Matematicko-fyzikální fakulta Univerzity Karlovy

Rozměr: px
Začít zobrazení ze stránky:

Download "Matematicko-fyzikální fakulta Univerzity Karlovy"

Transkript

1 Oceňování finančních derivátů ve spojitém čase Václav Kozmík Matematicko-fyzikální fakulta Univerzity Karlovy

2 Úvod Stochastický kalkulus Wienerův proces stochastické procesy Itoovo lemma změna míry - Radon-Nikodýmova derivace Cameron-Martin-Girsanov věta o reprezentaci martingalů Konstrukce portfolia střední hodnota vs. arbitráž samofinancující portfolio replikace finančního derivátu Black-Scholesův model 2 z 31

3 Wienerův proces Definice Řekneme, že náhodný proces W t, t 0 je Wienerův podle míry P, jestliže platí: 1. W 0 = 0 a W t je spojitý 2. W t N (0, t) podle P 3. Přírůstky W s+t W s N (0, t) podle P a jsou nezávislé na historii procesu F s do času s není s.j. diferencovatelný v žádném bodě je libovolně škálovatelný s.j. dosáhne jakékoliv reálné hodnoty 3 z 31

4 Wienerův proces 4 z 31

5 Geometrický Brownův pohyb Brownův pohyb s driftem X t = σw t + µt geometrický Brownův pohyb s driftem X t = exp {σw t + µt} základní model ceny akcie S t = S 0 exp {σw t + µt} logaritmicko-normální rozdělení ceny v čase t střední hodnota závisí na ceně v čase 0 a driftu 5 z 31

6 Geometrický Brownův pohyb 6 z 31

7 Stochastický proces Definice Stochastický proces X t, t 0 je spojitý proces, pro který platí: t t X t = X 0 + σ s dw s + µ s ds, 0 0 kde σ t a µ t jsou F t -adaptované procesy, tak že s.j. platí: t Diferenciální tvar lze zapsat jako: 0 σ 2 s + µ s ds < dx t = σ t dw t + µ t dt 7 z 31

8 Jednoznačnost volatility a driftu Pokud se dva procesy X t a X t shodují v čase 0, tj. X 0 = X 0, a mají identickou volatilitu σ t a drift µ t, pak jsou si rovny, tj. X t = X t t. K danému procesu X t existuje pouze jedna dvojice volatility σ t a driftu µ t tak, že platí t: t t X t = X 0 + σ s dw s + µ s ds. 0 0 Jednoznačnost σ t a µ t plyne z Doob-Meyerova rozkladu semimartingalů. 8 z 31

9 Itoovo lemma Lemma Necht X t je stochastický proces ve tvaru dx t = σ t dw t + µ t dt a f je deterministická dvakrát diferencovatelná funkce. Potom Y t = f (X t ) je také stochastický proces a platí: dy t = ( ) σ t f (X t ) dw t + ( µ t f (X t ) + 1 ) 2 σ2 t f (X t ) dt Příklad dx t = σ t dw t + µ t dt Y t = exp {X t } dy t = σ t Y t dw t + ( µ t Y t σ2 t Y t ) dt 9 z 31

10 Oceňování finančních derivátů forward na koupi jedné akcie střední hodnota budoucí ceny cena akcie X t, 0 t T sleduje geometrický Brownův pohyb s počáteční cenou S 0 cena v čase T má pak logaritmicko-normální rozdělení střední hodnota je E [X T ] = S 0 exp {µt } arbitráž = postup, který vede k bezrizikovému kladnému výnosu úroková míra r na období délky T, spojité úročení v čase 0 si půjčím S 0 a koupím akcii, v čase T splatím S 0 exp {rt } a dostanu cenu forwardu můžeme aplikovat i opačný postup cena forwardu tedy musí být S 0 exp {rt } oceňování pomocí střední hodnoty je špatně 10 z 31

11 Konstrukce portfolia předpokládáme trh s jednou akcíı a bezrizikovým dluhopisem portfolio je dvojice procesů φ t a ψ t, které udávají počet kusů akcie a dluhopisu, které držíme v čase t povolujeme neomezené prodeje nakrátko, hodnoty procesů jsou kladné i záporné proces φ t by měl záviset pouze na historii do času t, F t -previsible předpokládejme cenu akcie S t a dluhopisu B t hodnota portfolia v čase t V t = φ t S t + ψ t B t 11 z 31

12 Samofinancující portfolio Definice Portfolio (φ t, ψ t ) s cenou akcie S t a dluhopisu B t je samofinancující, pokud platí: dv t = φ t ds t + ψ t db t Příklad ψ t = 1, φ t = 1 t S t = W t, B t = 1, t Potom ověříme podmínku: ds t = dw t, db t = 0 V t = W t + 1 dv t = dw t = φ t ds t + ψ t db t 12 z 31

13 Replikace derivátu Definice Předpokládejme, že na trhu je k dispozici bezrizikový dluhopis B t a riziková akcie S t s volatilitou σ t a derivát X T, který závisí na událostech do času T. Replikační strategíı pro X T je samofinancující portfolio (φ t, ψ t ) takové, že platí: 1. T 0 σ2 t φ 2 t dt < 2. V T = φ T S T + ψ T B T = X T pokud máme k danému derivátu replikační strategii, pak obdobnými argumenty pro arbitráž můžeme odvodit, že pro cenu derivátu v čase t platí: 13 z 31 X t = V t

14 Black - Scholesův model Předpokládejme existenci konstantní bezrizikové úrokové míry r, volatility akcie σ a driftu akcie µ. Dále předpokládáme nulové transakční náklady a možnost obchodovat v libovolném čase libovolné množství v dlouhé i v krátké pozici za stanovenou cenu. B t = exp {rt} S t = S 0 exp {σw t + µt} Pro zjednodušení úvodního řešení budeme navíc předpokládat r = z 31

15 Nalezení replikační strategie 1. Najít míru Q, podle které je S t martingal, 2. Zavést proces E t = E Q [X T F t ], 3. Najít previsible proces φ t takový, že de t = φ t ds t. rovnice pro cenu akcie: S t = exp {σw t + µt} = exp {Y t } pro určení diferenciálu použijeme Itoovu formuli dy t = σdw t + µdt ds t = σs t dw t + (µ + 12 ) σ2 S t dt 15 z 31

