Wpływ redukcji poziomu szumu losowego metodą najbliższych sąsiadów 161
|
|
- Tadeusz Brzeziński
- 9 lat temu
- Przeglądów:
Transkrypt
1 Kaarzya Zeug-Żebro WPŁYW REDUKCJI POZIOMU SZUMU LOSOWEGO MEODĄ NAJBLIŻSZYCH SĄSIADÓW NA WAROŚĆ NAJWIĘKSZEGO WYKŁADNIKA LAPUNOWA Wprowazee W aalze szeregów czasowych zakłaa sę, że w aych moża wyorębć skłak eermsyczy oraz szum losowy, j. zaburzea, kóre uruają eyfkację srukury zjawska. Źrółem szumu mogą być błęy wykające z pomaru lub zaokrągleń powsałe poczas baań. Może o róweż reprezeować czyk egzogecze wpływające a yamkę ukłau lub być kosekwecją saysyczego charakeru zjawsk. Wększość echk aalzy szeregów czasowych wąże sę z pewym formam flrowaa szumu w celu uwoczea częśc eermsyczej. Jeą z ch jes meoa ajblższych sąsaów. Choć powsała oa z myślą o progozowau, moża ją róweż zasosować o flracj aych. Celem arykułu bęze ocea zasosowaa reukcj pozomu szumu meoą ajblższych sąsaów oraz wpływu ej flracj a warość ajwększego wykłaka Lapuowa. W baaach wykorzysao szereg uworzoe z ce zamkęca WIG WIG2 wóch spółek oowaych a Gełze Paperów Waroścowych w Warszawe: Byom Żywec oraz wóch kursów walu: fraka szwajcarskego olara amerykańskego. Dae obejmują okres o..995 o Oblczea przeprowazoo z użycem programów apsaych przez auorkę w języku programowaa Delph, pakeu Mcrosof Ecel oraz ISEAN.. Rekosrukcja przesrze saów meoa opóźeń Meoa opóźeń jes jeą z meo rekosrukcj przesrze saów ukłau yamczego, kóra powsała a posawe werzea F. akesa * o zaurzau [7]. Służy oa o wyobywaa pewych formacj zawarych w cha-
2 Wpływ reukcj pozomu szumu losowego meoą ajblższych sąsaów 6 oyczych szeregach czasowych. W ym celu wykorzysuje sę wekory opóźeń zwae róweż -hsoram. Wekory e przyjmują posać: ˆ ( ) =, + τ,..., + ( ) τ, () gze jes wymarem zaurzea, τ jes pewą lczbą auralą azwaą opóźeem czasowym, aomas zmea przyjmuje = N ( )τ warośc (N jes ługoścą szeregu czasowego). Z baań akesa wyka, że la 2 m +, gze m jes wymarem arakora, a jes wymarem zaurzea, przesrzeń saów rozpęa przez zbór zmeych bęze opologcze rówoważa z orygalą przesrzeą *. 2. Reukcja pozomu szumu meoą ajblższych sąsaów Zaaem meoy ajblższych sąsaów [3] jes pozał szeregu czasowego a część eermsyczą sochasyczą ξ : = + ξ, (2) gze ξ posaa szybko malejącą fukcję auokorelacj jes eskorelowaa z. W celu wyzaczea l, la usaloego l, ależy rozważyć wekor opóźeń w przypaku, gy czas opóźeń przyjmuje warość jee, τ = : ˆ =, +,..., + ( ), ( ) kórego jeą ze śrokowych współrzęych jes flrowaa obserwacja l, p. wekor w posac: ˆ la parzysej warośc wymaru zaurzea, l 2 ˆ + l 2 la eparzysej warośc. Usala sę k ajblższych sąsaów wekora ˆ l 2 : ˆ ˆ,,..., v v2 vk ˆ. (3) Operając sę a wyzaczoych ajblższych sąsaach, warość eermsyczą l ależy wyzaczyć ze wzoru: * W sese werzea akesa o zaurzeu.
3 62 Kaarzya Zeug-Żebro l = k k = v. (4) 2.. Mara NRL Isoym zagaeem oyczącym reukcj szumu jes możlwość ocey jej skueczośc. Jeym z paramerów merzących efekywość flracj szeregu jes współczyk pozomu reukcj szumu NRL [4]. Baa o zależość pomęzy słą szumu oawaego o ukłau a srukurą geomeryczą jego arakora. Zależość a polega a pogrubau arakora oalau sę blskch sobe saów w sopu proporcjoalym o sły szumu. Współczyk e wyraża sę wzorem: gze m NRL ( ) = m = = M, (5) M ozaczają oległośc o -ego sau (-hsor) o jego ajblższego ajalszego sąsaa. Korzysając z powyższego kryerum, ależy wybrać spośró orzymaych szeregów ak, la kórego współczyk NRL przyjmuje ajmejszą warość. 3. Wykłak Lapuowa Wykłak Lapuowa są marą wrażlwośc ukłau yamczego a zmaę waruków począkowych. Określają oe śree empo oalaa lub zblżaa sę wóch począkowo blskch sobe saów w kolejych eracjach. Doaa warość wykłaka merzy rozcągae sę przesrze saów, a zaem opsuje, w jak sposób progoza opara a eokłaym szacuku aych wyjścowych bęze obegać o realego rozwoju ukłau. Jeżel wykłak e przyjmuje ujemą warość, merzy zbeżość puków przesrze saów, czyl opsuje, le czasu porzebuje ukła a powró o sau perwoego po wcześejszym zaburzeu. m-wymarowy ukła yamczy posaa m wykłaków Lapuowa, kóre formują o zmae oległośc męzy blskm saam wzglęem opoweego keruku w przesrze saów. Defcja Mówmy, że ukła yamczy ( X, f ) jes wrażlwy a zmaę waruków począkowych, jeżel seje ε > ake, że la każego X oraz każego ooczea U puku seją y U oraz ake, że:
4 Wpływ reukcj pozomu szumu losowego meoą ajblższych sąsaów 63 f ( ) f ( y) > ε Przeaalzujmy ukła yamczy w posac: gze ( ). (6) + = f, =,,..., (7) m, X, X R ozaczają sa sysemu w chwlach +, f jes + owzorowaem przesrze saów w sebe z warukem począkowym X. Defcja Wykłak Lapuowa określa wzór: λ =, =,2,..., m, m, (8) ( ) lm l μ ( ), gze μ ( ) są waroścam własym macerzy Jacobego Df ( ) owzorowaa Df, f : Df gze ( ) ( ) ( ) Df ( ) Df ( ) ) Df... ( =, (9) f =,, j =,2,..., m, f są skłaowym owzorowaa f. j W szczególośc la m = wykłak Lapuowa przyjmuje posać: λ. () ' = ( ) = lm l f ( ) Najbarzej soy z puku eyfkacj chaosu jes ajwększy wykłak λ. Uowooo asępującą zależość: δ λ δ e, () gze δ jes śreą oległoścą pomęzy owolym woma położoym blsko sebe saam przesrze X, zaś δ jes oległoścą męzy ch obrazam w -ej eracj [8].
