KONSTRUKCJA PORTFELA OPTYMALNEGO PRZY WYKORZYSTANIU NARZĘDZI IDENTYFIKACJI CHAOSU W SZEREGACH CZASOWYCH

Wielkość: px
Rozpocząć pokaz od strony:

Download "KONSTRUKCJA PORTFELA OPTYMALNEGO PRZY WYKORZYSTANIU NARZĘDZI IDENTYFIKACJI CHAOSU W SZEREGACH CZASOWYCH"

Transkrypt

1 ZESZYTY NAUKOWE POLITECHNIKI ŚLĄSKIEJ 216 Sera: ORGANIZACJA I ZARZĄDZANIE z. 96 Nr kol Moka MIŚKIEWICZ-NAWROCKA, Katarzya ZEUG-ŻEBRO Uwersytet Ekooczy w Katowcach Wydzał Zarządzaa oka.skewcz@ue.katowce.pl, katarzya.zeug-zebro@ue.katowce.pl KONSTRUKCJA PORTFELA OPTYMALNEGO PRZY WYKORZYSTANIU NARZĘDZI IDENTYFIKACJI CHAOSU W SZEREGACH CZASOWYCH Streszczee. W ostatch latach oprócz klasyczych etod aalzy portfelowej rozwęły sę róweż owe, alteratywe techk dywersyfkacj portfela westycyjego, uwzględające p. wskaźk aalzy fudaetalej. Nowy podejśce zapropooway w ejszy opracowau jest zastosowae jedej z ar detyfkacj chaosu deterstyczego, tj. ajwększego wykładka Lapuowa. Cele artykułu jest kostrukcja portfel optyalych wyzaczoych.. a podstawe ajwększego wykładka Lapuowa oraz porówae zysków ze zbudowaych portfel. Słowa kluczowe: aalza portfelowa, ajwększy wykładk Lapuowa, szereg czasowe. CONSTRUCTION OF OPTIMAL PORTFOLIO USING TOOLS IDENTIFICATION OF CHAOS IN TIME SERIES Suary. I recet years, addto to classcal ethods of portfolo aalyss have bee developed ew, alteratve dversfcato techques of vestet portfolo whch take to accout for exaple the dcators of fudaetal aalyss. A ew approach proposed the paper s the use of the easure for detfyg chaos,.e. the largest Lyapuov expoet. The paper as to costruct optal portfolos detered based o the largest Lyapuov expoet ad a coparso of the profts fro the costructed portfolos. Keywords: portfolo aalyss, largest Lyapuov expoet, te seres.

2 344 M. Mśkewcz-Nawrocka, K. Zeug-Żebro Wprowadzee Kostrukcja portfela optyalego zapropoowaa przez H. Markowtza (1952) zapoczątkowała tesywy rozwój dzedzy aukowej, jaką jest aalza portfelowa. Prowadzoe od welu lat badaa dostarczyły owych arzędz oraz podejść do szacowaa udzałów w portfelu optyaly [Tarczyńsk, 22; 213]. Nowy podejśce zapropooway przez autorów jest zastosowae ajwększego wykładka Lapuowa, będącego jedą z ar teor elowych układów dyaczych do kostrukcj portfela optyalego. Służy o.. do detyfkacj chaosu deterstyczego, jak róweż pozwala a oszacowae warygodych progoz rzeczywstych szeregów czasowych. Cele artykułu jest próba zdywersyfkowaa ryzyka portfela westycyjego a podstawe ajwększego wykładka jedego z arzędz detyfkacj chaosu w układach dyaczych. W badaach pod uwagę wzęto cey akcj spółek otowaych a GPW w Warszawe w okrese od do oraz w celu oszacowaa roczych stóp zwrotu dla wyzaczoych portfel cey akcj z da Wykładk Lapuowa Wykładk Lapuowa oprócz wyaru korelacyjego są jedy z podstawowych arzędz pozwalających wykryć obecość chaosu deterstyczego w układach dyaczych. Pojęce deterstyczego chaosu zostało wprowadzoe w 1975 roku przez T.Y. L J.A. Yorke a [L Yorke, 1975], jedak w lteraturze oża zaleźć wele defcj tego pojęca [Mśkewcz-Nawrocka, 212], które poeważ wywodzą sę z różych dyscypl ateatyczych, e zawsze są rówoważe (jedozacze). Przyjuje sę, że defcja chaosu powa przede wszystk zakładać stee dyak eokresowej w baday układze deterstyczy, wrażlwość a zaę waruków początkowych oraz stee pewego stotego echazu deterstyczego odpowedzalego za rekurecyje zachowae sę układu [Nowńsk, 27]. Dostępe etody detyfkacj chaosu [zob. p. Katz Schreber, 24; Orzeszko, 25] pozwalają jedye a wykryce pojedyczego atrybutu dyak chaotyczej. Jedą z ch jest szacowae wartośc ajwększego wykładka Lapuowa, który erzy wrażlwość układu a zaę waruków początkowych. Rozważy układ dyaczy X, f z czase dyskrety, opsay za poocą rówaa rekurecyjego: x t 1 f x t, t,1,... (1)

