Radek Hendrych. Stochastické modelování v ekonomii a financích. 18. října 2010
|
|
- Patrik Říha
- před 5 lety
- Počet zobrazení:
Transkript
1 Sochasické modelování v ekonomii a financích 18. října 21
2 Program
3 Úroková míra R, T ) Uvažujme bezrizikový bezkuponový dluhopis s mauriou T a nominální hodnoou 1 $, jeho cenu v čase budeme nadále znači jako P, T ), T. Úroková míra R, T ) Úroková míra R, T ), T, je definována jako míra výnosnosi do doby splanosi T bezrizikového bezkuponového dluhopisu se jmenoviou hodnoou 1 $, j. P, T ) = e R,T ) T ), T.
4 Výnosová křivka Jednoduše odvodíme R, T ) = 1 log P, T ), T. T Je zřejmé, že znalos cen bezrizikového bezkuponového dluhopisu P, T ) je ekvivalenní znalosi spojiých úrokových měr R, T ). Výnosová křivka Funkci R, ) nazýváme výnosovou křivkou.
5 Okamžiá úroková míra Plaí R, + ) = Okamžiá úroková míra log P, + ),, >. Okamžiou úrokovou míru r) definujeme jako r) = lim R, + ) = ) log P, ). T
6 Forwardová úroková míra Forwardová úroková míra Forwardovou úrokovou míru f, T, T 1 ) v čase na dobu od T do T 1, T < T 1, definujeme jako řešení rovnice e R,T1) T1 ) = e R,T ) T ) e f,t,t1) T1 T ). Levá srana udává hodnou jednokového vkladu uloženého na dobu od do T 1, pravá srana pak jeho uložení na dobu od do T a následně uložení ve formě forwardu na dobu od T do T 1. Zjevně plaí j. 1 P, T 1 ) = 1 P, T ) ef,t,t1) T1 T ), f, T, T 1 ) = log P, T ) log P, T 1). T 1 T
7 Okamžiá forwardová úroková míra Okamžiá forwardová úroková míra Okamžiou forwardovou úrokovou míru f, T ) definujeme jako f, T ) = lim f, T, T 1) = ) log P, T ), T. T 1 T T r) = f, ) log P, T ) = log P, T ) log P, ) = T = T f, s)ds P, T ) = exp log P,s) s T f, s)ds Znalos cen bezrizikového bezkuponového dluhopisu P, T ) je udíž ekvivalenní znalosi okamžié forwardové úrokové míry f, T ). ) ds
8 Forwardová křivka Forwardová křivka Funkci f, ) nazýváme forwardovou křivkou. Forwardová křivka f, ) se podobá výnosové křivce R, ), obecně jsou však yo navzájem různé, neboť plaí R, T ) T = T log P, T ) T ) = P,T ) T 1 P,T ) T ) + log P, T ) T ) 2 f, T ) T ) + log P, T ) = T ) 2 f, T ) = R, T )+T ) R, T ). T Je-li výnosová křivka rosoucí klesající), je forwardová křivka věší menší) než výnosová.
9 Model Jednoduchý model forwardové úrokové míry Mějme dánu počáeční forwardovou inegrovaelnou) křivku f, T ), uvažujme dále, že se forwardová míra f, T ) řídí sochasickou diferenciální rovnicí d f, T ) = α, T )d + σdw, kde σ je daná konsanní volailia a α, ) je omezená deerminisická funkce času a mauriy T. Zřejmě f, T ) = f, T ) + αs, T )ds + σw. forwardová úroková míra má normální rozdělení rozdíl f, T ) f, S) je plně deerminisický v modelu vysupuje pouze jediný náhodný člen, j. Wienerův proces W
10 Peněžní úče cash bond) I. Zaveďme peněžní úče cash bond) v čase, B, jakožo jednoku měřící hodnou našeho akiva bezrizikového bezkuponového dluhopisu). B se přirozeně řídí obyčejnou diferenciální rovnicí db = r B d, B = 1 B = exp r s d s ). Víme, že r = f, ), j. r = f, ) + αs, )ds + σw. r je v omo případě normálně rozdělený náhodný proces model však připouší i záporné hodnoy r
11 Peněžní úče cash bond) II. Z předešlých úvah vyplývá ) B = exp σ W s ds + f, u)du + αs, u)duds, s dále pak P, T ) = exp = exp T f, s)ds ) σt )W T ) T f, s)ds αs, u)duds.
12 Replikační sraegie I. Replikační sraegie Naším cílem je replikova nějaké finanční akivum X v časovém horizonu S T. 1 Nalezneme rizikově neurální míru Q, při keré je proces Z = B 1 P, T ) maringalem. 2 Zavedeme E = E Q B 1 S X F ). 3 Nalezneme previsibilní proces φ ak, že de = φ dz. Proces Z vyjadřuje hodnou akiva P, T ) v jednokách peněžního úču.
13 Replikační sraegie II. Z = B 1 P, T ) = = exp σt )W σ T ) T W s ds f, u)du αs, u)duds. s Aplikací Iôova lemmau dosáváme ) ) T dz = Z σt )dw α, u)du d σ2 T ) 2 d.
14 Replikační sraegie III. První krok replikační sraegie Plaí ) ) T dz = Z σt )dw α, u)du d σ2 T ) 2 d. Položme γ = 1 2 σt ) + 1 T α, u)du. σt ) Podle věy C-M-G získáváme míru Q ekvivalenní míře P akovou, že W = W + γ sds je Q-Brownův pohyb. Příslušná sochasická diferenciální rovnice je dz = σz T )d W. Náhodný proces Z je edy Q-maringal.
15 Replikační sraegie IV. Druhý krok replikační sraegie Položme E je Q-maringal. Třeí krok replikační sraegie E = E Q B 1 S X F ). Aplikací věy o reprezenaci maringalů nalezneme F-previsibilní proces φ akový, že E = E Q B 1 S X ) + φ s dz s.
16 Obchodní sraegie Obchodní sraegie φ, ψ ) držíme φ jednoek bezrizikového bezkuponového dluhopisu s cenou P, T ) držíme ψ = E φ Z jednoek na peněžním úču Hodnoa našeho porfolia v čase je V = φ P, T ) + ψ B = B E. Porfolio je samofinancující se, neboť dv = φ d P, T ) + ψ db. Hodnoa porfolia v čase je V = E Q B 1 S X ), v čase S poom V S = X.
