Dagens tema: Middelværdi/varians-optimale porteføljer
|
|
|
- Jesper Kvist
- 9 år siden
- Visninger:
Transkript
1 Dagens tema: Middelværdi/varians-optimale porteføljer Geometrien; frihåndstegninger. Et eksempel; 2004 opg. 3 med samt julelege. Tre sætninger: - To-fondsseparation (Prop. 30); fond (fund) bruges blot som et andet ord for (en bestemt) portefølje. - Ortogonalitetslemmma (Prop. 3) - Kovariansrepræsentation af forventede afkast (Prop. 32); næsten CAPM Matematisk set blot omskrivninger af førsteordensbetingelser for middelværdi/varians-optimalitet, men interessante økonomiske fortolkninger. RP (IMF) Finansiering 8. februar 2009 / 26
2 Middelværdi/varians-analyse på slide Problemet: min w w Σw under bibetingelserne: w µ = µ P w =. Løsningen: hvor A = ŵ = Σ [ µ ] A [ µp [ µ Σ µ µ Σ µ Σ Σ ] =: ] [ a b b c Denne portefølje kaldes for minimum-varians-porteføljen hørende til µ P. Den mindst mulige varians er σ 2 P := cµ2 P 2µ Pb + a ac b 2. RP (IMF) Finansiering 8. februar / 26 ].
3 Geometrien: Den efficiente rand Samenhørende par af minimum-varians-porteføljers afkastrates middelværdi og varians. Global minimum-varians porteføljer; gmv. Effficent rand: Dem over gmv. Hele kurven: Kritisk rand. (Men jeg er ikke lingvistisk pedantisk.) Småting: Af historiske årsager ombyttede akser. Mest behageligt at regne på σ 2 P som funtion af µ P. Parabel i (σ 2 P,µ P)-rum; hyperbel i (σ P,µ P )-rum. Det er ikke porteføljer, vi tegner. RP (IMF) Finansiering 8. februar / 26
4 Sommer 2004, opgave 3 Betragt en porteføljevalgsmodel med 3 usikre aktiver (aktier, numereret, 2 og 3), hvis afkastrater har forventede værdier (µ) og kovarianser (Σ) givet ved: µ = , Σ = I første omgang antages modellen ikke at have et risikofrit aktiv.. RP (IMF) Finansiering 8. februar / 26
5 Spg. 3.a [0%] Bestem den efficiente rand ( the efficient frontier ) og vægtene for porteføljerne på denne, de (middelværdi/varians-)efficiente porteføljer. Illustrer grafisk. Det kan være nyttigt at kende disse to matricer: [ ] A = [µ ] Σ [µ ] = og Σ [µ ]A = RP (IMF) Finansiering 8. februar / 26
6 Idet a, b og c er vores sædvanlige navngivning af indgangene i A-matricen, så er den kritiske rand er bestemt ved σ 2 P = a 2bµ P + cµ 2 P ac b 2 = µ P µ 2 P, og porteføljevægtene for minimum-varians-proteføljerne er givet ved ( ) x P = Σ [µ ]A µp Den globale minimum-varians portefølje har en forventet afkastrate på b/c = og en varians på /c = 0.038, og således en standardafvigelse på = RP (IMF) Finansiering 8. februar / 26
7 De efficiente porteføljer er de minimum-varians porteføljer, hvis forventede afkastrate ligger over afkastraten på den globale minimum-varians portefølje. I figuren kan man se den efficiente rand tegnet i (standardafvigelse, forventet afkast)-rummet (hvor der er en hyperbel). Efficiente rande forventet pf afkastrate : Eff. rand uden risikofrit aktiv (Spg. 3.a) : Eff. rand med risikofrit aktiv (Spg. 3.c) standardafvigelse af pf afklastrate RP (IMF) Finansiering 8. februar / 26
8 Spg. 3.b [5%] Betragt en portefølje givet ved vægtene x G = (/2,/2,0). Find dens forventede afkastrate og afkastratens varians og standardafvigelse. Er x G efficient? Svar. 3.b Forventet afkastrate og standardafvigelse (når vi omdefinerer x G til en søjlevektor, hvis vi er meget pedantiske) er µ G = µ x G = 0.06 og σ G = xg Σx G = Den efficiente portefølje med forventet afkastrate 0.06 har en standardafvigelse på Så nej, x G er ikke efficient. RP (IMF) Finansiering 8. februar / 26
