Prognozowanie przyszłego popytu (sprzedaży) Dr Rafał Zbyrowski Wydział Zarządzania UW
|
|
- Seweryn Wysocki
- 7 lat temu
- Przeglądów:
Transkrypt
1 Prognozowanie przyszłego popytu (sprzedaży) Dr Rafał Zbyrowski Wydział Zarządzania UW
2 Istota prognozowania Podczas gry na lodowisku jadę tam, dokąd krążek zmierza, a nie tam, gdzie jest Wayne Gretzky (
3 Co to jest prognozowanie Prognozowanie to przewidywanie przyszłych zdarzeń, którego celem jest zmniejszenie ryzyka w procesie podejmowania decyzji. Prognozowanie jest racjonalnym, naukowym przewidywaniem przyszłych zdarzeń. Prognoza jest sądem dotyczącym przyszłości prognozowanego zjawiska precyzyjnym i niepewnym.
4 Znaczenie prognozowania sprzedaży Prognoza sprzedaży Zarządzanie sprzedażą Zarządzanie finansami Zarządzanie produkcją Zarządzanie marketingiem
5 Znaczenie prognozowania sprzedaży Prognoza sprzedaży Zarządzanie sprzedażą Zarządzanie finansami Zarządzanie produkcją Zarządzanie marketingiem Decyzje dotyczące sieci sprzedaży Zarządzanie personelem sprzedażowym
6 Znaczenie prognozowania sprzedaży Prognoza sprzedaży Zarządzanie sprzedażą Zarządzanie finansami Zarządzanie produkcją Zarządzanie marketingiem Prognozowanie przepływów finansowych (cash flow) Decyzje kredytowe Decyzje inwestycyjne
7 Znaczenie prognozowania sprzedaży Prognoza sprzedaży Zarządzanie sprzedażą Zarządzanie finansami Zarządzanie produkcją Zarządzanie marketingiem Zarządzanie siłą roboczą (de)inwestycje w infrastrukturę Zarządzanie zapasami
8 Znaczenie prognozowania sprzedaży Prognoza sprzedaży Zarządzanie sprzedażą Zarządzanie finansami Zarządzanie produkcją Zarządzanie marketingiem Wybór grup (rynków) docelowych Decyzje dotyczące polityki cenowej Decyzje dotyczące wsparcia promocyjnego Decyzje dotyczące zmian produktowych
9 Skutki przeszacowania popytu Koszty przestoju oraz niewykorzystane (nadmierne) zdolności wytwórcze Obniżki cen wymuszone koniecznością pozbycia się nadmiernych zapasów Nieplanowane, wysokie wydatki marketingowe (czyszczenie kanałów dystrybucji) Wysokie koszty związane z utrzymywaniem nadmiernych zapasów: problemy z płynnością finansową straty wynikłe ze zniszczenia lub zużycia magazynowanych produktów wysokie koszty magazynowania Nadmiernie wysokie, trudne do realizacji kwoty sprzedażowe Koszty związane z zarządzaniem personelem sprzedażowym
10 Skutki niedoszacowania popytu Utracone możliwości sprzedaży Szkody poniesione z tytułu utraty reputacji Koszty pracy w nadgodzinach oraz nadmierne wydatki na nieplanowane dostawy Niebezpieczeństwo spadku jakości produktów w wyniku nacisków na pełne wykorzystanie mocy produkcyjnych Niskie zadania sprzedażowe Koszty związane z nagłą potrzebą rozbudowy personelu sprzedażowego
11 Rodzaje prognoz Według wykorzystywanych metod: prognozy ilościowe prognozy jakościowe Według horyzontu czasowego: prognozy krótkookresowe (do 12 miesięcy) prognozy średniookresowe (12-36 miesięcy) prognozy długookresowe (powyżej 36 miesięcy)
12 Rodzaje prognoz Prognozy jakościowe Prognozy ilościowe Opinie sprzedawców Opinie kierownictwa firmy Badania ekspertów Metoda delficka Modele szeregów czasowych Modele przyczynowoskutkowe Badanie intencji zakupowych
13 Metody jakościowe Prognozy jakościowe
14 Badanie opinii sprzedawców Prognozy jakościowe Okresowo zbierane opinie sprzedawców (przedstawicieli handlowych) na temat sprzedaży w przyszłym okresie w odniesieniu do przypisanego zakresu produktowego, geograficznego i klientowskiego Na tej podstawie budowane są całościowe prognozy firmy (jako suma poszczególnych prognoz) Zastosowanie: tam, gdzie sprzedawcy mają bezpośredni kontakt z finalnymi nabywcami rynki B2B Prognozy krótkookresowe
15 Badanie opinii sprzedawców Prognozy jakościowe Zalety: sprzedawcy są blisko nabywców wywołuje zaufanie sprzedawców do kwot sprzedażowych szczegółowość danych (różne przekroje) Wady: czasochłonna dla sprzedawców (odciąga ich od głównych obowiązków) możliwe manipulacje sprzedawców (zaniżanie) niska wiedza sprzedawców na temat planów marketingowych firmy (czynniki mające duży wpływ na sprzedaż)
16 Opinie kierownictwa firmy Prognozy jakościowe Okresowe zbieranie informacji (prognoz) od kierownictwa Zalety: prostota szybkość powiązanie z planami marketingowymi Wady: brak obiektywnego spojrzenia ( z zewnątrz ) syndrom grupowego myślenia rozmyta odpowiedzialność
17 Badania ekspertów Prognozy jakościowe Uzyskanie informacji od niezależnych ekspertów (nie będących pracownikami firmy, np. dystrybutorów, dealerów, dostawców, konsultantów, etc.) Metody zbierania opinii ekspertów: grupa dyskusyjna indywidualne ekspertyzy metoda delficka
18 Grupa dyskusyjna Zalety: Fachowcy zebrani w jednym miejscu Dyskusja prowadzona przez moderatora Podsumowanie przez moderatora Akceptacja wszystkich uczestników dyskusji Wady: uczestnicy oddziałują na siebie efekt zależny od osobowości, temperamentu, umiejętności przekonywania
