy zmienności w każdym z podszeregów: ( Z ) ( Z ) R m max m, k min m, k = (8) gdzie: R m zakres zmienności w m-tym podszeregu. W celu umożliwienia porównania zakresów, otrzymane wyniki dzieli się przez odchylenia standardowe każdego podszeregu i kolejno oblicza się średnią wartość: gdzie: l Rm / Sm R / S N m= = 1 l (9) R/S N przeskalowany zakres odpowiadający podszeregom o długości N, S m odchylenie standardowe w m-tym podszeregu. Całą opisaną powyżej procedurę powtarza się dla kolejnych N aż do N równego połowie liczby obserwacji. Na końcu, po oszacowaniu parametrów równania za pomocą regresji liniowej (4), otrzymuje się wykładnik Hursta, a tym samym, zgodnie z równaniem (5), wymiar fraktalny. Wykładnik Hursta może przyjmować wartości z przedziału [0, 1]. Rozróżnia się trzy sytuacje (Peters, 1997; Mastalerz-Kodzis, 2003): 1. H [ 0; 0,5) szereg jest szeregiem antypersystentnym lub ergodycznym, czyli powracającym do średniej. Im H bliższy jest 0, tym zachowanie szeregu jest bardziej chaotyczne. Szeregi takie charakteryzują się bardzo postrzępioną linią, często dochodzi w nich do odwracania trendu, inaczej mówiąc: wyodrębnienie jakiegokolwiek trendu jest niemożliwe. 2. H = 0,5 szereg jest szeregiem losowym, czyli ma charakter błądzenia przypadkowego. 3. H ( 0,5; 1] szereg jest persystentny wzmacnia swój trend. Szeregi persystentne są ułamkowymi ruchami Browna przykładami obciążonego błądzenia przypadkowego z siłą obciążenia tym większą, im H bliższy jest 1.
7 RYZYKO DZIAŁALNOŚCI WSPÓŁCZESNEGO PRZEDSIĘBIORSTWA Organizacja fraktalna Geometrię fraktalną stosuje się także do opisu przedsiębiorstwa. Sama już struktura organizacyjna przedsiębiorstwa przypomina fraktal, czyli jest samopodobna: przedsiębiorstwo dzieli się na zakłady, te na wydziały, te z kolei na komórki itd. Każda komórka działa na podobnej zasadzie i do pewnego stopnia samodzielnie ma tożsame funkcje i cele. W literaturze przedmiotu obszernie opisano taką organizację, zwaną fabryką fraktalną (Warnecke, 1999; Krupski, 1999; Prechuda, 2000; Krawczyk, 2001; Mikuła, 2001; Jakimowicz, 2003). Według tej teorii przedsiębiorstwo jest makrofraktalem, w skład którego wchodzą fraktale, czyli jego jednostki organizacyjne. Fabryka fraktalna oprócz cechy samopodobieństwa charakteryzuje się także samoorganizacją, dynamiką oraz witalnością. Samoorganizacja przejawia się wolnością organizacyjną co do sposobów realizacji postawionych przed danym fraktalem celów. Dotyczy ona zarówno płaszczyzny operacyjnej, jak i taktycznej oraz strategicznej (Prechuda, 2000). Samoorganizacja jest też przez wielu autorów przedstawiana jako najważniejsza cecha współczesnych przedsiębiorstw oraz innych organizacji, jakimi są np. miasta (Tharumarajeh, 2003; Portugali, 1997). W odpowiedzi na turbulentne otoczenie przedsiębiorstwo musi mieć takie cechy, jak dynamika i witalność. Dzięki tym cechom będzie ono w stanie odpowiednio zareagować na zmiany w nim następujące. Przedsiębiorstwo bez witalności w krótkim czasie straci udział w rynku wskutek obniżającej się zdolności konkurencyjnej, a więc jego zyski spadną, co w konsekwencji może doprowadzić do upadku. W fabryce fraktalnej realizowane są scenariusze fraktalne. Globalne scenariusze fraktalne, które są formułowane i realizowane na poziomie całego przedsiębiorstwa, na niższych poziomach są powielane w postaci scenariuszy strategicznych bądź taktycznych czy operacyjnych. Te z kolei dzieli się na mikroscenariusze itd. (Prechuda, 2000). Większość współczesnych przedsiębiorstw ma wymienione wyżej cechy. Można zatem stwierdzić, iż są one fraktalami. Nieodzownym następstwem tego faktu jest więc zastosowanie narzędzi geometrii fraktalnej do analizy pewnych sfer działalności przedsiębiorstwa. W literaturze przedmiotu opisano m.in. fraktalny scenariusz udoskonalania procesu rozwoju nowych produktów wysokiej technologii (Spivey, Munson, Wolcott, 1997). W niniejszym artykule podjęto próbę opisu fraktalnego sposobu analizy ryzyka, związanego z działalnością przedsiębiorstwa.
8 148 Anna Mularczyk 3. Pojęcie ryzyka w odniesieniu do wymiaru fraktalnego szeregu czasowego Ryzyko towarzyszy działalności każdego przedsiębiorstwa. W literaturze przedmiotu wielokrotnie definiowano ryzyko (por. m.in. Zeliaś, 1998; Jajuga, 1996; Hollwell, 2001; Nahotko, 1997). Termin ten jest zazwyczaj utożsamiany z możliwością niekorzystnych zmian wynikających z konkretnego postępowania, czyli powstałych w wyniku podjęcia określonych decyzji, oraz czynników niezależnych, nazywanych losowymi. Istnieje wiele sposobów oceny ryzyka związanego z działalnością przedsiębiorstwa. Wymienić tu należy przede wszystkim metody statystyczne, do których należą: odchylenie standardowe i semiodchylenie standardowe oraz metody ekonomiczno-finansowe zawierające cały szereg wskaźników finansowych służących analizie przedsiębiorstwa. Większość znanych metod (szczególnie statystycznych) opiera się na założeniu istnienia rozkładu normalnego badanego zjawiska. Wymiar fraktalny ze względu na swe właściwości może także służyć do oceny wielkości ryzyka. Przykładem może tu być zastosowanie wymiaru fraktalnego do analizy finansowych szeregów czasowych na giełdach, zarówno na rynkach zagranicznych, jak i polskich (zob. m.in. Mastalerz-Kodzis, 2003; Peters, 1997; Siemieniuk, 2001). Wymiar fraktalny szeregów czasowych jest liczbą z przedziału (1; 2). Im bliższy jest on 2, tym bardziej jest postrzępiony dany szereg. Oznacza to, iż istnieje większe prawdopodobieństwo zmian. Sposób wypełnienia przestrzeni przez dany obiekt zależy od sił biorących udział w jego kształtowaniu. [ ] W przypadku szeregów czasowych stóp zwrotu akcji, siłami tymi będą dane mikro- i makroekonomiczne, które wpływają na sposób, w jaki inwestorzy postrzegają wartość aktywów (Peters, 1997, s. 62). Analogicznie, wymiar fraktalny można zastosować do pomiaru lub oceny zjawisk związanych z działaniem organizacji. Wielkość sprzedaży produktów przedsiębiorstwa, koszty zakupu materiałów, zapasy, czy też wydajność pracowników zmieniają się wraz z upływem czasu zatem zmiany te tworzą szereg czasowy. Wyznaczając wymiary fraktalne tych zmian (czyli odpowiedników giełdowych stóp zwrotu) można oszacować ryzyko wynikające z nich dla przedsiębiorstwa i nieustannie mu towarzyszące.
