Dagens tema: Middelværdi/varians-optimale porteføljer
|
|
- Jesper Kvist
- 7 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
Læs mereNATURVIDENSKABELIG 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).
Læs merePlanen idag. Fin1 (mandag 16/2 2009) 1
Planen idag Porteføljeteori; kapitel 9 Noterne Moralen: Diversificer! Algebra: Portefølje- og lineær. Nogenlunde konsistens med forventet nyttemaksimering Middelværdi/varians-analyse Fin1 (mandag 16/2
Læs mereNATURVIDENSKABELIG 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
Læs mere22. 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
Læs mereGrinblatt & 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
Læs mereInstitut for Matematiske Fag Aalborg Universitet Specielt: Var(aX) = a 2 VarX 1/40. Lad X α, X β og X γ være stokastiske variable (vinkelmålinger) med
Repetition: Varians af linear kombination Landmålingens fejlteori Lektion 5 Fejlforplantning - rw@math.aau.dk Antag X 1, X,..., X n er uafhængige stokastiske variable, og Y er en linearkombination af X
Læs mereModule 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...........
Læs mereLandmålingens fejlteori - Lektion 2. Sandsynlighedsintervaller Estimation af µ Konfidensinterval for µ. Definition: Normalfordelingen
Landmålingens fejlteori Lektion Sandsynlighedsintervaller Estimation af µ Konfidensinterval for µ - rw@math.aau.dk Institut for Matematiske Fag Aalborg Universitet En stokastisk variabel er en variabel,
Læs mereKursusindhold: 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
Læs mereAntag 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 ),
Læs mereVægte 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
Læs mereMLR 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,
Læs mereLandmålingens fejlteori - Repetition - Fordeling af slutfejl - Lektion 8
Landmålingens fejlteori Repetition - Fordeling af slutfejl Lektion 8 - tvede@math.aau.dk http://www.math.aau.dk/ tvede/teaching/l4 Institut for Matematiske Fag Aalborg Universitet 15. maj 2008 1/13 Fordeling
Læs mereLandmålingens fejlteori - Lektion4 - Vægte og Fordeling af slutfejl
Landmålingens fejlteori Lektion 4 Vægtet gennemsnit Fordeling af slutfejl - rw@math.aau.dk Institut for Matematiske Fag Aalborg Universitet 1/36 Estimation af varians/spredning Antag X 1,...,X n stokastiske
Læs mereProdukt 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
Læs mereKursusindhold: 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
Læs mereLandmålingens fejlteori - Lektion4 - Vægte og Fordeling af slutfejl
Landmålingens fejlteori Lektion 4 Vægtet gennemsnit Fordeling af slutfejl - kkb@math.aau.dk http://people.math.aau.dk/ kkb/undervisning/lf13 Institut for Matematiske Fag Aalborg Universitet 1/1 Vægtet
Læs mere1/41. 2/41 Landmålingens fejlteori - Lektion 1 - Kontinuerte stokastiske variable
Landmålingens fejlteori - lidt om kurset Landmålingens fejlteori Lektion 1 Det matematiske fundament Kontinuerte stokastiske variable - rw@math.aau.dk Institut for Matematiske Fag Aalborg Universitet Kursusholder
Læs mereNote 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
Læs mere3.600 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
Læs mereLandmålingens fejlteori Lektion 1 Det matematiske fundament Kontinuerte stokastiske variable
Landmålingens fejlteori Lektion 1 Det matematiske fundament Kontinuerte stokastiske variable - rw@math.aau.dk Institut for Matematiske Fag Aalborg Universitet 1/41 Landmålingens fejlteori - lidt om kurset
Læs mereFejlforplantning. Landmålingens fejlteori - Lektion 5 - Fejlforplantning. Repetition: Varians af linear kombination. Eksempel: Vinkelberegning
Fejlforplantning Landmålingens fejlteori Lektion 5 Fejlforplantning - kkb@math.aau.dk http://people.math.aau.dk/ kkb/undervisning/lf13 Landmåling involverer ofte bestemmelse af størrelser som ikke kan
Læs mereStatistik 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
Læs mereStatistik og Sandsynlighedsregning 2
Statistik og Sandsynlighedsregning 2 Lineære transformationer, middelværdi og varians Helle Sørensen Uge 8, onsdag SaSt2 (Uge 8, onsdag) Lineære transf. og middelværdi 1 / 15 Program I formiddag: Fordeling
Læs mereStatistik 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,
Læs mereDefinition: 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 - kkb@math.aau.dk http://people.math.aau.dk/ kkb/undervisning/lf12 Institut for Matematiske Fag Aalborg Universitet Repetition:
Læs mereRegneregler 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
Læs mereVi sætter. (Signal støj- forhold) Poul Thyregod, 25. april Specialkursus vid.stat. foraar Lad Y i angiver observationer fra i te udtagne balle.
