Simulácie ako nástroj riadenia rizika v neživotnom poistení

Size: px
Start display at page:

Download "Simulácie ako nástroj riadenia rizika v neživotnom poistení"

Transcription

1 4. eznárodní konference Řízení a odelování fnančních rzk Ostrava VŠB-TU Ostrava, Ekonocká fakulta, katedra Fnancí.-2. září 2008 Suláce ako nástroj radena rzka v nežvotno postení Vladír Mucha Abstrakt Ceľo príspevku je poukázať na ožnost využta sulácí celkového postného plnena resp. prebytku posťovne v rác procesu radena rzka v portfólu postných zlúv nežvotného postena. Výsledky dosahnuté rešení úloh pravdepodobnostného charakteru na základe počítačovej suláce organzovaného náhodného procesu sú hodnoty náhodných velčín, takže na ch spracovane je potrebná aplkáca etód ateatckej štatstky. Sulačný prístup určena pravdepodobnost krachu posťovne generovaní hodnôt celkového postného plnena resp. počtu postných plnení predstavuje efektívnu a flexblnú foru zabezpečena solventnost posťovne. Použtá sulačná etóda Monte Carlo bola realzovaná v prograovaco jazyku VISUAL BASIC for Applcatons v Mcrosoft EXCEL. Kľúčové slová suláce, náhodná preenná, prebytok, kvantly, rozdelene, kolektívny odel rzka, Monte Carlo, pravdepodobnosť krachu, počet postných plnení, výška postného plnena, celkové postné plnene Úvod S rýchly rozvojo technckých ožností a softwarového vybavena počítačov sa do popreda dostávajú nové prístupy rešena probléov, ktoré sú založené na kvaltatívne novo spôsobe využívana výpočtovej technky. a analýzu a skúane zložtých procesov sa využívajú sulačné etódy predstavujúce potenconálne jeden z najúčnnejších rešteľských nástrojov. Ich základná yšlenka je poerne jednoduchá, pretože vychádza z praeho napodobňovana reálneho systéu. Ich použte á opodstatnené esto hlavne v prípade, keď vytvorený odel reálneho systéu ne je ožné rešť analytcký postup, pretože by to bolo prnajenšo extréne náročné. Pretože sulačné etódy sú jedný z prostredkov rešena určtých probléov pravdepodobnostného charakteru, ožno ch aplkovať v prípade rešena úloh z postnej praxe. Výsledky získané z pravdepodobnostných odelov je potrebné považovať za hodnoty náhodných velčín, takže ch spracovane je potrebné realzovať etóda ateatckej štatstky. A práve preto je celko pochopteľné využívať suláce aj v oblast teóre rzka. V procese radena rzka v portfólu postných zlúv nežvotného postena spĺňajúco podenky kolektívneho odelu rzka [2] je pleentáca sulačných etód efektívny spôsobo zabezpečovana solventnost posťovne. Hodnoty celkového postného plnena S pre celé portfólo sú generované na základe náhodného procesu prostredníctvo náhodných preenných počtu a X ( =,..., ) ndvduálnej výšky postných plnení s dentcký zákono rozdelena. Celkové postné plnene S je defnované vzťaho Mgr. Vladír Mucha, PhD.Katedra ateatky, Fakulta hospodárskej nforatky, Ekonocká unverzta. Dolnozeská cesta /b, Bratslava. e-al : ucha@euba.sk.,vega /0724/08

2 4. eznárodní konference Řízení a odelování fnančních rzk Ostrava VŠB-TU Ostrava, Ekonocká fakulta, katedra Fnancí.-2. září 2008 S = X () = Základo realzáce sulovana hodnôt celkového postného plnena S resp. prebytku posťovne Z je poznatok o rozdelení počtu a výšky postných plnení X. Preto je potrebná celková analýza spracovana dát o počte a výške postných plnení za predchádzajúce obdoba. a základe týchto poznatkov sa za predpokladaného vývoja portfóla v nasledujúco období realzuje saotná suláca prebytku posťovne. V prípade avzovaných zen, čo sa týka rozdelena počtu a výšky postných plnení sulovane budúceho stavu portfóla poskytuje cenné nforáce potrebné k efektívnej regulác rzka. Určovane pravdepodobnost krachu posťovne resp. pravdepodobnost toho, že posťovňa nadobudne prebytok v rác určeného ntervalu je ožné využtí sulovana hodnôt celkového postného plnena S resp. jej prebytku Z sulačnou etódou Monte Carlo. Exstuje aj jednoduchša alternatíva sulačného prístupu pr odhade spoínaných pravdepodobností, operajúca sa o generovane hodnôt počtu postných plnení. Získane nforác o počte postných plnení, ktorý by predstavoval napríklad krach posťovne ôže byť do určtej ery ovplyvnený rozdelení výšky postného plnena X resp. rozptylo hodnôt tejto náhodnej preennej okolo očakávanej hodnoty E( X ). 2 Suláca hodnôt prebytku Z posťovne využtí sulačnej etódy Monte Carlo a určene pravdepodobnost krachu posťovne Budee sa zaoberať odelo prebytku Z posťovne, ktorý je na konc sledovaného obdoba defnovaný nasledujúc vzťaho Z = U + RP S, (2) kde U - je hodnota rezervného postného fondu na začatku sledovaného obdoba S - výška celkového postného plnena defnovaná ako súčet ndvduálnych postných plnení X vzťaho S = X+ X X (3) θ - rzková prrážka RP - rzkové postné : RP = E ( X ) E ( ) ( + θ ), (4) V prípade, že Z < 0 nterpretujee prebytok posťovne ako stratu posťovne Z > 0 nterpretujee prebytok posťovne ako zsk posťovne áhodné preenné X ajú dentcký zákon rozdelena a nadobúdajú rôzne hodnoty t.j. napríklad hodnotu x preenná X,..., hodnotu x preenná X. Súčet týchto hodnôt predstavuje jednu z ožných hodnôt s náhodnej preennej S celkového postného plnena 2... s x x x = (5) V rác určena pravdepodobnost krachu posťovne využtí generovana hodnôt jej prebytku Z a ch štatstckého spracovana dochádza k sulác hodnôt celkového postného plnena S poocou etódy Monte Carlo [8]. Aplkovaní algortu tejto etódy -krát vygenerujee hodnôt celkového postného plnena S,

3 4. eznárodní konference Řízení a odelování fnančních rzk Ostrava VŠB-TU Ostrava, Ekonocká fakulta, katedra Fnancí.-2. září 2008 s, s2,..., s, Hodnotu s, =,..., náhodnej preennej S celkového postného plnena získae vygenerovaní hodnoty n, =,..., náhodnej preennej počtu postných plnení a následný generovaní n nezávslých hodnôt náhodnej preennej výšky postných plnení X : x, x,..., x. Spočítaní týchto hodnôt 2 n n x j dostanee hodnotu náhodnej preennej S : j= n s = x, =,..., Hodnoty s, s 2,..., s ožno využť pr sulovaní hodnôt prebytku posťovne z, z2,..., z na základe vzťahu (2). Dôležtý faktoro analýzy radena rzka sulovaní budúceho vývoja daného portfóla posťovne je určene pravdepodobnost krachu posťovne na základe vzťahu j= ( 0) ( 0) P Z < = P U + RP S < = ε. (6) Štatstcký spracovaní vygenerovaných hodnôt prebytku z, z 2,..., z odhadnee pravdepodobnosť krachu posťovne ε na základe vzťahu k, (7) kde je počet vygenerovaných hodnôt náhodnej preennej prebytku posťovne Z a k je počet týchto hodnôt pre ktoré platí z < 0. Odhad pravdepodobnost krachu posťovne ožno realzovať aj spracovaní kvantlov náhodnej preennej Z. Určení kvantlu z δ, pre ktorý platí z δ 0, (8) je hodnota δ odhado pravdepodobnost krachu posťovne ε. Keďže sulovane prebytku posťovne Z je založené na generovaní hodnôt celkového postného plnena S úpravou vzťahu (6) dostanee vyjadrene poocou dstrbučnej funkce F x celkového postného plnena ( ) S j P( S U + RP) = ε (9) F ( U + RP) = ε resp. F ( U + RP) = ε, (0) S Štatstcký spracovaní vygenerovaných hodnôt celkového postného plnena s, s2,..., s odhadnee prevdepodobnosť krachu ε na základe vzťahu = ε h, () kde je počet vygenerovaných hodnôt náhodnej preennej celkového postného plnena S a h je počet týchto hodnôt pre ktoré platí s U + RP. Hodnotu kvantlu x ε je ožné určť na základe vzťahu (0) štatstcký spracovaní vygenerovaných hodnôt celkového postného plnena s, s2,..., s. Získane tejto nforáce S