19 Metoda delficka Kilkukrotne, sekwencyjne wysyłanie kwestionariuszy do celowo wybranych ekspertów z prośbą o liczbowe lub jakościowe opinie Indywidualna komunikacja z każdym ekspertem eksperci nie wiedzą kto bierze udział w panelu Analiza jakościowa lub ilościowa uzyskanych w każdej rundzie wyników i odesłanie zestawień zbiorczych Uzyskanie konsensusu (zwykle po 3 rundach)
20 Metoda delficka Zalety: możliwość przeprowadzenia długofalowej prognozy relatywny obiektywizm eksperci pracują niezależnie możliwość dotarcia do wielu ekspertów brak konieczności zebrania ekspertów w jednym miejscu Warunki konieczne: ścisłe i precyzyjne określenie przedmiotu badania konieczność precyzyjnego doboru ekspertów jasne i jednoznaczne sformułowanie pytań w kwestionariuszu nieduża liczba pytań
21 Wybrane metody jakościowe prognozowania popytu Wybrane jakościowe metody prognozowania popytu Charakterystyka Wiarygodność krótkoterminowa (do 12 miesięcy) Wiarygodność średnioterminowa (12 36 miesięcy) Wiarygodność długoterminowa (powyżej 36 miesięcy) Identyfikacja punktów zwrotnych Typowe zastosowania Potrzebne dane Szacowana czasochłonność Opinie przedstawicieli handlowych Panel ekspertów Metoda delficka Dobra Niedostateczna do dobrej Dostateczna do bardzo dobrej Dostateczna do dobrej Niedostateczna do dobrej Dostateczna do bardzo dobrej Niedostateczna Niedostateczna do dobrej Dostateczna do bardzo dobrej Niedostateczna Prognozy kwartalne i roczne w kategorii sprzedaży produktu Dane odnośnie sprzedaży w poprzednich okresach od przedstawicieli handlowych w układzie produktów i klientów Niedostateczna do dostatecznej Prognozy kwartalne, rocznej i długookresowe dla produktów istniejących na rynku i nowych oraz prognoza marży Żadne dane nie są wymagane poza informacjami odnośnie założeń prognozy (tzw. warunki brzegowe) oraz projekcjami pochodzącymi od indywidualnych prognostyków Dostateczna do dobrej Tylko prognozy roczne i długoterminowe dla istniejących i nowych produktów oraz prognozy marż Koordynator badania redaguje, zbiera i rozsyła odpowiedzi w każdej rundzie procedury badawczej 2 3 tygodnie 1 2 tygodnie 2 3 tygodnie
22 Metody ilościowe Prognozy ilościowe
23 Rodzaje metod ilościowych Metody ilościowo-ekstrapolacyjne Metody przyczynowo-skutkowe Badanie intencji zakupowych
24 Wybrane metody ekstrapolacyjne prognozowania popytu Metody Ilościowemetody ekstrapolacyjne Analiza szeregów czasowych Metoda wygładzania wykładniczego Analiza trendu statystycznego
25 Prognozowanie szeregów czasowych Założenie, że wzorce zmian w okresach przeszłych mogą być wykorzystane do przewidywania sprzedaży w okresach przyszłych W modelu zmiennymi objaśniającymi mogą być tylko zmienna czasowa oraz przeszłe wartości lub prognozy zmiennej sprzedaży Modele szeregów czasowych pomijają całkowicie czynniki determinujące poziom sprzedaży W oparciu o szeregi czasowe buduje się model, który pozwala na prognozowanie
26 Przyczyny kształtujące poziom sprzedaży Przyczyny główne trend Przyczyny okresowe wahania stałe model addytywny wahania zmienne (narastające, malejące) model multiplikatywny Przyczyny przypadkowe
27 Metody Prognozy ilościowe metody naiwne metoda średnich ruchomych metoda wygładzania wykładniczego metody analityczne
28 Metody naiwne Prognozy ilościowe 1. Stała wartość sprzedaży 1. y t =y t-1 2. Stałe przyrosty/spadki 1. y t =y t-1 +(y t-1 -y t-2 ) 2. y t =y t-1 +c 3. Oparte o średnie zmiany 1. y t t 1 4. Cykliczne zmiany: 1. y t =y t-k y t 2 1 t 2 i 1 y i 1 y i
29 Błędy prognoz Bezwzględny błąd prognozy * qt yt yt y t rzeczywista wartość zmiennej prognozowanej w okresie t y t * - prognoza zmiennej w okresie t Średni absolutny błąd prognozy T 1 * y t y t T n t n 1 Odchylenie standardowe błędów s * 1 T n T t n 1 ( y t y * t )
30 Przykład metody naiwne Prognozy ilościowe dane faktyczne metoda 1.1 y(t)-y(t-1) metoda 2.1 Styczeń Luty Marzec Kwiecień Maj Czerwiec Lipiec Sierpień Wrzesień Październik Listopad Grudzień Błąd metoda 1.1 = 661 Błąd metoda 2.1 = 321 s * 1 T n T t n 1 ( y t y * t )
31 Metody naiwne Prognozy ilościowe Luty Marzec Kw iecień Maj Czerw iec Lipiec Sierpień WrzesienPaździernik Listopad Grudzień dane faktyczne metoda 1.1 metoda 2.1
32 Marzec Kwiecień Maj Czerwiec Lipiec Sierpień Wrzesień Październik Listopad Grudzień Metoda średniej ruchomej Prognozy ilościowe dane faktyczne średnia ruchoma Styczeń Luty 9728 Marzec ,5 Kwiecień Maj Czerwiec ,5 Lipiec Sierpień Wrzesień Październik ,5 Listopad ,5 Grudzień , dane faktyczne średnia ruchoma Błąd metoda średniej ruchomej = 418
33 Wybrane metody ekstrapolacyjne prognozowania popytu Konstrukcja prognozy metodą naiwną Miesiąc y p Błąd q = y - p q2 R= y-m R ,5 56, ,5 20, ,5 132, ,5 42, ,5 20, ,5 72, ,5 2, ,5 20, ,5 72, ,5 56, ,5 12,25 Razem ,8 M 59,5 10,32 6,79 r2 506,8 11,41% S 6,79 V 11,41% Źródło: opracowanie własne.
34 Wybrane metody ekstrapolacyjne prognozowania popytu Konstrukcja prognozy metodą 3 letniej średniej ruchomej Miesiąc y p Błąd q = y - p q2 R=y-m R ,7-8,7 75,1-11,5 132, ,7 11,3 128,4 6,5 42, ,3 4,7 21,8 4,5 20, ,3 8,7 75,1 8,5 72, ,0-8,0 64,0-1,5 2, ,3 0,7 0,4 4,5 20, ,3 4,7 21,8 8,5 72, ,3-11,3 128,4-7,5 56, ,3-5,3 28,4-3,5 12,25 Razem 543,6 430,3 M 59,5 7,03 6,25 r2 430,3 10,51% S 6,25 V 10,51% Źródło: opracowanie własne.