9 RYZYKO DZIAŁALNOŚCI WSPÓŁCZESNEGO PRZEDSIĘBIORSTWA Przykład Załóżmy, że przedsiębiorstwo produkuje trzy wyroby: A, B i C. Koszt produkcji każdego z nich zmienia się wraz z upływem czasu. Zebrano 1008 * obserwacji **, które zostały zaprezentowane na rys. 3-5 jako zmiany kosztów ***. zmiana 2,5 1,5 0,5-0,5-1,5-2,5-3,5-4, czas Rys. 3. Wykres zmian kosztów wyrobu A zmiana 2,7 1,7 0,7-0,3-1,3-2,3-3,3-4, czas Rys. 4. Wykres zmian kosztów wyrobu B * Liczba 1008 ma stosunkowo najwięcej dzielników w porównaniu z innymi tej wielkości. ** Dla wyrobu A przeprowadzono symulację równania logistycznego x t+1 = 4ax t (1 x t ) (por. Peitgen, Jürgens, Saupe, 2002; Peters, 1997 i in.), przy czym przyjęto, że a = 0,95, x 1 = 0,01. Koszty wyrobu B są przykładem wrażliwości na warunki początkowe: przedstawiają różnice między tymi samymi kolejnymi iteracjami powyższego równania powtórzonego dwa razy, z tym że w drugim przypadku wartość x 3 została zaokrąglona do czterech miejsc po przecinku. Oba wyroby reprezentują więc chaos. Koszty wyrobu C są natomiast symulacją rozkładu normalnego. Symulację przeprowadzono w arkuszu kalkulacyjnym MS Excel, wykorzystując wbudowaną funkcję los(), która zwraca wartości z przedziału [0;1] zgodnie z rozkładem jednostajnym. Wartości te można traktować jako rzuty kością. Rzucono zatem 1008 razy 26 kośćmi, a wyniki poszczególnych rzutów znormalizowano według wzoru (Peitgen, Jürgens, Saupe, 2002): n 1 12 Z = Yi 3n A n = i 1 gdzie A jest ograniczeniem górnym generatora liczb losowych, n liczbą używanych kostek, a Y i wynikiem jednego rzutu i-tej kostki. *** Należy zaznaczyć, że otrzymane dane dotyczące wyrobu A przekształcono na logarytmiczne stopy zwrotu, natomiast ze względu na ich specyfikę (wartości zarówno dodatnie, jak i ujemne) dane wyrobów B i C potraktowano jako stopy zwrotu. Wszystkie dane zostały przeskalowane w ten sposób, aby możliwe było ich porównanie (w tym celu stopy zwrotu kosztów art. A pomnożono przez 2, 4, natomiast art. B przez 4, 2).
10 150 Anna Mularczyk zmiana 2,5 1,5 0,5-0,5-1,5-2,5-3,5-4, czas Rys. 5. Wykres zmian kosztów wyrobu C Przed przystąpieniem do dalszych obliczeń została zbadana zgodność badanych szeregów z rozkładem normalnym. Zastosowano nieparametryczny test zgodności chi-kwadrat (χ 2 ). Zgodnie z jego procedurą weryfikowana hipoteza miała postać (por. Ostasiewicz, Rusnak, Siedlecka, 1999): H 0 : rozkład Z t ma rozkład normalny. Wobec hipotezy alternatywnej: H 1 : rozkład Z t nie ma rozkładu normalnego. Sprawdzianem hipotezy H 0 jest statystyka określona równaniem: r t= 1 ( n np ) 2 i i χ = (10) np gdzie: χ 2 wartość empiryczna statystyki, n i liczebność i-tego przedziału klasowego (liczebności empiryczne), np i liczba jednostek, które powinny znaleźć się w i-tym przedziale klasowym, przy założeniu, że cecha ma rozkład normalny (liczebności teoretyczne). i 2 Relacja wyznaczająca zbiór krytyczny ma postać: ( χ 2 > χ 2 α ) = α P (11) 2 gdzie χ α jest wartością krytyczną odczytaną z tablic rozkładu χ 2 dla k = r s 1 stopni swobody i P=α, przy czym s oznacza liczbę parametrów, które należy wstępnie wyznaczyć, a r liczbę przedziałów klasowych.
11 RYZYKO DZIAŁALNOŚCI WSPÓŁCZESNEGO PRZEDSIĘBIORSTWA W analizowanych przypadkach r = 20, natomiast s = 2, bowiem w celu standaryzacji danych (równanie (12)) należało wyznaczyć 2 parametry: odchylenie standardowe (s z ) oraz średnią ( z ). t z z Wartość teoretyczna χ α 2 dla k = 17 i α = 0,05 wynosi: i i = (12) s z χ 0,05 2 = 27,59 Natomiast wartości empiryczne tej statystyki wyniosły odpowiednio: χ 2 (A) = 809,97, χ 2 (B) = 65,16, χ 2 (C) = 25,58 Ponieważ dla wyrobów A i B χ 2 > χ 0,05 2, należy odrzucić hipotezę H 0 na rzecz hipotezy alternatywnej H 1. W związku z powyższym, badane rozkłady zmian kosztów artykułów A i B nie są zgodne z rozkładami normalnymi, natomiast dla wyrobu C co łatwo było przewidzieć χ 2 < χ 0,05 2. Nie ma zatem podstaw do odrzucenia H 0, co oznacza, iż badany rozkład zmian kosztów artykułu C jest zgodny z rozkładem normalnym. Wyniki zastosowania analizy przeskalowanych zakresów zostały przedstawione na podwójnie logarytmicznych wykresach (rys. 6-8). Na wykresy naniesiono linie trendów, otrzymane za pomocą Klasycznej Metody Najmniejszych Kwadratów. Współczynniki kierunkowe tych prostych są wykładnikami Hursta. Ln(R/S) 1,6 1,4 1,2 y = 0,166x + 0, ,8 0,6 0,4 0, Ln(N) Rys. 6. Analiza R/S kosztów wyrobu A
12 152 Anna Mularczyk Ln(R/S) 2,5 2 y = 0,3365x + 0,0409 1,5 1 0, Ln(N) Rys. 7. Analiza R/S kosztów wyrobu B Ln(R/S) 3,5 3 y = 0,5003x - 0,0349 2,5 2 1,5 1 0, Ln(N) Rys. 8. Analiza R/S kosztów wyrobu C
13 RYZYKO DZIAŁALNOŚCI WSPÓŁCZESNEGO PRZEDSIĘBIORSTWA Z równań regresji wynika, że wykładniki Hursta wynoszą odpowiednio: H(A) = 0,166, H(B) = 0,337, H(C) = 0,500 Pozwala to na obliczenie wymiarów fraktalnych badanych szeregów (zgodnie z równaniem (5)): D(A) = 1,834, D(B) = 1,663, D(C) = 1,500 Wnioski Szereg zmian kosztów artykułu C jest szeregiem losowym mającym charakter błądzenia przypadkowego. Oznacza to, iż zmiany kosztów tego wyrobu są niezależne (nie są skorelowane). Przeszłe koszty nie mają wpływu na przyszłe, są więc nieprzewidywalne. Prawdopodobieństwo wzrostu kosztów jest równe prawdopodobieństwu spadku i wynosi 0,5. W szeregach zmian kosztów artykułów A i B sytuacja jest odmienna. Szeregi te są szeregami antypersystentnymi. Przeszłe i przyszłe koszty są skorelowane ujemnie. Powracają one do średniej, lecz tu także nie jest możliwe wyodrębnienie jakichkolwiek trendów ze względu na to, iż zbyt często dochodzi do ich odwrócenia. W szeregach tych jest więcej chaosu niż w szeregu wyżej omówionym. Największą zmienność wykazują koszty produkcji artykułu A, gdyż wymiar fraktalny szeregu ich zmian jest największy (D(A) = 1,834). Można zatem powiedzieć, iż są one obciążone najwyższym ryzykiem. Relatywnie niższym ryzykiem odznaczają się zmiany kosztów artykułu B (D(B) = 1,663). W porównaniu z tymi wyrobami najmniejszym ryzykiem cechuje się C (D(C) = 1,500). Jednak w praktyce, otrzymanie takiego wyniku jest bardzo mało prawdopodobne. Dlatego też wyroby A i B są bardziej odpowiednimi przykładami. W związku z powyższym wskazane jest, aby przy planowaniu kosztów przyszłej produkcji przyjmować większe marginesy błędu dla wyrobu A i kolejno B w porównaniu z C. Dodatkowo, przy planowaniu np. zakupów materiałowych, celowe byłoby stosowanie różnych polityk w odniesieniu do różnych wyrobów. I tak, obserwując spadek cen materiałów potrzebnych do wytworzenia danego wyrobu, należałoby zakupić tym większą ich ilość, im wyższy jest wymiar fraktalny danego szeregu zmian kosztów, ze względu na większe prawdopodobieństwo ich wzrostu. Zweryfikowanie ww. obliczeń z praktyką jest niezbędne.
