BADANIA DOCHODU I RYZYKA INWESTYCJI

Wielkość: px
Rozpocząć pokaz od strony:

Download "BADANIA DOCHODU I RYZYKA INWESTYCJI"

Transkrypt

1 StatSoft Polska, tel. () , (60) 445, BADANIA DOCHODU I RYZYKA INWESTYCJI ZA POMOCĄ ANALIZY ROZKŁADÓW Agieszka Pasztyła Akademia Ekoomicza w Krakowie, Katedra Statystyki; StatSoft Polska Sp. z o.o. Wprowadzeie Przy podejmowaiu decyzji o zaiwestowaiu kapitału iwestor zawsze stara się odpowiedzieć a pytaie, jakiego dochodu może oczekiwać z daej iwestycji oraz jakim ryzykiem jest oa obarczoa. Określeie przyszłego dochodu ie jest jedak zadaiem prostym, poieważ wymaga odwołaia się m. i. do poziomu iflacji, stóp procetowych, podatków oraz wydarzeń gospodarczych, które będą miały miejsce w przyszłości. Stąd aalitycy fiasowi wykorzystują rozkłady prawdopodobieństwa w celu progozowaia dochodu z iwestycji. Niiejsza praca poświęcoa jest zastosowaiu aalizy rozkładów w przewidywaiu dochodu i ryzyka iwestycji. W pierwszej części zdefiiowae zostały metody szacowaia dochodu, miary ryzyka oraz pojęcie portfela iwestora. W drugiej części zamieszczoy został przykład budowy portfela o miimalym ryzyku. Metody szacowaia dochodu Podstawową miarą dochodu z iwestycji jest stopa zwrotu w okresie iwestowaia (ag. simple retur) wykorzystująca zasadę kapitalizacji okresowej, wyrażaa jako udział dochodu w początkowej wartości kapitału (por. K. Jajuga, T. Jajuga, 996): P P0 r =, () P r stopa zwrotu; P wartość końcowa (zmiea losowa); P 0 wartość początkowa (zaa). 0 7

2 StatSoft Polska, tel. () , (60) 445, Ze względu a własości statystycze w aalizie fiasowej wykorzystywaa jest rówież logarytmicza stopa zwrotu (ag. log retur, cotiuously compouded retur): r = l P l P 0 () Odpowiada oa kapitalizacji ciągłej, co jest bardziej zgode z zasadami iwestowaia, poieważ po sprzedaży jedych istrumetów środki fiasowe mogą być prawie atychmiast iwestowae w ie. Poadto, w przeciwieństwie do zwykłych stóp, stopy logarytmicze mają charakter addytywy, co pozwala a wykorzystaie rozkładu ormalego. Cea aktywów ie może być miejsza od zera, dlatego zwykłe stopy zwrotu przyjmują wartości w przedziale od mius jede (-00%) do plus ieskończoości. Logarytmicze stopy zwrotu mogą przyjmować dowole wartości. Oczekiwaa stopa zwrotu Załóżmy, że cea istrumetu (a zatem i stopa zwrotu) jest zmieą losową dyskretą. Rozkład stopy zwrotu day jest wówczas w postaci możliwych stóp zwrotu oraz prawdopodobieństw ich zrealizowaia: r, r,..., r p, p m,..., p r i i-ta możliwa do zrealizowaia stopa zwrotu, p i prawdopodobieństwo zrealizowaia i-tej możliwej stopy zwrotu i m liczba możliwych stóp zwrotu. Zachodzi wówczas zależość: m p i i= m, (3) =. (4) Sytetyczą miarą dochodu, którą wyzacza się a podstawie rozkładu stopy zwrotu, jest tzw. oczekiwaa stopa zwrotu (expected retur), określoa za pomocą wzoru: r = m i= p i r i, (5) r oczekiwaa stopa zwrotu; r i i-ta możliwa do osiągięcia wartość stopy zwrotu; p i prawdopodobieństwo osiągięcia i-tej możliwości wartości stopy zwrotu; m liczba możliwych do osiągięcia wartości stopy zwrotu. 8

3 StatSoft Polska, tel. () , (60) 445, Oczekiwaa stopa zwrotu jest tutaj średią ważoą możliwych stóp zwrotu, przy czym wagami są prawdopodobieństwa ich zrealizowaia. Moża ją iterpretować jako stopę zwrotu, jakiej ależy się spodziewać przy zrealizowaiu się przeciętego sceariusza. Pozostałe miary oczekiwaej stopy zwrotu to: moda, mediaa i średia geometrycza stopy zwrotu. Moda jest wartością ajczęściej obserwowaą spośród aalizowaych daych. Mediaa to wartość środkowa: wyzacza się ją z iemalejącego ciągu stóp zwrotu. Miara ta wykorzystywaa jest w zastosowaiach rozkładów, które ie posiadają określoej wariacji i odchyleia stadardowego. W celu określeia średiego poziomu wzrostu zwrotu z istrumetu wykorzystujemy średią geometryczą: Przykład r ( + r )... ( + r ). (6) g = m Na podstawie kursów zamkięcia akcji spółki BPH PBK obliczoo dziee logarytmicze stopy zwrotu za okresy oraz Korzystając z modułu Statystyki podstawowe w programie STATISTICA, wyzaczoo wymieioe wyżej miary średiej oczekiwaej stopy zwrotu. Dla okresu otrzymao astępujące wyiki: x g = 0,0078 x = 0,0077 Me = 0,008, atomiast dla okresu : x g = 0,00 x = 0,00 Me = 0,0000. Pomiar ryzyka Pomiar, ryzyka rozumiaego jako zmieość stopy zwrotu z aktywu fiasowego, może się odbywać poprzez zastosowaie dowolej miary zmieości rozkładu stopy zwrotu. Statystycze miary zmieości dzielą się a bezwzględe (absolute) i względe (relatywe). Do miar bezwzględych zalicza się: rozstęp, rozstęp kwartylowy lub decylowy, odchyleie przecięte, odchyleie ćwiartkowe (międzykwartylowe), wariację oraz odchyleie stadardowe. Względą miarą dyspersji jest współczyik zmieości. W przypadku rozkładów o zaej i skończoej wariacji ajczęściej stosowaą miarą zmieości jest odchyleie stadardowe stopy zwrotu. Im większe odchyleia możliwych stóp zwrotu od oczekiwaej stopy zwrotu, tym większa wartość odchyleia stadardowego stopy, a co za tym idzie, tym wyższe ryzyko iwestycji. Odchyleie stadardowe przyjmuje wartości ieujeme. Wartość zerowa ozacza brak iepewości co do przyszłej stopy zwrotu. Gdy zamy rozkład stopy zwrotu, tz. wiemy, jakie są możliwe do osiągięcia stay stopy zwrotu daego aktywu i prawdopodobieństwa ich osiągięcia, odchyleie stadardowe stopy zwrotu moża obliczyć a podstawie poiższego wzoru. 9

4 StatSoft Polska, tel. () , (60) 445, σ st = ( rt r). (7) t = Gdy ie ma możliwości uzyskaia iformacji a temat rozkładu stopy zwrotu, do oszacowaia wariacji i odchyleia stadardowego ależy wykorzystać dae historycze, pamiętając o tym, że powiy dotyczyć takiego samego okresu jak horyzot iwestycyjy iwestora. Wtedy wartością oczekiwaą jest średia arytmetycza stopa zwrotu, daa wzorem: E ( r) = r = r t, (8) t = liczba okresów, z których pochodzą dae, r t stopa zwrotu aktywu zrealizowaa w t-tym okresie. Natomiast do obliczeia tzw. odchyleia stadardowego z próby stosuje się astępujący wzór: ( r t r). s = (9) t = W celu określeia ryzyka istrumetu, którego rozkład stóp zwrotu ma ieskończoą wariację lub ie moża jej wyzaczyć, stosowae jest odchyleie ćwiartkowe. Jest oo rówe połowie różicy między kwartylami górym i dolym: Q = ( Q 3 Q ), (0) Q odchyleie ćwiartkowe, Q 3 kwartyl trzeci (góry), czyli ta spośród wartości stóp zwrotu, która dzieli zbiór możliwych stóp zwrotu w te sposób, że 75% stóp zwrotu jest ie wyższa, a 5% ie iższa od tej wartości, Q kwartyl pierwszy (doly), czyli ta spośród wartości stóp zwrotu, która dzieli zbiór możliwych stóp zwrotu w te sposób, że 5% stóp zwrotu jest ie wyższa, a 75% ie iższa od tej wartości. Odchyleie ćwiartkowe określa zróżicowaie tylko 50% wartości stóp zwrotu położoych cetralie, zawartych między dwoma kwartylami. Na wartość odchyleia ćwiartkowego ie mają wpływu wartości jedostek miejszych od kwartyla dolego oraz większych od kwartyla górego, chociaż zajmują oe zaczą część obszaru zmieości. Tak więc odchyleie ćwiartkowe wosi iepełą iformację o zróżicowaiu zbioru stóp zwrotu. Ma 0