35 Wybrane metody ekstrapolacyjne prognozowania popytu Konstruowanie prognozy sprzedaży metodą 2 i 4 letniej średniej ruchomej Rok Sprzedaż Prognoza 2 letnia Prognoza 4 letnia Źródło: opracowanie własne w oparciu o Tull D.S., Hawkins D. I. [1990] ss
36 Wybrane metody ekstrapolacyjne prognozowania popytu Szacowanie przyszłej sprzedaży metodą wygładzania wykładniczego Rok Sprzedaż 0,2 0,2 0,5 0,5 0,8 0, śr. art śr. geo śr. art śr. geo śr. art śr. geo
37 Wybrane metody ekstrapolacyjne prognozowania popytu Procedura wyznaczania trendu statystycznego z szeregów czasowych Przekodowanie danych liczbowych w celu uproszczenia obliczeń Wyliczenie wskaźników równania regresji Wyodrębnienie wskaźników cykliczności, sezonowości oraz tzw. składnika losowego Porównanie rzeczywistych rynkowych z wynikami predykcji Ocena stopnia dopasowania modelu do danych rzeczywistych Weryfikacja modelu regresji i oszacowanych wskaźników Źródło: opracowanie własne w oparciu o Aczel A.D. [2000] ss
38 Średnia ruchoma różne okresy n=2 n= n= I II III IV I II III IV I II III IV I II III IV I II III IV
39 Metody analityczne wyodrębnianie trendu kwartał numer kwartału faktyczna sprzedaż sprzedaż na podstawie funkcji trendu reszty I II ,07-310,93 III , ,86 IV ,21 943,21 I ,28 570,28 II ,35-402,65 III , ,58 IV ,49 951,49 I ,56 678,56 II ,63-394,37 III ,7-1467,3 IV , ,77 I ,84 886,84 II ,91-286,09 III , ,02 IV , ,05 I ,12 995,12 II ,19-377,81 III , ,74 IV , ,33 Źródło: M. Rószkiewicz ˆ y t yˆ t t 127,07 t 3162
40 Metody analityczne wyodrębnianie trendu y = 127,07x R 2 = 0,3364 model multiplikatywny I II III IV I II III IV I II III IV I II III IV I II III IV
41 Wahania okresowe - wskaźniki Model addytywny Wskaźniki surowe: Wyznaczenie wskaźnika korygującego: Wyznaczenie wskaźników okresowości 1 ) ˆ ( 1 t t t i S y y n O i d i O Si d k 1 1 k O o i s i
42 Wahania okresowe - wskaźniki Model multiplikatywny Wskaźniki 1 surowe: yt OS i n i t 1 yˆ t d Wyznaczenie 1 wskaźnika korygującego: k O Si d i 1 Wyznaczenie Osi wskaźników okresowości o i k
43 Wahania sezonowe - przykład Surowy wskaźnik okresowości dla pierwszego kwartału: O s O O O s s s ,084 1,333 0,757 0,825 Współczynnik korygujący 0,825 1,084 1,333 0,757 k 4 0,9998 O1 0,825 O 1,084 O O ,333 0,757
44 Wnioski Wielkość sprzedaży jest determinowana w 33,7% trendem Duży wpływ na wielkość sprzedaży ma sezonowość, wyrażająca się wartościami wskaźników sezonowości
45 Modele przyczynowo-skutkowe Prognozy ilościowe
46 Wybrane metody ekstrapolacyjne prognozowania popytu Ilościowemetody przyczynowo-skutkowe Metody regresji oraz model ekonometryczny Badanie intencji zakupowych Wiodący czynnik przyszłego popytu
47 Wybrane metody przyczynowo-skutkowe prognozowania popytu Charakterystyka Wiarygodność krótkoterminowa (do 12 miesięcy) Wiarygodność średnioterminowa (od 12 do 36 miesięcy) Wiarygodność długoterminowa (powyżej 36 miesięcy) Identyfikacja punktów zwrotnych Wybrane przyczynowo-skutkowe metody prognozowania Modele regresji wielorakiej Dostateczna do bardzo dobrej Dostateczna do bardzo dobrej Słaba do dobrej Dostateczna do dobrej Model ekonometryczny Dostateczna do bardzo dobrej Dostateczna do bardzo dobrej Słaba do dobrej Dostateczna do dobrej Badanie intencji zakupowych nabywców Słaba do dobrej Słaba do dobrej Słaba do dobrej Dostateczna do dobrej Wiodący czynnik przyszłego popytu Słaba do dobrej Słaba do dobrej Słaba do dobrej Tendencja do identyfikacji większości właściwych punktów zwrotnych, a także pojedynczych zafałszowań
48 Wybrane metody przyczynowo-skutkowe prognozowania popytu Charakterystyka Modele regresji wielorakiej Potrzebne dane Szacowana czasochłonność Wybrane przyczynowo-skutkowe metody prognozowania Potrzeba, co najmniej 20 obserwacji Model ekonometryczny Podobnie do danych potrzebnych w modelu regresji 1 dzień W początkowym okresie 1-2 miesiące później 2-4 tygodnie Badanie intencji zakupowych nabywców Niezbędne dane z kilku okresów dla znalezienia relacji pomiędzy intencjami nabywców a faktyczną sprzedażą Wiodący czynnik przyszłego popytu Informacje szeroko dostępne z danych wtórnych lub syndykatywnych 2-6 tygodnie 1 dzień
49 Model regresji Powierzchnia ekspozycyjna (X) Model (y=0,254x + 38,878) Reszty Sprzedaż w tyś zł (Y) ,054-5, ,896 10, ,438 1, ,039-1, ,07-4, ,168-8, ,07-1, ,578 4, ,708 0, ,978 3,02 Interpretacja: wzrost powierzchni ekspozycyjnej o 1 m 2 powoduje wzrost sprzedaży o 254 zł. Stopień determinacji = 84,9% Odchylenie standardowe reszt = 5,53 tyś Źródło: M. Rószkiewicz
50 Badanie intencji zakupowych Prognozy ilościowe
51 Badanie intencji zakupowych Prognozy ilościowe Badanie kwestionariuszowe oparte o wywiad bezpośredni z klientami na próbach reprezentatywnych (wywiad face-to-face lub wywiad telefoniczny) Zastosowanie do dóbr trwałego użytku (samochody, sprzęt RTV/AGD oraz zakupów na rynkach B2B Zalety: dotarcie do danych pochodzących ze źródła możliwość zakupu danych od firm badawczych Wady: wysokie koszty czasochłonne trudności w określeniu intencji zakupowych
52 Ogólne zalecenia Wykorzystywanie kilku metod Badania ekspertów lepiej się sprawdzają przy prognozach długookresowych i na rynkach o dużej zmienności Badania opinii sprzedawców lepsze w krótkim okresie (do 6 miesięcy) Metody ilościowe prognozy krótko i średniookresowe, rynki stabilne
53 Zalecana literatura 1. Anczel D., Statystyka w zarządzaniu, PWN, Warszawa 2000, ss Cybulski K., Zarządzanie działem sprzedaży firmy, PWN, Warszawa 2004 r.,ss oraz Kaczmarczyk S., Badania marketingowe, PWE, wyd. III, Warszawa 2002, ss. Ss Rószkiewicz M., Metody ilościowe w badaniach marketingowych, PWN, Warszawa 2002, ss Strzyżewska M., Rószkiewicz M., Analizy marketingowe,diffin, Warszawa 2002, ss
Badania marketingowe 2013_13
Badania marketingowe 2013_13 Krzysztof Cybulski Katedra Marketingu Wydział Zarządzania Uniwersytet Warszawski Ramowy program konwersatorium 1. System informacji rynkowej i jego składowe 2. Istota oraz
Bardziej szczegółowoOcena potencjału rynku oraz prognozowanie przyszłej sprzedaży. Krzysztof Cybulski
Ocena potencjału rynku oraz prognozowanie przyszłej sprzedaży Krzysztof Cybulski Kluczowe umiejętności w fazie schyłku Kluczowe umiejętności menedżerskie Ocena potencjału rynku Prognozowanie sprzedaży
Bardziej szczegółowoStandardy i procedury_2017. Krzysztof Cybulski Katedra Marketingu Wydział Zarządzania UW
Standardy i procedury_2017 Krzysztof Cybulski Katedra Marketingu Wydział Zarządzania UW kcybulski@mail.wz.uw.edu.pl Agenda Procedury i standardy działalności sprzedażowej Terminologia Znaczenie procedur
Bardziej szczegółowoPrognozowanie popytu. mgr inż. Michał Adamczak
Prognozowanie popytu mgr inż. Michał Adamczak Plan prezentacji 1. Definicja prognozy 2. Klasyfikacja prognoz 3. Szereg czasowy 4. Metody prognozowania 4.1. Model naiwny 4.2. Modele średniej arytmetycznej
Bardziej szczegółowoZapraszamy do współpracy FACULTY OF ENGINEERING MANAGEMENT www.fem.put.poznan.pl Agnieszka Stachowiak agnieszka.stachowiak@put.poznan.pl Pokój 312 (obok czytelni) Dyżury: strona wydziałowa Materiały dydaktyczne:
Bardziej szczegółowoPROGNOZOWANIE I SYMULACJE EXCEL 1 AUTOR: MARTYNA MALAK PROGNOZOWANIE I SYMULACJE EXCEL 1 AUTOR: MARTYNA MALAK
1 PROGNOZOWANIE I SYMULACJE 2 http://www.outcome-seo.pl/excel1.xls DODATEK SOLVER WERSJE EXCELA 5.0, 95, 97, 2000, 2002/XP i 2003. 3 Dodatek Solver jest dostępny w menu Narzędzia. Jeżeli Solver nie jest
Bardziej szczegółowo3. 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 szczegółowoBadania marketingowe 2013_2. Krzysztof Cybulski Katedra Marketingu Wydział Zarządzania Uniwersytet Warszawski
Badania marketingowe 2013_2 Krzysztof Cybulski Katedra Marketingu Wydział Zarządzania Uniwersytet Warszawski Ramowy program konwersatorium 1. System informacji rynkowej i jego składowe 2. Istota oraz klasyfikacja
Bardziej szczegółowoEkonometryczna analiza popytu na wodę
Jacek Batóg Uniwersytet Szczeciński Ekonometryczna analiza popytu na wodę Jednym z czynników niezbędnych dla funkcjonowania gospodarstw domowych oraz realizacji wielu procesów technologicznych jest woda.