14 154 Anna Mularczyk Literatura Gleick J.: Chaos. Narodziny nowej nauki. Wydawnictwo Zysk i S-ka, Warszawa Hollwell J.: Ryzyko finansowe. Metody identyfikacji i zarządzania ryzykiem finansowym. K.E. LIBER, Warszawa Jajuga K.: Ryzyko w finansach. Ujęcie statystyczne. AE, Kraków Jakimowicz A.: Od Keynesa do teorii chaosu. Ewolucja teorii wahań koniunkturalnych. PWN, Warszawa Jakimowicz A.: Organizacje fraktalne i chaotyczne. W: Multimedia w biznesie. Red. L. Kiełtyka. Zakamycze, Kraków Krawczyk A.: Geometria fraktalna jako instrument opisu organizacji. Przegląd Organizacji 2001, nr 4. Krupski R.: Teoria chaosu a zarządzanie. Organizacja i Kierowanie 1999, nr 2 (96). Kurdewicz J.: Fraktale i chaos. Wydawnictwa Naukowo-Techniczne, Warszawa Lichtarski J.: O relacji porządek chaos na tle współczesnych tendencji w zarządzaniu. Przegląd Organizacji 2002, nr 1. Mandelbrot B.B.: Multifraktale rządzą na Wall Street. Świat Nauki 1999, nr 4. Mastalerz-Kodzis A.: Modelowanie procesów na rynku kapitałowym za pomocą multifraktali. AE, Katowice Mikuła B.: Teoretyczne kierunki w kształtowaniu przedsiębiorstwa przyszłości. W: Przedsiębiorstwo na przełomie wieków. Red. B. Godziszewski, M. Haffer, M.J. Stankiewicz. UMK, Toruń Mosdorf R., Nazarko J., Siemieniuk N.: Analiza właściwości fraktalnych polskiego rynku kapitałowego. Przegląd Statystyczny 2001, R. XLVIII, z Nahotko S.: Ryzyko ekonomiczne w działalności gospodarczej. OPO, Bydgoszcz Ostasiewicz S., Rusnak Z., Siedlecka U.: Statystyka. Elementy teorii i zadania. AE, Wrocław Peitgen H.O., Jürgens H., Saupe D.: Fraktale. Granice chaosu. PWN, Warszawa Peters E.E.: Teoria chaosu a rynki kapitałowe. WIG-Press, Warszawa 1997.
15 RYZYKO DZIAŁALNOŚCI WSPÓŁCZESNEGO PRZEDSIĘBIORSTWA Portugali J.: Self-organizing cities. Futures 1997, No 4/5 (29). Prechuda K.: Organizacja fraktalna. W: Zarządzanie przedsiębiorstwem przyszłości. Koncepcje, modele, metody. Red. K. Prechuda. Placet, Warszawa Seeger M.W.: Chaos and Crisis: Propositions for a General Theory of Crisis Communication. Public Relations Review 2002, No 28. Siemieniuk N.: Fraktalne właściwości polskiego rynku kapitałowego. Wydawnictwo Uniwersytetu w Białymstoku, Białystok Spivey W.A., Munson J.M., Wolcott J.H.: Improving the New Product Development Process: A Fractal Paradigm for High-technology Products. The Journal of Product Innovation Management 1997, No 14. Statystyczne metody oceny ryzyka w działalności gospodarczej. Red. A. Zeliaś. AE, Kraków Tharumarajeh A.: A Self-organising View of Manufacturing Enterprises. Computers in Industry 2003, No 51. Warnecke H.J.: Rewolucja kultury przedsiębiorstwa. Przedsiębiorstwo fraktalne. PWN, Warszawa Weron A., Weron R.: Inżynieria finansowa. Wydawnictwa Naukowo-Techniczne, Warszawa Zwolankowska M.: Metoda segmentowo-wariacyjna. Nowa propozycja liczenia wymiaru fraktalnego. Przegląd Statystyczny 2000, R. XLVII, z FRACTAL ASPECTS OF THE RISK OF THE CONTEMPORARY ENTERPRISES ACTIVITY Summary The fractal method of the risk analysis of the activity of the contemporary enterprises has been presented in the article. At the very beginning the idea of chaos and fractal geometry accordingly to the activity of the contemporary enterprises have been defined. The main features of the idea of chaos are: non-linearity, openess of system and a sensitive dependence on the initial conditions. The surrounding of the contemporary companies can be the epitome of it. Subsequently, the concepts of the fractal and fractal dimension have been described. The examples of the classical fractals have been inserted. The main characteristics of fractal objects are: self- -similarity, the simplicity of theirs construction (by iteration of simply formulas) and fractional dimension. Two methods of the estimation of the fractal dimension have been presented: box dimension and rescaled range analysis. In the next part of the article the fractal organisation has been characterised (on the ground of literature research). Self-similarity, self-organisation, dy-
16 156 Anna Mularczyk namism and vitality belong to the main features of the fractal enterprises. Afterwards, the concept of risk (particularly in enterprises) and the fractal concept of its estimation have been described. The discussion has been supported by a theoretical example. The costs of three goods have been simulated. The fractal dimensions of them have been estimated by the means of the rescaled range analysis. The results have been compared and interpreted. Conclusions have been drawn.