9 Spg. 3.d [0%] Er nedenstående udsagn sande eller falske? (Eller kanske noget helt andet, fx ikke til at afgøre på det foreliggende grundlag, eller meningsløse.) Enhver konveks kombination af to eller flere efficiente porteføjler er efficient. Enhver konveks kombination af to eller flere inefficiente porteføjler er inefficient. (En konveks kombination af vektorerne x,...,x n er som bekendt en vektor af formen n i= α ix i, hvor α i erne er positive relle tal, hvis sum er.) RP (IMF) Finansiering 8. februar / 26
10 Første udsagn er sandt vi beviser det starks. Andet udsagn er falskt. (Bemærk: Der står enhver.) Selvfølgelig findes der konvekse kombinationer af inefficiente porteføljer, der er efficiente. Alle porteføljer (specielt de efficiente) laves jo ud fra enkeltaktiverne, der (typisk) er inefficiente. Konveksiteten kunne man evt. bekymre sig om, for hva nu hvis der slet ikke findes efficiente porteføljer med positive vægte i enkeltaktiverne? Og er enkeltaktiverne inefficiente? - Lav (mod)eksempel med tallene i opgaven. - Tae nk på en model med n uafhængige, identiske aktiver; her har den globale minimum-varians-portefølje /n i hver. RP (IMF) Finansiering 8. februar / 26
11 Proposition 30: To-fondsseparation Lad w a og w b være minimum-varians-porteføljer med forventede afkastrater µ a og µ b med µ a µ b. Da gælder at: En vilkårlig vektor w c af porteføljevægte er en minimum-varians-portefølje hvis og kun hvis der findes α R så w c = αw a + ( α)w b. 2 Hvis w a og w b begge er efficiente porteføljer, så er αw a + ( α)w b også en efficient portefølje for 0 α. Bevis: Husk: en vektor af porteføljevægte w er en minimum-varians-portefølje hvis og kun hvis w = Σ [ µ ] A [ µp ]. () RP (IMF) Finansiering 8. februar 2009 / 26
12 Ad (i): kun hvis Lad w c være en minimum-varians-portefølje med forventet afkastrate µ c, og lad α være løsning til µ c = αµ a + ( α)µ b, dvs. α = µ c µ b µ a µ b (α er veldefineret da µ a µ b ). RP (IMF) Finansiering 8. februar / 26
13 Da w a og w b begge er minimum-varians-porteføljer har vi iflg. (): w c = Σ [ µ ] [ ] A µc = Σ [ µ ] [ ] A αµa + ( α)µ b = ασ [ µ ] [ ] A µa + ( α)σ [ µ ] [ ] A µb = αw a + ( α)w b. RP (IMF) Finansiering 8. februar / 26
14 Ad (i): hvis Hvis w c er en portefølje med forventet afkastrate µ c og w c har formen w c = αw a + ( α)w b for et α R, så er µ c = E(wc r) = E ( αw a + ( α)wb ) = αe(wa r) + ( α)e(wb r) = αµ a + ( α)µ b RP (IMF) Finansiering 8. februar / 26
15 og dermed w c = αw a + ( α)w b = ασ [ µ ] A [ µa ] + ( α)σ [ µ ] A [ µb ] (iflg. () da w a og w b begge er minimum-varians-porteføljer) = Σ [ µ ] A [ αµa + ( α)µ b ] = Σ [ µ ] A [ µc ] så w c er en minimum-varians-portefølje iflg. (). RP (IMF) Finansiering 8. februar / 26
16 To-fondsseparation resultatet siger, at en investor (der formodes at ville investere i en efficient portefølje) kun har behov for at kunne handle to typer af porteføljer, og det er ligegyldigt hvilke to det er, så længe de begge to er efficiente porteføljer. Hvis vi derfor kan finde to sådanne porteføljer, som rent faktisk kan handles i markedet, så er det i praksis muligt for en investor at ligge på den efficiente rand uden selv at skulle handle i alle n aktiver i markedet. Specielt bliver det således principielt overflødigt at handle individuelle aktiver. To-fondsseparation har stor betydning som fundament for CAPM-modellen, som vi skal se på næste gang. RP (IMF) Finansiering 8. februar / 26
17 To vektorer af porteføljevægte w og w kaldes ortogonale hvis deres afkastrater har kovarians 0, dvs. hvis wσ w = 0. ( Ortogonal fordi Σ definerer et indre produkt mht. hvilket...) RP (IMF) Finansiering 8. februar / 26
18 Proposition 3: Ortogonalitetslemma Til enhver minimum-varians-portefølje w mv w gmv findes en entydigt bestemt ortogonal minimum-varians-portefølje w zmv. Hvis w mv har forventet afkastrate µ mv, så har w zmv forventet afkastrate µ zmv = a bµ mv b cµ mv, hvor a,b,c som sædvanlig er de tre indgange i matricen A. RP (IMF) Finansiering 8. februar / 26