16 Změna míry Definice Necht jsou míry P a Q definovány na stejném měřitelném prostoru (Ω, A). Míra Q je absolutně spojitá vzhledem k P, pokud A A platí: P(A) = 0 Q(A) = 0. Míry Q a P nazýváme ekvivalentní, pokud A A platí: P(A) > 0 Q(A) > z 31

17 Radon - Nikodýmova věta Věta Necht jsou míry P a Q definovány na stejném měřitelném prostoru (Ω, A), míra Q je σ-konečná a absolutně spojitá vzhledem k σ-konečné míře P. Pak existuje měřitelná konečná funkce f tak, že A A platí: Q(A) = f dp. Funkci f říkáme Radon - Nikodýmova derivace a značíme ji dq dp. A 17 z 31

18 Změna míry Necht X t, 0 t [ T je proces adaptovaný vzhledem k historii F t. Označme ζ t = E dq P dp F ] t pro Radon-Nikodýmovu derivaci dq dp v čase T. Pak platí: [ ] dq E Q [X T ] = E P dp X T E Q [X t F s ] = 1 ζ s E P [ζ t X t F s ], s t T 18 z 31

19 Cameron - Martin - Girsanov Věta Necht W t je Brownův pohyb vzhledem k míře P a γ t je F t -adaptovaný { proces, který splňuje podmínku E P exp 1 } T 2 0 γ2 t dt <. Pak existuje míra Q taková, že platí: 1. Q je ekvivalentní s P { dq 2. dp = exp T 0 γ tdw t 1 } T 2 0 γ2 t dt 3. Ŵ t = W t + t 0 γ sds je Brownův pohyb vzhledem k míře Q. Důsledek W t je Brownův pohyb vzhledem k míře Q s driftem γ t v čase t. 19 z 31

20 Cameron - Martin - Girsanov Platí i opačné tvrzení: Věta Necht W t je Brownův pohyb vzhledem k míře P a míra Q je ekvivalentní s P. Pak existuje F t -previsible proces γ t tak, že proces t W t = W t + γ s ds 0 je Brownův pohyb vzhledem k míře Q. 20 z 31

21 Martingaly Definice Náhodný proces M t je martingal vzhledem k míře P, pokud splňuje následující: 1. E P [ M t ] < t 2. E P [M t F s ] = M s s t Lemma Necht X t je stochastický [ proces ve tvaru dx t = σ t dw t + µ t dt, který ( ) 1 ] T splňuje podmínku E 0 σ2 2 s ds <. Pak platí: X t je martingal X je bez driftu (µ t 0). 21 z 31

22 Věta o reprezentaci martingalů Věta Necht M t je martingal vzhledem k míře Q, jehož volatilita σ t je s.j. nenulová. Pokud N t je libovolný martingal vzhledem k míře Q, pak existuje F t -previsible proces φ t tak, že s.j. platí T 0 φ2 t σt 2 dt < a N t lze psát jako: t N t = N 0 + φ s dm s. 0 Proces φ t je navíc určen jednoznačně. Poznámka Přírůstky dvou martingalů vzhledem k Q se liší pouze ve volatilitách, proces φ t reprezentuje jejich poměr. 22 z 31

23 Replikace derivátu diferenciální rovnice pro vývoj ceny akcie ds t = σs t dw t + (µ + 12 ) σ2 S t dt zavedeme proces γ t a W t γ t = µ σ2 σ W t = W t + γt podle věty C-M-G existuje míra Q tak, že W t je vůči ní Brownův pohyb ds t = σs t d W t 23 z 31

24 Replikace derivátu S t je martingal vůči míře Q, není zde žádný drift ds t = σs t d W t z derivátu X T vytvoříme proces: E t = E Q [X T F t ] E t i S t jsou martingaly podle míry Q, a tak podle věty o reprezentaci martingalů existuje previsible proces φ t tak, že platí: t E t = E Q [X T F t ] = E Q [X T ] + φ s ds s 0 24 z 31

25 Replikační strategie naše strategie bude: 1. držet φ t jednotek akcie v čase t 2. držet ψ t = E t φ t S t jednotek dluhopisu v čase t hodnota portfolia (B t = 1) V t = φ t S t + ψ t B t = E t portfolio je samofinancující (db t = 0) dv t = de t = φ t ds t = φ t ds t + ψ t db t nalezli jsme replikační strategii, protože platí:v T = E T = X T cena derivátu je střední hodnota podle míry Q řešení rovnice pro cenu akcie je { S t = exp σ W t 1 } 2 σ2 t 25 z 31

26 Rozšíření o úrokovou sazbu převedeme na předchozí případ diskontováním diskontovací proces diskontovaná akcie diskontovaný derivát B 1 t = exp { rt} Z t = Bt 1 S t B 1 T X T zbytek postupu je analogický, použije se stejné odvození s diskontovanými verzemi procesů 26 z 31

27 Call opce ocenění opce se strike k X T = max {0, S T k} V 0 = exp { rt } E Q [X T ] stačí najít marginální rozdělení S T podle míry Q d (log S t ) = σd W t + (r 12 ) σ2 dt převedení na normální rozdělení ( Z N 1 ) 2 σ2 T, σ 2 T S T = S 0 exp {Z + rt } technickou manipulací lze odvodit známý vzorec 27 z 31

28 Určení obchodovací strategie Věta Pokud se cena derivátu X T rovná f (S T ) pro nějakou funkci f, pak je cena derivátu v čase t rovna V t = V (S t, t), kde: V (s, t) = exp { r (T t)} E Q [f (S T ) S t = s]. Obchodovací strategie je dána vzorcem: φ t = V s (S t, t). Poznámka Podle věty o reprezentaci martingalů je φ t lokálně poměrem volatilit příslušných procesů, v tomto případě změny ceny opce a změny ceny akcie. 28 z 31

29 Určení obchodovací strategie Důkaz. pro cenu akcie platí: ds t = σs t d W t + rs t dt použitím Itoovy formule: dv t = dv (S t, t) = samofinancující portfolio: ( ) V σs t d W t + (...) dt s dv t = φ t ds t + ψ t db t opět použitím Itoovy formule: dv t = (φ t σs t ) d W t + (...) dt 29 z 31

30 Literatura Baxter, M. and Rennie A. (1996): Financial calculus: An Introduction to derivative pricing, Cambridge University Press, ISBN z 31

31 Závěr Děkuji za pozornost! Václav Kozmík 31 z 31

Přemysl Bejda.

