Wybór projektu inwestycyjnego ze zbioru wielu propozycji wymaga analizy następujących czynników:

Wielkość: px
Rozpocząć pokaz od strony:

Download "Wybór projektu inwestycyjnego ze zbioru wielu propozycji wymaga analizy następujących czynników:"

Transkrypt

1 Wybór projeu wesycyjego ze zboru welu propozycj wymaga aalzy asępujących czyów:. Korzyśc z przyjęca do realzacj daego projeu. 2. Ryzya z m zwązaego. 3. Czasu, óry powoduje zmaę warośc peądza. Czy czasu Meody ocey przedsęwzęć wesycyjych moŝa podzelć:. Meody edysoowe raują warośc dochodów z róŝych oresów rówowaŝe e borąc pod uwagę zma warośc peądza w czase są oe eprzydae w gospodarce ryowej 2. Meody dysoowe sosujemy w ch meodę dysoa sprowadzając warośc dochodowe wydaowe do jedego momeu celem uzysaa porówywalośc. Są o asępujące meody: zdysooway ores zwrou, beŝąca warość eo, wsaź zysowośc, wewęrza sopa zwrou zmodyfowaa wewęrza sopa zwrou Pojęca podsawowe ezbęde do sosowaa powyŝszych meod. Przepływ peęŝy doda syuacja dodaego blasu dochodów wydaów zwązaych z wesycją zasałych w daym orese czasu (p. ro). 2. Przepływ peęŝy ujemy syuacja ujemego blasu dochodów wydaów zwązaych z wesycją zasałych w daym orese czasu (p. ro). 3. Proje wesycyjy owecjoaly proje aej wesycj, óry załada jedorazową zmaę zau przepływów z ujemego a doda

2 Kowecjoale przepływy peęŝe 4. Proje wesycyjy eowecjoaly proje aej wesycj óry, załada weloroą zmaę zau przepływów lub jedoroą zmaę zau z dodaego a ujemy Neowecjoale przepływy peęŝe Projey wesycyje ezaleŝe acepowale - realzacja jedego z ch e saow podsawy do rezygacj z wdroŝea ych projeów. 6. Projey wesycyje wzajeme wyluczające sę - wybór jedego projeu spośród ach wesycj jes rówozaczy z rezygacją z pozosałych projeów. 7. Warość przyszła przyszła warość zawesowaej dzś woy. FV PV ) FV - warość przyszła po oresach apalzacj PV - warość beŝąca ) - czy przyszłej warośc - lczba oresów apalzacj - sopa proceowa 2

3 Zadae r. Loujemy w bau 2000 PLN. Jaa będze warość przyszła ej woy po 3 laach jeśl oproceowae w sal roczej wyos 28% (apalzacja rocza)? 8. Warość BeŜąca obeca warość oczewaej w przyszłośc woy. FV PV ) Ozaczea ja wyŝej. Zadae r 2. Jaej loay rzeba dooać dzś aby po 5 laach, przy roczym oproceowau 27%, uzysać 000 PLN? Uwaga jes dla jedego podmou sopą zysu bruo z apału, a dla drugego oszem bruo pozysaa apału. Przymo bruo ozacza Ŝe w jedym drugm przypadu zawera flację. Eleme we wszysch meodach ocey przedsęwzęć wesycyjych jes azyway sopą dysoową. W prayce warość sopy dysoowej jes rówa: średej sope oproceowaa loa o erme rówym plaowaemu oresow realzacj wesycj gdy wesor orzysa wyłącze ze środów własych, sope proceowej płacoej przez redyoborcę w wypadu orzysaa ze środów obcych, średej z powyŝszych w wypadu orzysaa ze środów własych obcych. Meoda - Zdysooway Ores Zwrou Zdysooway ores zwrou o ores, po upłyęcu órego suma zdysoowaych przepływów peęŝych osąge warość dodaą. Wada mer goruje wszyse srumee peęŝe, óre asąpą po orese spłay. Zasosowae ze względu a powyŝszą wadę meoda a moŝe być sosowaa wyłącze do wesycj o owecjoalych srumeach peęŝych. Kro meody: 3

4 . Sprowadzee przepływów peęŝych do porówywalośc a dzeń dzsejszy. 2. Kumulowae zdysoowaych przepływów peęŝych. 3. Oblczae ermu zwrou wesycj przy załoŝeu lowośc zwrou wesycj wg formuły: gdze: T A + a a + b A - lczba oresów w szeregu sumulowaym, w órych wysępują warośc ujeme a - osaa warość ujema w szeregu sumulowaym b - perwsza warość dodaa w szeregu sumulowaym Zadae r 3. Sworzoo dwa moŝlwe do realzacj rozwązaa wesycyje A oraz B. Oszacowae przepływy peęŝe w waroścach beŝących dla obu projeów prezeuje poŝsza ablca. Oblcz, óry z projeów ma rószy ores zwrou przyjmując, Ŝe śred osz apału wyos 0%. Ores A CF B CF A DCF B DCF A CDCF B CDCF Meoda 2 - Wsaź Zysowośc PI Wsaź zysowośc o sosue beŝącej warośc przepływów dodach peądza do beŝącej warośc przepływów ujemych peądza Zasosowae wszyse rodzaje projeów wesycyjych 4

5 gdze: CIF - przepływ doda z oresu CIF ( + ) 0 PI COF ( + ) 0 COF - przepływ doda z oresu CIF ) COF ) - warość beŝąca wpływu goówowego eo z oresu - zdysoowaa warość wydau goówowego eo z oresu - sopa dysoowa - day ores czasu - ores realzacj wesycj Ierpreacja: PI > proje zysowy PI < proje przyos sray PI wpływy porywają oszy Jeśl projey wesycyje są ezaleŝe o acepowale są e, dla órych PI >. Jeśl projey wesycyje są wzajeme wyluczające sę o acepowaly jes e, dla órego PI jes ajwęsze, z ym, Ŝe jego PI mus być węsze od. Zadae r 4. Korzysając z daych zawarych w zadau poprzedm wsaŝ, uŝywając wsaźa zysowośc, óry z projeów aleŝy realzować przy załoŝeu, Ŝe są o projey wzajeme wyluczające sę, Ŝe śred osz apału wyos 0%. 5

6 Meoda 3 - Warość BeŜąca Neo NPV Meoda warośc beŝącej eo polega a dysoowau wszysch przepływów peądza a ores beŝący, a asępe a zsumowau zdysoowaych warośc Zasosowae wszyse rodzaje projeów wesycyjych NPV CIF COF 0 0 CF ( + ) ) 0 ( + ) 0,,2,..., - oresy realzacj projeu CF blas przepływów peęŝych Ierpreacja: NPV > 0 proje acepowaly NPV < 0 proje eacepowaly NPV 0 proje osąga dodae przepływy sumarycze porywające oszy Jeśl projey są ezaleŝe wedy acepowale są e, órych NPV > 0. Jeśl projey sę wyluczają o acepowaly jes e, óry ma ajwęsze NPV, z ym, Ŝe jego NPV mus być węsze od 0. Zadae r 5. Korzysając z daych z zadaa poprzedego wsaŝ, przy uŝycu warośc beŝącej eo, óry z projeów powe być realzoway, załadając, Ŝe są oe wzajeme wyluczające sę, Ŝe śred osz apału wyos 0%. Meoda 4 - Wewęrza Sopa Zwrou IRR Wewęrza sopa zwrou jes meodą, w órej szua sę aej warośc sopy dysoowej IRR, dla órej wpływy są rówe wydaom. Iaczej mówąc IRR o aa warość sopy dysoowej, dla NPV0. IRR mów am ja dalece moŝe wzrosąć fayczy osz apału, órym fasujemy wesycję. Wada dla projeów eowecjoalych uzysujemy węcej Ŝ jede wy. Zasosowae ze względu a powyŝszą wadę meoda a moŝe być sosowaa wyłącze do wesycj o owecjoalych srumeach peęŝych. 6