19 Bevis: (Basalt set: Regn efter!) En minimum-varians-portefølje w zmv ortogonal med w mv opfylder ( 0 = wmv Σw zmv = Σ [ µ ] [ ]) A µmv ΣΣ [ µ ] [ A µzmv = [ µ mv ] [ ] A µ Σ [ µ ] [ ] A µzmv }{{} =A = [ µ mv ] [ ] A µzmv = [ µ mv ] [ c b ac b 2 b a = (µ mvc b)µ zmv µ mv b + a ac b 2 ] [ µzmv ] ] RP (IMF) Finansiering 8. februar / 26
20 Så w zmv og w mv er ortogonale netop hvis (µ mv c b)µ zmv µ mv b + a = 0 µ zmv = a bµ mv b cµ mv. Dvs. der findes netop en minimum-varians-portefølje, der er ortogonal med w mv, og denne portefølje har forventet afkastrate a bµ mv b cµ mv. RP (IMF) Finansiering 8. februar / 26
21 Proposition 32: Kovariansrepræsentation of forventede afkast Lad w mv w gmv være en minimum-varians-portefølje med forventet afkastrate µ mv og varians σ 2 mv. Lad endvidere w zmv være den tilhørende ortogonale minimum-varians-portefølje med forventet afkastrate µ zmv. Da gælder for en vilkårlig vektor w P af porteføljevægte med forventet afkastrate µ P at hvor µ P µ zmv = β P,mv (µ mv µ zmv ) β P,mv = Cov( wp r, w mv r) σmv 2. RP (IMF) Finansiering 8. februar / 26
22 Bevis: Fordi w mv er en minimum-varians-portefølje med forventet afkastrate µ mv, så er w mv = Σ [ µ ] [ ] A µmv, og for en vilkårlig portefølje w P med forventet afkastrate µ P gælder at Cov ( wp r, w mvr ) = wp Σw mv = wp ΣΣ [ µ ] [ ] A µmv = [ [ ] wp µ w P ] A µmv = [ [ ] wp µ ] A µmv (idet w mv er pf. vægte) (2) = [ µ P ] [ ] A µmv. RP (IMF) Finansiering 8. februar / 26
23 Hvis vi specielt vælger w P = w zmv, så er (per definition af w zmv ) 0 = Cov ( wzmvr, wmvr ) = [ µ zmv ] [ ] A µmv og dermed for en vilkårlig portefølje w P ifølge (2) Cov(w P r, w mvr) = [ µ P ] A [ µmv ] [ µ zmv ] [ ] A µmv }{{} = [ µ P µ zmv 0 ] [ ] A µmv = [ µ P µ zmv 0 ] [ c b ac b 2 b a =0 ][ µmv = (µ P µ zmv ) cµ mv b ac b 2. (3) ] RP (IMF) Finansiering 8. februar / 26
24 Hvis vi specielt vælger w P = w mv, så er dvs. σ 2 mv = Cov(w mvr, w mvr) = (µ mv µ zmv ) cµ mv b ac b 2 cµ mv b ac b 2 = σ 2 mv µ mv µ zmv og dermed for en vilkårlig portefølje ifølge (3) σ 2 mv Cov(wP r, w mvr) = (µ P µ zmv ) cµ mv b ac b 2 = (µ P µ zmv ) µ mv µ zmv hvilket giver os det ønskede. RP (IMF) Finansiering 8. februar / 26
25 Hvis vi fikserer en bestemt minimum-varians-portefølje w mv og bruger dens ortogonale minimum-varians-portefølje som udgangspunkt (benchmark) for måling af afkast, så kan vi altså udtrykke det forventede merafkast for en vilkårlig portefølje w P µ P µ zmv vha. minimum-varians-porteføljen og dens tilhørende ortogonale minimum-variansportefølje. RP (IMF) Finansiering 8. februar / 26
26 Hvorfor kunne det tænkes at være interessant? Hvis vi nu kan finde en minimum-varians-portefølje, der virker rimelig at bruge som benchmark og som vi kan observere i praksis, så har vi hermed fundet en sammenhæng mellem afkastrater (og dermed priser) på alle aktiver i økonomien! RP (IMF) Finansiering 8. februar / 26
NATURVIDENSKABELIG KANDIDATEKSAMEN VED KØBENHAVNS UNIVERSITET INVESTERINGS- OG FINANSIERINGSTEORI. 4 timers skriftlig eksamen, mandag 1/
NATURVIDENSKABELIG KANDIDATEKSAMEN VED KØBENHAVNS UNIVERSITET INVESTERINGS- OG FINANSIERINGSTEORI 4 timers skriftlig eksamen mandag /6 2004. Opgave Spg..a [0] Modellen er arbitragefri hvis der findes et
NATURVIDENSKABELIG KANDIDATEKSAMEN VED KØBENHAVNS UNIVERSITET INVESTERINGS- OG FINANSIERINGSTEORI
NATURVIDENSKABELIG KANDIDATEKSAMEN VED KØBENHAVNS UNIVERSITET INVESTERINGS- OG FINANSIERINGSTEORI 4 timers skriftlig eksamen, 10-14, tirsdag 1/6 2004. Ingen hjælpemidler (blyant & lommeregner dog tilladt).