Přemysl 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

Více

Martin Chudoba. Seminář - Stochastické modelování v ekonomii a financích KPMS MFF UK. dluhopisů pomocí. Black-Scholesova modelu. M.Chudoba.

Martin 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

Více

Financial calculus Chapter 6 Bigger models

Financial 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

Více

Radek Hendrych. Stochastické modelování v ekonomii a financích. 18. října 2010

Radek Hendrych. Stochastické modelování v ekonomii a financích. 18. října 2010 Sochasické modelování v ekonomii a financích 18. října 21 Program 1 2 3 4 Úroková míra R, T ) Uvažujme bezrizikový bezkuponový dluhopis s mauriou T a nominální hodnoou 1 $, jeho cenu v čase budeme nadále

Více

Stochastické diferenciální rovnice

Stochastické 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

Více

Optimální řízení pro geometrický Brownův pohyb

Optimální 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

Více

Od Náhodné Procházky Ke Spojitým Modelům. Silvie Kafková. 1.prosince 2014, FIMA

Od 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

Více

Rovnovážné modely v teorii portfolia

Rovnovážné 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

Více

Riemannův určitý integrál

Riemannův určitý integrál Riemannův určitý integrál 1. Motivační příklad Příklad (Motivační příklad pro zavedení Riemannova integrálu). Nechť,. Vypočtěme obsah vybarvené oblasti ohraničené grafem funkce, osou a svislými přímkami

Více

Definice 7.1 Nechť je dán pravděpodobnostní prostor (Ω, A, P). Zobrazení. nebo ekvivalentně

Definice 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

Více

MASARYKOVA UNIVERZITA. Dluhopisy

MASARYKOVA 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

Více

8.3). S ohledem na jednoduchost a názornost je výhodné seznámit se s touto Základní pojmy a vztahy. Definice

8.3). S ohledem na jednoduchost a názornost je výhodné seznámit se s touto Základní pojmy a vztahy. Definice 9. Lineární diferenciální rovnice 2. řádu Cíle Diferenciální rovnice, v nichž hledaná funkce vystupuje ve druhé či vyšší derivaci, nazýváme diferenciálními rovnicemi druhého a vyššího řádu. Analogicky

Více

Greenova funkce pro dvoubodové okrajové úlohy pro obyčejné diferenciální rovnice

Greenova 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

Více

Numerická řešení stochastické diferenciální rovnice

Numerická 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

Více

Derivace goniometrických funkcí

Derivace goniometrických funkcí Derivace goniometrických funkcí Shrnutí Jakub Michálek, Tomáš Kučera Odvodí se základní vztahy pro derivace funkcí sinus a cosinus za pomoci věty o třech itách, odvodí se také několik typických it pomocí

Více

11. přednáška 10. prosince Kapitola 3. Úvod do teorie diferenciálních rovnic. Obyčejná diferenciální rovnice řádu n (ODR řádu n) je vztah

11. 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

Více

1. Obyčejné diferenciální rovnice

1. Obyčejné diferenciální rovnice & 8..8 8: Josef Hekrdla obyčejné diferenciální rovnice-separace proměnných. Obyčejné diferenciální rovnice Rovnice, ve které je neznámá funkcí a v rovnici se vyskytuje spolu se svými derivacemi, se nazývá

Více

Věta o dělení polynomů se zbytkem

Věta o dělení polynomů se zbytkem Věta o dělení polynomů se zbytkem Věta. Nechť R je okruh, f, g R[x], přičemž vedoucí koeficient polynomu g 0 je jednotka okruhu R. Pak existuje jediná dvojice polynomů q, r R[x] taková, že st(r) < st(g)

Více

12. Křivkové integrály

12. 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

Více

Tomáš Cipra: Matematika cenných papírů. Professional Publishing, Praha 2013 (288 stran, ISBN: ) ÚVOD.. 7

Tomáš Cipra: Matematika cenných papírů. Professional Publishing, Praha 2013 (288 stran, ISBN: ) ÚVOD.. 7 Tomáš Cipra: Matematika cenných papírů. Professional Publishing, Praha 2013 (288 stran, ISBN: 978-80-7431-079-9) OBSAH ÚVOD.. 7 1. DLUHOPISY.. 9 1.1. Dluhopisy v praxi... 9 1.1.1. Princip dluhopisů 9 1.1.2.

Více

Obyčejnými diferenciálními rovnicemi (ODR) budeme nazývat rovnice, ve kterých

Obyčejnými 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.

Více

Derivace. Petr Hasil. Podpořeno projektem Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF)

Derivace. Petr Hasil. Podpořeno projektem Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) Petr Hasil Přednáška z matematiky Podpořeno projektem Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem na discipĺıny společného základu (reg. č. CZ.1.07/2.2.00/28.0021)

Více

Drsná matematika III 6. přednáška Obyčejné diferenciální rovnice vyšších řádů, Eulerovo přibližné řešení a poznámky o odhadech chyb

Drsná matematika III 6. přednáška Obyčejné diferenciální rovnice vyšších řádů, Eulerovo přibližné řešení a poznámky o odhadech chyb Drsná matematika III 6. přednáška Obyčejné diferenciální rovnice vyšších řádů, Eulerovo přibližné řešení a poznámky o odhadech chyb Jan Slovák Masarykova univerzita Fakulta informatiky 23. 10. 2006 Obsah

Více

Parciální derivace a diferenciál

Parciální derivace a diferenciál Parciální derivace a diferenciál Vyšší matematika, Inženýrská matematika LDF MENDELU Podpořeno projektem Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem

Více

III. Diferenciál funkce a tečná rovina 8. Diferenciál funkce. Přírůstek funkce. a = (x 0, y 0 ), h = (h 1, h 2 ).

III. Diferenciál funkce a tečná rovina 8. Diferenciál funkce. Přírůstek funkce. a = (x 0, y 0 ), h = (h 1, h 2 ). III. Diferenciál funkce a tečná rovina 8. Diferenciál funkce. Přírůstek funkce = f(x 0 + h 1, y 0 + h 2 ) f(x 0, y 0 ) f u (x 0, y 0 ), kde u = (h 1, h 2 ). ( ) = f(x 0 + h 1, y 0 ) f(x 0, y 0 ) x (x 0,

Více

Fakt. Každou soustavu n lineárních ODR řádů n i lze eliminací převést ekvivalentně na jednu lineární ODR

Fakt. Každou soustavu n lineárních ODR řádů n i lze eliminací převést ekvivalentně na jednu lineární ODR DEN: ODR teoreticky: soustavy rovnic Soustava lineárních ODR 1 řádu s konstantními koeficienty je soustava ve tvaru y 1 = a 11 y 1 + a 12 y 2 + + a 1n y n + b 1 (x) y 2 = a 21 y 1 + a 22 y 2 + + a 2n y

Více

Definice 1.1. Nechť je M množina. Funkci ρ : M M R nazveme metrikou, jestliže má následující vlastnosti:

Definice 1.1. Nechť je M množina. Funkci ρ : M M R nazveme metrikou, jestliže má následující vlastnosti: Přednáška 1. Definice 1.1. Nechť je množina. Funkci ρ : R nazveme metrikou, jestliže má následující vlastnosti: (1 pro každé x je ρ(x, x = 0; (2 pro každé x, y, x y, je ρ(x, y = ρ(y, x > 0; (3 pro každé

Více

Parciální derivace a diferenciál

Parciální derivace a diferenciál Parciální derivace a diferenciál Vyšší matematika, Inženýrská matematika LDF MENDELU Podpořeno projektem Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem

Více

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

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 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).

Více

Téma 22. Ondřej Nývlt

Téma 22. Ondřej Nývlt Téma 22 Ondřej Nývlt nyvlto1@fel.cvut.cz Náhodná veličina a náhodný vektor. Distribuční funkce, hustota a pravděpodobnostní funkce náhodné veličiny. Střední hodnota a rozptyl náhodné veličiny. Sdružené

Více

Matematická analýza 1b. 9. Primitivní funkce

Matematická analýza 1b. 9. Primitivní funkce Matematická analýza 1b 9. Primitivní funkce 9.1 Základní vlastnosti Definice Necht funkce f je definována na neprázdném otevřeném intervalu I. Řekneme, že funkce F je primitivní funkce k f na I, jestliže

Více

Nové směry v oceňování derivátů: Opce se stochastickou volatilitou

Nové směry v oceňování derivátů: Opce se stochastickou volatilitou Nové směry v oceňování derivátů: Opce se stochastickou volatilitou Jiří Málek Abstrakt V první části e uveden vztah (4) pro obecný derivát záviseící na dvou (neobchodovatelných) instrumentech. Tento vztah

Více

Necht L je lineární prostor nad R. Operaci : L L R nazýváme

Necht L je lineární prostor nad R. Operaci : L L R nazýváme Skalární součin axiomatická definice odvození velikosti vektorů a úhlu mezi vektory geometrická interpretace ortogonalita vlastnosti ortonormálních bázi [1] Definice skalárního součinu Necht L je lineární

Více

1 Báze a dimenze vektorového prostoru 1

1 Báze a dimenze vektorového prostoru 1 1 Báze a dimenze vektorového prostoru 1 Báze a dimenze vektorového prostoru 1 2 Aritmetické vektorové prostory 7 3 Eukleidovské vektorové prostory 9 Levá vnější operace Definice 5.1 Necht A B. Levou vnější

Více

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

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 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

Kapitola 8: Dvojný integrál 1/26

Kapitola 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

Více

Vybrané poznámky k řízení rizik v bankách

Vybrané poznámky k řízení rizik v bankách Vybrané poznámky k řízení rizik v bankách Seminář z aktuárských věd Petr Myška 7.11.2008 Obsah přednášky Oceňování nestandartních instrumentů finančních trhů Aplikace analytických vzorců Simulační techniky

Více

Interpolace, ortogonální polynomy, Gaussova kvadratura

Interpolace, ortogonální polynomy, Gaussova kvadratura Interpolace, ortogonální polynomy, Gaussova kvadratura Petr Tichý 20. listopadu 2013 1 Úloha Lagrangeovy interpolace Dán omezený uzavřený interval [a, b] a v něm n + 1 různých bodů x 0, x 1,..., x n. Nechť

Více

DISERTAČNÍ PRÁCE k získání akademického titulu Doktor (Ph. D.)

DISERTAČNÍ PRÁCE k získání akademického titulu Doktor (Ph. D.) VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ FAKULTA STROJNÍHO INŽENÝRSTVÍ DISERTAČNÍ PRÁCE k získání akademického titulu Doktor (Ph. D.) ve studijním oboru MATEMATICKÉ INŽENÝRSTVÍ RNDr. Edita Kolářová Stochastické diferenciální

Více

Drsná matematika III 1. přednáška Funkce více proměnných: křivky, směrové derivace, diferenciál

Drsná matematika III 1. přednáška Funkce více proměnných: křivky, směrové derivace, diferenciál Drsná matematika III 1. přednáška Funkce více proměnných: křivky, směrové derivace, diferenciál Jan Slovák Masarykova univerzita Fakulta informatiky 16. 9. 2008 Obsah přednášky 1 Literatura 2 Funkce a

Více

Komplexní analýza. Holomorfní funkce. Martin Bohata. Katedra matematiky FEL ČVUT v Praze

Komplexní analýza. Holomorfní funkce. Martin Bohata. Katedra matematiky FEL ČVUT v Praze Komplexní analýza Holomorfní funkce Martin Bohata Katedra matematiky FEL ČVUT v Praze bohata@math.feld.cvut.cz Martin Bohata Komplexní analýza Holomorfní funkce 1 / 8 Derivace Definice Necht f je komplexní

