Pravdepodobnostné modelovanie inverznými distribučnými funkciami: Úvod do kvantilového modelovania
|
|
- Νάρκισσα Μακρής
- 7 χρόνια πριν
- Προβολές:
Transcript
1 Katedra štatistiky, Fakulta hospodárskej informatiky, Ekonomická univerzita v Bratislave Pravdepodobnostné modelovanie inverznými distribučnými funkciami: Úvod do kvantilového modelovania Ľubica SIPKOVÁ 1. z cyklu prezentácií november 2008
2 Všeobecné požiadavky na pravdepodobnostný model dobrá zhoda jednoduchosť môže byť viacparametrický vhodnosť pre vyjadrenie charakteristík rozdelenia viacnásobný prístup v analýzach - smerujúci k systému viacparametrických funkcií (modelovanie v podsúboroch) možnosť aktualizácie - umožňujúci transformácie prehlbujúce elasticitu aplikovateľnosť simulačných metód
3 Štatistické prístupy k pravdepodobnostnému modelovaniu DF, f Klasický prístup (aplikuje sa ako prvá alternatíva): náhodný výber X= (X 1, X 2,... X n ) spojité náhoné premenné X 1, X 2,... X n X i štatisticky nezávislé a s identickým rozdelením náhodné pozorovania, realizácia náhodného výberu x 1, x 2,... x n definovanie rozdelenia: distribučnou funkciou funkciou hustoty pravdepodobnosti
4 Štatistické prístupy k pravdepodobnostnému modelovaniu QF, q Kvantilový prístup (aplikuje sa len ak prvá alternatíva zlyhá komplikovanejší): n usporiadaných štatistík X 1: n, X 2: n,..., X n: n (vzostupné usporiadanie n spojitých náhodných premenných X 1, X 2,... X n ) X i : n štatisticky závislé a s neidentickým rozdelením hodnota i-tej usporiadanej štatistiky vo výbere o rozsahu n X i: n, i = 1,2,...r,...n n usporiadaných pozorovaní x 1: n, x 2: n,..., x n: n definovanie rozdelenia: kvantilovou funkciou inverznou DF kvantilovou funkciou hustoty
5 Kvantilový prístup Parametrické metódy pravdepodobnostného modelovania spojitej náhodnej premennej na kvantilovom základe vo všetkých fázach štatistického modelovania (identifikácie, estimácie a verifikácie) Metódy indukcie z výberových údajov na populáciu vychádzajú z teórie poriadkových štatistík Východiskom teórie poriadkových štatistík je náhodný výber : n rozmerný vektor vzostupne usporiadaných, teda vzájomne závislých náhodných premenných.. Každá náhodná premenná je kvantilom rozdelenia náhodnej premennej X - je poriadkovou štatistikou a má rozdelenie prevdepodobností závislé od rozdelenia náhodnej premennej X. Rozdelenia poriadkových štatistík nie sú identické. Rad n vzostupne usporiadaných pozorovaní náhodnej premennej X predstavuje jednu realizáciu n poriadkových štatistík, čiže výberové hodnoty poriadkových štatististík náhodného výberu o rozsahu n
6 Klasický Definovanie tvaru podľa dvoch prístupov distribučnou funkciou funkciou hustoty pravdepodobnosti Kvantilový kvantilovou funkciou kvantilovou funkciou hustoty F ( x) = P( X x) = p f ( x) = = 1 d F d ( x) x Q( p) = F ( p) = x, 0 p ( p) dq q( p) =, 0 p d p Rozdelenie akéhokoľvek druhu, vyjadrené vo forme kvantilovej funkcie QF alebo kvantilovej funkcie hustoty, sa nazýva skrátene kvantilovým rozdelením, presne kvantilovým pravdepodobnostným rozdelením kvantitatívnej spojitej náhodnej premennej. 1 1
7 Kvantilová funkcia Q( p) 1 = F ( p) = x, 0 p 1 V literatúre je nazývaná aj ako percentilová (pravdepodobnostná) funkcia Je inverziou k distribučnej funkcii pravdepodobnostného rozdelenia (DF: vstupom hodnoty a výstupom pravdepodobnosti) Vstupom do nej sú pravdepodobnosti a výstupom hodnoty náhodnej premennej
8 Klasický distribučnou funkciou F EXP Napr.: Štyri spôsoby definovania exponenciálneho rozdelenia γx ( x) = 1 e, 0 x, γ funkciou hustoty pravdepodobnosti Kvantilový f EXP 0, kvantilovou funkciou Q EXP γ γ e x kvantilovou funkciou hustoty q EXP ( x) =, 0 x < < 1 ( p) = η ln(1 p), η =,0 p < γ ( p) = η /(1 p ), η 0,0 p < - x <
9 X~Q[p; Θ] Definovanie kvantilového modelu Q( p) 1 = F ( p), 0 p 1 Jednoduchý kvantilový model v tvare : Q ( p ) = λ + η S ( p ) 0 p 1 môže byť lineárnym, alebo semilineárnym dvoj a viacparametrickým kvantilovým distribučným modelom v závislosti od jeho základného kvantilového tvaru : S(p)
10 Porovnanie grafov DF a QF zošikmeného logistického rozdelenia QF - Kvantilová (distribučná) funkcia DF - Kumulatívna distribučná funkcia
11 Východiská kvantilového modelovania teória kvantilového pravdepodobnostného modelovania (fázy identifikácie, estimácie, verifikácie) teória štatistickej indukcie Order statistics poriadkové (usporiadané) štatistiky vstupné empirické dáta výberové hodnoty NP: vzostupne usporiadaný empirický súbor výberové podiely p charakteristické črty empirického rozdelenia NP odhalené metódami deskriptívnej štatistiky na rôznych základoch
12 Nevýhody kvantilového modelovania matematicky náročná rozpracovanosť metód nedostupnosť jednoducho spracovanej komplexnej literatúry (ani zahraničnej) zriedkavejšia aplikácia (s rôznym označením a pojmovým aparátom, zameranie na riešenie konkrétnych oblastí problémov z praxe) chýbajúci softvér Potrebná hlbšia znalosť matematicko-štatistických metód (náročnejší prístup z hľadiska teoretického aj technického)
13 Výhody kvantilového modelovania v prípadoch, keď klasické prístupy neprinášajú uspokojivé výsledky umožňuje nájsť vhodný tvar modelu aktualizácia modelu v budúcnosti novou estimáciou parametrov veľká flexibilita tvarov možnosť spoločného modelovania deterministickej a náhodnej zložky v štatistických modeloch pri estimácii parametrov toho istého tvaru modelu možnosť modelovať v podsúboroch, v štruktúrach nový pohľad na riešený problém, niekedy jednoduchší, jasnejší prostredníctvom kvantilových mier smerovanie k modelovaniu zmesí jednoduché simulácie
14 História kvantilového prístupu v štatistickej analýze článok Francisa Galtona uverejnený v roku 1875, potom sa na kvantilový prístup takmer na 100 rokov zabudlo a rozvíjal sa Pearsonov prístup na báza momentov empirická kvantilová funkcia v súvislosti s normálnym rozdelením nazvaná ogivou (nie empirická funkcia hustoty - ako v súčasnosti) medián a kvartil boli prvýkrát popísané v roku 1882 pojem kvantil bol zavedený M. G. Kendalom až v roku 1940
15 História kvantilového modelovania Použitie kvantilovej funkcie pre definovanie tvaru pravdepodobnostného rozdelenia Emanuel Parzen 1979 Handbook of Statistics, časť 16 a 17 editovaná Balakrishnan a Rao (Arnold, Balakrishnan, Balanda, David, MacGilivray, Moors, Nagaraja a hlavne Parzen) A First Course in Order statistics - Arnold, Balakrishnan, Nagaraja r Modelovanie kvantilovými funkciami (Statistical modelling with quantile function) Gilchrist, W.G.