5 64 Kaarzya Zeug-Żebro 3.. Najwększy wykłak Lapuowa W 993 roku Rosese [6, s. 7-34], a rok późej Kaz [2, s ] zapropoowal algorym wyzaczaa ajwększego wykłaka Lapuowa. Algorym e esuje see wykłaczej wrażlwośc ukłau, przez co wskazuje celowość prowazea alszych baań. Przebega o weług asępujących kroków: Krok. Wyzaczamy zbory ( ) ˆ j weko- rów opóźeń ˆ =, +,..., + ( ) Z złożoe z k ajblższych sąsaów τ τ, spełających waruek j >, gze jes usaloą lczbą auralą. Doay waruek zwększa prawopoobeńswo, że zalezoy sąsa e bęze ależał o rajekor wekora ˆ. Krok 2. Oblczamy: k () = j ˆ Z + + j, =,2,..., ; =,,..., ma, (2) gze ma jes usaloą lczbą auralą określającą lczbę eracj. Krok 3. Wyzaczamy śreą z ( ) po wszyskch -hsorach: = = (). (3) Krok 4. Najwększy wykłak Lapuowa jes współczykem regresj: l ( ) l( ) + λ =. (4) Waro zauważyć, że warość ajwększego wykłaka Lapuowa w użej merze zależy o przyjęej meryk, warośc paramerów zrekosruowaej przesrze saów oraz lczby ajblższych sąsaów k. 4. Przemo przebeg baaa Ieresujące rezulay orzymao la szeregów fasowych pochozących z ryków paperów waroścowych oraz waluowych. Ich ługość pozwala a orzymae warygoych rezulaów. Baau poao szereg fasowe * uworzoe z ce zamkęca WIG, WIG2, wóch spółek oowaych a GPW w Warszawe, j. Byom, Żywec oraz zeych kursów fraka szwajcarskego * Dae pochozą z archwum plków programu Omega osępych a sroe ereowej
6 Wpływ reukcj pozomu szumu losowego meoą ajblższych sąsaów 65 olara amerykańskego. Przeaalzowao obserwacje, kóre były zeym logarymczym sopam zwrou: gze P jes ceą zamkęca. R = l P l P, (5) Ops baaych szeregów czasowych Szereg Przezał czasowy Lczba obserwacj WIG WIG Byom Żywec CHF USD abela Aalza wymeoych wyżej szeregów czasowych bęze przebegała w asępujących eapach:. Rekosrukcja przesrze saów meoa opóźeń. 2. Reukcja szumu meoą ajblższych sąsaów. 3. Oblczee współczyka pozomu reukcj szumu NRL. 4. Oszacowae ajwększego wykłaka Lapuowa. Przeprowazoe baaa emprycze pozwolły za pomocą meoy opóźeń zrekosruować przesrzeń saów. Sosując meoę oparą a aalze fukcj auokorelacj ACF [5], oszacowao czas opóźeń τ. Nasępe za pomocą meoy ajblższego pozorego sąsaa MNPS [, s ], oblczoo wymar zaurzea. W kolejym kroku baań zasosowao reukcję pozomu szumu meoą ajblższych sąsaów *. Aby okoać flracj, usaloo warość czasu opóźea, τ = oraz warośc wóch paramerów: wymar zaurzea = 2,3, 4,5,8,,5, 2, promeń ooczea ρ =,;,;,. W celu ocey reukcj pozomu szumu meoą ajblższych sąsaów wykorzysao marę NRL() ** la = 2,3,...,. abela 2 zawera ajmejszą warość współczyka NRL oblczoą la wybraych szeregów fasowych * Reukcję szumu przeprowazoo z wykorzysaem armowego programu ISEAN auorswa H. Kaza. Schrebera. ** W celu oblczea współczyka NRL posłużoo sę programem auora apsaym w języku programowaa Delph.
7 66 Kaarzya Zeug-Żebro oraz warośc wymaru zaurzea promea ooczea, la kórych warość NRL była ajższa. Nazwa szeregu Warośc mary NRL la szeregów przeflrowaych Paramery flracj ρ Mara NRL WIG 2,,42 WIG2 2,,629 Byom 2,,925 Żywec 2,,744 CHF 4,,253 USD 3,,36 abela 2 Moża zauważyć, że prawe we wszyskch przypakach warośc wymaru zaurzea promea ooczea były ake same. Zmaa wysąpła ylko w przypaku kursów walu. Do oszacowaa ajwększego wykłaka Lapuowa posłużoo sę algorymem Kaza Rosesea. W oblczeach przyjęo lczbę sąsaów k = warość =. Nasępe zasosowao regresję lową o przyblżaa lą prosą wykresu zależośc warośc l o umeru eracj. W celu porówaa wyków baae przeprowazoo wukroe la szeregów prze po flracj (z. la szeregów orzymaych la paramerów ρ zameszczoych w abel 2). W obywu przypakach przyjęo e same paramery rekosrukcj przesrze saów, j. czas opóźea wymar zaurzea. W abel 3 przesawoo wyzaczoe warośc paramerów rekosrukcj przesrze saów oraz wyk szacowaa wykłaka Lapuowa * la aalzowaych szeregów czasowych. abela 3 Wyk szacowaa wykłaka Lapuowa la fasowych szeregów czasowych Szereg Przyjęe paramery Rówae regresj Wykłak Lapuowa Byom y =,399 3,4842 τ = 5, = R² =,623 Byom_re y =,849 4,992 τ = 5, = R² =,553,849 * Oblczea przeprowazoo z wykorzysaem programu własego auora apsaego w języku programowaa Delph.