4 4. eznárodní konference Řízení a odelování fnančních rzk Ostrava VŠB-TU Ostrava, Ekonocká fakulta, katedra Fnancí.-2. září 2008 uožňuje radene rzka napríklad určení začatočných rezerv U resp. rzkového postného RP tak, aby posťovňa s vopred danou pravdepodobnosťou ε bola schopná plnť svoje záväzky v dano portfólu postných zlúv nežvotného postena. 3 Suláca hodnôt prebytku Z posťovne využtí suláce počtu postných plnení a určene pravdepodobnost krachu posťovne Pre sulácu hodnôt. prebytku posťovne Z na základe generovana hodnôt počtu postných plnení realzujee odhad hodnôt náhodných preenných X tak, že ch hodnoty nahradíe očakávanou hodnotou E( X ) t.j. s E( X ) E( X ) E( X ) = , (2) vzhľado na dentckosť zákona rozdelena náhodných preenných X E( X) = E( X2 ) =... = E( X) = E( X) = E( X) (3) dostanee vzťah pre celkové postné plnene S S = E( X) (4) Hodnoty prebytku posťovne Z získae využtí spoínaného generovana hodnôt počtu postných plnení na základe vzťahu Z = U + RP E( X) (5) a pre odhad pravdepodobnost krachu posťovne ε dostanee vzťah U + RP = P( U + RP E( X) < 0) = P > E( X) (6) Odhad tejto pravdepodobnost je ožné získať štatstcký spracovaní vygenerovaných hodnôt počtu postných plnení na základe vzťahu U + RP q P > E( X), (7) kde je počet vygenerovaných hodnôt náhodnej preennej počtu postných plnení a q je počet týchto hodnôt pre ktoré platí U + RP n >. E X ( ) Odhad počtu postných plnení, ktorý predstavuje krach posťovne je ožné realzovať grafcký znázornení závslost prebytku posťovne Z od vygenerovaného počtu postných plnení. Vzhľado na nahradene hodnôt náhodnej preennej X očakávanou hodnotou E ( X ) je odhad pravdepodobnost krachu posťovne závslý od rozptylu hodnôt náhodnej preennej X okolo očakávanej hodnoty výšky postného plnena E ( X ). Čí je tento rozptyl enší, tý je odhad pravdepodobnost krachu posťovne dosahnutý na základe opísaného sulačného prístupu porovnateľný s výsledka dosahnutý využtí etódy Monte Carlo. Poocou štatstckého spracovana nagenerovaných hodnôt náhodnej preennej prebytku posťovne Z, napríklad určení prslušných kvantlov je ožné odhadnúť aj pravdepodobnosť, s akou bude prebytok posťovne Z nadobúdať hodnoty z daného zvoleného ntervalu.

5 4. eznárodní konference Řízení a odelování fnančních rzk Ostrava VŠB-TU Ostrava, Ekonocká fakulta, katedra Fnancí.-2. září Praktcká ukážka a základe analýzy dát týkajúcch sa vývoja rozdelení počtu a výšky postných plnení X predpokladáe portfólo postných zlúv nežvotného postena, v ktoro platí (, ) B r q a = 000 X s nasledujúc paraetra a charakterstka: pre počet postných plnení : X, prčo X Γ ( αβ, ) ( 500;0,2) r E( ) D( ) pre výšku postného plnena X = 000 X : B tj. = 500, q= 0,2 = 00, = 80 ( 60;0,) X Γ tj. α = 60, β = 0, 2 ( X) ( ) ( X) ( ) ( X ) = 774, E = 000 E X = 6000, D = 000 D X = σ Pravdepodobnosť krachu posťovneε, ktorá dsponuje na začatku sledovaného obdoba rezerva vo výške U = p.j. a rzkové postné určuje na základe vzťahu (4) s rzkovou prrážkou θ = 0,05 určíe: A) sulácou = hodnôt náhodnej preennej prebytku posťovne Z s následný štatstcký spracovaní týchto hodnôt využtí vzťahov (7) a (8) 529 = 0, z0,07628 = 0, ε δ = 0, Obr.č. : Kvantly náhodnej preennej prebytku posťovne Z B) sulácou = hodnôt celkového postného plnena S s následný štatstcký spracovaní týchto hodnôt využtí vzťahu ()

6 4. eznárodní konference Řízení a odelování fnančních rzk Ostrava VŠB-TU Ostrava, Ekonocká fakulta, katedra Fnancí.-2. září = ε = 0, = 0, C) sulácou = hodnôt počtu postných plnení s následný štatstcký spracovaní týchto hodnôt využtí vzťahu (7) = P > = P( > 9,67) = 0, a základe nasulovaných hodnôt prebytku posťovne Z v závslost od počtu postných plnení je odhadovaný počet postných plnení predstavujúcch krach posťovne n = 9,67 20, čo dokuentuje aj grafcké znázornene na obr.č.2. Lteratúra Obr.č. 2 Závslosť prebytku Z posťovne od počtu postných plnení [] DAYKI, C. D., PETIKÄIE, T., PESOE, E.: Practcal rsk theory for Actuares. Chapan &Hall, London, 994 [2] HORÁKOVÁ, G., MUCHA, V.: Teóra rzka v postení I. EKOÓM, Bratslava,2006 [3] RUBISTEI, REUVE Y.: Sulaton and the Monte Carlo ethod. John Wley & Sons,Toronto, 98 [4] HORÁKOVÁ, G., MUCHA, V.: Teóra rzka v postení II. EKOÓM, Bratslava,2008 [5] HUŠEK, R., LAUBER, J. :Sulační odely. STL, Praha, 987 [6] HORÁKOVÁ, G., HUŤKA, V.: Teóra pravdepodobnost, EKOÓM, Bratslava,2004 [7] FEIMEIR,M., BERTRAM,J.: Anwendung nuerscher Methoden n der Rskotheore, DGVM, Karlsruhe, 986 [8] HORÁKOVÁ, G., MUCHA, V.: Určene rozdelena celkových škôd využtí etódy Monte Carlo a jeho porovnane s nuercky presný výpočto v dano portfólu postných zlúv. Zborník príspevkov 2.edznárodnej konference Řízení a odelování fnančních rzk, Ostrava, 2004

7 4. eznárodní konference Řízení a odelování fnančních rzk Ostrava VŠB-TU Ostrava, Ekonocká fakulta, katedra Fnancí.-2. září 2008 Suary The rapd developent of coputer technology and software has brought to the forefront new ethods of solvng probles, whch are based on a qualtatvely new approach to the use of IT. The Monte Carlo sulaton ethods provdes approxate solutons to a varety of atheatcal probles by perforng statstcal saplng experents on coputer. In vew of ether non-exstent or very onerous analytcal ethods of solvng real-lfe stuatons, there s a sgnfcant place for the use of sulaton technques also n the area of nsurance atheatcs. Deternaton of the run probablty of an nsurer usng sulated values of ts surplus s one of the odern fors of control and rsk anageent wth the a of ensurng solvency. The a of ths paper s to show how to use the sulaton ethod for a portfolo of nsurance contracts, whch fulfl the condtons of the collectve rsk odel.