3 Kostrukcja portfela optyalego 345 gdze: X R przestrzeń staów układu, x, x X sta układu w chwlach t t 1, t t1 f odwzorowae przestrze staów w sebe z waruke początkowy x X. Układ dyaczy X, f jest wrażlwy a zaę waruków początkowych, jeżel steje, take że dla każdego x X oraz każdego otoczea U puktu x steją y U oraz 1, take że f x f y, gdze [Zawadzk, 1996; za: Deavey, 1987]. Dla układu dyaczego X, f, w który Lapuowa określa wzór [Zawadzk, 1996]: f jest -kroty złożee odwzorowaa f X R, f : X X 1, wykładk 1 x l l, x, 1,...,, 1 (2) gdze: wartośc włase acerzy Jacobego Df Df, x x f x j x, Df x x Df x Df ) Df 1... f -krote złożee fukcj f, f składowe odwzorowaa f, 1 odwzorowaa f : ( x x, (3), j 1,2,...,. Zgode z twerdzee Oseledeca -wyarowy układ dyaczy X, f a wykładków Lapuowa, które forują o zae odległośc ędzy blsk staa względe odpowedego keruku w przestrze staów. Jedak ajbardzej stoty pod względe detyfkacj chaosu jest ajwększy wykładk Lapuowa ax, gdyż erzy średe tepo zbeżośc rozbeżośc początkowo blskch trajektor. Dodata wartość ajwększego wykładka jest główy wskaźke dyak chaotyczej. Trajektore dwóch losowo wybraych puktów początkowych układu są rozbeże wykładczo w tepe co ajwyżej rówy ajwększeu wykładkow Lapuowa. Natoast ujey wykładk jest arą kotrakcj, erzy wykładczą zbeżość dwóch początkowo blskch trajektor. Udowodoo astępującą zależość [Ecka Ruelle, 1985]: gdze: ax ajwększy wykładk Lapuowa, ax e, (4) początkowa odległość poędzy dwoa dowoly położoy blsko sebe staa przestrze X, 1 odległość ędzy ty pukta po -tej teracj, 1.

