The sampling in statistical surveys and numerical calculations as well as simulation testing of probabilistic models in virtually all fields of knowledge require a computer endowed with pseudorandom numbers generators. The main goal of the study is to compare the normal random number generators using various criteria. The properties of 12 random number generators for a normal distribution were investigated. Then, the family of generators was extended by two so-called application generators and a new approach for checking the quality of generators was adopted. A ready-made tool prepared in C++ and in Visual Basic for Application (VBA) for conducting self-contained research using generators was presented. All Monte Carlo simulations were carried out in C++, while the calculations were performed in the VBA editor using the Microsoft Excel 2016 spreadsheet. The analysis of the obtained results shows that the generators with best properties are: MP Monty Python, R, Biegun and Ziggurat. The worst generators, are: BM Box-Muller, Wallace, Iloraz and Excel.
PL
Losowanie prób w badaniach statystycznych i w obliczeniach numerycznych, jak również symulacyjne badanie modeli probabilistycznych właściwie we wszystkich dziedzinach wiedzy wymagają wyposażenia komputera w generatory liczb pseudolosowych. Głównym celem pracy jest porównanie generatorów liczb pseudolosowych normalnych na podstawie ich analizy dokonanej za pomocą różnego rodzaju kryteriów. Zbadano właściwości 12 generatorów liczb pseudolosowych o rozkładzie normalnym. Zaproponowano rozszerzenie rodziny generatorów o dwa tzw. generatory aplikacyjne oraz przyjęcie nowego podejścia do sprawdzania jakości generatorów. Przedstawiono narzędzie przygotowane w języku C++ oraz w języku Visual Basic for Application (VBA) do prowadzenia samodzielnych badań z użyciem generatorów. Symulacje Monte Carlo przeprowadzono w języku C++, a obliczenia wykonano w edytorze VBA przy użyciu arkusza kalkulacyjnego Microsoft Excel 2016. Analiza uzyskanych wyników wskazuje, że najlepsze właściwości mają generatory: MP Monty Pythona, R, Biegun oraz Ziggurat. Najmniej użyteczne okazują się generatory: BM Boxa-Mullera, Wallace’a, Iloraz oraz Excel.
W artykule zweryfikowana została teza o normalności rozkłdu stóp zwrotu cen akcji komponentów indeksów giełdowych tj. w dnu 17.10.2017 r.) do dnia 31.03.2017 r., dla stóp zwrotu w ujęciu: zamknięcie-zamknięcie, otwarcie-otwarcie, otwarcie-zamknięcie i overnight. Z wykorzystaniem testów Jarque-Bera, Shapiro-Wilka i D’Agostino-Pearsona podjęcto próbę stworzenia rankingu spółek ze względu na zbieżność rozkładu ich stóp zwrotu do rozkładu normalnego.
EN
The article verified the hypothesis regarding normal distribution of returns of shares - components of the following Warsaw Stock Exchange indexes Keywords: normal distribution, return rates, stock indices, ranking of companies
W badaniach nad modelowaniem dochodów do aproksymacji ich rozkładów bardzo często wykorzystuje się takie znane rozkłady, jak Daguma, log-normalny czy Zengi. Celem badania omawianego w artykule jest sprawdzenie możliwości posłużenia się innymi typami rozkładów, tj. rozkładami asymetrycznymi wywodzącymi się z rozkładu normalnego (ND), w kontekście modelowania dochodów. Najważniejsze charakterystyki rozpatrywanych rozkładów określono na podstawie danych z badania EU-SILC 2011 dotyczących miesięcznego dochodu brutto na mieszkańca w Polsce. Rozkłady prawdopodobieństwa podzielono na dwie grupy: I – rozkłady powszechnie stosowane do modelowania dochodów (np. rozkład Daguma) i II – rozkłady wywodzące się z ND (np. rozkład SU Johnsona). Oprócz wizualnej oceny przydatności analizowanych rozkładów prawdopodobieństwa zastosowano kryteria liczbowe, takie jak: kryteria informacyjne dla modeli ekonometrycznych (Akaike Information Criterion, Schwarz’s Bayesian Information Criterion oraz Hannan-Quinn Information Criterion), miary zgodności oraz charakterystyki empiryczne i teoretyczne, w tym specjalnie zdefiniowana na potrzeby artykułu autorska miara wykorzystująca kwantyle. Jak wynika z badania, rozkład SU Johnsona (II grupa), może być – tak jak rozkład Daguma (I grupa) – z powodzeniem wykorzystany do modelowania dochodów.
EN
In income modelling studies, such well-known distributions as the Dagum, the lognormal or the Zenga distributions are often used as approximations of the observed distributions. The objective of the research described in the article is to verify the possibility of using other type of distributions, i.e. asymmetric distributions derived from normal distribution (ND) in the context of income modelling. Data from the 2011 EU-SILC survey on the monthly gross income per capita in Poland were used to assess the most important characteristics of the discussed distributions. The probability distributions were divided into two groups: I – distributions commonly used for income modelling (e.g. the Dagum distribution) and II – distributions derived from ND (e.g. the SU Johnson distribution). In addition to the visual evaluation of the usefulness of the analysed probability distributions, various numerical criteria were applied: information criteria for econometric models (such as the Akaike Information Criterion, Schwarz’s Bayesian Information Criterion and the Hannan-Quinn Information Criterion), measures of agreement, as well as empirical and theoretical characteristics, including a measure based on quantiles, specifically defined by the authors for the purposes of this article. The research found that the SU Johnson distribution (Group II), similarly to the Dagum distribution (Group I), can be successfully used for income modelling.
W artykule zweryfikowano hipotezę o normalności rozkładu stóp zwrotu indeksów publikowanych przez Giełdę Papierów Wartościowych w Warszawie. Badanie przeprowadzono dla stóp zwrotu: dziennych, tygodniowych, miesięcznych, kwartalnych i rocznych oraz uwzględniono stopy zwrotu liczone w ujęciu: zamknięcie–zamknięcie, zamknięcie–otwarcie, otwarcie–otwarcie i otwarcie–zamknięcie (overnight). Weryfikacja hipotez statystycznych została przeprowadzona za pomocą następujących siedmiu testów: Kolmogorova-Smirnova, Lillieforsa, Shapiro-Wilka, Chi-kwadrat, Cramera von Misesa, Watsona, Andersona- Darlinga. Stworzony został również ranking analizowanych indeksów giełdowych z wykorzystaniem trzech testów statystycznych: Jarque-Bera, Shapiro-Wilka and D’Agostino-Pearsona.
EN
The paper verified the hypothesis regarding a normal distribution of returns of Warsaw Stock Exchange indexes for the following time intervals: daily, weekly, monthly, quarterly and yearly. The analyzed rates of return were calculated in the following outlines: closing-closing, opening-opening, opening-closing and overnight. The verification of statistical hypotheses was conducted with the use of the following seven statistical tests: Kolmogorov-Smirnov, Lilliefors, Shapiro-Wilk, Chi-squared, Cramer von Mises, Watson, Anderson-Darling. The analyzed indexes were ranked due to the convergence of their return to the normal distribution with the use of the following tests: Jarque-Bera, Shapiro-Wilk and D’Agostino-Pearson.
JavaScript is turned off in your web browser. Turn it on to take full advantage of this site, then refresh the page.