8 Wpływ reukcj pozomu szumu losowego meoą ajblższych sąsaów Żywec y =,43 4,8367 τ = 3, = R² =,53954,43 Żywec_re y =,84 7,7597 τ = 3, = R² =,76 - WIG y =,3 4,878 τ = 2, = 8 R² =,6894,3 WIG_re y =,45,562 τ = 2, = 8 R² =,3597,45 WIG2 y =,9 4,322 τ = 3, = 8 R² =,39843,9 WIG2_re y =,72 8,8689 τ = 3, = 8 R² =,658,72 CHF y =,8 5,4643 τ = 2, = R² =,35259,8 CHF_re y =,48 5,3543 τ = 2, = R² =,3378,48 USD y =,36 5,629 τ = 2, = 6 R² =,33685,36 USD_re y =,563 2,2383 τ = 2, = 6 R² =,38567,563 c. abel 3 Moża zauważyć, że prawe wszyske objęe baaem fasowe szereg czasowe są wrażlwe a zmaę waruków począkowych. Jeak szereg przeflrowae w wększym sopu wykazały cechy chaoycze. Warośc wykłaka Lapuowa orzymae la ych szeregów zacze wzrosły. Najbarzej wrażlwa a zmaę waruków począkowych okazała sę spółka Byom. Co cekawe, prze zasosowaem meoy reukcj pozomu szumu właśe la ej spółk e moża było oszacować warośc wykłaka Lapuowa. W przypaku szeregów eprzeflrowaych ajwyższe warośc wykłaka Lapuowa uzyskao la szeregów czasowych uworzoych z zeych kursów walu. Posumowae Na posawe wyków baaa empryczego ależy swerzć, że eyfkacj chaosu w rzeczywsych szeregach czasowych waro poawać róweż szereg, w kórych zasosowao reukcję szumu. Wyzaczoe warośc ajwększego wykłaka Lapuowa la szeregów przeflrowaych zacze przewyższały warośc ego wykłaka prze zasosowaem flracj. Jeak mmo zaowalających rezulaów e ależy rakować reukcj pozomu szumu bezkryycze, gyż jej zasosowae może spowoować zeformowae aalzowaego sygału, a co za ym ze błęą erpreację wyków.
9 68 Kaarzya Zeug-Żebro Leraura. Abarbael H.D., Brow R., Keel M.B.: Deermg Embeg Dmeso for Phase Space Recosruco Usg a Geomercal Cosruco. Physcal Revew A 992, Vol. 45(6), s Kaz H.: A Robus Meho o Esmae he Mamal Lyapuov Epoe of a me Seres. Physcal Leers A 994, Vol. 85(), s Kaz H., Schreber.: Nolear me Seres Aalyss. Cambrge Uversy Press, Cambrge Orzeszko W.: Ieyfkacja progozowae chaosu eermsyczego w ekoomczych szeregach czasowych. Polske owarzyswo Ekoomcze, Warszawa Ramsey J.B., Sayers C.L., Rohma P.: he Sascal Properes of Dmeso Calculaos Usg Small Daa Ses: Some Ecoomc Applcaos. Ieraoal Ecoomc Revew 99, Vol. 3, No Rosese M.., Colls J.J., De Luca C.J.: A Praccal Meho for Calculag Larges Lyapuov Epoes from Small Daa Ses. Physca D 993, Vol. 65, s akes F.: Deecg Srage Aracors urbulece. W: Lecure Noes Mahemacs. Re. D.A. Ra, L.S. Youg. Sprger, Berl 98, s Zawazk H.: Chaoycze sysemy yamcze. Akaema Ekoomcza, Kaowce 996. EFFEC OF REDUCION OF RANDOM NOISE BY MEHOD OF HE NEARES NEIGHBORS ON HE VALUE OF HE LARGES LYAPUNOV EXPONEN Summary Sce he presece of ose he aa ca sgfcaly affec he characerscs of yamc sysems, he am of he arcle wll be o evaluae effec of reuco of raom ose by meho of he eares eghbors o he value of he larges Lyapuov epoe. he es wll be couce o he bass of he ecoomc me seres, whch coss of closg prces of compaes lse o he Warsaw Sock Echage a he aly echage raes.