FRAKTALE I SAMOPODOBIEŃSTWO
FRAKTALE I SAMOPODOBIEŃSTWO Mariusz Gromada marzec 2003 mariusz.gromada@wp.pl http://multifraktal.net 1 Wstęp Fraktalem nazywamy każdy zbiór, dla którego wymiar Hausdorffa-Besicovitcha (tzw. wymiar fraktalny)
166 Wstęp do statystyki matematycznej
166 Wstęp do statystyki matematycznej Etap trzeci realizacji procesu analizy danych statystycznych w zasadzie powinien rozwiązać nasz zasadniczy problem związany z identyfikacją cechy populacji generalnej
POLITECHNIKA OPOLSKA
POLITECHNIKA OPOLSKA WYDZIAŁ MECHANICZNY Katedra Technologii Maszyn i Automatyzacji Produkcji Laboratorium Podstaw Inżynierii Jakości Ćwiczenie nr 4 Temat: Analiza korelacji i regresji dwóch zmiennych
PROPOZYCJA ZASTOSOWANIA WYMIARU PUDEŁKOWEGO DO OCENY ODKSZTAŁCEŃ PRZEBIEGÓW ELEKTROENERGETYCZNYCH
Prace Naukowe Instytutu Maszyn, Napędów i Pomiarów Elektrycznych Nr 56 Politechniki Wrocławskiej Nr 56 Studia i Materiały Nr 24 2004 Krzysztof PODLEJSKI *, Sławomir KUPRAS wymiar fraktalny, jakość energii
Podręcznik. Przykład 1: Wyborcy
MODELOWANIE RZECZYWISTOŚCI Daniel Wójcik Instytut Biologii Doświadczalnej PAN d.wojcik@nencki.gov.pl tel. 5892 424 http://www.neuroinf.pl/members/danek/swps/ Iwo Białynicki-Birula Iwona Białynicka-Birula
Przedmiot statystyki. Graficzne przedstawienie danych. Wykład-26.02.07. Przedmiot statystyki
Przedmiot statystyki. Graficzne przedstawienie danych. Wykład-26.02.07 Statystyka dzieli się na trzy części: Przedmiot statystyki -zbieranie danych; -opracowanie i kondensacja danych (analiza danych);
Fraktale deterministyczne i stochastyczne. Katarzyna Weron Katedra Fizyki Teoretycznej
Fraktale deterministyczne i stochastyczne Katarzyna Weron Katedra Fizyki Teoretycznej Szare i Zielone Scena z Fausta Goethego (1749-1832), Mefistofeles do doktora (2038-2039): Wszelka, mój bracie, teoria
Wydział Matematyki. Testy zgodności. Wykład 03
Wydział Matematyki Testy zgodności Wykład 03 Testy zgodności W testach zgodności badamy postać rozkładu teoretycznego zmiennej losowej skokowej lub ciągłej. Weryfikują one stawiane przez badaczy hipotezy
WYMIAR FRAKTALNY SZEREGÓW CZASOWYCH A RYZYKO INWESTOWANIA *
ACTA UNIVERSITATIS NICOLAI COPERNICI EKONOMIA XLI NAUKI HUMANISTYCZNO-SPOŁECZNE ZESZYT 397 TORUŃ 2010 Uniwersytet Mikołaja Kopernika w Toruniu Katedra Ekonometrii i Statystyki Witold Orzeszko WYMIAR FRAKTALNY
Przedmiot statystyki. Graficzne przedstawienie danych.
Przedmiot statystyki. Graficzne przedstawienie danych. dr Mariusz Grządziel 23 lutego 2009 Przedmiot statystyki Statystyka dzieli się na trzy części: -zbieranie danych; -opracowanie i kondensacja danych
Sterowanie wielkością zamówienia w Excelu - cz. 3
Sterowanie wielkością zamówienia w Excelu - cz. 3 21.06.2005 r. 4. Planowanie eksperymentów symulacyjnych Podczas tego etapu ważne jest określenie typu rozkładu badanej charakterystyki. Dzięki tej informacji
FRAKTALE. nie tworzą się z przypadku. Są tworzone naturalnie przez otaczającą nas przyrodę, bądź za pomocą
Małgorzata Mielniczuk FRAKTALE Poniższy referat będzie traktować o fraktalach, majestatycznych wzorach, których kręte linie nie tworzą się z przypadku. Są tworzone naturalnie przez otaczającą nas przyrodę,
Prognozowanie i Symulacje. Wykład I. Matematyczne metody prognozowania
Prognozowanie i Symulacje. Wykład I. e-mail:e.kozlovski@pollub.pl Spis treści Szeregi czasowe 1 Szeregi czasowe 2 3 Szeregi czasowe Definicja 1 Szereg czasowy jest to proces stochastyczny z czasem dyskretnym
ANALIZA STATYSTYK STRON INTERNETOWYCH POLITECHNIKI ŚLĄSKIEJ METODAMI FRAKTALNYMI
ZESZYTY NAUKOWE POLITECHNIKI ŚLĄSKIEJ 2013 Seria: ORGANIZACJA I ZARZĄDZANIE z. 64 Nr kol. 1894 Anna MULARCZYK Iwona ZDONEK Politechnika Śląska Wydział Organizacji i Zarządzania ANALIZA STATYSTYK STRON
3. Modele tendencji czasowej w prognozowaniu
II Modele tendencji czasowej w prognozowaniu 1 Składniki szeregu czasowego W teorii szeregów czasowych wyróżnia się zwykle następujące składowe szeregu czasowego: a) składowa systematyczna; b) składowa
Wykład 3 Hipotezy statystyczne
Wykład 3 Hipotezy statystyczne Hipotezą statystyczną nazywamy każde przypuszczenie dotyczące nieznanego rozkładu obserwowanej zmiennej losowej (cechy populacji generalnej) Hipoteza zerowa (H 0 ) jest hipoteza
Porównanie generatorów liczb losowych wykorzystywanych w arkuszach kalkulacyjnych
dr Piotr Sulewski POMORSKA AKADEMIA PEDAGOGICZNA W SŁUPSKU KATEDRA INFORMATYKI I STATYSTYKI Porównanie generatorów liczb losowych wykorzystywanych w arkuszach kalkulacyjnych Wprowadzenie Obecnie bardzo
PDF created with FinePrint pdffactory Pro trial version http://www.fineprint.com
Analiza korelacji i regresji KORELACJA zależność liniowa Obserwujemy parę cech ilościowych (X,Y). Doświadczenie jest tak pomyślane, aby obserwowane pary cech X i Y (tzn i ta para x i i y i dla różnych
Statystyka. Rozkład prawdopodobieństwa Testowanie hipotez. Wykład III ( )
Statystyka Rozkład prawdopodobieństwa Testowanie hipotez Wykład III (04.01.2016) Rozkład t-studenta Rozkład T jest rozkładem pomocniczym we wnioskowaniu statystycznym; stosuje się go wyznaczenia przedziału
Rozdział 8. Regresja. Definiowanie modelu
Rozdział 8 Regresja Definiowanie modelu Analizę korelacji można traktować jako wstęp do analizy regresji. Jeżeli wykresy rozrzutu oraz wartości współczynników korelacji wskazują na istniejąca współzmienność
Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji
Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych Wydział Informatyki Politechniki
Temat: BADANIE ZGODNOŚCI ROZKŁADU CECHY (EMPIRYCZNEGO) Z ROZKŁADEM TEORETYCZNYM TEST CHI-KWADRAT. Anna Rajfura 1
Temat: BADANIE ZGODNOŚCI ROZKŁADU CECHY (EMPIRYCZNEGO) Z ROZKŁADEM TEORETYCZNYM TEST CHI-KWADRAT Anna Rajfura 1 Przykład wprowadzający Wiadomo, że 40% owoców ulega uszkodzeniu podczas pakowania automatycznego.