16 Rozdelenie r-tej poriadkovej štatistiky N poriadkových štatistík X 1: n, X 2: n,..., X n: n hodnota i-tej poriadkovej štatistiky vo výbere o rozsahu n X i : n, i = 1,2,...r,...n Rozdelenie r-tej poriadkovej štatistiky X r: n možno vyjadriť kvantilovou funkciou: X r:n ~ Q( r )[p( r );Θ( r )] = Q[BETAINV(p( r ), r, n-r+1);θ] Z nej možno vyjadriť rozdelenie prvej, či n-tej poriadkovej štatistiky
17 Rankit X~Q[p;Θ] - stredné hodnoty poriadkových štatistík: E ( k X ) = n ( r 1 )! ( n r) E(X i:n ) = µ i:n, i = 1,2,...r,...n 1 r: n 1 0 { [ ]} k ( ) ( r 1 ) [ ] ( n r! Q p p p )! dp Pre rovnomerné rozdelenie (Uniform distribution ozn. U): X~Q ROVN (p) potom µ r:n = r/(n+1) Odhady µ r:n ľubovolného rozdelenia pomocou U-transf.pravidla: µ r:n = E(Q(U r: n )) Q(E(U r: n ) )= Q(r/(n+1) Q( (r-0,5)/n )
18 Mediánový rankit X~Q[p;Θ] - mediány poriadkových štatistík: M r:n = Q[p r:n * ;Θ], kde: p r:n * = BETAINV(0,5 ; r, n-r+1) p r:n * - mediánová p r hodnota Rozdelenia X r:n charakterizované kvantilovými štatistikami: dolný percentil X r:n (0,01) = Q[BETAINV(0,01 ; r, n-r+1);θ] horný percentil X r:n (0,99) = Q[BETAINV(0,99 ; r, n-r+1);θ]
19 Graf mediánového rankitu a kvantilov poriadkových štatistík Kvantily (dolné percentily, mediánový rankit a horné percentily) poriadkových štatistík logistického rozdelenia
20 1,200,000 Weibullov-Paretov tvar Q-modelu príjmov (Odhad metódou minimalizácie absolútnych distribučných rezíduí) Graf kvantilov CP s 99% hranicami teoretického rozdelenia CP Q(BETAINV(0.995)) Q(BETAINV(0.005)) 1,000, ,000 príjmy 600, , , p
21 Vystihnutie tvaru empirického rozdelenia - identifikácia Grafická analýza empirického rozdelenia príjmov Kvantitatívna analýza empirického rozdelenia príjmov: na momentovom základe na kvantilovom základe Identifikácia rozdelenia jednoduchými tvarmi Celého rozdelenia Zvlášť pre dolný a horný koniec, prípadne iné časti rozdelenia Voľba tvaru váh pre konce rozdelenia Ako funkcia p Ako parametre modelu
22 Grafická analýza empirického rozdelenia Príjmy domácností SR v roku 2003 (F emp (CP)= p) Proporcionálne postavenie v závislosti od výšky príjmov v ich vzostupnom usporiadaní Empirická distribučná funkcia p v 1000 Sk CP
23 Grafická analýza empirického rozdelenia Príjmy domácností SR v roku 2003 (Q emp (p)=cp) Hodnota príjmov v závislosti od ich proporcionálneho postavenia vo vzostupnom usporiadaní 1,200 Empirická kvantilová funkcia 1, CP p v tis.sk
24 Grafická analýza empirického rozdelenia Príjmy domácností SR v 2003 Polygón 16 Polygón rozdelenia pocetností pre CP % domácn ností v 100 tis. Sk CP
25 Grafická analýza empirického rozdelenia Príjmy domácností SR v 2003 (Box-Plot) Box-and-Whisker graf pre CP v Sk CP
26 Comparison of Alternative Distributions procedúra na porovnanie známych tvarov v STATGRAPHICS CENTURION Distribution Est. Parameters Log Likelihood KS D Lognormal (3-Parameter) Lognormal Loglogistic Gamma (3-Parameter) Birnbaum-Saunders Gamma Inverse Gaussian Largest Extreme Value Weibull Logistic Laplace Exponential Normal
27 Histogram for CDPD data 1600 frequ uency Distribution Gamma (3-Parameter) Loglogistic (3-Parameter) Lognormal (3-Parameter) (X 1.E6) CDPD data
28 KS a CHi-kvadrát testy potvrdili nevhodnosť aplikácie jednoduchých tvarov modelu CP KS Test Erlang Gamma (3-Parameter) Loglogistic (3-Parameter) Weibull (3-Parameter) Lognormal (3-Parameter) DPLUS DMINUS DN P-Value Chi kv. Test Gamma Gamma (3-Parameter) Lognormal Lognormal (3-Parameter) Chi-Squared D.f P-Value
29 Identifikácia rozdelenia jednoduchými tvarmi Useknutý Weibullov tvar - len pre dolnú a strednú časť rozdelenia CP Histogram pre CP s funkciou hustoty Weibullovho rozdelenia frequency v 100 tis. Sk CP
30 Identifikácia rozdelenia jednoduchými tvarmi Paretov tvar je vhodný len pre horný koniec rozdelenia Identifikačný graf pre Paretovo rozdelenie ln (1-p) ln CP
31 Kvantitatívna analýza empirického rozdelenia Príjmy domácností SR v 2003 Výberové charakteristiky na momentovom základe Priemer = Sk Rozptyl = E10 Štandardná odchýlka = Sk Koeficient šikmosti = Štand. šikmosť = Pearsonova špicatosť = Variačný koeficient = % Štand. špicatosť = na kvantilovom základe Medián = Sk Kvartilové rozpätie = Sk Galtonov koeficient šikmosti g=qd/iqr = Kvartilová diferencia qd=lq+uq-2 = Moorsova špicatosť k=[(e7-e5)+(e3-e1)]/iqr = 1.174
32 Ako može vyzerať kvantilový model? Jednoduchý kvantilový model v tvare : Q( p) = λ + η S( p) 0 p 1 parameter polohy parameter stupnice, variability vlastné parametre základného tvaru kvantilovej funkcie Poskladaný (zložený) kvantilový model napr. v tvare : β 1 Q CP ( p) = λ + η ( 1 p) [ ln( 1 p) ] + p, 0 < p < 1, β > 0, γ > 0 γ ( 1 p) váhy jednotlivým rozdeleniam kvantilový základný tvar rozdelenia pre dolný koniec s jeho parametrami kvantilový základný tvar rozdelenia pre horný koniec s jeho parametrami
33 Možné tvary váh pre dva konce rozdelenia Ako funkcia p ( 1 p ) a p [ ( )] 2 1 p 3 2 p a 2 p ( 3 2 p) [ ( )] 3 2 3( 2 1 p 10 15p + 6 p a p p + 6 p ) 1 ω Ako parametre modelu ω 1 ( p) a ω( p) ( 1 ω ) a ω ( 1+ω ) ( 1 ω ) 2 a ( 1- ) a ω p 2 p 2