4 346 M. Mśkewcz-Nawrocka, K. Zeug-Żebro Najwększy wykładk Lapuowa ax służy do rozróżaa charakteru dyak układu: regularej od chaotyczej. W 1993 roku Roseste [Roseste, Colls De Luca, 1993], a rok późej Katz [Katz, 1994] przedstawl algoryt wyzaczaa ajwększego wykładka Lapuowa dla układów dyaczych defowaych przez jedowyarowe szereg obserwacj. Przebega o według astępujących etapów [Katz Schreber, 24]: 1. Wyzaczay zbory Z t, złożoe z K ajblższych sąsadów d xˆ t j wektorów opóźeń d xˆt [Zeug-Żebro., 213], spełających waruek t t j t, gdze t jest ustaloą lczbą aturalą. Doday waruek zwększa prawdopodobeństwo, że zalezoy sąsad e będze ależał do trajektor wektora 2. Oblczay: r t K d xˆ Z d xˆ t. 1 xt xt, t 1,2,..., M ;,1,..., ax, (5) tj t, ax j gdze: M N d 1 jest ustaloą lczbą aturalą, określająca lczbę teracj. 3. Wyzaczay średą z r t po wszystkch d-hstorach: r M M t1 t 1 r. (6) 4. Najwększy wykładk Lapuowa jest współczyke kerukowy rówaa regresj: l lr r. (7) Dla szeregów chaotyczych achylee prostej regresj wykresu lustrującego zależość l od ueru teracj w początkowej faze powo być dodate. ax szacuje sę a podstawe zboru puktów ależących do tego obszaru. Zate oszacowaa wartość zależy e tylko od wyboru etryk, lczby ajblższych sąsadów, wyaru zaurzea, lecz także od ustaloej wartośc Schreber, 24]. ax ax ax, dla której współczyk regresj jest dodat [Katz 2. Budowa optyalych portfel akcj Podstawowy charakterystyka opsujący portfele akcj są oczekwaa stopa zwrotu portfela oraz ryzyko portfela, lczoe za poocą wzorów: R p 1 x R, (8)

5 Kostrukcja portfela optyalego 347 gdze: S 2 p x S x 1 1 j1 R p oczekwaa stopa zwrotu portfela akcj, S p ryzyko portfela akcj, R oczekwaa stopa zwrotu -tej akcj, S odchylee stadardowe akcj -tej spółk, j współczyk korelacj -tej akcj z j-tą akcją, x udzał -tej akcj w portfelu, 1 lczba akcj w portfelu. 2 x S S, (9) j j j x 1, x, 1,...,, (1) Udzały akcj w portfelu zazwyczaj wyzacza sę przy wykorzystau odelu H. Markowtza [Markowtz, 1952], tak aby zalzować ryzyko tego portfela. W ty przypadku zadae optyalzacj jest postac: Zadae 1 z waruka ograczający S, (11) R p 1 x 2 p R 1 x, 1,...,, gdze: R oczekwaa stopa zwrotu dla spółek, pozostałe ozaczea jw. Propozycją autorów jest budowa portfela optyalego z zastosowae arzędza teor elowych układów dyaczych ajwększy wykładk Lapuowa. W ty celu ależy rozwązać astępujące zadae aksyalzacj: Zadae 2 z waruka ograczający: ax ax x, (12) 1 R p R 1 S x S

6 348 M. Mśkewcz-Nawrocka, K. Zeug-Żebro 1 x 1 x, 1,...,, gdze: ax ajwększy wykładk Lapuowa dla szeregu czasowego geerowaego przez Zadae 3 utworzoy z otowań ce akcj -tej spółk, pozostałe ozaczea jw. z waruka ograczający: ax ax x, (13) 1 R p R 1 1 S x A x S A 1 x 1 x, 1,...,, gdze: A współczyk asyetr, A uśredoy współczyk asyetr. pozostałe ozaczea jw. 3. Badaa eprycze W aalze epryczej pod uwagę wzęto stopy zwrotu ce zakęca akcj astępujących spółek fasowych: Bak Hadlowy w Warszawe SA (BHW), Bak Zachod WBK SA (BZW), ING Bak Śląsk SA (ING), Bak SA (MBK), Bak Polska Kasa Opek (PEO), Powszecha Kasa Oszczędośc Bak Polsk SA (PKO), oraz spółek efasowych: Grupa Apator SA (APT), Asseco Polad SA (ACP), Fra Opoarska Dębca SA (DBC), Globe Trade Cetre SA (GTC), KGHM Polska Medź SA (KGH), LPP SA (LPP), Mostostal Zabrze SA (MSZ), Orage Polska SA (OPL), Polsk Kocer Naftowy ORLEN SA (PKN), Sythos SA (SNS), Vstula Group SA(VST), Grupa Żywec SA (ZWC). W celu wyzaczea wartośc ajwększego wykładka Lapuowa dla aalzowaych spółek pod uwagę wzęto szereg czasowe utworzoe z logarytów dzeych stóp zwrotu ce zakęca ww. akcj otowaych w okrese W perwszy kroku