Analiza zjawisk fraktalnych w finansowych szeregach czasowych *
Zeszyty Naukowe nr 724 Akademii Ekonomicznej w Krakowie 2006 Katedra Informatyki Analiza zjawisk fraktalnych w finansowych szeregach czasowych * Streszczenie: W artykule zaproponowano ilościową metodę
Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl
Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Statystyczna teoria korelacji i regresji (1) Jest to dział statystyki zajmujący
ZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO NR 689 FINANSE, RYNKI FINANSOWE, UBEZPIECZENIA NR 50 2012 ANALIZA WŁASNOŚCI OPCJI SUPERSHARE
ZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO NR 689 FINANSE, RYNKI FINANSOWE, UBEZPIECZENIA NR 5 212 EWA DZIAWGO ANALIZA WŁASNOŚCI OPCJI SUPERSHARE Wprowadzenie Proces globalizacji rynków finansowych stwarza
Analiza autokorelacji
Analiza autokorelacji Oblicza się wartości współczynników korelacji między y t oraz y t-i (dla i=1,2,...,k), czyli współczynniki autokorelacji różnych rzędów. Bada się statystyczną istotność tych współczynników.
Obliczenia inspirowane Naturą
Obliczenia inspirowane Naturą Wykład 06 Geometria fraktalna Jarosław Miszczak IITiS PAN Gliwice 20/10/2016 1 / 43 1 Określenie nieformalne 2 Zbiór Mandelbrota 3 Określenie nieformalne pudełkowy Inne definicje
Inżynieria Środowiska. II stopień ogólnoakademicki. przedmiot podstawowy obowiązkowy polski drugi. semestr zimowy
Załącznik nr 7 do Zarządzenia Rektora nr../12 z dnia.... 2012r. KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 2017/2018 STATYSTYKA
OBLICZENIE PRZEPŁYWÓW MAKSYMALNYCH ROCZNYCH O OKREŚLONYM PRAWDOPODOBIEŃSTWIE PRZEWYŻSZENIA. z wykorzystaniem programu obliczeniowego Q maxp
tel.: +48 662 635 712 Liczba stron: 15 Data: 20.07.2010r OBLICZENIE PRZEPŁYWÓW MAKSYMALNYCH ROCZNYCH O OKREŚLONYM PRAWDOPODOBIEŃSTWIE PRZEWYŻSZENIA z wykorzystaniem programu obliczeniowego Q maxp DŁUGIE
VI WYKŁAD STATYSTYKA. 9/04/2014 B8 sala 0.10B Godz. 15:15
VI WYKŁAD STATYSTYKA 9/04/2014 B8 sala 0.10B Godz. 15:15 WYKŁAD 6 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI Weryfikacja hipotez ( błędy I i II rodzaju, poziom istotności, zasady
Statystyka matematyczna. Wykład IV. Weryfikacja hipotez statystycznych
Statystyka matematyczna. Wykład IV. e-mail:e.kozlovski@pollub.pl Spis treści 1 2 3 Definicja 1 Hipoteza statystyczna jest to przypuszczenie dotyczące rozkładu (wielkości parametru lub rodzaju) zmiennej
Statystyka matematyczna i ekonometria
Statystyka matematyczna i ekonometria prof. dr hab. inż. Jacek Mercik B4 pok. 55 jacek.mercik@pwr.wroc.pl (tylko z konta studenckiego z serwera PWr) Konsultacje, kontakt itp. Strona WWW Elementy wykładu.
Kilka uwag o testowaniu istotności współczynnika korelacji
341 Zeszyty Naukowe Wyższej Szkoły Bankowej we Wrocławiu Nr 20/2011 Piotr Peternek Uniwersytet Ekonomiczny we Wrocławiu Marek Kośny Uniwersytet Ekonomiczny we Wrocławiu Kilka uwag o testowaniu istotności
7. Estymacja parametrów w modelu normalnym(14.04.2008) Pojęcie losowej próby prostej
7. Estymacja parametrów w modelu normalnym(14.04.2008) Pojęcie losowej próby prostej Definicja 1 n-elementowa losowa próba prosta nazywamy ciag n niezależnych zmiennych losowych o jednakowych rozkładach
ROZKŁAD MATERIAŁU DO II KLASY LICEUM (ZAKRES ROZSZERZONY) A WYMAGANIA PODSTAWY PROGRAMOWEJ.
ROZKŁAD MATERIAŁU DO II KLASY LICEUM (ZAKRES ROZSZERZONY) A WYMAGANIA PODSTAWY PROGRAMOWEJ. LICZBA TEMAT GODZIN LEKCYJNYCH Potęgi, pierwiastki i logarytmy (8 h) Potęgi 3 Pierwiastki 3 Potęgi o wykładnikach
Spis treści. Przedmowa... XI. Rozdział 1. Pomiar: jednostki miar... 1. Rozdział 2. Pomiar: liczby i obliczenia liczbowe... 16
Spis treści Przedmowa.......................... XI Rozdział 1. Pomiar: jednostki miar................. 1 1.1. Wielkości fizyczne i pozafizyczne.................. 1 1.2. Spójne układy miar. Układ SI i jego
Spis treści 3 SPIS TREŚCI
Spis treści 3 SPIS TREŚCI PRZEDMOWA... 1. WNIOSKOWANIE STATYSTYCZNE JAKO DYSCYPLINA MATEMATYCZNA... Metody statystyczne w analizie i prognozowaniu zjawisk ekonomicznych... Badania statystyczne podstawowe
Efekt motyla i dziwne atraktory
O układzie Lorenza Wydział Matematyki i Informatyki Uniwersytet Mikołaja kopernika Toruń, 3 grudnia 2009 Spis treści 1 Wprowadzenie Wyjaśnienie pojęć 2 O dziwnych atraktorach 3 Wyjaśnienie pojęć Dowolny
Wstęp do teorii niepewności pomiaru. Danuta J. Michczyńska Adam Michczyński
Wstęp do teorii niepewności pomiaru Danuta J. Michczyńska Adam Michczyński Podstawowe informacje: Strona Politechniki Śląskiej: www.polsl.pl Instytut Fizyki / strona własna Instytutu / Dydaktyka / I Pracownia
Teoretyczne podstawy analizy indeksowej klasyfikacja indeksów, konstrukcja, zastosowanie
Teoretyczne podstawy analizy indeksowej klasyfikacja indeksów, konstrukcja, zastosowanie Szkolenie dla pracowników Urzędu Statystycznego nt. Wybrane metody statystyczne w analizach makroekonomicznych dr
Ćwiczenie: Wybrane zagadnienia z korelacji i regresji
Ćwiczenie: Wybrane zagadnienia z korelacji i regresji W statystyce stopień zależności między cechami można wyrazić wg następującej skali: Skala Stanisza r xy = 0 zmienne nie są skorelowane 0 < r xy 0,1
Współczynnik korelacji. Współczynnik korelacji jest miernikiem zależności między dwiema cechami Oznaczenie: ϱ
Współczynnik korelacji Współczynnik korelacji jest miernikiem zależności między dwiema cechami Oznaczenie: ϱ Własności współczynnika korelacji 1. Współczynnik korelacji jest liczbą niemianowaną 2. ϱ 1,
Zadania ze statystyki, cz.6
Zadania ze statystyki, cz.6 Zad.1 Proszę wskazać, jaką część pola pod krzywą normalną wyznaczają wartości Z rozkładu dystrybuanty rozkładu normalnego: - Z > 1,25 - Z > 2,23 - Z < -1,23 - Z > -1,16 - Z
Wprowadzenie do analizy korelacji i regresji
Statystyka dla jakości produktów i usług Six sigma i inne strategie Wprowadzenie do analizy korelacji i regresji StatSoft Polska Wybrane zagadnienia analizy korelacji Przy analizie zjawisk i procesów stanowiących
Statystyka matematyczna dla leśników
Statystyka matematyczna dla leśników Wydział Leśny Kierunek leśnictwo Studia Stacjonarne I Stopnia Rok akademicki 03/04 Wykład 5 Testy statystyczne Ogólne zasady testowania hipotez statystycznych, rodzaje
Temat: BADANIE ZGODNOŚCI ROZKŁADU CECHY (EMPIRYCZNEGO) Z ROZKŁADEM TEORETYCZNYM TEST CHI-KWADRAT. Anna Rajfura 1
Temat: BADANIE ZGODNOŚCI ROZKŁADU CECHY (EMPIRYCZNEGO) Z ROZKŁADEM TEORETYCZNYM TEST CHI-KWADRAT Anna Rajfura 1 Przykład wprowadzający Wiadomo, Ŝe 40% owoców ulega uszkodzeniu podczas pakowania automatycznego.
