Prognozowanie cen surowców w rolnych na podstawie szeregów w czasowych

Wielkość: px
Rozpocząć pokaz od strony:

Download "Prognozowanie cen surowców w rolnych na podstawie szeregów w czasowych"

Transkrypt

1 Prognozowanie cen surowców w rolnych na podstawie szeregów w czasowych Mariusz Hamulczuk Pułtusk

2 Wprowadzenie Przewidywanie a prognozowanie Metoda prognozowania rodzaje metod i prognoz Czy moŝna prognozować przyszłość efektywność informacyjna rynku? Funkcje prognoz: decyzyjna, aktywizująca, informacyjna Mikroekonomiczny wymiar prognoz gospodarczych System informacji rynkowej a prognozy

3 Metody / modele szeregów czasowych Model szeregu czasowego. Model szeregu czasowego traktuje się jako czarną skrzynkę. Prawidłowości: w strukturze szeregu czasowego: trend, wahania cykliczne, sezonowość, przypadkowe Y = t f ( TC, S, E t t t ) Rodzaje modeli Czy to wystarcza do przewidzenia przyszłości?

4 1,20 1,15 1,10 1,05 1,00 0,95 0,90 0,85 0,80 Przykładowe prawidłowości ceny Ŝywca wieprzowego C 1,20 1,15 sty 00 sty 01 sty 02 sty 03 sty 04 sty 05 sty 06 sty 07 sty 08 sty 09 sty 10 sty 11 1,10 1,05 1,00 0,95 0,90 0,85 0,80 S sty 00 sty 01 sty 02 sty 03 sty 04 sty 05 sty 06 sty 07 sty 08 sty 09 sty 10 sty 11

5 Cel badań empirycznych: Zbadanie właściwości i prawidłowości szeregów czasowych wybranych miesięcznych cen surowców rolnych, Ocena zdolności prognostycznych modeli szeregów czasowych, Wnioski co do przydatności modeli szeregów czasowych do krótkookresowego prognozowania cen surowców rolnych.

6 Modele ARIMA (p,d,q)(p,d,q) Y t = φ0 + φ1y t 1 + φt 2Yt φ pyt p + Φ1Yt S + Φ 2Yt 2S Φ PYt + e t + θ 1et 1 + θ2et θqet q + Θ1et S + Θ2et 2S Θ PS Q e + t QS Yt Yt 1 t 2 Y... Yt p - wartość zmiennej w momencie/okresie t t 1, t 2,..., t p φ,, p rząd autoregresji oznaczający maksymalne opóźnienie zmiennej objaśnianej, φ0 φ 1... φ p - parametry modelu autoregresyjnego, et - błędy (reszty) modelu, tzw. biały szum. q rząd średniej ruchomej oznaczający maksymalne jej opóźnienie, θ 0 θ 1... θ q parametry modelu średniej ruchomej, Φ i Θ oznaczają sezonowe parametry części odpowiednio: autoregresyjnej i średniej ruchomej. S d S D ( B) Φ( B )(1 B) (1 B ) Yt = φ0 + θ ( B) Θ ( B S ) e t

7 Model regarima φ S d S D ( B) Φ( B )(1 B) (1 B ) Yt = 0 + ( B) Θ φ θ ( B S ) e t Model RegARIMA φ ( B) Φ( B )( 1 B) (1 B ) ( Y X ) β = θ ( B) Θ( B ) e, t Y t oryginalny szereg czasowy, β i parametr przy i-tej zmiennej objaśniającej, X t i-ta zmienna objaśniająca: Obserwacje nietypowe: AO, TC, LS, RP Efekty dni roboczych Efekt Wielkanocy Inne S d Ogólny cel komponentu reg : usunięcie nieliniowości z oryginalnego szeregu S D t i i i t S

8 Metody sezonowej korekty danych X-12-ARIMA i TRAMO/SEATS Cel metod: analiza trendu i wahań nieregularnych estymacja i usuwanie czynnika sezonowego z szeregu czasowego prognoza krótkookresowa RóŜne sposoby estymacji komponentów szeregu czasowego: model ARIMA (TRAMO/SEATS) filtry ad-hoc średniej ruchomej (X-12-ARIMA) Obie metody dokonują wstępnej korekty szeregu czasowego o efekty dni roboczych, obserwacje odstające, wpływ czynników zewnętrznych (rozszerzony model ARIMA) Metody rekomendowane przez Eurostat. Demetra +.

9 Miesięczne ceny skupu pszenicy

10 Ceny pszenicy porównanie czynników sezonowych

11 Ceny pszenicy model regarima (1,1,0)(0,1,1)

12 Miesięczne ceny skupu żywca wieprzowego w Polsce

13 Ceny żywca wieprzowego porównanie czynników sezonowych

14 Ceny żywca wieprzowego - model regarima (1,1,0)(0,1,1)

15 Dokładność prognoz ex post Analiza prognoz ex post: marzec marzec 2011 Błędy obliczono za pomocą: MAPE = 1 k k t= 1 Y t Y Yˆ t t 100% gdzie: k liczba wykonanych prognoz ex post, Yt realizacja zmiennej Y w momencie t, Ŷt prognoza zmiennej Y na moment t. Porównanie z prognozami naiwnymi oraz prognozami Zespołu ekspertów ARR

16 Prognozy ex post cen pszenicy regarma Tramo Seats

17 Błędy ex post prognoz cen pszenicy

18 Błędy ex post prognoz cen wieprzowiny

19 Podsumowanie Modele szeregów czasowych pozwalają na formułowanie wniosków w zakresie prawidłowości kształtowania cen: trendu, wahań cyklicznych, czy sezonowości. Wejście do UE miało wpływ na zmiany wzorców i zmiany poziomów cen. Modele szeregów czasowych stanowić mogą narzędzie prognoz krótkookresowych na okres do 3 miesięcy.