5 StatSoft Polska, tel. () , (60) 445, jedak ważą zaletę: jest odpore a obserwacje ietypowe. Jako mierik ryzyka stosoway jest rówież rozstęp ćwiartkowy (kwartylowy), obliczay jako różica między trzecim i pierwszy kwartylem. Posiada o takie same własości jak odchyleie ćwiartkowe. Przykład Dla daych wykorzystaych w przykładzie pierwszym obliczoo wartości odchyleia ćwiartkowego, rozstępu ćwiartkowego i odchyleia stadardowego. Dla okresu otrzymao: Q o = 0,0089 Q = 0,078 s = 0,039, r oraz dla okresu : Q o = 0,00 Q = 0,06 s = 0,004. r Do rzadziej stosowaych bezwzględych miar dyspersji ależy odchyleie przecięte stóp zwrotu, które rówież charakteryzuje się odporością a występowaie obserwacji ietypowych. Jest oo rówe średiej arytmetyczej bezwzględych wartości odchyleń możliwych wartości stopy zwrotu od średiej stopy zwrotu: D = r i r, () i= D odchyleie przecięte. Jeśli za miarę dochodu przyjmiemy mediaę stóp zwrotu, wtedy miarą zmieości (ryzyka), obok odchyleia ćwiartkowego, jest średia arytmetycza bezwzględych odchyleń stóp zwrotu od mediay tych stóp zwrotu i wyraża się oa astępującym wzorem: s Me = ri Me, () i= me mediaa stóp zwrotu. Jeśli atomiast miarą dochodu jest średia z dwóch wartości: maksymalej i miimalej stopy zwrotu, ozaczoa jako m r : m r =,5 ( r max + r ), (3) 0 mi wtedy miarą zmieości jest połowa rozstępu: =,5 ( r max r ). (4) s r 0 mi Najprostszą miarą ryzyka względego jest współczyik zmieości stopy zwrotu (ag. coefficiet of variatio), określoy za pomocą poiższego wzoru.

6 StatSoft Polska, tel. () , (60) 445, S V =. (5) r Ze wzoru (5) wyika, że współczyik zmieości jest wielkością iemiaowaą. Określa o, jakie ryzyko (mierzoe odchyleiem stadardowym stopy zwrotu) przypada a jedostkę dochodu (mierzoego oczekiwaą stopą zwrotu). Moża go wyrazić procetowo przez przemożeie ilorazu odchyleia stadardowego i średiej arytmetyczej przez 00%. Do obliczeia współczyika zmieości stosuje się rówież odchyleie przecięte zamiast odchyleia stadardowego. Własości rozkładów w zastosowaiach fiasowych W podejmowaiu decyzji iwestycyjych ajważiejsze jest określeie przyszłej stopy zwrotu. Do opisu iepewości stosuje się podejście wyikające z rachuku prawdopodobieństwa. Polega oo a wykorzystaiu historyczych daych w celu uzyskaia rozkładu stopy zwrotu. Zajomość rozkładu prawdopodobieństwa stopy zysku iteresującego as istrumetu fiasowego lub portfela umożliwia oszacowaie przyszłego dochodu oraz ryzyka z im związaego. Oszacowaia tak uzyskaych parametrów rozkładu ekstrapoluje się a aalizoway okres. Z puktu widzeia zastosowań fiasowych waże jest, aby aalizowae rozkłady miały astępujące własości: stacjoarość, skończoą wariację. Stacjoarość ozacza, że parametry rozkładu prawdopodobieństwa są iezmiee w czasie. W aalizie fiasowej główy acisk często położoy jest a cey papierów wartościowych i iych istrumetów. Jedakże rozkłady prawdopodobieństwa ce mają iewielkie zaczeie w aalizie statystyczej, poieważ są zwykle iestacjoare. Przyczyą tego są ciągłe zmiay ce w czasie. W szczególości cey obligacji stale rosą. Dlatego też ich średia cea i odchyleie stadardowe, które są parametrami rozkładu ormalego, będą wyższe z każdym rokiem. Poieważ, teoretyczie, cey te mogą rosąć do ieskończoości, atomiast ie mogą być miejsze iż zero, to wraz z ich stałym wzrostem w czasie moża zaobserwować tedecję do zwiększaia się prawostroej skośości rozkładów. Podobie rozkład prawdopodobieństwa zmia ce ie jest stacjoary, poieważ wielkość bezwzględej zmiay ce istrumetów fiasowych rówież podlega zmiaom, tak jak sama cea. Zmieymi iezależymi od poziomu ce są: procetowa zmiaa cey i procetowa stopa zwrotu. Stacjoary rozkład prawdopodobieństwa stopy zwrotu pozwala aalitykowi a oszacowaie przyszłej stopy zwrotu. Poadto parametry rozkładu uzyskaego z historyczych wartości wykorzystuje się do szacowaia iepewości związaej z przyszłym dochodem i są oe podstawą do pomiaru przyszłego ryzyka. Aby przekształcić efektywe estymatory parametrów rozkładów uzyskae a podstawie daych historyczych, czyli z próby, w parametry całej populacji, czyli rówież przyszłych

7 StatSoft Polska, tel. () , (60) 445, wartości, potrzeba, aby wariacja była skończoa. Waruek te musi być rówież spełioy, aby obliczyć odchyleie stadardowe. W jakich warukach wariacja może ie być skończoa? Obecość liczych wartości ekstremalych może prowadzić do sytuacji, w której koleje oszacowaia tego parametru z próby różią się istotie w zależości od badaej próby. Niektórzy autorzy (por. T. Watsham, K. Parramore, 997) zwracają uwagę a stabilość jako pożądaą własość rozkładów w aalizie fiasowej. Stabilymi określa się takie rozkłady, których liiowa kombiacja jest rozkładem tego samego typu. Np. dodaie dwóch iezależych rozkładów ormalych powio geerować rozkład ormaly, chociaż z iymi parametrami iż dwa poprzedie. Własość tę moża zilustrować astępującym przykładem: rozważmy rozkład prawdopodobieństwa stopy zwrotu z akcji spółki A w dwóch odrębych jedodiowych okresach. Korzyste jest, aby rozkład stopy zwrotu z dwóch di łączie tej samej spółki był tego samego typu. W trakcie modelowaia stóp zwrotu z iektórych istrumetów fiasowych spotykamy się z dwoma ważymi pytaiami. Pierwsze wiąże się z założeiem o iezależości poszczególych obserwacji w rozkładzie ormalym i log-ormalym. W rzeczywistości poszczególe stopy zwrotu są ze sobą powiązae i wykazują autokorelację. Drugie stawiae często pytaie dotyczy prawdopodobieństwa wystąpieia wartości ekstremalych są oe obserwowae dużo częściej iż sugeruje to fukcja gęstości rozkładu ormalego. Te dwa problemy, związae z rozkładem ormalym, wskazują a potrzebę wykorzystaia w pewych sytuacjach takiego rozkładu prawdopodobieństwa, którego fukcja gęstości jest bardziej leptokurtycza (wysmukła) w kosekwecji występowaia autokorelacji i który posiada grubsze ogoy, co jest spowodowae częstszym występowaiem daych odstających. Najlepszym rozwiązaiem jest zastosowaie takiego rozkładu, który umożliwia dostosowaie kształtu do istiejących daych. Tę własość posiada rodzia rozkładów stabilych, poieważ ich kształt moża modelować za pomocą czterech parametrów: α, który określa grubość ogoów; β, który określa skośość rozkładu; δ, który określa rozproszeie rozkładu; µ, który określa położeie rozkładu. Dla rozkładów stabilych parametr α przyjmuje wartości z przedziału (0;] i maksymalą wartość osiąga dla rozkładu ormalego. Praktycze zastosowaia pokazują jedak, że w przypadku modelowaia logarytmiczych stóp zwrotu, ajważiejsze są rozkłady, dla których α ależy do przedziału (;], przy czym im miejsza wartość ideksu, tym grubsze są ogoy rozkładu. Aby uzyskać rozkład symetryczy, parametr β powiie być rówy zeru; dla rozkładu lewostroie skośego β < 0, a dla prawostroie skośego β > 0. Parametr β przyjmuje wartości z przedziału [-;]. Rodzia rozkładów stabilych jest uogólieiem rozkładu ormalego. W szczególości rozkład ormaly jest rozkładem stabilym. W rodziie tej charakteryzuje się ajmiejszą 3