NATURVIDENSKABELIG KANDIDATEKSAMEN VED KØBENHAVNS UNIVERSITET INVESTERINGS- OG FINANSIERINGSTEORI. 4 timers skriftlig eksamen, 9-13 torsdag 6/
NATURVIDENSKABELIG KANDIDATEKSAMEN VED KØBENHAVNS UNIVERSITET INVESTERINGS- OG FINANSIERINGSTEORI 4 timers skriftlig eksamen, 9-13 torsdag 6/6 2002 VEJLEDENDE BESVARELSE OG KOMMENTARER Opgave 1 Spg 1a
22. maj Investering og finansiering Ugeseddel nr. 15. Nogle eksamensopgaver:
22. maj 2006 Investering og finansiering Ugeseddel nr. 15 Nogle eksamensopgaver: 1 NATURVIDENSKABELIG KANDIDATEKSAMEN INVESTERING OG FINANSIERING Antal sider i opgavesættet (incl. forsiden): 6 4 timers
Grinblatt & Titman kap. 5. Afdeling for Virksomhedsledelse, Aarhus Universitet Esben Kolind Laustrup
Grinblatt & Titman kap. 5 Dagens forelæsning Investeringsmulighedsområdet Sammenhængen mellem risiko og forventet afkast (security market line) Capital Asset Pricing Model (CAPM) Empiriske tests af CAPM
Module 1: Lineære modeller og lineær algebra
Module : Lineære modeller og lineær algebra. Lineære normale modeller og lineær algebra......2 Lineær algebra...................... 6.2. Vektorer i R n................... 6.2.2 Regneregler for vektorrum...........
Landmålingens fejlteori - Lektion 2. Sandsynlighedsintervaller Estimation af µ Konfidensinterval for µ. Definition: Normalfordelingen
Landmålingens fejlteori Lektion Sandsynlighedsintervaller Estimation af µ Konfidensinterval for µ - [email protected] Institut for Matematiske Fag Aalborg Universitet En stokastisk variabel er en variabel,
Kursusindhold: Produkt og marked - matematiske og statistiske metoder. Monte Carlo
Kursusindhold: Produkt og marked - matematiske og statistiske metoder Rasmus Waagepetersen Institut for Matematiske Fag Aalborg Universitet Sandsynlighedsregning og lagerstyring Normalfordelingen og Monte
Antag X 1, X 2,..., X n er n uafhængige stokastiske variable, hvor Var(X 1 )=σ 2 1,..., Var(X n )=σ 2 n.
Simple fejlforplantningslov Landmålingens fejlteori Lektion 6 Den generelle fejlforplantningslov Antag X, X,, X n er n uafhængige stokastiske variable, hvor Var(X )σ,, Var(X n )σ n Lad Y g(x, X,, X n ),
Vægte motiverende eksempel. Landmålingens fejlteori - Lektion4 - Vægte og Fordeling af slutfejl. Vægtet model. Vægtrelationen
Vægte motiverende eksempel Landmålingens fejlteori Lektion 4 Vægtet gennemsnit Fordeling af slutfejl - kkb@mathaaudk Institut for Matematiske Fag Aalborg Universitet Højdeforskellen mellem punkterne P
MLR antagelserne. Antagelse MLR.1:(Lineære parametre) Den statistiske model for populationen kan skrives som
MLR antagelserne Antagelse MLR.1:(Lineære parametre) Den statistiske model for populationen kan skrives som y = β 0 + β 1 x 1 + β 2 x 2 + + β k x k + u, hvor β 0, β 1, β 2,...,β k er ukendte parametere,
Landmålingens fejlteori - Lektion4 - Vægte og Fordeling af slutfejl
Landmålingens fejlteori Lektion 4 Vægtet gennemsnit Fordeling af slutfejl - [email protected] Institut for Matematiske Fag Aalborg Universitet 1/36 Estimation af varians/spredning Antag X 1,...,X n stokastiske
Produkt og marked - matematiske og statistiske metoder
Produkt og marked - matematiske og statistiske metoder Rasmus Waagepetersen Institut for Matematiske Fag Aalborg Universitet February 19, 2016 1/26 Kursusindhold: Sandsynlighedsregning og lagerstyring
Landmålingens fejlteori - Lektion4 - Vægte og Fordeling af slutfejl
Landmålingens fejlteori Lektion 4 Vægtet gennemsnit Fordeling af slutfejl - [email protected] http://people.math.aau.dk/ kkb/undervisning/lf13 Institut for Matematiske Fag Aalborg Universitet 1/1 Vægtet
1/41. 2/41 Landmålingens fejlteori - Lektion 1 - Kontinuerte stokastiske variable
Landmålingens fejlteori - lidt om kurset Landmålingens fejlteori Lektion 1 Det matematiske fundament Kontinuerte stokastiske variable - [email protected] Institut for Matematiske Fag Aalborg Universitet Kursusholder
Note om endelige legemer
Note om endelige legemer Leif K. Jørgensen 1 Legemer af primtalsorden Vi har i Lauritzen afsnit 2.1.1 set følgende: Proposition 1 Lad n være et positivt helt tal. Vi kan da definere en komposition + på
3.600 kg og den gennemsnitlige fødselsvægt kg i stikprøven.