34 Zošikmené logistické rozdelenie Logistické rozdelenie (Logistic): S(p) = S 1 (p) + S 2 (p) S(p) = - ln (1 p) + ln (p), 0 p 1 S(p) = ln [p/(1 p)] Q 1 (p) Q(p) Q 2 (p) Zošikmené logistické rozdelenie: S(p) = ω S 1 (p) + (1-ω) S 2 (p), kde 0 ω 1 S(p) = [(1 + δ)/2] [-ln (1-p)] + [(1 -δ)/2] [ln (p)] kde -1 δ 1, 0 < p < 1
35 Funkcia hustoty Zošikmeného logistického rozdelenia
36 Súčin mocninového a Paretovho rozdelenia Mocninové rozdelenie Power rozdelenie (Po(α)): S 1 (p) = p α, kde α > 0, 0 p 1 Paretovo rozdelenie (Pa(β)): S 2 (p) = 1/(1 p) β, kdeβ > 0, Mocninovo-Paretovo rozdelenie ( Po(α)Pa(β) ): S(p) = S 1 (p) x S 2 (p) S(p) = p α /(1 p) β, kde β > 0, α > 0,
37 Graf mocninovo-paretovho rozdelenia (Po x Pa) Funkcia hustoty Mocninovo-Paretovho rozdelenia (Po x Pa) Kvantilová funkcia Mocninového (Power) a Paretovho (Pareto) rozdelenia
38 Zovšeobecnené lambda rozdelenie Komplexný známy elastický tvar len odhadnúť jeho parametre Ramberg-Schmeiserov tvar: RSGLD( λ, λ, λ, λ ) ( 1 p) λ3 4 p = λ1 +, 0 p λ Dôvody výberu RS GLD: historický aspekt teoretický aspekt komplexnosť, elasticita a univerzálnosť jeho tvaru konvergencia k Paretovmu tvaru vhodnosť pre simulačné štúdiá 2 λ 1
39 Semilineárny päťparametrický Gamma-Paretov tvar (skladanie použitím pravidiel modifikácie kvantilových funkcií) S ( p) = p R[ S( p) ] = 1 S 1 ( p) pravidlo o reciprocite ( S ( p ) ) [ S ( p ) ] β P = pravidlo o Q-transformácii GAMMAINV S PAR ( p) = 1 1 ( p) γ pravidlo o súčte dvoch kvantilových funkcií PARETOINV ( ) ( 1 ) GAMAINV( ;. ) p Q p = α + ω p p β γ + κ, 0 < p < 1 ( 1 p) δ
40 Metódy estimácie kvantilových modelov Metódou maximálnej vierohodnosti Metódou momentov Metódou kvantilov Öztürk a Dale aproximatívnou metódou Metódou minimalizácie absolútnych distribučných rezíduí Špeciálne metódy u zovšeobecnených tvarov (Starship)
41 Odhad parametrov QF Zovšeobecnenou Öztürk a Dale aproximatívnou metódou S ( Θ) = n r= 1 x r Q r ( n + 1), Θ Metódou minimalizácie absolútnych distribučných rezíduí S n ( Θ ) = x ( Θ ) r Q p * r, r = 1 2 kde p r * = BETAINV(0,5; r, n-r+1)
42 Odhadnutý Weibullov Paretov tvar Q-Q graf pre Weibull-Pareto rozdelenie suma štvorca distr. rezíduí 45 st. priamka suma abs. distr. rezíduí teoreticke CP empiricke CP
43 Grafické posúdenie kvality kvantilových modelov rozdelenia príjmov domácností SR - verifikácia Krabickový graf tvarov rozdelení CP GLD MM GLD MQ1 GLD MQ2 GLD ODM GLD ODQ1 GLD ODQ2 GLD AM GLD AQ1 GLD AQ2 GLD SQ WP OD WP A v Sk príjmy
44 Grafické posúdenie kvality Weibullových- Paretových tvarov modelov rozdelenia CP v SR Graf rezíduí ewpd OD ewpd A e p
45 Kvantitatívne posúdenie kvality kvantilových modelov rozdelenia CP - verifikácia Vybrané tvary WPD OD WPD A RSGLD AQ1 RSGLD AQ2 χ 2 (19) 28,64 28,99 35,40 114,08 χ 2 (19) do 0.1 0,07 4,03 0,55 86,28 χ 2 (19) nad ,76 0,28 0,36 0,04 Koef.korelácie 0,9982 0,9963 0,9795 0,9867 Dolný percentil 62 tis.sk 65 tis.sk 68 tis.sk (-12 tis.sk) Medián 240 tis.sk 237 tis.sk 237 tis.sk 234 tis.sk Horný percentil 570 tis.sk 601 tis.sk 490 tis.sk 546 tis.sk výb.dol.perc. CP = 65 tis.sk výb.medián CP = 237 tis.sk výb.hor.perc. CP = 584 tis.sk χ 2 0,95 (19)= 30,14 χ 2 0,99 (19)= 36,19
46 Pravdepodobnostné modelovanie inverznými distribučnými funkciami: Úvod do kvantilového modelovania Spracovanie prvej z cyklu prezentácií o kvantilovom modelovaní. Podrobnejšie možno nájsť v monografii: Sipková, Ľ; Sodomová, E.: Modelovanie kvantilovými funkciami, Vydavateľstvo EKONÓM, Bratislava, 2007; 175 s. ISBN Ľubica SIPKOVÁ november 2008
Pravdepodobnostné modelovanie inverznými distribučnými funkciami : Kvantilová deskriptívna analýza ako východisko ku kvantilovému modelovaniu
Katedra štatistiky, Fakulta hospodárskej informatiky, Ekonomická univerzita v Bratislave Pravdepodobnostné modelovanie inverznými distribučnými funkciami : Kvantilová deskriptívna analýza ako východisko
Διαβάστε περισσότεραPravdepodobnostné modelovanie inverznými distribučnými funkciami : Identifikácia kvantilového modelu
Katedra štatistiky, Fakulta hospodárskej informatiky, Ekonomická univerzita v Bratislave Pravdepodobnostné modelovanie inverznými distribučnými funkciami : Identifikácia kvantilového modelu Ľubica SIPKOVÁ
Διαβάστε περισσότεραPravdepodobnostné modelovanie inverznými distribučnými funkciami: Charakteristiky kvantilových rozdelení
Katedra štatistiky, Fakulta hospodárskej informatiky, Ekonomická univerzita v Bratislave Pravdepodobnostné modelovanie inverznými distribučnými funkciami: Charakteristiky kvantilových rozdelení Ľubica
Διαβάστε περισσότεραSpojité rozdelenia pravdepodobnosti. Pomôcka k predmetu PaŠ. RNDr. Aleš Kozubík, PhD. 26. marca Domovská stránka. Titulná strana.
Spojité rozdelenia pravdepodobnosti Pomôcka k predmetu PaŠ Strana z 7 RNDr. Aleš Kozubík, PhD. 6. marca 3 Zoznam obrázkov Rovnomerné rozdelenie Ro (a, b). Definícia.........................................