ZASTOSOWANIE ZMODYFIKOWANEJ METODY NAJBLIŻSZYCH SĄSIADÓW DO PROGNOZOWANIA CHAOTYCZNYCH SZEREGÓW CZASOWYCH
Kaarzyna Zeug-Żebro Unwersye Ekonomczny w Kaowcach ZASTOSOWANIE ZMODYFIKOWANEJ METODY NAJBLIŻSZYCH SĄSIADÓW DO PROGNOZOWANIA CHAOTYCZNYCH SZEREGÓW CZASOWYCH Wprowazene Deermnzm ukłaów chaoycznych wskazuje
Bardziej szczegółowoBADANIE WPŁYWU REDUKCJI SZUMU NA IDENTYFIKACJĘ DYNAMIKI CHAOTYCZNEJ NA PRZYKŁADZIE FINASOWYCH SZEREGÓW CZASOWYCH
Kaarzyna Zeug-Żebro Unwersye Ekonomczny w Kaowcach Wyzał Zarzązana Kaera Maemayk kaarzyna.zeug-zebro@ue.kaowce.p BADANIE WPŁYWU REDUKCJI SZUMU NA IDENTYFIKACJĘ DYNAMIKI CHAOTYCZNEJ NA PRZYKŁADZIE FINASOWYCH
Bardziej szczegółowoNiezawodność. 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 szczegółowoPODSTAWY 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 szczegółowoWPŁYW REDUKCJI POZIOMU SZUMU LOSOWEGO METODĄ NAJBLIŻSZYCH SĄSIADÓW NA DOKŁADNOŚĆ PROGNOZ FINANSOWYCH SZEREGÓW CZASOWYCH
Kaarzya Zeug-Żebro Uwersye Ekoomczy w Kaowcach WPŁYW REDUKCJI POZIOMU SZUMU LOSOWEGO METODĄ NAJBLIŻSZYCH SĄSIADÓW NA DOKŁADNOŚĆ PROGNOZ FINANSOWYCH SZEREGÓW CZASOWYCH Wsęp Rzeczywsy szereg czasowy jes
Bardziej szczegółowoSzeregi 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 szczegółowoSZEREGI 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 szczegółowoSzacowanie składki w ubezpieczeniu od ryzyka niesamodzielności
Skłaki w ubezpieczeiu o ryzyka iesamozielości EDYTA SIDOR-BANASZEK Szacowaie skłaki w ubezpieczeiu o ryzyka iesamozielości Kalkulacja skłaki w ubezpieczeiach jes barzo ważym zagaieiem związaym z maemayką
Bardziej szczegółowoPlanowanie 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 szczegółowoN ( 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 szczegółowoMateriały do wykładu 7 ze Statystyki
Materał do wkładu 7 ze Statstk Aalza ZALEŻNOŚCI pomędz CECHAMI (Aalza KORELACJI REGRESJI) korelacj wkres rozrzutu (korelogram) rodzaje zależośc (brak, elowa, lowa) pomar sł zależośc lowej (współczk korelacj
Bardziej szczegółowoMatematyka II. x 3 jest funkcja
Maemayka II WYKLD. Całka eozaczoa. Rachuek całkowy. Twerdzea o całkach eozaczoych. Całkowae wybraych klas fukcj. Całkowae fukcj wymerych. Całkowae fukcj rygoomeryczych.. Defcja fukcj perwoej. Fukcję F
Bardziej szczegółowoZmiana 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 szczegółowoMatematyka ubezpieczeń majątkowych 9.10.2006 r. Zadanie 1. Rozważamy proces nadwyżki ubezpieczyciela z czasem dyskretnym postaci: n
Maemayka ubezpieczeń mająkowych 9.0.006 r. Zadaie. Rozważamy proces adwyżki ubezpieczyciela z czasem dyskreym posaci: U = u + c S = 0... S = W + W +... + W W W W gdzie zmiee... są iezależe i mają e sam
Bardziej szczegółowoi j k Oprac. W. Salejda, L. Bujkiewicz, G.Harań, K. Kluczyk, M. Mulak, J. Szatkowski. Wrocław, 1 października 2015
WM-E; kier. MBM, lisa za. nr. p. (z kary przemiou): Rozwiązywanie zaań z zakresu: ransformacji ukłaów współrzęnych, rachunku wekorowego i różniczkowo-całkowego o kursu Fizyka.6, r. ak. 05/6; po koniec
Bardziej szczegółowoWPŁYW REDUKCJI SZUMU LOSOWEGO METODĄ NAJBLIŻSZYCH SĄSIADÓW NA WYNIKI PROGNOZ OTRZYMANYCH ZA POMOCĄ NAJWIĘKSZEGO WYKŁADNIKA LAPUNOWA
Monika Miśkiewicz-Nawrocka Uniwersytet Ekonomiczny w Katowicach WPŁYW REDUKCJI SZUMU LOSOWEGO MEODĄ NAJBLIŻSZYCH SĄSIADÓW NA WYNIKI PROGNOZ ORZYMANYCH ZA POMOCĄ NAJWIĘKSZEGO WYKŁADNIKA LAPUNOWA Wprowazenie
Bardziej szczegółowoPodstawy analizy niepewności pomiarowych (I Pracownia Fizyki)
Podstawy aalzy epewośc pomarowych (I Pracowa Fzyk) Potr Cygak Zakład Fzyk Naostruktur Naotecholog Istytut Fzyk UJ Pok. 47 Tel. 0-663-5838 e-mal: potr.cygak@uj.edu.pl Potr Cygak 008 Co to jest błąd pomarowy?