Modellens parametre Mandag den 25 april Hierarkiske normalfordelingsmodeller Dagens program: Resume af ensidet variansanalysemodel med tilfældig effekt estimation af tilfældige effekter, fortolkning som
Læs mereNote 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
Læs mereAffine 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
Læs mereTema. 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
Læs mere8 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
Læs mereReeksamen 2014/2015 Mål- og integralteori
Reeksamen 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.
Læs mereLandmålingens fejlteori - Lektion 2 - Transformation af stokastiske variable
Landmålingens fejlteori Lektion 2 Transformation af stokastiske variable - kkb@math.aau.dk http://people.math.aau.dk/ kkb/undervisning/lf12 Institut for Matematiske Fag Aalborg Universitet 1/31 Repetition:
Læs mereStatistik og Sandsynlighedsregning 2
Statistik og Sandsynlighedsregning 2 Normalfordelingens venner og bekendte Helle Sørensen Uge 9, onsdag SaSt2 (Uge 9, onsdag) Normalfordelingens venner 1 / 20 Program Resultaterne fra denne uge skal bruges
Læs mereStatistik ved Bachelor-uddannelsen i folkesundhedsvidenskab. Statistisk Model
Statistik ved Bachelor-uddannelsen i folkesundhedsvidenskab Statistisk Model Indhold Binomialfordeling Sandsynlighedsfunktion Middelværdi og spredning 1 Aalen: Innføring i statistik med medisinske eksempler
Læs mereProgram: 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)
Læs mereOM 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
Læs mereKursusindhold: 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
Læs mereAnalytisk 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
Læs mere3 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.
Læs mereGEOMETRI-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 fuglede@imf.au.dk. Opvarmningsopgave 1. Lad X være en mængde og T familien af alle delmængder
Læs mereKvantitative Metoder 1 - Forår Dagens program
Dagens program Afsnit 6.1 Den standardiserede normalfordeling Normalfordelingen Beskrivelse af normalfordelinger: - Tæthed og fordelingsfunktion - Middelværdi, varians og fraktiler Lineære transformationer
Læs mereLandmålingens fejlteori - Repetition - Kontinuerte stokastiske variable - Lektion 3
Landmålingens fejlteori Repetition - Kontinuerte stokastiske variable Lektion 4 - kkb@math.aau.dk http://people.math.aau.dk/ kkb/undervisning/lf10 Institut for Matematiske Fag Aalborg Universitet 29. april
Læs mereEKSAMEN Flerdimensional Analyse Sommer sider
EKSAMEN Flerdimensional Analyse Sommer 2008 5 sider Formaliteter Eksamen er en 24-timers eksamen, der udleveres mandag den 23/6-2008 klokken 0.00 og afleveres tirsdag den 24/6-2008 inden klokken 0.00.
Læs mereLandmålingens fejlteori - Lektion 5 - Fejlforplantning
Landmålingens fejlteori Lektion 5 Fejlforplantning - kkb@math.aau.dk Institut for Matematiske Fag Aalborg Universitet 1/30 Fejlforplantning Landmåling involverer ofte bestemmelse af størrelser som ikke
Læs mereBetingede 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
Læs mereOversigt [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
Læs mereKapitel 4 Sandsynlighed og statistiske modeller
Kapitel 4 Sandsynlighed og statistiske modeller Peter Tibert Stoltze stat@peterstoltze.dk Elementær statistik F2011 1 / 22 Generalisering fra stikprøve til population Idé: Opstil en model for populationen
Læs mereRettevejledning 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
Læs mereLineære normale modeller (1) udkast. 1 Flerdimensionale stokastiske variable
E6 efterår 999 Notat 8 Jørgen Larsen 22. november 999 Lineære normale modeller ) udkast Ved hjælp af lineær algebra kan man formulere og analysere de såkaldte lineære normale modeller meget overskueligt
Læs mereNATURVIDENSKABELIG KANDIDATEKSAMEN VED KØBENHAVNS UNIVERSITET.
NATURVIDENSKABELIG KANDIDATEKSAMEN VED KØBENHAVNS UNIVERSITET. Eksamen i Statistik 1TS Teoretisk statistik Den skriftlige prøve Sommer 2002 3 timer - alle hjælpemidler tilladt Det er tilladt at skrive
Læs mereAgenda 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
Læs mereEksamen 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
Læs merehvor 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
Læs mereØkonometri 1. Dagens program. Den simple regressionsmodel 15. september 2006
Dagens program Økonometri Den simple regressionsmodel 5. september 006 Den simple lineære regressionsmodel (Wooldridge kap.4-.6) Eksemplet fortsat: Løn og uddannelse på danske data Funktionel form Statistiske
Læs mereLineær Algebra F08, MØ
Lineær Algebra F08, MØ Vejledende besvarelser af udvalgte opgaver fra Ugeseddel 3 og 4 Ansvarsfraskrivelse: Den følgende vejledning er kun vejledende. Opgaverne kommer i vilkårlig rækkefølge. Visse steder
Læs mereFortolkning. 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
Læs mereTænk på a og b som to n 1 matricer. a 1 a 2 a n. For hvert i = 1,..., n har vi y i = x i β + u i.