7 CF CIF COF ( + ) IRR IRR) ( + IRR) NPV Ierpreacja: Jeśl IRR > proje zysowy. Jeśl IRR < proje przyos sraę. Jeśl IRR proje przyos wpływy wysarczające jedye a poryce oszów. Jeśl projey są ezaleŝe o acepowaly jes aŝdy, órego IRR >. Jeśl projey sę wyluczają o acepowaly jes e, órego IRR jes ajwęsze, z ym, Ŝe jego IRR mus być węsze od. Zadae r 6. WsaŜ, óry z projeów aleŝy realzować uŝywając wsaźa wewęrzej sopy zwrou przy załoŝeu, Ŝe projey wyluczają sę. Warośc NPV dla róŝych oszów apału zaprezeowao w abel. Kosz apału NPV A NPV B 0% % 33,05 29,29 0% 8,79 9,99 5% 6,67,83 20% -3,70 4,63 25% - -,76 Meoda 5 Zmodyfowaa Wewęrza Sopa Zwrou MIRR MIRR jes o sopa dysoowa óra zrówuje beŝącą warość sumaryczej ońcowej warośc wpływów z beŝącą waroścą wydaów. Meoda zmodyfowaej wewęrzej sopy zwrou sosowaa jes wedy gdy dodae wpływy są poowe wesowae (rewesowae) a ores do ońca realzacj wesycj podsawowej. Zasosowae wszyse rodzaje projeów wesycyjych 7

8 PLN + MIRR czas PLN - Lewa sroa rówaa o zaem dzsejsza warość wszysch wydaów wesycyjych. Dodae przepływy peęŝe (CIF) są rewesowae (z. loowae w ą wesycję p. loowae w bau) a ores do zaończea wesycj podsawowej a daą sopę zysowośc. Suma uzysaych w e sposób a oec wesycj podsawowej wo jes w lczu prawej sroy rówaa. Nasępe sumę ą sprowadzamy do porówywalośc uŝywając sopy dysoowej, órą jes właśe MIRR. 0 ( + COF MIRR) 0 CIF ) MIRR) Zadae r 6a. Wyorzysując poprzede dae oblcz warość MIRR dla projeów A B. Druga wesycja (rewesycja) posada zysowość a pozome 0%. 8

9 00 MIRR ) A MIRR ) MIRR ) 3 3 A + MIRR MIRR 0 0 2, A 3 A A , ) , ) , ) 3 MIRR ) MIRR ) 58, 00 3,58,65 0,65 A 3 A 3 3 UWAGA Dlaczego warość MIRR wyszła mejsza Ŝ warość IRR soro am e było mowy o rewesowau, a u mmo, Ŝ rewesowalśmy o marges bezpeczeńswa oazał sę mejszy??? Oazuje sę Ŝe meoda IRR róweŝ załada rewesowae wpływów, przy czym a rewesycja odbywa sę z zysowoścą rówą IRR. Przedsawoa wcześej formuła a IRR pochodz bowem z przeszałcea asępującego wzoru: 0 ( COF + IRR) 0 CIF IRR) IRR) Gdy do ego wzoru podsawmy orzymaą dla projeu A warość IRR wedy będze o wyglądał asępująco: 00 0,82 ) ,9 00, ,82 ) ,82 ) ,82 ) 3 0,82 ) 3, , ,82 )

10 Jes o dowód Ŝe meoda IRR róweŝ posługuje sę rewesowaem. Gdyby w meodze IRR wpływy e były rewesowae z. rewesowae a zero proce o oblczea IRR byłyby asepujace: 00 IRR ) 0 00 IRR ) IRR ) ) ) ) 3 IRR ) IRR ) IRR ) ,5 + IRR,447 IRR 4,47% Czyl marges bezpeczeńswa wesycj órej wpływy e są rewesowae jes duŝo mejszy u IRR wyszło 4,47% a poprzedo 8,26% 3 3 Ne moŝa sę zaem dzwć, Ŝe meoda MIRR dała mejszy wy Ŝ IRR poewaŝ w meodze IRR załoŝylśmy, Ŝe wpływy będą rewesowae z zysowoścą rówą warośc IRR (czyl 8,26%), a w meodze MIRR, Ŝe wpływy będą rewesowae z zysowoścą rówą 0%. Ozacza o Ŝe e opłaca sę rewesować środów w wesycje o zysowośc mejszej Ŝ osz pozysaa apału a a zroboo w przyładze 6a. Zarewesowao bowem a 0%, podczas gdy aleŝało zarewesować a co ajmej 8,26% - środ uloowae w ej wesycj reale malały gdyŝ dosarczały zysów Ŝszych Ŝ oszy ch uzysaa, co wpłyęło a obŝee margesu bezpeczeńswa wesycj podsawowej. WNIOSEK REINWESTOWANIE ŚRODKÓW MUSI ODBYWAĆ SIĘ Z ZYSKOWNOŚCIĄ CO NAJMNIEJ RÓWNĄ KOSZTOM KAPITAŁU INWESTYCJI PODSTAWOWEJ. 0

11 Ierpreacja wsazań omówoych meod W przypadu wesycj ezaleŝych warość beŝąca eo, wewęrza sopa zwrou oraz wsaź zysowośc prowadzą do deyczych decyzj w sferze acepacj bądź eŝ dezaprobay dla realzacj projeów. Syuacja ompluje sę przy rozparywau projeów aleraywych. Wybór projeu spośród wesycj wzajeme wyluczających sę moŝe być urudoy oflem wsazań NPV IRR oraz NPV PI. Kofl wsazań pomędzy NPV IRR ma mejsce gdy: seje zacza róŝca w oszach projeów, wysępuje zróŝcowae projeów pod względem sychrozacj w czase przepływów peądza p. proje X geeruje zasadcze wpływy w począowych oresach esploaacj, a proje Y w ońcowych, projey są zróŝcowae pod względem oresu esploaacj p. proje A 5 la, a proje B 0 la. W ych syuacjach za podsawę decyzj aleŝy przyjąć warość NPV. W syuacj oflu wsazań NPV PI aleŝy erować sę asępującym regułam decyzyjym: przypsywać węsze zaczee warośc beŝącej eo, raować wsaź zysowośc jao arzędze pomoccze, gdy projey wzajeme wyluczające sę mają zblŝoą warość NPV. Podejmowae decyzj w waruach epewośc Wszyse welośc omówoych wsaźów mogą po zrealzowau wesycj oazać sę e Ŝ przed jej realzacją oblczoe. Decyzje wesycyje są zaem podejmowae w waruach epewośc, a ryzyo rozumae jao sue epewośc jes ym węsze m dłuŝszy ores Ŝyca aalzowaego projeu. Warość oresu zwrou, NPV, PI, IRR MIRR będze zaleŝa od przyszłej syuacj gospodarczej, órą będzemy azywać saem aury. NaleŜy zaem włączyć do aalzy projeów wesycyjych ryzyo z m zwązae.