Bardziej szczegółowoMiary 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 szczegółowoJego 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 szczegółowoRachunek 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 szczegółowoMonika 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 szczegółowoL.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 szczegółowo5. 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 szczegółowoIDENTYFIKACJA CHAOSU DETERMINISTYCZNEGO NA PODSTAWIE LICZBY NAJBLIŻSZYCH SĄSIADÓW
Suia Ekonomiczne. Zeszyy Naukowe Uniwersyeu Ekonomicznego w Kaowicach ISSN 2083-86 Nr 295 206 Uniwersye Ekonomiczny w Kaowicach Wyział Zarzązania Kaera Maemayki kaarzyna.zeug-zebro@ue.kaowice.pl IDENTYFIKACJA
Bardziej szczegółowoDYNAMIKA KONSTRUKCJI
10. DYNAMIKA KONSTRUKCJI 1 10. 10. DYNAMIKA KONSTRUKCJI 10.1. Wprowadzenie Ogólne równanie dynamiki zapisujemy w posaci: M d C d Kd =P (10.1) Zapis powyższy oznacza, że równanie musi być spełnione w każdej
Bardziej szczegółowoTRANZYSTORY POLOWE JFET I MOSFET
POLTECHNKA RZEZOWKA Kaedra Podsaw Elekroiki srukcja Nr5 F 00/003 sem. lei TRANZYTORY POLOWE JFET MOFET Cel ćwiczeia: Pomiar podsawowych charakerysyk i wyzaczeie paramerów określających właściwości razysora
Bardziej szczegółowoWybór 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 szczegółowoSystem 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 szczegółowoCZYNNIKOWY 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 szczegółowoStatystyczna 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 szczegółowoANALIZA PRZYCZYNOWOŚCI W ZAKRESIE ZALEŻNOŚCI NIELINIOWYCH. IMPLIKACJE FINANSOWE
Wiold Orzeszko Magdalea Osińska Uiwersye Mikołaja Koperika w Toruiu ANALIA PRCNOWOŚCI W AKRSI ALŻNOŚCI NILINIOWCH. IMPLIKACJ FINANSOW WSTĘP Przyczyowość w sesie Gragera jes jedym z kluczowych pojęć ekoomeryczej
Bardziej szczegółowoNiepewności pomiarowe
Niepewości pomiarowe Obserwacja, doświadczeie, pomiar Obserwacja zjawisk fizyczych polega a badaiu ych zjawisk w warukach auralych oraz a aalizie czyików i waruków, od kórych zjawiska e zależą. Waruki
Bardziej szczegółowoObliczanie 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 szczegółowoR n. i stopa procentowa okresu bazowego, P wartość początkowa renty, F wartość końcowa renty. R(1 )
Maeayka fasowa ubezpeczeowa Ćwczea 4 IE, I rok SS Tea: achuek re oęce rey Warość począkowa końcowa rey ey o sałych raach ea o zeych raach ea uogóoa osawowe poęca rachuku re ea es o cąg płaośc okoywaych
Bardziej szczegółowoMETODY KOMPUTEROWE 1
MTODY KOMPUTROW WIADOMOŚCI WSTĘPN MTODA ULRA Mcał PŁOTKOWIAK Adam ŁODYGOWSKI Kosultacje aukowe dr z. Wtold Kąkol Pozań 00/00 MTODY KOMPUTROW WIADOMOŚCI WSTĘPN Metod umercze MN pozwalają a ormułowae matematczc
Bardziej szczegółowoWitold Orzeszko Uniwersytet Mikołaja Kopernika w Toruniu. Własności procesów STUR w świetle metod z teorii chaosu 1
DYNAMICZNE MODELE EKONOMETRYCZNE IX Ogólnopolskie Seminarium Naukowe, 6-8 września 2005 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Uniwersye Mikołaja Kopernika w Toruniu
Bardziej szczegółowoPomiary 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 szczegółowoZastosowanie metody najmniejszych kwadratów do pomiaru częstotliwości średniej sygnałów o małej stromości zboczy w obecności zakłóceń
Zasosowae meody ajmejszych kwadraów do pomaru częsolwośc średej sygałów o małej sromośc zboczy w obecośc zakłóceń Elgusz PAWŁOWSKI, Darusz ŚWISULSKI Podsawowe meody pomaru częsolwośc Zlczae okresów w zadaym
Bardziej szczegółowoNiezawodność i diagnostyka Kierunek AiR, sem. V, rok. ak. 2010/11 STRUKTURY I MIARY PROBABILISTYCZNE SYSTEMÓW METODA DRZEWA (STANÓW) NIEZDATNOŚCI
Nezawodość dagosyka Keruek, sem. V, rok. ak. 00/ STUKTUY I MIY POILISTYCZNE SYSTEMÓW METOD DZEW STNÓW NIEZDTNOŚCI. Srukury obeków złożoych ch rerezeace Wsółczese obeky sysemy echcze, a szczególe wększe
Bardziej szczegółowoANALIZA SZEREGÓW CZASOWYCH
ANALIZA ZEREGÓW CZAWYCH zereg czasow zbór warosc baanej cech lub warosc baanego zjawska zaobserwowanch w róznch momenach czasu uporzakowan chronologczne. klank szeregu czasowego:. enencja rozwojowa (ren)
Bardziej szczegółowoPodstawowe 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 szczegółowoRóżniczkowanie funkcji rzeczywistych wielu zmiennych. Matematyka Studium doktoranckie KAE SGH Semestr letni 2008/2009 R. Łochowski
Różczkowae fukcj rzeczywstych welu zmeych rzeczywstych Matematyka Studum doktoracke KAE SGH Semestr let 8/9 R. Łochowsk Pochoda fukcj jedej zmeej e spojrzee Nech f : ( α, β ) R, α, β R, α < β Fukcja f
Bardziej szczegółowoANALIZA SZEREGÓW CZASOWYCH
ANALIZA SZEREGÓW CZASWYCH Szereg czasow zbór warośc baanej cech lub warośc baanego zjawska zaobserwowanch w różnch momenach czasu uporząkowan chronologczne. Skłank szeregu czasowego:. enencja rozwojowa