17 Replikační sraegie V. Pokusme se nyní oceni dluhopis s mauriou S, P, S). Uvažujme X = PS, S) = 1 jakožo akivum určené k replikaci pomocí peněžního úču a dluhopisu s mauriou T. Položme Y = B 1 P, S), podobně jako dříve lze odvodi ) ) S dy = Y σs )dw α, u)du d σ2 S ) 2 d. Definujme γ S = 1 1 S 2σS ) + σs ) α, u)du, poom dy = σy S ) d W + γ S ) ) γ d. K omu, aby byl proces Y Q-maringalem, je nuné, aby γ S = γ.
18 Replikační sraegie VI. γ edy nesmí závise na T, j. γ / T =. Ze vzahu γ = 1 1 2σT ) + σt ) T α, u)du posupně dosáváme σt )γ = 1 T 2 σ2 T ) 2 + α, u)du σγ + σt ) γ T = σ2 T ) + α, T ), α, T ) = σ 2 T ) + σγ. / T, Poslední uvedená rovnice říká, jaké omezení kladené na funkci α, T ) je v rámci námi uvažovaného modelu nuné splni.
19 Úvod v roce 199 jej publikovali David Heah, Bob Jarrow a Andy Moron dnes jedním z nejpoužívanějších modelů jedná se de faco o jakýsi rámec speciální případy Hull-Whie, Ho-Lee)
20 Odvození modelu I. Výchozí sochasický model Fixujme T a nechť je rizikově neurální dynamika procesu hodnoy bezrizikového bezkuponového dluhopisu P, T ) řízena rovnicí dp, T ) = r P, T )d + s, T )P, T )dw, kde volailia s, T ) závisí na minulých a současných hodnoách okamžiých úrokových měr a vývoji cen dluhopisu. Pro forwardovou úrokovou míru plaí f, T, T 1 ) = log P, T ) log P, T 1), T 1 T j. df, T, T 1 ) = d[log P, T )] d[log P, T 1)]. T 1 T
21 Odvození modelu II. Aplikací Iôova lemmau obdržíme [ d[log P, T )] = r 1 ] 2 s2, T ) d + s, T )dw, [ d[log P, T 1 )] = r 1 ] 2 s2, T 1 ) d + s, T 1 )dw. Dosadíme-li, dosáváme df, T, T 1 ) = s2, T 1 ) s 2, T ) 2T 1 T ) d + s, T ) s, T 1) dw. T 1 T Vidíme, že proces pro forwardovou míru závisí pouze na volaiě s.
22 Odvození modelu III. Liminím přechodem pro T 1 T v předchozím vzahu získáváme df, T ) = s, T ) s, T ) s, T ) d T T dw. Položme α, T ) = s, T ) s,t ) T a σ, T ) = s,t ) T. Proože s, T ) = s, T ) s, ) = můžeme shrnou T s, τ) T dτ = σ, τ)dτ, τ T α, T ) = σ, T ) σ, τ)dτ.
23 Odvození modelu IV. Nechť je dána počáeční forwardová křivka f, T ), řekneme, že se forwardová úroková míra f, T ) řídí em, vyhovuje-li sochasické diferenciální rovnici kde d f, T ) = α, T )d + σ, T )dw, T, T α, T ) = σ, T ) σ, τ)dτ, σ, T ) = s, T ) T.
24 Technické předpoklady Technické předpoklady 1 Pro všechna T jsou α, T ) a σ, T ) previsibilní procesy závisející pouze na hisorii pohybů okamžiých úrokových měr a cen dluhopisů do času, dále plaí T σ 2, T )d < a T α, T ) d <. 2 f, T ) je deerminisická a vyhovuje podmínce 3 T T f, u) du <. u α, u) ddu < a E T u σ, u)dw du <.
25 Peněžní úče cash bond) Víme, že r = f, ), j. r = f, ) + σs, )dw s + αs, )ds. ) Z B = exp r sds vyplývá ) ) B = exp σs, u)du dw s + f, u)du + αs, u)duds. s s Dále dosáváme P, T ) = exp ) T f, u)du = = exp s ) T ) T σs, u)du dw s f, u)du αs, u)duds.
26 Replikační sraegie I. Z, T ) = B 1 P, T ) = T T ) = exp Σs, T )dw s σ W s ds f, u)du αs, u)duds, s kde Σs, T ) = T σ, u)du. Aplikací Iôova lemmau dosáváme d Z, T ) = Z, T ) Σ, T )dw + ) ) 1 T 2 Σ2, T ) α, u)du d.
27 Replikační sraegie II. První krok replikační sraegie Plaí edy d Z, T ) = Z, T ) Σ, T )dw + Položme γ = 1 2 Σ, T ) 1 T Σ,T ) α, u)du. ) ) 1 T 2 Σ2, T ) α, u)du d. Podle věy C-M-G při splnění echnické podmínky ) 1 T E P exp 2 γ2 d < ) získáváme míru Q ekvivalenní míře P akovou, že W = W + γ sds je Q-Brownův pohyb. Příslušná SDE je varu d Z, T ) = Z Σ, T )d W. ) 1 T Je-li splněno E Q exp 2 Σ2, T )d <, pak je proces Z, T ) Q-maringalem.
28 Replikační sraegie III. Druhý krok replikační sraegie Položme E je Q-maringal. Třeí krok replikační sraegie E = E Q B 1 S X F ). Aplikací věy o reprezenaci maringalů nalezneme F-previsibilní proces φ akový, že E = E Q B 1 S X ) + φ s dzs, T ) v omo případě je však nuné, aby Σ, T ) > pro < T.
29 Obchodní sraegie Obchodní sraegie φ, ψ ) držíme φ jednoek bezrizikového bezkuponového dluhopisu s cenou P, T ) držíme ψ = E φ Z, T ) jednoek na peněžním úču Hodnoa našeho porfolia v čase je V = φ P, T ) + ψ B = B E. Porfolio je samofinancující se, neboť dv = φ d P, T ) + ψ db. Hodnoa porfolia v čase je V = E Q B 1 S X ), v čase S poom V S = X.
30 Replikační sraegie IV. Pokusíme-li se opě oceni dluhopis s mauriou S, P, S), přičemž uvažujme X = PS, S) = 1 jakožo akivum určené k replikaci pomocí peněžního úču a dluhopisu s mauriou T, pak bychom podobně jako dříve odvodili podmínku pro drif α, T ) = σ, T ) γ Σ, T )), T. Položíme-li σ, T ) = σ a Σ, T ) = σt ), přecházíme k jednoduchému modelu uvažovaném v předcházející sekci.
