88 matches
-
considerare în mod separat fiecare clasă de expunere și fiecare jurisdicție, exceptând situația în care pot justifica combinarea claselor de expuneri și/sau a jurisdicțiilor pe baza faptului că expunerile din cadrul acelorași clase de expuneri, în jurisdicții diferite, prezintă o covarianță ridicată a ratelor de recuperare. ... (4) În sensul alin. (2) lit. b), dependențele adverse dintre ratele de nerambursare și ratele de recuperare pot fi identificate fie direct, prin analize statistice, dacă datele necesare sunt disponibile, fie indirect, prin examinarea relațiilor
EUR-Lex () [Corola-website/Law/265632_a_266961]
-
considerare în mod separat fiecare clasă de expunere și fiecare jurisdicție, exceptând situația în care pot justifica combinarea claselor de expuneri și/sau a jurisdicțiilor pe baza faptului că expunerile din cadrul acelorași clase de expuneri, în jurisdicții diferite, prezintă o covarianță ridicată a ratelor de recuperare. ... (4) În sensul alin. (2) lit. b), dependențele adverse dintre ratele de nerambursare și ratele de recuperare pot fi identificate fie direct, prin analize statistice, dacă datele necesare sunt disponibile, fie indirect, prin examinarea relațiilor
EUR-Lex () [Corola-website/Law/257653_a_258982]
-
considerare în mod separat fiecare clasă de expunere și fiecare jurisdicție, exceptând situația în care pot justifica combinarea claselor de expuneri și/sau a jurisdicțiilor pe baza faptului că expunerile din cadrul acelorași clase de expuneri, în jurisdicții diferite, prezintă o covarianță ridicată a ratelor de recuperare. ... (4) În sensul alin. (2) lit. b), dependențele adverse dintre ratele de nerambursare și ratele de recuperare pot fi identificate fie direct, prin analize statistice, dacă datele necesare sunt disponibile, fie indirect, prin examinarea relațiilor
EUR-Lex () [Corola-website/Law/277825_a_279154]
-
considerare în mod separat fiecare clasă de expunere și fiecare jurisdicție, exceptând situația în care pot justifica combinarea claselor de expuneri și/sau a jurisdicțiilor pe baza faptului că expunerile din cadrul acelorași clase de expuneri, în jurisdicții diferite, prezintă o covarianță ridicată a ratelor de recuperare. ... (4) În sensul alin. (2) lit. b), dependențele adverse dintre ratele de nerambursare și ratele de recuperare pot fi identificate fie direct, prin analize statistice, dacă datele necesare sunt disponibile, fie indirect, prin examinarea relațiilor
EUR-Lex () [Corola-website/Law/218617_a_219946]
-
mixte Planurile experimentale mixte vizează cercetările în care variabilă dependența este pusă în relație fie cu unul sau mai mulți factori manipulați, fie cu o variabilă clasificatorie.Relația dintre variabilă clasificatorie și cea dependența nu este una cauzala,ci de covarianță.Utilizarea design-urilor mixte este utilă deoarece sporește senzitivitatea variabilei dependente față de factorul manipulat,și oferă informații despre gradul de generalitate a rezultatelor obținute. Acestea se referă la cazul în care variabilă dependența este pusă în relație cu unul sau
Plan factorial experimental () [Corola-website/Science/311279_a_312608]
-
clasificatoare ocupă același loc că și factorul manipulate într-un plan factorial. Nu trebuie însă să uităm ci variabilă clasificatoare nu face obiectul manipulării. Prin urmare, relația dintre variabilă clasificatoare și variabilă dependența nu este una cazală, ci de simplă covarianța. Dar interpretarea acestei covariante ridică aceleași probleme ca și cazul coeficientului de corelație. Utilizarea planurilor experimentale mixte este extreme de utilă deoarece sporește senzitivitatea, constatată experimental a variabilei dependente față de factorul manipulate și deoarece oferă informații asupra gradului de generalitate
Plan factorial experimental () [Corola-website/Science/311279_a_312608]
-