8 StatSoft Polska, tel. () , (60) 445, leptokurtozą i ogoami o ajmiejszej grubości. Poszczególe rozkłady moża uzyskać poprzez kombiacje iych rozkładów (możąc kombiacje liiowe fukcji charakterystyczych). Jest to bardzo atrakcyja formuła uzyskiwaia rozkładów o odpowiedich własościach. Niestety ie moża explicite podać wzoru a fukcję gęstości tak otrzymaego rozkładu, poza trzema szczególymi przypadkami (rozkład ormaly, Cauchy ego i Levy ego), co utrudia zaczie wioskowaie statystycze. Poadto wiąże się to z obliczaiem wartości prawdopodobieństw dla poszczególych zmieych losowych (przyszłych stóp zwrotu) dla każdego owego rozkładu. Dodatkowym utrudieiem jest ieskończoa wariacja, która charakteryzuje wszystkie rozkłady stabile poza ormalym. W aalizie fiasowej ajczęściej wykorzystywae są astępujące rozkłady (K. Jajuga, 000): rozkład dwumiaowy (Beroulliego), rozkład ormaly (stadaryzoway), rozkład log-ormaly, rozkład Cauchy ego. Portfel iwestora Ryzyko portfela ie może być mierzoe jako średia ważoa wariacji stopy zwrotu każdego z walorów. Nie jesteśmy bowiem tutaj zaiteresowai zmieością stóp zwrotu poszczególych papierów wartościowych, ale stopiem, w jakim papiery składające się a portfel podlegają takim samym fluktuacjom. Iaczej mówiąc, poszukujemy stopia iterakcji lub też współzmieości. Odpowiedią miarą jest kowariacja lub korelacja stóp zwrotu. W przypadku portfela składającego się z akcji dwóch spółek o udziałach w i w oczekiwaa stopa zwrotu z portfela ma postać: R p = w R + (6), wr R p oczekiwaa stopa zwrotu z portfela. Z kolei wariacja stopy zwrotu z portfela (wariacja portfela) akcji dwóch spółek daa jest wzorem: V w s w s w w s s, p = + + (7) ρ V p wariacja portfela, s, s odpowiedio odchyleia stadardowe stóp zwrotu akcji, ρ współczyik korelacji. 4

9 StatSoft Polska, tel. () , (60) 445, Odchyleie stadardowe stopy zwrotu portfela (odchyleie stadardowe portfela) akcji dwóch spółek jest pierwiastkiem z wariacji portfela: 0,5 s = ( ), (8) p V p s p odchyleie stadardowe portfela. W przypadku portfela akcji dwóch spółek możemy mówić o portfelu o miimalej wariacji (MVP, miimum variace portfolio). Moża dowieść, że portfel o miimalym ryzyku osiągay jest dla ieujemych udziałów w portfelu, gdy zachodzi ierówość: ρ < s /. (9) s Wówczas miimale ryzyko portfela akcji dwóch spółek osiągae jest dla astępujących udziałów akcji w portfelu (K. Jajuga, T. Jajuga, 996): w = ( s ss ρ ) /( s + s ss ρ ), (0) w = s s s ρ ) /( s + s s s ), () ( ρ gdzie w i w ozacza udział poszczególych walorów w portfelu. Przykład W celu zaprezetowaia budowy portfela składającego się z dwóch walorów wybrao dwie spółki giełdy warszawskiej (WGPW) Żywiec S.A. i BPH PBK. W przykładzie wykorzystao kursy dziee z okresu od do i a ich podstawie wyzaczoo dziee logarytmicze stopy zwrotu. Tabela zawiera statystyki opisowe otrzymaych szeregów dla obydwóch spółek, atomiast tabela współczyik korelacji. Tabela. Tabela. 5

10 StatSoft Polska, tel. () , (60) 445, Korzystając z (9) mamy: s /s = 0.048/0.07 = 0.68 > 0.07 = r, stąd a podstawie (0) i () wyzaczamy optymale wagi spółek w portfelu o miimalej wariacji: w = 0.3 (BPH) i w = 0.7 (Żywiec). Dla tak skostruowaego portfela otrzymujemy portfel o astępujących parametrach: x = r 0,0008 Me = 0,0004 s = 0,09 Q = 0,0045. W tabeli 3 zostały przedstawioe wartości wymieioych parametrów dla różych wag walorów w portfelu. Tabela 3. Nr Waga BPH PBK Waga Żywca x Me s Q r 0,0,0 0, , ,0484 0,0359 0, 0,9 0, ,000 0,0376 0, , 0,8 0,0008 0, ,0308 0, ,3 0,7 0, , ,085 0, ,4 0,6 0, , ,030 0, ,5 0,5 0,0006 0, ,038 0, ,6 0,4 0, , ,049 0, ,7 0,3 0, , ,063 0, ,8 0, 0,0004 0, ,0797 0, ,9 0, 0, ,0009 0,0980 0,064,0 0,0 0,0008 0, ,758 0,037 Warto zwrócić uwagę, że kostruując portfel o miimalej wariacji, optymalizujemy ryzyko mierzoe za pomocą odchyleia stadardowego. Dlatego średia oczekiwaa stopa zwrotu dla takiego portfela ie jest ajwyższa, atomiast miimalą wartość przyjmuje odchyleie stadardowe. W celu maksymalizacji średiej oczekiwaej stopy zwrotu ( x lub Me) moża zastosować jedą z metod optymalizacyjych, p. metodę simplex, możików Lagrage a lub graficzą. Poiżej został przedstawioy wykres typu dochód-ryzyko dla aalizowaego portfela (rys.). Dla portfela składającego się z dowolej liczby spółek mamy odpowiedio: = p i= R w R, () i i V = w s + w w s s ρ, (3) p i= i i i i= j= i+ j i j ij s = ( ), (4) p V p 0,5 6

11 StatSoft Polska, tel. () , (60) 445, liczba spółek, s i odchyleie stadardowe (ryzyko) akcji i-tej spółki, w i udział akcji i-tej spółki w portfelu, ρ ij współczyik korelacji stóp zwrotu akcji i-tej spółki oraz j-tej spółki. W celu optymalizacji wybraych parametrów rozkładu stóp zwrotu portfela wieloskładikowego wykorzystywae są wymieioe wyżej metody liiowe oraz bardziej efektywe metody ieliiowe. 0,000 0,0009 0, Dochód (średia arytm.) 0,0007 0,0006 0, , ,0003 0,000 0,0 0,03 0,04 0,05 0,06 0,07 0,08 0,09 0,00 0,0 0,0 0,03 Ryzyko (Odchyleie std.) Rys.. Wykres typu dochód-ryzyko dla portfela dwuskładikowego Literatura. Jajuga K., Jajuga T., Iwestycje, Wydawictwo Naukowe PWN, Warszawa Metody ekoometrycze i statystycze w aalizie ryku kapitałowego, pod red. K. Jajugi, Wydawictwo Akademii Ekoomiczej im. Oskara Lagego we Wrocławiu, Wrocław Watsham T., Parramore K., Quatitative Methods i Fiace, Iteratioal Thomso Busiess Press, Lodo

Miary położenia (tendencji centralnej) to tzw. miary przeciętne charakteryzujące średni lub typowy poziom wartości cechy.

Miary położenia (tendencji centralnej) to tzw. miary przeciętne charakteryzujące średni lub typowy poziom wartości cechy. MIARY POŁOŻENIA I ROZPROSZENIA WYNIKÓW SERII POMIAROWYCH Miary położeia (tedecji cetralej) to tzw. miary przecięte charakteryzujące średi lub typowy poziom wartości cechy. Średia arytmetycza: X i 1 X i,

Bardziej szczegółowo

Metrologia: miary dokładności. dr inż. Paweł Zalewski Akademia Morska w Szczecinie

Metrologia: miary dokładności. dr inż. Paweł Zalewski Akademia Morska w Szczecinie Metrologia: miary dokładości dr iż. Paweł Zalewski Akademia Morska w Szczeciie Miary dokładości: Najczęściej rozkład pomiarów w serii wokół wartości średiej X jest rozkładem Gaussa: Prawdopodobieństwem,

Bardziej szczegółowo

STATYSTYKA OPISOWA WYKŁAD 1 i 2

STATYSTYKA OPISOWA WYKŁAD 1 i 2 STATYSTYKA OPISOWA WYKŁAD i 2 Literatura: Marek Cieciura, Jausz Zacharski, Metody probabilistycze w ujęciu praktyczym, L. Kowalski, Statystyka, 2005 2 Statystyka to dyscyplia aukowa, której zadaiem jest

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

INWESTYCJE MATERIALNE

INWESTYCJE MATERIALNE OCENA EFEKTYWNOŚCI INWESTYCJI INWESTCJE: proces wydatkowaia środków a aktywa, z których moża oczekiwać dochodów pieiężych w późiejszym okresie. Każde przedsiębiorstwo posiada pewą liczbę możliwych projektów

Bardziej szczegółowo

Statystyka opisowa. () Statystyka opisowa 24 maja / 8

Statystyka opisowa. () Statystyka opisowa 24 maja / 8 Część I Statystyka opisowa () Statystyka opisowa 24 maja 2010 1 / 8 Niech x 1, x 2,..., x będą wyikami pomiarów, p. temperatury, ciśieia, poziomu rzeki, wielkości ploów itp. Przykład 1: wyiki pomiarów

Bardziej szczegółowo

Rachunek prawdopodobieństwa i statystyka W12: Statystyczna analiza danych jakościowych. Dr Anna ADRIAN Paw B5, pok 407 adan@agh.edu.

