Modele ARIMA prognoza, specykacja

Wielkość: px
Rozpocząć pokaz od strony:

Download "Modele ARIMA prognoza, specykacja"

Transkrypt

1 Modele ARIMA prognoza, specykacja Wst p do ekonometrii szeregów czasowych wiczenia 3 5 marca 2010

2 Plan prezentacji 1 Specykacja modelu ARIMA 2 3

3 Plan prezentacji 1 Specykacja modelu ARIMA 2 3

4 Funkcja autokorelacji (ACF) Pokazuje korelacj warto±ci szeregu z kolejnymi opó¹nieniami tego samego szeregu: opó¹nienie 1 r 1 opó¹nienie 2 r 2 opó¹nienie 3 r 3 itd. Szacujemy na podstawie danych, obliczaj c wspóªczynniki korelacji liniowej Pearsona.

5 Wspóªczynnik korelacji cz stkowej Wspóªczynnik korelacji mi dzy i oraz j z wykluczeniem wpªywu l: r ij.l = r ij r il r jl ( ) (1 r 2 il ) 1 r 2 jl

6 Funkcja autokorelacji cz stkowej (PACF) Pokazuje korelacj warto±ci szeregu z kolejnymi opó¹nieniami tego samego szeregu, z wykluczeniem wpªywu opó¹nie«ni»szego rz du: opó¹nienie 1 r 1 (tak samo jak w ACF) opó¹nienie 2 korelacja cz stkowa warto±ci bie» cej z 2 opó¹nieniem z wykluczeniem wpªywu 1 opó¹nienia opó¹nienie 3 korelacja cz stkowa warto±ci bie» cej z 3 opó¹nieniem z wykluczeniem wpªywu 1 i 2 opó¹nienia opó¹nienie 4 korelacja cz stkowa warto±ci bie» cej z 4 opó¹nieniem z wykluczeniem wpªywu 1, 2 i 3 opó¹nienia itd.

7 Funkcje ACF i PACF jako kryterium doboru p,q Sposób post powania podpowiadany przez korelogram: dla modeli AR(p): szukamy punktu uci cia na wykresie PACF dla modeli MA(q): szukamy punktu uci cia na wykresie ACF dla modeli ARMA(p,q): zwi kszamy stopniowo p i q, staraj c si wyczy±ci wykres ACF i PACF Zaczynamy od Zmienna / Korelogram. Nast pnie, po oszacowaniu modelu ARMA, ogl damy ACF i PACF reszt losowych.

8 ACF i PACF: przykªad (1) Proces AR(1): Correlogram of P2 Autocorrelation Partial Correlation AC PAC Q-Stat Prob

9 ACF i PACF: przykªad (2) Proces MA(1): Correlogram of P4 Autocorrelation Partial Correlation AC PAC Q-Stat Prob

10 Testy statystyczne i miary dopasowania testy istotno±ci (t) testy autokorelacji Q (Ljung-Box) i efektów ARCH UWAGA! Interpretacja R-kwadrat mo»e by myl ca zwracamy raczej uwag na kryteria informacyjne pomagaj rozstrzyga mi dzy konkurencyjnymi modelami kompromis mi dzy dopasowaniem a oszcz dn parametryzacj

11 Plan prezentacji 1 Specykacja modelu ARIMA 2 3

12 Zadanie A Specykacja modelu ARIMA Oszacowano równanie nast puj cego procesu ARMA: y t = 0, 4y t 1 0, 05y t 2 + 0, 3ε t 1 + ε t a) Zbadaj stacjonarno± i odwracalno± procesu. b) Próba ko«czy si w grudniu 2009 r. Wiemy,»e y = 1, 5 y = 0, 5, ε = 0, 3, ε = 0, 2. Wyznacz prognozy na stycze«, luty i marzec c) Wyznacz jeszcze raz te prognozy wiedz c,»e ε = 0, 1.

13 Prognoza Specykacja modelu ARIMA 1 Horyzont prognozy musi nale»e do zakresu czasowego pliku. 2 W pliku musz by wszystkie niezb dne warto±ci zmiennych egzogenicznych w horyzoncie prognozy (je»eli to model ARIMAX). 3 Analiza / Prognoza... w oknie modelu. 4 Je»eli model jest dynamiczny (opó¹nienia zmiennej endogenicznej), mo»na wybra prognoz dynamiczn lub statyczn : 1 dynamiczna: jako przyszªe warto±ci y t 1, y t 2 itd. w charakterze zmiennych obja±niaj cych u»yte zostan poprzednie prognozy; 2 statyczna: jako przyszªe warto±ci y t 1, y t 2 itd. zostan u»yte dane z pliku (o ile s dost pne).

14 Zadanie B Specykacja modelu ARIMA Otwórz plik arma.gdt i oszacuj dla tych danych pewien oszcz dnie sparametryzowany proces ARMA. 1 Oce«jego stacjonarno± / odwracalno± na podstawie podanej przez Gretl informacji o pierwiastkach wielomianu charakterystycznego. 2 Dokonaj jego prognozy na 10 okresów w przód.

15 Zadanie C Specykacja modelu ARIMA Plik arma_identykacja.gdt zawiera 9 szeregów czasowych, wygenerowanych przez procesy ARMA(p,q), przy czym p = 0, 1, 2 i q = 0, 1, 2 (wszystkie mo»liwe kombinacje). Zidentykuj poszczególne procesy.

16 Plan prezentacji 1 Specykacja modelu ARIMA 2 3

17 2 Wybierz 2 z szeregów czasowych analizowanych na pierwszych zaj ciach (z wyj tkiem stopy bezrobocia). Oszacuj dla nich modele ARIMA o specykacji, któr uznasz za najbardziej adekwatn na podstawie testów stacjonarno±ci oraz znanych Ci kryteriów doboru opó¹nie«(acf, PACF, kryteria informacyjne, testy istotno±ci i autokorelacji). Przedstaw uzasadnienie wybranej specykacji. Oce«stacjonarno± / odwracalno± obu procesów (przedstaw wªasne obliczenia, traktuj c wynik z Gretla jako sprawdzenie ich poprawno±ci). Dokonaj prognozy na 4 okresy w przód.

Wprowadzenie Model ARMA Sezonowość Prognozowanie Model regresji z błędami ARMA. Modele ARMA

Wprowadzenie Model ARMA Sezonowość Prognozowanie Model regresji z błędami ARMA. Modele ARMA Ważną klasę modeli dynamicznych stanowią modele ARMA(p, q) Ważną klasę modeli dynamicznych stanowią modele ARMA(p, q) Modele tej klasy są modelami ateoretycznymi Ważną klasę modeli dynamicznych stanowią

Bardziej szczegółowo

Materiał dla studentów Wprowadzenie do modeli ARMA/ARIMA (na przykładzie zwrotów z instrumentów finansowych)

Materiał dla studentów Wprowadzenie do modeli ARMA/ARIMA (na przykładzie zwrotów z instrumentów finansowych) Materiał dla studentów Wprowadzenie do modeli ARMA/ARIMA (na przykładzie zwrotów z instrumentów finansowych) (studium przypadku) Nazwa przedmiotu: ekonometria finansowa I (22204), analiza szeregów czasowych