31 Podmínky pro Podmínky pro Exisuje F-previsibilní proces γ akový, že α, T ) = σ, T ) γ Σ, T )), T. Proces A ω) = Σ, T )ω) je kladný pro skoro všechny, ω), < T, pro všechny mauriy T. ) 1 T E P exp 2 γ2 d <. ) 1 T E P exp 2 γ Σ, T )) 2 d <.
32 Iô Iôovo lemma Nechť X je sochasický proces ve varu dx = σ dw + µ d a f je deerminisická dvakrá diferencovaelná funkce. Poom Y = f X ) je aké sochasický proces a plaí: dy = ) σ f X ) dw + µ f X ) + 1 ) 2 σ2 f X ) d.
33 C-M-G Věa Cameron - Marin - Girsanov Nechť W je Brownův pohyb vzhledem k míře P. γ je F -adapovaný ) 1 T proces, kerý splňuje podmínku E P exp 2 γ2 d <. Pak exisuje míra Q aková, že plaí: 1 Q je ekvivalenní s P, dq 2 dp = exp T γ ) dw 1 T 2 γ2 d, 3 W = W + γ sds je Brownův pohyb vzhledem k míře Q.
34 Reprezenace maringalu Věa o reprezenaci maringalu Nechť M je maringal vzhledem k míře Q, jehož volailia σ je s.j. nenulová. Pokud N je libovolný maringal vzhledem k míře Q, pak exisuje F -previsibilní proces φ ak, že s.j. plaí T φ2 σ 2 d < a N lze vyjádři jako: N = N + φ s dm s. Proces φ je navíc určen jednoznačně.
35 Posačující podmínka pro maringal Věa Nechť dx = σ X dw, přičemž σ je F-previsibilní proces, poom 1 )) E exp σs 2 ds < X je maringal. 2
36 Lieraura Baxer, M. & Rennie A. 23). Financial calculus: An Inroducion o derivaive pricing. Cambridge: Cambridge Universiy Press. Hull, J. C. 26). Opions, fuures and oher derivaives. New Jersey: Pearson Prenice Hall. Málek, J. 25). Dynamika úrokových měr a úrokové deriváy. Praha: Ekopress.
37 Závěr Děkuji Vám za pozornos.
Matematicko-fyzikální fakulta Univerzity Karlovy
Oceňování finančních derivátů ve spojitém čase Václav Kozmík Matematicko-fyzikální fakulta Univerzity Karlovy 4. 10. 2010 Úvod Stochastický kalkulus Wienerův proces stochastické procesy Itoovo lemma změna
VíceMartin Chudoba. Seminář - Stochastické modelování v ekonomii a financích KPMS MFF UK. dluhopisů pomocí. Black-Scholesova modelu. M.Chudoba.
Martin Chudoba s Seminář - Stochastické modelování v ekonomii a financích KPMS MFF UK 18.10.2010 Uvažujeme bezkupónový dluhopis vyplácející jednotku v čase T Za předpokladu konstantní úrokové míry r pro
VícePřemysl Bejda.
premyslbejda@gmail.com 2010 Obsah 1 2 3 Obchodovatelnost Cena rizika Obsah 1 2 3 Obchodovatelnost Cena rizika Obsah 1 2 3 Obchodovatelnost Cena rizika Itôovo lemma Lemma (Itôovo) Necht X t je stochastický
VíceFinancial calculus Chapter 6 Bigger models
Financial calculus Chapter 6 Bigger models Tomáš Hanzák Katedra pravděpodobnosti a matematické statistiky MFF UK Praha Seminář Stochastické modelování v ekonomii a financích 1.11. 2010 Tomáš Hanzák Financial
VíceLaplaceova transformace Modelování systémů a procesů (11MSP)
aplaceova ransformace Modelování sysémů a procesů (MSP) Bohumil Kovář, Jan Přikryl, Miroslav Vlček 5. přednáška MSP čvrek 2. března 24 verze: 24-3-2 5:4 Obsah Fourierova ransformace Komplexní exponenciála
VíceStochastické modelování úrokových sazeb
Sochasické modelování úrokových sazeb Michal Papež odbor řízení rizik 1 Sochasické modelování úrokových sazeb OBSAH PŘEDNÁŠKY Úvod do problemaiky sochasických procesů Brownův pohyb, Wienerův proces Ioovo
VíceIMPULSNÍ A PŘECHODOVÁ CHARAKTERISTIKA,
IMPULSNÍ A PŘECHODOVÁ CHARAKTERISTIKA, STABILITA. Jednokový impuls (Diracův impuls, Diracova funkce, funkce dela) někdy éž disribuce dela z maemaického hlediska nejde o pravou funkci (přesný popis eorie
VíceLineární rovnice prvního řádu. Máme řešit nehomogenní lineární diferenciální rovnici prvního řádu. Funkce h(t) = 2
Cvičení 1 Lineární rovnice prvního řádu 1. Najděe řešení Cauchyovy úlohy x + x g = cos, keré vyhovuje podmínce x(π) =. Máme nehomogenní lineární diferenciální ( rovnici prvního řádu. Funkce h() = g a q()
VíceParciální funkce a parciální derivace
Parciální funkce a parciální derivace Pro sudeny FP TUL Marina Šimůnková 19. září 2018 1. Parciální funkce. Příklad: zvolíme-li ve funkci f : (x, y) sin(xy) pevnou hodnou y, například y = 2, dosaneme funkci
VíceSeznámíte se s principem integrace substituční metodou a se základními typy integrálů, které lze touto metodou vypočítat.
4 Inegrace subsiucí 4 Inegrace subsiucí Průvodce sudiem Inegrály, keré nelze řeši pomocí základních vzorců, lze velmi časo řeši subsiuční meodou Vzorce pro derivace elemenárních funkcí a věy o derivaci
VíceKmitání tělesa s danou budicí frekvencí
EVROPSKÝ SOCIÁLNÍ FOND Kmiání ělesa s danou budicí frekvencí PRAHA & EU INVESTUJEME DO VAŠÍ BUDOUCNOSTI České vysoké učení echnické v Praze, Fakula savební, Kaedra maemaiky Posílení vazby eoreických předměů
VíceStochastické diferenciální rovnice
KDM MFF UK, Praha Aplikace matematiky pro učitele 15.11.2011 Kermack-McKendrickův model Kermack-McKendrickův model s vakcinací Model pro nemoc s rychlým šířením a krátkou dobou léčby. Příkladem takovéto
Vícetransformace Idea afinního prostoru Definice afinního prostoru velké a stejně orientované.
