Wpływ redukcji poziomu szumu losowego metodą najbliższych sąsiadów 161

Wielkość: px
Rozpocząć pokaz od strony:

Download "Wpływ redukcji poziomu szumu losowego metodą najbliższych sąsiadów 161"

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

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 szczegółowo

BADANIE WPŁYWU REDUKCJI SZUMU NA IDENTYFIKACJĘ DYNAMIKI CHAOTYCZNEJ NA PRZYKŁADZIE FINASOWYCH SZEREGÓW CZASOWYCH

BADANIE 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 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

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

WPŁYW REDUKCJI POZIOMU SZUMU LOSOWEGO METODĄ NAJBLIŻSZYCH SĄSIADÓW NA DOKŁADNOŚĆ PROGNOZ FINANSOWYCH SZEREGÓW CZASOWYCH

WPŁYW 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 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

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

Szacowanie składki w ubezpieczeniu od ryzyka niesamodzielności

Szacowanie 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 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

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

Materiały do wykładu 7 ze Statystyki

Materiały do wykładu 7 ze Statystyki Materał do wkładu 7 ze Statstk Aalza ZALEŻNOŚCI pomędz CECHAMI (Aalza KORELACJI REGRESJI) korelacj wkres rozrzutu (korelogram) rodzaje zależośc (brak, elowa, lowa) pomar sł zależośc lowej (współczk korelacj

Bardziej szczegółowo

Matematyka II. x 3 jest funkcja

Matematyka 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 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

Matematyka ubezpieczeń majątkowych 9.10.2006 r. Zadanie 1. Rozważamy proces nadwyżki ubezpieczyciela z czasem dyskretnym postaci: n

Matematyka 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 szczegółowo

i j k Oprac. W. Salejda, L. Bujkiewicz, G.Harań, K. Kluczyk, M. Mulak, J. Szatkowski. Wrocław, 1 października 2015

i 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 szczegółowo

WPŁYW REDUKCJI SZUMU LOSOWEGO METODĄ NAJBLIŻSZYCH SĄSIADÓW NA WYNIKI PROGNOZ OTRZYMANYCH ZA POMOCĄ NAJWIĘKSZEGO WYKŁADNIKA LAPUNOWA

WPŁYW 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 szczegółowo

Podstawy analizy niepewności pomiarowych (I Pracownia Fizyki)

Podstawy analizy niepewności pomiarowych (I Pracownia Fizyki) Podstawy aalzy epewośc pomarowych (I Pracowa Fzyk) Potr Cygak Zakład Fzyk Naostruktur Naotecholog Istytut Fzyk UJ Pok. 47 Tel. 0-663-5838 e-mal: potr.cygak@uj.edu.pl Potr Cygak 008 Co to jest błąd pomarowy?

Bardziej szczegółowo

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

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

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

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

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

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

IDENTYFIKACJA CHAOSU DETERMINISTYCZNEGO NA PODSTAWIE LICZBY NAJBLIŻSZYCH SĄSIADÓW

IDENTYFIKACJA 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 szczegółowo

DYNAMIKA KONSTRUKCJI

DYNAMIKA 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 szczegółowo

TRANZYSTORY POLOWE JFET I MOSFET

TRANZYSTORY 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 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

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

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

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

ANALIZA PRZYCZYNOWOŚCI W ZAKRESIE ZALEŻNOŚCI NIELINIOWYCH. IMPLIKACJE FINANSOWE

ANALIZA 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 szczegółowo

Niepewności pomiarowe

Niepewności 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 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

R n. i stopa procentowa okresu bazowego, P wartość początkowa renty, F wartość końcowa renty. R(1 )

R 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 szczegółowo

METODY KOMPUTEROWE 1

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

Bardziej szczegółowo

Witold Orzeszko Uniwersytet Mikołaja Kopernika w Toruniu. Własności procesów STUR w świetle metod z teorii chaosu 1

Witold 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 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

Zastosowanie metody najmniejszych kwadratów do pomiaru częstotliwości średniej sygnałów o małej stromości zboczy w obecności zakłóceń

Zastosowanie 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 szczegółowo

Niezawodność i diagnostyka Kierunek AiR, sem. V, rok. ak. 2010/11 STRUKTURY I MIARY PROBABILISTYCZNE SYSTEMÓW METODA DRZEWA (STANÓW) NIEZDATNOŚCI

Niezawodność 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 szczegółowo

ANALIZA SZEREGÓW CZASOWYCH

ANALIZA 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 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

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

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

Bardziej szczegółowo

ANALIZA SZEREGÓW CZASOWYCH

ANALIZA 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 szczegółowo

KRYTERIUM OCENY EFEKTYWNOŚCI INWESTYCYJNEJ OFE, SYSTEM MOTYWACYJNY PTE ORAZ MINIMALNY WYMÓG KAPITAŁOWY DLA PTE PROPOZYCJE ROZWIĄZAŃ

KRYTERIUM 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 szczegółowo

Wymiarowanie przekrojów stalowych

Wymiarowanie 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 szczegółowo

WYZNACZANIE WARTOŚCI ENERGII ROZPRASZANEJ PODCZAS ZDERZENIA CIAŁ

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

Bardziej szczegółowo

EKONOMETRIA. Liniowy model ekonometryczny (regresji) z jedną zmienną objaśniającą

EKONOMETRIA. 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 szczegółowo

WPŁYW REDUKCJI SZUMU LOSOWEGO METODĄ NAJBLIŻSZYCH SĄSIADÓW NA STABILNOŚĆ NAJWIĘKSZEGO WYKŁADNIKA LAPUNOWA W EKONOMICZNYCH SZEREGACH CZASOWYCH

WPŁYW 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 szczegółowo

DYNAMICZNE MODELE EKONOMETRYCZNE

DYNAMICZNE 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 szczegółowo

Witold Orzeszko Uniwersytet Mikołaja Kopernika w Toruniu

Witold 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 szczegółowo

21. CAŁKA KRZYWOLINIOWA NIESKIEROWANA. x = x(t), y = y(t), a < t < b,

21. 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 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

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

Schrödingera. Dr inż. Zbigniew Szklarski. Katedra Elektroniki, paw. C-1, pok

Schrödingera. 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 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

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

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

Sygnały pojęcie i klasyfikacja, metody opisu.