12 Meoda 6 - Warość Oczewaa Warośc BeŜącej Neo E(NPV) Warość oczewaa NPV jes średą waŝoą moŝlwych do zrealzowaa warośc NPV, przy czym wagam są prawdopodobeńswa ch osągęca. Zasosowae wszyse rodzaje projeów wesycyjych Elasyczośc dochodowe popyu - uwag ( ) E NPV p NPV p prawdopodobeńswo wysąpea -ego sau aury. NPV warość NPV uzysaa w przypadu wysąpea -ego sau aury. lczba moŝlwych saów aury (lczba moŝlwych do uzysaa warośc NPV). Zadae r 7. RozwaŜaa jes realzacja dwóch projeów wesycyjych A oraz B. Proje A o śwadczee usług o sadardze wyŝszym, proje B o śwadczee usług o sadardze Ŝszym. Oba projey są w sosuu do sebe aleraywe. Dla progozowaych syuacj gospodarczych oszacowao moŝlwe do uzysaa przepływy goów, a dzę m warośc NPV. WsaŜ, óry proje jes orzysejszy ze względu a warość oczewaą NPV. Progozowaa Jej p NPVA NPV A NPV B syuacja gospodarcza prawdopodobeńswo Zła 0,43 36 Średa 0, Dobra 0, p NPV B 2

13 Meoda 7 - Odchylee Sadardowe Warośc BeŜącej Neo S(NPV) Zasosowae wszyse rodzaje projeów wesycyjych Odchylee sadardowe jes ajczęścej sosowaą marą ryzya jes u oblczae jao perwase sumy prawdopodobeńsw wadraów odchyleń NPV sau aury od warośc oczewaej NPV. Wsazuje oo a przecęe odchylee moŝlwych do uzysaa warośc NPV od warośc oczewaej NPV. Im Ŝsze odchylee sadardowe ym proje ma węsze szase powodzea. Proje o duŝym ryzyu NPV 3 NPV NPV 2 0 E(NPV) - NPV + NPV Proje o małym ryzyu NPV 3 NPV NPV 2 0 E(NPV) - NPV + NPV S ( ) ( NPV) p NPV E( NPV) Zadae r 8. Bazując a daych z zadaa poprzedego oblcz pozom ryzya dla projeów A B merzoy przecęym odchyleem moŝlwych do orzymaa warośc NPV od warośc oczewaej NPV 2 Meoda 8 - RówowaŜ Pewośc - a CF RówowaŜ pewośc o warość orzymaa z pewoścą, óra ma aą samą uŝyeczość co warość oczewaa epewej decyzj. Nepewe warośc przepływów peęŝych zasępuje sę odpowedm rówowaŝam pewośc. Im przepływ mej pewy ym Ŝsza warość współczya. 3

14 Zasosowae wszyse rodzaje projeów wesycyjych NPVC a CF a CIF COF ( + ) ) ( + ) a NPV C - warość sorygowaa NPV czyl wola od ryzya a współczy rówowaŝa pewośc w rou sopa dysoowa wola od ryzya a CF rówowaŝ pewośc przepływu peęŝego czyl a część warośc epewego przepływu peęŝego, órą decyde ce w am samym sopu ja cały epewy przepływ. Welość a decyde usala samodzele borąc pod uwagę sopeń epewośc swoją awersję lub słoość do ryzya. Meoda 9 - Współczy Zmeośc CV(NPV) Współczy zmeośc jes względą marą ryzya. Zasosowae wszyse rodzaje projeów wesycyjych. Sosuje sę go do porówywaa projeów róŝących sę weloścą zysu ryzya. CV ( NPV ) S E ( NPV ) ( NPV ) p ( NPV E( NPV ) p NPV Dla aŝdego projeu oblczae jes ryzyo względe, z. ryzyo przypadające a jedosę zysu. Spośród projeów róŝących sę pozomem ryzya zysu wyberamy e, w órym welość ryzya przypadającego a jedosę zysu jes ja ajmejsza. 2 Zadae r 9. Bazując a daych z zadań 8 9 oblcz współczy zmeośc dla projeów A oraz B. 4

15 Meoda 0 - Aalza Symulacyja. Sprowadzee do porówywalośc przepływów peęŝych. 2. Oblczee warośc NPV dla poszczególych scearuszy. 3. Usalee łączego prawdopodobeńswa poszczególych scearuszy. Prawdopodobeńswo łącze wysąpea zdarzea (p. ro perwszy popy wyso, ro drug popy wyso) jes loczyem prawdopodobeńsw zdarzeń sładowych (prawdopodobeńswo wysąpea wysoego popyu w rou perwszym razy prawdopodobeńswo wysąpea wysoego popyu w rou drugm). 4. Usalee warośc oczewaej E(NPV). 5. Usalee ryzya (odchylea sadardowego) S(NPV). 6. Usalee współczyów zmeośc CV(NPV). 5

16 Zadae r 0. NaleŜy dooać wyboru pomędzy zaupem maszyy małej w cee 3,4 lub zaupem maszyy duŝej w cee 4,0. Przeprowadzoo aalzę pozwalająca oszacować welość zysu (oszczędośc) z ej wesycj w zaleŝośc od popyu oraz prawdopodobeńswa wysąpea ego popyu (ablca). Załada sę, Ŝe mogą wysąpć 3 pozomy popyu (say aury): duŝy, śred mały. Sopa dysoowa 0%. Wyberz orzysejszą wesycję. ROK ROK 2 ROK 0 ROK ROK 2 E(NPV) S(NPV) Typ Popy Prawdop. Zys Popy Prawdop. Zys CF 0 PVCF PVCF 2 NPV Łącze p NPV p E(NPV) [NPV -E(NPV )] 2 [NPV -E(NPV )] 2 p DUśA MAŁA Wyso 0,2 20 Śred 0,3 8 Ns 0,5-2 Wyso 0,2 4 Śred 0,3 0 Ns 0,5 2 Wyso 0,4 25 Śred 0,4 0 Ns 0,2 2 Wyso 0,4 25 Śred 0,4 0 Ns 0,2 2 Wyso 0,4 25 Śred 0,4 0 Ns 0,2 2 Wyso 0,4 6 Śred 0,4 2 Ns 0,2 4 Wyso 0,4 6 Śred 0,4 2 Ns 0,2 4 Wyso 0,4 6 Śred 0,4 2 Ns 0,2 4 CV A (NPV) CV B (NPV 6

17 Meoda - Śred Kosz Kapału Śred osz apału o średa waŝoa oszów pozysaa poszczególych jego sładów przy uwzględeu sruury apału U K + U K + U K + U K + U K u u K - osz apału z emsj acj uprzywlejowaych. u K D P 00% z u u u D - warość roczej dywdedy wypłacaej z acj uprzywlejowaych. u P - cea acj uprzywlejowaych. u K - osz apału z emsj acj zwyłych. z K D P 00% z z z D - warość roczej dywdedy wypłacaej z acj zwyłych. z P - cea acj zwyłych. z K - osz apału z emsj oblgacj. o ( ) 00% O K o T V O - warość roczych odsee od oblgacj. V - ryowa cea oblgacj pomejszoa o aleŝe oproceowae. T - sopa podaowa. K - osz apału z redyu baowego. K T ( ) 00% - sopa oproceowaa redyu z uwzględoą prowzją. z o o w w

18 K - osz apału własego będący wyrazem uracoych orzyśc jae moŝa by w osągąć wesując środ włase w y, bezpeczy sposób loaa w dobrym bau, oblgacje pańswowe. U u, z, o,, w - udzały poszczególych apałów Zadae r. Oblcz śred osz apału dla wesycj wedząc, Ŝe będze oa sfasowaa z asępujących źródeł: udzał apał omearz 0,5 własy loaa w bau 33% 0,05 acje zwyłe dywdeda 5, cea 00 0,05 acje uprzywlejowae dywdeda 5, cea 0 0,5 oblgacje warość odsee 0000 ryowa cea warość oproceowaa ,6 redy sopa oproceowaa po uwzględeu prowzj podae 40% Meoda 2 - Aalza Progu Reowośc Pozwala oreślć wraŝlwość projeu wesycyjego a zmay poszczególych soych dla ego paramerów. Odpowada a pyae le jedose produu (usług) rzeba będze sprzedać aby wpływy ze sprzedaŝy poryły oszy producj oraz le aleŝy produować jedose produu (usług) aby uzysać zys masymaly. x 0 ( BEP) x ( BEP) - loścowy próg reowośc. 0 f p v f - oszy sałe. p - cea jedosowa. v - jedosowe oszy zmee. 8