Určenie hodnoty Value at Risk využitím simulačnej metódy Monte Carlo v neživotnom poistení

Určenie hodnoty Value at Risk využitím simulačnej metódy Monte Carlo v neživotnom poistení Určenie hodnoty Value at Risk využitím simulačnej metódy Monte Carlo v neživotnom poistení Vladimír Mucha 1 Abstrakt Cieľom príspevku je poukázať na využitie simulačnej metódy Monte Carlo pri určovaní

More information

BAYESIAN CURVE FITTING USING PIECEWISE POLYNOMIALS. Dariusz Biskup

BAYESIAN CURVE FITTING USING PIECEWISE POLYNOMIALS. Dariusz Biskup BAYESIAN CURVE FITTING USING PIECEWISE POLYNOMIALS Darusz Bskup 1. Introducton The paper presents a nonparaetrc procedure for estaton of an unknown functon f n the regresson odel y = f x + ε = N. (1) (

More information

KATASTROFY VYBRANÉ PROBLÉMY

KATASTROFY VYBRANÉ PROBLÉMY 16. medznárodná vedecká konferenca Rešene krízových stuácí v špecfckom prostredí, Fakulta špecálneho nžnerstva ŽU, Žlna, 1. - 2. jún 2011 KATASTROFY VYBRANÉ PROBLÉMY Klučka Jozef * ) ABSTRAKT Dôsledky

More information

ŽILINSKÁ UNIVERZITA V ŽILINE AUTOREFERÁT DIZERTAČNEJ PRÁCE

ŽILINSKÁ UNIVERZITA V ŽILINE AUTOREFERÁT DIZERTAČNEJ PRÁCE ŽILINSKÁ UNIVERZITA V ŽILINE AUTOREFERÁT DIZERTAČNEJ PRÁCE Žlna, apríl 203 Mgr. Dan Slováček Žlnská unverzta v Žlne Fakulta radena a nforatky Dan Slováček, Mgr. Autoreferát dzertačnej práce Modelovane

More information

Univerzita Karlova v Praze Matematicko-fyzikální fakulta. Erik Dzugas. Katedra pravděpodobnosti a matematické statistiky

Univerzita Karlova v Praze Matematicko-fyzikální fakulta. Erik Dzugas. Katedra pravděpodobnosti a matematické statistiky Univerzita Karlova v Praze Matematicko-fyzikální fakulta BAKALÁŘSKÁ PRÁCE Erik Dzugas Měření rizika dlouhověkosti v životním pojištění Katedra pravděpodobnosti a matematické statistiky Vedoucí bakalářské

More information

Kapitola S5. Skrutkovica na rotačnej ploche

Kapitola S5. Skrutkovica na rotačnej ploche Kapitola S5 Skrutkovica na rotačnej ploche Nech je rotačná plocha určená osou rotácie o a meridiánom m. Skrutkový pohyb je pohyb zložený z rovnomerného rotačného pohybu okolo osi o a z rovnomerného translačného

More information

PROBABILITY AND STATISTICS Vol. III - Analysis of Variance and Analysis of Covariance - V. Nollau ANALYSIS OF VARIANCE AND ANALYSIS OF COVARIANCE

PROBABILITY AND STATISTICS Vol. III - Analysis of Variance and Analysis of Covariance - V. Nollau ANALYSIS OF VARIANCE AND ANALYSIS OF COVARIANCE ANALYSIS OF VARIANCE AND ANALYSIS OF COVARIANCE V. Nollau Insttute of Matheatcal Stochastcs, Techncal Unversty of Dresden, Gerany Keywords: Analyss of varance, least squares ethod, odels wth fxed effects,

More information

Jádrové odhady regresní funkce pro korelovaná data

Jádrové odhady regresní funkce pro korelovaná data Jádrové odhady regresní funkce pro korelovaná data Ústav matematiky a statistiky MÚ Brno Finanční matematika v praxi III., Podlesí 3.9.-4.9. 2013 Obsah Motivace Motivace Motivace Co se snažíme získat?

More information

ENTROPIA. Claude Elwood Shannon ( ), USA A Mathematical Theory of Communication, 1948 LOGARITMUS

ENTROPIA. Claude Elwood Shannon ( ), USA A Mathematical Theory of Communication, 1948 LOGARITMUS LOGARITMUS ENTROPIA Claude Elwood Shao (96-00), USA A Mathematcal Theory of Commucato, 948 7. storoče Naer, Brggs, orovae číselých ostuostí: artmetcká ostuosť 3 0 3 4 5 6 geometrcká ostuosť /8 /4 / 4 8

More information

Transactions of the VŠB Technical University of Ostrava, Mechanical Series No. 2, 2010, vol. LVI article No. 1776

Transactions of the VŠB Technical University of Ostrava, Mechanical Series No. 2, 2010, vol. LVI article No. 1776 Transactions of the VŠB Technical University of Ostrava, Mechanical Series o. 2, 200, vol. LVI article o. 776 Zuzana ADRÁSSYOVÁ *, Martin KOTUS ** EVALUATIO OF CC MILLIG MACHIE CAPABILITY FOR TRASMISSIOS

More information

Transactions of the VŠB Technical University of Ostrava, Mechanical Series No. 1, 2010, vol. LVI article No. 1772

Transactions of the VŠB Technical University of Ostrava, Mechanical Series No. 1, 2010, vol. LVI article No. 1772 Transactions of the VŠB Technical University of Ostrava, Mechanical Series No. 1, 2010, vol. LVI article No. 1772 Jan SZWEDA *, Zdeněk PORUBA **, Roman SIKORA ***, Alena BILOŠOVÁ **** DYNAMICAL ANALYSIS

More information

Transactions of the VŠB Technical University of Ostrava, Mechanical Series. article No. 1907

Transactions of the VŠB Technical University of Ostrava, Mechanical Series. article No. 1907 Transactons of the VŠB Techncal Unversty of Ostrava, Mechancal Seres No., 0, vol. LVIII artcle No. 907 Marek NIKODÝM *, Karel FYDÝŠEK ** FINITE DIFFEENCE METHOD USED FO THE BEAMS ON ELASTIC FOUNDATION

More information

A new Approach for Solving Linear Ordinary Differential Equations

A new Approach for Solving Linear Ordinary Differential Equations , ISSN 974-57X (Onlne), ISSN 974-5718 (Prnt), Vol. ; Issue No. 1; Year 14, Copyrght 13-14 by CESER PUBLICATIONS A new Approach for Solvng Lnear Ordnary Dfferental Equatons Fawz Abdelwahd Department of

More information

The influence of input data design on terrain morphometric parameters quality and accuracy

The influence of input data design on terrain morphometric parameters quality and accuracy The influence of input data design on terrain morphometric parameters quality and accuracy Mgr. Radoslav Bonk bonk@fns.uniba.sk Katedra fyzickej geografie a geoekológie, Prírodovedecká fakulta Univerzity

More information

Simulation of Fluid Flow Inside a Back-ward-facing Step by MRT- LBM

Simulation of Fluid Flow Inside a Back-ward-facing Step by MRT- LBM 2012 Internatonal Conference on Flud Dynacs and Therodynacs Technologes (FDTT 2012) IPCSIT vol.33(2012) (2012) IACSIT Press, Sngapore Sulaton of Flud Flow Insde a Back-ward-facng Step by MRT- LBM Mohaad

More information

Segmentace textury. Jan Kybic

Segmentace textury. Jan Kybic Segmentace textury Případová studie Jan Kybic Zadání Mikroskopický obrázek segmentujte do tříd: Příčná vlákna Podélná vlákna Matrice Trhliny Zvolená metoda Deskriptorový popis Učení s učitelem ML klasifikátor

More information

Teória grafov. RNDr. Milan Stacho, PhD.