Repetition af vektor-regning Økonometri: Lektion 3 Matrix-formulering Fordelingsantagelse Hypotesetest Antag vi har to n-dimensionelle (søjle)vektorer a 1 b 1 a 2 a =. og b = b 2. a n b n Tænk på a og
Læs mereMotivation. Konfidensintervaller og vurdering af usikkerhed på estimerede størrelser
Motivation Konfidensintervaller og vurdering af usikkerhed på estimerede størrelser Rasmus Waagepetersen October 26, 2018 Eksempel: En landmåler får til opgave at måle længden λ fra A til B. Entreprenøren
Læs mereDynamiske 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
Læs mereKursusgang 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
Læs meret 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.
Læs mereTrin 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
Læs mereTransformationsgeometri: Inversion. Kirsten Rosenkilde, august Inversion
Transformationsgeometri: Inversion. Kirsten Rosenkilde, august 2007 1 Inversion Inversion er en bestemt type transformation af planen, og ved at benytte transformation på en geometrisk problemstilling
Læs mereKvantitative Metoder 1 - Forår Dagens program
Dagens program Kontinuerte fordelinger Simultane fordelinger Kovarians og korrelation Uafhængighed Betingede fordelinger - Middelværdi og varians - Sammenhæng med uafhængighed 1 Figur 1: En tæthedsfunktion
Læs mereDet naturvidenskabelige fakultet Vintereksamen 1997/98 Matematisk-økonomisk kandidateksamen Fag: Driftsøkonomi 2
1 Det naturvidenskabelige fakultet Vintereksamen 1997/98 Matematisk-økonomisk kandidateksamen Fag: Driftsøkonomi 2 Opgavetekst Generelle oplysninger: Der ses i nedenstående opgaver bort fra skat, transaktionsomkostninger,
Læs mereKvantitative Metoder 1 - Efterår Dagens program
Dagens program Afsnit 6.1. Ligefordelinger, fra sidst Den standardiserede normalfordeling Normalfordelingen Beskrivelse af normalfordelinger: - Tæthed og fordelingsfunktion - Middelværdi, varians og fraktiler
Læs mereForelæsning 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
Læs mereDet naturvidenskabelige fakultet Vintereksamen 96/97 Matematisk-økonomisk kandidateksamen Fag: Driftsøkonomi 2
1 Det naturvidenskabelige fakultet Vintereksamen 96/97 Matematisk-økonomisk kandidateksamen Fag: Driftsøkonomi 2 Opgavetekst Generelle oplysninger: Der ses i nedenstående opgaver bort fra skat, transaktionsomkostninger,
Læs mereI dag. Statistisk analyse af en enkelt stikprøve med kendt varians Sandsynlighedsregning og Statistik (SaSt) Eksempel: kobbertråd
I dag Statistisk analyse af en enkelt stikprøve med kendt varians Sandsynlighedsregning og Statistik SaSt) Helle Sørensen Først lidt om de sidste uger af SaSt. Derefter statistisk analyse af en enkelt
Læs merestandard 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
Læs mereOm hypoteseprøvning (1)
E6 efterår 1999 Notat 16 Jørgen Larsen 11. november 1999 Om hypoteseprøvning 1) Det grundlæggende problem kan generelt formuleres sådan: Man har en statistisk model parametriseret med en parameter θ Ω;
Læs mereEnsidet 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
Læs mereAnvendt 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
Læs mereLøsning 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
Læs mereSubstitutions- 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
Læs mereInvesterings- 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
Læs mereAnvendt 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
Læs mere1 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.
Læs mereVinkelrette 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
Læs mereAdditionsformlerne. 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
Læs meret 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
Læs mereAnalytisk 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
Læs meret-fordeling Boxplot af stikprøve (n=20) fra t(2)-fordeling Program ( ): 1. repetition: fordeling af observatorer X, S 2 og t.
t-fordeling Boxplot af stikprøve (n=20) fra t(2)-fordeling Program (8.15-10): 1. repetition: fordeling af observatorer X, S 2 og t. 2. konfidens-intervaller, hypotese test, type I og type II fejl, styrke,
Læs mereNormalfordelingen og Stikprøvefordelinger
Normalfordelingen og Stikprøvefordelinger Normalfordelingen Standard Normal Fordelingen Sandsynligheder for Normalfordelingen Transformation af Normalfordelte Stok.Var. Stikprøver og Stikprøvefordelinger
Læs mere6.1 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
Læs mereIndføring 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
Læs mereSandsynlighedsfordelinger 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
Læs mereAnalysestrategi. 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
Læs mereINSTITUT 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: bjh@math.aau.dk Dataanalyse Sandsynlighed og stokastiske
Læs mereDefinition 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
Læs mereNøgleord 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
Læs mereProgram: 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
Læs mereLøsning 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
Læs mereElementær 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
Læs mereModule 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
Læs mereHvor: 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
Læs mere