ANALIZA WRAŻLIWOŚCI CENY OPCJI O UWARUNKOWANEJ PREMII
STUDIA I PRACE WYDZIAŁU NAUK EKONOMICZNYCH I ZARZĄDZANIA NR 31 Ewa Dziawgo Uniwersytet Mikołaja Kopernika w Toruniu ANALIZA WRAŻLIWOŚCI CENY OPCJI O UWARUNKOWANEJ PREMII Streszczenie W artykule przedstawiono
Analiza współzależności zjawisk
Analiza współzależności zjawisk Informacje ogólne Jednostki tworzące zbiorowość statystyczną charakteryzowane są zazwyczaj za pomocą wielu cech zmiennych, które nierzadko pozostają ze sobą w pewnym związku.
Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)
Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) 1. Populacja generalna a losowa próba, parametr rozkładu cechy a jego ocena z losowej próby, miary opisu statystycznego
Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)
Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) 1. Populacja generalna a losowa próba, parametr rozkładu cechy a jego ocena z losowej próby, miary opisu statystycznego
Testowanie hipotez statystycznych.
Bioinformatyka Wykład 9 Wrocław, 5 grudnia 2011 Temat. Test zgodności χ 2 Pearsona. Statystyka χ 2 Pearsona Rozpatrzmy ciąg niezależnych zmiennych losowych X 1,..., X n o jednakowym dyskretnym rozkładzie
SIGMA KWADRAT. Weryfikacja hipotez statystycznych. Statystyka i demografia CZWARTY LUBELSKI KONKURS STATYSTYCZNO-DEMOGRAFICZNY
SIGMA KWADRAT CZWARTY LUBELSKI KONKURS STATYSTYCZNO-DEMOGRAFICZNY Weryfikacja hipotez statystycznych Statystyka i demografia PROJEKT DOFINANSOWANY ZE ŚRODKÓW NARODOWEGO BANKU POLSKIEGO URZĄD STATYSTYCZNY
STATYSTYKA - PRZYKŁADOWE ZADANIA EGZAMINACYJNE
STATYSTYKA - PRZYKŁADOWE ZADANIA EGZAMINACYJNE 1 W trakcie badania obliczono wartości średniej (15,4), mediany (13,6) oraz dominanty (10,0). Określ typ asymetrii rozkładu. 2 Wymień 3 cechy rozkładu Gauss
Statystyka od podstaw Janina Jóźwiak, Jarosław Podgórski
Statystyka od podstaw Janina Jóźwiak, Jarosław Podgórski Książka jest nowoczesnym podręcznikiem przeznaczonym dla studentów uczelni i wydziałów ekonomicznych. Wykład podzielono na cztery części. W pierwszej
Porównanie modeli statystycznych. Monika Wawrzyniak Katarzyna Kociałkowska
Porównanie modeli statystycznych Monika Wawrzyniak Katarzyna Kociałkowska Jaka jest miara podobieństwa? Aby porównywać rozkłady prawdopodobieństwa dwóch modeli statystycznych możemy użyć: metryki dywergencji
STATYSTYKA MATEMATYCZNA ZESTAW 0 (POWT. RACH. PRAWDOPODOBIEŃSTWA) ZADANIA
STATYSTYKA MATEMATYCZNA ZESTAW 0 (POWT. RACH. PRAWDOPODOBIEŃSTWA) ZADANIA Zadanie 0.1 Zmienna losowa X ma rozkład określony funkcją prawdopodobieństwa: x k 0 4 p k 1/3 1/6 1/ obliczyć EX, D X. (odp. 4/3;
Testowanie hipotez statystycznych. Wnioskowanie statystyczne
Testowanie hipotez statystycznych Wnioskowanie statystyczne Hipoteza statystyczna to dowolne przypuszczenie co do rozkładu populacji generalnej (jego postaci funkcyjnej lub wartości parametrów). Hipotezy
LABORATORIUM 8 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI
LABORATORIUM 8 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI WERYFIKACJA HIPOTEZ Hipoteza statystyczna jakiekolwiek przypuszczenie dotyczące populacji generalnej- jej poszczególnych
Ćwiczenie: Wybrane zagadnienia z korelacji i regresji.