PhD-kursus i Basal Biostatistik, efterår 2006 Dag 1, onsdag den 6. september 2006 Eksempel: Sammenhæng mellem moderens alder og fødselsvægt I dag: Introduktion til statistik gennem analyse af en stikprøve
Landmålingens fejlteori Lektion 1 Det matematiske fundament Kontinuerte stokastiske variable
Landmålingens fejlteori Lektion 1 Det matematiske fundament Kontinuerte stokastiske variable - [email protected] Institut for Matematiske Fag Aalborg Universitet 1/41 Landmålingens fejlteori - lidt om kurset
Fejlforplantning. Landmålingens fejlteori - Lektion 5 - Fejlforplantning. Repetition: Varians af linear kombination. Eksempel: Vinkelberegning
Fejlforplantning Landmålingens fejlteori Lektion 5 Fejlforplantning - [email protected] http://people.math.aau.dk/ kkb/undervisning/lf13 Landmåling involverer ofte bestemmelse af størrelser som ikke kan
Statistik Lektion 3. Simultan fordelte stokastiske variable Kontinuerte stokastiske variable Normalfordelingen
Statistik Lektion 3 Simultan fordelte stokastiske variable Kontinuerte stokastiske variable Normalfordelingen Repetition En stokastisk variabel er en funktion defineret på S (udfaldsrummet, der antager
Statistik og Sandsynlighedsregning 2
Statistik og Sandsynlighedsregning 2 Normalfordelingen og transformation af kontinuerte fordelinger Helle Sørensen Uge 7, mandag SaSt2 (Uge 7, mandag) Normalford. og transformation 1 / 16 Program Paretofordelingen,
Definition: Normalfordelingen. siges at være normalfordelt med middelværdi µ og varians σ 2, hvor µ og σ er reelle tal og σ > 0.
Landmålingens fejlteori Lektion 2 Transformation af stokastiske variable - [email protected] http://people.math.aau.dk/ kkb/undervisning/lf12 Institut for Matematiske Fag Aalborg Universitet Repetition:
Regneregler for middelværdier M(X+Y) = M X +M Y. Spredning varians og standardafvigelse. 1 n VAR(X) Y = a + bx VAR(Y) = VAR(a+bX) = b²var(x)
Formelsamlingen 1 Regneregler for middelværdier M(a + bx) a + bm X M(X+Y) M X +M Y Spredning varians og standardafvigelse VAR(X) 1 n n i1 ( X i - M x ) 2 Y a + bx VAR(Y) VAR(a+bX) b²var(x) 2 Kovariansen
Note om Monte Carlo metoden
Note om Monte Carlo metoden Kasper K. Berthelsen Version 1.2 25. marts 2014 1 Introduktion Betegnelsen Monte Carlo dækker over en lang række metoder. Fælles for disse metoder er, at de anvendes til at
Affine rum. a 1 u 1 + a 2 u 2 + a 3 u 3 = a 1 u 1 + (1 a 1 )( u 2 + a 3. + a 3. u 3 ) 1 a 1. Da a 2
Affine rum I denne note behandles kun rum over R. Alt kan imidlertid gennemføres på samme måde over C eller ethvert andet legeme. Et underrum U R n er karakteriseret ved at det er en delmængde som er lukket
Tema. Dagens tema: Indfør centrale statistiske begreber.
Tema Dagens tema: Indfør centrale statistiske begreber. Model og modelkontrol Estimation af parametre. Fordeling. Hypotese og test. Teststørrelse. konfidensintervaller Vi tager udgangspunkt i Ex. 3.1 i
8 Regulære flader i R 3
8 Regulære flader i R 3 Vi skal betragte særligt pæne delmængder S R 3 kaldet flader. I det følgende opfattes S som et topologisk rum i sportopologien, se Definition 5.9. En åben omegn U af p S er således
Landmålingens fejlteori - Lektion 2 - Transformation af stokastiske variable
Landmålingens fejlteori Lektion 2 Transformation af stokastiske variable - [email protected] http://people.math.aau.dk/ kkb/undervisning/lf12 Institut for Matematiske Fag Aalborg Universitet 1/31 Repetition:
Program: 1. Repetition: fordeling af observatorer X, S 2 og t. 2. Konfidens-intervaller, hypotese test, type I og type II fejl, styrke.
Program: 1. Repetition: fordeling af observatorer X, S 2 og t. 2. Konfidens-intervaller, hypotese test, type I og type II fejl, styrke. 1/23 Opsummering af fordelinger X 1. Kendt σ: Z = X µ σ/ n N(0,1)
OM RISIKO. Kender du muligheder og risici ved investering?
OM RISIKO Kender du muligheder og risici ved investering? Hvad sker der, når du investerer? Formålet med investeringer er at opnå et positivt afkast. Hvis du har forventning om et højt afkast, skal du
Kursusindhold: X i : tilfældig værdi af ite eksperiment. Antag X i kun antager værdierne 1, 2,..., M.