7 Kostrukcja portfela optyalego 349 skostruowao wektory opóźeń, oblczając paraetry rekostrukcj przestrze staów, tj. wyar zaurzea czas opóźea 1. Następe a podstawe algorytu przedstawoego w sekcj 1 oszacowao wartośc ajwększego wykładka Lapuowa 2. Wartośc ax oraz współczyka deteracj R 2 przedstawoo w tabel 1. Tabela 1 Wartośc ajwększego wykładka Lapuowa dla aalzowaych spółek Spółka Najwększy wykładk Lapuowa R 2 Spółka Najwększy wykładk Lapuowa APT,547,1382 SNS,719,1567 ACP,221,1274 VST,143,127 DBC,1534,3564 ZWC,697,1513 GTC,31,3125 BHW,1,332 KGH,8,3561 BZW -,34,2134 LPP,3,365 ING,5,3134 MSZ,986,3764 MBK,24,3126 OPL,7,5119 PEO,9,1469 PKN,4,2753 PKO,41,3576 R 2 W kolejy etape badaa zbudowao sześć optyalych portfel akcj, rozwązując przedstawoe w sekcj 2 zadaa optyalzacyje. W skład portfel ozaczoych uera 1, 2 3 weszły spółk będące odpowedo rozwązaa zadań 1, 2 3. Natoast w portfelu 1, 2 3 ueszczoo spółk będące rozwązaa zadań 1, 2 3, dla których przyjęto dodatkowe założee o stotośc oszacowaego wykładka Lapuowa, tj. współczyk deteracj R 2, 3. Poadto w celu dywersyfkacj ryzyka tworzoych portfel uwzględoo jeszcze jede waruek ograczający postac,3, 1,...,. Do oblczea udzałów poszczególych spółek w portfelu wykorzystao arzędze solver dodatek arkusza kalkulacyjego Excel. Następe oszacowao stopę zwrotu ryzyko każdego portfela. Wyk ueszczoo w tabel 2. Zak - postawoo przy spółkach, które e weszły w skład portfela optyalego oraz ze względu a estotość oszacowaego ajwększego wykładka Lapuowa e zostały uwzględoe w budowe portfel 1, 2 3. x 1 Szczegóły szacowaa paraetrów rekostrukcj przestrze staów oża zaleźć p. w [Zeug-Żebro., 213]. 2 Szczegóły szacowaa ajwększego wykładka Lapuowa dla rzeczywstych szeregów czasowych oża zaleźć p. w [Mśkewcz-Nawrocka, 212].

8 35 M. Mśkewcz-Nawrocka, K. Zeug-Żebro Stopa zwrotu, ryzyko udzały akcj w wyzaczoych portfelach Tabela 2 Spółka Udzały akcj Portfel 1 Portfel 2 Portfel 3 Portfel 1 Portfel 2 Portfel 3 APT, ACP, DBC,12,3,3,3,3,3 GTC, ,3645,981,981 KGH,1 - -, LPP,12 - -, MSZ,14 - -, OPL,12 - -,3,3,3 PKN, SNS,14,3, VST,111,25536, ZWC,2391,14464, BHW ,15142,15142 BZW ING, , MBK,43 - -, PEO, PKO, ,9588,1557,1557 Stopa zwrotu portfela,29,43,43,224,194,194 Ryzyko portfela,1,15,15,9,23,23 Na podstawe daych przedstawoych w tabel 2 oża stwerdzć, że portfele 2 3 charakteryzują sę ajwyższą oczekwaą stopą zwrotu, atoast portfel 1 jest obarczoy ajższy pozoe ryzyka. Istotość ajwększego wykładka Lapuowa dla badaych szeregów ( R 2, 3) wpływa a skład portfela optyalego, ale e dywersyfkuje ryzyka zwązaego z westycją w tak portfel. Śwadczą o ty portfele 1, 2 3, dla których uzyskao ższą oczekwaą stopę zwrotu, a w przypadku portfel 2 3 wyższy pozo ryzyka. Poadto ależy zauważyć, że rozwązae zadań optyalzacj 2 3 są portfele optyale o ty say składze: portfele 2 3 oraz 2 3. W tabel 3 przedstawoo rocze stopy zwrotu dla wyzaczoych portfel uzyskae w okrese Stopa zysku portfela (%) Rocza stopa zwrotu dla wyzaczoych portfel akcj Tabela 3 Portfel 1 Portfel 2 Portfel 3 Portfel 1 Portfel 2 Portfel 3 3,3956% 4,1214% 4,1214% 4,572% 22,4359% 22,4359% Aalzując rocze stopy zwrotu dla wyzaczoych portfel akcj (tabela 3), ależy zauważyć, że ajwększy zysk w okrese oża było uzyskać,