Rachunek prawdopodobieństwa i statystyka W12: Statystyczna analiza danych jakościowych. Dr Anna ADRIAN Paw B5, pok 407 adan@agh.edu. Rachuek prawdopodobieństwa i statystyka W12: Statystycza aaliza daych jakościowych Dr Aa ADRIAN Paw B5, pok 407 ada@agh.edu.pl Wprowadzeie Rozróżia się dwa typy daych jakościowych: Nomiale jeśli opisują

Bardziej szczegółowo

Elementy modelowania matematycznego

Elementy modelowania matematycznego Elemety modelowaia matematyczego Wstęp Jakub Wróblewski jakubw@pjwstk.edu.pl http://zajecia.jakubw.pl/ TEMATYKA PRZEDMIOTU Modelowaie daych (ilościowe): Metody statystycze: estymacja parametrów modelu,

Bardziej szczegółowo

Elementy statystyki opisowej Izolda Gorgol wyciąg z prezentacji (wykład I)

Elementy statystyki opisowej Izolda Gorgol wyciąg z prezentacji (wykład I) Elemety statystyki opisowej Izolda Gorgol wyciąg z prezetacji (wykład I) Populacja statystycza, badaie statystycze Statystyka matematycza zajmuje się opisywaiem i aalizą zjawisk masowych za pomocą metod

Bardziej szczegółowo

3. Tworzenie próby, błąd przypadkowy (próbkowania) 5. Błąd standardowy średniej arytmetycznej

3. Tworzenie próby, błąd przypadkowy (próbkowania) 5. Błąd standardowy średniej arytmetycznej PODSTAWY STATYSTYKI 1. Teoria prawdopodobieństwa i elemety kombiatoryki 2. Zmiee losowe i ich rozkłady 3. Populacje i próby daych, estymacja parametrów 4. Testowaie hipotez 5. Testy parametrycze 6. Testy

Bardziej szczegółowo

STATYSTYKA I ANALIZA DANYCH

STATYSTYKA I ANALIZA DANYCH TATYTYKA I ANALIZA DANYCH Zad. Z pewej partii włókie weły wylosowao dwie próbki włókie, a w każdej z ich zmierzoo średicę włókie różymi metodami. Otrzymao astępujące wyiki: I próbka: 50; średia średica

Bardziej szczegółowo

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH POMIAR FIZYCZNY Pomiar bezpośredi to doświadczeie, w którym przy pomocy odpowiedich przyrządów mierzymy (tj. porówujemy

Bardziej szczegółowo

Estymacja przedziałowa

Estymacja przedziałowa Metody probabilistycze i statystyka Estymacja przedziałowa Dr Joaa Baaś Zakład Badań Systemowych Istytut Sztuczej Iteligecji i Metod Matematyczych Wydział Iformatyki Politechiki Szczecińskiej Metody probabilistycze

Bardziej szczegółowo

STATYSTYKA OPISOWA PODSTAWOWE WZORY

STATYSTYKA OPISOWA PODSTAWOWE WZORY MIARY POŁOŻENIA Średia Dla daych idywidualych: STATYSTYKA OPISOWA PODSTAWOWE WZORY Q i = x lmi + i mi 1 4 j h m i mi x = 1 x i x = 1 i ẋ i gdzie ẋ i środek i-tego przedziału i liczość i- tego przedziału

Bardziej szczegółowo

X i. X = 1 n. i=1. wartość tej statystyki nazywana jest wartością średnią empiryczną i oznaczamy ją symbolem x, przy czym x = 1. (X i X) 2.

X i. X = 1 n. i=1. wartość tej statystyki nazywana jest wartością średnią empiryczną i oznaczamy ją symbolem x, przy czym x = 1. (X i X) 2. Zagadieia estymacji Puktem wyjścia badaia statystyczego jest wylosowaie z całej populacji pewej skończoej liczby elemetów i zbadaie ich ze względu a zmieą losową cechę X Uzyskae w te sposób wartości x,

Bardziej szczegółowo

Statystyczny opis danych - parametry

Statystyczny opis danych - parametry Statystyczy opis daych - parametry Ozaczeia żółty owe pojęcie czerwoy, podkreśleie uwaga * materiał adobowiązkowy Aa Rajfura, Matematyka i statystyka matematycza a kieruku Rolictwo SGGW Zagadieia. Idea

Bardziej szczegółowo

Miary rozproszenia. Miary położenia. Wariancja. Średnia. Dla danych indywidualnych: Dla danych indywidualnych: s 2 = 1 n. (x i x) 2. x i.

Miary rozproszenia. Miary położenia. Wariancja. Średnia. Dla danych indywidualnych: Dla danych indywidualnych: s 2 = 1 n. (x i x) 2. x i. Miary położeia Średia Dla daych idywidualych: x = 1 x = 1 x i i ẋ i gdzie ẋ i środek i tego przedziału i - liczość i-tego przedziału Domiata moda Liczba ajczęściej występująca jeśli taka istieje - dla

Bardziej szczegółowo

Trzeba pokazać, że dla każdego c 0 c Mc 0. ) = oraz det( ) det( ) det( ) jest macierzą idempotentną? Proszę odpowiedzieć w

Trzeba pokazać, że dla każdego c 0 c Mc 0. ) = oraz det( ) det( ) det( ) jest macierzą idempotentną? Proszę odpowiedzieć w Zad Dae są astępujące macierze: A =, B, C, D, E 0. 0 = = = = 0 Wykoaj astępujące działaia: a) AB, BA, C+E, DE b) tr(a), tr(ed), tr(b) c) det(a), det(c), det(e) d) A -, C Jeśli działaia są iewykoale, to

Bardziej szczegółowo

STATYSTYKA OPISOWA PODSTAWOWE WZORY

STATYSTYKA OPISOWA PODSTAWOWE WZORY MIARY POŁOŻENIA Średia Dla daych idywidualych: x = 1 STATYSTYKA OPISOWA PODSTAWOWE WZORY x i x = 1 i ẋ i gdzie ẋ i środek i-tego przedziału i liczość i- tego przedziału Domiata (moda Liczba ajczęściej

Bardziej szczegółowo

MODELE MATEMATYCZNE W UBEZPIECZENIACH. 1. Renty

MODELE MATEMATYCZNE W UBEZPIECZENIACH. 1. Renty MODELE MATEMATYCZNE W UBEZPIECZENIACH WYKŁAD 2: RENTY. PRZEPŁYWY PIENIĘŻNE. TRWANIE ŻYCIA 1. Rety Retą azywamy pewie ciąg płatości. Na razie będziemy je rozpatrywać bez żadego związku z czasem życiem człowieka.

Bardziej szczegółowo

Miary położenia. Miary rozproszenia. Średnia. Wariancja. Dla danych indywidualnych: Dla danych indywidualnych: s 2 = 1 n. (x i x) 2. x i.

Miary położenia. Miary rozproszenia. Średnia. Wariancja. Dla danych indywidualnych: Dla danych indywidualnych: s 2 = 1 n. (x i x) 2. x i. Miary położeia Średia Dla daych idywidualych: x = 1 x = 1 x i i ẋ i gdzie ẋ i środek i tego przedziału i - liczość i-tego przedziału Domiata moda Liczba ajczęściej występująca jeśli taka istieje - dla

Bardziej szczegółowo

Statystyka powtórzenie (I semestr) Rafał M. Frąk

Statystyka powtórzenie (I semestr) Rafał M. Frąk Statystyka powtórzeie (I semestr) Rafał M. Frąk TEORIA Statystyka Statystyka zajmuje się badaiem procesu zbieraia oraz iterpretacji daych liczbowych lub jakościowych. Przedmiotem statystyki są metody badaia

Bardziej szczegółowo

Moda (Mo, D) wartość cechy występującej najczęściej (najliczniej).

Moda (Mo, D) wartość cechy występującej najczęściej (najliczniej). Cetrale miary położeia Średia; Moda (domiata) Mediaa Kwatyle (kwartyle, decyle, cetyle) Moda (Mo, D) wartość cechy występującej ajczęściej (ajlicziej). Mediaa (Me, M) dzieli uporządkoway szereg liczbowy

Bardziej szczegółowo

WERSJA TESTU A. Komisja Egzaminacyjna dla Aktuariuszy. LX Egzamin dla Aktuariuszy z 28 maja 2012 r. Część I. Matematyka finansowa

WERSJA TESTU A. Komisja Egzaminacyjna dla Aktuariuszy. LX Egzamin dla Aktuariuszy z 28 maja 2012 r. Część I. Matematyka finansowa Matematyka fiasowa 8.05.0 r. Komisja Egzamiacyja dla Aktuariuszy LX Egzami dla Aktuariuszy z 8 maja 0 r. Część I Matematyka fiasowa WERJA EU A Imię i azwisko osoby egzamiowaej:... Czas egzamiu: 00 miut

Bardziej szczegółowo

ZAGADNIENIE ESTYMACJI. ESTYMACJA PUNKTOWA I PRZEDZIAŁOWA

ZAGADNIENIE ESTYMACJI. ESTYMACJA PUNKTOWA I PRZEDZIAŁOWA ZAGADNIENIE ESTYMACJI. ESTYMACJA PUNKTOWA I PRZEDZIAŁOWA Mamy populację geeralą i iteresujemy się pewą cechą X jedostek statystyczych, a dokładiej pewą charakterystyką liczbową θ tej cechy (p. średią wartością

Bardziej szczegółowo

3. Regresja liniowa Założenia dotyczące modelu regresji liniowej

3. Regresja liniowa Założenia dotyczące modelu regresji liniowej 3. Regresja liiowa 3.. Założeia dotyczące modelu regresji liiowej Aby moża było wykorzystać model regresji liiowej, muszą być spełioe astępujące założeia:. Relacja pomiędzy zmieą objaśiaą a zmieymi objaśiającymi