Ćwiczenie: Wybrane zagadnienia z korelacji i regresji. W statystyce stopień zależności między cechami można wyrazić wg następującej skali: Skala Guillforda Przedział Zależność Współczynnik [0,00±0,20)
Zawartość. Zawartość
Opr. dr inż. Grzegorz Biesok. Wer. 2.05 2011 Zawartość Zawartość 1. Rozkład normalny... 3 2. Rozkład normalny standardowy... 5 3. Obliczanie prawdopodobieństw dla zmiennych o rozkładzie norm. z parametrami
Wykorzystanie testu t dla pojedynczej próby we wnioskowaniu statystycznym
Wiesława MALSKA Politechnika Rzeszowska, Polska Anna KOZIOROWSKA Uniwersytet Rzeszowski, Polska Wykorzystanie testu t dla pojedynczej próby we wnioskowaniu statystycznym Wstęp Wnioskowanie statystyczne
Rozkład Gaussa i test χ2
Rozkład Gaussa jest scharakteryzowany dwoma parametramiwartością oczekiwaną rozkładu μ oraz dyspersją σ: METODA 2 (dokładna) polega na zmianie zmiennych i na obliczeniu pk jako różnicy całek ze standaryzowanego
WYMAGANIA EDUKACYJNE Z MATEMATYKI 2016/2017 (zakres podstawowy) klasa 3abc
WYMAGANIA EDUKACYJNE Z MATEMATYKI 2016/2017 (zakres podstawowy) klasa 3abc 1, Ciągi zna definicję ciągu (ciągu liczbowego); potrafi wyznaczyć dowolny wyraz ciągu liczbowego określonego wzorem ogólnym;
Elementy Modelowania Matematycznego Wykład 4 Regresja i dyskryminacja liniowa
Spis treści Elementy Modelowania Matematycznego Wykład 4 Regresja i dyskryminacja liniowa Romuald Kotowski Katedra Informatyki Stosowanej PJWSTK 2009 Spis treści Spis treści 1 Wstęp Bardzo często interesujący
Załóżmy, że obserwujemy nie jedną lecz dwie cechy, które oznaczymy symbolami X i Y. Wyniki obserwacji obu cech w i-tym obiekcie oznaczymy parą liczb
Współzależność Załóżmy, że obserwujemy nie jedną lecz dwie cechy, które oznaczymy symbolami X i Y. Wyniki obserwacji obu cech w i-tym obiekcie oznaczymy parą liczb (x i, y i ). Geometrycznie taką parę
SYMULACJA WYBRANYCH PROCESÓW
Romuald Mosdorf Joanicjusz Nazarko Nina Siemieniuk SYMULACJA WYBRANYCH PROCESÓW EKONOMICZNYCH Z ZASTOSOWANIEM TEORII CHAOSU DETERMINISTYCZNEGO Gospodarka rynkowa oparta jest na mechanizmach i instytucjach
1 Podstawy rachunku prawdopodobieństwa
1 Podstawy rachunku prawdopodobieństwa Dystrybuantą zmiennej losowej X nazywamy prawdopodobieństwo przyjęcia przez zmienną losową X wartości mniejszej od x, tzn. F (x) = P [X < x]. 1. dla zmiennej losowej
Statystyka matematyczna Testowanie hipotez i estymacja parametrów. Wrocław, r
Statystyka matematyczna Testowanie hipotez i estymacja parametrów Wrocław, 18.03.2016r Plan wykładu: 1. Testowanie hipotez 2. Etapy testowania hipotez 3. Błędy 4. Testowanie wielokrotne 5. Estymacja parametrów
WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI. Test zgodności i analiza wariancji Analiza wariancji
WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI Test zgodności i analiza wariancji Analiza wariancji Test zgodności Chi-kwadrat Sprawdza się za jego pomocą ZGODNOŚĆ ROZKŁADU EMPIRYCZNEGO Z PRÓBY Z ROZKŁADEM HIPOTETYCZNYM
Tablica Wzorów Rachunek Prawdopodobieństwa i Statystyki
Tablica Wzorów Rachunek Prawdopodobieństwa i Statystyki Spis treści I. Wzory ogólne... 2 1. Średnia arytmetyczna:... 2 2. Rozstęp:... 2 3. Kwantyle:... 2 4. Wariancja:... 2 5. Odchylenie standardowe:...
SPIS TREŚCI WSTĘP... 8 1. LICZBY RZECZYWISTE 2. WYRAŻENIA ALGEBRAICZNE 3. RÓWNANIA I NIERÓWNOŚCI
SPIS TREŚCI WSTĘP.................................................................. 8 1. LICZBY RZECZYWISTE Teoria............................................................ 11 Rozgrzewka 1.....................................................
Statystyka opisowa Opracował: dr hab. Eugeniusz Gatnar, prof. WSBiF
Statystyka opisowa Opracował: dr hab. Eugeniusz Gatnar, prof. WSBiF 120 I. Ogólne informacje o przedmiocie Cel przedmiotu: Opanowanie podstaw teoretycznych, poznanie przykładów zastosowań metod statystycznych.
Wybrane aspekty wykorzystania teorii chaosu do wspierania decyzji finansowych
19 (68) 2018 DOI 10.22630/PEFIM.2018.19.68.20 Nina Siemieniuk Uniwersytet w Białymstoku Tomasz Siemieniuk Wyższa Szkoła Finansów i Zarządzania w Białymstoku Łukasz Siemieniuk Uniwersytet w Białymstoku
( x) Równanie regresji liniowej ma postać. By obliczyć współczynniki a i b należy posłużyć się następującymi wzorami 1 : Gdzie:
ma postać y = ax + b Równanie regresji liniowej By obliczyć współczynniki a i b należy posłużyć się następującymi wzorami 1 : xy b = a = b lub x Gdzie: xy = też a = x = ( b ) i to dane empiryczne, a ilość
Statystyka opisowa. Wykład I. Elementy statystyki opisowej
Statystyka opisowa. Wykład I. e-mail:e.kozlovski@pollub.pl Spis treści Elementy statystyku opisowej 1 Elementy statystyku opisowej 2 3 Elementy statystyku opisowej Definicja Statystyka jest to nauka o
LABORATORIUM 8 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI
LABORATORIUM 8 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI WERYFIKACJA HIPOTEZ Hipoteza statystyczna jakiekolwiek przypuszczenie dotyczące populacji generalnej- jej poszczególnych
Prace magisterskie 1. Założenia pracy 2. Budowa portfela
1. Założenia pracy 1 Założeniem niniejszej pracy jest stworzenie portfela inwestycyjnego przy pomocy modelu W.Sharpe a spełniającego następujące warunki: - wybór akcji 8 spółek + 2 papiery dłużne, - inwestycja
Zadanie 1 Zakładając liniową relację między wydatkami na obuwie a dochodem oszacować MNK parametry modelu: y t. X 1 t. Tabela 1.