19 Zadae r 2. Projeem wesycyjym jes owa forma śwadczea doychczasowej usług. Oszacowao ową fucję całowych oszów śwadczea ej usług: 250+0X+2X 2 gdze x o lość śwadczoych jedosowych usług. Wedząc, Ŝe cea jedosowa usług wyos 60 zł: oblcz próg (prog) reowośc ej wesycj. oblcz dla jaej welośc producj zys będze masymaly. Zadae r 3. Przedsęborswo plauje sfasować wesycję w 50 % ze środów własych, a w 50 % z redyu baowego. Włase środ moŝe uloować w baowej loace ermowej pozbawoej ryzya o czase rwaa rówym czasow wesycj ( ro) o oproceowau rówym 20 %. Przedsęborswo jes płaem podau dochodowego od osób prawych, óry wyos 40 %. Progozoway przebeg wesycj jes asępujący - oeczy aład w chwl obecej o 50 ys. PLN - jedorazowy przychód z jej realzacj w ońcowych dach jej rwaa o 80 ys. PLN. Czy aby zysowość wesycj e była mejsza Ŝ 30 % moŝa zdecydować sę a 42 % sawę redyu oraz 2000 zł prowzj, czy eŝ aleŝy próbować egocjować waru redyowaa? 9

20 Eap usalee rzeczywsej wysoośc przepływu dodaego CIF przychód podae CIF przychód zys bruo T CIF przychód ( przychód osz) T CIF przychód ( przychód osz wes. osz red.) T CIF 80 ( ,5 25) 0,4 CIF 80 (30 2,5) 0,4 CIF ys. Eap 2 usalee dopuszczalej wysoośc oszu apału.,3,3 73 ( + ) ( + ) ,23 73 ( + ) 50 ( + ) 0 73 ( + ) 50,3 + 0, ,3 % 50 20

21 Eap 3 usalee dopuszczalej wysoośc oproceowaa redyu. U K + U K w [ Kb ( T )] + U w Kw U gdze: w K b osz redyu bruo T sopa podaowa [ K b ( 0,4) ] + 0,5 0, 2 [ K 0,6] 0, 0,23 0,5 0,23 0,5 + b 0,23 0,3 K + 0, K o + b gdze: o p b oproceowaeredyu p prowzja wyrazoa w% 2 0,23 0,3 o + + 0, 25 0,23 0,3 o + 0, , 0,23 0,3 o + 0,24 0,23 0,24 0, 3 o 0,0009 0, 3 o 0,0009 0,3 o 0, 003 o o 0,003 w przyblŝeu: o 0% Odpowedź: Oproceowae redyu musało by wyosć masymale 0% aby wesycja charaeryzowała sę 30% zysowoścą. 2

22 . REGUŁA WALDA (REGUŁA MAX-MIN (masymmum) lub MIN-MAX (mmasmum)) Reguła a opsuje posawę osroŝego decydea, erującego sę zasadą bezpeczych roów. Odzwercedla zaem bardzo osroŝą sraegę (pesymsyczą, aseuracą, aseuracyją) cechującą sę pesymsyczą oceą sau środowsa. Załada sę, Ŝe wysąpą ajmej orzyse waru realzacj zamerzea. Algorym. Dla aŝdej aleraywy aleŝy wsazać wy ajgorszy. Sa aury Sa aury 2... Sa aury j Aleraywa Wy Wy 2... Wy j Aleraywa 2 Wy 2 Wy Wy 2j Aleraywa Wy Wy 2... Wy j 2. NaleŜy wsazać aleraywę, dla órej ajgorszy wy jes ajorzysejszy. Reguła Walda przyjmuje posać : ) max m { j },dla W: C max j Gdy fucja celu ma być masymalzowaa wedy szuamy ajwęszego wyu j z ajmejszych w poszczególych aleraywach. Z aŝdego wersza m a z ch max. 2) m max { j },dla W: C m j Gdy fucja celu ma być mmalzowaa wedy szuamy ajmejszego wyu j z ajwęszych w poszczególych aleraywach. Z aŝdego wersza max a z ch m. Zadae Przedsęborswo moŝe produować jede z 4 wyrobów: A, B, C, D. Tablca zawera zys ze sprzedaŝy ych wyrobów w zaleŝośc od moŝlwych do zasea rozmarów popyu: I, II, III, IV. Wyberz wyrób do producj sosując olejo ryerum Walda, Max-Max, Hurwcza przy współczyu pesymzmu γ λ 0,2, Laplace a Nehasa-Savage a. Say aury Wyroby I II III IV A B C D

23 W aleraywe A ajgorszy wy o 0, w B o 20, w C o 30, w D o 0. Najlepsze wy w ajgorszych syuacjach mają aleraywy A D. 2. REGUŁA MAX - MAX lub MIN - MIN Reguła a odzwercedla posawę bardzo ryzyacą. Jes o sraega opara a załoŝeu, Ŝe wysąpą ajorzysejsze waru realzacj przedsęwzęca, z. sraega opymsycza, ryzyaca, hazardowa. Algorym. Dla aŝdej aleraywy aleŝy wsazać wy ajlepszy. 2. NaleŜy wsazać aleraywę dla órej wy jes ajorzysejszy. Reguła a przyjmuje posać : ) max max { j },dla W: C max j Gdy fucja celu ma być masymalzowaa wedy szuamy ajwęszego wyu j z ajwęszych w poszczególych aleraywach. Z aŝdego wersza max a z ch max. 2) m m { j },dla W: C m j Gdy fucja celu ma być mmalzowaa wedy szuamy ajmejszego wyu j z ajmejszych w poszczególych aleraywach. Z aŝdego wersza m a z ch m. Zadae dae ja wyŝej. W aleraywe A ajlepszy wy o 5, w B o 30, w C o 50, w D o 60. Najlepszy wy w ajlepszej syuacj daje aleraywa D 3. REGUŁA HURWICZA Odzwercedla posawę pośredą mędzy pesymsyczą a opymsyczą. Przyjmuje sę u załoŝee, Ŝe posawy srajego pesymsy srajego opymsy umoŝlwają rozpozae grac wahań moŝlwych wyów. Rzado jeda sę zdarza, aby aleraywy wsazae za pomocą ych reguł sawały sę decyzjam bez dalszej aalzy. Według Hurwcza posawę pośredą (ompromsową) mędzy gracam wahań moŝlwych wyów moŝa wyrazć jao średą waŝoą srajych wyów. Jes o zaem sraega pośreda, ompromsowa. Algorym. NaleŜy subeywe usalć warość współczya opymzmu λ λ < 0, > λ - współczy opymzmu (-λ) - współczy pesymzmu 23