Bardziej szczegółowo

3. Analiza własności szeregu czasowego i wybór typu modelu

3. Analiza własności szeregu czasowego i wybór typu modelu 3. Analiza własności szeregu czasowego i wybór typu modelu 1. Metody analizy własności szeregu czasowego obserwacji 1.1. Analiza wykresu szeregu czasowego 1.2. Analiza statystyk opisowych zmiennej prognozowanej

Bardziej szczegółowo

Analiza szeregów czasowych bezrobocia i inflacji w Danii

Analiza szeregów czasowych bezrobocia i inflacji w Danii Uniwersytet Warszawski Wydział Nauk Ekonomicznych Mateusz Błażej Nr albumu: 308521 Analiza szeregów czasowych bezrobocia i inflacji w Danii Projekt zaliczeniowy z przedmiotu: Analiza Szeregów Czasowych

Bardziej szczegółowo

1 Modele ADL - interpretacja współczynników

1 Modele ADL - interpretacja współczynników 1 Modele ADL - interpretacja współczynników ZADANIE 1.1 Dany jest proces DL następującej postaci: y t = µ + β 0 x t + β 1 x t 1 + ε t. 1. Wyjaśnić, jaka jest intepretacja współczynników β 0 i β 1. 2. Pokazać

Bardziej szczegółowo

Estymacja parametrów modeli liniowych oraz ocena jakości dopasowania modeli do danych empirycznych

Estymacja parametrów modeli liniowych oraz ocena jakości dopasowania modeli do danych empirycznych Estymacja parametrów modeli liniowych oraz ocena jakości dopasowania modeli do danych empirycznych 3.1. Estymacja parametrów i ocena dopasowania modeli z jedną zmienną 23. Właściciel komisu w celu zbadania

Bardziej szczegółowo

Co trzeba wiedzieć korzystając z modelu ARIMA i które parametry są kluczowe?

Co trzeba wiedzieć korzystając z modelu ARIMA i które parametry są kluczowe? Prognozowanie Co trzeba wiedzieć korzystając z modelu ARIMA Marta Płonka Predictive Solutions W trzecim już artykule dotyczącym szeregów czasowych przyjrzymy się modelom ARIMA. Dzisiaj skupimy się na metodzie

Bardziej szczegółowo

ROZWIĄZANIA PRZYKŁADOWYCH ZADAŃ. KORELACJA zmiennych jakościowych (niemierzalnych)

ROZWIĄZANIA PRZYKŁADOWYCH ZADAŃ. KORELACJA zmiennych jakościowych (niemierzalnych) ROZWIĄZANIA PRZYKŁADOWYCH ZADAŃ KORELACJA zmiennych jakościowych (niemierzalnych) Zadanie 1 Zapytano 180 osób (w tym 120 mężczyzn) o to czy rozpoczynają dzień od wypicia kawy czy też może preferują herbatę.

Bardziej szczegółowo

Testowanie stopnia zintegrowania. czasowego. Wst p do ekonometrii szeregów czasowych wiczenia 1. Andrzej Torój. 19 lutego 2010

Testowanie stopnia zintegrowania. czasowego. Wst p do ekonometrii szeregów czasowych wiczenia 1. Andrzej Torój. 19 lutego 2010 szeregu czasowego Wst p do ekonometrii szeregów czasowych wiczenia 1 19 lutego 2010 Plan prezentacji 1 Szereg czasowy, poj cie stacjonarno±ci 2 3 4 5 6 7 Plan prezentacji 1 Szereg czasowy, poj cie stacjonarno±ci

Bardziej szczegółowo

Specyfikacja techniczna banerów Flash

Specyfikacja techniczna banerów Flash Specyfikacja techniczna banerów Flash Po stworzeniu własnego banera reklamowego należy dodać kilka elementów umożliwiających integrację z systemem wyświetlającym i śledzącym reklamy na stronie www. Specyfikacje

Bardziej szczegółowo

1. Stacjonarnośd i niestacjonarnośd szeregów czasowych 2. Test ADF i test KPSS 3. Budowa modeli ARMA dla zmiennych niestacjonarnych 4.

1. Stacjonarnośd i niestacjonarnośd szeregów czasowych 2. Test ADF i test KPSS 3. Budowa modeli ARMA dla zmiennych niestacjonarnych 4. 1. Stacjonarnośd i niestacjonarnośd szeregów czasowych 2. Test ADF i test KPSS 3. Budowa modeli ARMA dla zmiennych niestacjonarnych 4. Prognozowanie stóp zwrotu na podstawie modeli ARMA 5. Relacje kointegrujące

Bardziej szczegółowo

2 Model neo-keynsistowski (ze sztywnymi cenami).

2 Model neo-keynsistowski (ze sztywnymi cenami). 1 Dane empiryczne wiczenia 5 i 6 Krzysztof Makarski Szoki popytowe i poda»owe jako ¹ródªa uktuacji. Wspóªczynnik korelacji Odchylenie standardowe (w stosunku do PKB) Cykliczno± Konsumpcja 0,76 75,6% procykliczna

Bardziej szczegółowo

Statystyczna analiza danych w programie STATISTICA. Dariusz Gozdowski. Katedra Doświadczalnictwa i Bioinformatyki Wydział Rolnictwa i Biologii SGGW

Statystyczna analiza danych w programie STATISTICA. Dariusz Gozdowski. Katedra Doświadczalnictwa i Bioinformatyki Wydział Rolnictwa i Biologii SGGW Statystyczna analiza danych w programie STATISTICA ( 4 (wykład Dariusz Gozdowski Katedra Doświadczalnictwa i Bioinformatyki Wydział Rolnictwa i Biologii SGGW Regresja prosta liniowa Regresja prosta jest

Bardziej szczegółowo

MODELE AUTOREGRESYJNE W PROGNOZOWANIU CEN ZBÓŻ W POLSCE

MODELE AUTOREGRESYJNE W PROGNOZOWANIU CEN ZBÓŻ W POLSCE METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH Tom XI/2, 2010, str. 254 263 MODELE AUTOREGRESYJNE W PROGNOZOWANIU CEN ZBÓŻ W POLSCE Agnieszka Tłuczak Zakład Ekonometrii i Metod Ilościowych, Wydział Ekonomiczny

Bardziej szczegółowo

K wartość kapitału zaangażowanego w proces produkcji, w tys. jp.

K wartość kapitału zaangażowanego w proces produkcji, w tys. jp. Sprawdzian 2. Zadanie 1. Za pomocą KMNK oszacowano następującą funkcję produkcji: Gdzie: P wartość produkcji, w tys. jp (jednostek pieniężnych) K wartość kapitału zaangażowanego w proces produkcji, w tys.

Bardziej szczegółowo

Etapy modelowania ekonometrycznego

Etapy modelowania ekonometrycznego Etapy modelowania ekonometrycznego jest podstawowym narzędziem badawczym, jakim posługuje się ekonometria. Stanowi on matematyczno-statystyczną formę zapisu prawidłowości statystycznej w zakresie rozkładu,

Bardziej szczegółowo

Ekonometria - wykªad 1

Ekonometria - wykªad 1 Ekonometria - wykªad 1 0. Wprowadzenie Barbara Jasiulis-Goªdyn 28.02.2014 2013/2014 Ekonometria Literatura [1] B. Borkowski, H. Dudek, W. Szczesny, Ekonometria. Wybrane Zaganienia, PWN, Warszawa 2003.