Kursusindhold: Produkt og marked - matematiske og statistiske metoder Rasmus Waagepetersen Institut for Matematiske Fag Aalborg Universitet March 1, 2013 Sandsynlighedsregning og lagerstyring Normalfordelingen
Analytisk geometri. Et simpelt eksempel på dette er en ret linje. Som bekendt kan en ret linje skrives på formen
Analtisk geometri Mike Auerbach Odense 2015 Den klassiske geometri beskæftiger sig med alle mulige former for figurer: Linjer, trekanter, cirkler, parabler, ellipser osv. I den analtiske geometri lægger
3 Stokastiske variable 3.1 Diskrete variable
3 Stokastiske variable 3.1 Diskrete variable Punktsandsnligheden benævnes P(x) = P(X = x). {x, P(x)} er en sandsnlighedsfordeling for den stokastiske variabel, X, hvis 1) P(x) $ 0 for alle værdier af x.
GEOMETRI-TØ, UGE 8. X = U xi = {x i } = {x 1,..., x n }, U α, U α = α. (X \ U α )
GEOMETRI-TØ, UGE 8 Hvis I falder over tryk- eller regne-fejl i nedenstående, må I meget gerne sende rettelser til [email protected]. Opvarmningsopgave 1. Lad X være en mængde og T familien af alle delmængder
Landmålingens fejlteori - Lektion 5 - Fejlforplantning
Landmålingens fejlteori Lektion 5 Fejlforplantning - [email protected] Institut for Matematiske Fag Aalborg Universitet 1/30 Fejlforplantning Landmåling involverer ofte bestemmelse af størrelser som ikke
Betingede sandsynligheder Aase D. Madsen
1 Uge 12 Teoretisk Statistik 15. marts 2004 1. Betingede sandsynligheder Definition Loven om den totale sandsynlighed Bayes formel 2. Betinget middelværdi og varians 3. Kovarians og korrelationskoefficient
Oversigt [LA] 1, 2, 3, [S] 9.1-3
Oversigt [LA], 2, 3, [S] 9.-3 Nøgleord og begreber Koordinatvektorer, talpar, taltripler og n-tupler Linearkombination Underrum og Span Test linearkombination Lineær uafhængighed Standard vektorer Basis
Kapitel 4 Sandsynlighed og statistiske modeller
Kapitel 4 Sandsynlighed og statistiske modeller Peter Tibert Stoltze [email protected] Elementær statistik F2011 1 / 22 Generalisering fra stikprøve til population Idé: Opstil en model for populationen
Rettevejledning til 1. obligatoriske opgave Beslutninger og strategi
Rettevejledning til. obligatoriske opgave Beslutninger og strategi Christian S. Liebing og Tobias N. Thygesen Forår 00. version. Opgave Betragter en agent med vnm-præferencer. Vi får oplyst, at agenten
Agenda Sandsynlighedsregning. Regneregler (kap. 3-4) Fordelinger og genkendelse af fordelinger (kap. 3-5) Simultane, marginale og betingede
Agenda Sandsynlighedsregning. Regneregler (kap. 3-4) Fordelinger og genkendelse af fordelinger (kap. 3-5) Simultane, marginale og betingede fordelinger (kap. 4) Middelværdi og varians (kap. 3-4) Fordelingsresultater
Eksamen 2014/2015 Mål- og integralteori
Eksamen 4/5 Mål- og integralteori Københavns Universitet Institut for Matematiske Fag Formalia Eksamensopgaven består af 4 opgaver med ialt spørgsmål Ved bedømmelsen indgår de spørgsmål med samme vægt
hvor a og b er konstanter. Ved middelværdidannelse fås videre
Uge 3 Teoretisk Statistik. marts 004. Korrelation og uafhængighed, repetition. Eksempel fra sidste gang (uge ) 3. Middelværdivektor, kovarians- og korrelationsmatrix 4. Summer af stokastiske variable 5.Den
Fortolkning. Foldning af sandsynlighedsmål. Foldning af tætheder. Foldning af Γ-fordelinger Eksempel: Hvis X og Y er uafhængige og. Sætning (EH 20.
Foldning af sandsnlighedsmål Lad µ og ν være to sandsnlighedsmål på (R, B). Fortolkning Lad φ : R R være φ(, ) = + for (, ) R. Lad X og Y være to reelle stokastiske variable defineret på (Ω, F, P). Definition
Dynamiske Porteføljevalg
Dynamiske Porteføljevalg Rasmus Højberg Andersen Bachelorprojekt, Matematik-Økonomi Vejleder: Claus Munk, Institut for Regnskab og Finansiering 9. februar 2004 Indhold 1 Indledning 3 2 En periode middelværdi-varians
Kursusgang 3 Matrixalgebra Repetition
Kursusgang 3 Repetition - froberg@mathaaudk http://peoplemathaaudk/ froberg/oecon3 Institut for Matematiske Fag Aalborg Universitet 12 september 2008 1/12 Lineære ligningssystemer Et lineært ligningssystem
t a l e n t c a m p d k Matematik Intro Mads Friis, stud.scient 27. oktober 2014 Slide 1/25
Slide 1/25 Indhold 1 2 3 4 5 6 7 8 Slide 2/25 Om undervisningen Hvorfor er vi her? Hvad kommer der til at ske? 1) Teoretisk gennemgang ved tavlen. 2) Instruktion i eksempler. 3) Opgaveregning. 4) Opsamling.