Bardziej szczegółowoKRYTERIUM OCENY EFEKTYWNOŚCI INWESTYCYJNEJ OFE, SYSTEM MOTYWACYJNY PTE ORAZ MINIMALNY WYMÓG KAPITAŁOWY DLA PTE PROPOZYCJE ROZWIĄZAŃ
KRYTERIU OCENY EFEKTYWNOŚCI INWESTYCYJNEJ OFE, SYSTE OTYWACYJNY PTE ORAZ INIALNY WYÓG KAPITAŁOWY DLA PTE PROPOZYCJE ROZWIĄZAŃ Urząd Komsj Nadzoru Fasowego Warszawa 0 DEPARTAENT NADZORU INWESTYCJI EERYTALNYCH
Bardziej szczegółowoWymiarowanie przekrojów stalowych
Wmarowae przekrojów stalowch Program służ o prostch, poręczch oblczeń ośośc przekrojów stalowch. Pozwala o a oblczea przekrojów obcążoch: mometem zgającm [km], mometem zgającm [km], słą połużą [k]. Przekroje
Bardziej szczegółowoWYZNACZANIE WARTOŚCI ENERGII ROZPRASZANEJ PODCZAS ZDERZENIA CIAŁ
9 Cel ćwczea Ćwczee 9 WYZNACZANIE WARTOŚCI ENERGII ROZPRASZANE PODCZAS ZDERZENIA CIAŁ Celem ćwczea jest wyzaczee wartośc eerg rozpraszaej podczas zderzea cał oraz współczyka restytucj charakteryzującego
Bardziej szczegółowoEKONOMETRIA. Liniowy model ekonometryczny (regresji) z jedną zmienną objaśniającą
EKONOMETRIA Tema wykładu: Liiowy model ekoomeryczy (regresji z jedą zmieą objaśiającą Prowadzący: dr iż. Zbigiew TARAPATA e-mail: Zbigiew.Tarapaa Tarapaa@isi.wa..wa.edu.pl hp:// zbigiew.arapaa.akcja.pl/p_ekoomeria/
Bardziej szczegółowoWPŁYW REDUKCJI SZUMU LOSOWEGO METODĄ NAJBLIŻSZYCH SĄSIADÓW NA STABILNOŚĆ NAJWIĘKSZEGO WYKŁADNIKA LAPUNOWA W EKONOMICZNYCH SZEREGACH CZASOWYCH
Moka MśkewczNawrocka Uwersye Ekoomczy w Kaowcach WPŁYW EDUKCJI SZUMU LOSOWEGO METODĄ NAJBLIŻSZYCH SĄSIADÓW NA STABILNOŚĆ NAJWIĘKSZEGO WYKŁADNIKA LAPUNOWA W EKONOMICZNYCH SZEEGACH CZASOWYCH Wprowazee Najwększy
Bardziej szczegółowoDYNAMICZNE MODELE EKONOMETRYCZNE
DYNAMICZNE MODELE EKONOMETRYCZNE IX Ogólnopolskie Seminarium Naukowe, 6 8 września 005 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Pior Fiszeder Uniwersye Mikołaja Kopernika
Bardziej szczegółowoWitold Orzeszko Uniwersytet Mikołaja Kopernika w Toruniu
DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólnopolskie Seminarium Naukowe, 4 6 września 2007 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Uniwersye Mikołaja Kopernika w Toruniu
Bardziej szczegółowo21. CAŁKA KRZYWOLINIOWA NIESKIEROWANA. x = x(t), y = y(t), a < t < b,
CAŁA RZYWOLINIOWA NIESIEROWANA rzywą o rówaiach parameryczych: = (), y = y(), a < < b, azywamy łukiem regularym (gładkim), gdy spełioe są asępujące waruki: a) fukcje () i y() mają ciągłe pochode, kóre
Bardziej szczegółowoUOGÓLNIONA 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 szczegółowoŚrednia 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 szczegółowoSchrödingera. Dr inż. Zbigniew Szklarski. Katedra Elektroniki, paw. C-1, pok
Wykła 0: Rówae Schrögera Dr ż. Zbgew Szklarsk Kaera lekrok paw. C- pok.3 szkla@agh.eu.pl hp://layer.uc.agh.eu.pl/z.szklarsk/ 0.06.07 Wyzał Iforayk lekrok Telekoukacj - Teleforayka Rówae Schrögera jeo z
Bardziej szczegółowoWyrażanie 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 szczegółowoPortfel 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 szczegółowoStatystyczne 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 szczegółowoSygnały pojęcie i klasyfikacja, metody opisu.
Sygały pojęcie i klasyfikacja, meody opisu. Iformacja przekazywaa jes za pośredicwem sygałów, kóre przeoszą eergię. Sygał jes o fukcja czasowa dowolej wielkości o charakerze eergeyczym, w kórym moża wyróżić
Bardziej szczegółowoMatematyka ubezpieczeń majątkowych r.
Maemayka ubezpeczeń mająkowych 7.05.00 r. Zadane. Pewne ryzyko generuje jedną szkodę z prawdopodobeńswem q, zaś zero szkód z prawdopodobeńswem ( q). Ubezpeczycel pokrywa nadwyżkę szkody ponad udzał własny
Bardziej szczegółowoPrawdopodobieństwo 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 szczegółowoRuch płaski. Bryła w ruchu płaskim. (płaszczyzna kierująca) Punkty bryły o jednakowych prędkościach i przyspieszeniach. Prof.
Ruch płaski Ruchem płaskim nazywamy ruch, podczas kórego wszyskie punky ciała poruszają się w płaszczyznach równoległych do pewnej nieruchomej płaszczyzny, zwanej płaszczyzną kierującą. Punky bryły o jednakowych
Bardziej szczegółowoReprezentacja 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 szczegółowoOBLICZANIE 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 szczegółowoWNIOSKOWANIE STATYSTYCZNE
Wnioskowanie saysyczne w ekonomerycznej analizie procesu produkcyjnego / WNIOSKOWANIE STATYSTYCZNE W EKONOMETRYCZNEJ ANAIZIE PROCESU PRODUKCYJNEGO Maeriał pomocniczy: proszę przejrzeć srony www.cyf-kr.edu.pl/~eomazur/zadl4.hml
Bardziej szczegółowoMatematyka 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 szczegółowoFINANSOWE SZEREGI CZASOWE WYKŁAD 3
FINANSOWE SZEREGI CZASOWE WYKŁAD 3 dr Tomasz Wójowcz Wydzał Zarządzana AGH 3800 3300 800 300 800 300 800 0 0 30 40 50 60 70 Kraków 0 Tomasz Wójowcz, WZ AGH Kraków przypomnene MA(q): gdze ε są d(0,σ ).