Bardziej szczegółowo

1. Ekonometria jako dyscyplina naukowa (przedmiot, metodologia, teorie ekonomiczne). Model ekonometryczny, postać modelu, struktura, klasyfikacja.

1. Ekonometria jako dyscyplina naukowa (przedmiot, metodologia, teorie ekonomiczne). Model ekonometryczny, postać modelu, struktura, klasyfikacja. 1. Ekonometria jako dyscyplina naukowa (przedmiot, metodologia, teorie ekonomiczne). Model ekonometryczny, postać modelu, struktura, klasyfikacja. Zadanie 1. Celem zadania jest oszacowanie modelu opisującego

Bardziej szczegółowo

WYMAGANIA EDUKACYJNE SPOSOBY SPRAWDZANIA POSTĘPÓW UCZNIÓW WARUNKI I TRYB UZYSKANIA WYŻSZEJ NIŻ PRZEWIDYWANA OCENY ŚRÓDROCZNEJ I ROCZNEJ

WYMAGANIA EDUKACYJNE SPOSOBY SPRAWDZANIA POSTĘPÓW UCZNIÓW WARUNKI I TRYB UZYSKANIA WYŻSZEJ NIŻ PRZEWIDYWANA OCENY ŚRÓDROCZNEJ I ROCZNEJ WYMAGANIA EDUKACYJNE SPOSOBY SPRAWDZANIA POSTĘPÓW UCZNIÓW WARUNKI I TRYB UZYSKANIA WYŻSZEJ NIŻ PRZEWIDYWANA OCENY ŚRÓDROCZNEJ I ROCZNEJ Anna Gutt- Kołodziej ZASADY OCENIANIA Z MATEMATYKI Podczas pracy

Bardziej szczegółowo

Analiza szeregów czasowych: 6. Liniowe modele niestacjonarne

Analiza szeregów czasowych: 6. Liniowe modele niestacjonarne Analiza szeregów czasowych: 6. Liniowe modele niestacjonarne P. F. Góra http://th-www.if.uj.edu.pl/zfs/gora/ semestr letni 2007/08 Warunki stacjonarności modelu AR(p) y n = β 1 y n 1 + β 2 y n 2 + + β

Bardziej szczegółowo

Termostaty V2, V4 i V8 Regulatory temperatury bezpo redniego działania F CHARAKTERYSTYKA:

Termostaty V2, V4 i V8 Regulatory temperatury bezpo redniego działania F CHARAKTERYSTYKA: Termostaty V2, V4 i V8 Regulatory temperatury bezpo redniego działania 3.4.01-F CHARAKTERYSTYKA: siła zamkni cia 200 N, 400 N i 800 N do zaworów grzewczych lub chłodz cych solidne i godne zaufania zakres

Bardziej szczegółowo

PROGNOZOWANIE PRZYCHODÓW ZE SPRZEDAŻY

PROGNOZOWANIE PRZYCHODÓW ZE SPRZEDAŻY Joanna Chrabołowska Joanicjusz Nazarko PROGNOZOWANIE PRZYCHODÓW ZE SPRZEDAŻY NA PRZYKŁADZIE PRZEDSIĘBIORSTWA HANDLOWEGO TYPU CASH & CARRY Wprowadzenie Wśród wielu prognoz szczególną rolę w zarządzaniu

Bardziej szczegółowo

Projekt z Ekonometrii Dynamicznej

Projekt z Ekonometrii Dynamicznej Projekt z Ekonometrii Dynamicznej Tomasz Tymecki L.p. Nazwa 1 KGHM 2 ORBIS 3 FERRUM 4 VISTULA 5 BORYSZEW 6 MOSTOSTALZAB 7 BYTOM 8 FORTE 9 PRÓCHNIK 1 ŻYWIEC 11 Indeks WIG 12 Indeks WIG2 Spis treści I. Analiza

Bardziej szczegółowo

Rozdzia 5. Uog lniona metoda najmniejszych kwadrat w : ::::::::::::: Podstawy uog lnionej metody najmniejszych kwadrat w :::::: Zastos

Rozdzia 5. Uog lniona metoda najmniejszych kwadrat w : ::::::::::::: Podstawy uog lnionej metody najmniejszych kwadrat w :::::: Zastos Spis tre ci PRZEDMOWA :::::::::::::::::::::::::::::::::::::::::::::::::::::::: 11 CZ I. Wprowadzenie do modelowania ekonometrycznego ::::::::::: 13 Rozdzia 1. Modelowanie ekonometryczne ::::::::::::::::::::::::::::::

Bardziej szczegółowo

Moduł. Rama 2D suplement do wersji Konstruktora 4.6

Moduł. Rama 2D suplement do wersji Konstruktora 4.6 Moduł Rama 2D suplement do wersji Konstruktora 4.6 110-1 Spis treści 110. RAMA 2D - SUPLEMENT...3 110.1 OPIS ZMIAN...3 110.1.1 Nowy tryb wymiarowania...3 110.1.2 Moduł dynamicznego przeglądania wyników...5

Bardziej szczegółowo

Analiza szeregów czasowych: 5. Liniowe modele stochastyczne

Analiza szeregów czasowych: 5. Liniowe modele stochastyczne Analiza szeregów czasowych: 5. Liniowe modele stochastyczne P. F. Góra http://th-www.if.uj.edu.pl/zfs/gora/ semestr letni 2006/07 Dwa rodzaje modelowania 1. Modelowanie z pierwszych zasad. Znamy prawa

Bardziej szczegółowo

W Katedrze znajduje się pokój socjalny, z którego mogą skorzystad studenci w czasie przerwy pomiędzy zajęciami. Na terenie Zakładu Toksykologii

W Katedrze znajduje się pokój socjalny, z którego mogą skorzystad studenci w czasie przerwy pomiędzy zajęciami. Na terenie Zakładu Toksykologii Regulamin dwiczeo z Toksykologii realizowanych w Katedrze i Zakładzie Toksykologii dla studentów Biotechnologii Medycznej Wydziału Lekarskiego II Uniwersytetu Medycznego w Poznaniu 1. Ćwiczenia z toksykologii

Bardziej szczegółowo

Tadeusz Kufel Uniwersytet Mikołaja Kopernika w Toruniu. Narzędzia ekonometrii dynamicznej w oprogramowaniu GRETL

Tadeusz Kufel Uniwersytet Mikołaja Kopernika w Toruniu. Narzędzia ekonometrii dynamicznej w oprogramowaniu GRETL DYNAMICZNE MODELE EKONOMETRYCZNE IX Ogólnopolskie Seminarium Naukowe, 6 8 września 2005 w Toruniu Katedra Ekonometrii i Statystyki, Uniwersytet Mikołaja Kopernika w Toruniu Uniwersytet Mikołaja Kopernika

Bardziej szczegółowo

Metody numeryczne i statystyka dla in»ynierów

Metody numeryczne i statystyka dla in»ynierów Kierunek: Automatyka i Robotyka, II rok Interpolacja PWSZ Gªogów, 2009 Interpolacja Okre±lenie zale»no±ci pomi dzy interesuj cymi nas wielko±ciami, Umo»liwia uproszczenie skomplikowanych funkcji (np. wykorzystywana