Bardziej szczegółowoPlanowanie i organizacja działań sprzedażowych firmy_2017-5/6
Planowanie i organizacja działań sprzedażowych firmy_2017-5/6 Krzysztof Cybulski Katedra Marketingu Wydział Zarządzania UW kcybulski@mail.wz.uw.edu.pl Program zajęć 1. Fundamenty sukcesu biznesowego 2.
Bardziej szczegółowoSTATYSTYKA. Rafał Kucharski. Uniwersytet Ekonomiczny w Katowicach 2015/16 ROND, Finanse i Rachunkowość, rok 2
STATYSTYKA Rafał Kucharski Uniwersytet Ekonomiczny w Katowicach 2015/16 ROND Finanse i Rachunkowość rok 2 Analiza dynamiki Szereg czasowy: y 1 y 2... y n 1 y n. y t poziom (wartość) badanego zjawiska w
Bardziej szczegółowoEkonometria. Modele dynamiczne. Paweł Cibis 27 kwietnia 2006
Modele dynamiczne Paweł Cibis pcibis@o2.pl 27 kwietnia 2006 1 Wyodrębnianie tendencji rozwojowej 2 Etap I Wyodrębnienie tendencji rozwojowej Etap II Uwolnienie wyrazów szeregu empirycznego od trendu Etap
Bardziej szczegółowot y x y'y x'x y'x x-x śr (x-x śr)^2
Na podstawie:w.samuelson, S.Marks Ekonomia menedżerska Zadanie 1 W przedsiębiorstwie toczy się dyskusja na temat wpływu reklamy na wielkość. Dział marketingu uważa, że reklama daje wysoce pozytywne efekty,
Bardziej szczegółowoPo co w ogóle prognozujemy?
Po co w ogóle prognozujemy? Pojęcie prognozy: racjonalne, naukowe przewidywanie przyszłych zdarzeń stwierdzenie odnoszącym się do określonej przyszłości formułowanym z wykorzystaniem metod naukowym, weryfikowalnym
Bardziej szczegółowoBadania marketingowe 2016_1. Krzysztof Cybulski Katedra Marketingu Wydział Zarządzania Uniwersytet Warszawski
Badania marketingowe 2016_1 Krzysztof Cybulski Katedra Marketingu Wydział Zarządzania Uniwersytet Warszawski Ramowy program konwersatorium 1. Formułowanie oraz wyjaśnianie tematyki badań 2. Identyfikacja
Bardziej szczegółowo23 Zagadnienia - Prognozowanie i symulacje
1. WYJAŚNIJ POJĘCIE PROGNOZY I OMÓW PODSTAWOWE PEŁNIONE PRZEZ PROGNOZĘ FUNKCJE. Prognoza - jest to sąd dotyczący przyszłej wartości pewnego zjawiska o następujących właściwościach: jest sformułowany w
Bardziej szczegółowoZagadnienie 1: Prognozowanie za pomocą modeli liniowych i kwadratowych przy wykorzystaniu Analizy regresji wielorakiej w programie STATISTICA
Zagadnienie 1: Prognozowanie za pomocą modeli liniowych i kwadratowych przy wykorzystaniu Analizy regresji wielorakiej w programie STATISTICA Zadanie 1 (Plik danych: Transport w Polsce (1990-2015)) Na
Bardziej szczegółowoĆwiczenia 13 WAHANIA SEZONOWE
Ćwiczenia 3 WAHANIA SEZONOWE Wyrównanie szeregu czasowego (wyodrębnienie czystego trendu) mechanicznie Zadanie. Badano spożycie owoców i przetworów (yt) (w kg) w latach według kwartałów: kwartał lata 009
Bardziej szczegółowoBadania marketingowe 2013_1. Krzysztof Cybulski Katedra Marketingu Wydział Zarządzania Uniwersytet Warszawski
Badania marketingowe 2013_1 Krzysztof Cybulski Katedra Marketingu Wydział Zarządzania Uniwersytet Warszawski Ramowy program konwersatorium 1. System informacji rynkowej i jego składowe 2. Istota oraz klasyfikacja
Bardziej szczegółowoSzczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)
Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) 1. Populacja generalna a losowa próba, parametr rozkładu cechy a jego ocena z losowej próby, miary opisu statystycznego
Bardziej szczegółowoBadania rynkowe 2013_4. Krzysztof Cybulski Katedra Marketingu Wydział Zarządzania Uniwersytet Warszawski
Badania rynkowe 2013_4 Krzysztof Cybulski Katedra Marketingu Wydział Zarządzania Uniwersytet Warszawski Ramowy program konwersatorium 1. System informacji rynkowej i jego składowe 2. Istota oraz klasyfikacja
Bardziej szczegółowoWykład 6. Badanie dynamiki zjawisk
Wykład 6 Badanie dynamiki zjawisk TREND WYODRĘBNIANIE SKŁADNIKÓW SZEREGU CZASOWEGO 1. FUNKCJA TRENDU METODA ANALITYCZNA 2. ŚREDNIE RUCHOME METODA WYRÓWNYWANIA MECHANICZNEGO średnie ruchome zwykłe średnie
Bardziej szczegółowoPrognozowanie cen surowców w rolnych na podstawie szeregów w czasowych - uwarunkowania i metody. Sylwia Grudkowska NBP Mariusz Hamulczuk IERIGś-PIB
Prognozowanie cen surowców w rolnych na podstawie szeregów w czasowych - uwarunkowania i metody Sylwia Grudkowska NBP Mariusz Hamulczuk IERIGś-PIB Plan prezentacji Wprowadzenie do prognozowania Metody
Bardziej szczegółowoStatystyka. Wykład 13. Magdalena Alama-Bućko. 12 czerwca Magdalena Alama-Bućko Statystyka 12 czerwca / 30
Statystyka Wykład 13 Magdalena Alama-Bućko 12 czerwca 2017 Magdalena Alama-Bućko Statystyka 12 czerwca 2017 1 / 30 Co wpływa na zmiany wartości danej cechy w czasie? W najbardziej ogólnym przypadku, na
Bardziej szczegółowoIstota funkcjonowania przedsiębiorstwa produkcyjnego. dr inż. Andrzej KIJ
Istota funkcjonowania przedsiębiorstwa produkcyjnego dr inż. Andrzej KIJ 1 Popyt rynkowy agregacja krzywych popytu P p2 p1 D1 q1 D2 q2 Q 2 Popyt rynkowy agregacja krzywych popytu P p2 p1 D1 +D2 D1 D2 q1