Bardziej szczegółowo

Zeszyty naukowe nr 9

Zeszyty naukowe nr 9 Zeszyty aukowe r 9 Wyższej Szkoły Ekoomiczej w Bochi 2011 Piotr Fijałkowski Model zależości otowań giełdowych a przykładzie otowań ołowiu i spółki Orzeł Biały S.A. Streszczeie Niiejsza praca opisuje próbę

Bardziej szczegółowo

Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych (w zakresie materiału przedstawionego na wykładzie organizacyjnym)

Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych (w zakresie materiału przedstawionego na wykładzie organizacyjnym) Podstawy opracowaia wyików pomiarów z elemetami aalizepewości pomiarowych (w zakresie materiału przedstawioego a wykładzie orgaizacyjym) Pomiary Wyróżiamy dwa rodzaje pomiarów: pomiar bezpośredi, czyli

Bardziej szczegółowo

COLLEGIUM MAZOVIA INNOWACYJNA SZKOŁA WYŻSZA WYDZIAŁ NAUK STOSOWANYCH. Kierunek: Finanse i rachunkowość. Robert Bąkowski Nr albumu: 9871

COLLEGIUM MAZOVIA INNOWACYJNA SZKOŁA WYŻSZA WYDZIAŁ NAUK STOSOWANYCH. Kierunek: Finanse i rachunkowość. Robert Bąkowski Nr albumu: 9871 COLLEGIUM MAZOVIA INNOWACYJNA SZKOŁA WYŻSZA WYDZIAŁ NAUK STOSOWANYCH Kieruek: Fiase i rachukowość Robert Bąkowski Nr albumu: 9871 Projekt: Badaie statystycze cey baryłki ropy aftowej i wartości dolara

Bardziej szczegółowo

Statystyka opisowa. (n m n m 1 ) h (n m n m 1 ) + (n m n m+1 ) 2 +1), gdy n jest parzyste

Statystyka opisowa. (n m n m 1 ) h (n m n m 1 ) + (n m n m+1 ) 2 +1), gdy n jest parzyste Statystyka opisowa Miary statystycze: 1. miary położeia a) średia z próby x = 1 x = 1 x = 1 x i - szereg wyliczający x i i - szereg rozdzielczy puktowy x i i - szereg rozdzielczy przedziałowy, gdzie x

Bardziej szczegółowo

Lista 6. Estymacja punktowa

Lista 6. Estymacja punktowa Estymacja puktowa Lista 6 Model metoda mometów, rozkład ciągły. Zadaie. Metodą mometów zaleźć estymator iezaego parametru a w populacji jedostajej a odciku [a, a +. Czy jest to estymator ieobciążoy i zgody?

Bardziej szczegółowo

STATYSTYCZNA OCENA WYNIKÓW POMIARÓW.

STATYSTYCZNA OCENA WYNIKÓW POMIARÓW. Statytycza ocea wyików pomiaru STATYSTYCZNA OCENA WYNIKÓW POMIARÓW CEL ĆWICZENIA Celem ćwiczeia jet: uświadomieie tudetom, że każdy wyik pomiaru obarczoy jet błędem o ie zawze zaej przyczyie i wartości,

Bardziej szczegółowo

ZESZYTY NAUKOWE POLITECHNIKI GDAŃSKIEJ

ZESZYTY NAUKOWE POLITECHNIKI GDAŃSKIEJ ZESZYTY NAUKOWE POLITECHNIKI GDAŃSKIEJ Nr 573 Ekoomia XXXIX 2001 BŁAŻEJ PRUSAK Katedra Ekoomii i Zarządzaia Przedsiębiorstwem METODY OCENY PROJEKTÓW INWESTYCYJNYCH Celem artykułu jest przedstawieie metod

Bardziej szczegółowo

Jak obliczać podstawowe wskaźniki statystyczne?

Jak obliczać podstawowe wskaźniki statystyczne? Jak obliczać podstawowe wskaźiki statystycze? Przeprowadzoe egzamiy zewętrze dostarczają iformacji o tym, jak ucziowie w poszczególych latach opaowali umiejętości i wiadomości określoe w stadardach wymagań

Bardziej szczegółowo

1. Wnioskowanie statystyczne. Ponadto mianem statystyki określa się także funkcje zmiennych losowych o

1. Wnioskowanie statystyczne. Ponadto mianem statystyki określa się także funkcje zmiennych losowych o 1. Wioskowaie statystycze. W statystyce idetyfikujemy: Cecha-Zmiea losowa Rozkład cechy-rozkład populacji Poadto miaem statystyki określa się także fukcje zmieych losowych o tym samym rozkładzie. Rozkłady

Bardziej szczegółowo

Matematyka finansowa 08.10.2007 r. Komisja Egzaminacyjna dla Aktuariuszy. XLIII Egzamin dla Aktuariuszy z 8 października 2007 r.

Matematyka finansowa 08.10.2007 r. Komisja Egzaminacyjna dla Aktuariuszy. XLIII Egzamin dla Aktuariuszy z 8 października 2007 r. Matematyka fiasowa 08.10.2007 r. Komisja Egzamiacyja dla Aktuariuszy XLIII Egzami dla Aktuariuszy z 8 paździerika 2007 r. Część I Matematyka fiasowa WERSJA TESTU A Imię i azwisko osoby egzamiowaej:...

Bardziej szczegółowo

Modele tendencji rozwojowej STATYSTYKA OPISOWA. Dr Alina Gleska. Instytut Matematyki WE PP. 18 listopada 2017

Modele tendencji rozwojowej STATYSTYKA OPISOWA. Dr Alina Gleska. Instytut Matematyki WE PP. 18 listopada 2017 STATYSTYKA OPISOWA Dr Alia Gleska Istytut Matematyki WE PP 18 listopada 2017 1 Metoda aalitycza Metoda aalitycza przyjmujemy założeie, że zmiay zjawiska w czasie moża przedstawić jako fukcję zmieej czasowej

Bardziej szczegółowo

0.1 ROZKŁADY WYBRANYCH STATYSTYK

0.1 ROZKŁADY WYBRANYCH STATYSTYK 0.1. ROZKŁADY WYBRANYCH STATYSTYK 1 0.1 ROZKŁADY WYBRANYCH STATYSTYK Zadaia 0.1.1. Niech X 1,..., X będą iezależymi zmieymi losowymi o tym samym rozkładzie. Obliczyć ES 2 oraz D 2 ( 1 i=1 X 2 i ). 0.1.2.

Bardziej szczegółowo

ROZDZIAŁ 5 WPŁYW SYSTEMU OPODATKOWANIA DOCHODU NA EFEKTYWNOŚĆ PROCESU DECYZYJNEGO

ROZDZIAŁ 5 WPŁYW SYSTEMU OPODATKOWANIA DOCHODU NA EFEKTYWNOŚĆ PROCESU DECYZYJNEGO Agieszka Jakubowska ROZDZIAŁ 5 WPŁYW SYSTEMU OPODATKOWANIA DOCHODU NA EFEKTYWNOŚĆ PROCESU DECYZYJNEGO. Wstęp Skąplikowaie współczesego życia gospodarczego powoduje, iż do sterowaia procesem zarządzaia

Bardziej szczegółowo

ma rozkład złożony Poissona z oczekiwaną liczbą szkód równą λ i rozkładem wartości pojedynczej szkody takim, że Pr( Y

ma rozkład złożony Poissona z oczekiwaną liczbą szkód równą λ i rozkładem wartości pojedynczej szkody takim, że Pr( Y Zadaie. Łącza wartość szkód z pewego ubezpieczeia W = Y + Y +... + YN ma rozkład złożoy Poissoa z oczekiwaą liczbą szkód rówą λ i rozkładem wartości pojedyczej szkody takim, że ( Y { 0,,,3,... }) =. Niech:

Bardziej szczegółowo

Statystyka opisowa - dodatek

Statystyka opisowa - dodatek Statystyka opisowa - dodatek. *Jak obliczyć statystyki opisowe w dużych daych? Liczeie statystyk opisowych w dużych daych może sprawiać problemy. Dla przykładu zauważmy, że aiwa implemetacja średiej arytmetyczej

Bardziej szczegółowo

Charakterystyki liczbowe zmiennych losowych: wartość oczekiwana i wariancja

Charakterystyki liczbowe zmiennych losowych: wartość oczekiwana i wariancja Charakterystyki liczbowe zmieych losowych: wartość oczekiwaa i wariacja dr Mariusz Grządziel Wykłady 3 i 4;,8 marca 24 Wartość oczekiwaa zmieej losowej dyskretej Defiicja. Dla zmieej losowej dyskretej

Bardziej szczegółowo

Materiały do wykładu 4 ze Statystyki

Materiały do wykładu 4 ze Statystyki Materiały do wykładu 4 ze Statytyki CHARAKTERYSTYKI LICZBOWE STRUKTURY ZBIOROWOŚCI (dok.) 1. miary położeia - wykład 2 2. miary zmieości (dyperji, rozprozeia) - wykład 3 3. miary aymetrii (kośości) 4.