tel. 44 683 1 55 tel. kom. 64 566 811 e-mail: biuro@wszechwiedza.pl Zadanie 1 Zakładając liniową relację między wydatkami na obuwie a dochodem oszacować MNK parametry modelu: gdzie: y t X t y t = 1 X 1
Populacja generalna (zbiorowość generalna) zbiór obejmujący wszystkie elementy będące przedmiotem badań Próba (podzbiór zbiorowości generalnej) część
Populacja generalna (zbiorowość generalna) zbiór obejmujący wszystkie elementy będące przedmiotem badań Próba (podzbiór zbiorowości generalnej) część populacji, którą podaje się badaniu statystycznemu
ZASTOSOWANIE GEOMETRII FRAKTALNEJ DO OCENY KLASYFIKACJI GRAFITU W ŻELIWIE
2/42 Solidification o f Metais and Alloys, Year 2000, Volume 2, Book No 42 Krzepnięcie Metali i Stopów, Rok 2000, Rocznik 2, Nr 42 PAN-Katowice, PL ISSN 0208-9386 ZASTOSOWANIE GEOMETRII FRAKTALNEJ DO OCENY
W kolejnym kroku należy ustalić liczbę przedziałów k. W tym celu należy wykorzystać jeden ze wzorów:
Na dzisiejszym wykładzie omówimy najważniejsze charakterystyki liczbowe występujące w statystyce opisowej. Poszczególne wzory będziemy podawać w miarę potrzeby w trzech postaciach: dla szeregu szczegółowego,
Analiza Danych Sprawozdanie regresja Marek Lewandowski Inf 59817
Analiza Danych Sprawozdanie regresja Marek Lewandowski Inf 59817 Zadanie 1: wiek 7 8 9 1 11 11,5 12 13 14 14 15 16 17 18 18,5 19 wzrost 12 122 125 131 135 14 142 145 15 1 154 159 162 164 168 17 Wykres
dr hab. Renata Karkowska 1
dr hab. Renata Karkowska 1 Miary zmienności: obrazują zmiany cen, stóp zwrotu instrumentów finansowych, opierają się na rozproszeniu ich rozkładu, tym samym uśredniają ryzyko: wariancja stopy zwrotu, odchylenie
parametrów strukturalnych modelu = Y zmienna objaśniana, X 1,X 2,,X k zmienne objaśniające, k zmiennych objaśniających,
诲 瞴瞶 瞶 ƭ0 ƭ 瞰 parametrów strukturalnych modelu Y zmienna objaśniana, = + + + + + X 1,X 2,,X k zmienne objaśniające, k zmiennych objaśniających, α 0, α 1, α 2,,α k parametry strukturalne modelu, k+1 parametrów
Ekonometria. Modele dynamiczne. Paweł Cibis 27 kwietnia 2006
Modele dynamiczne Paweł Cibis pcibis@o2.pl 27 kwietnia 2006 1 Wyodrębnianie tendencji rozwojowej 2 Etap I Wyodrębnienie tendencji rozwojowej Etap II Uwolnienie wyrazów szeregu empirycznego od trendu Etap
OCENA FRAKTALNA POWIERZCHNI KRZEPNIĘCIA
1/10 Archives of Foundry, Year 2003, Volume 3, 10 Archiwum Odlewnictwa, Rok 2003, Rocznik 3, Nr 10 PAN Katowice PL ISSN 1642-5308 OCENA FRAKTALNA POWIERZCHNI KRZEPNIĘCIA M. MAREK 1 Politechnika Częstochowska
Odchudzamy serię danych, czyli jak wykryć i usunąć wyniki obarczone błędami grubymi
Odchudzamy serię danych, czyli jak wykryć i usunąć wyniki obarczone błędami grubymi Piotr Konieczka Katedra Chemii Analitycznej Wydział Chemiczny Politechnika Gdańska D syst D śr m 1 3 5 2 4 6 śr j D 1
MODELOWANIE RZECZYWISTOŚCI
MODELOWANIE RZECZYWISTOŚCI Daniel Wójcik Instytut Biologii Doświadczalnej PAN Szkoła Wyższa Psychologii Społecznej d.wojcik@nencki.gov.pl dwojcik@swps.edu.pl tel. 022 5892 424 http://www.neuroinf.pl/members/danek/swps/
Wnioskowanie statystyczne i weryfikacja hipotez statystycznych
Wnioskowanie statystyczne i weryfikacja hipotez statystycznych Wnioskowanie statystyczne Wnioskowanie statystyczne obejmuje następujące czynności: Sformułowanie hipotezy zerowej i hipotezy alternatywnej.
ZMIENNE LOSOWE. Zmienna losowa (ZL) X( ) jest funkcją przekształcającą przestrzeń zdarzeń elementarnych w zbiór liczb rzeczywistych R 1 tzn. X: R 1.
Opracowała: Joanna Kisielińska ZMIENNE LOSOWE Zmienna losowa (ZL) X( ) jest funkcją przekształcającą przestrzeń zdarzeń elementarnych w zbiór liczb rzeczywistych R tzn. X: R. Realizacją zmiennej losowej
RÓWNOWAŻNOŚĆ METOD BADAWCZYCH
RÓWNOWAŻNOŚĆ METOD BADAWCZYCH Piotr Konieczka Katedra Chemii Analitycznej Wydział Chemiczny Politechnika Gdańska Równoważność metod??? 2 Zgodność wyników analitycznych otrzymanych z wykorzystaniem porównywanych
Zad. 4 Należy określić rodzaj testu (jedno czy dwustronny) oraz wartości krytyczne z lub t dla określonych hipotez i ich poziomów istotności:
Zadania ze statystyki cz. 7. Zad.1 Z populacji wyłoniono próbę wielkości 64 jednostek. Średnia arytmetyczna wartość cechy wyniosła 110, zaś odchylenie standardowe 16. Należy wyznaczyć przedział ufności
Próba własności i parametry
Próba własności i parametry Podstawowe pojęcia Zbiorowość statystyczna zbiór jednostek (obserwacji) nie identycznych, ale stanowiących logiczną całość Zbiorowość (populacja) generalna skończony lub nieskończony
5. WNIOSKOWANIE PSYCHOMETRYCZNE
5. WNIOSKOWANIE PSYCHOMETRYCZNE Model klasyczny Gulliksena Wynik otrzymany i prawdziwy Błąd pomiaru Rzetelność pomiaru testem Standardowy błąd pomiaru Błąd estymacji wyniku prawdziwego Teoria Odpowiadania
b) Niech: - wśród trzech wylosowanych opakowań jest co najwyżej jedno o dawce 15 mg. Wówczas:
ROZWIĄZANIA I ODPOWIEDZI Zadanie A1. Można założyć, że przy losowaniu trzech kul jednocześnie kolejność ich wylosowania nie jest istotna. A więc: Ω = 20 3. a) Niech: - wśród trzech wylosowanych opakowań
STATYSTYKA MATEMATYCZNA WYKŁAD 4. WERYFIKACJA HIPOTEZ PARAMETRYCZNYCH X - cecha populacji, θ parametr rozkładu cechy X.
STATYSTYKA MATEMATYCZNA WYKŁAD 4 WERYFIKACJA HIPOTEZ PARAMETRYCZNYCH X - cecha populacji, θ parametr rozkładu cechy X. Wysuwamy hipotezy: zerową (podstawową H ( θ = θ i alternatywną H, która ma jedną z
Testowanie hipotez statystycznych.
Statystyka Wykład 10 Wrocław, 22 grudnia 2011 Testowanie hipotez statystycznych Definicja. Hipotezą statystyczną nazywamy stwierdzenie dotyczące parametrów populacji. Definicja. Dwie komplementarne w problemie
-> Średnia arytmetyczna (5) (4) ->Kwartyl dolny, mediana, kwartyl górny, moda - analogicznie jak
Wzory dla szeregu szczegółowego: Wzory dla szeregu rozdzielczego punktowego: ->Średnia arytmetyczna ważona -> Średnia arytmetyczna (5) ->Średnia harmoniczna (1) ->Średnia harmoniczna (6) (2) ->Średnia
Zadania domowe. Ćwiczenie 2. Rysowanie obiektów 2-D przy pomocy tworów pierwotnych biblioteki graficznej OpenGL
Zadania domowe Ćwiczenie 2 Rysowanie obiektów 2-D przy pomocy tworów pierwotnych biblioteki graficznej OpenGL Zadanie 2.1 Fraktal plazmowy (Plasma fractal) Kwadrat należy pokryć prostokątną siatką 2 n
samopodobnym nieskończenie subtelny
Fraktale Co to jest fraktal? Według definicji potocznej fraktal jest obiektem samopodobnym tzn. takim, którego części są podobne do całości lub nieskończenie subtelny czyli taki, który ukazuje subtelne