Bardziej szczegółowoROCZNIKI INŻYNIERII BUDOWLANEJ ZESZYT 7/2007 Komisja Inżynierii Budowlanej Oddział Polskiej Akademii Nauk w Katowicach
ROZNIKI INŻYNIERII BUDOWLANEJ ZESZYT 7/007 Komisja Inżynierii Budowlanej Oddział Polskiej Akademii Nauk w Kaowicach WYZNAZANIE PARAMETRÓW FUNKJI PEŁZANIA DREWNA W UJĘIU LOSOWYM * Kamil PAWLIK Poliechnika
Bardziej szczegółowoPROGNOZOWANIE I SYMULACJE. mgr Żaneta Pruska. Ćwiczenia 2 Zadanie 1
PROGNOZOWANIE I SYMULACJE mgr Żanea Pruska Ćwiczenia 2 Zadanie 1 Firma Alfa jes jednym z głównych dosawców firmy Bea. Ilość produku X, wyrażona w ysiącach wyprodukowanych i dosarczonych szuk firmie Bea,
Bardziej szczegółowo3. 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 szczegółowoFINANSE 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 szczegółowoESTYMACJA KRZYWEJ DOCHODOWOŚCI STÓP PROCENTOWYCH DLA POLSKI
METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH Tom XIII/3, 202, sr. 253 26 ESTYMACJA KRZYWEJ DOCHODOWOŚCI STÓP PROCENTOWYCH DLA POLSKI Adam Waszkowski Kaedra Ekonomiki Rolnicwa i Międzynarodowych Sosunków
Bardziej szczegółowoSystem 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 szczegółowoAnaliza wyniku finansowego - analiza wstępna
Aalza wyku fasowego - aalza wstępa dr Potr Ls Welkość wyku fasowego determuje: etowość przedsęborstwa Welkość podatku dochodowego Welkość kaptałów własych Welkość dywded 1 Aalza wyku fasowego ma szczególe
Bardziej szczegółowoWykład 7: Układy dynamiczne
Wykład 7: Układy dyamicze Fizyka kompuerowa 5/6 Kaarzya Wero, kwero@if.ui.wroc.pl Zamias wsępu Naukowiec ie bada przyrody dla jej użyeczości; bada ją poieważ się ią rozkoszuje... [Poicare] Pla Sabilość
Bardziej szczegółowoANALIZA, PROGNOZOWANIE I SYMULACJA / Ćwiczenia 1
ANALIZA, PROGNOZOWANIE I SYMULACJA / Ćwiczenia 1 mgr inż. Żanea Pruska Maeriał opracowany na podsawie lieraury przedmiou. Zadanie 1 Firma Alfa jes jednym z głównych dosawców firmy Bea. Ilość produku X,
Bardziej szczegółowoPREDYKCJA KURSU EURO/DOLAR Z WYKORZYSTANIEM PROGNOZ INDEKSU GIEŁDOWEGO: WYBRANE MODELE EKONOMETRYCZNE I PERCEPTRON WIELOWARSTWOWY
B A D A N I A O P E R A C J N E I D E C Z J E Nr 2004 Aleksandra MAUSZEWSKA Doroa WIKOWSKA PREDKCJA KURSU EURO/DOLAR Z WKORZSANIEM PROGNOZ INDEKSU GIEŁDOWEGO: WBRANE MODELE EKONOMERCZNE I PERCEPRON WIELOWARSWOW
Bardziej szczegółowoPortfel. 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 szczegółowoTablica Galtona. Mechaniczny model rozkładu normalnego (M10)
Tablca Galtoa. Mechaczy model rozkładu ormalego (M) I. Zestaw przyrządów: Tablca Galtoa, komplet kulek sztuk. II. Wykoae pomarów.. Wykoać 8 pomarów, wrzucając kulk pojedyczo.. Uporządkować wyk pomarów,
Bardziej szczegółowoWykład FIZYKA I. 2. Kinematyka punktu materialnego. Dr hab. inż. Władysław Artur Woźniak
Dr hab. iż. Władysław Arur Woźiak Wykład FIZYKA I. Kiemayka puku maerialego Dr hab. iż. Władysław Arur Woźiak Isyu Fizyki Poliechiki Wrocławskiej hp://www.if.pwr.wroc.pl/~woziak/fizyka1.hml Dr hab. iż.
Bardziej szczegółowoE k o n o m e t r i a S t r o n a 1. Nieliniowy model ekonometryczny
E k o n o m e r i a S r o n a Nieliniowy model ekonomeryczny Jednorównaniowy model ekonomeryczny ma posać = f( X, X,, X k, ε ) gdzie: zmienna objaśniana, X, X,, X k zmienne objaśniające, ε - składnik losowy,
Bardziej szczegółowoTESTY 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 szczegółowoLVIII Egzamin dla Aktuariuszy z 3 października 2011 r.
Komisja Egzamiacyja la Akuariuszy LIII Egzami la Akuariuszy z 3 paźzirika 0 r. Część II Mamayka ubzpiczń życiowych Imię i azwisko osoby gzamiowaj:... Czas gzamiu: 00 miu Warszawa, 3 paźzirika 0 r. Mamayka
Bardziej szczegółowoWPŁYW LICZBY NAJBLIŻSZYCH SĄSIADÓW NA DOKŁADNOŚĆ PROGNOZ EKONOMICZNYCH SZEREGÓW CZASOWYCH
Stua Ekonomczne. Zeszyty Naukowe Unwersytetu Ekonomcznego w Katowcach ISSN 2083-86 Nr 295 206 Monka Mśkewcz-Nawrocka Unwersytet Ekonomczny w Katowcach Wyzał Zarzązana Katera Matematyk monka.mskewcz@ue.katowce.pl
Bardziej szczegółowoopisać wielowymiarową funkcją rozkładu gęstości prawdopodobieństwa f(x 1 , x xn
ROZKŁAD PRAWDOPODBIEŃSTWA WIELU ZMIENNYCH LOSOWYCH W przpadku gd mam do czea z zmem losowm możem prawdopodobeństwo, ż przjmą oe wartośc,,, opsać welowmarową fukcją rozkładu gęstośc prawdopodobeństwa f(,,,.