finní ransformace je posunuí plus lineární ransformace má svou maici vzhledem k homogenním souřadnicím využií například v počíačové grafice [] Idea afinního prosoru BI-LIN, afinia, 3, P. Olšák [2] Lineární
VíceBiologické modely. Robert Mařík. 9. listopadu Diferenciální rovnice 3. 2 Autonomní diferenciální rovnice 8
Biologické modely Rober Mařík 9. lisopadu 2008 Obsah 1 Diferenciální rovnice 3 2 Auonomní diferenciální rovnice 8 3 onkréní maemaické modely 11 Dynamická rovnováha poču druhů...................... 12 Logisická
VíceEKONOMETRIE 6. přednáška Modely národního důchodu
EKONOMETRIE 6. přednáška Modely národního důchodu Makroekonomické modely se zabývají modelováním a analýzou vzahů mezi agregáními ekonomickými veličinami jako je důchod, spořeba, invesice, vládní výdaje,
VíceDerivace funkce více proměnných
Derivace funkce více proměnných Pro sudeny FP TUL Marina Šimůnková 21. prosince 2017 1. Parciální derivace. Ve výrazu f(x, y) považujeme za proměnnou jen x a proměnnou y považujeme za konsanu. Zderivujeme
VíceUniverzita Karlova v Praze Matematicko-fyzikální fakulta DIPLOMOVÁ PRÁCE. 2011 Jakub Černý
Univerzia Karlova v Praze Maemaicko-fyzikální fakula DIPLOMOVÁ PRÁCE 211 Jakub Černý Univerzia Karlova v Praze Maemaicko-fyzikální fakula DIPLOMOVÁ PRÁCE Jakub Černý Sochasické modelování úrokových sazeb
VíceSkupinová obnova. Postup při skupinové obnově
Skupinová obnova Při skupinové obnově se obnovují všechny prvky základního souboru nebo určiá skupina akových prvků najednou. Posup při skupinové obnově prvky, jež selžou v určiém období, je nuno obnovi
VíceUniverzita Karlova v Praze Matematicko-fyzikální fakulta
Univerzia Karlova v Praze Maemaicko-fyzikální fakula DIPLOMOVÁ PRÁCE Maěj Kadavý Lokální gaussovské časy Kaedra pravděpodobnosi a maemaické saisiky Vedoucí diplomové práce: Doc. RNDr. Daniel Hlubinka,
VíceOptimální řízení pro geometrický Brownův pohyb
1/39 Optimální řízení pro geometrický Brownův pohyb Lenka Slámová Katedra pravděpodobnosti a matematické statistiky Matematicko fyzikální fakulta Univerzity Karlovy Stochastické modelování v ekonomii a
VíceGreenova funkce pro dvoubodové okrajové úlohy pro obyčejné diferenciální rovnice
Greenova funkce pro dvoubodové okrajové úlohy pro obyčejné diferenciální rovnice Jan Tomeček Tento stručný text si klade za cíl co nejrychlejší uvedení do teorie Greenových funkcí pro obyčejné diferenciální
VícePasivní tvarovací obvody RC
Sřední průmyslová škola elekroechnická Pardubice CVIČENÍ Z ELEKTRONIKY Pasivní varovací obvody RC Příjmení : Česák Číslo úlohy : 3 Jméno : Per Daum zadání : 7.0.97 Školní rok : 997/98 Daum odevzdání :
Více1.3.4 Rovnoměrně zrychlený pohyb po kružnici
34 Rovnoměrně zrychlený pohyb po kružnici Předpoklady: 33 Opakování: K veličinám popisujícím posuvný pohyb exisují analogické veličiny popisující pohyb po kružnici: rovnoměrný pohyb pojíko rovnoměrný pohyb
VíceMatematika v automatizaci - pro řešení regulačních obvodů:
. Komplexní čísla Inegrovaná sřední škola, Kumburská 846, Nová Paka Auomaizace maemaika v auomaizaci Maemaika v auomaizaci - pro řešení regulačních obvodů: Komplexní číslo je bod v rovině komplexních čísel.
VíceNUMP403 (Pravděpodobnost a Matematická statistika II) 1. Na autě jsou prováděny dvě nezávislé opravy a obě opravy budou hotovy do jedné hodiny.
Spojiá rozdělení I.. Na auě jou prováděny dvě nezávilé opravy a obě opravy budou hoovy do jedné hodiny. Předpokládejme, že obě opravy jou v akové fázi, že rozdělení čau do ukončení konkréní opravy je rovnoměrné.
Vícex udává hodnotu směrnice tečny grafu
Předmě: Ročník: Vyvořil: Daum: MATEMATIKA ČTVRTÝ Mgr. Tomáš MAŇÁK 5. srpna Název zpracovaného celku: GEOMETRICKÝ VÝZNAM DERIVACE FUNKCE GEOMETRICKÝ VÝZNAM DERIVACE FUNKCE v bodě (ečny grafu funkcí) Je
Více11. přednáška 10. prosince Kapitola 3. Úvod do teorie diferenciálních rovnic. Obyčejná diferenciální rovnice řádu n (ODR řádu n) je vztah
11. přednáška 10. prosince 2007 Kapitola 3. Úvod do teorie diferenciálních rovnic. Obyčejná diferenciální rovnice řádu n (ODR řádu n) je vztah F (x, y, y, y,..., y (n) ) = 0 mezi argumentem x funkce jedné
VíceRovnovážné modely v teorii portfolia
3. září 2013, Podlesí Obsah Portfolio a jeho charakteristiky Definice portfolia Výnosnost a riziko aktiv Výnosnost a riziko portfolia Klasická teorie portfolia Markowitzův model Tobinův model CAPM - model
Vícelistopadu 2016., t < 0., t 0, 1 2 ), t 1 2,1) 1, 1 t. Pro X, U a V najděte kvantilové funkce, střední hodnoty a rozptyly.