Διαβάστε περισσότεραZáklady metodológie vedy I. 9. prednáška
Základy metodológie vedy I. 9. prednáška Triedenie dát: Triedny znak - x i Absolútna početnosť n i (súčet všetkých absolútnych početností sa rovná rozsahu súboru n) ni fi = Relatívna početnosť fi n (relatívna
Διαβάστε περισσότεραZáklady matematickej štatistiky
1. Náhodný výber, výberové momenty a odhad parametrov Katedra Matematických metód Fakulta Riadenia a Informatiky Žilinská Univerzita v Žiline 6. mája 2015 1 Náhodný výber 2 Výberové momenty 3 Odhady parametrov
Διαβάστε περισσότεραMatematika Funkcia viac premenných, Parciálne derivácie
Matematika 2-01 Funkcia viac premenných, Parciálne derivácie Euklidovská metrika na množine R n všetkých usporiadaných n-íc reálnych čísel je reálna funkcia ρ: R n R n R definovaná nasledovne: Ak X = x
Διαβάστε περισσότεραReprezentácia dát. Ing. Martin Mariš, Katedra regionalistiky a rozvoja vidieka, SPU, NITRA
Reprezentácia dát Ing. Martin Mariš, Katedra regionalistiky a rozvoja vidieka, SPU, NITRA slovným opisom grafickým zobrazením Typy grafov a ich použitie Najčastejšie používané typy grafov: čiarový graf
Διαβάστε περισσότεραHľadanie, skúmanie a hodnotenie súvislosti medzi znakmi
Hľadanie, skúmanie a hodnotenie súvislosti medzi znakmi Typy súvislostí javov a vecí: nepodstatné - vonkajšia súvislosť nevyplýva z vnútornej potreby (javy spoločne vznikajú, majú zhodný priebeh, alebo
Διαβάστε περισσότεραMatematika prednáška 4 Postupnosti a rady 4.5 Funkcionálne rady - mocninové rady - Taylorov rad, MacLaurinov rad
Matematika 3-13. prednáška 4 Postupnosti a rady 4.5 Funkcionálne rady - mocninové rady - Taylorov rad, MacLaurinov rad Erika Škrabul áková F BERG, TU Košice 15. 12. 2015 Erika Škrabul áková (TUKE) Taylorov
Διαβάστε περισσότερα1. Limita, spojitost a diferenciálny počet funkcie jednej premennej
. Limita, spojitost a diferenciálny počet funkcie jednej premennej Definícia.: Hromadný bod a R množiny A R: v každom jeho okolí leží aspoň jeden bod z množiny A, ktorý je rôzny od bodu a Zadanie množiny
Διαβάστε περισσότεραEkvačná a kvantifikačná logika
a kvantifikačná 3. prednáška (6. 10. 004) Prehľad 1 1 (dokončenie) ekvačných tabliel Formula A je ekvačne dokázateľná z množiny axióm T (T i A) práve vtedy, keď existuje uzavreté tablo pre cieľ A ekvačných
Διαβάστε περισσότεραMetódy vol nej optimalizácie
Metódy vol nej optimalizácie Metódy vol nej optimalizácie p. 1/28 Motivácia k metódam vol nej optimalizácie APLIKÁCIE p. 2/28 II 1. PRÍKLAD: Lineárna regresia - metóda najmenších štvorcov Na základe dostupných
Διαβάστε περισσότεραM6: Model Hydraulický systém dvoch zásobníkov kvapaliny s interakciou
M6: Model Hydraulický ytém dvoch záobníkov kvapaliny interakciou Úlohy:. Zotavte matematický popi modelu Hydraulický ytém. Vytvorte imulačný model v jazyku: a. Matlab b. imulink 3. Linearizujte nelineárny
Διαβάστε περισσότεραŠtatistické spracovanie experimentálnych dát
Štatistické spracovanie experimentálnych dát Štatistická analýza veľkých výberov Štatistická analýza malých výberov podľa Horna Štatistické testovanie Analýza rozptylu Dátum: 12. máj 2008 Vypracoval: Ing.
Διαβάστε περισσότερα7. FUNKCIE POJEM FUNKCIE
7. FUNKCIE POJEM FUNKCIE Funkcia f reálnej premennej je : - každé zobrazenie f v množine všetkých reálnych čísel; - množina f všetkých usporiadaných dvojíc[,y] R R pre ktorú platí: ku každému R eistuje
Διαβάστε περισσότεραAn Inventory of Continuous Distributions
Appendi A An Inventory of Continuous Distributions A.1 Introduction The incomplete gamma function is given by Also, define Γ(α; ) = 1 with = G(α; ) = Z 0 Z 0 Z t α 1 e t dt, α > 0, >0 t α 1 e t dt, α >
Διαβάστε περισσότεραÚvod do modelovania a simulácie, metóda Monte Carlo
Úvod do modelovania a simulácie, metóda Monte Carlo Prednáška 4 využitie MS Excel 13.10.2015 Ing. Marek Kvet, PhD. Modelovanie a simulácia Venuje sa štúdiu skúmaných objektov hmotného sveta - existujúcich
Διαβάστε περισσότεραPrechod z 2D do 3D. Martin Florek 3. marca 2009
Počítačová grafika 2 Prechod z 2D do 3D Martin Florek florek@sccg.sk FMFI UK 3. marca 2009 Prechod z 2D do 3D Čo to znamená? Ako zobraziť? Súradnicové systémy Čo to znamená? Ako zobraziť? tretia súradnica
Διαβάστε περισσότεραChí kvadrát test dobrej zhody. Metódy riešenia úloh z pravdepodobnosti a štatistiky
Chí kvadrát test dobrej zhody Metódy riešenia úloh z pravdepodobnosti a štatistiky www.iam.fmph.uniba.sk/institute/stehlikova Test dobrej zhody I. Chceme overiť, či naše dáta pochádzajú z konkrétneho pravdep.
Διαβάστε περισσότεραObvod a obsah štvoruholníka
Obvod a štvoruholníka D. Štyri body roviny z ktorých žiadne tri nie sú kolineárne (neležia na jednej priamke) tvoria jeden štvoruholník. Tie body (A, B, C, D) sú vrcholy štvoruholníka. strany štvoruholníka
Διαβάστε περισσότερα4. domáca úloha. distribučnú funkciu náhodnej premennej X.
4. domáca úloha 1. (rovnomerné rozdelenie) Električky idú v 20-minútových intervaloch. Cestujúci príde náhodne na zastávku. Určte funkciu hustoty rozdelenia pravdepodobnosti a distribučnú funkciu náhodnej
Διαβάστε περισσότεραModelovanie dynamickej podmienenej korelácie kurzov V4
Modelovanie dynamickej podmienenej korelácie menových kurzov V4 Podnikovohospodárska fakulta so sídlom v Košiciach Ekonomická univerzita v Bratislave Cieľ a motivácia Východiská Cieľ a motivácia Cieľ Kvantifikovať
Διαβάστε περισσότεραARMA modely čast 2: moving average modely (MA)
ARMA modely čast 2: moving average modely (MA) Beáta Stehlíková Časové rady, FMFI UK, 2014/2015 ARMA modely časť 2: moving average modely(ma) p.1/24 V. Moving average proces prvého rádu - MA(1) ARMA modely
Διαβάστε περισσότεραJednotkový koreň (unit root), diferencovanie časového radu, unit root testy
Jednotkový koreň (unit root), diferencovanie časového radu, unit root testy Beáta Stehlíková Časové rady, FMFI UK, 2012/2013 Jednotkový koreň(unit root),diferencovanie časového radu, unit root testy p.1/18
Διαβάστε περισσότεραC. Kontaktný fasádny zatepľovací systém
C. Kontaktný fasádny zatepľovací systém C.1. Tepelná izolácia penový polystyrén C.2. Tepelná izolácia minerálne dosky alebo lamely C.3. Tepelná izolácia extrudovaný polystyrén C.4. Tepelná izolácia penový
Διαβάστε περισσότεραJednotkový koreň (unit root), diferencovanie časového radu, unit root testy
Jednotkový koreň (unit root), diferencovanie časového radu, unit root testy Beáta Stehlíková Časové rady, FMFI UK, 2013/2014 Jednotkový koreň(unit root),diferencovanie časového radu, unit root testy p.1/27
Διαβάστε περισσότεραIng. Andrej Trnka, PhD. Základné štatistické metódy marketingového výskumu
Ing. Andrej Trnka, PhD. Základné štatistické metódy marketingového výskumu 2016 Základné štatistické metódy marketingového výskumu Autor: Recenzenti: Ing. Andrej Trnka, PhD. prof. Ing. Pavol Tanuška, PhD.