24 JeŜel decyde ocea, Ŝe za moŝlwoścą wysąpea orzysych waruów realzacj przedsęwzęca przemawa 70 % zaych mu przesłae, a za eorzysym waruam 30 %, z. Ŝe usala współczy opymzmu w wysoośc λ 0,7 współczy pesymzmu w wysoośc - λ 0,3. 2. Dla aŝdej aleraywy aleŝy oblczyć warość fucj: ) ϕ ( A ) λ max{ j } + (-λ) m { j } jeŝel W: C max j j 2) ϕ ( A ) λ m{ j } + (-λ) max { j } jeŝel W: C m j j Dla aŝdej aleraywy (wersza) aleŝy wsazać wy ajlepszy ajgorszy. Wyow ajlepszemu daje sę wagę rówą współczyow opymzmu λ, a wyow ajgorszemu wagę rówą współczyow pesymzmu z. (-λ). Nasępe aleŝy oblczyć dla aŝdej aleraywy warość ϕ (A ) z. średą waŝoą srajych wyów (wagam są u odpowedo współczy opymzmu pesymzmu). 3. NaleŜy wsazać aleraywę, dla órej warość ϕ (A ) jes ajorzysejsza. Będze ą aleraywa, órej warość ϕ (A ) jes: ) ajwęsza, jeŝel W: C max 2) ajmejsza, jeŝel W: C m Czyl aleŝy wsazać aleraywę A p dla órej: ) ϕ (A p ) max ϕ(a ), jeŝel W: C max 2) ϕ (A p ) m ϕ(a ), jeŝel W: C m Zadae dae ja wyŝej. Usalee współczyów są w reśc zadaa. 2. Oblczee ϕ dla aŝdej aleraywy. ( A A ) 0, ,2 0 2 ϕ A B 0, ,2 20 ϕ ( A C ) 0, ,2 ( 30) 34 ϕ ( A D ) 0, , Wpsae wyów do ablcy. 4. Wybór aleraywy opymalej. A ϕ ( ) ( ) 20 p A D 5. Odpowedź: Według meody Hurwcza aleŝy wybrać wyrób D. 4. REGUŁA LAPLACE A (REGUŁA ŚREDNIEJ KONSEKWENCJI lub REGUŁA ŚREDNIEJ WYNIKÓW) Reguła a odzwercedla euralą posawę decydea odośe przyszłych waruów realzacj przedsęwzęca gospodarczego. Opera sę a wosowau, Ŝe jeśl e moŝa wyróŝć Ŝadego ze saów środowsa z powodu brau 24

25 wysarczających formacj moŝa przyjąć, Ŝ wysąpee aŝdego z ch jes jedaowo prawdopodobe. Reguła Laplace a załada, Ŝe wysąpą przecęe waru realzacj przedsęwzęca. Wszyse rozparywae u say środowsa rauje sę uaj róworzęde. Do wsazaa aleraywy wyorzysuje sę średą wyów (średą osewecj) przyporządowaych aŝdej aleraywe. Jes o sraega eurala. Algorym. Dla aŝdej aleraywy aleŝy oblczyć średą wyów (średą osewecj) m m j gdze m o lczba wyów po jedym dla aŝdego sau aury. j 2. NaleŜy wsazać aleraywę, dla órej warość jes ajorzysejsza. _ Będze ą aleraywa, dla órej warość jes: ) ajwęsza, jeŝel W: C max 2) ajmejsza, jeŝel W: C m Czyl aleŝy wsazać aleraywę A p, dla órej: p p { } { } max, jeŝel W: C max m, jeŝel W: C m Zadae dae ja wyŝej. Oblczee m m j A A 4 A C Wpsae wyów do ablcy. j dla wszysch alerayw. 4 4 ( ) ( ) 7, 5 ( ) ( ) 7, 5 ( ) ( ) 5 ( ) ( ) 22, 5 3. Wybór aleraywy, dla órej p { } A B A D max, poewaŝ W: C max p A D A 4. Odpowedź: Według meody Laplace a aleŝy wybrać wyrób D. 25

26 5. REGUŁA NIEHANSA - SAVAGE A (REGUŁA MINIMALIZACJI UTRACONEJ SZANSY lub REGUŁA MINIMALIZACJI śalu PO STRACIE lub REGUŁA MINIMAKSOWYCH SKUTKÓW BŁĘDNEJ DECYZJI) Isoa ej reguły polega a ym, aby e dopuścć do zby wysoch sra wyłych wsue błędych decyzj. Przy czym o błędośc decyzj dowadujemy sę dopero ex pos, gdy decyzja zosała zrealzowaa jede z moŝlwych saów aury asąpł. Omawaa reguła jes w prayce częso sosowaa. Decydując sę a wsazae jedej z alerayw wyberamy bardzo częso ę, órej realzacja moŝe spowodować ajmej groźe su, o le powzęa decyzja oaŝe sę błęda. Sosując ą regułę e ocea sę zaem bezpośredch osewecj przyjęca órejś aleraywy, lecz su, z. uracoe szase wyające z epodjęca decyzj, óra przy daym sae aury byłaby ajlepsza. Uracoa szasa o róŝca mędzy wyem oferowaym przez wsazaą przez decydea aleraywę, a wyem aleraywy ajorzysejszej w daym sae środowsa. W prezeowaej regule erujemy sę przy wyborze aleraywy (z. przy podejmowau decyzj) mmalzacją poecjalych uracoych szas usaloych względem ajorzysejszego wyu w daym sae środowsa. Algorym. Na podsawe macerzy osewecj, dla aŝdego sau środowsa aleŝy usalć ajorzysejszy wy. Będze o:. max { pj }, dla W: C max p 2. m { pj }, dla W: C m p 2. NaleŜy uworzyć macerz sra aleraywych, będących osewecjam błędych decyzj (zwaą eŝ macerzą suów błędych decyzj). Elemey ej macerzy oblcza sę asępująco: ) u j max { pj } - j, jeŝel W: C max p Poecjala sraa jes rówa róŝcy mędzy wyem aleraywy ajorzysejszej w daym sae środowsa, a wyem ej aleraywy w ym sae środowsa. 2) u j j - m { pj }, jeŝel W: C m p Poecjala sraa jes w ym przypadu rówa róŝcy mędzy wyem daej aleraywy (ej Ŝ ajorzysejsza), a wyem aleraywy ajorzysejszej w daym sae środowsa. 26

27 u j - (eleme macerzy sra aleraywych) sraa wyająca ze wsazaa -ej aleraywy, jeŝel wysąp j-y sa środowsa. 3. Dla aŝdej aleraywy aleŝy oblczyć ajwęszą poecjalą sraę: ϕ ( A ) max {u j } j 4. NaleŜy wsazać aleraywę A p dla órej masymala poecjala sraa jes ajmejsza: ϕ ( A p ) m ϕ (A j ) Zadae dae ja wyŝej. Dla aŝdego sau środowsa wyberamy wy ajorzysejszy. U as ozaczoo je gwazdą. Say aury Wyroby I II III IV A 5 5* 0 0 B * C * -30 D 60* Tworzymy macerz sra aleraywych. PoewaŜ W: C max o jej poecjale sray będą rówe róŝcy mędzy wyem aleraywy ajorzysejszej w daym sae środowsa, a wyem ej aleraywy w ym sae środowsa. Say aury Wyroby I II III IV max ( uj ) j A B C D m u ( ) Dla aŝdej aleraywy zajdujemy ajwęszą sraę wpsujemy do ablcy. 4. Wyberamy aleraywę, órej ajwęsza poecjala sraa jes mmala wpsujemy do ablcy. Jes o aleraywa opymala A ( ) p A m max uj czyl j A p A D 5. Odpowedź: Według meody Nehasa-Savage a aleŝy wybrać wyrób D. j 27

28 28

Sprzedaż finalna - sprzedaż dóbr i usług konsumentowi lub firmie, którzy ostatecznie je zużytkują, nie poddając dalszemu przetworzeniu.

Sprzedaż finalna - sprzedaż dóbr i usług konsumentowi lub firmie, którzy ostatecznie je zużytkują, nie poddając dalszemu przetworzeniu. W 1 Rachu maroeoomcze 1. Produ rajowy bruo Sprzedaż fala - sprzedaż dóbr usług osumeow lub frme, órzy osaecze je zużyują, e poddając dalszemu przeworzeu. Sprzedaż pośreda - sprzedaż dóbr usług zaupoych

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

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

Efektywność projektów inwestycyjnych. Statyczne i dynamiczne metody oceny projektów inwestycyjnych

Efektywność projektów inwestycyjnych. Statyczne i dynamiczne metody oceny projektów inwestycyjnych Efekywość projeków iwesycyjych Saycze i dyamicze meody ocey projeków iwesycyjych Źródła fiasowaia Iwesycje Rzeczowe Powiększeie mająku rwałego firmy, zysk spodzieway w dłuższym horyzocie czasowym. Fiasowe

Bardziej szczegółowo

Obliczanie średniej, odchylenia standardowego i mediany oraz kwartyli w szeregu szczegółowym i rozdzielczym?