Bardziej szczegółowo

2. ANALIZA BŁĘDÓW I NIEPEWNOŚCI POMIARÓW

2. ANALIZA BŁĘDÓW I NIEPEWNOŚCI POMIARÓW . ANALIZA BŁĘDÓW I NIEPEWNOŚCI POMIARÓW Z powodu iedokładości przyrządów i metod pomiarowych, iedoskoałości zmysłów, iekotrolowaej zmieości waruków otoczeia (wielkości wpływających) i iych przyczy, wyik

Bardziej szczegółowo

Histogram: Dystrybuanta:

Histogram: Dystrybuanta: Zadaie. Szereg rozdzielczy (przyjmujemy przedziały klasowe o długości 0): x0 xi i środek i*środek i_sk częstości częstości skumulowae 5 5 8 0 60 8 0,6 0,6 5 5 9 0 70 7 0,8 0, 5 5 5 0 600 0, 0,6 5 55 8

Bardziej szczegółowo

Matematyka finansowa 06.10.2008 r. Komisja Egzaminacyjna dla Aktuariuszy. XLVII Egzamin dla Aktuariuszy z 6 października 2008 r.

Matematyka finansowa 06.10.2008 r. Komisja Egzaminacyjna dla Aktuariuszy. XLVII Egzamin dla Aktuariuszy z 6 października 2008 r. Komisja Egzamiacyja dla Aktuariuszy XLVII Egzami dla Aktuariuszy z 6 paździerika 2008 r. Część I Matematyka fiasowa WERSJA TESTU A Imię i azwisko osoby egzamiowaej:... Czas egzamiu: 00 miut . Kredytobiorca

Bardziej szczegółowo

Wykład. Inwestycja. Inwestycje. Inwestowanie. Działalność inwestycyjna. Inwestycja

Wykład. Inwestycja. Inwestycje. Inwestowanie. Działalność inwestycyjna. Inwestycja Iwestycja Wykład Celowo wydatkowae środki firmy skierowae a powiększeie jej dochodów w przyszłości. Iwestycje w wyiku użycia środków fiasowych tworzą lub powiększają majątek rzeczowy, majątek fiasowy i

Bardziej szczegółowo

Jarosław Wróblewski Analiza Matematyczna 1A, zima 2012/13. Ciągi.

Jarosław Wróblewski Analiza Matematyczna 1A, zima 2012/13. Ciągi. Jarosław Wróblewski Aaliza Matematycza 1A, zima 2012/13 Ciągi. Ćwiczeia 5.11.2012: zad. 140-173 Kolokwium r 5, 6.11.2012: materiał z zad. 1-173 Ćwiczeia 12.11.2012: zad. 174-190 13.11.2012: zajęcia czwartkowe

Bardziej szczegółowo

MIANO ROZTWORU TITRANTA. Analiza statystyczna wyników oznaczeń

MIANO ROZTWORU TITRANTA. Analiza statystyczna wyników oznaczeń MIANO ROZTWORU TITRANTA Aaliza saysycza wyików ozaczeń Esymaory pukowe Średia arymeycza x jes o suma wyików w serii podzieloa przez ich liczbę: gdzie: x i - wyik poszczególego ozaczeia - liczba pomiarów

Bardziej szczegółowo

Zadanie 2 Niech,,, będą niezależnymi zmiennymi losowymi o identycznym rozkładzie,.

Zadanie 2 Niech,,, będą niezależnymi zmiennymi losowymi o identycznym rozkładzie,. Z adaie Niech,,, będą iezależymi zmieymi losowymi o idetyczym rozkładzie ormalym z wartością oczekiwaą 0 i wariacją. Wyzaczyć wariację zmieej losowej. Wskazówka: pokazać, że ma rozkład Γ, ODP: Zadaie Niech,,,

Bardziej szczegółowo

Stwierdzenie 1. Jeżeli ciąg ma granicę, to jest ona określona jednoznacznie (żaden ciąg nie może mieć dwóch różnych granic).

Stwierdzenie 1. Jeżeli ciąg ma granicę, to jest ona określona jednoznacznie (żaden ciąg nie może mieć dwóch różnych granic). Materiały dydaktycze Aaliza Matematycza Wykład Ciągi liczbowe i ich graice. Graice ieskończoe. Waruek Cauchyego. Działaia arytmetycze a ciągach. Podstawowe techiki obliczaia graic ciągów. Istieie graic

Bardziej szczegółowo

14. RACHUNEK BŁĘDÓW *

14. RACHUNEK BŁĘDÓW * 4. RACHUNEK BŁĘDÓW * Błędy, które pojawiają się w czasie doświadczeia mogą mieć włase źródła. Są imi błędy związae z błędą kalibracją torów pomiarowych, szumy, czas reagowaia przyrządu, ograiczeia kostrukcyje,

Bardziej szczegółowo

Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych

Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych Podstawy opracowaia wyików pomiarów z elemetami aalizepewości pomiarowych w zakresie materiału przedstawioego a wykładzie orgaizacyjym Pomiary Wyróżiamy dwa rodzaje pomiarów: pomiar bezpośredi, czyli doświadczeie,

Bardziej szczegółowo

ZADANIA NA ĆWICZENIA 3 I 4

ZADANIA NA ĆWICZENIA 3 I 4 Agata Boratyńska Statystyka aktuariala... 1 ZADANIA NA ĆWICZENIA 3 I 4 1. Wygeeruj szkody dla polis z kolejych lat wg rozkładu P (N = 1) = 0, 1 P (N = 0) = 0, 9, gdzie N jest liczbą szkód z jedej polisy.

Bardziej szczegółowo

Ćwiczenie 2 ESTYMACJA STATYSTYCZNA

Ćwiczenie 2 ESTYMACJA STATYSTYCZNA Ćwiczeie ETYMACJA TATYTYCZNA Jest to metoda wioskowaia statystyczego. Umożliwia oszacowaie wartości iteresującego as parametru a podstawie badaia próbki. Estymacja puktowa polega a określeiu fukcji zwaej

Bardziej szczegółowo

Statystyka matematyczna. Wykład II. Estymacja punktowa

Statystyka matematyczna. Wykład II. Estymacja punktowa Statystyka matematycza. Wykład II. e-mail:e.kozlovski@pollub.pl Spis treści 1 dyskretych Rozkłady zmieeych losowych ciągłych 2 3 4 Rozkład zmieej losowej dyskretej dyskretych Rozkłady zmieeych losowych

Bardziej szczegółowo

Projekt ze statystyki

Projekt ze statystyki Projekt ze statystyki Opracowaie: - - Spis treści Treść zaia... Problem I. Obliczeia i wioski... 4 Samochó I... 4 Miary położeia... 4 Miary zmieości... 5 Miary asymetrii... 6 Samochó II... 8 Miary położeia:...

Bardziej szczegółowo

Plan wykładu. Analiza danych Wykład 1: Statystyka opisowa. Literatura. Podstawowe pojęcia

Plan wykładu. Analiza danych Wykład 1: Statystyka opisowa. Literatura. Podstawowe pojęcia Pla wykładu Aaliza daych Wykład : Statystyka opisowa. Małgorzata Krętowska Wydział Iformatyki Politechika Białostocka. Statystyka opisowa.. Estymacja puktowa. Własości estymatorów.. Rozkłady statystyk

Bardziej szczegółowo

POLITECHNIKA OPOLSKA

POLITECHNIKA OPOLSKA POLITCHIKA OPOLSKA ISTYTUT AUTOMATYKI I IFOMATYKI LABOATOIUM MTOLOII LKTOICZJ 7. KOMPSATOY U P U. KOMPSATOY APIĘCIA STAŁO.. Wstęp... Zasada pomiaru metodą kompesacyją. Metoda kompesacyja pomiaru apięcia

Bardziej szczegółowo

WYDZIAŁ ELEKTRYCZNY POLITECHNIKI WARSZAWSKIEJ INSTYTUT ELEKTROENERGETYKI ZAKŁAD ELEKTROWNI I GOSPODARKI ELEKTROENERGETYCZNEJ

WYDZIAŁ ELEKTRYCZNY POLITECHNIKI WARSZAWSKIEJ INSTYTUT ELEKTROENERGETYKI ZAKŁAD ELEKTROWNI I GOSPODARKI ELEKTROENERGETYCZNEJ WYDZIAŁ ELEKTRYCZNY POLITECHNIKI WARSZAWSKIEJ INSTYTUT ELEKTROENERGETYKI ZAKŁAD ELEKTROWNI I GOSPODARKI ELEKTROENERGETYCZNEJ LABORATORIUM RACHUNEK EKONOMICZNY W ELEKTROENERGETYCE INSTRUKCJA DO ĆWICZENIA

Bardziej szczegółowo

d wymiarowy wektor losowy Niech (Ω, S, P) przestrzeń probabilistyczna Definicja Odwzorowanie X: Ω R nazywamy 1-wymiarowym wektorem

d wymiarowy wektor losowy Niech (Ω, S, P) przestrzeń probabilistyczna Definicja Odwzorowanie X: Ω R nazywamy 1-wymiarowym wektorem d wymiarowy wektor losowy Niech (Ω, S, P) przestrzeń probabilistycza Defiicja Odwzorowaie X: Ω R d azywamy d-wymiarowym wektorem losowym jeśli dla każdego (x 1, x 2,,x d ) є R d zbiór Uwaga {ω є Ω: X(ω)

Bardziej szczegółowo

40:5. 40:5 = 500000υ5 5p 40, 40:5 = 500000 5p 40.