Více

Derivace funkce. Přednáška MATEMATIKA č Jiří Neubauer

Derivace funkce. Přednáška MATEMATIKA č Jiří Neubauer Přednáška MATEMATIKA č. 9-11 Katedra ekonometrie FEM UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Šotová, J., Doudová, L. Diferenciální počet funkcí jedné proměnné Motivační příklady

Více

terminologie předchozí kapitoly: (ϕ, Ω) - plocha, S - geometrický obraz plochy

terminologie 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

Více

Průvodce studiem. do bodu B se snažíme najít nejkratší cestu. Ve firmách je snaha minimalizovat

Průvodce studiem. do bodu B se snažíme najít nejkratší cestu. Ve firmách je snaha minimalizovat 6. Extrémy funkcí více proměnných Průvodce studiem Hledání extrémů je v praxi často řešená úloha. Např. při cestě z bodu A do bodu B se snažíme najít nejkratší cestu. Ve firmách je snaha minimalizovat

Více

Lineární algebra : Lineární prostor

Lineární algebra : Lineární prostor Lineární algebra : Lineární prostor (3. přednáška) František Štampach, Karel Klouda LS 2013/2014 vytvořeno: 17. dubna 2014, 14:43 1 2 3.1 Aximotické zavedení lineárního prostoru Číselné těleso Celou lineární

Více

Změna hodnoty pozice v důsledku změn tržních cen.

Změna hodnoty pozice v důsledku změn tržních cen. Tržní riziko Změna hodnoty pozice v důsledku změn tržních cen. Akciové riziko Měnové riziko Komoditní riziko Úrokové riziko Odvozená rizika... riz. volatility, riz. korelace Pozice (saldo hodnoty očekávaných

Více

10 Funkce více proměnných

10 Funkce více proměnných M. Rokyta, MFF UK: Aplikovaná matematika II kap. 10: Funkce více proměnných 16 10 Funkce více proměnných 10.1 Základní pojmy Definice. Eukleidovskou vzdáleností bodů x = (x 1,...,x n ), y = (y 1,...,y

Více

ŘADY KOMPLEXNÍCH FUNKCÍ

ŘADY KOMPLEXNÍCH FUNKCÍ ŘADY KOMPLEXNÍCH FUNKCÍ OBECNÉ VLASTNOSTI Řady komplexních čísel z n byly částečně probírány v kapitole o číselných řadách. Definice říká, že n=0 z n = z, jestliže z je limita částečných součtů řady z

Více

Změna hodnoty pozice v důsledku změn tržních cen.

Změna hodnoty pozice v důsledku změn tržních cen. Tržní riziko Změna hodnoty pozice v důsledku změn tržních cen. Akciové riziko Měnové riziko Komoditní riziko Úrokové riziko Odvozená rizika... riz. volatility, riz. korelace Pozice (saldo hodnoty očekávaných

Více

Výroková a predikátová logika - IX

Výroková a predikátová logika - IX Výroková a predikátová logika - IX Petr Gregor KTIML MFF UK ZS 2013/2014 Petr Gregor (KTIML MFF UK) Výroková a predikátová logika - IX ZS 2013/2014 1 / 15 Korektnost a úplnost Důsledky Vlastnosti teorií

Více

Statistika II. Jiří Neubauer

Statistika II. Jiří Neubauer Statistika II Katedra ekonometrie FVL UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Zaměříme se především na popis dvourozměrných náhodných veličin (vektorů). Definice Nechť X a Y jsou

Více

INTEGRACE KOMPLEXNÍ FUNKCE

INTEGRACE 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

Více

VI. Maticový počet. VI.1. Základní operace s maticemi. Definice. Tabulku

VI. Maticový počet. VI.1. Základní operace s maticemi. Definice. Tabulku VI Maticový počet VI1 Základní operace s maticemi Definice Tabulku a 11 a 12 a 1n a 21 a 22 a 2n, a m1 a m2 a mn kde a ij R, i = 1,, m, j = 1,, n, nazýváme maticí typu m n Zkráceně zapisujeme (a ij i=1m

Více

Matematická analýza pro informatiky I. Derivace funkce

Matematická analýza pro informatiky I. Derivace funkce Matematická analýza pro informatiky I. 7. přednáška Derivace funkce Jan Tomeček tomecek@inf.upol.cz http://aix-slx.upol.cz/ tomecek/index Univerzita Palackého v Olomouci 31. března 2011 Jan Tomeček, tomecek@inf.upol.cz

Více

Derivace funkce. prof. RNDr. Čestmír Burdík DrCs. prof. Ing. Edita Pelantová CSc. Katedra matematiky BI-ZMA ZS 2009/2010

Derivace funkce. prof. RNDr. Čestmír Burdík DrCs. prof. Ing. Edita Pelantová CSc. Katedra matematiky BI-ZMA ZS 2009/2010 Derivace funkce prof. RNDr. Čestmír Burdík DrCs. prof. Ing. Edita Pelantová CSc. Katedra matematiky České vysoké učení technické v Praze c Čestmír Burdík, Edita Pelantová 2009 Základy matematické analýzy

Více

Komplexní analýza. Laplaceova transformace. Martin Bohata. Katedra matematiky FEL ČVUT v Praze

Komplexní analýza. Laplaceova transformace. Martin Bohata. Katedra matematiky FEL ČVUT v Praze Komplexní analýza Laplaceova transformace Martin Bohata Katedra matematiky FEL ČVUT v Praze bohata@math.feld.cvut.cz Martin Bohata Komplexní analýza Laplaceova transformace 1 / 18 Definice Definice Laplaceovou

Více

Matematická analýza pro informatiky I.