9 Kostrukcja portfela optyalego 351 westując w portfel 2 (3 ), zbudoway a podstawe stotych wartośc ajwększych wykładków Lapuowa. Najższą stopę zwrotu uzyskao dla portfela 1, zbudowaego a podstawe klasyczego odelu Markowtza. Warto jedak zwrócć uwagę, że stopa zysku tego portfela ezacze wzrosła w przypadku zastosowaa dodatkowego założea o stotośc oszacowaego ajwększego wykładka Lapuowa (portfel 1 ) kształtowała sę a pozoe stóp zwrotu portfel 2 3. Podsuowae Zastosowae arzędza detyfkacj chaosu deterstyczego w szeregach czasowych, jak jest ajwększy wykładk Lapuowa, wydaje sę waży eleete badań dotyczących aalzy portfelowej. Przeprowadzoe badaa pokazały, że zadae aksyalzacj ajwększego wykładka Lapuowa daje lepsze rezultaty ż klasycze zadae Markowtza. Warto zate przeprowadzć dodatkowe badaa aalzujące wpływ zastosowaa ych ar teor elowych układów dyaczych a kostrukcję portfel optyalych. Bblografa 1. Devaey R.L.: A Itroducto to Chaotc Dyacal Systes. Addso-Wesley Publshg Copay, Ic., Redwood Cty Ecka J.P., Ruelle D.: Ergodc theory of chaos ad strage attractors. Revews of Moder Physcs, vol. 57, o. 3, Katz H.: A robust ethod to estate the axal Lyapuov expoet of a te seres. Physcal Letters A, vol. 185(1), 1994, p Katz H., Schreber T.: Nolear Te Seres Aalyss. Cabrdge Uversty Press, 24 (secod edto). 5. L T.Y., Yorke J.A.: Perod. Three Iples Chaos. Aerca Matheatcal Mothly, vol. 82, 1975, p Markowtz H.: Portfolo Selecto. Joural of Face, 1952, p Mśkewcz-Nawrocka M.: Zastosowae wykładków Lapuowa do aalzy ekooczych szeregów czasowych. Wydawctwo Uwersytetu Ekooczego w Katowcach, Katowce Nowńsk M.: Nelowa dyaka szeregów czasowych. Wydawctwo Akade Ekooczej we Wrocławu, Wrocław 27.

10 352 M. Mśkewcz-Nawrocka, K. Zeug-Żebro 9. Orzeszko W.: Idetyfkacja progozowae chaosu deterstyczego w ekooczych szeregach czasowych. Polske Towarzystwo Ekoocze, Warszawa Roseste M.T., Colls J.J., De Luca C.J.: A practcal ethod for calculatg largest Lyapuov expoets fro sall data sets. Physca D, vol. 65, 1993, p Tarczyńsk W.: Ocea efektywośc etod aalzy portfelowej a Gełdze Paperów Wartoścowych w Warszawe za lata Zeszyty Naukowe Uwersytetu Szczecńskego, r 761, Fase, ryk fasowe, ubezpeczea, r 6, Szczec 213, s Tarczyńsk W.: Fudaetaly portfel paperów wartoścowych. Polske Wydawctwo Ekoocze, Warszawa Zawadzk H.: Chaotycze systey dyacze. Eleety teor wybrae zagadea ekoocze. Zeszyty Naukowe Akade Ekooczej w Katowcach, Katowce Zeug-Żebro K., Dębcka J., Kuśerczyk P., Łyko J.: Wybrae odele ateatycze ekoo. Decyzje wybory, Wydawctwo Uwersytetu Ekooczego we Wrocławu, Wrocław 213. Abstract I recet years, addto to classcal ethods of portfolo aalyss have bee developed tools that are both odfcatos of these cocept as well as ew, alteratve dversfcato techques of vestet portfolo whch take to accout for exaple the dcators of fudaetal aalyss. A ew approach proposed the paper s the use of the easure for detfyg chaos,.e. the largest Lyapuov expoet. Sce deters of chaotc te seres dcates o potetal possblty of ther predcto, t s also expected that has a sgfcat pact o the costructo of optal portfolo. The paper as to costruct optal portfolos detered based o the largest Lyapuov expoet ad a coparso of the profts fro the costructed portfolos.