Bardziej szczegółowoWprowadzenie 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 szczegółowoĆwiczenie 5 PROGNOZOWANIE
Ćwiczenie 5 PROGNOZOWANIE Prognozowanie jest procesem przewidywania przyszłych zdarzeń. Obszary zastosowań prognozowania obejmują np. analizę danych giełdowych, przewidywanie zapotrzebowania na pracowników,
Bardziej szczegółowoSYLABUS. 4.Studia Kierunek studiów/specjalność Poziom kształcenia Forma studiów Ekonomia Studia pierwszego stopnia Studia stacjonarne i niestacjonarne
SYLABUS 1.Nazwa przedmiotu Prognozowanie i symulacje 2.Nazwa jednostki prowadzącej Katedra Metod Ilościowych i Informatyki przedmiot Gospodarczej 3.Kod przedmiotu E/I/A.16 4.Studia Kierunek studiów/specjalność
Bardziej szczegółowoAnaliza dynamiki. Sesja Cena akcji 1 42,9 2 41, ,5 5 41, , ,5
Analiza dynamiki Zadanie 1 Dynamikę produkcji samochodów osobowych przez pewną fabrykę w latach 2007-2013 opisuje następujący ciąg indeksów łańcuchowych: 1,1; 1,2; 1,3; 1,4; 0,8; 0,9. a) Jak zmieniała
Bardziej szczegółowoBarometr Finansów Banków (BaFiB) propozycja badania koniunktury w sektorze bankowym
Jacek Batóg Uniwersytet Szczeciński Barometr Finansów Banków (BaFiB) propozycja badania koniunktury w sektorze bankowym Jednym z ważniejszych elementów każdej gospodarki jest system bankowy. Znaczenie
Bardziej szczegółowoBadania marketingowe
Badania marketingowe Dr hab. prof. SGH Katedra Rynku i Marketingu SGH teresataranko@o2.pl Konsultacje pokój 302 Madalińskiego 6/8 Wtorek -15.00-16.00 Struktura problematyki 1. Definicja i funkcje badań
Bardziej szczegółowoEtapy przygotowań do przeprowadzenia badań marketingowych. dr Grzegorz Kotliński, Katedra Bankowości AE w Poznaniu
1 Etapy przygotowań do przeprowadzenia badań marketingowych 2 Badania marketingowe a funkcje marketingu Analiza otoczenia Analiza klientów Planowanie produktów i usług Planowanie dystrybucji Planowanie
Bardziej szczegółowoAnaliza sezonowości. Sezonowość może mieć charakter addytywny lub multiplikatywny
Analiza sezonowości Wiele zjawisk charakteryzuje się nie tylko trendem i wahaniami przypadkowymi, lecz także pewną sezonowością. Występowanie wahań sezonowych może mieć charakter kwartalny, miesięczny,
Bardziej szczegółowoSzczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)
Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) 1. Populacja generalna a losowa próba, parametr rozkładu cechy a jego ocena z losowej próby, miary opisu statystycznego
Bardziej szczegółowoSZKOLENIE ILOŚCIOWE BADANIA MARKETINGOWE KLUCZEM DO SKUTECZNYCH DECYZJI MARKETINGOWYCH
SZKOLENIE ROZWIĄZANIA W ZAKRESIE ROZWOJU KAPITAŁU LUDZKIEGO PRZEDSIĘBIORSTW ILOŚCIOWE BADANIA MARKETINGOWE KLUCZEM DO SKUTECZNYCH DECYZJI MARKETINGOWYCH TRENER Violetta Rutkowska Badacz rynku, doradca,
Bardziej szczegółowoWykład 6. Badanie dynamiki zjawisk
Wykład 6 Badanie dynamiki zjawisk Krzywa wieża w Pizie 1 2 3 4 5 6 7 8 9 10 11 12 13 y 4,9642 4,9644 4,9656 4,9667 4,9673 4,9688 4,9696 4,9698 4,9713 4,9717 4,9725 4,9742 4,9757 Szeregiem czasowym nazywamy
Bardziej szczegółowoPlanowanie produkcji. Łańcuch logistyczny. Organizacja procesów biznesowych. Organizacja procesów biznesowych. Organizacja procesów biznesowych
owanie 1/1 Łańcuch logistyczny Dostawca Produkcja Magazyny Dystrybucja Klient 2 Łańcuch logistyczny Dostawca Produkcja Magazyny Dystrybucja Klient 3 1 Jaki klient - taka produkcja Odbiorca anonimowy Odbiorca
Bardziej szczegółowoPrognozowanie 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 szczegółowoEstymacja 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 szczegółowoFORECASTING THE DISTRIBUTION OF AMOUNT OF UNEMPLOYED BY THE REGIONS
FOLIA UNIVERSITATIS AGRICULTURAE STETINENSIS Folia Univ. Agric. Stetin. 007, Oeconomica 54 (47), 73 80 Mateusz GOC PROGNOZOWANIE ROZKŁADÓW LICZBY BEZROBOTNYCH WEDŁUG MIAST I POWIATÓW FORECASTING THE DISTRIBUTION
Bardziej szczegółowoBadania marketingowe 2016_5. Krzysztof Cybulski Katedra Marketingu Wydział Zarządzania Uniwersytet Warszawski
Badania marketingowe 2016_5 Krzysztof Cybulski Katedra Marketingu Wydział Zarządzania Uniwersytet Warszawski Ramowy program konwersatorium 1. Formułowanie oraz wyjaśnianie tematyki badań 2. Identyfikacja
Bardziej szczegółowoAnaliza Zmian w czasie
Statystyka Opisowa z Demografią oraz Biostatystyka Analiza Zmian w czasie Aleksander Denisiuk denisjuk@euh-e.edu.pl Elblaska Uczelnia Humanistyczno-Ekonomiczna ul. Lotnicza 2 82-300 Elblag oraz Biostatystyka
Bardziej szczegółowoStatystyka i Analiza Danych
Warsztaty Statystyka i Analiza Danych Gdańsk, 20-22 lutego 2014 Zastosowania wybranych technik regresyjnych do modelowania współzależności zjawisk Janusz Wątroba StatSoft Polska Centrum Zastosowań Matematyki
Bardziej szczegółowo... prognozowanie nie jest celem samym w sobie a jedynie narzędziem do celu...