Trin 1: Formuler hypotese Spørgsmål der ønskes testet vha. data H 0 : Nul hypotese Formuleres som en ligheds hændelse
Statistik 7. gang 9. HYPOTESE TEST Hypotesetest ved 6 trins raket! : Trin : Formuler hypotese Spørgsmål der ønskes testet vha. data H 0 : Nul hypotese Formuleres som en ligheds hændelse H eller H A : Alternativ
Forelæsning 5: Kapitel 7: Inferens for gennemsnit (One-sample setup)
Kursus 02402 Introduktion til Statistik Forelæsning 5: Kapitel 7: Inferens for gennemsnit (One-sample setup) Per Bruun Brockhoff DTU Compute, Statistik og Dataanalyse Bygning 324, Rum 220 Danmarks Tekniske
standard normalfordelingen på R 2.
Standard normalfordelingen på R 2 Lad f (x, y) = 1 x 2 +y 2 2π e 2. Vi har så f (x, y) = 1 2π e x2 2 1 2π e y2 2, og ved Tonelli f dm 2 = 1. Ved µ(a) = A f dm 2 defineres et sandsynlighedsmål på R 2 målet
Ensidet eller tosidet alternativ. Hypoteser. tosidet alternativ. nul hypotese testes mod en alternativ hypotese
Kursus 02402 Introduktion til Statistik Forelæsning 6: Kapitel 7: Hypotesetest for gennemsnit (one-sample setup). 7.4-7.6 Per Bruun Brockhoff DTU Compute, Statistik Bygning 305/324 Danmarks Tekniske Universitet
Anvendt Statistik Lektion 8. Multipel Lineær Regression
Anvendt Statistik Lektion 8 Multipel Lineær Regression 1 Simpel Lineær Regression (SLR) y Sammenhængen mellem den afhængige variabel (y) og den forklarende variabel (x) beskrives vha. en SLR: ligger ikke
Løsning eksamen d. 15. december 2008
Informatik - DTU 02402 Introduktion til Statistik 2010-2-01 LFF/lff Løsning eksamen d. 15. december 2008 Referencer til Probability and Statistics for Engineers er angivet i rækkefølgen [8th edition, 7th
Substitutions- og indkomsteffekt ved prisændringer
Substitutions- og indkomsteffekt ved prisændringer Erik Bennike 14. november 2009 Denne note giver en beskrivelse af de relevante begreber omkring substitutions- og indkomsteffekter i mikroøkonomi. 1 Introduktion
Investerings- og finansieringsteori, F04, ugeseddel 7
12. marts 2004 Rolf Poulsen AMS Investerings- og finansieringsteori, F04, ugeseddel 7 Seneste forelæsninger Mandag 8/3: Resten af kapitel 5. Jeg beviste 1st and 2nd theorem of asset pricing eller mathematical
Anvendt Statistik Lektion 7. Simpel Lineær Regression
Anvendt Statistik Lektion 7 Simpel Lineær Regression 1 Er der en sammenhæng? Plot af mordraten () mod fattigdomsraten (): Scatterplot Afhænger mordraten af fattigdomsraten? 2 Scatterplot Et scatterplot
1 Hb SS Hb Sβ Hb SC = , (s = )
PhD-kursus i Basal Biostatistik, efterår 2006 Dag 6, onsdag den 11. oktober 2006 Eksempel 9.1: Hæmoglobin-niveau og seglcellesygdom Data: Hæmoglobin-niveau (g/dl) for 41 patienter med en af tre typer seglcellesygdom.