Bardziej szczegółowo

ANALIZA NUMERYCZNA. Grzegorz Szkibiel. Wiosna 2014/15

ANALIZA NUMERYCZNA. Grzegorz Szkibiel. Wiosna 2014/15 ANALIZA NUMERYCZNA Grzegorz Szkibiel Wiosna 2014/15 Spis tre±ci 1 Metoda Eulera 3 1.1 zagadnienia brzegowe....................... 3 1.2 Zastosowanie ró»niczki...................... 4 1.3 Output do pliku

Bardziej szczegółowo

Szkolenie Podstawy statystyki i analizy danych

Szkolenie Podstawy statystyki i analizy danych Szkolenie Podstawy statystyki i analizy danych program i cennik Łukasz Deryło Analizy statystyczne, szkolenia www.statystyka.c0.pl Szkolenie Podstawy statystyki i analizy danych Co obejmuje? Program szkolenia

Bardziej szczegółowo

Przyczynowość Kointegracja. Kointegracja. Kointegracja

Przyczynowość Kointegracja. Kointegracja. Kointegracja korelacja a związek o charakterze przyczynowo-skutkowym korelacja a związek o charakterze przyczynowo-skutkowym Przyczynowość w sensie Grangera Zmienna x jest przyczyną w sensie Grangera zmiennej y jeżeli

Bardziej szczegółowo

WYMAGANIA EDUKACYJNE Z PRZEDMIOTÓW ZAWODOWYCH ODBYWAJĄCYCH SIĘ W SZKOLNYM LABORATORIUM CHEMICZNYM

WYMAGANIA EDUKACYJNE Z PRZEDMIOTÓW ZAWODOWYCH ODBYWAJĄCYCH SIĘ W SZKOLNYM LABORATORIUM CHEMICZNYM WYMAGANIA EDUKACYJNE Z PRZEDMIOTÓW ZAWODOWYCH ODBYWAJĄCYCH SIĘ W SZKOLNYM LABORATORIUM CHEMICZNYM PSO jest uzupełnieniem Wewnątrzszkolnego Systemu Oceniania obowiązującego w GCE. Precyzuje zagadnienia

Bardziej szczegółowo

Platforma Aukcyjna Marketplanet. Podręcznik Oferenta. Aukcja dynamiczna zniŝkowa

Platforma Aukcyjna Marketplanet. Podręcznik Oferenta. Aukcja dynamiczna zniŝkowa Platforma Aukcyjna Marketplanet Podręcznik Oferenta Aukcja dynamiczna zniŝkowa (c) 2008 Otwarty Rynek Elektroniczny S.A. 1. Spis treści 1. SPIS TREŚCI... 2 2. WSTĘP... 3 3. LOGOWANIE DO SYSTEMU... 3 4.

Bardziej szczegółowo

Zarządzanie Zasobami by CTI. Instrukcja

Zarządzanie Zasobami by CTI. Instrukcja Zarządzanie Zasobami by CTI Instrukcja Spis treści 1. Opis programu... 3 2. Konfiguracja... 4 3. Okno główne programu... 5 3.1. Narzędzia do zarządzania zasobami... 5 3.2. Oś czasu... 7 3.3. Wykres Gantta...

Bardziej szczegółowo

Niestacjonarne zmienne czasowe własności i testowanie

Niestacjonarne zmienne czasowe własności i testowanie Materiał dla studentów Niestacjonarne zmienne czasowe własności i testowanie (studium przypadku) Część 3: Przykłady testowania niestacjonarności Nazwa przedmiotu: ekonometria finansowa I (22204), analiza

Bardziej szczegółowo

WYMAGANIA WSTĘPNE W ZAKRESIE WIEDZY, UMIEJĘTNOŚCI I INNYCH KOMPETENCJI

WYMAGANIA WSTĘPNE W ZAKRESIE WIEDZY, UMIEJĘTNOŚCI I INNYCH KOMPETENCJI 1 WYDZIAŁ MATEMATYKI KARTA PRZEDMIOTU Nazwa w języku polskim ANALIZA SZEREGÓW CZASOWYCH Nazwa w języku angielskim ANALYSIS OF TIME SERIES Kierunek studiów (jeśli dotyczy): Matematyka Specjalność (jeśli

Bardziej szczegółowo

Metoda Johansena objaśnienia i przykłady

Metoda Johansena objaśnienia i przykłady Metoda Johansena objaśnienia i przykłady Model wektorowej autoregresji rzędu p, VAR(p), ma postad gdzie oznacza wektor zmiennych endogenicznych modelu. Model VAR jest stabilny, jeżeli dla, tzn. wielomian

Bardziej szczegółowo

E k o n o m e t r i a S t r o n a 1

E k o n o m e t r i a S t r o n a 1 E k o n o m e t r i a S t r o n a Liniowy model ekonometryczny Jednorównaniowy liniowy model ekonometryczny (model regresji wielorakiej) można zapisać w postaci: y = α + α x + α x +... + α x + ε, t =,,...,

Bardziej szczegółowo

Temat: Czy świetlówki energooszczędne są oszczędne i sprzyjają ochronie środowiska? Imię i nazwisko

Temat: Czy świetlówki energooszczędne są oszczędne i sprzyjają ochronie środowiska? Imię i nazwisko Temat: Czy świetlówki energooszczędne są oszczędne i sprzyjają ochronie środowiska? Karta pracy III.. Imię i nazwisko klasa Celem nauki jest stawianie hipotez, a następnie ich weryfikacja, która w efekcie

Bardziej szczegółowo

WYMAGANIA WSTĘPNE W ZAKRESIE WIEDZY, UMIEJĘTNOŚCI I INNYCH KOMPETENCJI

WYMAGANIA WSTĘPNE W ZAKRESIE WIEDZY, UMIEJĘTNOŚCI I INNYCH KOMPETENCJI 1 Zał. nr 4 do ZW WYDZIAŁ PODSTAWOWYCH PROBLEMÓW TECHNIKI KARTA PRZEDMIOTU Nazwa w języku polskim ANALIZA SZEREGÓW CZASOWYCH Nazwa w języku angielskim ANALYSIS OF TIME SERIES Kierunek studiów (jeśli dotyczy):

Bardziej szczegółowo

Szkolenie Regresja logistyczna

Szkolenie Regresja logistyczna Szkolenie Regresja logistyczna program i cennik Łukasz Deryło Analizy statystyczne, szkolenia www.statystyka.c0.pl Szkolenie Regresja logistyczna Co to jest regresja logistyczna? Regresja logistyczna pozwala

Bardziej szczegółowo

Kurs z matematyki - zadania

Kurs z matematyki - zadania Kurs z matematyki - zadania Miara łukowa kąta Zadanie Miary kątów wyrażone w stopniach zapisać w radianach: a) 0, b) 80, c) 90, d), e) 0, f) 0, g) 0, h), i) 0, j) 70, k), l) 80, m) 080, n), o) 0 Zadanie

Bardziej szczegółowo

U C H W A Ł A NR XIX/81/2008. Rady Gminy Ostrowite z dnia 21 maja 2008 roku. u c h w a l a s ię:

U C H W A Ł A NR XIX/81/2008. Rady Gminy Ostrowite z dnia 21 maja 2008 roku. u c h w a l a s ię: U C H W A Ł A NR XIX/81/2008 Rady Gminy Ostrowite z dnia 21 maja 2008 roku w sprawie regulaminu udzielania pomocy materialnej o charakterze socjalnym dla uczniów. Na podstawie art. 90f. ustawy z dnia 7