4 Prognozowanie historyczne Prognozowanie - przewidywanie przyszłych zdarzeń w oparciu dane - podstawowy element w podejmowaniu decyzji... prognozowanie nie jest celem samym w sobie a jedynie narzędziem
Bardziej szczegółowoNa poprzednim wykładzie omówiliśmy podstawowe zagadnienia. związane z badaniem dynami zjawisk. Dzisiaj dokładniej zagłębimy
Analiza dynami zjawisk Na poprzednim wykładzie omówiliśmy podstawowe zagadnienia związane z badaniem dynami zjawisk. Dzisiaj dokładniej zagłębimy się w tej tematyce. Indywidualne indeksy dynamiki Indywidualne
Bardziej szczegółowoAnaliza metod prognozowania kursów akcji
Analiza metod prognozowania kursów akcji Izabela Łabuś Wydział InŜynierii Mechanicznej i Informatyki Kierunek informatyka, Rok V Specjalność informatyka ekonomiczna Politechnika Częstochowska izulka184@o2.pl
Bardziej szczegółowo5. Model sezonowości i autoregresji zmiennej prognozowanej
5. Model sezonowości i autoregresji zmiennej prognozowanej 1. Model Sezonowości kwartalnej i autoregresji zmiennej prognozowanej (rząd istotnej autokorelacji K = 1) Szacowana postać: y = c Q + ρ y, t =
Bardziej szczegółowoBiznes plan innowacyjnego przedsięwzięcia
Biznes plan innowacyjnego przedsięwzięcia 1 Co to jest biznesplan? Biznes plan można zdefiniować jako długofalowy i kompleksowy plan działalności organizacji gospodarczej lub realizacji przedsięwzięcia
Bardziej szczegółowoPrognozowanie cen surowców w rolnych na podstawie szeregów w czasowych
Prognozowanie cen surowców w rolnych na podstawie szeregów w czasowych Mariusz Hamulczuk Pułtusk 06.12.1011 Wprowadzenie Przewidywanie a prognozowanie Metoda prognozowania rodzaje metod i prognoz Czy moŝna
Bardziej szczegółowoPrognoza sprawozdania finansowego Bilans
Prognoza sprawozdania go Bilans 31.12.24 31.12.25 31.12.26 Wartości niematerialne i prawne Rzeczowe aktywa trwałe Długoterminowe Zapasy Należności Inwestycje 594 3474 3528 954 52119 54 12 759 693 2259
Bardziej szczegółowoBadania marketingowe. Omówione zagadnienia. Społeczna Wyższa Szkoła Przedsiębiorczości i Zarządzania
Społeczna Wyższa Szkoła Przedsiębiorczości i Zarządzania kierunek: Zarządzanie Badania marketingowe Wykład 5 Opracowanie: dr Joanna Krygier 1 Omówione zagadnienia Ograniczenia wtórnych źródeł informacji
Bardziej szczegółowoSytuacja gospodarcza przedsiębiorstw w województwie podkarpackim w III kwartale 2017 r. w świetle badań ankietowych NBP
Narodowy Bank Polski Oddział Okręgowy w Rzeszowie Sytuacja gospodarcza przedsiębiorstw w województwie podkarpackim w III kwartale 2017 r. w świetle badań ankietowych NBP Rzeszów / 14 grudnia 2017 Informacje
Bardziej szczegółowoArkadiusz Manikowski Zbigniew Tarapata. Prognozowanie i symulacja rozwoju przedsiębiorstw
Arkadiusz Manikowski Zbigniew Tarapata Prognozowanie i symulacja rozwoju przedsiębiorstw Warszawa 2002 Recenzenci doc. dr. inż. Ryszard Mizera skład i Łamanie mgr. inż Ignacy Nyka PROJEKT OKŁADKI GrafComp,
Bardziej szczegółowoBadania marketingowe 2013_3. Krzysztof Cybulski Katedra Marketingu Wydział Zarządzania Uniwersytet Warszawski
Badania marketingowe 2013_3 Krzysztof Cybulski Katedra Marketingu Wydział Zarządzania Uniwersytet Warszawski Ramowy program konwersatorium 1. System informacji rynkowej i jego składowe 2. Istota oraz klasyfikacja
Bardziej szczegółowoWykład: Rodzaje badań marketingowych
Wykład: Rodzaje badań marketingowych Źródła informacji w działalności marketingowej Wewnętrzne Zewnętrzne pierwotne wtórne pierwotne wtórne Przedsiębiorstwo Rynek Źródła wtórne Źródło: G. Churchill, Badania
Bardziej szczegółowoAnaliza dynamiki zjawisk STATYSTYKA OPISOWA. Dr Alina Gleska. Instytut Matematyki WE PP. 28 września 2018
STATYSTYKA OPISOWA Dr Alina Gleska Instytut Matematyki WE PP 28 września 2018 1 Pojęcie szeregów czasowych i ich składowych SZEREGIEM CZASOWYM nazywamy tablicę, która zawiera ciag wartości cechy uporzadkowanych
Bardziej szczegółowoMetody Ilościowe w Socjologii
Metody Ilościowe w Socjologii wykład 2 i 3 EKONOMETRIA dr inż. Maciej Wolny AGENDA I. Ekonometria podstawowe definicje II. Etapy budowy modelu ekonometrycznego III. Wybrane metody doboru zmiennych do modelu
Bardziej szczegółowoPrzykład 2. Stopa bezrobocia
Przykład 2 Stopa bezrobocia Stopa bezrobocia. Komentarz: model ekonometryczny stopy bezrobocia w Polsce jest modelem nieliniowym autoregresyjnym. Podobnie jak model podaŝy pieniądza zbudowany został w
Bardziej szczegółowoAnaliza autokorelacji
Analiza autokorelacji Oblicza się wartości współczynników korelacji między y t oraz y t-i (dla i=1,2,...,k), czyli współczynniki autokorelacji różnych rzędów. Bada się statystyczną istotność tych współczynników.