6. cvičení z PSI 7. -. lisopadu 6 6. kvanil, sřední hodnoa, rozpyl - pokračování příkladu z minula) Náhodná veličina X má disribuční funkci e, < F X ),, ) + 3,,), a je směsí diskréní náhodné veličiny U
VíceDiferenciální rovnice 1. řádu
Kapiola Diferenciální rovnice. řádu. Lineární diferenciální rovnice. řádu Klíčová slova: Obyčejná lineární diferenciální rovnice prvního řádu, pravá srana rovnice, homogenní rovnice, rovnice s nulovou
VíceNA POMOC FO. Pád vodivého rámečku v magnetickém poli
NA POMOC FO Pád vodivého rámečku v maneickém poli Karel auner *, Pedaoická akula ZČU v Plzni Příklad: Odélníkový rámeček z vodivého dráu má rozměry a,, hmonos m a odpor. Je zavěšen ve výšce h nad horním
VíceKatedra aplikované matematiky FEI VŠB Technická univerzita Ostrava
Lineární algebra 4. přednáška: Vekorové prosory Dalibor Lukáš Kaedra aplikované maemaiky FEI VŠB Technická univerzia Osrava email: dalibor.lukas@vsb.cz hp://www.am.vsb.cz/lukas/la Tex byl vyvořen v rámci
VíceLS Příklad 1.1 (Vrh tělesem svisle dolů). Těleso o hmotnosti m vrhneme svisle
Obyčejné diferenciální rovnice Jiří Fišer LS 2014 1 Úvodní moivační příklad Po prosudování éo kapioly zjisíe, k čemu mohou bý diferenciální rovnice užiečné. Jak se pomocí nich dá modelova prakický problém,
VíceDYNAMIKA časový účinek síly Impuls síly. 2. dráhový účinek síly mechanická práce W (skalární veličina)
DYNAMIKA 2 Působením síly na čásici se obecně mění její pohybový sav. Síla působí vždy v učiém časovém inevalu a záoveň na učiém úseku ajekoie s. 1. časový účinek síly Impuls síly 2. dáhový účinek síly
VíceMASARYKOVA UNIVERZITA. Dluhopisy
MASARYKOVA UNIVERZITA Přírodovědecká fakulta Dluhopisy Bakalářská práce Brno 008 Silvie Kafková PODĚKOVÁNÍ Chtěla bych poděkovat RNDr. Martinovi Kolářovi Ph.D. za vedení bakalářské práce, cenné rady a
VíceMatematika III 10. týden Číselné charakteristiky střední hodnota, rozptyl, kovariance, korelace
Matematika III 10. týden Číselné charakteristiky střední hodnota, rozptyl, kovariance, korelace Jan Slovák Masarykova univerzita Fakulta informatiky 28. 11 2. 12. 2016 Obsah přednášky 1 Literatura 2 Střední
VíceStatika 1. Miroslav Vokáč ČVUT v Praze, Fakulta architektury. Statika 1. M. Vokáč. Plocha.
Saika 1 Saika 1 2. přednáška ové veličin Saický momen Těžišě Momen servačnosi Hlavní ěžiš ové os a hlavní cenrální momen servačnosi Elipsa servačnosi Miroslav Vokáč miroslav.vokac@klok.cvu.cz Konrolní
VíceNumerická řešení stochastické diferenciální rovnice
Univerzita Karlova v Praze Matematicko-fyzikální fakulta BAKALÁŘKÁ PRÁCE Štěpán Masák Numerická řešení stochastické diferenciální rovnice Katedra pravděpodobnosti a matematické statistiky Vedoucí bakalářské
Více1 Odvození poptávkové křivky
Odvození poptávkové křivky Optimalizační chování domácností (maximalizace užitku) vzhledem k rozpočtovému omezení. Nejprve odvodíme deterministický model, který potom rozšíříme o stochastické prvky. Odvozené
VícePŘEDNÁŠKA 9 KŘIVKOVÝ A PLOŠNÝ INTEGRÁL 1. DRUHU
PŘEDNÁŠKA 9 KŘIVKOVÝ A PLOŠNÝ INTEGRÁL 1. DRUHU 6.1 Křivkový integrál 1. druhu Definice 1. Množina R n se nazývá prostá regulární křivka v R n právě tehdy, když existuje vzájemně jednoznačné zobrazení
VícePojistná matematika. Úmrtnostní tabulky, komutační čísla a jejich použití. Silvie Kafková
Úmrtnostní tabulky, komutační čísla a jejich použití 2015 Osnova 1 Délka života 2 Intenzita úmrtnosti 3 Úmrtnostní Tabulky 4 Komutační čísla Obsah 1 Délka života 2 Intenzita úmrtnosti 3 Úmrtnostní Tabulky
VíceFINANČNÍ MATEMATIKA- ÚVĚRY
Projek ŠABLONY NA GVM Gymnázium Velké Meziříčí regisrační číslo projeku: CZ.1.07/1.5.00/4.0948 IV- Inovace a zkvalinění výuky směřující k rozvoji maemaické gramonosi žáků sředních škol FINANČNÍ MATEMATIKA-
VíceEKONOMICKÁ FAKULTA KATEDRA FINANCÍ
VYSOKÁ ŠKOLA BÁŇSKÁ TECHNICKÁ UNIVERZITA OSTRAVA EKONOMICKÁ FAKULTA KATEDRA FINANCÍ Ocenění podniku na bázi meodologie reálných opcí Company Valuaion on he Basis of he Real Opions Mehodology Suden: Vedoucí
VíceFAKULTA APLIKOVANÝCH VĚD
FAKULTA APLIKOVANÝCH VĚD ZÁPADOČESKÁ UNIVERZITA V PLZNI Semesrální práce z předměu KMA/MAB Téma: Schopnos úrokového rhu předvída sazby v době krize Daum: 7..009 Bc. Jan Hegeď, A08N095P Úvod Jako éma pro
Více22 Základní vlastnosti distribucí
M. Rokyta, MFF UK: Aplikovaná matematika IV kap. 22: Základní vlastnosti distribucí 5 22 Základní vlastnosti distribucí 22.1 Temperované distribuce Definice. O funkci ϕ C (R m ) řekneme, že je rychle klesající
Více9. T r a n s f o r m a c e n á h o d n é v e l i č i n y
9. T r a n s f o r m a c e n á h o d n é v e l i č i n y Při popisu procesů zpracováváme vstupní údaj, hodnotu x tak, že výstupní hodnota y závisí nějakým způsobem na vstupní, je její funkcí y = f(x).
VíceDynamika hmotného bodu. Petr Šidlof
Per Šidlof Úvod opakování () saika DYNAMIKA kinemaika Dynamika hmoného bodu Dynamika uhého ělesa Dynamika elasických ěles Teorie kmiání Aranz/Bombardier (Norwegian BM73) Před Galileem, Newonem: k udržení
VíceAplikace analýzy citlivosti při finačním rozhodování
7 mezinárodní konference Finanční řízení podniků a finančních insiucí Osrava VŠB-U Osrava Ekonomická fakula kaedra Financí 8 9 září 00 plikace analýzy cilivosi při finačním rozhodování Dana Dluhošová Dagmar
Více4. Gomory-Hu Trees. r(x, z) min(r(x, y), r(y, z)). Důkaz: Buď W minimální xz-řez.