controlul variabilelor . Cercetările organizate pe teren nu pot să satisfacă cerințele de dublu orb și de randomizare. Atunci când nu este folosită randomizarea, observațiile inițiale produc rezultate diferite de la grup la grup (acestea sunt planurile cvasi-experimentale). Ele presupun analize mai complexe (covarianța) la evaluarea efectului intervenției la post-test pentru a ține cont de diferența care există între performanțele inițiale la pretest. De exemplu, în multe contexte de teren, mai ales când facem evaluarea unor programe de intervenție, nu avem posibilitatea de a
Plan factorial experimental () [Corola-website/Science/311279_a_312608]
-
Inegalitatea Cauchy-Buniakovski-Schwarz (pronunțat "Coși-Buniacovschi-Șvarț") este o inegalitate utilă întâlnită în mai multe situații. În algebra liniară ea se poate aplica vectorilor, în analiză se poate aplica seriilor infinite sau integrării produselor, iar în teoria probabilităților se poate aplica varianțelor și covarianțelor. Inegalitatea pentru sume a fost publicată de Augustin Louis Cauchy în 1821 iar inegalitatea corespunzătoare pentru integrale a fost formulată inițial de Viktor Iakovlevici Buniakovski în 1859 și a fost redescoperită de Hermann Schwarz (de multe ori scris greșit "Schwartz
Inegalitatea Cauchy-Schwarz () [Corola-website/Science/309753_a_311082]
-
reprezenta viteza unei particule (vectori temporali) variază cu traiectoria particulei; în termeni matematici, legătura newtoniană nu este integrabilă. De aici, se poate deduce că spațiul-timp este curbat. Rezultatul este o formulare geometrică a gravitației newtoniene doar pe baza conceptelor de covarianță, adică o descriere validă în orice sistem de coordonate. În această descriere geometrică, efectele mareice—accelerația relativă a corpurilor în cădere liberă—sunt legate de derivata legăturii, demonstrând că geometria modificată este cauzată de prezența masei. Oricât de stranie ar
Teoria relativității generale () [Corola-website/Science/309426_a_310755]
-
al doilea, tensorul se reduce la scalar în anumite cazuri-limită. Pentru câmpuri gravitaționale slabe și pentru viteze reduse în raport cu viteza luminii, predicțiile teoriei converg înspre cele ale legii gravitației a lui Newton. Întrucât este construită folosind tensori, relativitatea generală prezintă covarianță generală: legile sale—și alte legi formulate în context relativistic general—iau aceeași formă în toate sistemele de coordonate. Mai mult, teoria nu conține nicio structură geometrică de bază care să fie invariantă. Astfel, teoria satisface un principiu general al
Teoria relativității generale () [Corola-website/Science/309426_a_310755]
-
matematic a teoriei relativității restrânse a lui Albert Einstein. Transformările Lorentz elimină contradicțiile dintre teoriile electromagnetismului și mecanicii clasice. Ele au fost deduse de către Joseph Larmor (1897) și Lorentz (1899, 1904). În 1905, Einstein le-a dedus pe baza ipotezei covarianței Lorentz și a postulării constanței vitezei luminii în orice sistem de referință inerțial. Presupunem că există doi observatori "O" și formula 3, fiecare cu propriul lui sistem de coordonate cartezian pentru a măsura intervalele de timp și spațiu. "O" folosește formula 4
Transformările lui Lorentz () [Corola-website/Science/310220_a_311549]
-
sunt soluții ale sistemului de ecuații liniare , care este obținut presupunând că formulă 1 este o valoare arbitrară a formula 8 și eroarea predicțiilor trebuie să fie redusă într-un anumit mod. De exemplu, așa numitul "simple kriging" presupune că media și covarianța funcției formulă 8 să fie cunoscute , iar apoi krigingul este cel ce minimizează variația erorii prezise. Kriging cuprinde un set de metode de predicție spațială: Din punct de vedere matematic, metoda kriging este apropiată cu regresia analitică. Amândouă teorii se bazează
Kriging () [Corola-website/Science/328110_a_329439]
-
depinde de valorile variabilelor. În spațiul caracteristicilor se definește metrica reprezentată prin matricea D, ca și în cazul spațiului indivizilor. Cu ajutorul acestei matrici diagonale a frecvențelor se calculează următoarele: -produsul scalar dintre două variabile jX și , kX care reprezintă covarianța și este dat de relația: </formula>-norma variabilei egală cu dispersia variabilei respective: </formula>-dacă în spațiul indivizilor interesează distanțele dintre puncte, în spațiul caracteristicilor intresează unghiul dintre acestea. Cosinusul unghiului dintre două variabile centrate reprezintă coeficientul de corelație liniară