Sygnały 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 szczegółowo

Matematyka ubezpieczeń majątkowych r.

Matematyka 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 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

Ruch płaski. Bryła w ruchu płaskim. (płaszczyzna kierująca) Punkty bryły o jednakowych prędkościach i przyspieszeniach. Prof.

Ruch 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 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

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

WNIOSKOWANIE STATYSTYCZNE

WNIOSKOWANIE 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 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

FINANSOWE SZEREGI CZASOWE WYKŁAD 3

FINANSOWE 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 szczegółowo

ROCZNIKI INŻYNIERII BUDOWLANEJ ZESZYT 7/2007 Komisja Inżynierii Budowlanej Oddział Polskiej Akademii Nauk w Katowicach

ROCZNIKI 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 szczegółowo

PROGNOZOWANIE I SYMULACJE. mgr Żaneta Pruska. Ćwiczenia 2 Zadanie 1

PROGNOZOWANIE 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 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

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

ESTYMACJA KRZYWEJ DOCHODOWOŚCI STÓP PROCENTOWYCH DLA POLSKI

ESTYMACJA 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 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

Analiza wyniku finansowego - analiza wstępna

Analiza 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 szczegółowo

Wykład 7: Układy dynamiczne

Wykład 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 szczegółowo

ANALIZA, PROGNOZOWANIE I SYMULACJA / Ćwiczenia 1

ANALIZA, 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 szczegółowo

PREDYKCJA KURSU EURO/DOLAR Z WYKORZYSTANIEM PROGNOZ INDEKSU GIEŁDOWEGO: WYBRANE MODELE EKONOMETRYCZNE I PERCEPTRON WIELOWARSTWOWY

PREDYKCJA 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 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

Tablica Galtona. Mechaniczny model rozkładu normalnego (M10)

Tablica Galtona. Mechaniczny model rozkładu normalnego (M10) Tablca Galtoa. Mechaczy model rozkładu ormalego (M) I. Zestaw przyrządów: Tablca Galtoa, komplet kulek sztuk. II. Wykoae pomarów.. Wykoać 8 pomarów, wrzucając kulk pojedyczo.. Uporządkować wyk pomarów,

Bardziej szczegółowo

Wykład FIZYKA I. 2. Kinematyka punktu materialnego. Dr hab. inż. Władysław Artur Woźniak

Wykład 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 szczegółowo

E 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 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 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

LVIII Egzamin dla Aktuariuszy z 3 października 2011 r.

LVIII 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 szczegółowo

WPŁYW LICZBY NAJBLIŻSZYCH SĄSIADÓW NA DOKŁADNOŚĆ PROGNOZ EKONOMICZNYCH SZEREGÓW CZASOWYCH

WPŁYW 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 szczegółowo

opisać wielowymiarową funkcją rozkładu gęstości prawdopodobieństwa f(x 1 , x xn

opisać wielowymiarową funkcją rozkładu gęstości prawdopodobieństwa f(x 1 , x xn ROZKŁAD PRAWDOPODBIEŃSTWA WIELU ZMIENNYCH LOSOWYCH W przpadku gd mam do czea z zmem losowm możem prawdopodobeństwo, ż przjmą oe wartośc,,, opsać welowmarową fukcją rozkładu gęstośc prawdopodobeństwa f(,,,.

Bardziej szczegółowo

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

Przyjmijmy, że moment obciążenia jest równy zeru, otrzymamy:

Przyjmijmy, 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 szczegółowo

Prognozowanie średniego miesięcznego kursu kupna USD

Prognozowanie 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 szczegółowo

Wyznaczyć prędkości punktów A i B

Wyznaczyć 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 szczegółowo

Mechanika Bryły y Sztywnej - Ruch Obrotowy. Bryła a Sztywna. Model górnej kończyny Model kręgosłupa

Mechanika 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 szczegółowo

STATYSTYKA MORANA W ANALIZIE ROZKŁADU CEN NIERUCHOMOŚCI

STATYSTYKA 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 szczegółowo

ZASTOSOWANIE METODY CBR DO SZACOWANIA KOSZTÓW WYTWARZANIA W FAZIE PROJEKTOWANIA

ZASTOSOWANIE 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: =

( 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 szczegółowo

Centralna Izba Pomiarów Telekomunikacyjnych (P-12) Komputerowe stanowisko do wzorcowania generatorów podstawy czasu w częstościomierzach cyfrowych

Centralna 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 szczegółowo

1. Relacja preferencji

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

Bardziej szczegółowo

Powinowactwo chemiczne Definicja oraz sens potencjału chemicznego, aktywność Termodynamiczne funkcje mieszania

Powinowactwo 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 szczegółowo

STATYKA. Cel statyki. Prof. Edmund Wittbrodt

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

Bardziej szczegółowo

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

Modelowanie i obliczenia techniczne. Równania różniczkowe Numeryczne rozwiązywanie równań różniczkowych zwyczajnych

Modelowanie 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 szczegółowo

Stanisław Cichocki Natalia Nehrebecka. Wykład 3

Stanisław 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 szczegółowo

DYNAMICZNE MODELE EKONOMETRYCZNE

DYNAMICZNE 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