PORTFELE FUNDAMENTALNE I PORTFELE Z CHAOSEM ANALIZA PORÓWNAWCZA

PORTFELE FUNDAMENTALNE I PORTFELE Z CHAOSEM ANALIZA PORÓWNAWCZA W Y D A W N I C T W O P O L I T E C H N I K I Ś L Ą S K I E J W G L I W I C A C H ZESZYTY NAUKOWE POLITECHNIKI ŚLĄSKIEJ 208 Sera: ORGANIZACJA I ZARZĄDZANIE z. 30 PORTFELE FUNDAMENTALNE I PORTFELE Z CHAOSEM

Bardziej szczegółowo

BUDOWA PORTFELA INWESTYCYJNEGO W OPARCIU O WYBRANE CHARAKTERYSTYKI TEORII CHAOSU

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

Bardziej szczegółowo

Regresja REGRESJA

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

Bardziej szczegółowo

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

5. OPTYMALIZACJA NIELINIOWA

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

Bardziej szczegółowo

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

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

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

Bardziej szczegółowo

ZASTOSOWANIE WYKŁADNIKA HURSTA DO WYZNACZANIA PORTFELI OPTYMALNYCH

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

Bardziej szczegółowo

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

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

ZASTOSOWANIE WYKŁADNIKÓW LAPUNOWA DO WYZNACZANIA PORTFELI OPTYMALNYCH

ZASTOSOWANIE WYKŁADNIKÓW LAPUNOWA DO WYZNACZANIA PORTFELI OPTYMALNYCH Stua Ekonoczne. Zeszyty Naukowe Unwersytetu Ekonocznego w Katowcach ISSN 2083-86 Nr 22 205 Współczesne Fnanse Monka Mśkewcz-Nawrocka Unwersytet Ekonoczny w Katowcach Wyzał Zarzązana Katera Mateatyk onka.skewcz@ue.katowce.pl

Bardziej szczegółowo

1. Relacja preferencji

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

Bardziej szczegółowo

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

WYBRANE MOŻLIWOŚCI WSPOMAGANIA INWESTYCJI

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

Bardziej szczegółowo

WYBRANE MIARY OCENY STOPNIA DYWERSYFIKACJI PORTFELI INWESTYCYJNYCH

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

Bardziej szczegółowo

3. OPTYMALIZACJA NIELINIOWA

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

Bardziej szczegółowo

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

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

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

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

Bardziej szczegółowo

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

Portfel złożony z wielu papierów wartościowych

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

Bardziej szczegółowo

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

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

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

Bardziej szczegółowo

Prawdopodobieństwo i statystyka r.

Prawdopodobieństwo i statystyka r. 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

Sprawdzenie stateczności skarpy wykopu pod składowisko odpadów komunalnych

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

Bardziej szczegółowo

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

08 Model planowania sieci dostaw 1Po_2Pr_KT+KM

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

Bardziej szczegółowo

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

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

STATYSTYKA MATEMATYCZNA WYKŁAD 2 ESTYMACJA PUNKTOWA

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Matematyczny opis ryzyka

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

Bardziej szczegółowo

METODY KOMPUTEROWE 1

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

Bardziej szczegółowo

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

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

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

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

Bardziej szczegółowo

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

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

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

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

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

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

Bardziej szczegółowo

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

Analiza spektralna stóp zwrotu z inwestycji w akcje

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

Bardziej szczegółowo

Podprzestrzenie macierzowe

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

Bardziej szczegółowo

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

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

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

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

Bardziej szczegółowo

06 Model planowania sieci dostaw 1Po_1Pr_KT+KM

06 Model planowania sieci dostaw 1Po_1Pr_KT+KM Nr Tytuł: Autor: 06 Model plaowaa sec dostaw 1Po_1Pr_KT+KM Potr SAWICKI Zakład Systeów Trasportowych WIT PP potr.sawck@put.poza.pl potr.sawck.pracowk.put.poza.pl www.facebook.co/potr.sawck.put Przedot:

Bardziej szczegółowo

Aspekty ekonomiczne konstrukcji i optymalizacji długookresowych portfeli inwestycyjnych na rynku kapitałowym

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

Bardziej szczegółowo

IV. ZMIENNE LOSOWE DWUWYMIAROWE

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

Bardziej szczegółowo

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

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

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

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

Bardziej szczegółowo

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

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

OPTYMALIZACJA WIELOPOZIOMOWA I WIELOKRYTERIALNA OBIEKTÓW BUDOWLANYCH

OPTYMALIZACJA WIELOPOZIOMOWA I WIELOKRYTERIALNA OBIEKTÓW BUDOWLANYCH OPYMALIZACJA WIELOPOZIOMOWA I WIELOKYEIALNA OBIEKÓW BUDOWLANYCH GINOW Jolata Katedra Budowctwa Oóleo Przeysłoweo, Wydzał Iżyer Lądowej, Poltechka Krakowska MULICIEIAL AND MULILEVELED OPIMIZAION OF BUILDINGS

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

MODELE OBIEKTÓW W 3-D3 część

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

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

ZAGADNIENIE TRANSPORTOWE

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

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

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

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

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

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

Bardziej szczegółowo

2012-10-11. Definicje ogólne

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

Bardziej szczegółowo

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

KALIBRACJA NIE ZAWSZE PROSTA

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

Bardziej szczegółowo

OPTYMALNA DYWERSYFIKACJA NA POLSKIM RYNKU INWESTYCYJNYM

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

Bardziej szczegółowo

WSPOMAGANIE DECYZJI - MIŁOSZ KADZIŃSKI LABORATORIUM II PROGRAMOWANIE CELOWE, ILORAZOWE I MIN-MAX. min. min

WSPOMAGANIE DECYZJI - MIŁOSZ KADZIŃSKI LABORATORIUM II PROGRAMOWANIE CELOWE, ILORAZOWE I MIN-MAX. min. min WSPOMAGANIE DECYZJI - MIŁOSZ KADZIŃSKI LABORAORIUM II PROGRAMOWANIE CELOWE, ILORAZOWE I MIN-MAX Probley prograowae celowego lorazowego to probley prograowae ateatyczego elowego, który oża sktecze zlearyzować

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

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

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

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

Bardziej szczegółowo

SOWA - ENERGOOSZCZĘDNE OŚWIETLENIE ULICZNE METODYKA

SOWA - ENERGOOSZCZĘDNE OŚWIETLENIE ULICZNE METODYKA Załączk r do Regulamu I kokursu GIS PROGRAM PRIORYTETOWY: SOWA - ENERGOOSZCZĘDNE OŚWIETLENIE ULICZNE METODYKA. Cel opracowaa Celem opracowaa jest spója metodyka oblczaa efektu ograczaa emsj gazów ceplaraych,

Bardziej szczegółowo

Struktura czasowa stóp procentowych (term structure of interest rates)

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

Bardziej szczegółowo

. 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

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

Teorie inwestycyjne w zarządzaniu bogactwem na przykładzie instytucji Wealth Management