Teória grafov. RNDr. Milan Stacho, PhD. Teória grafov RNDr. Milan Stacho, PhD. Literatúra Plesník: Grafové algoritmy, Veda Bratislava 1983 Sedláček: Úvod do teórie grafů, Academia Praha 1981 Bosák: Grafy a ich aplikácie, Alfa Bratislava 1980

More information

TAGUCHI S APPROACH TO QUALITY ENGINEERING TAGUCHIHO PR STUP K INZINIERSTVU KVALITY

TAGUCHI S APPROACH TO QUALITY ENGINEERING TAGUCHIHO PR STUP K INZINIERSTVU KVALITY KVALITA INOV`CIA PROSPERITA IV / 1 2000 (35 40) 35 TAGUCHI S APPROACH TO QUALITY ENGINEERING TAGUCHIHO PR STUP K INZINIERSTVU KVALITY MILAN TEREK LUBICA HRNCIAROV` 1 INTRODUCTION Genichi Taguchi is Japanese

More information

Jádrové odhady gradientu regresní funkce

Jádrové odhady gradientu regresní funkce Monika Kroupová Ivana Horová Jan Koláček Ústav matematiky a statistiky, Masarykova univerzita, Brno ROBUST 2018 Osnova Regresní model a odhad gradientu Metody pro odhad vyhlazovací matice Simulace Závěr

More information

Module 3 LOSSY IMAGE COMPRESSION SYSTEMS. Version 2 ECE IIT, Kharagpur

Module 3 LOSSY IMAGE COMPRESSION SYSTEMS. Version 2 ECE IIT, Kharagpur Module 3 LOSSY IMAGE COMPRESSION SYSTEMS Verson ECE IIT, Kharagpur Lesson 6 Theory of Quantzaton Verson ECE IIT, Kharagpur Instructonal Objectves At the end of ths lesson, the students should be able to:

More information

Odhady veľkosti pokrytí náhodne indukovaných podgrafov n-rozmernej hyperkocky

Odhady veľkosti pokrytí náhodne indukovaných podgrafov n-rozmernej hyperkocky KATEDRA INFORMATIKY FAKULTA MATEMATIKY FYZIKY A INFORMATIKY UNIVERZITA KOMENSKÉHO Odhady veľkosti pokrytí náhodne indukovaných podgrafov nrozmernej hyperkocky Diplomová práca Bc. Ján Kliman študijný odbor:

More information

The Golden Ratio and Signal Quantization

The Golden Ratio and Signal Quantization The Golden Ratio and Signal Quantization Tom Hejda, tohecz@gmail.com based on the work of Ingrid Daubechies et al. Doppler Institute & Department of Mathematics, FNSPE, Czech Technical University in Prague

More information

PARAMETER ESTIMATION IN WEIBULL DISTRIBUTION ON PROGRESSIVELY TYPE- II CENSORED SAMPLE WITH BETA-BINOMIAL REMOVALS

PARAMETER ESTIMATION IN WEIBULL DISTRIBUTION ON PROGRESSIVELY TYPE- II CENSORED SAMPLE WITH BETA-BINOMIAL REMOVALS Econoy & Busness ISSN 1314-7242, Volue 10, 2016 PARAMETER ESTIMATION IN WEIBULL DISTRIBUTION ON PROGRESSIVELY TYPE- II CENSORED SAMPLE WITH BETA-BINOMIAL REMOVALS Ilhan Usta, Hanef Gezer Departent of Statstcs,

More information

Excess Error, Approximation Error, and Estimation Error

Excess Error, Approximation Error, and Estimation Error E0 370 Statstcal Learnng Theory Lecture 10 Sep 15, 011 Excess Error, Approxaton Error, and Estaton Error Lecturer: Shvan Agarwal Scrbe: Shvan Agarwal 1 Introducton So far, we have consdered the fnte saple

More information

Štatisticky tolerančný interval nazýva ISO Statistics. Vocabulary and symbols. Part 1: Probability and general statistical terms ako štatistick

Štatisticky tolerančný interval nazýva ISO Statistics. Vocabulary and symbols. Part 1: Probability and general statistical terms ako štatistick Použitie štatistických tolerančných intervalov v riadení kvality Ivan Janiga Katedra matematiky SjF STU v Bratislave Štatisticky tolerančný interval nazýva ISO 3534-1 Statistics. Vocabulary and symbols.

More information

Statistical Modeling Methods in Automobile Insurance

Statistical Modeling Methods in Automobile Insurance Statstcal Modelng Methods n Automoble Insurance Elena BURLACU PhD Student he Academy of Economc Studes of Moldova Republc of Moldova, elenaburlacu@gmal.com Abstract hs artcle descrbes the notons of the

More information

System in Weibull Distribution

System in Weibull Distribution Internatonal Matheatcal Foru 4 9 no. 9 94-95 Relablty Equvalence Factors of a Seres-Parallel Syste n Webull Dstrbuton M. A. El-Dacese Matheatcs Departent Faculty of Scence Tanta Unversty Tanta Egypt eldacese@yahoo.co

More information

Ing. Tomasz Kanik. doc. RNDr. Štefan Peško, CSc.

Ing. Tomasz Kanik. doc. RNDr. Štefan Peško, CSc. Ing. Tomasz Kanik Školiteľ: doc. RNDr. Štefan Peško, CSc. Pracovisko: Študijný program: KMMOA, FRI, ŽU 9.2.9 Aplikovaná informatika 1 identifikácia problémovej skupiny pacientov, zlepšenie kvality rozhodovacích

More information

Bootstrap metody II Kernelové Odhady Hustot

Bootstrap metody II Kernelové Odhady Hustot Bootstrap metody II Kernelové Odhady Hustot Mgr. Rudolf B. Blažek, Ph.D. prof. RNDr. Roman Kotecký, DrSc. Katedra počítačových systémů Katedra teoretické informatiky Fakulta informačních technologií České

More information

Transactions of the VŠB Technical University of Ostrava, Mechanical Series No. 3, 2009, vol. LV article No. 1736

Transactions of the VŠB Technical University of Ostrava, Mechanical Series No. 3, 2009, vol. LV article No. 1736 Transactons of the VŠB Techncal Unversty of Ostrava, Mechancal Seres No. 3, 2009, vol. LV artcle No. 1736 Vladmír SMRŽ *, Dušan TEICHMANN ** A MATHEMATICAL MODEL OF ALLOCATION OF AIRCRAFT TO FLIGHTS OF

More information

Sborník vědeckých prací Vysoké školy báňské - Technické univerzity Ostrava číslo 2, rok 2006, ročník LII, řada strojní článek č.

Sborník vědeckých prací Vysoké školy báňské - Technické univerzity Ostrava číslo 2, rok 2006, ročník LII, řada strojní článek č. Sborník vědeckých prací Vysoké školy báňské - Technické univerzity Ostrava číslo, rok 006, ročník LII, řada strojní článek č. 1540 Roman KORZENIOWSKI *, Janusz PLUTA ** MATLAB-SIMULINK MODEL OF ELECTROPNEUMATIC

More information

Spectral Recomposition in Stratigraphic Interpretation*

Spectral Recomposition in Stratigraphic Interpretation* Spectral Recoposton n Stratgraphc Interpretaton* Yhua Ca 1, Sergey Foel 2, and Honglu Zeng 2 Search and Dscovery Artcle #41376 (2014)** Posted June 30, 2014 *Adapted fro oral presentaton gven at Geoscence

More information

Reliability estimation in Pareto-I distribution based on progressively type II censored sample with binomial removals

Reliability estimation in Pareto-I distribution based on progressively type II censored sample with binomial removals Journal of Scentfc esearch Developent (): 08-3 05 Avalable onlne at wwwjsradorg ISSN 5-7569 05 JSAD elablty estaton n Pareto-I dstrbuton based on progressvely type II censored saple wth bnoal reovals Ilhan

More information

ODHAD PARAMETROV VŠEOBECNÉHO PARETOVHO ROZDELENIA SOFTVÉROM EVA V PROSTREDÍ JAZYKA R.