20 Podsumowanie Prognozy budowane na podstawie modeli szeregów czasowych są generalnie mniej dokładne niŝ prognozy formułowane na podstawie opinii ekspertów. Metody szeregów czasowych mogą stanowić źródło wiedzy o prawidłowościach natomiast prognozy generowane z ich udziałem powinny być merytorycznie ocenianie/korygowane przez ekspertów. Prognozowanie jest bardziej sztuką niŝ nauką.

21 Dziękuj kuję za uwagę

Prognozowanie 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 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 szczegółowo

ZMIENNOŚĆI CENOWE NA RYNKACH ROLNYCH. Mariusz Hamulczuk SGGW

ZMIENNOŚĆI CENOWE NA RYNKACH ROLNYCH. Mariusz Hamulczuk SGGW ZMIENNOŚĆI CENOWE NA RYNKACH ROLNYCH Mariusz Hamulczuk SGGW 2 Wstęp Rola cen w gospodarce rynkowej, Funkcja celu uczestników rynku rolnego, Zmiany ceny jako źródło ekspozycji na ryzyko dochodowe (zmienność

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

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

Prognozowanie cen żywca wieprzowego z wykorzystaniem modeli zgodnych i zmiennych wyprzedzających

Prognozowanie cen żywca wieprzowego z wykorzystaniem modeli zgodnych i zmiennych wyprzedzających Mariusz Hamulczuk Katedra Ekonomiki Rolnictwa i Międzynarodowych Stosunków Gospodarczych SGGW Prognozowanie cen żywca wieprzowego z wykorzystaniem modeli zgodnych i zmiennych wyprzedzających Wstęp Prognozowanie

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

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

PROGNOZOWANIE I SYMULACJE EXCEL 1 AUTOR: MARTYNA MALAK PROGNOZOWANIE I SYMULACJE EXCEL 1 AUTOR: MARTYNA MALAK

PROGNOZOWANIE 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 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

Przykład 2. Stopa bezrobocia

Przykład 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 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

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

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

Ekonometria. Modele dynamiczne. Paweł Cibis 27 kwietnia 2006

Ekonometria. 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 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

Prognozowanie popytu. mgr inż. Michał Adamczak

Prognozowanie 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 szczegółowo

PAWEŁ SZOŁTYSEK WYDZIAŁ NAUK EKONOMICZNYCH

PAWEŁ 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 szczegółowo

Ćwiczenia 13 WAHANIA SEZONOWE

Ćwiczenia 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 szczegółowo

KRÓTKOOKRESOWE PROGNOZOWANIE CENY EKSPORTOWEJ WĘGLA ROSYJSKIEGO W PORTACH BAŁTYCKICH. Sławomir Śmiech, Monika Papież

KRÓTKOOKRESOWE PROGNOZOWANIE CENY EKSPORTOWEJ WĘGLA ROSYJSKIEGO W PORTACH BAŁTYCKICH. Sławomir Śmiech, Monika Papież KRÓTKOOKRESOWE PROGNOZOWANIE CENY EKSPORTOWEJ WĘGLA ROSYJSKIEGO W PORTACH BAŁTYCKICH Sławomir Śmiech, Monika Papież email: smiechs@uek.krakow.pl papiezm@uek.krakow.pl Plan prezentacji Wprowadzenie Ceny

Bardziej szczegółowo

Analiza metod prognozowania kursów akcji

Analiza 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 szczegółowo

ze skupem żywca wieprzowego w polsce w latach wstęp

ze skupem żywca wieprzowego w polsce w latach wstęp AnnA OlszAńskA Uniwersytet Ekonomiczny Wrocław Ceny targowiskowe prosiąt i ich związki ze skupem żywca wieprzowego w polsce w latach 1991-29 wstęp Ceny targowiskowe prosiąt mają charakter rynkowy i ich

Bardziej szczegółowo

Modelowanie i prognozowanie cen surowców energetycznych. Monika Papie Sławomir Âmiech

Modelowanie i prognozowanie cen surowców energetycznych. Monika Papie Sławomir Âmiech Modelowanie i prognozowanie cen surowców energetycznych Monika Papie Sławomir Âmiech Modelowanie i prognozowanie cen surowców energetycznych Autorzy: Monika Papie wst p*, rozdziały: 2, 3.5, 4; 5, 7, zakoƒczenie*

Bardziej szczegółowo

Dopasowywanie modelu do danych

Dopasowywanie modelu do danych Tematyka wykładu dopasowanie modelu trendu do danych; wybrane rodzaje modeli trendu i ich właściwości; dopasowanie modeli do danych za pomocą narzędzi wykresów liniowych (wykresów rozrzutu) programu STATISTICA;