40:5. 40:5 = 500000υ5 5p 40, 40:5 = 500000 5p 40. Portfele polis Poieważ składka jest ustalaa jako wartość oczekiwaa rzeczywistego, losowego kosztu ubezpieczeia, więc jest tym bliższa średiej wydatków im większa jest liczba ubezpieczoych Polisy grupuje

Bardziej szczegółowo

8. Optymalizacja decyzji inwestycyjnych

8. Optymalizacja decyzji inwestycyjnych 8. Optymalizacja decyzji iwestycyjych 8. Wprowadzeie W wielu różych sytuacjach, w tym rówież w czasie wyboru iwestycji do realizacji, podejmujemy decyzje. Sytuacje takie azywae są sytuacjami decyzyjymi.

Bardziej szczegółowo

P = 27, 8 27, 9 27 ). Przechodząc do granicy otrzymamy lim P(Y n > Y n+1 ) = P(Z 1 0 > Z 2 X 2 X 1 = 0)π 0 + P(Z 1 1 > Z 2 X 2 X 1 = 1)π 1 +

P = 27, 8 27, 9 27 ). Przechodząc do granicy otrzymamy lim P(Y n > Y n+1 ) = P(Z 1 0 > Z 2 X 2 X 1 = 0)π 0 + P(Z 1 1 > Z 2 X 2 X 1 = 1)π 1 + Zadaia róże W tym rozdziale zajdują się zadaia ietypowe, często dotyczące łańcuchów Markowa oraz własości zmieych losowych. Pojawią się także zadaia z estymacji Bayesowskiej.. (Eg 8/) Rozważamy łańcuch

Bardziej szczegółowo

STATYSTKA I ANALIZA DANYCH LAB II

STATYSTKA I ANALIZA DANYCH LAB II STATYSTKA I ANALIZA DANYCH LAB II 1. Pla laboratorium II rozkłady prawdopodobieństwa Rozkłady prawdopodobieństwa dwupuktowy, dwumiaowy, jedostajy, ormaly. Związki pomiędzy rozkładami prawdopodobieństw.

Bardziej szczegółowo

Ekonometria Mirosław Wójciak

Ekonometria Mirosław Wójciak Ekoometria Mirosław Wójciak Literatura obowiązkowa Barczak A, ST. Biolik J, Podstawy Ekoometrii, Wydawictwo AE Katowice, Katowice 1998 Dziechciarz J. Ekoometria Metody, przykłady, zadaia (wyd. ) Kukuła

Bardziej szczegółowo

Wykład nr 2. Statystyka opisowa część 2. Plan wykładu

Wykład nr 2. Statystyka opisowa część 2. Plan wykładu Wykład r 2 Statystyka opisowa część 2 Pla wykładu 1. Uwagi wstępe 2. Miary tedecji cetralej 2.1. Wartości średie 2.2. Miary pozycyje 2.3. Domiata 3. Miary rozproszeia 4. Miary asymetrii 5. Miary kocetracji

Bardziej szczegółowo

SIGMA KWADRAT LUBELSKI KONKURS STATYSTYCZNO- DEMOGRAFICZNY

SIGMA KWADRAT LUBELSKI KONKURS STATYSTYCZNO- DEMOGRAFICZNY SIGMA KWADRAT LUBELSKI KONKURS STATYSTYCZNO- DEMOGRAFICZNY Weryfikacja hipotez statystyczych WNIOSKOWANIE STATYSTYCZNE Wioskowaie statystycze, to proces uogóliaia wyików uzyskaych a podstawie próby a całą

Bardziej szczegółowo

Rozkład normalny (Gaussa)

Rozkład normalny (Gaussa) Rozład ormaly (Gaussa) Wyprowadzeie rozładu Gaussa w modelu Laplace a błędów pomiarowych. Rozważmy pomiar wielości m, tóry jest zaburzay przez losowych efetów o wielości e ażdy, zarówo zaiżających ja i

Bardziej szczegółowo

Optymalizacja sieci powiązań układu nadrzędnego grupy kopalń ze względu na koszty transportu

Optymalizacja sieci powiązań układu nadrzędnego grupy kopalń ze względu na koszty transportu dr hab. iż. KRYSTIAN KALINOWSKI WSIiZ w Bielsku Białej, Politechika Śląska dr iż. ROMAN KAULA Politechika Śląska Optymalizacja sieci powiązań układu adrzędego grupy kopalń ze względu a koszty trasportu

Bardziej szczegółowo

16 Przedziały ufności

16 Przedziały ufności 16 Przedziały ufości zapis wyiku pomiaru: sugeruje, że rozkład błędów jest symetryczy; θ ± u(θ) iterpretacja statystycza przedziału [θ u(θ), θ + u(θ)] zależy od rozkładu błędów: P (Θ [θ u(θ), θ + u(θ)])

Bardziej szczegółowo

Prawdopodobieństwo i statystyka

Prawdopodobieństwo i statystyka Wykład VI: Metoda Mote Carlo 17 listopada 2014 Zastosowaie: przybliżoe całkowaie Prosta metoda Mote Carlo Przybliżoe obliczaie całki ozaczoej Rozważmy całkowalą fukcję f : [0, 1] R. Chcemy zaleźć przybliżoą

Bardziej szczegółowo

Komisja Egzaminacyjna dla Aktuariuszy. XXXVI Egzamin dla Aktuariuszy z 10 października 2005 r. Część I. Matematyka finansowa

Komisja Egzaminacyjna dla Aktuariuszy. XXXVI Egzamin dla Aktuariuszy z 10 października 2005 r. Część I. Matematyka finansowa Komisja Egzamiacyja dla Aktuariuszy XXXVI Egzami dla Aktuariuszy z 0 paździerika 2005 r. Część I Matematyka fiasowa Imię i azwisko osoby egzamiowaej:... Czas egzamiu: 00 miut . Niech dur() ozacza duratio

Bardziej szczegółowo

KURS STATYSTYKA. Lekcja 3 Parametryczne testy istotności ZADANIE DOMOWE. Strona 1

KURS STATYSTYKA. Lekcja 3 Parametryczne testy istotności ZADANIE DOMOWE.  Strona 1 KURS STATYSTYKA Lekcja 3 Parametrycze testy istotości ZADANIE DOMOWE www.etrapez.pl Stroa Część : TEST Zazacz poprawą odpowiedź (tylko jeda jest prawdziwa). Pytaie Statystykę moża rozumieć jako: a) próbkę

Bardziej szczegółowo

Korelacja i regresja. Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych. Wykład 12

Korelacja i regresja. Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych. Wykład 12 Wykład Korelacja i regresja Dr Joaa Baaś Zakład Badań Systemowych Istytut Sztuczej Iteligecji i Metod Matematyczych Wydział Iformatyki Politechiki Szczecińskiej Wykład 8. Badaie statystycze ze względu

Bardziej szczegółowo

Znajdowanie pozostałych pierwiastków liczby zespolonej, gdy znany jest jeden pierwiastek

Znajdowanie pozostałych pierwiastków liczby zespolonej, gdy znany jest jeden pierwiastek Zajdowaie pozostałych pierwiastków liczby zespoloej, gdy zay jest jede pierwiastek 1 Wprowadzeie Okazuje się, że gdy zamy jede z pierwiastków stopia z liczby zespoloej z, to pozostałe pierwiastki możemy

Bardziej szczegółowo

Estymacja: Punktowa (ocena, błędy szacunku) Przedziałowa (przedział ufności)

Estymacja: Punktowa (ocena, błędy szacunku) Przedziałowa (przedział ufności) IV. Estymacja parametrów Estymacja: Puktowa (ocea, błędy szacuku Przedziałowa (przedział ufości Załóżmy, że rozkład zmieej losowej X w populacji geeralej jest opisay dystrybuatą F(x;α, gdzie α jest iezaym

Bardziej szczegółowo

Ćwiczenie nr 14. Porównanie doświadczalnego rozkładu liczby zliczeń w zadanym przedziale czasu z rozkładem Poissona

Ćwiczenie nr 14. Porównanie doświadczalnego rozkładu liczby zliczeń w zadanym przedziale czasu z rozkładem Poissona Ćwiczeie r 4 Porówaie doświadczalego rozkładu liczby zliczeń w zadaym przedziale czasu z rozkładem Poissoa Studeta obowiązuje zajomość: Podstawowych zagadień z rachuku prawdopodobieństwa, Zajomość rozkładów

Bardziej szczegółowo

Prawdopodobieństwo i statystyka r.