4. Gomory-Hu Tree Cílem éo kapioly je popa daovou rukuru, kerá velice kompakně popiuje minimální -řezy pro všechny dvojice vrcholů, v daném neorienovaném grafu. Tuo rukuru poprvé popali Gomory a Hu v článku[1].
VíceJan Kalendovský Stochastické procesy v kombinaci životního
Univerzia Karlova v Praze Maemaicko-fyzikální fakula DIPLOMOVÁ PRÁCE Jan Kalendovský Sochasické procesy v kombinaci živoního pojišění a hypoečního úvěru Kaedra pravděpodobnosi a maemaické saisiky Vedoucí
VíceX 3U U U. Skutečné hodnoty zkratových parametrů v pojmenovaných veličinách pak jsou: Průběh zkratového proudu: SKS =
11. Výpoče poměrů při zkraeh ve vlasní spořebě elekrárny Zkra má v obvodeh shémau smysl pouze v čáseh provozovanýh s účinně uzemněným sředem zdroje, čili mimo alernáor, vyvedení výkonu a přilehlá vinuí
VícePřijímací zkouška na navazující magisterské studium 2016
Přijímací zkouška a avazující magiserské sudium 2016 Sudijí program: Sudijí obor: Maemaika Fiačí a pojisá maemaika Variaa A Řešeí příkladů pečlivě odůvoděe. Věuje pozoros ověřeí předpokladů použiých maemaických
VíceDefinice 7.1 Nechť je dán pravděpodobnostní prostor (Ω, A, P). Zobrazení. nebo ekvivalentně
7 Náhodný vektor Nezávislost náhodných veličin Definice 7 Nechť je dán pravděpodobnostní prostor (Ω, A, P) Zobrazení X : Ω R n, které je A-měřitelné, se nazývá (n-rozměrný) náhodný vektor Měřitelností
VíceSTATICKÉ A DYNAMICKÉ VLASTNOSTI ZAŘÍZENÍ
STATICKÉ A DYNAMICKÉ VLASTNOSTI ZAŘÍZENÍ Saické a dnamické vlasnosi paří k základním vlasnosem regulovaných sousav, měřicích přísrojů, měřicích řeězců či jejich čásí. Zaímco saické vlasnosi se projevují
VíceREAKČNÍ KINETIKA 1. ZÁKLADNÍ POJMY. α, ß jsou dílčí reakční řády, α je dílčí reakční řád vzhledem ke složce A, ß vzhledem ke složce
REKČNÍ KINETIK - zabývá se ryhlosí hemikýh reakí ZÁKLDNÍ POJMY Definie reakční ryhlosi v - pro reake probíhajíí za konsanního objemu v dξ di v V d ν d i [] moldm 3 s Ryhlosní rovnie obeně vyjadřuje vzah
VíceMĚNOVÁ POLITIKA, OČEKÁVÁNÍ NA FINANČNÍCH TRZÍCH, VÝNOSOVÁ KŘIVKA
Přednáška 7 MĚNOVÁ POLITIKA, OČEKÁVÁNÍ NA FINANČNÍCH TRZÍCH, VÝNOSOVÁ KŘIVKA A INTERAKCE S MĚNOVÝM KURZEM (navazující přednáška na přednášku na éma inflace, měnová eorie a měnová poliika) Měnová poliika
Víceterminologie předchozí kapitoly: (ϕ, Ω) - plocha, S - geometrický obraz plochy
2. Plošný integrál. Poznámka. Obecně: integrování přes k-rozměrné útvary (k-plochy) v R n. Omezíme se na případ k = 2, n = 3. Definice. Množina S R 3 se nazve plocha, pokud S = ϕ(), kde R 2 je otevřená
Více9 Viskoelastické modely
9 Viskoelasické modely Polymerní maeriály se chovají viskoelasicky, j. pod vlivem mechanického namáhání reagují současně jako pevné hookovské láky i jako viskózní newonské kapaliny. Viskoelasické maeriály
VíceSP2 01 Charakteristické funkce
SP 0 Chararisicé func Chararisicé func pro NP Chararisicé func pro NV Náhld Náhodnou proměnnou, nbo vor, L, n lz popsa funčními chararisiami: F, p, f číslnými chararisiami: E, D, A, A 4 Co s dá z čho spočía:
VíceDiferenciální geometrie
Diferenciální geometrie Pomocný učební text díl I. František Ježek Plzeň, červen 2005 Obsah 1 Křivky 4 1.1 Vyjádření křivky......................... 4 1.2 Transformace parametru..................... 5
VíceKatedra obecné elektrotechniky Fakulta elektrotechniky a informatiky, VŠB - TU Ostrava 4. TROJFÁZOVÉ OBVODY
Kaedra obecné elekroechniky Fakula elekroechniky a inormaiky, VŠB - T Osrava. TOJFÁZOVÉ OBVODY.1 Úvod. Trojázová sousava. Spojení ází do hvězdy. Spojení ází do rojúhelníka.5 Výkon v rojázových souměrných
VíceTeorie obnovy. Obnova
Teorie obnovy Meoda operačního výzkumu, kerá za pomocí maemaických modelů zkoumá problémy hospodárnosi, výměny a provozuschopnosi echnických zařízení. Obnova Uskuečňuje se až po uplynuí určiého času činnosi
VíceModely CARMA. 22. listopadu Matematicko fyzikální fakulta Univerzity Karlovy v Praze. Modely CARMA. Úvod. CARMA proces. Definice CARMA procesu
Matematicko fyzikální fakulta Univerzity Karlovy v Praze ÚTIA AV ČR 22. listopadu 2010 u Obsah Definice u u u Motivace Známe. Umíme používat, odhadovat jejich koeficienty atd. Co když ale data nemají konstantní
VíceDiferenciální rovnice
Obyčejné diferenciální rovnice - studijní text pro cvičení v předmětu Matematika - 2. Studijní materiál byl připraven pracovníky katedry E. Novákovou, M. Hyánkovou a L. Průchou za podpory grantu IG ČVUT
Vícef(x) f(x 0 ) = a lim x x0 f f(x 0 + h) f(x 0 ) (x 0 ) = lim f(x + h) f(x) (x) = lim
KAPITOLA 4: 4 Úvod Derivace fkce [MA-8:P4] Moivačí příklady: okamžiá ryclos, směrice ečy Defiice: Řekeme, že fkce f má v bodě derivaci [ derivaci zleva derivaci zprava ] rov čísl a, jesliže exisje [ x
VíceTermomechanika 8. přednáška Doc. Dr. RNDr. Miroslav Holeček
Termomechanika 8. přednáška Doc. Dr. RNDr. Miroslav Holeček Upozornění: Tato prezentace slouží výhradně pro výukové účely Fakulty strojní Západočeské univerzity v Plzni. Byla sestavena autorem s využitím
VícePráce a výkon při rekuperaci
Karel Hlava 1, Ladislav Mlynařík 2 Práce a výkon při rekuperaci Klíčová slova: jednofázová sousava 25 kv, 5 Hz, rekuperační brzdění, rekuperační výkon, rekuperační energie Úvod Trakční napájecí sousava
VíceT t. S t krátkodobé náhodná složka. sezónní. Trend + periodická složka = deterministická složka
Analýza časových řad Klasický přísup k analýze ČŘ dekompozice časové řady - rozklad ČŘ na složky charakerizující různé druhy pohybů v ČŘ, keré umíme popsa a kvanifikova rend periodické kolísání cyklické
Více12. Křivkové integrály
12 Křivkové integrály Definice 121 Jednoduchou po částech hladkou křivkou v prostoru R n rozumíme množinu bodů [x 1,, x n ], které jsou dány parametrickými rovnicemi x 1 = ϕ 1 t), x 2 = ϕ 2 t), x n = ϕ
VíceWaldovy testy, vlastnosti a Operační charakteristika
Waldovy testy, vlastnosti a Operační charakteristika Adéla Zavřelová 11. března 2018 Adéla Zavřelová Waldovy testy 11. března 2018 1 / 21 Úvod Úloha H 0 : náhodná veličina X má rozdělení s hustotou f 0
VíceObyčejnými diferenciálními rovnicemi (ODR) budeme nazývat rovnice, ve kterých
Obyčejné diferenciální rovnice Obyčejnými diferenciálními rovnicemi (ODR) budeme nazývat rovnice, ve kterých se vyskytují derivace neznámé funkce jedné reálné proměnné. Příklad. Bud dána funkce f : R R.