Modelarea statistică a performanţei elevilor la teste le PISA by Eman ue la - Alisa N i c a () [Corola-publishinghouse/Science/91882_a_92403]
-
centrată și redusă. ACP este o tehnică care se aplică doar în cazul variabilelor cantitative, ele putând fi exprimate prin aceleași unități de măsură sau prin unități diferite. 2.7.1.1. Principiul metodei Principiul metodei este bazat pe studiul covarianței sau al corelațiilor dintre variabile, ACP putând fi utilizată când există un tabel de date sub formă de n-indivizi/p-caractere cantitative. Scopul ACP este de a prezenta informația conținută în astfel de matrici de dimensiuni mari, sub formă
A M P E L O G R A F I E M E T O D E ? I M E T O D O L O G I I D E D E S C R I E R E ? I R E C U N O A ? T E R E A S O I U R I L O R D E V I ? ? D E V I E by Doina DAMIAN, Liliana ROTARU, Ancu?a NECHITA, Costic? SAVIN () [Corola-publishinghouse/Science/83089_a_84414]
-
bănui care sunt variabilele care probabil vor avea o contribuție mai mare la discriminarea soiurilor, variabile ce vor putea fi observate pe graficul discriminant în apropierea cercului de corelație sau pe axele ce determină discriminarea. Din însumarea datelor matricelor varianță - covarianță ale fiecărui soi, rezultă matricea varianță - covarianță intraclasă totală, în care se reflectă valorile minime și maxime al. . Numărul lor va fi întotdeauna egal cu N-1 deoarece reprezentarea va fi mereu bidimensională pentru a putea determina puterea de discriminare
A M P E L O G R A F I E M E T O D E ? I M E T O D O L O G I I D E D E S C R I E R E ? I R E C U N O A ? T E R E A S O I U R I L O R D E V I ? ? D E V I E by Doina DAMIAN, Liliana ROTARU, Ancu?a NECHITA, Costic? SAVIN () [Corola-publishinghouse/Science/83089_a_84414]
-
avea o contribuție mai mare la discriminarea soiurilor, variabile ce vor putea fi observate pe graficul discriminant în apropierea cercului de corelație sau pe axele ce determină discriminarea. Din însumarea datelor matricelor varianță - covarianță ale fiecărui soi, rezultă matricea varianță - covarianță intraclasă totală, în care se reflectă valorile minime și maxime al. . Numărul lor va fi întotdeauna egal cu N-1 deoarece reprezentarea va fi mereu bidimensională pentru a putea determina puterea de discriminare a unuia față de celălalt, pornind de la constrângerea
A M P E L O G R A F I E M E T O D E ? I M E T O D O L O G I I D E D E S C R I E R E ? I R E C U N O A ? T E R E A S O I U R I L O R D E V I ? ? D E V I E by Doina DAMIAN, Liliana ROTARU, Ancu?a NECHITA, Costic? SAVIN () [Corola-publishinghouse/Science/83089_a_84414]
-
cu suma ponderată a riscurilor individuale. Ecuația riscului nu mai are caracterul liniar al ecuației (8). El nu este mai mic decât riscul fiecărui titlu, ci doar față de riscul cel mai mare al titlurilor componente. Pentru ecuația riscului se folosesc covarianța și coeficientul de corelație al titlurilor. Covarianța ratelor de rentabilitate pentru x și y: covx,y = , unde: i,j = reprezintă valorile luate în considerație din seria dinamică a rentabilităților celor 2 titluri. Covarianța unui titlu cu el însuși ne dă
[Corola-publishinghouse/Science/1466_a_2764]
-
riscului nu mai are caracterul liniar al ecuației (8). El nu este mai mic decât riscul fiecărui titlu, ci doar față de riscul cel mai mare al titlurilor componente. Pentru ecuația riscului se folosesc covarianța și coeficientul de corelație al titlurilor. Covarianța ratelor de rentabilitate pentru x și y: covx,y = , unde: i,j = reprezintă valorile luate în considerație din seria dinamică a rentabilităților celor 2 titluri. Covarianța unui titlu cu el însuși ne dă dispersia : covx, x = Coeficientul de corelație a
[Corola-publishinghouse/Science/1466_a_2764]
-