ODHAD PARAMETROV VŠEOBECNÉHO PARETOVHO ROZDELENIA SOFTVÉROM EVA V PROSTREDÍ JAZYKA R. ODHAD PARAMETROV VŠEOBECNÉHO PARETOVHO ROZDELENIA SOFTVÉROM EVA V PROSTREDÍ JAZYKA R. Abstrakt V prípade výskyt extrémnych hodnôt v databáze údajov je možné na ich popísanie zvoliť model prekročenia prah

More information

Least Squares Fitting of Data

Least Squares Fitting of Data Least Squares Fttng of Data Davd Eberly Geoetrc Tools, LLC http://www.geoetrctools.co/ Copyrght c 1998-2015. All Rghts Reserved. Created: July 15, 1999 Last Modfed: January 5, 2015 Contents 1 Lnear Fttng

More information

P R. Lecture 4. Theory and Applications of Pattern Recognition. Dept. of Electrical and Computer Engineering /

P R. Lecture 4. Theory and Applications of Pattern Recognition. Dept. of Electrical and Computer Engineering / Theory and Applcatons of Pattern Recognton 003, Rob Polkar, Rowan Unversty, Glassboro, NJ Lecture 4 Bayes Classfcaton Rule Dept. of Electrcal and Computer Engneerng 0909.40.0 / 0909.504.04 Theory & Applcatons

More information

BAYESIAN AND NON BAYESIAN ESTIMATION OF ERLANG DISTRIBUTION UNDER PROGRESSIVE CENSORING

BAYESIAN AND NON BAYESIAN ESTIMATION OF ERLANG DISTRIBUTION UNDER PROGRESSIVE CENSORING www.arpapress.co/volues/volissue3/ijrras 3_8.pdf BAYESIAN AND NON BAYESIAN ESTIMATION OF ERLANG DISTRIBUTION UNDER PROGRESSIVE CENSORING R.A. Bakoban Departent of Statstcs, Scences Faculty for Grls, Kng

More information

Gaussian Process Introduction

Gaussian Process Introduction Gaussian Processes Gaussian Process Introduction Lukáš Bajer 1,2 1 Faculty of Mathematics and Physics, Charles University, 2 Institute of Computer Science, Czech Academy of Sciences, and Prague, Czech

More information

Lucia Fuchsová Charakteristiky pravděpodobnostních

Lucia Fuchsová Charakteristiky pravděpodobnostních Univerzita Karlova v Praze Matematicko-fyzikální fakulta BAKALÁŘSKÁ PRÁCE Lucia Fuchsová Charakteristiky pravděpodobnostních předpovědí Katedra pravděpodobnosti a matematické statistiky Vedoucí bakalářské

More information

Transactions of the VŠB Technical University of Ostrava, Mechanical Series. article No OPTIMIZATION OF THE HOOD OF DIESEL ELECTRIC LOCOMOTIVE

Transactions of the VŠB Technical University of Ostrava, Mechanical Series. article No OPTIMIZATION OF THE HOOD OF DIESEL ELECTRIC LOCOMOTIVE Transactions of the VŠB Technical University of Ostrava, Mechanical Series No. 1, 2013, vol. LIX article No. 1947 Petr TOMEK *, Doubravka STŘEDOVÁ ** OPTIMIZATION OF THE HOOD OF DIESEL ELECTRIC LOCOMOTIVE

More information

Transactions of the VŠB Technical University of Ostrava, Mechanical Series No. 2, 2009, vol. LV, article No. 1683

Transactions of the VŠB Technical University of Ostrava, Mechanical Series No. 2, 2009, vol. LV, article No. 1683 Transactions of the VŠB Technical University of Ostrava, Mechanical Series No. 2, 2009, vol. LV, article No. 1683 Leszek CEDRO *, Dariusz JANECKI ** IDENTIFICATION OF A MANIPULATOR MODEL USING THE INPUT

More information

Transactions of the VŠB Technical University of Ostrava, Mechanical Series No. 2, 2014, vol. LX article No. 1989

Transactions of the VŠB Technical University of Ostrava, Mechanical Series No. 2, 2014, vol. LX article No. 1989 Transactions of the VŠB Technical University of Ostrava, Mechanical Series No., 14, vol. LX article No. 1989 Anna PAWIŃSKA *, Sławomir BŁASIAK ** TEMPERATURE IDENTIFICATION IN THE STRUCTURAL ELEMENTS OF

More information

ON OPTIMAL CONTROL OF DYNAMIC SYSTEMS USING THE ALGORITHM OF NUMERICAL METHODS

ON OPTIMAL CONTROL OF DYNAMIC SYSTEMS USING THE ALGORITHM OF NUMERICAL METHODS ON OPTIMAL CONTROL OF DYNAMIC SYSTEMS USING THE ALGORITHM OF NUMERICAL METHODS HRUBINA Kaml JADLOVSKÁ Anna, SR Abstract The paper solves the problem of the dynamc system optmal control or process. Behavour

More information

Markov Chain Monte Carlo (MCMC), Gibbs Sampling, Metropolis Algorithms, and Simulated Annealing Bioinformatics Course Supplement

Markov Chain Monte Carlo (MCMC), Gibbs Sampling, Metropolis Algorithms, and Simulated Annealing Bioinformatics Course Supplement Markov Chan Monte Carlo MCMC, Gbbs Samplng, Metropols Algorthms, and Smulated Annealng 2001 Bonformatcs Course Supplement SNU Bontellgence Lab http://bsnuackr/ Outlne! Markov Chan Monte Carlo MCMC! Metropols-Hastngs

More information

ANALÝZA ZADLŽENOSTI PODNIKOV VO VYBRANÝCH ODVETVIACH SLOVENSKEJ REPUBLIKY ANALYSIS OF INDEBTEDNESS OF ENTERPRISES IN SELECTED SECTORS IN SLOVAKIA

ANALÝZA ZADLŽENOSTI PODNIKOV VO VYBRANÝCH ODVETVIACH SLOVENSKEJ REPUBLIKY ANALYSIS OF INDEBTEDNESS OF ENTERPRISES IN SELECTED SECTORS IN SLOVAKIA ANALÝZA ZADLŽENOSTI PODNIKOV VO VYBRANÝCH ODVETVIACH SLOVENSKEJ REPUBLIKY ANALYSIS OF INDEBTEDNESS OF ENTERPRISES IN SELECTED SECTORS IN SLOVAKIA Mária Taušová - Mária Muchová - Jaroslav Gonos ABSTRACT

More information

Several generation methods of multinomial distributed random number Tian Lei 1, a,linxihe 1,b,Zhigang Zhang 1,c

Several generation methods of multinomial distributed random number Tian Lei 1, a,linxihe 1,b,Zhigang Zhang 1,c Internatonal Conference on Appled Scence and Engneerng Innovaton (ASEI 205) Several generaton ethods of ultnoal dstrbuted rando nuber Tan Le, a,lnhe,b,zhgang Zhang,c School of Matheatcs and Physcs, USTB,

More information

Computation of Information Value for Credit Scoring Models

Computation of Information Value for Credit Scoring Models Jedovnice 20 Computation of Information Value for Credit Scoring Models Martin Řezáč, Jan Koláček Dept. of Mathematics and Statistics, Faculty of Science, Masaryk University Information value The special

More information

Polynomial Regression Models

Polynomial Regression Models LINEAR REGRESSION ANALYSIS MODULE XII Lecture - 6 Polynomal Regresson Models Dr. Shalabh Department of Mathematcs and Statstcs Indan Insttute of Technology Kanpur Test of sgnfcance To test the sgnfcance

More information

Copyright 2017 by Taylor Enterprises, Inc., All Rights Reserved. Adjusted Control Limits for P Charts. Dr. Wayne A. Taylor