Obliczanie średniej, odchylenia standardowego i mediany oraz kwartyli w szeregu szczegółowym i rozdzielczym? Oblczae średej, odchylea tadardowego meday oraz kwartyl w zeregu zczegółowym rozdzelczym? Średa medaa ależą do etymatorów tzw. tedecj cetralej, atomat odchylee tadardowe to etymatorów rozprozea (dyperj)

Bardziej szczegółowo

Jego zależy od wysokości i częstotliwości wypłat kuponów odsetkowych, ceny wykupu, oczekiwanej stopy zwrotu oraz zapłaconej ceny za obligację.

Jego zależy od wysokości i częstotliwości wypłat kuponów odsetkowych, ceny wykupu, oczekiwanej stopy zwrotu oraz zapłaconej ceny za obligację. Wrażlwość oblgacj Jedym z czyków ryzyka westowaa w oblgacje jest zmeość rykowych stóp procetowych. Iżyera fasowa dyspouje metodam pozwalającym zabezpeczyć portfel przed egatywym skutkam zma stóp procetowych.

Bardziej szczegółowo

System finansowy gospodarki

System finansowy gospodarki System fasowy gospodark Zajęca r 7 Krzywa retowośc, zadaa (mat. f.), marża w hadlu, NPV IRR, Ustawa o kredyce kosumeckm, fukcje fasowe Excela Krzywa retowośc (dochodowośc) Yeld Curve Krzywa ta jest grafczym

Bardziej szczegółowo

Metody oceny efektywności projektów inwestycyjnych

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

Bardziej szczegółowo

i i i = (ii) TAK sprawdzamy (i) (i) NIE

i i i = (ii) TAK sprawdzamy (i) (i) NIE Egzam uaruszy z aźdzera 009 r. Maemaya Fasowa Zadae ( ) a a& a ( Da) a&& ( Ia) a a&& D I a a&& a a ( ) && ( ) 0 a a a 0 ( ) a 4 0 ( ) a () K srawdzamy () ( ) a& a ( ) a ( ) a&& a&& ( ) a&& ( ) a&& () NIE

Bardziej szczegółowo

Podstawowe zadanie statystyki. Statystyczna interpretacja wyników eksperymentu. Zalety statystyki II. Zalety statystyki

Podstawowe zadanie statystyki. Statystyczna interpretacja wyników eksperymentu. Zalety statystyki II. Zalety statystyki tatystycza terpretacja wyków eksperymetu Małgorzata Jakubowska Katedra Chem Aaltyczej Wydzał IŜyer Materałowej Ceramk AGH Podstawowe zadae statystyk tatystyka to uwersale łatwo dostępe arzędze, które pomaga

Bardziej szczegółowo

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

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH

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

Bardziej szczegółowo

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

Podstawy matematyki finansowej i ubezpieczeniowej

Podstawy matematyki finansowej i ubezpieczeniowej Podstawy matematy fasowej ubezpeczeowej oreślea, wzory, przyłady, zadaa z rozwązaam KIELCE 2 SPIS TREŚCI WSTEP... 7 STOPA ZWROTU...... 9 2 RACHUNEK CZASU W MATEMATYCE FINANSOWEJ. 0 2. DOKŁADNA LICZBA DNI

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Hipotezy o istotności oszacowao parametrów zmiennych objaśniających ˆ ) ˆ

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

Bardziej szczegółowo

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

Podstawy praktycznych decyzji ekonomiczno- finansowych w przedsiębiorstwie

Podstawy praktycznych decyzji ekonomiczno- finansowych w przedsiębiorstwie odswy pryczych decyzji eooiczo- fisowych w przedsiębiorswie l wyłdu - Wrość pieiądz w czsie 4 h - Efeywość projeów w iwesycyjych 3-4 h -Wżoy osz piłu u WACC h odswy pryczych decyzji eooiczo- fisowych w

Bardziej szczegółowo

Reprezentacja krzywych...

Reprezentacja krzywych... Reprezeacja rzywych... Reprezeacja przy pomocy fcj dwóch zmeych rzywe płase płase - jedej: albo z z f x y x [ x x2] y [ y y2] f x y g x x [ x x2] Wady: rzywe óre dla pewych x y mogą przyjmować wele warośc

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

Szeregi czasowe, modele DL i ADL, przyczynowość, integracja

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

Bardziej szczegółowo

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

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

Immunizacja portfela

Immunizacja portfela Immuzaja porfela Sraega mmuzaj porfelowej [Redgo 9] polega a sworzeu porfela srumeów sało upoowh spełająego dwa waru: - spade e srumeów fasowh wwoła wzrosem sóp spo jes w peł reompesowa przez wzros dohodów

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

ZAJĘCIA NR 3. loga. i nosi nazwę entropii informacyjnej źródła informacji. p. oznacza, Ŝe to co po im występuje naleŝy sumować biorąc za i

ZAJĘCIA NR 3. loga. i nosi nazwę entropii informacyjnej źródła informacji. p. oznacza, Ŝe to co po im występuje naleŝy sumować biorąc za i ZAJĘCIA NR Dzsaj omówmy o etro, redudacj, średej długośc słowa odowego o algorytme Huffmaa zajdowaa odu otymalego (od ewym względam; aby dowedzeć sę jam doczeaj do ońca). etro JeŜel źródło moŝe adawać

Bardziej szczegółowo

Zmiana bazy i macierz przejścia

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

Bardziej szczegółowo

Wykaz zmian wprowadzonych do skrótu prospektu informacyjnego KBC Parasol Funduszu Inwestycyjnego Otwartego w dniu 04 stycznia 2010 r.

Wykaz zmian wprowadzonych do skrótu prospektu informacyjnego KBC Parasol Funduszu Inwestycyjnego Otwartego w dniu 04 stycznia 2010 r. Wykaz zmia wprowadzoych do skróu prospeku iformacyjego KBC Parasol Fuduszu Iwesycyjego Owarego w diu 0 syczia 200 r. Rozdział I Dae o Fuduszu KBC Subfudusz Papierów DłuŜych Brzmieie doychczasowe: 6. Podsawowe

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

BQR FMECA/FMEA. czujnik DI CPU DO zawór. Rys. 1. Schemat rozpatrywanego systemu zabezpieczeniowego PE

BQR FMECA/FMEA. czujnik DI CPU DO zawór. Rys. 1. Schemat rozpatrywanego systemu zabezpieczeniowego PE BQR FMECA/FMEA Przed rozpoczęcem aalzy ależy przeprowadzć dekompozycję systemu a podsystemy elemety. W efekce dekompozycj uzyskuje sę klka pozomów: pozom systemu, pozomy podsystemów oraz pozom elemetów.