VíceDIPLOMOVÁ PRÁCE. Oddělení majetku penzijního fondu od majetku klientů
Univerzia Karlova v Praze Maemaicko-fyzikální fakula DIPLOMOVÁ PRÁCE Jakub Rada Oddělení majeku penzijního fondu od majeku klienů Kaedra pravděpodobnosi a maemaické saisiky Vedoucí diplomové práce: RNDr.
VíceOd Náhodné Procházky Ke Spojitým Modelům. Silvie Kafková. 1.prosince 2014, FIMA
Od Náhodné Procházky Ke Spojitým Modelům Silvie Kafková 1.prosince 2014, FIMA Obsah 1 Motivace 2 3 Aplikace náhodné procházky 4 Jednoduchý model ceny akcie Motivace Obsah 1 Motivace 2 3 Aplikace náhodné
VíceUniverzita Tomáše Bati ve Zlíně
Unverza Tomáše Ba ve Zlíně ABOATONÍ VIČENÍ EEKTOTEHNIKY A PŮMYSOVÉ EEKTONIKY Název úlohy: Zpracoval: Měření čnného výkonu sřídavého proudu v jednofázové sí wamerem Per uzar, Josef Skupna: IT II/ Moravčík,
VíceDefinice Řekneme, že funkce z = f(x,y) je v bodě A = [x 0,y 0 ] diferencovatelná, nebo. z f(x 0 + h,y 0 + k) f(x 0,y 0 ) = Ah + Bk + ρτ(h,k),
Definice 5.2.1. Řekneme, že funkce z = f(x,y) je v bodě A = [x 0,y 0 ] diferencovatelná, nebo má v tomto bodě totální diferenciál, jestliže je možné její přírůstek z na nějakém okolí bodu A vyjádřit jako
VíceDERIVACE A MONOTÓNNOST FUNKCE DERIVACE A MONOTÓNNOST FUNKCE. y y
Předmě: Ročník: Vvořil: Daum: MATEMATIKA ČTVRTÝ Mgr Tomáš MAŇÁK 5 srpna Název zpracovaného celku: DERIVACE A MONOTÓNNOST FUNKCE DERIVACE A MONOTÓNNOST FUNKCE je monoónní na celém svém deiničním oboru D
VíceKapitola 8: Dvojný integrál 1/26
Kapitola 8: vojný integrál 1/26 vojný integrál - osnova kapitoly 2/26 dvojný integrál přes obdélník definice výpočet (Fubiniova věta pro obdélník) dvojný integrál přes standardní množinu definice výpočet
VíceEkonomika podniku. Katedra ekonomiky, manažerství a humanitních věd Fakulta elektrotechnická ČVUT v Praze. Ing. Kučerková Blanka, 2011
Evropský sociální fond Praha & EU: Invesujeme do vaší budoucnosi Ekonomika podniku Kaedra ekonomiky, manažersví a humaniních věd Fakula elekroechnická ČVUT v Praze Ing. Kučerková Blanka, 2011 Kriéria efekivnosi
VíceTermomechanika 9. přednáška Doc. Dr. RNDr. Miroslav Holeček
Termomechanika 9. přednáška Doc. Dr. RNDr. Miroslav Holeček Upozornění: Tato prezentace slouží výhradně pro výukové účely Fakulty strojní Západočeské univerzity v Plzni. Byla sestavena autorem s využitím
VícePřibližná linearizace modelu kyvadla
Přibližná linearizace model kyvadla 4..08 9:47 - verze 4.0 08 Obsah Oakování kalkl - Taylorův rozvoj fnkce... Nelineární savový model a jeho řibližná linearizace... 4 Nelineární model vs-výs a jeho řibližná
VíceCharakterizace rozdělení
Charakterizace rozdělení Momenty f(x) f(x) f(x) μ >μ 1 σ 1 σ >σ 1 g 1 g σ μ 1 μ x μ x x N K MK = x f( x) dx 1 M K = x N CK = ( x M ) f( x) dx ( xi M 1 C = 1 K 1) N i= 1 K i K N i= 1 K μ = E ( X ) = xf
VíceSimulační schemata, stavový popis. Petr Hušek
Simulační schemaa, savový popis Per Hušek Simulační schemaa, savový popis Per Hušek husek@fel.cvu.cz kaedra řídicí echniky Fakula elekroechnická ČVUT v Praze MAS 007/08 ČVUT v Praze 6,7 - Simulační schemaa,
VíceVYSOKÁ ŠKOLA BÁŇSKÁ TECHNICKÁ UNIVERZITA OSTRAVA EKONOMICKÁ FAKULTA KATEDRA FINANCÍ
VYSOKÁ ŠKOLA BÁŇSKÁ TECHNICKÁ UNIVERZITA OSTRAVA EKONOMICKÁ FAKULTA KATEDRA FINANCÍ Aplikace reálných opcí při ocenění výrobního podniku Real Opions Applicaion For Manufacuring Company Valuaion Suden:
VíceZavedeme-li souřadnicový systém {0, x, y, z}, pak můžeme křivku definovat pomocí vektorové funkce.