Διαβάστε περισσότεραOdporníky. 1. Príklad1. TESLA TR
Odporníky Úloha cvičenia: 1.Zistite technické údaje odporníkov pomocou katalógov 2.Zistite menovitú hodnotu odporníkov označených farebným kódom Schématická značka: 1. Príklad1. TESLA TR 163 200 ±1% L
Διαβάστε περισσότεραMichal Páleník. Fiškálna politika v kontexte regionalizácie a globalizácie:
Fiškálna politika v kontexte regionalizácie a globalizácie: Metodologické prístupy pri meraní konvergencie s aplikáciou na Európske regióny Štruktúra prezentácie 1. Úvod 2. Ciele práce 3. Definícia základných
Διαβάστε περισσότεραCvičenia zo ŠTATISTIKY v Exceli Kurz IPA-Slovakia, september 2008, VYHNE
Cvičenia zo ŠTATISTIKY v Exceli Kurz IPA-Slovakia, september 2008, VYHNE doc. RNDr. Štefan PEŠKO, CSc. stefan.pesko@fri.uniza.sk, http://frcatel.fri.uniza.sk/pesko/ Katedra matematických metód, Fakulta
Διαβάστε περισσότεραAPPENDICES APPENDIX A. STATISTICAL TABLES AND CHARTS 651 APPENDIX B. BIBLIOGRAPHY 677 APPENDIX C. ANSWERS TO SELECTED EXERCISES 679
APPENDICES APPENDIX A. STATISTICAL TABLES AND CHARTS 1 Table I Summary of Common Probability Distributions 2 Table II Cumulative Standard Normal Distribution Table III Percentage Points, 2 of the Chi-Squared
Διαβάστε περισσότεραModerné vzdelávanie pre vedomostnú spoločnosť Projekt je spolufinancovaný zo zdrojov EÚ M A T E M A T I K A
M A T E M A T I K A PRACOVNÝ ZOŠIT II. ROČNÍK Mgr. Agnesa Balážová Obchodná akadémia, Akademika Hronca 8, Rožňava PRACOVNÝ LIST 1 Urč typ kvadratickej rovnice : 1. x 2 3x = 0... 2. 3x 2 = - 2... 3. -4x
Διαβάστε περισσότεραUrčite vybrané antropometrické parametre vašej skupiny so základným (*úplným) štatistickým vyhodnotením.
Priezvisko a meno študenta: 216_Antropometria.xlsx/Pracovný postup Študijná skupina: Ročník štúdia: Antropometria Cieľ: Určite vybrané antropometrické parametre vašej skupiny so základným (*úplným) štatistickým
Διαβάστε περισσότεραPREHĽAD ÚDAJOV. 1. Početnosť
PREHĽAD ÚDAJOV 1. Početnosť. Miery centrálnej tendencie a. Aritmetický priemer b. Medián c. Modus 3. Miery rozptylu a. Tvar b. Rozdelenie, rozloženie údajov c. Rozsah d. Rozptyl - variancia e. Smerodatná
Διαβάστε περισσότεραŠtatistické riadenie procesov Regulačné diagramy 3-1
Charakteristika Štatistické riadenie procesov Regulačné diagramy 3-1 3 Regulačné diagramy Cieľ kapitoly Po preštudovaní tejto kapitoly budete vedieť: čo je to regulačný diagram, aké je jeho teoretické
Διαβάστε περισσότεραKomplexné čísla, Diskrétna Fourierova transformácia 1
Komplexné čísla, Diskrétna Fourierova transformácia Komplexné čísla C - množina všetkých komplexných čísel komplexné číslo: z = a + bi, kde a, b R, i - imaginárna jednotka i =, t.j. i =. komplexne združené
Διαβάστε περισσότεραHASLIM112V, HASLIM123V, HASLIM136V HASLIM112Z, HASLIM123Z, HASLIM136Z HASLIM112S, HASLIM123S, HASLIM136S
PROUKTOVÝ LIST HKL SLIM č. sklad. karty / obj. číslo: HSLIM112V, HSLIM123V, HSLIM136V HSLIM112Z, HSLIM123Z, HSLIM136Z HSLIM112S, HSLIM123S, HSLIM136S fakturačný názov výrobku: HKL SLIMv 1,2kW HKL SLIMv
Διαβάστε περισσότεραStart. Vstup r. O = 2*π*r S = π*r*r. Vystup O, S. Stop. Start. Vstup P, C V = P*C*1,19. Vystup V. Stop
1) Vytvorte algoritmus (vývojový diagram) na výpočet obvodu kruhu. O=2xπxr ; S=πxrxr Vstup r O = 2*π*r S = π*r*r Vystup O, S 2) Vytvorte algoritmus (vývojový diagram) na výpočet celkovej ceny výrobku s
Διαβάστε περισσότεραGoniometrické rovnice a nerovnice. Základné goniometrické rovnice
Goniometrické rovnice a nerovnice Definícia: Rovnice (nerovnice) obsahujúce neznámu x alebo výrazy s neznámou x ako argumenty jednej alebo niekoľkých goniometrických funkcií nazývame goniometrickými rovnicami
Διαβάστε περισσότεραBiostatistics for Health Sciences Review Sheet
Biostatistics for Health Sciences Review Sheet http://mathvault.ca June 1, 2017 Contents 1 Descriptive Statistics 2 1.1 Variables.............................................. 2 1.1.1 Qualitative........................................
Διαβάστε περισσότεραRozsah akreditácie 1/5. Príloha zo dňa k osvedčeniu o akreditácii č. K-003
Rozsah akreditácie 1/5 Názov akreditovaného subjektu: U. S. Steel Košice, s.r.o. Oddelenie Metrológia a, Vstupný areál U. S. Steel, 044 54 Košice Rozsah akreditácie Oddelenia Metrológia a : Laboratórium
Διαβάστε περισσότεραŠTATISTICKÉ METÓDY VPRAXI
TECHNICKÁ UNIVERZITA V KOŠICIACH Strojnícka fakulta ŠTATISTICKÉ METÓDY VPRAXI Miriam Andrejiová Edícia vedeckej a odbornej literatúry Košice 2016 Technická univerzita v Košiciach, Strojnícka fakulta Miriam
Διαβάστε περισσότεραWeb-based supplementary materials for Bayesian Quantile Regression for Ordinal Longitudinal Data
Web-based supplementary materials for Bayesian Quantile Regression for Ordinal Longitudinal Data Rahim Alhamzawi, Haithem Taha Mohammad Ali Department of Statistics, College of Administration and Economics,
Διαβάστε περισσότεραŠTATISTIKA. Obsah. Predmet štatistiky Popisná štatistika Štatistické charakteristiky jednorozmerných rozdelení.. 17
ŠTATISTIKA Obsah Predmet štatistiky Meranie a úrovne merania 10 Popisná štatistika 13 Jednorozmerné rozdelenie 14 Štatistické charakteristiky jednorozmerných rozdelení 17 Dvojrozmerné rozdelenie 5 Štatistické
Διαβάστε περισσότεραMotivácia Denícia determinantu Výpo et determinantov Determinant sú inu matíc Vyuºitie determinantov. Determinanty. 14. decembra 2010.