Copyright 2017 by Taylor Enterprises, Inc., All Rights Reserved. Adjusted Control Limits for P Charts. Dr. Wayne A. Taylor Taylor Enterprses, Inc. Control Lmts for P Charts Copyrght 2017 by Taylor Enterprses, Inc., All Rghts Reserved. Control Lmts for P Charts Dr. Wayne A. Taylor Abstract: P charts are used for count data

More information

EXTREME SEVERAL-DAY PRECIPITATION TOTALS AT HURBANOVO DURING THE TWENTIETH CENTURY

EXTREME SEVERAL-DAY PRECIPITATION TOTALS AT HURBANOVO DURING THE TWENTIETH CENTURY Rožnovský, J., Litschmann, T. (ed.): XIV. Česko-slovenská bioklimatologická konference, Lednice na Moravě 2.-4. září 2, ISBN -85813-99-8, s. 9-19 EXTREME SEVERAL-DAY PRECIPITATION TOTALS AT HURBANOVO DURING

More information

Collaborative Filtering Recommendation Algorithm

Collaborative Filtering Recommendation Algorithm Vol.141 (GST 2016), pp.199-203 http://dx.do.org/10.14257/astl.2016.141.43 Collaboratve Flterng Recoendaton Algorth Dong Lang Qongta Teachers College, Haou 570100, Chna, 18689851015@163.co Abstract. Ths

More information

Some Different Perspectives on Linear Least Squares

Some Different Perspectives on Linear Least Squares Soe Dfferet Perspectves o Lear Least Squares A stadard proble statstcs s to easure a respose or depedet varable, y, at fed values of oe or ore depedet varables. Soetes there ests a deterstc odel y f (,,

More information

XII.3 The EM (Expectation-Maximization) Algorithm

XII.3 The EM (Expectation-Maximization) Algorithm XII.3 The EM (Expectaton-Maxzaton) Algorth Toshnor Munaata 3/7/06 The EM algorth s a technque to deal wth varous types of ncoplete data or hdden varables. It can be appled to a wde range of learnng probles

More information

Solution Methods for Beam and Frames on Elastic Foundation Using the Finite Element Method

Solution Methods for Beam and Frames on Elastic Foundation Using the Finite Element Method Solution Methods for Beam and Frames on Elastic Foundation Using the Finite Element Method Spôsoby riešenie nosníkov a rámov na pružnom podklade pomocou metódy konečných prvkov Roland JANČO 1 Abstract:

More information

An estimation of subsurface total drainage quantity in nonsteady state drainage flow, and its verification in loamy soils

An estimation of subsurface total drainage quantity in nonsteady state drainage flow, and its verification in loamy soils An estimation of subsurface total drainage quantity in nonsteady state drainage flow, and its verification in loamy soils J. Štibinger Czech University of Agriculture in Prague, Czech Republic ABSTRACT

More information

Random Partitions of Samples

Random Partitions of Samples Random Parttons of Samples Klaus Th. Hess Insttut für Mathematsche Stochastk Technsche Unverstät Dresden Abstract In the present paper we construct a decomposton of a sample nto a fnte number of subsamples

More information

Integrals and Invariants of Euler-Lagrange Equations

Integrals and Invariants of Euler-Lagrange Equations Lecture 16 Integrals and Invarants of Euler-Lagrange Equatons ME 256 at the Indan Insttute of Scence, Bengaluru Varatonal Methods and Structural Optmzaton G. K. Ananthasuresh Professor, Mechancal Engneerng,

More information

Transactions of the VŠB Technical University of Ostrava, Mechanical Series No. 1, 2014, vol. LX article No. 1979

Transactions of the VŠB Technical University of Ostrava, Mechanical Series No. 1, 2014, vol. LX article No. 1979 Transactions of the VŠB Technical University of Ostrava, Mechanical Series No. 1, 2014, vol. LX article No. 1979 Jaroslav KRUTIL *, František POCHYLÝ **, Simona FIALOVÁ *** CFD MODELING TWO-PHASE FLOW

More information

Modely, metódy a algoritmy pre analýzu longitudinálnych dát

Modely, metódy a algoritmy pre analýzu longitudinálnych dát Vedecká rada Fakulty matematiky, fyziky a informatiky Univerzity Komenského v Bratislave Mgr Gejza Wimmer Autoreferát dizertačnej práce Modely, metódy a algoritmy pre analýzu longitudinálnych dát pre získanie

More information

U-Pb Geochronology Practical: Background

U-Pb Geochronology Practical: Background U-Pb Geochronology Practcal: Background Basc Concepts: accuracy: measure of the dfference between an expermental measurement and the true value precson: measure of the reproducblty of the expermental result

More information

VŠB - Technical University of Ostrava, 17. listopadu 15, Ostrava, tel. (+420)

VŠB - Technical University of Ostrava, 17. listopadu 15, Ostrava, tel. (+420) DATA COLLECTION FOR DEVELOPMENT OF ASSESSMENT METHODS OF FIRM ROOF FAILURE BASED ON MINE SURVEYING OBSERVATIONS SBĚR DAT PRO VÝVOJ METODY HODNOCENÍ PORUŠOVÁNÍ PEVNÉHO NADLOŽÍ NA ZÁKLADĚ DŮLNĚ MĚŘICKÝCH

More information

Transactions of the VŠB Technical University of Ostrava, Mechanical Series. article No. 1918

Transactions of the VŠB Technical University of Ostrava, Mechanical Series. article No. 1918 Transactions of the VŠB Technical University of Ostrava, Mechanical Series No. 2, 2012, vol. LVIII article No. 1918 Jan LIPINA *, Petr GREGUŠ **, Jaroslav TOMÁŠ ***, Václav KRYS ****, Ekaterina KHLUDOVA

More information

Lecture 3. Camera Models 2 & Camera Calibration. Professor Silvio Savarese Computational Vision and Geometry Lab. 13- Jan- 15.

Lecture 3. Camera Models 2 & Camera Calibration. Professor Silvio Savarese Computational Vision and Geometry Lab. 13- Jan- 15. Lecture Caera Models Caera Calbraton rofessor Slvo Savarese Coputatonal Vson and Geoetry Lab Slvo Savarese Lecture - - Jan- 5 Lecture Caera Models Caera Calbraton Recap of caera odels Caera calbraton proble

More information

A Bayes Algorithm for the Multitask Pattern Recognition Problem Direct Approach

A Bayes Algorithm for the Multitask Pattern Recognition Problem Direct Approach A Bayes Algorthm for the Multtask Pattern Recognton Problem Drect Approach Edward Puchala Wroclaw Unversty of Technology, Char of Systems and Computer etworks, Wybrzeze Wyspanskego 7, 50-370 Wroclaw, Poland

More information

PROGRAM VZDELÁVACEJ ČINNOSTI. Anotácia predmetu

PROGRAM VZDELÁVACEJ ČINNOSTI. Anotácia predmetu PROGRAM VZDELÁVACEJ ČINNOSTI Číslo predmetu : 3I0107 Názov predmetu : Štatistické a numerické metódy Typ predmetu : Povinný Študijný odbor: EF Zameranie: Ročník : 1. Ing. Semester : zimný Počet hodín týždenne

More information

Obsah. 2 Určenie objemu valčeka Teoretický úvod Postup merania a spracovanie výsledkov... 10

Obsah. 2 Určenie objemu valčeka Teoretický úvod Postup merania a spracovanie výsledkov... 10 Obsah 1 Chyby merania 1 1.1 áhodné a systematické chyby.................... 1 1.2 Aritmetický priemer a stredná kvadratická chyba......... 1 1.3 Rozdelenie nameraných dát..................... 3 1.4 Limitné

More information

Appendix. Title. Petr Lachout MFF UK, ÚTIA AV ČR

Appendix. Title. Petr Lachout MFF UK, ÚTIA AV ČR Title ROBUST - Kráĺıky - únor, 2010 Definice Budeme se zabývat optimalizačními úlohami. Uvažujme metrický prostor X a funkci f : X R = [, + ]. Zajímá nás minimální hodnota funkce f na X ϕ (f ) = inf {f