Bardziej szczegółowo

PAKIET MathCad - Część III

PAKIET MathCad - Część III Opracowanie: Anna Kluźniak / Jadwiga Matla Ćw3.mcd 1/12 Katedra Informatyki Stosowanej - Studium Podstaw Informatyki PAKIET MathCad - Część III RÓWNANIA I UKŁADY RÓWNAŃ 1. Równania z jedną niewiadomą MathCad

Bardziej szczegółowo

PRZEDMIOTOWY SYSTEM OCENIANIA Z PODSTAW PSYCHOLOGII W KLASIE DRUGIEJ. Ocenianie wewnątrzszkolne na przedmiocie podstawy psychologii ma na celu:

PRZEDMIOTOWY SYSTEM OCENIANIA Z PODSTAW PSYCHOLOGII W KLASIE DRUGIEJ. Ocenianie wewnątrzszkolne na przedmiocie podstawy psychologii ma na celu: PRZEDMIOTOWY SYSTEM OCENIANIA Z PODSTAW PSYCHOLOGII W KLASIE DRUGIEJ Zasady ogólne Ocenianie wewnątrzszkolne na przedmiocie podstawy psychologii ma na celu: 1. informowanie ucznia o poziomie jego osiągnięć

Bardziej szczegółowo

Podstawy ekonometrii. Opracował: dr hab. Eugeniusz Gatnar prof. WSBiF

Podstawy ekonometrii. Opracował: dr hab. Eugeniusz Gatnar prof. WSBiF Podstawy ekonometrii Opracował: dr hab. Eugeniusz Gatnar prof. WSBiF Cele przedmiotu: I. Ogólne informacje o przedmiocie. - Opanowanie podstaw teoretycznych, poznanie przykładów zastosowań metod modelowania

Bardziej szczegółowo

wiczenie nr 3 z przedmiotu Metody prognozowania kwiecie«2015 r. Metodyka bada«do±wiadczalnych dr hab. in». Sebastian Skoczypiec Cel wiczenia Zaªo»enia

wiczenie nr 3 z przedmiotu Metody prognozowania kwiecie«2015 r. Metodyka bada«do±wiadczalnych dr hab. in». Sebastian Skoczypiec Cel wiczenia Zaªo»enia wiczenie nr 3 z przedmiotu Metody prognozowania kwiecie«2015 r. wiczenia 1 2 do wiczenia 3 4 Badanie do±wiadczalne 5 pomiarów 6 7 Cel Celem wiczenia jest zapoznanie studentów z etapami przygotowania i

Bardziej szczegółowo

Wdrożenie modułu płatności eservice dla systemu Virtuemart 2.0.x

Wdrożenie modułu płatności eservice dla systemu Virtuemart 2.0.x Wdrożenie modułu płatności eservice dla systemu Virtuemart 2.0.x Wersja 02 Styczeń 2016 Centrum Elektronicznych Usług Płatniczych eservice Sp. z o.o. Spis treści 1. Wstęp... 3 1.1. Przeznaczenie dokumentu...

Bardziej szczegółowo

Przedmiotowy System Oceniania Język polski

Przedmiotowy System Oceniania Język polski Przedmiotowy System Oceniania Język polski II etap edukacyjny PSO jest spójny z Wewnątrzszkolnym Systemem Oceniania opracowanym na podstawie Rozporządzenia Ministra Edukacji Narodowej z dnia 30 kwietnia

Bardziej szczegółowo

Niestacjonarne zmienne czasowe własności i testowanie

Niestacjonarne zmienne czasowe własności i testowanie Materiał dla studentów Niestacjonarne zmienne czasowe własności i testowanie (studium przypadku) Część 1: Opis ogólny i plan pracy Nazwa przedmiotu: ekonometria finansowa I (22204), analiza szeregów czasowych

Bardziej szczegółowo

OBWODY REZYSTANCYJNE NIELINIOWE

OBWODY REZYSTANCYJNE NIELINIOWE Politechnika Białostocka Wydział Elektryczny atedra Elektrotechniki Teoretycznej i Metrologii nstrukcja do zaj laboratoryjnych OBWODY REZYSTANCYJNE NELNOWE Numer wiczenia E17 Opracowanie: dr in. Jarosław

Bardziej szczegółowo

1. NAUCZANIE JĘZYKÓW NOWOŻYTNYCH (OBOWIĄZKOWYCH) W RAMACH PROGRAMU STUDIÓW STACJONARNYCH (CYKL A I B) I NIESTACJONARNYCH

1. NAUCZANIE JĘZYKÓW NOWOŻYTNYCH (OBOWIĄZKOWYCH) W RAMACH PROGRAMU STUDIÓW STACJONARNYCH (CYKL A I B) I NIESTACJONARNYCH 1 Szczegółowe przepisy wykonawcze na rok akadem. 2010/11 wprowadzające w życie Zarządzenie Rektora PWT we Wrocławiu w sprawie nauczania języków obcych na PWT we Wrocławiu z dnia 29 września 2009 r. 1.

Bardziej szczegółowo

Umowa nr /2010 Dotycząca Uczestnictwa w Projekcie Nr WND-POKL.08.01.01-10-328/09

Umowa nr /2010 Dotycząca Uczestnictwa w Projekcie Nr WND-POKL.08.01.01-10-328/09 Umowa nr /2010 Dotycząca Uczestnictwa w Projekcie Nr WND-POKL.08.01.01-10-328/09 Zawarta w dniu.w.pomiędzy: Regionalną Izbą Budownictwa w Łodzi, z siedzibą: 90-562 Łódź, ul. Łąkowa 11, wpisaną do Krajowego

Bardziej szczegółowo

Centralizacji Systemu. Procedury zasilania danymi systemu LAS oprogramowania do aktualizacji LMN. etap C13 pkt 5

Centralizacji Systemu. Procedury zasilania danymi systemu LAS oprogramowania do aktualizacji LMN. etap C13 pkt 5 SYSTEM INFORMATYCZNY LASÓW PAŃSTWOWYCH Centralizacji Systemu Procedury zasilania danymi systemu LAS oprogramowania do aktualizacji LMN etap C13 pkt 5 Dokumentacja użytkownika Pro-Holding Sp. z o.o., Kraków,

Bardziej szczegółowo

7. OPRACOWYWANIE DANYCH I PROWADZENIE OBLICZEŃ powtórka

7. OPRACOWYWANIE DANYCH I PROWADZENIE OBLICZEŃ powtórka 7. OPRACOWYWANIE DANYCH I PROWADZENIE OBLICZEŃ powtórka Oczekiwane przygotowanie informatyczne absolwenta gimnazjum Zbieranie i opracowywanie danych za pomocą arkusza kalkulacyjnego Uczeń: wypełnia komórki

Bardziej szczegółowo

PRZEDMIOTOWY SYSTEM OCENIANIA Z JĘZYKA NIEMIECKIEGO

PRZEDMIOTOWY SYSTEM OCENIANIA Z JĘZYKA NIEMIECKIEGO PRZEDMIOTOWY SYSTEM OCENIANIA Z JĘZYKA NIEMIECKIEGO Zasady ogólne Ocenianie wewnątrzszkolne na przedmiocie język niemiecki ma na celu: 1) informowanie ucznia o poziomie jego osiągnięć edukacyjnych i jego