Bardziej szczegółowoi 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 szczegółowoPrzyjmijmy, że moment obciążenia jest równy zeru, otrzymamy:
aszyy prąy sałgo yaka Dla aszyy prą sałgo, ykorzysyaj jako l aoayk, yzaczy ybra rasacj. Sygał jścoy oż być p. apęc orka (la aszyy obcozbj) a sygał yjścoy prękość obrooa. óa Krchhoffa la obo orka oży apsać
Bardziej szczegółowoPrognozowanie średniego miesięcznego kursu kupna USD
Prognozowanie średniego miesięcznego kursu kupna USD Kaarzyna Halicka Poliechnika Białosocka, Wydział Zarządzania, Kaedra Informayki Gospodarczej i Logisyki, e-mail: k.halicka@pb.edu.pl Jusyna Godlewska
Bardziej szczegółowoWyznaczyć prędkości punktów A i B
Wyzaczaie prędkości i przyspieszeia puku ciała w ruchu płaskim (a) Wyzaczyć prędkości puków i Dae: rad/s; ε 0; 5 cm; 5 cm 48 mechaika echicza kiemayka 3 Wyzaczaie prędkości i przyspieszeia puku ciała w
Bardziej szczegółowoMechanika Bryły y Sztywnej - Ruch Obrotowy. Bryła a Sztywna. Model górnej kończyny Model kręgosłupa
WYKŁAD # Mechaka Bryły y Szywej - Ruch Obroowy Bryła a Szywa Model cała rzeczywsego, dla k puky (ależą podczas ruchu. a rzeczywsego, dla kórego dwa dowole wybrae żące do bryły) y) e zeają swojej odległośc
Bardziej szczegółowoSTATYSTYKA MORANA W ANALIZIE ROZKŁADU CEN NIERUCHOMOŚCI
METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH Tom XII/, 0, tr. 3 STATYSTYKA MORANA W ANALIZIE ROZKŁADU CEN NIERUCHOMOŚCI Dorota Kozoł-Kaczorek Katedra Ekoomk Rolcta Mędzyarodoych Stoukó Gopodarczych Szkoła
Bardziej szczegółowoZASTOSOWANIE METODY CBR DO SZACOWANIA KOSZTÓW WYTWARZANIA W FAZIE PROJEKTOWANIA
ZASTOSOWANIE METODY CBR DO SZACOWANIA KOSZTÓW WYTWARZANIA W FAZIE PROJEKTOWANIA prof. r hab. iż. Ryszar Kosala r.kosala@po.opole.pl mgr iż. Barbara Baruś b.barus@po.opole.pl Politechika Opolska Wyział
Bardziej szczegółowo( 3 ) Kondensator o pojemności C naładowany do różnicy potencjałów U posiada ładunek: q = C U. ( 4 ) Eliminując U z równania (3) i (4) otrzymamy: =
ROZŁADOWANIE KONDENSATORA I. el ćwiczenia: wyznaczenie zależności napięcia (i/lub prądu I ) rozładowania kondensaora w funkcji czasu : = (), wyznaczanie sałej czasowej τ =. II. Przyrządy: III. Lieraura:
Bardziej szczegółowoCentralna Izba Pomiarów Telekomunikacyjnych (P-12) Komputerowe stanowisko do wzorcowania generatorów podstawy czasu w częstościomierzach cyfrowych
Cetrala Izba Pomarów Telekomukacyjych (P-1) Komputerowe staowsko do wzorcowaa geeratorów podstawy czasu w częstoścomerzach cyrowych Praca r 1300045 Warszawa, grudzeń 005 Komputerowe staowsko do wzorcowaa
Bardziej szczegółowo1. Relacja preferencji
dr Mchał Koopczyńsk EKONOMIA MATEMATYCZNA Wykłady, 2, 3 (a podstawe skryptu r 65) Relaca preferec koszyk towarów: przestrzeń towarów: R + = { x R x 0} x = ( x,, x ) X X R+ x 0 x 0 =, 2,, x~y xf y x y x
Bardziej szczegółowoPowinowactwo chemiczne Definicja oraz sens potencjału chemicznego, aktywność Termodynamiczne funkcje mieszania
ermdyamka układów rzeczywstych 2.7.1. Pwwactw chemcze 2.7.2. Defcja raz ses tecjału chemczeg aktywść 2.7.3. ermdyamcze fukcje meszaa 2.7.4. Klasyfkacja rztwrów Waruk ztermcz-zchrycze ) ( V F F j V V d
Bardziej szczegółowoSTATYKA. Cel statyki. Prof. Edmund Wittbrodt
STATYKA Cel statyk Celem statyk jest zastąpee dowolego układu sł ym, rówoważym układem sł, w tym układem złożoym z jedej tylko sły jedej pary sł (redukcja do sły mometu główego) lub zbadae waruków, jake
Bardziej szczegółowoHipotezy 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 szczegółowoModelowanie i obliczenia techniczne. Równania różniczkowe Numeryczne rozwiązywanie równań różniczkowych zwyczajnych
Moelowanie i obliczenia echniczne Równania różniczowe Numeryczne rozwiązywanie równań różniczowych zwyczajnych Przyła ułau ynamicznego E Uła ynamiczny R 0 Zachozi porzeba wyznaczenia: C u C () i() ur ir
Bardziej szczegółowoStanisław Cichocki Natalia Nehrebecka. Wykład 3
Sanisław Cichocki Naalia Nehrebecka Wykład 3 1 1. Zmienne sacjonarne 2. Zmienne zinegrowane 3. Regresja pozorna 4. Funkcje ACF i PACF 5. Badanie sacjonarności Tes Dickey-Fullera (DF) 2 1. Zmienne sacjonarne
Bardziej szczegółowoDYNAMICZNE MODELE EKONOMETRYCZNE
DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólnopolskie Seminarium Naukowe, 4 6 września 2007 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Pior Fiszeder Uniwersye Mikołaja Kopernika
Bardziej szczegółowo