Vinkelrette linjer. Frank Villa. 4. november 2014
Vinkelrette linjer Frank Villa 4. november 2014 Dette dokument er en del af MatBog.dk 2008-2012. IT Teaching Tools. ISBN-13: 978-87-92775-00-9. Se yderligere betingelser for brug her. Indhold 1 Introduktion
Additionsformlerne. Frank Villa. 19. august 2012
Additionsformlerne Frank Villa 19. august 2012 2008-2011. Dette dokument må kun anvendes til undervisning i klasser som abonnerer på MatBog.dk. Se yderligere betingelser for brug her. Indhold 1 Introduktion
t a l e n t c a m p d k Matematik Intro Mads Friis, stud.scient 7. november 2015 Slide 1/25
Slide 1/25 Indhold 1 2 3 4 5 6 7 8 Slide 2/25 Om undervisningen Hvorfor er vi her? Slide 3/25 Om undervisningen Hvorfor er vi her? Hvad kommer der til at ske? 1) Teoretisk gennemgang ved tavlen. 2) Instruktion
Analytisk plangeometri 1
1 Analytisk plangeometri 1 Kære 1. x, Vi begynder dag vores forløb om analytisk plangeometri. Dette bliver en udvidelse af ting i allerede kender til, så noget ved I i forvejen, mens andet bliver helt
Normalfordelingen og Stikprøvefordelinger
Normalfordelingen og Stikprøvefordelinger Normalfordelingen Standard Normal Fordelingen Sandsynligheder for Normalfordelingen Transformation af Normalfordelte Stok.Var. Stikprøver og Stikprøvefordelinger
6.1 Reelle Indre Produkter
SEKTION 6.1 REELLE INDRE PRODUKTER 6.1 Reelle Indre Produkter Definition 6.1.1 Et indre produkt på et reelt vektorrum V er en funktion, : V V R således at, for alle x, y V, I x, x 0 med lighed x = 0, II
Indføring i de nyeste modeller for dynamisk asset allocation
Indføring i de nyeste modeller for dynamisk asset allocation Syddansk Universitet 29. marts 2006 Den Danske Finansanalytikerforening Kvant-workshop 1 Oversigt 1 Indledning 2 3 4 5 Centrale spørgsmål En
Sandsynlighedsfordelinger for kontinuerte data på interval/ratioskala
3 5% 5% 5% 0 3 4 5 6 7 8 9 0 Statistik for biologer 005-6, modul 5: Normalfordelingen opstår når mange forskellige faktorer uafhængigt af hinanden bidrager med additiv variation til. F.eks. Højde af rekrutter
Analysestrategi. Lektion 7 slides kompileret 27. oktober 200315:24 p.1/17
nalysestrategi Vælg statistisk model. Estimere parametre i model. fx. lineær regression Udføre modelkontrol beskriver modellen data tilstrækkelig godt og er modellens antagelser opfyldte fx. vha. residualanalyse
INSTITUT FOR MATEMATISKE FAG c
INSTITUT FOR MATEMATISKE FAG c AALBORG UNIVERSITET FREDRIK BAJERS VEJ 7 G 9220 AALBORG ØST Tlf.: 96 35 89 27 URL: www.math.aau.dk Fax: 98 15 81 29 E-mail: [email protected] Dataanalyse Sandsynlighed og stokastiske
Definition multiplikation En m n-matrix og en n p-matrix kan multipliceres (ganges sammen) til en m p-matrix.
Oversigt [LA] 3, 4, 5 Nøgleord og begreber Matrix multiplikation Identitetsmatricen Transponering Fra matrix til afbildning Fra afbildning til matrix Test matrix-afbildning Inverse matricer Test invers
Nøgleord og begreber. Definition multiplikation En m n-matrix og en n p-matrix kan multipliceres (ganges sammen) til en m p-matrix.
Oversigt [LA] 3, 4, 5 Matrix multiplikation Nøgleord og begreber Matrix multiplikation Identitetsmatricen Transponering Fra matrix til afbildning Fra afbildning til matrix Test matrix-afbildning Inverse
Program: 1. Repetition: p-værdi 2. Simpel lineær regression. 1/19
Program: 1. Repetition: p-værdi 2. Simpel lineær regression. 1/19 For test med signifikansniveau α: p < α forkast H 0 2/19 p-værdi Betragt tilfældet med test for H 0 : µ = µ 0 (σ kendt). Idé: jo større
Løsning til eksamen d.27 Maj 2010
DTU informatic 02402 Introduktion til Statistik Løsning til eksamen d.27 Maj 2010 Referencer til Probability and Statistics for Engineers er angivet i rækkefølgen [8th edition, 7th edition]. Opgave I.1
Elementær sandsynlighedsregning
Elementær sandsynlighedsregning Sandsynlighedsbegrebet Et udfaldsrum S er mængden af alle de mulige udfald af et eksperiment. En hændelse A er en delmængde af udfaldsrummet S. Et sandsynlighedsmål er en
Module 3: Statistiske modeller
Department of Statistics ST502: Statistisk modellering Pia Veldt Larsen Module 3: Statistiske modeller 31 ANOVA 1 32 Variabelselektion 4 321 Multipel determinationskoefficient 5 322 Variabelselektion med
Hvor: D = forventet udbytte. k = afkastkrav. G = Vækstrate i udbytte
Dec 64 Dec 66 Dec 68 Dec 70 Dec 72 Dec 74 Dec 76 Dec 78 Dec 80 Dec 82 Dec 84 Dec 86 Dec 88 Dec 90 Dec 92 Dec 94 Dec 96 Dec 98 Dec 00 Dec 02 Dec 04 Dec 06 Dec 08 Dec 10 Dec 12 Dec 14 Er obligationer fortsat