Bardziej szczegółowo

Regresja wielokrotna. PDF created with FinePrint pdffactory Pro trial version http://www.fineprint.com

Regresja wielokrotna. PDF created with FinePrint pdffactory Pro trial version http://www.fineprint.com Regresja wielokrotna Model dla zależności liniowej: Y=a+b 1 X 1 +b 2 X 2 +...+b n X n Cząstkowe współczynniki regresji wielokrotnej: b 1,..., b n Zmienne niezależne (przyczynowe): X 1,..., X n Zmienna

Bardziej szczegółowo

KORELACJE I REGRESJA LINIOWA

KORELACJE I REGRESJA LINIOWA KORELACJE I REGRESJA LINIOWA Korelacje i regresja liniowa Analiza korelacji: Badanie, czy pomiędzy dwoma zmiennymi istnieje zależność Obie analizy się wzajemnie przeplatają Analiza regresji: Opisanie modelem

Bardziej szczegółowo

UMOWA Nr... o świadczenie usług ubezpieczeniowych

UMOWA Nr... o świadczenie usług ubezpieczeniowych -WZÓR- Załącznik nr 13 UMOWA Nr... o świadczenie usług ubezpieczeniowych Zawarta w dniu.. w Gliwicach pomiędzy: Zarządem Budynków Miejskich II Towarzystwo Budownictwa Społecznego Sp. z o.o. z siedzibą

Bardziej szczegółowo

Ekonometria ćwiczenia 3. Prowadzący: Sebastian Czarnota

Ekonometria ćwiczenia 3. Prowadzący: Sebastian Czarnota Ekonometria ćwiczenia 3 Prowadzący: Sebastian Czarnota Strona - niezbędnik http://sebastianczarnota.com/sgh/ Normalność rozkładu składnika losowego Brak normalności rozkładu nie odbija się na jakości otrzymywanych

Bardziej szczegółowo

Regulamin ustalania wysoko±ci, przyznawania i wypªacania stypendium za wyniki w nauce dla doktorantów MIMUW v4.3

Regulamin ustalania wysoko±ci, przyznawania i wypªacania stypendium za wyniki w nauce dla doktorantów MIMUW v4.3 Regulamin ustalania wysoko±ci, przyznawania i wypªacania stypendium za wyniki w nauce dla doktorantów MIMUW v4.3 1 grudnia 2007 Komentarze s pisane kursyw. 1. Doktoranci s dzieleni na kategorie pod wzgl

Bardziej szczegółowo

Nowe funkcjonalności

Nowe funkcjonalności Nowe funkcjonalności 1 I. Aplikacja supermakler 1. Nowe notowania Dotychczasowe notowania koszykowe, z racji ograniczonej możliwości personalizacji, zostały zastąpione nowymi tabelami z notowaniami bieżącymi.

Bardziej szczegółowo

OptiMore Importer Rejestru VAT. Instrukcja obsługi programu

OptiMore Importer Rejestru VAT. Instrukcja obsługi programu OptiMore Importer Rejestru VAT Instrukcja obsługi programu Wstęp Program OptiMore Importer Rejestru VAT jest przeznaczony do importowania wpisów do rejestru VAT na podstawie danych zawartych w pliku źródłowym.

Bardziej szczegółowo

Ekonometria. Typy zada«optymalizacyjnych Analiza pooptymalizacyjna SOLVER. 22 maja 2016. Karolina Konopczak. Instytut Rozwoju Gospodarczego

Ekonometria. Typy zada«optymalizacyjnych Analiza pooptymalizacyjna SOLVER. 22 maja 2016. Karolina Konopczak. Instytut Rozwoju Gospodarczego Ekonometria Typy zada«optymalizacyjnych Analiza pooptymalizacyjna SOLVER 22 maja 2016 Karolina Konopczak Instytut Rozwoju Gospodarczego Problem diety Aby ±niadanie byªo peªnowarto±ciowe powinno dostarczy

Bardziej szczegółowo

Wprowadzenie do teorii prognozowania

Wprowadzenie do teorii prognozowania Wprowadzenie do teorii prognozowania I Pojęcia: 1. Prognoza i zmienna prognozowana (przedmiot prognozy). Prognoza punktowa i przedziałowa. 2. Okres prognozy i horyzont prognozy. Prognozy krótkoterminowe

Bardziej szczegółowo

Wprowadzenie do szeregów czasowych i modelu ARIMA

Wprowadzenie do szeregów czasowych i modelu ARIMA Wprowadzenie do szeregów czasowych i modelu ARIMA 25.02.2011 Plan 1 Pojęcie szeregu czasowego 2 Stacjonarne szeregi czasowe 3 Model autoregresyjny - AR 4 Model średniej ruchomej - MA 5 Model ARMA 6 ARIMA

Bardziej szczegółowo

Narzędzia statystyczne i ekonometryczne. Wykład 1. dr Paweł Baranowski

Narzędzia statystyczne i ekonometryczne. Wykład 1. dr Paweł Baranowski Narzędzia statystyczne i ekonometryczne Wykład 1 dr Paweł Baranowski Informacje organizacyjne Wydział Ek-Soc, pok. B-109 pawel@baranowski.edu.pl Strona: baranowski.edu.pl (w tym materiały) Konsultacje:

Bardziej szczegółowo

Finansowe szeregi czasowe

Finansowe szeregi czasowe 24 kwietnia 2009 Modelem szeregu czasowego jest proces stochastyczny (X t ) t Z, czyli rodzina zmiennych losowych, indeksowanych liczbami całkowitymi i zdefiniowanych na pewnej przestrzeni probabilistycznej

Bardziej szczegółowo

Część II.A. Informacje o studiach podyplomowych ANALIZA DANYCH METODY, NARZĘDZIA, PRAKTYKA (nazwa studiów podyplomowych)

Część II.A. Informacje o studiach podyplomowych ANALIZA DANYCH METODY, NARZĘDZIA, PRAKTYKA (nazwa studiów podyplomowych) Część II.A. Informacje o studiach podyplomowych ANALIZA DANYCH METODY, NARZĘDZIA, PRAKTYKA (nazwa studiów podyplomowych) 1. Ogólna charakterystyka studiów podyplomowych 1.1 Ogólne cele kształcenia oraz

Bardziej szczegółowo

EKONOMETRIA II SYLABUS A. Informacje ogólne

EKONOMETRIA II SYLABUS A. Informacje ogólne EKONOMETRIA II SYLABUS A. Informacje ogólne Nazwa kierunku studiów Poziom kształcenia Profil studiów Forma studiów Kod Język Rodzaj Rok studiów /semestr Wymagania wstępne (tzw. sekwencyjny system zajęć

Bardziej szczegółowo

TABELA OPROCENTOWANIA PRODUKTÓW BANKOWYCH W BS W WOLBROMIU

TABELA OPROCENTOWANIA PRODUKTÓW BANKOWYCH W BS W WOLBROMIU Załącznik nr 1 do Uchwały nr 15/10/2016 Zarządu Banku Spółdzielczego w Wolbromiu z dnia 24.02.2016r. ( obowiązuje od 01.03.2016 r.) TABELA OPROCENTOWANIA PRODUKTÓW BANKOWYCH W BS W WOLBROMIU I. Wkłady