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

Bardziej szczegółowo

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

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

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

STATYKA. Cel statyki. Prof. Edmund Wittbrodt

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

Bardziej szczegółowo

ELEMENTY TEORII MOŻLIWOŚCI

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

Bardziej szczegółowo

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

i = 0, 1, 2 i = 0, 1 33,115 1,698 0,087 0,005!0,002 34,813 1,785 0,092 0,003 36,598 1,877 0,095 38,475 1,972 40,447 i = 0, 1, 2, 3

i = 0, 1, 2 i = 0, 1 33,115 1,698 0,087 0,005!0,002 34,813 1,785 0,092 0,003 36,598 1,877 0,095 38,475 1,972 40,447 i = 0, 1, 2, 3 35 Iterpoaca Herte a 3 f ( x f ( x,,, 3, 4 f ( x,,, 3 f ( x,, 3 f ( x, 4 f ( x 33,5,698,87,5!, 34,83,785,9,3 36,598,877,95 38,475,97 4,447 Na podstawe wzoru (38 ay zate 87,, 5, L4 ( t 335, +, 698t+ t(

Bardziej szczegółowo

Analiza Matematyczna Ćwiczenia. J. de Lucas

Analiza Matematyczna Ćwiczenia. J. de Lucas Aalza Matematycza Ćwczea J. de Lucas Zadae. Oblczyć grace astępujących fucj a lm y 3,y 0,0 b lm y 3 y ++y,y 0,0 +y c lm,y 0,0 + 4 y 4 y d lm y,y 0,0 3 y 3 e lm,y 0,0 +y 4 +y 4 f lm,y 0,0 4 y 6 +y 3 g lm,y

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

FUNKCJE DWÓCH ZMIENNYCH

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

Bardziej szczegółowo

Wyznaczanie oporu naczyniowego kapilary w przepływie laminarnym.

Wyznaczanie oporu naczyniowego kapilary w przepływie laminarnym. Wyzaczae oporu aczyowego kaplary w przepływe lamarym. I. Przebeg ćwczea. 1. Zamkąć zawór odcający przewody elastycze a astępe otworzyć zawór otwerający dopływ wody do przewodu kaplarego. 2. Ustawć zawór

Bardziej szczegółowo

Matematyka dyskretna. 10. Funkcja Möbiusa

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

Bardziej szczegółowo

WYZNACZANIE WARTOŚCI ENERGII ROZPRASZANEJ PODCZAS ZDERZENIA CIAŁ

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

Bardziej szczegółowo

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

PROJEKTOWANIE MODUŁOWEGO STANOWISKA MONTAŻOWEGO

PROJEKTOWANIE MODUŁOWEGO STANOWISKA MONTAŻOWEGO Techologa Automatyzacja Motażu /0 ROJEKTOWANIE MODUŁOWEGO STANOWISKA MONTAŻOWEGO Rafał KLUZ Itesywy rozwój budowy maszy oraz stale zwększające sę wymagaa ryku doprowadzły do powstaa rozwoju elastyczych

Bardziej szczegółowo

Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania MODELOWANIE I PODSTAWY IDENTYFIKACJI

Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania MODELOWANIE I PODSTAWY IDENTYFIKACJI Poltechka Gdańska Wydzał Elektrotechk Automatyk Katedra Iżyer Systemów Sterowaa MODELOWANIE I PODSAWY IDENYFIKACI Wybrae zagadea z optymalzacj. Materały pomoccze do zajęć ćwczeowych 5 Opracowae: Kazmerz

Bardziej szczegółowo

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

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

Bardziej szczegółowo

05 Klasyfikacja modeli planowania sieci dostaw Model: 1Po_1Pr_KT

05 Klasyfikacja modeli planowania sieci dostaw Model: 1Po_1Pr_KT Nr Tytuł: Autor: 05 Klasyfkacja odel plaowaa sec dostaw Model: 1Po_1Pr_KT Potr SAWICKI Zakład Systeów Trasportowych WIT PP potr.sawck@put.poza.pl potr.sawck.pracowk.put.poza.pl www.facebook.co/potr.sawck.put

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

11/22/2014 STRATEGIE MIESZANE - MOTYWACJA. ROZWAśMY PRZYKŁAD:

11/22/2014 STRATEGIE MIESZANE - MOTYWACJA. ROZWAśMY PRZYKŁAD: //4 Gry o sue zero - gry rozgrywae w strategach eszaych STRATEGIE IESZANE - OTYWACJA. ROZWAśY PRZYKŁAD: 5 DEFINICJA..6 Strategą eszaą π gracza P azyway kaŝdy rozkład prawdopodobeństwa określoy a zborze

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