Bardziej szczegółowoA.Światkowski. Wroclaw University of Economics. Working paper
A.Światkowski Wroclaw University of Economics Working paper 1 Planowanie sprzedaży na przykładzie przedsiębiorstwa z branży deweloperskiej Cel pracy: Zaplanowanie sprzedaży spółki na rok 2012 Słowa kluczowe:
Bardziej szczegółowoWiadomości ogólne o ekonometrii
Wiadomości ogólne o ekonometrii Materiały zostały przygotowane w oparciu o podręcznik Ekonometria Wybrane Zagadnienia, którego autorami są: Bolesław Borkowski, Hanna Dudek oraz Wiesław Szczęsny. Ekonometria
Bardziej szczegółowoRachunek kosztów normalnych
Rachunek kosztów normalnych *zgodnie z ustawą o rachunkowości (UoR art. 28 ust. 3) Uzasadniona część kosztów pośrednich - definicja zmienne pośrednie koszty produkcji część stałych pośrednich kosztów produkcji,
Bardziej szczegółowoPROGNOZOWANIE 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 szczegółowoZadanie 1. a) Przeprowadzono test RESET. Czy model ma poprawną formę funkcyjną? 1
Zadanie 1 a) Przeprowadzono test RESET. Czy model ma poprawną formę funkcyjną? 1 b) W naszym przypadku populacja są inżynierowie w Tajlandii. Czy można jednak przypuszczać, że na zarobki kobiet-inżynierów
Bardziej szczegółowoPAŃSTWOWA WYŻSZA SZKOŁA ZAWODOWA W NOWYM SĄCZU SYLABUS PRZEDMIOTU. Obowiązuje od roku akademickiego: 2010/2011
PAŃSTWOWA WYŻSZA SZKOŁA ZAWODOWA W NOWYM SĄCZU SYLABUS Obowiązuje od roku akademickiego: 2010/2011 Instytut Ekonomiczny Kierunek studiów: Ekonomia Kod kierunku: 04.9 Specjalność: Turystyka 1. PRZEDMIOT
Bardziej szczegółowoAnaliza finansowa i poza finansowa efektywności działań marketingowych
Analiza finansowa i poza finansowa efektywności działań marketingowych Dlaczego analiza finansowa? Główne cele marketingu kreowanie wartości dla nabywcy i akcjonariusza, co wiąże się z ponoszeniem kosztów
Bardziej szczegółowoTeoretyczne podstawy analizy indeksowej klasyfikacja indeksów, konstrukcja, zastosowanie
Teoretyczne podstawy analizy indeksowej klasyfikacja indeksów, konstrukcja, zastosowanie Szkolenie dla pracowników Urzędu Statystycznego nt. Wybrane metody statystyczne w analizach makroekonomicznych dr
Bardziej szczegółowoStatystyka. Wykład 13. Magdalena Alama-Bućko. 18 czerwca Magdalena Alama-Bućko Statystyka 18 czerwca / 36
Statystyka Wykład 13 Magdalena Alama-Bućko 18 czerwca 2018 Magdalena Alama-Bućko Statystyka 18 czerwca 2018 1 / 36 Agregatowy (zespołowy) indeks wartości określonego zespołu produktów np. jak zmianiała
Bardziej szczegółowoSpis treści. Przedmowa
Spis treści Przedmowa 1.1. Magazyn i magazynowanie 1.1.1. Magazyn i magazynowanie - podstawowe wiadomości 1.1.2. Funkcje i zadania magazynów 1.1.3. Rodzaje magazynów 1.1.4. Rodzaje zapasów 1.1.5. Warunki
Bardziej szczegółowoEkonometria 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 szczegółowoNarzędzia 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 szczegółowoRok akademicki: 2013/2014 Kod: ZIE n Punkty ECTS: 6. Poziom studiów: Studia I stopnia Forma i tryb studiów: -
Nazwa modułu: Statystyka opisowa i ekonomiczna Rok akademicki: 2013/2014 Kod: ZIE-1-205-n Punkty ECTS: 6 Wydział: Zarządzania Kierunek: Informatyka i Ekonometria Specjalność: - Poziom studiów: Studia I
Bardziej szczegółowoGospodarka zapasami. Studia stacjonarne MSP Semestr letni 2010/2011. Wykład
Gospodarka zapasami Studia stacjonarne MSP Semestr letni 2010/2011 Wykład 2 2.03.2011 Podstawowe pojęcia w zarządzaniu zapasami Zapas Zapas pozycji wykazujących ruch Zapas pozycji nie wykazujących ruchu
Bardziej szczegółowoZ-ZIP2-1067złd Gospodarka magazynowa Warehouse management. Specjalnościowy Obowiązkowy Polski Semestr drugi
KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 2015/2016 Z-ZIP2-1067złd Gospodarka magazynowa Warehouse management A. USYTUOWANIE
Bardziej szczegółowoPEX PharmaSequence raport miesięczny - grudzień 2017 Cały rynek apteczny (raport sell-out)
PEX PharmaSequence raport miesięczny - grudzień Cały rynek apteczny (raport sell-out) Narastająco Prognoza na cały rok Listopad Styczeń 2015 Obrót całkowity (w mln PLN) Cały rynek apteczny 1 2 839 3,1%
Bardziej szczegółowoREGRESJA I KORELACJA MODEL REGRESJI LINIOWEJ MODEL REGRESJI WIELORAKIEJ. Analiza regresji i korelacji
Statystyka i opracowanie danych Ćwiczenia 5 Izabela Olejarczyk - Wożeńska AGH, WIMiIP, KISIM REGRESJA I KORELACJA MODEL REGRESJI LINIOWEJ MODEL REGRESJI WIELORAKIEJ MODEL REGRESJI LINIOWEJ Analiza regresji
Bardziej szczegółowoStatystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl
Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Statystyczna teoria korelacji i regresji (1) Jest to dział statystyki zajmujący
Bardziej szczegółowoLOGISTYKA. Zapas: definicja. Zapasy: podział
LOGISTYKA Zapasy Zapas: definicja Zapas to określona ilość dóbr znajdująca się w rozpatrywanym systemie logistycznym, bieżąco nie wykorzystywana, a przeznaczona do późniejszego przetworzenia lub sprzedaży.