Bardziej szczegółowo

Kształtowanie się cen m 2 mieszkania we Wrocławiu w krótkim okresie

Kształtowanie się cen m 2 mieszkania we Wrocławiu w krótkim okresie Kształtowanie się cen m 2 mieszkania we Wrocławiu w krótkim okresie Projekt prognostyczny ElŜbieta Bulak Piotr Olszewski Michał Tomanek Tomasz Witka IV ZI gr. 13. Wrocław 2007 I. Sformułowanie zadania

Bardziej szczegółowo

Wydatki [zł] Wydatki 36,4 38, ,6 37,6 40, , ,5 33 Czas

Wydatki [zł] Wydatki 36,4 38, ,6 37,6 40, , ,5 33 Czas Wydatki [zł] Zestaw zadań z Zastosowania metod progn. Zadanie 1 Dany jest następujący szereg czasowy: t 1 2 3 4 5 6 7 8 y t 11 14 13 18 17 25 26 28 Dokonaj jego dekompozycji na podstawowe składowe. Wykonaj

Bardziej szczegółowo

KONCEPCJA SPOSOBU PROGNOZOWANIA CEN PSZENICY W POLSCE IDEA OF FORECASTING THE PRICE OF WHEAT IN POLAND. Wstęp

KONCEPCJA SPOSOBU PROGNOZOWANIA CEN PSZENICY W POLSCE IDEA OF FORECASTING THE PRICE OF WHEAT IN POLAND. Wstęp STOWARZYSZENIE EKONOMISTÓW Koncepcja sposobu ROLNICTWA prognozowania I AGROBIZNESU cen pszenicy w Polsce Roczniki Naukowe tom XVI zeszyt 5 79 Kamil Jodź, Agnieszka Mruklik Uniwersytet Przyrodniczy we Wrocławiu

Bardziej szczegółowo

23 Zagadnienia - Prognozowanie i symulacje

23 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 szczegółowo

Po co w ogóle prognozujemy?

Po 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 szczegółowo

METODA PROGNOZOWANIA RYNKU PRACY Z WYKORZYSTANIEM WSKAŹNIKÓW WYPRZEDZAJĄCYCH

METODA PROGNOZOWANIA RYNKU PRACY Z WYKORZYSTANIEM WSKAŹNIKÓW WYPRZEDZAJĄCYCH BAROMETR REGIONALNY 57 METODA PROGNOZOWANIA RYNKU PRACY Z WYKORZYSTANIEM WSKAŹNIKÓW WYPRZEDZAJĄCYCH Jarosław Bielak Wyższa Szkoła Zarządzania i Administracji w Zamościu Wstęp Celem niniejszego opracowania

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

Arkadiusz Manikowski Zbigniew Tarapata. Prognozowanie i symulacja rozwoju przedsiębiorstw

Arkadiusz 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 szczegółowo

Ekonometria. Modelowanie zmiennej jakościowej. Jakub Mućk. Katedra Ekonomii Ilościowej

Ekonometria. Modelowanie zmiennej jakościowej. Jakub Mućk. Katedra Ekonomii Ilościowej Ekonometria Modelowanie zmiennej jakościowej Jakub Mućk Katedra Ekonomii Ilościowej Jakub Mućk Ekonometria Ćwiczenia 8 Zmienna jakościowa 1 / 25 Zmienna jakościowa Zmienna ilościowa może zostać zmierzona

Bardziej szczegółowo

Indeksy dynamiki (o stałej i zmiennej podstawie)

Indeksy dynamiki (o stałej i zmiennej podstawie) Indeksy dynamiki (o stałej i zmiennej podstawie) Proste indeksy dynamiki określają tempo zmian pojedynczego szeregu czasowego. Wyodrębnia się dwa podstawowe typy indeksów: indeksy o stałej podstawie; indeksy

Bardziej szczegółowo

Recenzenci dr inż. Stanisław Gędek, UP w Lublinie dr Rafał Kusy, WSFiZ w Warszawie. Korekta Barbara Walkiewicz. Redakcja techniczna Leszek Ślipski

Recenzenci dr inż. Stanisław Gędek, UP w Lublinie dr Rafał Kusy, WSFiZ w Warszawie. Korekta Barbara Walkiewicz. Redakcja techniczna Leszek Ślipski Pracę zrealizowano w ramach tematu Rozwój i aplikacja zaawansowanych metod analitycznych do ewolucji ex-ante i ex-post efektów zmian we Wspólnej Polityce Rolnej i w uwarunkowaniach makroekonomicznych w

Bardziej szczegółowo

Wiadomości ogólne o ekonometrii

Wiadomości 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 szczegółowo

A.Światkowski. Wroclaw University of Economics. Working paper

A.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 szczegółowo

WYKORZYSTANIE MODELI AUTOREGRESJI DO PROGNOZOWANIA SZEREGU CZASOWEGO ZWIĄZANEGO ZE SPRZEDAŻĄ ASORTYMENTU HUTNICZEGO

WYKORZYSTANIE MODELI AUTOREGRESJI DO PROGNOZOWANIA SZEREGU CZASOWEGO ZWIĄZANEGO ZE SPRZEDAŻĄ ASORTYMENTU HUTNICZEGO 5/18 ARCHIWUM ODLEWNICTWA Rok 2006, Rocznik 6, Nr 18 (1/2) ARCHIVES OF FOUNDRY Year 2006, Volume 6, N o 18 (1/2) PAN Katowice PL ISSN 1642-5308 WYKORZYSTANIE MODELI AUTOREGRESJI DO PROGNOZOWANIA SZEREGU

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 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

Budowa sztucznych sieci neuronowych do prognozowania. Przykład jednostek uczestnictwa otwartego funduszu inwestycyjnego

Budowa 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 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

Analiza Zmian w czasie

Analiza 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 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

MRB TO KOMPENDIUM WIEDZY O AKTUALNEJ SYTUACJI GOSPODARCZEJ POLSKI I BRANŻY BUDOWLANEJ. A PONADTO NAJBARDZIEJ AKTUALNE, WIARYGODNE I RZETELNE PROGNOZY.