More information

PROBABILITY PRIMER. Exercise Solutions

PROBABILITY PRIMER. Exercise Solutions PROBABILITY PRIMER Exercse Solutons 1 Probablty Prmer, Exercse Solutons, Prncples of Econometrcs, e EXERCISE P.1 (b) X s a random varable because attendance s not known pror to the outdoor concert. Before

More information

COMPANIES FINANCIAL PERFORMANCE DETERMANITATION APPLYING THE DATA ENVELOPMENT ANALYSIS (DEA) METHOD. Dana DLUHOŠOVÁ, Zdeněk ZMEŠKAL

COMPANIES FINANCIAL PERFORMANCE DETERMANITATION APPLYING THE DATA ENVELOPMENT ANALYSIS (DEA) METHOD. Dana DLUHOŠOVÁ, Zdeněk ZMEŠKAL COMPANIE FINANCIAL PEFOMANCE DETEMANITATION APPLYING THE DATA ENVELOPMENT ANALYI (DEA) METHOD Dana DLUHOŠOVÁ Zdeněk ZMEŠKAL VB-TU Ostrava Ostrava Czech epublc EU dana.dluhosova@vsb.cz zdenek.zmeskal@vsb.cz

More information

Parametric fractional imputation for missing data analysis. Jae Kwang Kim Survey Working Group Seminar March 29, 2010

Parametric fractional imputation for missing data analysis. Jae Kwang Kim Survey Working Group Seminar March 29, 2010 Parametrc fractonal mputaton for mssng data analyss Jae Kwang Km Survey Workng Group Semnar March 29, 2010 1 Outlne Introducton Proposed method Fractonal mputaton Approxmaton Varance estmaton Multple mputaton

More information

Integral Transforms and Dual Integral Equations to Solve Heat Equation with Mixed Conditions

Integral Transforms and Dual Integral Equations to Solve Heat Equation with Mixed Conditions Int J Open Probles Copt Math, Vol 7, No 4, Deceber 214 ISSN 1998-6262; Copyrght ICSS Publcaton, 214 www-csrsorg Integral Transfors and Dual Integral Equatons to Solve Heat Equaton wth Mxed Condtons Naser

More information

P a g e 5 1 of R e p o r t P B 4 / 0 9

P a g e 5 1 of R e p o r t P B 4 / 0 9 P a g e 5 1 of R e p o r t P B 4 / 0 9 J A R T a l s o c o n c l u d e d t h a t a l t h o u g h t h e i n t e n t o f N e l s o n s r e h a b i l i t a t i o n p l a n i s t o e n h a n c e c o n n e

More information

Basically, if you have a dummy dependent variable you will be estimating a probability.

Basically, if you have a dummy dependent variable you will be estimating a probability. ECON 497: Lecture Notes 13 Page 1 of 1 Metropoltan State Unversty ECON 497: Research and Forecastng Lecture Notes 13 Dummy Dependent Varable Technques Studenmund Chapter 13 Bascally, f you have a dummy

More information

Credit Card Pricing and Impact of Adverse Selection

Credit Card Pricing and Impact of Adverse Selection Credt Card Prcng and Impact of Adverse Selecton Bo Huang and Lyn C. Thomas Unversty of Southampton Contents Background Aucton model of credt card solctaton - Errors n probablty of beng Good - Errors n

More information

Supplemental Material: Causal Entropic Forces

Supplemental Material: Causal Entropic Forces Supplemental Materal: Causal Entropc Forces A. D. Wssner-Gross 1, 2, and C. E. Freer 3 1 Insttute for Appled Computatonal Scence, Harvard Unversty, Cambrdge, Massachusetts 02138, USA 2 The Meda Laboratory,

More information

Table of C on t en t s Global Campus 21 in N umbe r s R e g ional Capac it y D e v e lopme nt in E-L e ar ning Structure a n d C o m p o n en ts R ea

Table of C on t en t s Global Campus 21 in N umbe r s R e g ional Capac it y D e v e lopme nt in E-L e ar ning Structure a n d C o m p o n en ts R ea G Blended L ea r ni ng P r o g r a m R eg i o na l C a p a c i t y D ev elo p m ent i n E -L ea r ni ng H R K C r o s s o r d e r u c a t i o n a n d v e l o p m e n t C o p e r a t i o n 3 0 6 0 7 0 5

More information

RPMN v teórii a praxi APRC in theory and practice

RPMN v teórii a praxi APRC in theory and practice v teórii a praxi APRC in theory and practice Lenka Smažáková, Ľudovít Pinda Abstrakt: Článok sa zaoberá teoretickým prístupom výpočtu (ročnej percentuálnej miery nákladov) pri základných pokladoch, ktoré

More information

The Gaussian classifier. Nuno Vasconcelos ECE Department, UCSD

The Gaussian classifier. Nuno Vasconcelos ECE Department, UCSD he Gaussan classfer Nuno Vasconcelos ECE Department, UCSD Bayesan decson theory recall that we have state of the world X observatons g decson functon L[g,y] loss of predctng y wth g Bayes decson rule s

More information

BOOTSTRAP METHOD FOR TESTING OF EQUALITY OF SEVERAL MEANS. M. Krishna Reddy, B. Naveen Kumar and Y. Ramu

BOOTSTRAP METHOD FOR TESTING OF EQUALITY OF SEVERAL MEANS. M. Krishna Reddy, B. Naveen Kumar and Y. Ramu BOOTSTRAP METHOD FOR TESTING OF EQUALITY OF SEVERAL MEANS M. Krshna Reddy, B. Naveen Kumar and Y. Ramu Department of Statstcs, Osmana Unversty, Hyderabad -500 007, Inda. nanbyrozu@gmal.com, ramu0@gmal.com

More information

Computing MLE Bias Empirically

Computing MLE Bias Empirically Computng MLE Bas Emprcally Kar Wa Lm Australan atonal Unversty January 3, 27 Abstract Ths note studes the bas arses from the MLE estmate of the rate parameter and the mean parameter of an exponental dstrbuton.

More information

Continuous Time Markov Chains

Continuous Time Markov Chains Contnuous Tme Markov Chans Brth and Death Processes,Transton Probablty Functon, Kolmogorov Equatons, Lmtng Probabltes, Unformzaton Chapter 6 1 Markovan Processes State Space Parameter Space (Tme) Dscrete

More information

EXACT TRAVELLING WAVE SOLUTIONS FOR THREE NONLINEAR EVOLUTION EQUATIONS BY A BERNOULLI SUB-ODE METHOD

EXACT TRAVELLING WAVE SOLUTIONS FOR THREE NONLINEAR EVOLUTION EQUATIONS BY A BERNOULLI SUB-ODE METHOD www.arpapress.co/volues/vol16issue/ijrras_16 10.pdf EXACT TRAVELLING WAVE SOLUTIONS FOR THREE NONLINEAR EVOLUTION EQUATIONS BY A BERNOULLI SUB-ODE METHOD Chengbo Tan & Qnghua Feng * School of Scence, Shandong

More information

Comparative Analysis of Bradley-Terry and Thurstone-Mosteller Paired Comparison Models for Image Quality Assessment

Comparative Analysis of Bradley-Terry and Thurstone-Mosteller Paired Comparison Models for Image Quality Assessment Coparatve Analyss of Bradley-Terry and Thurstone-Mosteller Pared Coparson Models for Iage Qualty Assessent John C. Handley Xerox Corporaton Dgtal Iagng Technology Center 8 Phllps Road, MS 85E Webster,

More information

Lecture 16 Statistical Analysis in Biomaterials Research (Part II)

Lecture 16 Statistical Analysis in Biomaterials Research (Part II) 3.051J/0.340J 1 Lecture 16 Statstcal Analyss n Bomaterals Research (Part II) C. F Dstrbuton Allows comparson of varablty of behavor between populatons usng test of hypothess: σ x = σ x amed for Brtsh statstcan