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

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

(liniowy model popytu), a > 0; b < 0

(liniowy model popytu), a > 0; b < 0 MODELE EKONOMERYCZNE Model eoomercz o ops sochasczej zależośc adaego zjawsa eoomczego od czów szałującch go, wrażo w posac rówośc lu uładu rówośc. Jeśl p. rozparujem zjawso popu a oreślo owar lu grupę

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

PŁASKA GEOMETRIA MAS. Środek ciężkości figury płaskiej

PŁASKA GEOMETRIA MAS. Środek ciężkości figury płaskiej PŁAKA GEOMETRIA MA Środek cężkośc fgury płaskej Mometam statyczym M x M y fgury płaskej względem os x lub y (rys. 7.1) azywamy gracę algebraczej sumy loczyów elemetarych pól d przez ch odległośc od os,

Bardziej szczegółowo

JEDNOWYMIAROWA ZMIENNA LOSOWA

JEDNOWYMIAROWA ZMIENNA LOSOWA JEDNOWYMIAROWA ZMIENNA LOSOWA Nech E będze zborem zdarzeń elemetarych daego dośwadczea. Fucję X(e) przyporządowującą ażdemu zdarzeu elemetaremu e E jedą tylo jedą lczbę X(e)=x azywamy ZMIENNĄ LOSOWĄ. Przyład:

Bardziej szczegółowo

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

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

Bardziej szczegółowo

SPOŁECZNA AKDAEMIA NAUK W ŁODZI

SPOŁECZNA AKDAEMIA NAUK W ŁODZI SPOŁECZNA AKDAEMIA NAUK W ŁODZI KIERUNEK STUDIÓW: ZARZĄDZANIE PRZEDMIOT: METODY ILOŚCIOWE W ZARZĄDZANIU (MATERIAŁ POMOCNICZY PRZEDMIOT PODSTAWOWY ) Łódź Sps treśc Moduł Wprowadzee do metod loścowych w

Bardziej szczegółowo

ZMIENNA LOSOWA JEDNOWYMIAROWA POJĘCIE ZMIENNEJ LOSOWEJ

ZMIENNA LOSOWA JEDNOWYMIAROWA POJĘCIE ZMIENNEJ LOSOWEJ ZMIENNA LOSOWA JEDNOWYMIAROWA POJĘCIE ZMIENNEJ LOSOWEJ Podstawowe pojęca rachuu prawdopodobeństwa: zdarzee losowe, zdarzee elemetare, prawdopodobeństwo, zbór zdarzeń elemetarych. Def. Nech E będze zborem

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

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

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

Bardziej szczegółowo

Lista 6. Kamil Matuszewski 26 listopada 2015

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

Bardziej szczegółowo

Dane modelu - parametry

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

Bardziej szczegółowo

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

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

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

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

Matematyka finansowa r.

Matematyka finansowa r. . Sprawdź, tóre z ponższych zależnośc są prawdzwe: () = n n a s v d v d d v v d () n n m ) ( n m ) ( v a d s ) m ( = + & & () + = = + = )! ( ) ( δ Odpowedź: A. tylo () B. tylo () C. tylo () oraz () D.

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

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

DZIAŁALNOŚĆ INWESTYCYJNA INSTYTUCJI FINANSOWYCH

DZIAŁALNOŚĆ INWESTYCYJNA INSTYTUCJI FINANSOWYCH DZIAŁALNOŚĆ INWESTYCYJNA INSTYTUCJI FINANSOWYCH - PRZEWODNIK METODYCZNY - Dr Krysa Pra Cl przdmou: Przdmo doyczy jdgo obszaru ralzacj wsycj, jakm js skor fasowy. Clm przdmou js wyjaś co js spcyfką wsycj

Bardziej szczegółowo

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

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

Bardziej szczegółowo

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

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

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

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

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

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

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

RACHUNEK EFEKTYWNOŚCI INWESTYCJI METODY ZŁOŻONE DYNAMICZNE

RACHUNEK EFEKTYWNOŚCI INWESTYCJI METODY ZŁOŻONE DYNAMICZNE RACHUNEK EFEKTYWNOŚCI INWESTYCJI METODY ZŁOŻONE DYNAMICZNE PYTANIA KONTROLNE Czym charakeryzują się wskaźniki saycznej meody oceny projeku inwesycyjnego Dla kórego wskaźnika wyliczamy średnią księgową

Bardziej szczegółowo

6. *21!" 4 % rezerwy matematycznej. oraz (ii) $ :;!" "+!"!4 oraz "" % & "!4! " )$!"!4 1 1!4 )$$$ " ' ""

6. *21! 4 % rezerwy matematycznej. oraz (ii) $ :;! +!!4 oraz  % & !4!  )$!!4 1 1!4 )$$$  ' Memy fow 09..000 r. 6. *!" ( orz ( 4 % rezerwy memycze $ :;!" "+!"!4 orz "" % & "!4! " $!"!4!4 $$$ " ' "" V w dowole chwl d e wzorem V 0 0. &! "! "" 4 < ; ;!" 4 $%: ; $% ; = > %4( $;% 7 4'8 A..85 B..90

Bardziej szczegółowo

FINANSE PRZEDSIĘBIORSTW konwersatorium, 21 godzin, zaliczenie pisemne, zadania + interpretacje

FINANSE PRZEDSIĘBIORSTW konwersatorium, 21 godzin, zaliczenie pisemne, zadania + interpretacje mgr Joaa Sikora jsikora@ wsb.gda.pl joaasikora@wordpress.com FINANS PRZDSIĘBIORSTW kowersaorium, 21 godzi, zaliczeie piseme, zadaia + ierpreacje Treści programowe Wprowadzeie do fiasów korporacyjych podsawowe

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

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

SZEREGI CZASOWE W PLANOWANIU PRODUKCJI W PRZETWÓRSTWIE SPOŻYWCZYM

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

Bardziej szczegółowo

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

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

Lekcja 1. Pojęcia podstawowe: Zbiorowość generalna i zbiorowość próbna

Lekcja 1. Pojęcia podstawowe: Zbiorowość generalna i zbiorowość próbna TECHNIKUM ZESPÓŁ SZKÓŁ w KRZEPICACH PRACOWNIA EKONOMICZNA TEORIA ZADANIA dla klasy II Techkum Marek Kmeck Zespół Szkół Techkum w Krzepcach Wprowadzee do statystyk Lekcja Statystyka - określa zbór formacj

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

Pomiary parametrów napięć i prądów przemiennych

Pomiary parametrów napięć i prądów przemiennych Ćwczee r 3 Pomary parametrów apęć prądów przemeych Cel ćwczea: zapozae z pomaram wartośc uteczej, średej, współczyków kształtu, szczytu, zekształceń oraz mocy czyej, berej, pozorej współczyka cosϕ w obwodach

Bardziej szczegółowo

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

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

Matematyka finansowa 25.01.2003 r.

Matematyka finansowa 25.01.2003 r. Memyk fisow 5.0.003 r.. Kóre z poiższych ożsmości są prwdziwe? (i) ( ) i v v i k m k m + (ii) ( ) ( ) ( ) m m v (iii) ( ) ( ) 0 + + + v i v i i Odpowiedź: A. ylko (i) B. ylko (ii) C. ylko (iii) D. (i),

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

Pomiary bezpośrednie i pośrednie obarczone błędem przypadkowym

Pomiary bezpośrednie i pośrednie obarczone błędem przypadkowym Pomary bezpośrede pośrede obarczoe błędem przypadkowym I. Szacowae wartośc przyblŝoej graczego błędu przypadkowego a przykładze bezpośredego pomaru apęca elem ćwczea jest oszacowae wartośc przyblŝoej graczego

Bardziej szczegółowo

Czas trwania obligacji (duration)

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

Bardziej szczegółowo

BADANIA OPERACYJNE. Podejmowanie decyzji w warunkach niepewności. dr Adam Sojda

BADANIA OPERACYJNE. Podejmowanie decyzji w warunkach niepewności. dr Adam Sojda BADANIA OPERACYJNE Podejmowane decyzj w warunkach nepewnośc dr Adam Sojda Teora podejmowana decyzj gry z naturą Wynk dzałana zależy ne tylko od tego, jaką podejmujemy decyzję, ale równeż od tego, jak wystąp

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

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

ZASTOSOWANIE MODELU LOGITOWEGO DO ANALIZY WYNIKÓW EGZAMINU

ZASTOSOWANIE MODELU LOGITOWEGO DO ANALIZY WYNIKÓW EGZAMINU Haa Dudek a, Moka Dybcak b a Katedra Ekoometr Iformatyk SGGW b studetka Mędzywydzałowego Studum Iformatyk Ekoometr e-mal: hdudek@mors.sggw.waw.pl ZASTOSOWANIE MODELU LOGITOWEGO DO ANALIZY WYNIKÓW EGZAMINU