14. decembra 2010 Rie²enie sústav Plocha rovnobeºníka Objem rovnobeºnostena Rie²enie sústav Príklad a 11 x 1 + a 12 x 2 = c 1 a 21 x 1 + a 22 x 2 = c 2 Dostaneme: x 1 = c 1a 22 c 2 a 12 a 11 a 22 a 12
Διαβάστε περισσότεραHarmonizované technické špecifikácie Trieda GP - CS lv EN Pevnosť v tlaku 6 N/mm² EN Prídržnosť
Baumit Prednástrek / Vorspritzer Vyhlásenie o parametroch č.: 01-BSK- Prednástrek / Vorspritzer 1. Jedinečný identifikačný kód typu a výrobku: Baumit Prednástrek / Vorspritzer 2. Typ, číslo výrobnej dávky
Διαβάστε περισσότεραTESTOVANIE ŠTATISTICKÝCH HYPOTÉZ. Zdroje: Kompendium statistického zpracování dat, VPS s r. o.
TESTOVANIE ŠTATISTICKÝCH HYPOTÉZ Zdroje: Kompendium statistického zpracování dat, VPS s r. o. Témy prednášky ŠTATISTIKA, HYPOTÉZA TESTY ŠTATISTICKÝCH HYPOTÉZ (Testy štatistickej významnosti) t-test (STUDENTOV)
Διαβάστε περισσότεραKATALÓG KRUHOVÉ POTRUBIE
H KATALÓG KRUHOVÉ POTRUBIE 0 Základné požiadavky zadávania VZT potrubia pre výrobu 1. Zadávanie do výroby v spoločnosti APIAGRA s.r.o. V digitálnej forme na tlačive F05-8.0_Rozpis_potrubia, zaslané mailom
Διαβάστε περισσότεραARMA modely čast 2: moving average modely (MA)
ARMA modely čast 2: moving average modely (MA) Beáta Stehlíková Časové rady, FMFI UK, 2011/2012 ARMA modely časť 2: moving average modely(ma) p.1/25 V. Moving average proces prvého rádu - MA(1) ARMA modely
Διαβάστε περισσότεραPREHĽAD ZÁKLADNÝCH VZORCOV A VZŤAHOV ZO STREDOŠKOLSKEJ MATEMATIKY. Pomôcka pre prípravný kurz
KATEDRA APLIKOVANEJ MATEMATIKY A INFORMATIKY STROJNÍCKA FAKULTA TU KOŠICE PREHĽAD ZÁKLADNÝCH VZORCOV A VZŤAHOV ZO STREDOŠKOLSKEJ MATEMATIKY Pomôcka pre prípravný kurz 8 ZÁKLADNÉ ALGEBRAICKÉ VZORCE ) (a±b)
Διαβάστε περισσότεραΣτατιστικές Κατανομές και Πιθανότητες. Θεωρία και παραδείγματα.
Στατιστικές Κατανομές και Πιθανότητες. Θεωρία και παραδείγματα. Γκούμας Στράτος. Πτυχιούχος Οικονομολόγος. MSc Εφαρμοσμένη Οικονομική και Χρηματοοικονομική (Ε.Κ.Π.Α./ Τμήμα Οικονομικών Team Site: A.E.A.C.
Διαβάστε περισσότεραΆσκηση 10, σελ. 119. Για τη μεταβλητή x (άτυπος όγκος) έχουμε: x censored_x 1 F 3 F 3 F 4 F 10 F 13 F 13 F 16 F 16 F 24 F 26 F 27 F 28 F
Άσκηση 0, σελ. 9 από το βιβλίο «Μοντέλα Αξιοπιστίας και Επιβίωσης» της Χ. Καρώνη (i) Αρχικά, εισάγουμε τα δεδομένα στο minitab δημιουργώντας δύο μεταβλητές: τη x για τον άτυπο όγκο και την y για τον τυπικό
Διαβάστε περισσότεραPevné ložiská. Voľné ložiská
SUPPORTS D EXTREMITES DE PRECISION - SUPPORT UNIT FOR BALLSCREWS LOŽISKA PRE GULIČKOVÉ SKRUTKY A TRAPÉZOVÉ SKRUTKY Výber správnej podpory konca uličkovej skrutky či trapézovej skrutky je dôležité pre správnu
Διαβάστε περισσότεραZáklady matematickej štatistiky a jej aplikácie použitím programovacích jazykov R a S
Katedra aplikovanej matematiky a štatistiky Fakulta matematiky, fyziky a informatiky Univerzita Komenského v Bratislave Vybrané kapitoly z počítačovej štatistiky I Základy matematickej štatistiky a jej
Διαβάστε περισσότεραvantum s.r.o. VŠETKO PRE ELEKTROERÓZIU V3 Kap.11 / str. 1
VŠETKO PRE ELEKTROERÓZIU V3 Kap.11 / str. 1 Prúdové kontakty pre rezačky Brother 5400 Horný a dolný prúdový kontakt pre sériu HS 300 materiál: karbid wolfrámu OKB: 632276000 5401 Horný a dolný prúdový
Διαβάστε περισσότεραSLOVENSKO maloobchodný cenník (bez DPH)
Hofatex UD strecha / stena - exteriér Podkrytinová izolácia vhodná aj na zaklopenie drevených rámových konštrukcií; pero a drážka EN 13171, EN 622 22 580 2500 1,45 5,7 100 145,00 3,19 829 hustota cca.
Διαβάστε περισσότεραRozdiely vo vnútornej štruktúre údajov = tvarové charakteristiky
Veľkosť Varablta Rozdelene 0 00 80 n 60 40 0 0 0 4 6 8 Tredy 0 Rozdely vo vnútornej štruktúre údajov = tvarové charakterstky I CHARAKTERISTIKY PREMELIVOSTI Artmetcký premer Vzťahy pre výpočet artmetckého
Διαβάστε περισσότεραAerobTec Altis Micro
AerobTec Altis Micro Záznamový / súťažný výškomer s telemetriou Výrobca: AerobTec, s.r.o. Pionierska 15 831 02 Bratislava www.aerobtec.com info@aerobtec.com Obsah 1.Vlastnosti... 3 2.Úvod... 3 3.Princíp
Διαβάστε περισσότεραTesty dobrej zhody. H 0 : f(x) = g(x) ; H 1 : f(x) g(x)
TESTY DOBREJ ZHODY Testy dobrej zhody = testy hypotéz zhody rozdelení (= testy dobrej zhody / ft testy / Goodness of Ft Tests) Overujeme, č emprcké rozdelene je štatstcky zhodné s nektorým z teoretckých
Διαβάστε περισσότεραKATEDRA DOPRAVNEJ A MANIPULAČNEJ TECHNIKY Strojnícka fakulta, Žilinská Univerzita
132 1 Absolútna chyba: ) = - skut absolútna ochýlka: ) ' = - spr. relatívna chyba: alebo Chyby (ochýlky): M systematické, M náhoné, M hrubé. Korekcia: k = spr - = - Î' pomerná korekcia: Správna honota:
Διαβάστε περισσότεραST5224: Advanced Statistical Theory II
ST5224: Advanced Statistical Theory II 2014/2015: Semester II Tutorial 7 1. Let X be a sample from a population P and consider testing hypotheses H 0 : P = P 0 versus H 1 : P = P 1, where P j is a known
Διαβάστε περισσότεραPriamkové plochy. Ak každým bodom plochy Φ prechádza aspoň jedna priamka, ktorá (celá) na nej leží potom plocha Φ je priamková. Santiago Calatrava
Priamkové plochy Priamkové plochy Ak každým bodom plochy Φ prechádza aspoň jedna priamka, ktorá (celá) na nej leží potom plocha Φ je priamková. Santiago Calatrava Priamkové plochy rozdeľujeme na: Rozvinuteľné
Διαβάστε περισσότεραM8 Model "Valcová a kužeľová nádrž v sérií bez interakcie"
M8 Model "Valcová a kužeľová nádrž v sérií bez interakcie" Úlohy: 1. Zostavte matematický popis modelu M8 2. Vytvorte simulačný model v prostredí: a) Simulink zostavte blokovú schému, pomocou rozkladu
Διαβάστε περισσότεραCvičenie č. 4,5 Limita funkcie
Cvičenie č. 4,5 Limita funkcie Definícia ity Limita funkcie (vlastná vo vlastnom bode) Nech funkcia f je definovaná na nejakom okolí U( ) bodu. Hovoríme, že funkcia f má v bode itu rovnú A, ak ( ε > )(
Διαβάστε περισσότεραAquinas College. Edexcel Mathematical formulae and statistics tables DO NOT WRITE ON THIS BOOKLET
Aquinas College Edexcel Mathematical formulae and statistics tables DO NOT WRITE ON THIS BOOKLET Pearson Edexcel Level 3 Advanced Subsidiary and Advanced GCE in Mathematics and Further Mathematics Mathematical
Διαβάστε περισσότεραDefinícia parciálna derivácia funkcie podľa premennej x. Definícia parciálna derivácia funkcie podľa premennej y. Ak existuje limita.