More information

Small-Sample Equating With Prior Information

Small-Sample Equating With Prior Information Research Report Sall-Saple Equatng Wth Pror Inforaton Sauel A Lvngston Charles Lews June 009 ETS RR-09-5 Lstenng Learnng Leadng Sall-Saple Equatng Wth Pror Inforaton Sauel A Lvngston and Charles Lews ETS,

More information

Simulation and Probability Distribution

Simulation and Probability Distribution CHAPTER Probablty, Statstcs, and Relablty for Engneers and Scentsts Second Edton PROBABILIT DISTRIBUTION FOR CONTINUOUS RANDOM VARIABLES A. J. Clark School of Engneerng Department of Cvl and Envronmental

More information

Transactions of the VŠB Technical University of Ostrava, Mechanical Series. article No Karel FRYDRÝŠEK *

Transactions of the VŠB Technical University of Ostrava, Mechanical Series. article No Karel FRYDRÝŠEK * Transactions of the VŠB Technical University of Ostrava, Mechanical Series No. 1, 2012, vol. LVIII article No. 1896 Karel FRYDRÝŠEK * DYNAMIC CHARACTERISTICS OF A NEW MACHINE FOR FATIGUE TESTING OF RAILWAY

More information

NON-CENTRAL 7-POINT FORMULA IN THE METHOD OF LINES FOR PARABOLIC AND BURGERS' EQUATIONS

NON-CENTRAL 7-POINT FORMULA IN THE METHOD OF LINES FOR PARABOLIC AND BURGERS' EQUATIONS IJRRAS 8 (3 September 011 www.arpapress.com/volumes/vol8issue3/ijrras_8_3_08.pdf NON-CENTRAL 7-POINT FORMULA IN THE METHOD OF LINES FOR PARABOLIC AND BURGERS' EQUATIONS H.O. Bakodah Dept. of Mathematc

More information

PART 8. Partial Differential Equations PDEs

PART 8. Partial Differential Equations PDEs he Islamc Unverst of Gaza Facult of Engneerng Cvl Engneerng Department Numercal Analss ECIV 3306 PAR 8 Partal Dfferental Equatons PDEs Chapter 9; Fnte Dfference: Ellptc Equatons Assocate Prof. Mazen Abualtaef

More information

Numerical Solution of Nonlinear Singular Ordinary Differential Equations Arising in Biology Via Operational Matrix of Shifted Legendre Polynomials

Numerical Solution of Nonlinear Singular Ordinary Differential Equations Arising in Biology Via Operational Matrix of Shifted Legendre Polynomials Aercan Journal of Coputatonal and Appled Matheatcs: ; (): -9 DOI:.93/.aca..4 Nuercal Soluton of Nonlnear Sngular Ordnary Dfferental Equatons Arsng n Bology Va Operatonal Matr of Shfted Legendre Polynoals

More information

Maintenance Scheduling and Production Control of Multiple-Machine Manufacturing Systems

Maintenance Scheduling and Production Control of Multiple-Machine Manufacturing Systems Coputers & Industral Engneerng 48 (2005) 693 707 do:0.06/.ce.2004.2.007 Mantenance Schedulng and Producton Control of Multple-Machne Manufacturng Systes A. Gharb a and J.-P. Kenné b a Autoated Producton

More information

COMPOSITE BEAM WITH WEAK SHEAR CONNECTION SUBJECTED TO THERMAL LOAD

COMPOSITE BEAM WITH WEAK SHEAR CONNECTION SUBJECTED TO THERMAL LOAD COMPOSITE BEAM WITH WEAK SHEAR CONNECTION SUBJECTED TO THERMAL LOAD Ákos Jósef Lengyel, István Ecsed Assstant Lecturer, Professor of Mechancs, Insttute of Appled Mechancs, Unversty of Mskolc, Mskolc-Egyetemváros,

More information

UNIVERZITA KOMENSKÉHO V BRATISLAVE FAKULTA MATEMATIKY, FYZIKY A INFORMATIKY. Robustné metódy vo faktorovej analýze

UNIVERZITA KOMENSKÉHO V BRATISLAVE FAKULTA MATEMATIKY, FYZIKY A INFORMATIKY. Robustné metódy vo faktorovej analýze UNIVERZITA KOMENSKÉHO V BRATISLAVE FAKULTA MATEMATIKY, FYZIKY A INFORMATIKY Robustné metódy vo faktorovej analýze DIPLOMOVÁ PRÁCA Bratislava 2013 Bc. Zuzana Kuižová UNIVERZITA KOMENSKÉHO V BRATISLAVE FAKULTA

More information

UCLA STAT 13 Introduction to Statistical Methods for the Life and Health Sciences. Chapter 11 Analysis of Variance - ANOVA. Instructor: Ivo Dinov,

UCLA STAT 13 Introduction to Statistical Methods for the Life and Health Sciences. Chapter 11 Analysis of Variance - ANOVA. Instructor: Ivo Dinov, UCLA STAT 3 ntroducton to Statstcal Methods for the Lfe and Health Scences nstructor: vo Dnov, Asst. Prof. of Statstcs and Neurology Chapter Analyss of Varance - ANOVA Teachng Assstants: Fred Phoa, Anwer

More information

Analysis and modelling of flood risk assessment using information diffusion and artificial neural network

Analysis and modelling of flood risk assessment using information diffusion and artificial neural network Analyss and odellng of rsk assessent usng nforaton dffuson and artfcal neural network Qong L 1 *, Xngwen Jang 2 and Donghan Lu 3 1 School of Matheatcs and Physcs, Hube Polytechnc Unversty, Huangsh, Hube,

More information

Chapter 12 Lyes KADEM [Thermodynamics II] 2007

Chapter 12 Lyes KADEM [Thermodynamics II] 2007 Chapter 2 Lyes KDEM [Therodynacs II] 2007 Gas Mxtures In ths chapter we wll develop ethods for deternng therodynac propertes of a xture n order to apply the frst law to systes nvolvng xtures. Ths wll be

More information

Stability Analysis of Central Difference Method for Dynamic Real-time Substructure Testing

Stability Analysis of Central Difference Method for Dynamic Real-time Substructure Testing 009 Aercan Control Conference Hyatt Regency Rverfront, St. Lous, MO, USA June 10-1, 009 FrB0. Stablty Analyss of Central Dfference Method for Dynac Real-te Substructure Testng B. Wu, L. Deng, Z. Wang,

More information

A Hybrid Variational Iteration Method for Blasius Equation

A Hybrid Variational Iteration Method for Blasius Equation Avalable at http://pvamu.edu/aam Appl. Appl. Math. ISSN: 1932-9466 Vol. 10, Issue 1 (June 2015), pp. 223-229 Applcatons and Appled Mathematcs: An Internatonal Journal (AAM) A Hybrd Varatonal Iteraton Method

More information

ANALYSIS OF EXTREME HYDROLOGICAL EVENTS ON THE DANUBE USING THE PEAK OVER THRESHOLD METHOD

ANALYSIS OF EXTREME HYDROLOGICAL EVENTS ON THE DANUBE USING THE PEAK OVER THRESHOLD METHOD See discussions, stats, and author profiles for this publication at: https://www.researchgate.net/publication/245419546 ANALYSIS OF EXTREME HYDROLOGICAL EVENTS ON THE DANUBE USING THE PEAK OVER THRESHOLD

More information

On an Extension of Stochastic Approximation EM Algorithm for Incomplete Data Problems. Vahid Tadayon 1

On an Extension of Stochastic Approximation EM Algorithm for Incomplete Data Problems. Vahid Tadayon 1 On an Extenson of Stochastc Approxmaton EM Algorthm for Incomplete Data Problems Vahd Tadayon Abstract: The Stochastc Approxmaton EM (SAEM algorthm, a varant stochastc approxmaton of EM, s a versatle tool

More information