MRB TO KOMPENDIUM WIEDZY O AKTUALNEJ SYTUACJI GOSPODARCZEJ POLSKI I BRANŻY BUDOWLANEJ. A PONADTO NAJBARDZIEJ AKTUALNE, WIARYGODNE I RZETELNE PROGNOZY. MRB TO KOMPENDIUM WIEDZY O AKTUALNEJ SYTUACJI GOSPODARCZEJ POLSKI I BRANŻY BUDOWLANEJ. A PONADTO NAJBARDZIEJ AKTUALNE, WIARYGODNE I RZETELNE PROGNOZY. CHCESZ WIEDZIEĆ: JAK KSZTAŁTUJĄ SIĘ PROGNOZY NAJWAŻNIEJSZYCH

Bardziej szczegółowo

Prognozowanie liczby wybranych szkód ubezpieczeniowych w Polsce

Prognozowanie liczby wybranych szkód ubezpieczeniowych w Polsce The Wroclaw School of Banking Research Journal ISSN 1643-7772 I eissn 2392-1153 Vol. 15 I No. 5 Zeszyty Naukowe Wyższej Szkoły Bankowej we Wrocławiu ISSN 1643-7772 I eissn 2392-1153 R. 15 I Nr 5 Prognozowanie

Bardziej szczegółowo

Zmiany koniunktury w Polsce. Budownictwo na tle innych sektorów.

Zmiany koniunktury w Polsce. Budownictwo na tle innych sektorów. Elżbieta Adamowicz Instytut Rozwoju Gospodarczego Szkoła Główna Handlowa w Warszawie Zmiany koniunktury w Polsce. Budownictwo na tle innych sektorów. W badaniach koniunktury przedmiotem analizy są zmiany

Bardziej szczegółowo

PORÓWNANIE METOD TRAMO-SEATS I SIECI NEURONOWYCH WYKORZYSTYWANYCH DO PROGNOZOWANIA KRÓTKOOKRESOWEGO SZEREGÓW CZASOWYCH WSTĘP

PORÓWNANIE METOD TRAMO-SEATS I SIECI NEURONOWYCH WYKORZYSTYWANYCH DO PROGNOZOWANIA KRÓTKOOKRESOWEGO SZEREGÓW CZASOWYCH WSTĘP Tomasz Ząbkowski Katedra Ekonometrii i Informatyki, SGGW e-mail: tzabkowski@mors.sggw.waw.pl PORÓWNANIE METOD TRAMO-SEATS I SIECI NEURONOWYCH WYKORZYSTYWANYCH DO PROGNOZOWANIA KRÓTKOOKRESOWEGO SZEREGÓW

Bardziej szczegółowo

PROGNOZOWANIE. Ćwiczenia 2. mgr Dawid Doliński

PROGNOZOWANIE. Ćwiczenia 2. mgr Dawid Doliński Ćwiczenia 2 mgr Dawid Doliński Modele szeregów czasowych sały poziom rend sezonowość Y Y Y Czas Czas Czas Modele naiwny Modele średniej arymeycznej Model Browna Modele ARMA Model Hola Modele analiyczne

Bardziej szczegółowo

Propozycja modelu prognostycznego dla wartości jednostek rozrachunkowych OFE. 1. Wstęp

Propozycja modelu prognostycznego dla wartości jednostek rozrachunkowych OFE. 1. Wstęp 1 Sugerowany przypis: Chybalski F., Propozycja modelu prognostycznego dla wartości jednostek rozrachunkowych OFE, Przegląd Statystyczny, nr 3/2006, Dom Wydawniczy Elipsa, Warszawa 2006, s. 73-82 Propozycja

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

Teoretyczne podstawy analizy indeksowej klasyfikacja indeksów, konstrukcja, zastosowanie

Teoretyczne 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 szczegółowo

Wykorzystanie modeli autoregresji i średniej ruchomej w prognozowaniu wielkości popytu niezależnego

Wykorzystanie modeli autoregresji i średniej ruchomej w prognozowaniu wielkości popytu niezależnego GRZESICA Dariusz 1 WIĘCEK Paweł 2 Wykorzystanie modeli autoregresji i średniej ruchomej w prognozowaniu wielkości popytu niezależnego 1. Wstęp Dostępne rozwiązania w zakresie prognozowania przyszłych wielkości

Bardziej szczegółowo

Analiza rynku gazu ziemnego w Polsce w latach i prognozy na lata

Analiza rynku gazu ziemnego w Polsce w latach i prognozy na lata NAFTA-GAZ listopad 2010 ROK LXVI Piotr Kosowski, Jerzy Stopa, Stanisław Rychlicki Akademia Górniczo-Hutnicza w Krakowie Analiza rynku gazu ziemnego w Polsce w latach 2003 2009 i prognozy na lata 2010 2012