Matematická analýza pro informatiky I. Matematická analýza pro informatiky I. 10. přednáška Diferenciální počet funkcí více proměnných (II) Jan Tomeček jan.tomecek@upol.cz http://aix-slx.upol.cz/ tomecek/index Univerzita Palackého v Olomouci

Více

Oceňování akcií a. Brno 2012

Oceňování akcií a. Brno 2012 Oceňování akcií a dluhopisů Brno 2012 Osnova 1 Oceňování akcií 2 Akcie Představují podíl na majetku akciové společnosti. Držení je spojeno s řadou práv- právo účasti na hlasování na valné hromadě, právo

Více

+ 2y. a y = 1 x 2. du x = nxn 1 f(u) 2x n 3 yf (u)

+ 2y. a y = 1 x 2. du x = nxn 1 f(u) 2x n 3 yf (u) Diferenciální počet příklad 1 Dokažte, že funkce F, = n f 2, kde f je spojitě diferencovatelná funkce, vhovuje vztahu + 2 = nf ; 0 Řešení: Označme u = 2. Pak je F, = n fu a platí Podle vět o derivaci složené

Více

I. D i s k r é t n í r o z d ě l e n í

I. D i s k r é t n í r o z d ě l e n í 6. T y p y r o z d ě l e n í Poznámka: V odst. 5.5-5.10 jsme uvedli příklady náhodných veličin a jejich distribučních funkcí. Poznali jsme, že se od sebe liší svým typem. V příkladech 5.5, 5.6 a 5.8 jsme

Více

Přijímací zkouška na navazující magisterské studium 2017

Přijímací zkouška na navazující magisterské studium 2017 Přijímací zkouška na navazující magisterské studium 27 Studijní program: Studijní obor: Matematika Finanční a pojistná matematika Varianta A Řešení příkladů pečlivě odůvodněte. Věnujte pozornost ověření

Více

Matematika 5 FSV UK, ZS Miroslav Zelený

Matematika 5 FSV UK, ZS Miroslav Zelený Matematika 5 FSV UK, ZS 2018-19 Miroslav Zelený 1. Stabilita řešení soustav diferenciálních rovnic 2. Úvod do variačního počtu 3. Globální extrémy 4. Teorie optimálního řízení 5. Různé 1. Stabilita řešení

Více

p(x) = P (X = x), x R,

p(x) = P (X = x), x R, 6. T y p y r o z d ě l e n í Poznámka: V odst. 5.5-5.10 jsme uvedli příklady náhodných veličin a jejich distribučních funkcí. Poznali jsme, že se od sebe liší svým typem. V příkladech 5.5, 5.6 a 5.8 jsme

Více

LINEÁRNÍ ROVNICE S ABSOLUTNÍ HODNOTOU

LINEÁRNÍ ROVNICE S ABSOLUTNÍ HODNOTOU LINEÁRNÍ ROVNICE S ABSOLUTNÍ HODNOTOU LINEÁRNÍ ROVNICE S ABSOLUTNÍ HODNOTOU je lineární rovnice, ve které se vyskytuje jeden nebo více výrazů v absolutní hodnotě. ABSOLUTNÍ HODNOTA x reálného čísla x je

Více

SIGNÁLY A LINEÁRNÍ SYSTÉMY

SIGNÁLY A LINEÁRNÍ SYSTÉMY SIGNÁLY A LINEÁRNÍ SYSTÉMY prof. Ing. Jiří Holčík, CSc. holcik@iba.muni.cz II. SIGNÁLY ZÁKLADNÍ POJMY SIGNÁL - DEFINICE SIGNÁL - DEFINICE Signál je jev fyzikální, chemické, biologické, ekonomické či jiné

Více

9. Vícerozměrná integrace

9. Vícerozměrná integrace 9. Vícerozměrná integrace Tomáš Salač Ú UK, FF UK LS 2017/18 Tomáš Salač ( Ú UK, FF UK ) 9. Vícerozměrná integrace LS 2017/18 1 / 29 9.1 Elementy teorie míry Poznámka Na R n definujeme systém tzv. měřitelných

Více

MATEMATICKÁ STATISTIKA. Katedra matematiky a didaktiky matematiky Technická univerzita v Liberci

MATEMATICKÁ STATISTIKA.   Katedra matematiky a didaktiky matematiky Technická univerzita v Liberci MATEMATICKÁ STATISTIKA Dana Černá http://www.fp.tul.cz/kmd/ Katedra matematiky a didaktiky matematiky Technická univerzita v Liberci Matematická statistika Matematická statistika se zabývá matematickým

Více

Diferenciální rovnice

Diferenciální 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

Více

Učební texty k státní bakalářské zkoušce Matematika Diferenciální rovnice. študenti MFF 15. augusta 2008

Učební texty k státní bakalářské zkoušce Matematika Diferenciální rovnice. študenti MFF 15. augusta 2008 Učební texty k státní bakalářské zkoušce Matematika Diferenciální rovnice študenti MFF 15. augusta 2008 1 7 Diferenciální rovnice Požadavky Soustavy lineárních diferenciálních rovnic prvního řádu lineární

Více

Tomáš Cipra: Finanční a pojistné vzorce. Grada Publishing, Praha 2006 (374 stran, ISBN: 80-247- 1633-X) 1. ÚVOD... 17

Tomáš Cipra: Finanční a pojistné vzorce. Grada Publishing, Praha 2006 (374 stran, ISBN: 80-247- 1633-X) 1. ÚVOD... 17 Tomáš Cipra: Finanční a pojistné vzorce. Grada Publishing, Praha 2006 (374 stran, ISBN: 80-247- 1633-X) OBSAH SEZNAM NĚKTERÝCH SYMBOLŮ.... 13 1. ÚVOD.... 17 I. FINANČNÍ VZORCE.... 19 2. JEDNODUCHÉ ÚROČENÍ

Více

1.1 Existence a jednoznačnost řešení. Příklad 1.1: [M2-P1] diferenciální rovnice (DR) řádu n: speciálně nás budou zajímat rovnice typu

1.1 Existence a jednoznačnost řešení. Příklad 1.1: [M2-P1] diferenciální rovnice (DR) řádu n: speciálně nás budou zajímat rovnice typu [M2-P1] KAPITOLA 1: Diferenciální rovnice 1. řádu diferenciální rovnice (DR) řádu n: speciálně nás budou zajímat rovnice typu G(x, y, y, y,..., y (n) ) = 0 y (n) = F (x, y, y,..., y (n 1) ) Příklad 1.1:

Více

Univerzita Karlova v Praze procesy II. Zuzana. funkce

Univerzita Karlova v Praze   procesy II. Zuzana. funkce Náhodné 1 1 Katedra pravděpodobnosti a matematické statistiky Univerzita Karlova v Praze email: praskova@karlin.mff.cuni.cz 11.-12.3. 2010 1 Outline Lemma 1: 1. Nechť µ, ν jsou konečné míry na borelovských

Více

Teorie měření a regulace

Teorie měření a regulace Ústav technologie, mechanizace a řízení staveb Teorie měření a regulace 22.z-3.tr ZS 2015/2016 2015 - Ing. Václav Rada, CSc. TEORIE ŘÍZENÍ druhá část tématu předmětu pokračuje. oblastí matematických pomůcek

Více

SIGNÁLY A LINEÁRNÍ SYSTÉMY

SIGNÁLY A LINEÁRNÍ SYSTÉMY SIGNÁLY A LINEÁRNÍ SYSTÉMY prof. Ing. Jiří Holčík, CSc. holcik@iba.muni.cziba.muni.cz II. SIGNÁLY ZÁKLADNÍ POJMY SIGNÁL - DEFINICE SIGNÁL - DEFINICE Signál je jev fyzikální, chemické, biologické, ekonomické

Více

Základy matematické analýzy

Základy matematické analýzy Základy matematické analýzy Spojitost funkce Ing. Tomáš Kalvoda, Ph.D. 1, Ing. Daniel Vašata 2 1 tomas.kalvoda@fit.cvut.cz 2 daniel.vasata@fit.cvut.cz Katedra aplikované matematiky Fakulta informačních

Více

INTEGRÁLY S PARAMETREM

INTEGRÁLY S PARAMETREM INTEGRÁLY S PARAMETREM b a V kapitole o integraci funkcí více proměnných byla potřeba funkce g(x) = f(x, y) dy proměnné x. Spojitost funkce g(x) = b a f(x, y) dy proměnné x znamená vlastně prohození limity

Více

Diferenciální rovnice a jejich aplikace. (Brkos 2011) Diferenciální rovnice a jejich aplikace 1 / 36

Diferenciální 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

Více

Báze a dimenze vektorových prostorů

Báze a dimenze vektorových prostorů Báze a dimenze vektorových prostorů Buď (V, +, ) vektorový prostor nad tělesem (T, +, ). Nechť u 1, u 2,..., u n je konečná posloupnost vektorů z V. Existují-li prvky s 1, s 2,..., s n T, z nichž alespoň

Více

Funkce v ıce promˇ enn ych Extr emy Pˇredn aˇska p at a 12.bˇrezna 2018

Funkce v ıce promˇ enn ych Extr emy Pˇredn aˇska p at a 12.bˇrezna 2018 Funkce více proměnných Extrémy Přednáška pátá 12.března 2018 Zdroje informací Diferenciální počet http://homen.vsb.cz/~kre40/esfmat2/fceviceprom.html http://www.studopory.vsb.cz/studijnimaterialy/sbirka_uloh/pdf/7.pdf

Více

Zobecněný Riemannův integrál

Zobecněný Riemannův integrál Zobecněný Riemannův integrál Definice (Zobecněný Riemannův integrál). Buď,,. Nechť pro všechna existuje určitý Riemannův integrál. Pokud existuje konečná limita, říkáme, že zobecněný Riemannův integrál

Více

Matematická analýza III.

Matematická analýza III. 3. Implicitní funkce Miroslav Hušek, Lucie Loukotová UJEP 2010 V této kapitole se seznámíme s dalším možným zadáním funkce jejím implicitním vyjádřením. Doplní tak nám již známé explicitní a parametrické

Více

4. Diferenciál a Taylorova věta

4. Diferenciál a Taylorova věta 4. Diferenciál a Taylorova věta Definice 4.1. Buď f : R n R, a Df. Řekneme, že f je diferencovatelná v bodě a, když h V n takový, že a + h Df platí f(a + h) f(a) gradf(a) h + h τ(h), kde lim τ(h) 0. Funkce

Více

Pravděpodobnost a aplikovaná statistika

Pravděpodobnost a aplikovaná statistika Pravděpodobnost a aplikovaná statistika MGR. JANA SEKNIČKOVÁ, PH.D. 2. KAPITOLA PODMÍNĚNÁ PRAVDĚPODOBNOST 3. KAPITOLA NÁHODNÁ VELIČINA 9.11.2017 Opakování Uveďte příklad aplikace geometrické definice pravděpodobnosti

Více

LWS při heteroskedasticitě

LWS 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

Více

Výroková a predikátová logika - II

Výroková a predikátová logika - II Výroková a predikátová logika - II Petr Gregor KTIML MFF UK ZS 2017/2018 Petr Gregor (KTIML MFF UK) Výroková a predikátová logika - II ZS 2017/2018 1 / 17 Předběžnosti Základní pojmy n-ární relace a funkce

Více

Úvod do teorie her. 6. Koaliční hry

Úvod do teorie her. 6. Koaliční hry Úvod do teorie her 6. Koaliční hry Tomáš Kroupa http://staff.utia.cas.cz/kroupa/ 2018 ÚTIA AV ČR Různé formy her Známé formy her jsou: rozvinutá, strategická, koaliční. Pro danou množinu hráčů N = {1,...,

Více

pouze u některých typů rovnic a v tomto textu se jím nebudeme až na

pouze u některých typů rovnic a v tomto textu se jím nebudeme až na Matematika II 7.1. Zavedení diferenciálních rovnic Definice 7.1.1. Rovnice tvaru F(y (n), y (n 1),, y, y, x) = 0 se nazývá diferenciální rovnice n-tého řádu pro funkci y = y(x). Speciálně je F(y, y, x)

Více

Diferenˇcní rovnice Diferenciální rovnice Matematika IV Matematika IV Program

Diferenˇcní rovnice Diferenciální rovnice Matematika IV Matematika IV Program Program Diferenční rovnice Program Diferenční rovnice Diferenciální rovnice Program Frisch a Samuelson: Systém je dynamický, jestliže jeho chování v čase je určeno funkcionální rovnicí, jejíž neznámé závisí