Bardziej szczegółowo

Prognozowanie na podstawie modelu ekonometrycznego

Prognozowanie na podstawie modelu ekonometrycznego Prognozowanie na podstawie modelu ekonometrycznego Przykład. Firma usługowa świadcząca usługi doradcze w ostatnich kwartałach (t) odnotowała wynik finansowy (yt - tys. zł), obsługując liczbę klientów (x1t)

Bardziej szczegółowo

Diagnoza psychologiczna: podstawowe kompetencje (II część - decyzje diagnostyczne) Rola intuicji w diagnozie

Diagnoza psychologiczna: podstawowe kompetencje (II część - decyzje diagnostyczne) Rola intuicji w diagnozie Uniwersytet im. Adama Mickiewicza w Poznaniu Instytut Psychologii Anna Słysz Diagnoza psychologiczna: podstawowe kompetencje (II część - decyzje diagnostyczne) konwersatorium/wykład Poznań 2008 1 Rola

Bardziej szczegółowo

Urząd Zamówień Publicznych Al. Szucha 2/4; 00-582 Warszawa Zamieszczanie ogłoszeń on-line w BZP: http://www.portal.uzp.gov.pl FORMULARZ ZP-400

Urząd Zamówień Publicznych Al. Szucha 2/4; 00-582 Warszawa Zamieszczanie ogłoszeń on-line w BZP: http://www.portal.uzp.gov.pl FORMULARZ ZP-400 Urząd Zamówień Publicznych Al. Szucha 2/4; 00-582 Warszawa Zamieszczanie ogłoszeń on-line w BZP: http://www.portal.uzp.gov.pl Sandomierz: Promocja projektu realizowanego w ramach Regionalnego Programu

Bardziej szczegółowo

Spis treści. Przedmowa... XI. Rozdział 1. Pomiar: jednostki miar... 1. Rozdział 2. Pomiar: liczby i obliczenia liczbowe... 16

Spis treści. Przedmowa... XI. Rozdział 1. Pomiar: jednostki miar... 1. Rozdział 2. Pomiar: liczby i obliczenia liczbowe... 16 Spis treści Przedmowa.......................... XI Rozdział 1. Pomiar: jednostki miar................. 1 1.1. Wielkości fizyczne i pozafizyczne.................. 1 1.2. Spójne układy miar. Układ SI i jego

Bardziej szczegółowo

Ćwiczenie: Wybrane zagadnienia z korelacji i regresji.

Ćwiczenie: Wybrane zagadnienia z korelacji i regresji. Ćwiczenie: Wybrane zagadnienia z korelacji i regresji. W statystyce stopień zależności między cechami można wyrazić wg następującej skali: Skala Guillforda Przedział Zależność Współczynnik [0,00±0,20)

Bardziej szczegółowo

Numer obszaru: 8 E-learning w szkole - wykorzystanie platform edukacyjnych w pracy szkoły

Numer obszaru: 8 E-learning w szkole - wykorzystanie platform edukacyjnych w pracy szkoły Numer obszaru: 8 E-learning w szkole - wykorzystanie platform edukacyjnych w pracy szkoły Temat szkolenia: Zastosowania e-learningu na przykładzie platformy Moodle w nauczaniu różnych przedmiotów SZCZEGÓŁOWY

Bardziej szczegółowo

TEMAT: EKSPERTYZA TECHNICZNA DLA INWESTYCJI: REMONTU BUDYNKU INFORMACJI TURYSTYCZNEJ W JURGOWIE

TEMAT: EKSPERTYZA TECHNICZNA DLA INWESTYCJI: REMONTU BUDYNKU INFORMACJI TURYSTYCZNEJ W JURGOWIE TEMAT: EKSPERTYZA TECHNICZNA DLA INWESTYCJI: REMONTU BUDYNKU INFORMACJI TURYSTYCZNEJ W JURGOWIE INWESTOR: GMINA BUKOWINA TATRZAŃSKA UL. DŁUGA 144, 34-530 BUKOWINA TATRZAŃSKA ADRES INWESTYCJI: 34-532 JURGÓW

Bardziej szczegółowo

Proces modelowania zjawiska handlu zagranicznego towarami

Proces modelowania zjawiska handlu zagranicznego towarami Załącznik nr 1 do raportu końcowego z wykonania pracy badawczej pt. Handel zagraniczny w województwach (NTS2) realizowanej przez Centrum Badań i Edukacji Statystycznej z siedzibą w Jachrance na podstawie

Bardziej szczegółowo

Dziennik Ustaw Nr 298 17434 Poz. 1770 WZÓR. Nazwisko

Dziennik Ustaw Nr 298 17434 Poz. 1770 WZÓR. Nazwisko Dziennik Ustaw Nr 298 17434 Poz. 1770 ciwy wierzyciela 1) realizuj cy wiadczenia z funduszu alimentacyjnego: Adres: Cz I WZÓR Załączniki do rozporządzenia Ministra Pracy i Polityki Społecznej z dnia 27

Bardziej szczegółowo

PRZEDMIOTOWY SYSTEM OCENIANIA Z MATEMATYKI W ZESPOLE SZKÓŁ NR 32 im. K. K. Baczyńskiego W WARSZAWIE

PRZEDMIOTOWY SYSTEM OCENIANIA Z MATEMATYKI W ZESPOLE SZKÓŁ NR 32 im. K. K. Baczyńskiego W WARSZAWIE PRZEDMIOTOWY SYSTEM OCENIANIA Z MATEMATYKI W ZESPOLE SZKÓŁ NR 32 im. K. K. Baczyńskiego W WARSZAWIE I. Przedmiotowy System Oceniania z matematyki jest zgodny z Wewnątrzszkolnym Systemem Oceniania (WSO)

Bardziej szczegółowo

PERSON Kraków 2002.11.27

PERSON Kraków 2002.11.27 PERSON Kraków 2002.11.27 SPIS TREŚCI 1 INSTALACJA...2 2 PRACA Z PROGRAMEM...3 3. ZAKOŃCZENIE PRACY...4 1 1 Instalacja Aplikacja Person pracuje w połączeniu z czytnikiem personalizacyjnym Mifare firmy ASEC

Bardziej szczegółowo

Strategia rozwoju kariery zawodowej - Twój scenariusz (program nagrania).

Strategia rozwoju kariery zawodowej - Twój scenariusz (program nagrania). Strategia rozwoju kariery zawodowej - Twój scenariusz (program nagrania). W momencie gdy jesteś studentem lub świeżym absolwentem to znajdujesz się w dobrym momencie, aby rozpocząć planowanie swojej ścieżki

Bardziej szczegółowo

Podczas zajęć będziemy zajmować się głownie procesami ergodycznymi zdefiniowanymi na przestrzeniach ciągłych.

Podczas zajęć będziemy zajmować się głownie procesami ergodycznymi zdefiniowanymi na przestrzeniach ciągłych. Trochę teorii W celu przeprowadzenia rygorystycznej ekonometrycznej analizy szeregu finansowego będziemy traktowali obserwowany ciąg danych (x 1, x 2,..., x T ) jako realizację pewnego procesu stochastycznego.