Bardziej szczegółowo

PODSTAWY PROBABILISTYKI Z PRZYKŁADAMI ZASTOSOWAŃ W INFORMATYCE

PODSTAWY PROBABILISTYKI Z PRZYKŁADAMI ZASTOSOWAŃ W INFORMATYCE Marek Cecura, Jausz Zacharsk PODSTAWY PROBABILISTYKI Z PRZYKŁADAMI ZASTOSOWAŃ W INFORMATYCE CZĘŚĆ II STATYSTYKA OPISOWA Na prawach rękopsu Warszawa, wrzeseń 0 Data ostatej aktualzacj: czwartek, 0 paźdzerka

Bardziej szczegółowo

Podstawowe algorytmy indeksów giełdowych

Podstawowe algorytmy indeksów giełdowych Podsawowe algorymy ndeksów gełdowych Wersja 1.1 San na 25-11-13 Podsawowe algorymy ndeksów gełdowych Wersja 1.1 San na 2013-11-25 Sps reśc I. Algorymy oblczana warośc ndeksów gełdowych...3 1. Warość beżąca

Bardziej szczegółowo

Bajki kombinatoryczne

Bajki kombinatoryczne Artyuł powstał a podstawe odczytu pod tym samym tytułem, wygłoszoego podczas XXXVI Szoły Matematy Poglądowej Pomysł czy rachue? w Grzegorzewcach, styczeń 006. Baj ombatorycze Joaa JASZUŃSKA, Warszawa Ja

Bardziej szczegółowo

SPRZEDAŻ PONIŻEJ KOSZTU WŁASNEGO W PRZEDSIĘBIORSTWIE WIELOASORTYMENTOWYM

SPRZEDAŻ PONIŻEJ KOSZTU WŁASNEGO W PRZEDSIĘBIORSTWIE WIELOASORTYMENTOWYM ACTA UNIVERSITATIS WRATISLAVIENSIS No 37 PRZEGLĄD PRAWA I ADMINISTRACJI LXXX WROCŁAW 009 ANNA ĆWIĄKAŁA-MAŁYS WIOLETTA NOWAK Uwersytet Wrocławsk SPRZEDAŻ PONIŻEJ KOSZTU WŁASNEGO W PRZEDSIĘBIORSTWIE WIELOASORTYMENTOWYM

Bardziej szczegółowo

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

Funkcja generująca rozkład (p-two)

Funkcja generująca rozkład (p-two) Fucja geerująca rozład (p-wo Defiicja: Fucją geerującą rozład (prawdopodobieńswo (FGP dla zmieej losowej przyjmującej warości całowie ieujeme, azywamy: [ ] g E P Twierdzeie: (o jedozaczości Jeśli i są

Bardziej szczegółowo

Podstawy zarządzania finansami przedsiębiorstwa

Podstawy zarządzania finansami przedsiębiorstwa Podsawy zarządzaia fiasami przedsiębiorswa I. Wprowadzeie 1. Gospodarowaie fiasami w przedsiębiorswie polega a: a) określeiu spodziewaych korzyści i koszów wyikających z form zaagażowaia środków fiasowych

Bardziej szczegółowo

Regulamin. udzielania pomocy materialnej o charakterze socjalnym dla uczniów zamieszkaùych na terenie Gminy Wolbórz

Regulamin. udzielania pomocy materialnej o charakterze socjalnym dla uczniów zamieszkaùych na terenie Gminy Wolbórz Zaù¹cznk Nr 1 uchwaùy Nr XXVIII/167/2005 Rady Gmny Wolbórz z dna 30 marca 2005 r. Regulamn udzelana pomocy maeralnej o charakerze socjalnym dla ucznów zameszkaùych na erene Gmny Wolbórz I. Sposób usalana

Bardziej szczegółowo

k k M. Przybycień Rachunek Prawdopodobieństwa i Statystyka Wykład 13-2

k k M. Przybycień Rachunek Prawdopodobieństwa i Statystyka Wykład 13-2 Pojęce przedzału ufośc Przyład: Rozważmy pewe rzad proces (tz. ta tórego lczba zajść podlega rozładow Possoa). W cągu pewego czasu zaobserwowao =3 tae zdarzea. Oceć możlwy przedzał lczby zdarzeń tego typu

Bardziej szczegółowo

Obwody elektryczne. Stan ustalony i stan przejściowy. Metody analizy obwodów w stanie przejściowym. przejściowym. Stan ustalony i stan przejściowy

Obwody elektryczne. Stan ustalony i stan przejściowy. Metody analizy obwodów w stanie przejściowym. przejściowym. Stan ustalony i stan przejściowy Obody elerycze Meody aalzy obodó sae rzejścoym Wyład W obodze rąd sałego Warośc rądó aęć e legają zmae W obodze rąd zmeego Warośc średe secze rądó aęć e legają zmae Prądy aęca są fcjam oresoym o aej samej

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Teoria sterowania 1 Temat ćwiczenia nr 7a: Synteza parametryczna układów regulacji.

Teoria sterowania 1 Temat ćwiczenia nr 7a: Synteza parametryczna układów regulacji. eoria serowania ema ćwiczenia nr 7a: Syneza parameryczna uładów regulacji. Celem ćwiczenia jes orecja zadanego uładu regulacji wyorzysując nasępujące meody: ryerium ampliudy rezonansowej, meodę ZiegleraNicholsa

Bardziej szczegółowo

Modele wartości pieniądza w czasie

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

Bardziej szczegółowo

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

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 Opisowa Wzory

Statystyka Opisowa Wzory tatystyka Opsowa Wzory zereg rozdzelczy: x - wartośc cechy - lczebośc wartośc cechy - lczebość całej zborowośc Wskaźk atężea przy rysowau wykresu szeregu rozdzelczego przedzałowego o erówych przedzałach:

Bardziej szczegółowo

Wyrażanie niepewności pomiaru

Wyrażanie niepewności pomiaru Wyrażae epewośc pomaru Adrzej Kubaczyk Wydzał Fzyk, Poltechka Warszawska Warszawa, 05 Iformacje wstępe Każdy pomar welkośc fzyczej dokoyway jest ze skończoą dokładoścą, co ozacza, że wyk tego pomaru dokoyway

Bardziej szczegółowo

Analiza popytu. Ekonometria. Metody i analiza problemów ekonomicznych. (pod red. Krzysztofa Jajugi), Wydawnictwo AE Wrocław, 1999.

Analiza popytu. Ekonometria. Metody i analiza problemów ekonomicznych. (pod red. Krzysztofa Jajugi), Wydawnictwo AE Wrocław, 1999. Analiza popyu Eonomeria. Meody i analiza problemów eonomicznych (pod red. Krzyszofa Jajugi) Wydawnicwo AE Wrocław 1999. Popy P = f ( X X... X ε ) 1 2 m Zmienne onrolowane: np.: cena (C) nałady na relamę

Bardziej szczegółowo

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

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

Bardziej szczegółowo

CZYNNIKOWY MODEL ZARZĄDZANIA PORTFELEM OBLIGACJI

CZYNNIKOWY MODEL ZARZĄDZANIA PORTFELEM OBLIGACJI Zeszyy Naukowe Wydzału Iorayczych echk Zarządzaa Wyższej Szkoły Iorayk Sosowaej Zarządzaa Współczese robley Zarządzaa Nr /0 CZYNNIKOWY MOE ZARZĄZANIA OREEM OBIGACJI Adrzej Jakubowsk Isyu Badań Syseowych

Bardziej szczegółowo