Teória prednáška č. 9 Deinícia parciálna deriácia nkcie podľa premennej Nech nkcia Ak eistje limita je deinoaná okolí bod [ ] lim. tak túto limit nazýame parciálno deriácio nkcie podľa premennej bode [
Διαβάστε περισσότεραKompilátory. Cvičenie 6: LLVM. Peter Kostolányi. 21. novembra 2017
Kompilátory Cvičenie 6: LLVM Peter Kostolányi 21. novembra 2017 LLVM V podstate sada nástrojov pre tvorbu kompilátorov LLVM V podstate sada nástrojov pre tvorbu kompilátorov Pôvodne Low Level Virtual Machine
Διαβάστε περισσότεραObsah. Motivácia a definícia. Metódy výpočtu. Problémy a kritika. Spätné testovanie. Prípadová štúdia využitie v NBS. pre 1 aktívum pre portfólio
Value at Risk Obsah Motivácia a definícia Metódy výpočtu pre 1 aktívum pre portfólio Problémy a kritika Spätné testovanie Prípadová štúdia využitie v NBS Motivácia Ako kvantifikovať riziko? Nakúpil som
Διαβάστε περισσότερα2 Chyby a neistoty merania, zápis výsledku merania
2 Chyby a neistoty merania, zápis výsledku merania Akej chyby sa môžeme dopustiť pri meraní na stopkách? Ako určíme ich presnosť? Základné pojmy: chyba merania, hrubé chyby, systematické chyby, náhodné
Διαβάστε περισσότεραNávrh vzduchotesnosti pre detaily napojení
Výpočet lineárneho stratového súčiniteľa tepelného mosta vzťahujúceho sa k vonkajším rozmerom: Ψ e podľa STN EN ISO 10211 Návrh vzduchotesnosti pre detaily napojení Objednávateľ: Ing. Natália Voltmannová
Διαβάστε περισσότεραPRIEMER DROTU d = 0,4-6,3 mm
PRUŽINY PRUŽINY SKRUTNÉ PRUŽINY VIAC AKO 200 RUHOV SKRUTNÝCH PRUŽÍN PRIEMER ROTU d = 0,4-6,3 mm èíslo 3.0 22.8.2008 8:28:57 22.8.2008 8:28:58 PRUŽINY SKRUTNÉ PRUŽINY TECHNICKÉ PARAMETRE h d L S Legenda
Διαβάστε περισσότεραZáklady práce s ekonometrickým programom GRETL
Základy práce s ekonometrickým programom GRETL Martin Lukáčik, Viktor Slosiar GRETL je voľne dostupný softvérový produkt so zameraním na štatistické metódy podporujúci ekonometrické analýzy 1. Samotný
Διαβάστε περισσότεραPožiadavky k štátnej skúške pre magisterský študijný program
z predmetu: Matematická analýza 1. Číselné postupnosti a ich základné vlastnosti. 2. Funkcia jednej reálnej premennej, základné vlastnosti funkcií. 3. Derivácia funkcie jednej reálnej premennej, jej vlastnosti
Διαβάστε περισσότεραStanovení ekonomického
Univerzita Karlova v Praze Matematicko-fyzikální fakulta DIPLOMOVÁ PRÁCE Petra Černayová Stanovení ekonomického kapitálu v neživotním pojištění Katedra pravděpodobnosti a matematické statistiky Vedoucí
Διαβάστε περισσότεραVyhlásenie o parametroch stavebného výrobku StoPox GH 205 S
1 / 5 Vyhlásenie o parametroch stavebného výrobku StoPox GH 205 S Identifikačný kód typu výrobku PROD2141 StoPox GH 205 S Účel použitia EN 1504-2: Výrobok slúžiaci na ochranu povrchov povrchová úprava
Διαβάστε περισσότεραStatistical Inference I Locally most powerful tests
Statistical Inference I Locally most powerful tests Shirsendu Mukherjee Department of Statistics, Asutosh College, Kolkata, India. shirsendu st@yahoo.co.in So far we have treated the testing of one-sided
Διαβάστε περισσότεραDIPLOMOVÁ PRÁCA. Analýza modelu pre oceňovanie rizika pri upisovaní poistných zmlúv v oblasti veľkých rizík
UNIVERZITA PALACKÉHO V OLOMOUCI PŘÍRODOVĚDECKÁ FAKULTA KATEDRA MATEMATICKÉ ANALÝZY A APLIKACÍ MATEMATIKY DIPLOMOVÁ PRÁCA Analýza modelu pre oceňovanie rizika pri upisovaní poistných zmlúv v oblasti veľkých
Διαβάστε περισσότεραHOMEWORK#1. t E(x) = 1 λ = (b) Find the median lifetime of a randomly selected light bulb. Answer:
HOMEWORK# 52258 李亞晟 Eercise 2. The lifetime of light bulbs follows an eponential distribution with a hazard rate of. failures per hour of use (a) Find the mean lifetime of a randomly selected light bulb.
Διαβάστε περισσότερα3. Striedavé prúdy. Sínusoida
. Striedavé prúdy VZNIK: Striedavý elektrický prúd prechádza obvodom, ktorý je pripojený na zdroj striedavého napätia. Striedavé napätie vyrába synchrónny generátor, kde na koncoch rotorového vinutia sa
Διαβάστε περισσότερα255 (log-normal distribution) 83, 106, 239 (malus) 26 - (Belgian BMS, Markovian presentation) 32 (median premium calculation principle) 186 À / Á (goo
(absolute loss function)186 - (posterior structure function)163 - (a priori rating variables)25 (Bayes scale) 178 (bancassurance)233 - (beta distribution)203, 204 (high deductible)218 (bonus)26 ( ) (total
Διαβάστε περισσότερα519.22(07.07) 78 : ( ) /.. ; c (07.07) , , 2008
.. ( ) 2008 519.22(07.07) 78 : ( ) /.. ;. : -, 2008. 38 c. ( ) STATISTICA.,. STATISTICA.,. 519.22(07.07),.., 2008.., 2008., 2008 2 ... 4 1...5...5 2...14...14 3...27...27 3 ,, -. " ", :,,,... STATISTICA.,,,.