Více

Výroková a predikátová logika - IX

Výroková a predikátová logika - IX Výroková a predikátová logika - IX Petr Gregor KTIML MFF UK ZS 2015/2016 Petr Gregor (KTIML MFF UK) Výroková a predikátová logika - IX ZS 2015/2016 1 / 16 Tablo metoda v PL Důsledky úplnosti Vlastnosti

Více

Přednáška 6, 6. listopadu 2013

Přednáška 6, 6. listopadu 2013 Přednáška 6, 6. listopadu 2013 Kapitola 2. Posloupnosti a řady funkcí. V dalším jsou f, f n : M R, n = 1, 2,..., reálné funkce jedné reálné proměnné definované na (neprázdné) množině M R. Co to znamená,

Více

Derivace funkce Otázky

Derivace funkce Otázky funkce je jedním z hlavních nástrojů matematické analýzy. V příští části ukážeme, jak mnoho různorodých aplikací derivace má. Geometricky lze derivaci funkce v nějakém bodě chápat jako směrnici tečny grafu

Více

Kapitola 1. Úvod. 1.1 Značení. 1.2 Výroky - opakování. N... přirozená čísla (1, 2, 3,...). Q... racionální čísla ( p, kde p Z a q N) R...

Kapitola 1. Úvod. 1.1 Značení. 1.2 Výroky - opakování. N... přirozená čísla (1, 2, 3,...). Q... racionální čísla ( p, kde p Z a q N) R... Kapitola 1 Úvod 1.1 Značení N... přirozená čísla (1, 2, 3,...). Z... celá čísla ( 3, 2, 1, 0, 1, 2,...). Q... racionální čísla ( p, kde p Z a q N) q R... reálná čísla C... komplexní čísla 1.2 Výroky -

Více

α β ) právě tehdy, když pro jednotlivé hodnoty platí β1 αn βn. Danou relaci nazýváme relace

α β ) právě tehdy, když pro jednotlivé hodnoty platí β1 αn βn. Danou relaci nazýváme relace Monotónní a Lineární Funkce 1. Relace předcházení a to Uvažujme dva vektory hodnot proměnných α = α,, 1 αn ( ) a β = ( β β ) 1,, n x,, 1 xn. Říkáme, že vekto r hodnot α předchází vektor hodnot β (značíme

Více

K oddílu I.1 základní pojmy, normy, normované prostory

K oddílu I.1 základní pojmy, normy, normované prostory ÚVOD DO FUNKCIONÁLNÍ ANALÝZY PŘÍKLADY PRO POROZUMĚNÍ LÁTCE ZS 2015/2016 PŘÍKLADY KE KAPITOLE I K oddílu I1 základní pojmy, normy, normované prostory Příklad 1 Necht X je reálný vektorový prostor a : X

Více

VEKTOROVÁ POLE Otázky

VEKTOROVÁ POLE Otázky VEKTOROVÁ POLE VEKTOROVÁ POLE Je-li A podmnožina roviny a f je zobrazení A do R 2, které je dáno souřadnicemi f 1, f 2, tj., f(x, y) = (f 1 (x, y), f 2 (x, y)) pro (x, y) A, lze chápat dvojici (f 1 (x,

Více

Primitivní funkce a Riemann uv integrál Lineární algebra Taylor uv polynom Extrémy funkcí více prom ˇenných Matematika III Matematika III Program

Primitivní funkce a Riemann uv integrál Lineární algebra Taylor uv polynom Extrémy funkcí více prom ˇenných Matematika III Matematika III Program Program Primitivní funkce a Riemannův integrál Program Primitivní funkce a Riemannův integrál Lineární algebra Program Primitivní funkce a Riemannův integrál Lineární algebra Taylorův polynom Program Primitivní

Více

Derivace funkce DERIVACE A SPOJITOST DERIVACE A KONSTRUKCE FUNKCÍ. Aritmetické operace

Derivace funkce DERIVACE A SPOJITOST DERIVACE A KONSTRUKCE FUNKCÍ. Aritmetické operace Derivace funkce Derivace je jedním z hlavních nástrojů matematické analýzy. V příští části ukážeme, jak mnoho různorodých aplikací derivace má. Geometricky lze derivaci funkce v nějakém bodě chápat jako

Více

9. přednáška 26. listopadu f(a)h < 0 a pro h (0, δ) máme f(a 1 + h, a 2,..., a m ) f(a) > 1 2 x 1

9. přednáška 26. listopadu f(a)h < 0 a pro h (0, δ) máme f(a 1 + h, a 2,..., a m ) f(a) > 1 2 x 1 9 přednáška 6 listopadu 007 Věta 11 Nechť f C U, kde U R m je otevřená množina, a a U je bod Pokud fa 0, nemá f v a ani neostrý lokální extrém Pokud fa = 0 a H f a je pozitivně negativně definitní, potom

Více

MASARYKOVA UNIVERZITA PŘÍRODOVĚDECKÁ FAKULTA

MASARYKOVA UNIVERZITA PŘÍRODOVĚDECKÁ FAKULTA MASARYKOVA UNIVERZITA PŘÍRODOVĚDECKÁ FAKULTA ÚSTAV MATEMATIKY A STATISTIKY MODELY STOCHASTICKÉ VOLATILITY Diplomová práce Martin Diviš Vedoucí práce: Mgr. Ondřej Pokora, Ph.D. Brno 2015 Bibliografický

Více

MASARYKOVA UNIVERZITA

MASARYKOVA UNIVERZITA MASARYKOVA UNIVERZITA PŘÍRODOVĚDECKÁ FAKULTA DIPLOMOVÁ PRÁCE Bc. PAVLA HOLUBÁŘOVÁ MATEMATICKÉ METODY JIŠTĚNÍ OPČNÍCH PORTFOLIÍ (MATHEMATICAL METHODS OF HEDGING OPTION PORTFOLIOS) doc. RNDr. MARTIN KOLÁŘ,

Více