Bardziej szczegółowo

Prognozowanie krótkoterminowe w procesie planowania zasobów

Prognozowanie krótkoterminowe w procesie planowania zasobów Analiza danych Data mining Sterowanie jakością Analityka przez Internet Prognozowanie krótkoterminowe w procesie planowania zasobów Marzena Imiłkowski,, GE Money Bank Andrzej Sokołowski, StatSoft Polska

Bardziej szczegółowo

Ocena działalności przedsiębiorstwa z zastosowaniem wybranych metod ilościowych

Ocena działalności przedsiębiorstwa z zastosowaniem wybranych metod ilościowych Grażyna Karmowska Zakład Analizy Systemowej Akademia Rolnicza w Szczecinie Ocena działalności przedsiębiorstwa z zastosowaniem wybranych metod ilościowych Wstęp Jednym z podstawowych sposobów oceny podejmowanych

Bardziej szczegółowo

Modele ARIMA w prognozowaniu cen wyrobów hutniczych

Modele ARIMA w prognozowaniu cen wyrobów hutniczych Bogdan Rębiasz Akademia Górniczo-Hutnicza, Wydział Zarządzania Modele ARIMA w prognozowaniu cen wyrobów hutniczych Decyzje dotyczące działalności gospodarczej przedsiębiorstwa moŝna zdecydowanie poprawić,

Bardziej szczegółowo

MODELE ARIMA W PROGNOZOWANIU SPRZEDAŻY***

MODELE ARIMA W PROGNOZOWANIU SPRZEDAŻY*** ZAGADNIENIA TECHNICZNO-EKONOMICZNE Tom 48 Zeszyt 3 2003 Joanna Chrabołowska*, Joanicjusz Nazarko** MODELE ARIMA W PROGNOZOWANIU SPRZEDAŻY*** W artykule przedstawiono metodykę budowy modeli ARIMA oraz ich

Bardziej szczegółowo

Wprowadzenie do analizy korelacji i regresji

Wprowadzenie do analizy korelacji i regresji Statystyka dla jakości produktów i usług Six sigma i inne strategie Wprowadzenie do analizy korelacji i regresji StatSoft Polska Wybrane zagadnienia analizy korelacji Przy analizie zjawisk i procesów stanowiących

Bardziej szczegółowo

Zmiany cen i marŝ cenowych na poszczególnych poziomach podstawowych rynków w rolnych. dr hab. Jadwiga Seremak-Bulge dr hab.

Zmiany cen i marŝ cenowych na poszczególnych poziomach podstawowych rynków w rolnych. dr hab. Jadwiga Seremak-Bulge dr hab. Zmiany cen i marŝ cenowych na poszczególnych poziomach podstawowych rynków w rolnych dr hab. Jadwiga Seremak-Bulge dr hab. Jerzy Rembeza Teoretyczne przesłanki Cenowa teoria marŝ Cena detaliczna = cena

Bardziej szczegółowo

Analiza Szeregów Czasowych

Analiza Szeregów Czasowych Analiza Szeregów Czasowych Plan 1. Uwagi wstępne (szeregi, przykłady, prognozowanie, ) 2. Cel analizy szeregów czasowych 3. Struktura szeregów czasowych (trend/składowa stała, wahania sezonowe, wahania

Bardziej szczegółowo

WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI REGRESJA LINIOWA

WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI REGRESJA LINIOWA WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI REGRESJA LINIOWA Powtórka Powtórki Kowiariancja cov xy lub c xy - kierunek zależności Współczynnik korelacji liniowej Pearsona r siła liniowej zależności Istotność

Bardziej szczegółowo

Raport to : bogaty zasób wiedzy o mijającym roku 2012 oraz o perspektywie najbliższych lat w branży budowlanej, szczegółowa i dogłębna analiza

Raport to : bogaty zasób wiedzy o mijającym roku 2012 oraz o perspektywie najbliższych lat w branży budowlanej, szczegółowa i dogłębna analiza Raport to : bogaty zasób wiedzy o mijającym roku 2012 oraz o perspektywie najbliższych lat w branży budowlanej, szczegółowa i dogłębna analiza wskaźników makroekonomicznych wraz z prognozami stanowiąca

Bardziej szczegółowo

Statystyka od podstaw z systemem SAS Dr hab. E. Frątczak, ZAHZiAW, ISiD, KAE. Część VII. Analiza szeregu czasowego

Statystyka od podstaw z systemem SAS Dr hab. E. Frątczak, ZAHZiAW, ISiD, KAE. Część VII. Analiza szeregu czasowego Część VII. Analiza szeregu czasowego 1 DEFINICJA SZEREGU CZASOWEGO Szeregiem czasowym nazywamy zbiór warości cechy w uporządkowanych chronologicznie różnych momenach (okresach) czasu. Oznaczając przez

Bardziej szczegółowo

OGŁOSZENIE O ZAMÓWIENIU nr 1/2013 (POWYŻEJ 14 tys. EURO)

OGŁOSZENIE O ZAMÓWIENIU nr 1/2013 (POWYŻEJ 14 tys. EURO) Łódź, dn. 23.12.2013r. OGŁOSZENIE O ZAMÓWIENIU nr 1/2013 (POWYŻEJ 14 tys. EURO) 1. Zamawiający Firma i adres: PL Europa S.A. NIP: 725-195-02-28 Regon: 100381252 2. Tryb udzielenia zamówienia Zgodnie z