Διαβάστε περισσότεραANALÝZA VÝKONNOSTI CALL CENTRA POMOCÍ STATISTICKÝCH METOD
VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY FAKULTA PODNIKATELSKÁ ÚSTAV INFORMATIKY FACULTY OF BUSINESS AND MANAGEMENT INSTITUTE OF INFORMATICS ANALÝZA VÝKONNOSTI CALL CENTRA POMOCÍ STATISTICKÝCH
Διαβάστε περισσότερα6 APLIKÁCIE FUNKCIE DVOCH PREMENNÝCH
6 APLIKÁCIE FUNKCIE DVOCH PREMENNÝCH 6. Otázky Definujte pojem produkčná funkcia. Definujte pojem marginálny produkt. 6. Produkčná funkcia a marginálny produkt Definícia 6. Ak v ekonomickom procese počet
Διαβάστε περισσότεραVyužitie programu Microsoft Excel pri ekonometrickom modelovaní
Využitie programu Microsoft Excel pri ekonometrickom modelovaní Martin Lukáčik, Adriana Lukáčiková, Karol Szomolányi Aplikovanú ekonometriu, najmä odhad parametrov modelu a testovanie predpokladov si už
Διαβάστε περισσότερα24. Základné spôsoby zobrazovania priestoru do roviny
24. Základné spôsoby zobrazovania priestoru do roviny Voľné rovnobežné premietanie Presné metódy zobrazenia trojrozmerného priestoru do dvojrozmernej roviny skúma samostatná matematická disciplína, ktorá
Διαβάστε περισσότεραExercises to Statistics of Material Fatigue No. 5
Prof. Dr. Christine Müller Dipl.-Math. Christoph Kustosz Eercises to Statistics of Material Fatigue No. 5 E. 9 (5 a Show, that a Fisher information matri for a two dimensional parameter θ (θ,θ 2 R 2, can
Διαβάστε περισσότεραStrana 1/5 Príloha k rozhodnutiu č. 544/2011/039/5 a k osvedčeniu o akreditácii č. K-052 zo dňa Rozsah akreditácie
Strana 1/5 Rozsah akreditácie Názov akreditovaného subjektu: CHIRANALAB, s.r.o., Kalibračné laboratórium Nám. Dr. A. Schweitzera 194, 916 01 Stará Turá IČO: 36 331864 Kalibračné laboratórium s fixným rozsahom
Διαβάστε περισσότερα794 Appendix A:Tables
Appendix A Tables A Table Contents Page A.1 Random numbers 794 A.2 Orthogonal polynomial trend contrast coefficients 800 A.3 Standard normal distribution 801 A.4 Student s t-distribution 802 A.5 Chi-squared
Διαβάστε περισσότεραPríručka ku kurzu SPÔSOBILOSŤ PROCESU
E+6 E+5 E+ E+ E+ E+ E+ E- Príručka ku kurzu SPÔSOBILOSŤ PROCESU E- E- E- E-5 E-6 E-7 E-8,5,7,9,,,5,7,9,,,5 ÚVOD Z noriem a inej literatúry je známych mnoho postupov, ako stanoviť spôsobilosť procesu. Existuje
Διαβάστε περισσότερα1. písomná práca z matematiky Skupina A
1. písomná práca z matematiky Skupina A 1. Vypočítajte : a) 84º 56 + 32º 38 = b) 140º 53º 24 = c) 55º 12 : 2 = 2. Vypočítajte zvyšné uhly na obrázku : β γ α = 35 12 δ a b 3. Znázornite na číselnej osi
Διαβάστε περισσότεραΚεφάλαιο 5. Βασικές έννοιες ελέγχων υποθέσεων και έλεγχοι κανονικότητας
Κεφάλαιο 5 Σύνοψη Βασικές έννοιες ελέγχων υποθέσεων και έλεγχοι κανονικότητας Βασικές έννοιες και ορισμοί του ελέγχου υποθέσεων, γραφικοί έλεγχοι κανονικότητας μέσω των ιστογραμμάτων (διαδρομές Analyze
Διαβάστε περισσότεραJMAK の式の一般化と粒子サイズ分布の計算 by T.Koyama
MAK by T.Koyama MAK MAK f () = exp{ fex () = exp (') v(, ') ' () (') ' v (, ') ' f (), (), v (, ') f () () f () () v (, ') f () () v (, ') f () () () = + {exp( A) () f () = exp( K ) () K,,, A *** ***************************************************************************
Διαβάστε περισσότεραSOLUTIONS TO MATH38181 EXTREME VALUES AND FINANCIAL RISK EXAM
SOLUTIONS TO MATH38181 EXTREME VALUES AND FINANCIAL RISK EXAM Solutions to Question 1 a) The cumulative distribution function of T conditional on N n is Pr T t N n) Pr max X 1,..., X N ) t N n) Pr max
Διαβάστε περισσότεραKAGEDA AUTORIZOVANÝ DISTRIBÚTOR PRE SLOVENSKÚ REPUBLIKU
DVOJEXCENTRICKÁ KLAPKA je uzatváracia alebo regulačná armatúra pre rozvody vody, horúcej vody, plynov a pary. Všetky klapky vyhovujú smernici PED 97/ 23/EY a sú tiež vyrábané pre výbušné prostredie podľa
Διαβάστε περισσότεραRozsah hodnotenia a spôsob výpočtu energetickej účinnosti rozvodu tepla
Rozsah hodnotenia a spôsob výpočtu energetickej účinnosti príloha č. 7 k vyhláške č. 428/2010 Názov prevádzkovateľa verejného : Spravbytkomfort a.s. Prešov Adresa: IČO: Volgogradská 88, 080 01 Prešov 31718523
Διαβάστε περισσότεραmnožiny F G = {t1, t2,, tn} T a pre ľubovoľný valec C so základňou B1, B2,, Bn v bodoch t1, t2,, tn, takou, že pre t G - F je Bt = E, platí PF(C) = PG
STOCHASTICKÝ PROCES Definícia stochastického procesu Definícia 1 Nech (Ω, F, P) je pravdepodobnostný priestor a nech T je podmnožina R. Pre každé t T nech X(t, ω) je náhodná premenná definovaná na pravdepodobnostnom
Διαβάστε περισσότεραEinsteinove rovnice. obrázkový úvod do Všeobecnej teórie relativity. Pavol Ševera. Katedra teoretickej fyziky a didaktiky fyziky
Einsteinove rovnice obrázkový úvod do Všeobecnej teórie relativity Pavol Ševera Katedra teoretickej fyziky a didaktiky fyziky (Pseudo)historický úvod Gravitácia / Elektromagnetizmus (Pseudo)historický
Διαβάστε περισσότεραZADANIE 1_ ÚLOHA 3_Všeobecná rovinná silová sústava ZADANIE 1 _ ÚLOHA 3
ZDNIE _ ÚLOH 3_Všeobecná rovinná silová sústv ZDNIE _ ÚLOH 3 ÚLOH 3.: Vypočítjte veľkosti rekcií vo väzbách nosník zťženého podľ obrázku 3.. Veľkosti známych síl, momentov dĺžkové rozmery sú uvedené v
Διαβάστε περισσότερα,Zohrievanie vody indukčným varičom bez pokrievky,
Farba skupiny: zelená Označenie úlohy:,zohrievanie vody indukčným varičom bez pokrievky, Úloha: Zistiť, ako závisí účinnosť zohrievania vody na indukčnom variči od priemeru použitého hrnca. Hypotéza: Účinnosť
Διαβάστε περισσότερα