Bardziej szczegółowo

Cz I. ciwy wierzyciela 1) realizuj cy wiadczenia z funduszu alimentacyjnego: Adres: Numer PESEL 3) Telefon. Miejsce zamieszkania 4)

Cz I. ciwy wierzyciela 1) realizuj cy wiadczenia z funduszu alimentacyjnego: Adres: Numer PESEL 3) Telefon. Miejsce zamieszkania 4) ciwy wierzyciela 1) realizuj cy wiadczenia z funduszu alimentacyjnego: Adres: Cz I 2) Imi Nazwisko Numer Stan cywilny Obywatelstwo Miejsce zamieszkania 4) Miejscowo Kod pocztowy Ulica Numer domu Numer

Bardziej szczegółowo

KRYTERIA OCENIANIA Z INFORMATYKI DLA KLASY VI. Wstęp. Na lekcji informatyki osiągnięcia edukacyjne uczniów będą sprawdzane poprzez:

KRYTERIA OCENIANIA Z INFORMATYKI DLA KLASY VI. Wstęp. Na lekcji informatyki osiągnięcia edukacyjne uczniów będą sprawdzane poprzez: KRYTERIA OCENIANIA Z INFORMATYKI DLA KLASY VI Wstęp Na lekcji informatyki osiągnięcia edukacyjne uczniów będą sprawdzane poprzez: 1. SPRAWDZIANY Sprawdziany obejmują większe partie materiału, trwają jedna

Bardziej szczegółowo

1) w 1 pkt 4 otrzymuje brzmienie:

1) w 1 pkt 4 otrzymuje brzmienie: Źródło: http://bip.mswia.gov.pl/bip/projekty-aktow-prawnyc/2005/481,projekt-rozporzadzenia-ministra-spraw-wewnetrznych-i -Administracji-z-dnia-2005-r.html Wygenerowano: Czwartek, 28 stycznia 2016, 20:27

Bardziej szczegółowo

3. Modele tendencji czasowej w prognozowaniu

3. Modele tendencji czasowej w prognozowaniu II Modele tendencji czasowej w prognozowaniu 1 Składniki szeregu czasowego W teorii szeregów czasowych wyróżnia się zwykle następujące składowe szeregu czasowego: a) składowa systematyczna; b) składowa

Bardziej szczegółowo

( x) Równanie regresji liniowej ma postać. By obliczyć współczynniki a i b należy posłużyć się następującymi wzorami 1 : Gdzie:

( x) Równanie regresji liniowej ma postać. By obliczyć współczynniki a i b należy posłużyć się następującymi wzorami 1 : Gdzie: ma postać y = ax + b Równanie regresji liniowej By obliczyć współczynniki a i b należy posłużyć się następującymi wzorami 1 : xy b = a = b lub x Gdzie: xy = też a = x = ( b ) i to dane empiryczne, a ilość

Bardziej szczegółowo

Logowanie do mobilnego systemu CUI i autoryzacja kodami SMS

Logowanie do mobilnego systemu CUI i autoryzacja kodami SMS Logowanie do mobilnego systemu CUI i autoryzacja kodami SMS Dostęp do strony logowania następuje poprzez naciśnięcie odpowiedniego dla rodzaju usługi linku dostępnego na stronie www.bsjaroslaw.pl.: lub

Bardziej szczegółowo

Ocena jakości prognoz wybranych wskaźników rozwoju gospodarczego woj. lubelskiego

Ocena jakości prognoz wybranych wskaźników rozwoju gospodarczego woj. lubelskiego 61 Barometr Regionalny Nr 2(24) 2011 Ocena jakości prognoz wybranych wskaźników rozwoju gospodarczego woj. lubelskiego Jarosław Bielak Wyższa Szkoła Zarządzania i Administracji w Zamościu Streszczenie:

Bardziej szczegółowo

Zespół Szkół im. Jana Kochanowskiego w Częstochowie

Zespół Szkół im. Jana Kochanowskiego w Częstochowie Zespół Szkół im. Jana Kochanowskiego w Częstochowie Procedury postępowania nauczycieli w sytuacjach zagrożenia młodzieży demoralizacją i przestępczością Częstochowa, listopad 2015 ZADANIA WYCHOWAWCY KLASY

Bardziej szczegółowo

JEDNORÓWNANIOWY LINIOWY MODEL EKONOMETRYCZNY

JEDNORÓWNANIOWY LINIOWY MODEL EKONOMETRYCZNY JEDNORÓWNANIOWY LINIOWY MODEL EKONOMETRYCZNY Będziemy zapisywać wektory w postaci (,, ) albo traktując go jak macierz jednokolumnową (dzięki temu nie będzie kontrowersji przy transponowaniu wektora ) Model

Bardziej szczegółowo

wprowadzenie do analizy szeregów czasowych

wprowadzenie do analizy szeregów czasowych 19 stycznia 2016 Wprowadzenie Prezentacja danych Dekompozycja Preprocessing Model predykcji ARIMA Dobór parametrów modelu ARIMA Podsumowanie Definicje i przykłady Definicje Szeregiem czasowym nazywamy

Bardziej szczegółowo

SPRZĄTACZKA pracownik gospodarczy

SPRZĄTACZKA pracownik gospodarczy Szkolenie wstępne InstruktaŜ stanowiskowy SPRZĄTACZKA pracownik gospodarczy pod red. Bogdana Rączkowskiego Zgodnie z rozporządzeniem Ministra Gospodarki i Pracy z dnia 27 lipca 2004 r. w sprawie szkolenia

Bardziej szczegółowo

Ekonometria dynamiczna i finansowa Kod przedmiotu

Ekonometria dynamiczna i finansowa Kod przedmiotu Ekonometria dynamiczna i finansowa - opis przedmiotu Informacje ogólne Nazwa przedmiotu Ekonometria dynamiczna i finansowa Kod przedmiotu 11.5-WK-IiED-EDF-W-S14_pNadGenMOT56 Wydział Kierunek Wydział Matematyki,

Bardziej szczegółowo

MODELOWANIE POLSKIEJ GOSPODARKI Z PAKIETEM R Michał Rubaszek

MODELOWANIE POLSKIEJ GOSPODARKI Z PAKIETEM R Michał Rubaszek Tytuł: Autor: MODELOWANIE POLSKIEJ GOSPODARKI Z PAKIETEM R Michał Rubaszek Wstęp Książka "Modelowanie polskiej gospodarki z pakietem R" powstała na bazie materiałów, które wykorzystywałem przez ostatnie

Bardziej szczegółowo

P o d l a s k i K u r a t o r Ośw i a t y

P o d l a s k i K u r a t o r Ośw i a t y P o d l a s k i K u r a t o r Ośw i a t y Rynek Kościuszki 9, 15-950 Białystok; tel. (85) 748-48-48; fax. (85) 748-48-49 e-mail: kuratorium@kuratorium.bialystok.pl, http://www.kuratorium.bialystok.pl RE.531.8.2.2015

Bardziej szczegółowo

Bazy danych. Andrzej Łachwa, UJ, 2013 andrzej.lachwa@uj.edu.pl www.uj.edu.pl/web/zpgk/materialy 9/15

Bazy danych. Andrzej Łachwa, UJ, 2013 andrzej.lachwa@uj.edu.pl www.uj.edu.pl/web/zpgk/materialy 9/15 Bazy danych Andrzej Łachwa, UJ, 2013 andrzej.lachwa@uj.edu.pl www.uj.edu.pl/web/zpgk/materialy 9/15 Przechowywanie danych Wykorzystanie systemu plików, dostępu do plików za pośrednictwem systemu operacyjnego

Bardziej szczegółowo