Bardziej szczegółowoKierunki rozwoju firmy Decyzje o wyborze rynków Decyzje inwestycyjne Rozwój nowych produktów Pozycjonowanie. Marketing strategiczny
Badania marketingowe dr Grzegorz Mazurek Istota badań Podejmowanie decyzji odbywa się na bazie doświadczenia, wiedzy oraz intuicji. Podejmowanie decyzji wiąże się automatycznie z ryzykiem poniesienia porażki
Bardziej szczegółowoMarketing Internetowy (cz. 5) - Badania marketingowe - metody prognozowania popytu
Marketing Internetowy (cz. 5) - Badania marketingowe - metody prognozowania popytu Prognozowanie popytu powinno być dla przedsiębiorstwa jednym z najistotniejszych etapów w dążeniu do zwiększania sprzedaży
Bardziej szczegółowoEKONOMETRIA STOSOWANA PRZYKŁADOWE ZADANIA EGZAMINACYJNE
EKONOMETRIA STOSOWANA PRZYKŁADOWE ZADANIA EGZAMINACYJNE ZADANIE 1 Oszacowano zależność między luką popytowa a stopą inflacji dla gospodarki niemieckiej. Wyniki estymacji są następujące: Estymacja KMNK,
Bardziej szczegółowoĆwiczenia IV
Ćwiczenia IV - 17.10.2007 1. Spośród podanych macierzy X wskaż te, których nie można wykorzystać do estymacji MNK parametrów modelu ekonometrycznego postaci y = β 0 + β 1 x 1 + β 2 x 2 + ε 2. Na podstawie
Bardziej szczegółowoRobert Kubicki, Magdalena Kulbaczewska Modelowanie i prognozowanie wielkości ruchu turystycznego w Polsce
Robert Kubicki, Magdalena Kulbaczewska Modelowanie i prognozowanie wielkości ruchu turystycznego w Polsce Ekonomiczne Problemy Turystyki nr 3 (27), 57-70 2014 ZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO
Bardziej szczegółowoO LICZBIE ABONENTÓW TELEFONII KOMÓRKOWEJ W POLSCE ZDANIEM TRZECH STATYSTYKÓW
Rafał Czyżycki, Marcin Hundert, Rafał Klóska Wydział Zarządzania i Ekonomiki Usług Uniwersytet Szczeciński O LICZBIE ABONENTÓW TELEFONII KOMÓRKOWEJ W POLSCE ZDANIEM TRZECH STATYSTYKÓW Wprowadzenie Poruszana
Bardziej szczegółowoStatystyka od podstaw Janina Jóźwiak, Jarosław Podgórski
Statystyka od podstaw Janina Jóźwiak, Jarosław Podgórski Książka jest nowoczesnym podręcznikiem przeznaczonym dla studentów uczelni i wydziałów ekonomicznych. Wykład podzielono na cztery części. W pierwszej
Bardziej szczegółowoWykład: Badania marketingowe
Wykład: Badania marketingowe Proces podejmowania decyzji Krok 1 Krok 2 Krok 3 Krok 4 Krok 5 Definiowanie problemu Określanie czynników decyzyjnych Zbieranie odpowiednich informacji Wybór najlepszego rozwiązania
Bardziej szczegółowoPAWEŁ SZOŁTYSEK WYDZIAŁ NAUK EKONOMICZNYCH
PROGNOZA WIELKOŚCI ZUŻYCIA CIEPŁA DOSTARCZANEGO PRZEZ FIRMĘ FORTUM DLA CELÓW CENTRALNEGO OGRZEWANIA W ROKU 2013 DLA BUDYNKÓW WSPÓLNOTY MIESZKANIOWEJ PRZY UL. GAJOWEJ 14-16, 20-24 WE WROCŁAWIU PAWEŁ SZOŁTYSEK
Bardziej szczegółowoRola innowacji w ocenie ryzyka eksploatacji obiektów hydrotechnicznych
Politechnika Krakowska Instytut Inżynierii i Gospodarki Wodnej Rola innowacji w ocenie ryzyka eksploatacji obiektów hydrotechnicznych XXVI Konferencja Naukowa Metody Komputerowe w Projektowaniu i Analizie
Bardziej szczegółowoANALIZA CZYNNIKÓW WPŁYWAJĄCYCH NA SPRZEDAŻ I WSPOMAGANIE WYBORU STRATEGII DZIAŁAŃ MARKETINGOWYCH
ANALIZA CZYNNIKÓW WPŁYWAJĄCYCH NA SPRZEDAŻ I WSPOMAGANIE WYBORU STRATEGII DZIAŁAŃ MARKETINGOWYCH Janusz Wątroba, StatSoft Polska Sp. z o.o. Opracowanie jest poświęcone omówieniu znaczenia prognozowania
Bardziej szczegółowoBadania marketingowe 2013_7. Krzysztof Cybulski Katedra Marketingu Wydział Zarządzania Uniwersytet Warszawski
Badania marketingowe 2013_7 Krzysztof Cybulski Katedra Marketingu Wydział Zarządzania Uniwersytet Warszawski Ramowy program konwersatorium 1. System informacji rynkowej i jego składowe 2. Istota oraz klasyfikacja
Bardziej szczegółowoAnaliza kosztów sprzedaŝy
Analiza kosztów sprzedaŝy Grzegorz Karasiewicz Katedra Marketingu Wydział Zarządzania Uniwersytet Warszawski 1 Agenda 1. Koszty a wydatki 2. Rodzaje kosztów 3. Rodzaje kosztów sprzedaŝy 4. Wymiary analizy
Bardziej szczegółowoZ-LOGN Ekonometria Econometrics. Przedmiot wspólny dla kierunku Obowiązkowy polski Semestr IV
bbbbkarta MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Z-LOGN1-0184 Ekonometria Econometrics Obowiązuje od roku akademickiego 2012/2013 A. USYTUOWANIE MODUŁU W SYSTEMIE
Bardziej szczegółowoBudowa sztucznych sieci neuronowych do prognozowania. Przykład jednostek uczestnictwa otwartego funduszu inwestycyjnego
Budowa sztucznych sieci neuronowych do prognozowania. Przykład jednostek uczestnictwa otwartego funduszu inwestycyjnego Dorota Witkowska Szkoła Główna Gospodarstwa Wiejskiego w Warszawie Wprowadzenie Sztuczne
Bardziej szczegółowoBadania marketingowe : podstawy metodyczne / Stanisław Kaczmarczyk. - wyd. 4. Warszawa, 2011
Badania marketingowe : podstawy metodyczne / Stanisław Kaczmarczyk. - wyd. 4. Warszawa, 2011 Spis treści Wstęp 13 CZĘŚĆ I. Przygotowanie procesu badań marketingowych 17 Rozdział 1. Badania marketingowe
Bardziej szczegółowo2017 r. STOPA BEZROBOCIA r. STOPA BEZROBOCIA
2017 r. STOPA BEZROBOCIA GUS dokonał korekty stopy bezrobocia za okres od grudnia 2016 r. do sierpnia 2017 r., wynikającej na podstawie badań prowadzonych przez przedsiębiorstwa według stanu na 31 grudnia
Bardziej szczegółowoOrganizacja i monitorowanie procesów magazynowych / Stanisław
Organizacja i monitorowanie procesów magazynowych / Stanisław KrzyŜaniak [et al.]. Poznań, 2013 Spis treści Przedmowa 11 1.1. Magazyn i magazynowanie 13 1.1.1. Magazyn i magazynowanie - podstawowe wiadomości
Bardziej szczegółowoPlanowanie przyszłorocznej sprzedaży na podstawie danych przedsiębiorstwa z branży usług kurierskich.
Iwona Reszetar Uniwersytet Ekonomiczny we Wrocławiu Planowanie przyszłorocznej sprzedaży na podstawie danych przedsiębiorstwa z branży usług kurierskich. Dokument roboczy Working paper Wrocław 2013 Wstęp
Bardziej szczegółowoWolumen - część II Budynki Urzędu Gminy Kulesze Kościelne i Ochotniczej Straży Pożarnej Grodzkie Nowe w grupie taryfowej G
Wolumen opracowany na podstawie faktur z ostatnich 12 miesięcy Tabela nr 1 Styczeń 2016 G11 2 całodobowo 1,661 2 Zużycie energii 1,661 Tabela nr 2 Luty 2016 G11 2 całodobowo 1,459 2 Zużycie energii 1,459
Bardziej szczegółowoODCZYT STANU WODY NA RZECE DRWĘCY mierzone dla posterunku Nowe Miasto Lubawskie
598 3 grudnia 2010r. - 239 597 2 grudzień 2010r. - 236 596 1 grudzień 2010r. - 238 595 30 listopad 2010r. - 242 594 29 listopad 2010t. - 265 593 28 listopad 2010r. - 256 592 27 listopad 2010r. - 251 591
Bardziej szczegółowoRACHUNKOWOŚĆ ZARZĄDCZA
RACHUNKOWOŚĆ ZARZĄDCZA Metody wyznaczania kosztów stałych i zmiennych metoda księgowa metoda graficzna metoda odchyleń krańcowych (dwóch punktów) metoda najmniejszych kwadratów 1 Metoda graficzna 50 000
Bardziej szczegółowo