Bardziej szczegółowo

SYLABUS. 4.Studia Kierunek studiów/specjalność Poziom kształcenia Forma studiów Ekonomia Studia pierwszego stopnia Studia stacjonarne i niestacjonarne

SYLABUS. 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 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

Próba oceny skutków potencjalnych zmian WPR na podstawie wyników w modelowania

Próba oceny skutków potencjalnych zmian WPR na podstawie wyników w modelowania Próba oceny skutków potencjalnych zmian WPR na podstawie wyników w modelowania Szczepan Figiel Pułtusk, 01.XII.2009 EKONOMICZNE I SPOŁECZNE UWARUNKOWANIA ROZWOJU POLSKIEJ GOSPODARKI śywnościowej PO WSTĄPIENIU

Bardziej szczegółowo

Prognozowanie liczby pacjentów poradni ortopedycznej

Prognozowanie liczby pacjentów poradni ortopedycznej Zeszyty Naukowe Metody analizy danych Uniwersytet Ekonomiczny w Krakowie 876 Kraków 2011 Studia Doktoranckie Wydziału Zarządzania Prognozowanie liczby pacjentów poradni ortopedycznej 1. Wprowadzenie W

Bardziej szczegółowo

PROGNOZOWANIE RENTOWNOŚCI PRODUKCJI WĘGLA KAMIENNEGO Z WYKORZYSTANIEM MODELU KOMPUTEROWEGO

PROGNOZOWANIE RENTOWNOŚCI PRODUKCJI WĘGLA KAMIENNEGO Z WYKORZYSTANIEM MODELU KOMPUTEROWEGO PROGNOZOWANIE RENTOWNOŚCI PRODUKCJI WĘGLA KAMIENNEGO Z WYKORZYSTANIEM MODELU KOMPUTEROWEGO Jolanta BIJAŃSKA, Krzysztof WODARSKI Streszczenie: W artykule przedstawiono model komputerowy, który został opracowany

Bardziej szczegółowo

DRZEWA REGRESYJNE I LASY LOSOWE JAKO

DRZEWA REGRESYJNE I LASY LOSOWE JAKO DRZEWA REGRESYJNE I LASY LOSOWE JAKO NARZĘDZIA PREDYKCJI SZEREGÓW CZASOWYCH Z WAHANIAMI SEZONOWYMI Grzegorz Dudek Instytut Informatyki Wydział Elektryczny Politechnika Częstochowska www.gdudek.el.pcz.pl

Bardziej szczegółowo

Konkurencyjność gospodarki żywnościowej w warunkach globalizacji i integracji europejskiej

Konkurencyjność gospodarki żywnościowej w warunkach globalizacji i integracji europejskiej INSTYTUT EKONOMIKI! ROLNICTWA I GOSPODARKI ŻYWNOŚCIOWEJ PAŃSTWOWY INSTYTUT BADAWCZY Konkurencyjność gospodarki żywnościowej w warunkach globalizacji i integracji europejskiej Redakcja naukowa: prof. dr

Bardziej szczegółowo

ANALIZA CZYNNIKÓW WPŁYWAJĄCYCH NA SPRZEDAŻ I WSPOMAGANIE WYBORU STRATEGII DZIAŁAŃ MARKETINGOWYCH

ANALIZA 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 szczegółowo

RYNEK MIĘSA. Biuro Analiz i Programowania ARR Nr 28/2014. TENDENCJE CENOWE Ceny zakupu żywca

RYNEK MIĘSA. Biuro Analiz i Programowania ARR Nr 28/2014. TENDENCJE CENOWE Ceny zakupu żywca RYNEK MIĘSA TENDENCJE CENOWE Ceny zakupu żywca Cena Zmiana Towar bez VAT tyg. Wg ZSRIR (MRiRW) 07 13.07.2014 r. w skupie żywiec wieprzowy 5,47 żywiec wołowy 5,82 kurczęta typu brojler 3,84 indyki 5,91

Bardziej szczegółowo

Obecna i prognozowana sytuacja na rynku drobiu i jaj

Obecna i prognozowana sytuacja na rynku drobiu i jaj Departament Analiz Makroekonomicznych i Sektorowych Obecna i prognozowana sytuacja na rynku drobiu i jaj Michał Koleśnikow Mława, 5.06.2011 www.analizy.bgz.pl Konspekt prezentacji 1. Bieżący poziom cen

Bardziej szczegółowo

Wytyczne do projektów

Wytyczne do projektów Wytyczne do projektów Prognozowanie i symulacje wszystkie rodzaje studiów Politechnika Śląska Wydział Organizacji i Zarządzania w Zabrzu rok akademicki 2012/13 Wytyczne do projektów Prognozowanie i symulacje

Bardziej szczegółowo

Zastosowanie sztucznych sieci neuronowych w prognozowaniu szeregów czasowych (prezentacja 2)

Zastosowanie sztucznych sieci neuronowych w prognozowaniu szeregów czasowych (prezentacja 2) Zastosowanie sztucznych sieci neuronowych w prognozowaniu szeregów czasowych (prezentacja 2) Ewa Wołoszko Praca pisana pod kierunkiem Pani dr hab. Małgorzaty Doman Plan tego wystąpienia Teoria Narzędzia