titlurilor componente. Pentru ecuația riscului se folosesc covarianța și coeficientul de corelație al titlurilor. Covarianța ratelor de rentabilitate pentru x și y: covx,y = , unde: i,j = reprezintă valorile luate în considerație din seria dinamică a rentabilităților celor 2 titluri. Covarianța unui titlu cu el însuși ne dă dispersia : covx, x = Coeficientul de corelație a ratelor de rentabilitate este: Coeficientul de corelație ne arată intensitatea legăturii dintre ratele de rentabilitate ale celor două titluri. Dacă se calculează coeficientul de corelație dintre
[Corola-publishinghouse/Science/1466_a_2764]
-
pentru cazul a "n" titluri, analistul financiar are nevoie de informații (estimări). Din numărul total de n2 combinații (i,j), se scad "n" combinații cu indici egali (riscurile) și se împarte la 2 deoarece covi,j=covj,i (deci sunt covarianțe cu indici diferiți). La acestea se adaugă "n" speranțe de rentabilitate și "n" riscuri. Se face observația că, pe măsură ce diversificarea avansează, reducerea marginală a riscului este mai mică (reducerea riscului e maximă la începutul diversificării). Modelul diagonal de selecție a
[Corola-publishinghouse/Science/1466_a_2764]
-
e maximă la începutul diversificării). Modelul diagonal de selecție a portofoliului elaborat de William Sharpe, reprezintă o simplificare a modelului lui Markowitz, care constă în principal în numărul redus de informații necesare. Ipoteza principală a modelului este că ansamblul celor covarianțe între titluri, poate avea un factor comun de determinare 15. Acest factor comun a fost ales indicele bursier, ca reprezentare a modificărilor de ansamblu ale pieței. Ca justificare a alegerii, este dubla cauzalitate (cauzalitate circulară) între variațiile titlurilor și variația
[Corola-publishinghouse/Science/1466_a_2764]
-
pieței (cresc sau scad dispersia pieței) Precizăm că ambele legi de variație (a titlurilor și a pieței) sunt considerate legi normale de distribuție. În modelul diagonal sunt necesare 3n+2 informații. Sunt "n" speranțe de rentabilitate, "n" riscuri și "n" covarianțe ale titlurilor cu indicele pieței. Se adaugă rentabilitatea și riscul pieței. În mod evident: Ca formule de bază, se folosesc ecuația dreptei de regresie și ecuația riscului titlului din modelul de piață 16. Pentru ușurarea calculelor (simplificarea notațiilor) se folosesc
[Corola-publishinghouse/Science/1466_a_2764]
-
și ecuația riscului titlului din modelul de piață 16. Pentru ușurarea calculelor (simplificarea notațiilor) se folosesc rentabilități medii în locul speranțelor de rentabilitate. Reamintim că notația "P" desemnează portofoliul și notația "p" piața. (10) și (11) Se determină mai întâi forma covarianțelor covi,j ținând cont de ecuația (10). (12) Reluăm calculul riscului total al portofoliului. Se notează (numai pentru modelul diagonal) ponderile i ale titlurilor componente ale portofoliului, cu xi; pentru a se evita confuzia cu valoarea i care apare în
[Corola-publishinghouse/Science/1466_a_2764]
-
i care apare în ecuația (10). Conform modelului lui Markowitz: Se regrupează primul și ultimul termen într-o operațiune în sens invers față de descompunerea inițială (după indici identici și indici diferiți), care avea rolul de a evidenția riscurile individuale și covarianțele. Ecuația (13), reprezintă forma ecuației riscului în modelul diagonal. Primul termen al membrului drept al ecuației reprezintă riscul specific (suma produselor între pătratele ponderilor și riscurile specifice ale titlurilor). Cel de-al doilea termen (produsul între pătratul volatilității portofoliului și
[Corola-publishinghouse/Science/1466_a_2764]
-
ponderile xi) (ecuație parametrică) Lagrangianul funcției obiectiv este: Pentru determinarea necunoscutelor xi, p și 1, 2, 3, se anulează derivatele de ordinul întâi ale funcției L în raport cu necunoscutele respective. Sistemul de ecuații rezultat, are următoarea exprimare matriceală: Matricea modificată a covarianțelor de ordin n+1, (evidențiată cu linie întreruptă în interiorul matricei A), are diagonala nenulă. Forma acesteia dă numele modelului diagonal. Se rezolvă ecuația matricială AX=B rezultând soluții parametrice: Valorile riscului portofoliului (σ2P), estimat în cele două modele (Markowitz și
[Corola-publishinghouse/Science/1466_a_2764]