KŘIVKY Křivka = dráha pohybujícího se bodu = = množina nekonečného počtu bodů, které závisí na parametru (čase). Proto můžeme křivku také nazvat jednoparametrickou množinou bodů. Zavedeme-li souřadnicový
VíceINTEGRACE KOMPLEXNÍ FUNKCE
INTEGRAE KOMPLEXNÍ FUNKE LEKE34-KIN auchyova obecná auchyova auchyův vzorec vičení KŘIVKOVÝ INTEGRÁL Na konci kapitoly o derivaci je uvedena souvislost existence derivace s potenciálním polem. Existuje
VíceX = x, y = h(x) Y = y. hodnotám x a jedné hodnotě y. Dostaneme tabulku hodnot pravděpodobnostní
..08 8cv7.tex 7. cvičení - transformace náhodné veličiny Definice pojmů a základní vzorce Je-li X náhodná veličina a h : R R je měřitelná funkce, pak náhodnou veličinu Y, která je definovaná vztahem X
VíceDIPLOMOVÁ PRÁCE. Patrik Hudec. Výpočet historické volatility FX-opcí. Univerzita Karlova v Praze Matematicko-fyzikální fakulta
Univerzia Karlova v Praze Maemaicko-fyzikální fakula DIPLOMOVÁ PRÁCE Parik Hudec Výpoče hisorické volailiy FX-opcí Kaedra pravděpodobnosi a maemaické saisiky Vedoucí diplomové práce: Ing. Jan Srakoš Sudijní
VíceReologické modely měkkých tkání
Reologické modely měkkých kání Tomas Mares 1. Úvod Výchozím principem mechaniky měkkých kání (j. kůže, cév, pojivových kání, kání vniřních orgánů, šlach, vazů, chrupavek, sinoviální ekuiny) je reologie.
VíceVlastnosti a zkoušení materiálů. Přednáška č.4 Úvod do pružnosti a pevnosti
Vlastnosti a zkoušení materiálů Přednáška č.4 Úvod do pružnosti a pevnosti Teoretická a skutečná pevnost kovů Trvalá deformace polykrystalů začíná při vyšším napětí než u monokrystalů, tj. hodnota meze
VíceMatematika 4 FSV UK, LS Miroslav Zelený
Matematika 4 FSV UK, LS 2017-18 Miroslav Zelený 13. Diferenční rovnice 14. Diferenciální rovnice se separovanými prom. 15. Lineární diferenciální rovnice prvního řádu 16. Lineární diferenciální rovnice
Více6.3.6 Zákon radioaktivních přeměn
.3. Zákon radioakivních přeměn Předpoklady: 35 ěkeré nuklidy se rozpadají. Jak můžeme vysvěli, že se čás jádra (například čásice 4 α v jádře uranu 38 U ) oddělí a vyleí ven? lasická fyzika Pokud má čásice
VíceMatematika III. Miroslava Dubcová, Drahoslava Janovská, Daniel Turzík. Ústav matematiky
Matematika III Základy vektorové analýzy Miroslava Dubcová, Drahoslava Janovská, Daniel Turzík Ústav matematiky Přednášky LS 2015-2016 Obsah 1 Skalární a vektorový součin Skalární součin Vektorový součin
VíceFINANČNÍ MATEMATIKA- JEDNODUCHÉ ÚROKOVÁNÍ
Projek ŠABLONY NA GVM Gymázium Velké Meziříčí regisračí číslo projeku: CZ..7/.5./34.948 IV-2 Iovace a zkvaliěí výuky směřující k rozvoji maemaické gramoosi žáků sředích škol FINANČNÍ MATEMATIA- JEDNODCHÉ
VíceFyzikální praktikum II - úloha č. 4
Fyzikální prakikum II - úloha č. 4 1 4. Přechodové jevy v obvodech s kapaciory Úkoly 1) 2) 3) 4) Sesave obvod pro demonsraci jevu nabíjení a vybíjení kondenzáoru. Naměře průběhy napěí a proudů na vybraných
VíceDiferenciální rovnice a jejich aplikace. (Brkos 2011) Diferenciální rovnice a jejich aplikace 1 / 36
Diferenciální rovnice a jejich aplikace Zdeněk Kadeřábek (Brkos 2011) Diferenciální rovnice a jejich aplikace 1 / 36 Obsah 1 Co to je derivace? 2 Diferenciální rovnice 3 Systémy diferenciálních rovnic
VíceZPŮSOBY MODELOVÁNÍ ELASTOMEROVÝCH LOŽISEK
ZPŮSOBY MODELOVÁNÍ ELASTOMEROVÝCH LOŽISEK Vzhledem ke skuečnosi, že způsob modelování elasomerových ložisek přímo ovlivňuje průběh vniřních sil v oblasi uložení, rozebereme v éo kapiole jednolivé možné
VíceLWS při heteroskedasticitě
Stochastické modelování v ekonomii a financích Petr Jonáš 7. prosince 2009 Obsah 1 2 3 4 5 47 1 Předpoklad 1: Y i = X i β 0 + e i i = 1,..., n. (X i, e i) je posloupnost nezávislých nestejně rozdělených
VíceUniverzita Tomáše Bati ve Zlíně
Univerzia omáše Bai ve Zlíně Úsav elekroechniky a měření Sřídavý proud Přednáška č. 5 Milan Adámek adamek@f.ub.cz U5 A711 +4057603551 Sřídavý proud 1 Obecná charakerisika periodických funkcí zákl. vlasnosí
VíceMarkovské metody pro modelování pravděpodobnosti
Markovské metody pro modelování pravděpodobnosti rizikových stavů 1 Markovský řetězec Budeme uvažovat náhodný proces s diskrétním časem (náhodnou posloupnost) X(t), t T {0, 1, 2,... } s konečnou množinou
Více9. T r a n s f o r m a c e n á h o d n é v e l i č i n y
9. T r a n s f o r m a c e n á h o d n é v e l i č i n Při popisu procesů zpracováváme vstupní údaj, hodnotu x tak, že výstupní hodnota závisí nějakým způsobem na vstupní, je její funkcí = f(x). Pokud
Více