Bardziej szczegółowo

Wykorzystanie metody TRAMO SEATS do modelowania tendencji rozwojowej sprzedaży refundowanej w aptekach ogólnodostępnych w Polsce

Wykorzystanie metody TRAMO SEATS do modelowania tendencji rozwojowej sprzedaży refundowanej w aptekach ogólnodostępnych w Polsce Aleksandra A. Olejarz-Wahba, Anna Rutkowska-Ziarko Wydział Nauk Ekonomicznych Uniwersytet Warmińsko-Mazurski w Olsztynie Wykorzystanie metody TRAMO SEATS do modelowania tendencji rozwojowej sprzedaży refundowanej

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

PROGNOZY! ANALIZA RYNKU PRZEMYSŁOWEGO NAJBARDZIEJ AKTUALNE TO KOMPENDIUM WIEDZY O AKTUALNEJ SYTUACJI GOSPODARCZEJ POLSKI I BRANŻY PRZEMYSŁOWEJ

PROGNOZY! ANALIZA RYNKU PRZEMYSŁOWEGO NAJBARDZIEJ AKTUALNE TO KOMPENDIUM WIEDZY O AKTUALNEJ SYTUACJI GOSPODARCZEJ POLSKI I BRANŻY PRZEMYSŁOWEJ ANALIZA RYNKU PRZEMYSŁOWEGO TO KOMPENDIUM WIEDZY O AKTUALNEJ SYTUACJI GOSPODARCZEJ POLSKI I BRANŻY PRZEMYSŁOWEJ A PONADTO NAJBARDZIEJ AKTUALNE PROGNOZY! CHCESZ WIEDZIEĆ: JAK WYGLĄDA SYTUACJA MAKROEKONOMICZNA

Bardziej szczegółowo

UE we Wrocławiu, WEZiT w Jeleniej Górze Katedra Ekonometrii i Informatyki

UE we Wrocławiu, WEZiT w Jeleniej Górze Katedra Ekonometrii i Informatyki UE, WEZiT w Jeleniej Górze Katedra Ekonometrii i Informatyki http://keii.ue.wroc.pl Prognozowanie procesów gospodarczych wykład ćwiczenia laboratorium prowadzący: dr inż. Tomasz Bartłomowicz konsultacje:

Bardziej szczegółowo

Wojny Coli - czyli siła reklamy na rynku oligopolicznym

Wojny Coli - czyli siła reklamy na rynku oligopolicznym Wojny Coli (Cola wars) - czyli siła reklamy na rynku oligopolicznym Maja Włoszczowska Promotor: Dr Rafał Weron Wydział Podstawowych Problemów Techniki Politechnika Wrocławska Wrocław, 26 stycznia 2008

Bardziej szczegółowo

Wykład 6. Badanie dynamiki zjawisk

Wykład 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 szczegółowo

czerwiec 2013 Uwaga: Przy rozwiązywaniu zadań, jeśli to konieczne, należy przyjąć poziom istotności 0,1 i współczynnik ufności 0,90

czerwiec 2013 Uwaga: Przy rozwiązywaniu zadań, jeśli to konieczne, należy przyjąć poziom istotności 0,1 i współczynnik ufności 0,90 Uwaga: Przy rozwiązywaniu zadań, jeśli to konieczne, należy przyjąć poziom istotności 0,1 i współczynnik ufności 0,90 czerwiec 2013 Zadanie 1 Poniższe tabele przestawiają dane dotyczące umieralności dzieci

Bardziej szczegółowo

RYNEK MIĘSA. Biuro Analiz i Programowania ARR Nr 47/2013

RYNEK MIĘSA. Biuro Analiz i Programowania ARR Nr 47/2013 RYNEK MIĘSA TENDENCJE CENOWE Ceny skupu żywca W dniach 25.11-01.12.2013 r. (według Zintegrowanego Systemu Rolniczej Informacji Rynkowej MRiRW) w Polsce za żywiec wieprzowy w skupie otrzymywano średnio

Bardziej szczegółowo

RYNEK MIĘSA. Biuro Analiz i Programowania ARR Nr 43/2013

RYNEK MIĘSA. Biuro Analiz i Programowania ARR Nr 43/2013 RYNEK MIĘSA TENDENCJE CENOWE W ostatnim tygodniu października 2013 r. w Polsce przeważały spadki cen skupu żywca i zbytu mięsa. Ceny skupu żywca Zgodnie z danymi Zintegrowanego Systemu Rolniczej Informacji

Bardziej szczegółowo

EKONOMETRYCZNE MODELE KURSÓW WALUTOWYCH

EKONOMETRYCZNE MODELE KURSÓW WALUTOWYCH Monografie i Opracowania 547 Ewa Marta Syczewska EKONOMETRYCZNE MODELE KURSÓW WALUTOWYCH Warszawa 2007 Szkoła Główna Handlowa w Warszawie Wprowadzenie 15 Przegląd funkcjonowania kursów walutowych... 15

Bardziej szczegółowo

Modelowanie ekonomiczne w zarządzaniu firmami Materiały do wykładu

Modelowanie ekonomiczne w zarządzaniu firmami Materiały do wykładu Modelowanie ekonomiczne w zarządzaniu firmami Materiały do wykładu Dr Adam Kucharski Spis treści 1 Podstawowe pojęcia statystyczne 2 1.1 Populacja i zbiorowość................................. 2 1.2 Badanie