Prawdopodobieństwo i statystyka r. Zadaie 1 Rzucamy 4 kości do gry (uczciwe). Prawdopodobieństwo zdarzeia iż ajmiejsza uzyskaa a pojedyczej kości liczba oczek wyiesie trzy (trzy oczka mogą wystąpić a więcej iż jedej kości) rówe jest: (A)

Bardziej szczegółowo

będą niezależnymi zmiennymi losowymi z rozkładu jednostajnego na przedziale ( 0,

będą niezależnymi zmiennymi losowymi z rozkładu jednostajnego na przedziale ( 0, Zadaie iech X, X,, X 6 będą iezależymi zmieymi losowymi z rozkładu jedostajego a przedziale ( 0, ), a Y, Y,, Y6 iezależymi zmieymi losowymi z rozkładu jedostajego a przedziale ( 0, ), gdzie, są iezaymi

Bardziej szczegółowo

Ćwiczenia rachunkowe TEST ZGODNOŚCI χ 2 PEARSONA ROZKŁAD GAUSSA

Ćwiczenia rachunkowe TEST ZGODNOŚCI χ 2 PEARSONA ROZKŁAD GAUSSA Aaliza iepewości pomiarowych w esperymetach fizyczych Ćwiczeia rachuowe TEST ZGODNOŚCI χ PEARSONA ROZKŁAD GAUSSA UWAGA: Na stroie, z tórej pobrałaś/pobrałeś istrucję zajduje się gotowy do załadowaia arusz

Bardziej szczegółowo

Statystyka i Opracowanie Danych. W7. Estymacja i estymatory. Dr Anna ADRIAN Paw B5, pok407

Statystyka i Opracowanie Danych. W7. Estymacja i estymatory. Dr Anna ADRIAN Paw B5, pok407 Statystyka i Opracowaie Daych W7. Estymacja i estymatory Dr Aa ADRIAN Paw B5, pok407 ada@agh.edu.pl Estymacja parametrycza Podstawowym arzędziem szacowaia iezaego parametru jest estymator obliczoy a podstawie

Bardziej szczegółowo

θx θ 1, dla 0 < x < 1, 0, poza tym,

θx θ 1, dla 0 < x < 1, 0, poza tym, Zadaie 1. Niech X 1,..., X 8 będzie próbą z rozkładu ormalego z wartością oczekiwaą θ i wariacją 1. Niezay parametr θ jest z kolei zmieą losową o rozkładzie ormalym z wartością oczekiwaą 0 i wariacją 1.

Bardziej szczegółowo

Metoda analizy hierarchii Saaty ego Ważnym problemem podejmowania decyzji optymalizowanej jest często występująca hierarchiczność zagadnień.

Metoda analizy hierarchii Saaty ego Ważnym problemem podejmowania decyzji optymalizowanej jest często występująca hierarchiczność zagadnień. Metoda aalizy hierarchii Saaty ego Ważym problemem podejmowaia decyzji optymalizowaej jest często występująca hierarchiczość zagadień. Istieje wiele heurystyczych podejść do rozwiązaia tego problemu, jedak

Bardziej szczegółowo

INSTRUKCJA DO ĆWICZEŃ LABORATORYJNYCH Z WYTRZYMAŁOŚCI MATERIAŁÓW

INSTRUKCJA DO ĆWICZEŃ LABORATORYJNYCH Z WYTRZYMAŁOŚCI MATERIAŁÓW INSTYTUT MASZYN I URZĄDZEŃ ENERGETYCZNYCH Politechika Śląska w Gliwicach INSTRUKCJA DO ĆWICZEŃ LABORATORYJNYCH Z WYTRZYMAŁOŚCI MATERIAŁÓW BADANIE ODKSZTAŁCEŃ SPRĘŻYNY ŚRUBOWEJ Opracował: Dr iż. Grzegorz

Bardziej szczegółowo

Jarosław Wróblewski Analiza Matematyczna 2B, lato 2015/16

Jarosław Wróblewski Analiza Matematyczna 2B, lato 2015/16 Egzami,.6.6, godz. 9:-: Zadaie. puktów) Wyzaczyć wszystkie rozwiązaia rówaia z i w liczbach zespoloych. Zapisać wszystkie rozwiązaia w postaci kartezjańskiej bez używaia fukcji trygoometryczych) oraz zazaczyć

Bardziej szczegółowo

Wykład 5 Przedziały ufności. Przedział ufności, gdy znane jest σ. Opis słowny / 2

Wykład 5 Przedziały ufności. Przedział ufności, gdy znane jest σ. Opis słowny / 2 Wykład 5 Przedziały ufości Zwykle ie zamy parametrów populacji, p. Chcemy określić a ile dokładie y estymuje Kostruujemy przedział o środku y, i taki, że mamy 95% pewości, że zawiera o Nazywamy go 95%

Bardziej szczegółowo

Podstawowe oznaczenia i wzory stosowane na wykładzie i laboratorium Część I: estymacja

Podstawowe oznaczenia i wzory stosowane na wykładzie i laboratorium Część I: estymacja Podstawowe ozaczeia i wzory stosowae a wykładzie i laboratorium Część I: estymacja 1 Ozaczeia Zmiee losowe (cechy) ozaczamy a wykładzie dużymi literami z końca alfabetu. Próby proste odpowiadającymi im

Bardziej szczegółowo

Jarosław Wróblewski Analiza Matematyczna 1, zima 2016/17

Jarosław Wróblewski Analiza Matematyczna 1, zima 2016/17 Egzami, 18.02.2017, godz. 9:00-11:30 Zadaie 1. (22 pukty) W każdym z zadań 1.1-1.10 podaj w postaci uproszczoej kresy zbioru oraz apisz, czy kresy ależą do zbioru (apisz TAK albo NIE, ewetualie T albo

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

KADD Metoda najmniejszych kwadratów

KADD Metoda najmniejszych kwadratów Metoda ajmiejszych kwadratów Pomiary bezpośredie o rówej dokładości o różej dokładości średia ważoa Pomiary pośredie Zapis macierzowy Dopasowaie prostej Dopasowaie wielomiau dowolego stopia Dopasowaie

Bardziej szczegółowo

I kolokwium z Analizy Matematycznej

I kolokwium z Analizy Matematycznej I kolokwium z Aalizy Matematyczej 4 XI 0 Grupa A. Korzystając z zasady idukcji matematyczej udowodić ierówość dla wszystkich N. Rozwiązaie:... 4 < + Nierówość zachodzi dla, bo 4

Bardziej szczegółowo

ZARZĄDZANIE FINANSAMI

ZARZĄDZANIE FINANSAMI STOWARZYSZENIE KSIĘGOWYCH W POLSCE ODDZIAŁ WIELKOPOLSKI W POZNANIU ZARZĄDZANIE FINANSAMI WYBRANE ZAGADNIENIA (1/2) DR LESZEK CZAPIEWSKI - POZNAŃ - 1 SPIS TREŚCI 1. RYZYKO W ZARZĄDZANIU FINANSAMI... 4 1.1.

Bardziej szczegółowo

Arkusz ćwiczeniowy z matematyki Poziom podstawowy ZADANIA ZAMKNIĘTE. W zadaniach od 1. do 21. wybierz i zaznacz poprawną odpowiedź. 1 C. 3 D.

Arkusz ćwiczeniowy z matematyki Poziom podstawowy ZADANIA ZAMKNIĘTE. W zadaniach od 1. do 21. wybierz i zaznacz poprawną odpowiedź. 1 C. 3 D. Arkusz ćwiczeiowy z matematyki Poziom podstawowy ZADANIA ZAMKNIĘTE W zadaiach od. do. wybierz i zazacz poprawą odpowiedź. Zadaie. ( pkt) Liczbę moża przedstawić w postaci A. 8. C. 4 8 D. 4 Zadaie. ( pkt)

Bardziej szczegółowo

Metody analizy długozasięgowej

Metody analizy długozasięgowej Copyright (c) 999-00 by Hugo Steihaus Ceter Metody aalizy długozasięgowej Adrzej Zacharewicz Warsztat aalizy zależości długotermiowej jest wciąż rozwijay i udoskoalay. Od czasów Hursta (95) i jego aalizy

Bardziej szczegółowo

3. Funkcje elementarne

3. Funkcje elementarne 3. Fukcje elemetare Fukcjami elemetarymi będziemy azywać fukcję tożsamościową x x, fukcję wykładiczą, fukcje trygoometrycze oraz wszystkie fukcje, jakie moża otrzymać z wyżej wymieioych drogą astępujących

Bardziej szczegółowo

Wokół testu Studenta 1. Wprowadzenie Rozkłady prawdopodobieństwa występujące w testowaniu hipotez dotyczących rozkładów normalnych

Wokół testu Studenta 1. Wprowadzenie Rozkłady prawdopodobieństwa występujące w testowaniu hipotez dotyczących rozkładów normalnych Wokół testu Studeta Wprowadzeie Rozkłady prawdopodobieństwa występujące w testowaiu hipotez dotyczących rozkładów ormalych Rozkład ormaly N(µ, σ, µ R, σ > 0 gęstość: f(x σ (x µ π e σ Niech a R \ {0}, b

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA

STATYSTYKA MATEMATYCZNA TATYTYKA MATEMATYCZNA ROZKŁADY PODTAWOWYCH TATYTYK zmiea losowa odpowiedik badaej cechy, (,,..., ) próba losowa (zmiea losowa wymiarowa, i iezależe zmiee losowe o takim samym rozkładzie jak (taką próbę

Bardziej szczegółowo

O liczbach naturalnych, których suma równa się iloczynowi

O liczbach naturalnych, których suma równa się iloczynowi O liczbach aturalych, których suma rówa się iloczyowi Lew Kurladczyk i Adrzej Nowicki Toruń UMK, 10 listopada 1998 r. Liczby aturale 1, 2, 3 posiadają szczególą własość. Ich suma rówa się iloczyowi: Podobą

Bardziej szczegółowo