Bardziej szczegółowo

Anna Szmit Wydział Organizacji i Zarządzania, Politechnika Łódzka

Anna Szmit Wydział Organizacji i Zarządzania, Politechnika Łódzka PROGNOZOWANIE ZAPOTRZEBOWANIA NA ENERGIĘ ELEKTRYCZNĄ. STUDIUM EMPIRYCZNE DLA REGIONU ŁÓDZKIEGO Anna Szmit Wydział Organizacji i Zarządzania, Politechnika Łódzka 1 WPROWADZENIE Prognozowanie należy do narzędzi,

Bardziej szczegółowo

RYNEK MIĘSA. Biuro Analiz i Programowania ARR Nr 42/2013

RYNEK MIĘSA. Biuro Analiz i Programowania ARR Nr 42/2013 RYNEK MIĘSA TENDENCJE CENOWE W przedostatnim tygodniu października br. w Polsce obniżyły się ceny skupu żywca i zbytu mięsa. Ceny skupu żywca W dniach 21-27.10.2013 r. (według danych Zintegrowanego Systemu

Bardziej szczegółowo

RYNEK MIĘSA. Biuro Analiz i Programowania ARR Nr 41/2013

RYNEK MIĘSA. Biuro Analiz i Programowania ARR Nr 41/2013 RYNEK MIĘSA TENDENCJE CENOWE Ceny skupu żywca Według danych Zintegrowanego Systemu Rolniczej Informacji Rynkowej MRiRW w dniach 14-20.10.2013 r. w Polsce żywiec wieprzowy skupowano średnio po 5,77. Było

Bardziej szczegółowo

Motto. Czy to nie zabawne, że ci sami ludzie, którzy śmieją się z science fiction, słuchają prognoz pogody oraz ekonomistów? (K.

Motto. Czy to nie zabawne, że ci sami ludzie, którzy śmieją się z science fiction, słuchają prognoz pogody oraz ekonomistów? (K. Motto Cz to nie zabawne, że ci sami ludzie, którz śmieją się z science fiction, słuchają prognoz pogod oraz ekonomistów? (K. Throop III) 1 Specfika szeregów czasowch Modele szeregów czasowch są alternatwą

Bardziej szczegółowo

Prognozowanie przyszłego popytu (sprzedaży) Dr Rafał Zbyrowski Wydział Zarządzania UW

Prognozowanie przyszłego popytu (sprzedaży) Dr Rafał Zbyrowski Wydział Zarządzania UW Prognozowanie przyszłego popytu (sprzedaży) Dr Rafał Zbyrowski Wydział Zarządzania UW Istota prognozowania Podczas gry na lodowisku jadę tam, dokąd krążek zmierza, a nie tam, gdzie jest Wayne Gretzky (www.brandcenter.pl)

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

ZAKRES TEMATYCZNY EGZAMINU LICENCJACKIEGO

ZAKRES TEMATYCZNY EGZAMINU LICENCJACKIEGO Wydział Nauk Ekonomicznych i Zarządzania Kierunek Analityka Gospodarcza Studia stacjonarne I stopnia ZAKRES TEMATYCZNY EGZAMINU LICENCJACKIEGO Zagadnienia ogólnoekonomiczne 1. Aktualna sytuacja na europejskim

Bardziej szczegółowo

Ł Ą ż ż Ę ż Ó Ł ź ż ż Ś ż Ę Ę Ś Ą ć ż Ź Ś Ę Ś ĄÓ Ę Ź ż Ń ć ć ć ć ż ć ć Ę Ś ż ż ć ć ć Ę ć ż Ć Ś ć ć Ś ć ć ż ż ż Ź Ś ż ć ć ć ć ć ć Ś ć Ę ż Ę ć Ó ć ć ć ć Ę ć ć ć Ę Ś ż ć Ę Ź ć Ę Ć Ź ż ż Ś Ę ź ć Ź ż ć Ą ć

Bardziej szczegółowo

Zasady budowania prognoz ekonometrycznych

Zasady budowania prognoz ekonometrycznych Zasad budowania prognoz ekonometrcznch Klasczne założenia teorii predkcji 1. Znajomość modelu kształtowania się zmiennej prognozowanej Znajomość postaci analitcznej wstępującch zależności międz zmiennmi

Bardziej szczegółowo

UE we Wrocławiu, WEZiT w Jeleniej Górze Katedra Ekonometrii i Informatyki

UE we Wrocławiu, WEZiT w Jeleniej Górze Katedra Ekonometrii i Informatyki UE we Wrocławiu, WEZiT w Jeleniej Górze Katedra Ekonometrii i Informatyki http://keii.ue.wroc.pl Prognozowanie procesów gospodarczych prowadzący: dr inż. Tomasz Bartłomowicz tomasz.bartlomowicz@ue.wroc.pl

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

Ocena realizacji celów RPO WP w roku 2008 za pomocą modelu HERMIN

Ocena realizacji celów RPO WP w roku 2008 za pomocą modelu HERMIN Ocena realizacji celów RPO WP w roku 2008 za pomocą modelu HERMIN dr Instytut Wiedzy i Innowacji 2 września 2009 r. Projekt finansowany ze środków Unii Europejskiej z Europejskiego Funduszu Rozwoju Regionalnego

Bardziej szczegółowo