PROGNOZOWANIE I SYMULACJE EXCEL 2 AUTOR: MARTYNA MALAK PROGNOZOWANIE I SYMULACJE EXCEL 2 AUTOR: MARTYNA MALAK

Save this PDF as:
 WORD  PNG  TXT  JPG

Wielkość: px
Rozpocząć pokaz od strony:

Download "PROGNOZOWANIE I SYMULACJE EXCEL 2 AUTOR: MARTYNA MALAK PROGNOZOWANIE I SYMULACJE EXCEL 2 AUTOR: MARTYNA MALAK"

Transkrypt

1 1 PROGNOZOWANIE I SYMULACJE

2 2 hp://www.oucome-seo.pl/excel2.xls

3 DODATEK SOLVER WERSJE EXCELA 5.0, 95, 97, 2000, 2002/XP i Dodaek Solver jes dosępny w menu Narzędzia. Jeżeli Solver nie jes dosępny w menu Narzędzia, należy kliknąć w ymże menu opcję Dodaki. Oworzy sie wedy okno, w kórym należy zaznaczyć opcję Dodaek Solver i kliknąć OK.

4 DODATEK SOLVER Sprawdzić czy w zakładce Dane znajduję się Solver 1. Kliknij przycisk Microsof Office, a nasępnie kliknij przycisk Opcje programu Excel. 2. Kliknij pozycję Dodaki, a nasępnie w polu Zarządzaj wybierz pozycję Dodaki programu Excel. 3. Kliknij przycisk Przejdź. 4. W polu Dosępne dodaki zaznacz pole wyboru Solver, a nasępnie kliknij przycisk OK. Porada: jeśli pozycja Solver nie jes wyświelana w polu Dosępne dodaki, kliknij przycisk Przeglądaj, aby odnaleźć en dodaek. Jeśli zosanie wyświelony moni informujący, że dodaek Solver nie zosał zainsalowany na kompuerze, kliknij przycisk Tak, aby go zainsalować. Po załadowaniu dodaku Solver polecenie Solver będzie dosępne w grupie Analiza na karcie Dane.

5 DODATEK SOLVER Kliknij karę Plik, a nasępnie kliknij pozycję Opcje. 2. Kliknij pozycję Dodaki, a nasępnie w polu Zarządzaj wybierz pozycję Dodaki programu Excel. 3. Kliknij pozycję Przejdź. 4. W polu Dosępne dodaki zaznacz pole wyboru Solver, a nasępnie kliknij przycisk OK. Porada Jeśli pozycja Solver nie jes wyświelana w polu Dosępne dodaki, należy kliknąć przycisk Przeglądaj, aby odnaleźć en dodaek. Jeśli zosanie wyświelony moni informujący, że dodaek Solver nie zosał zainsalowany na kompuerze, kliknij przycisk Tak, aby go zainsalować. 5. Po załadowaniu dodaku Solver polecenie Solver będzie dosępne w grupie Analiza na karcie Dane.

6 METODY PROGNOZOWANIA KRÓTKOTERMINOWEGO 6 sały poziom rend sezonowość Model naiwny, Modele średniej arymeycznej, Model Browna Model Hola Modele analiyczne Model wskaźników sezonowości Model Winersa

7 MODEL HOLTA 7 Model Hola opiera się na idei wyrównania wykładniczego. Model en jes bardziej elasyczny od modelu Browna, ponieważ uwzględnia rend i posiada dwa paramery. Model prognozy można zapisać nasępująco: y * F ( n) n S n > n F n - wygładzona warość zmiennej prognozowanej dla okresu n S n - przyros rendu na okres n n - liczba wyrazów szeregu czasowego

8 8 MODEL HOLTA Przy budowaniu modelu korzysamy z 2 równań model dwurównaniowy: równanie wygładzające część sałą szeregu równanie wygładzające przyros szeregu n n S n F y ) ( * 1 1 * S F y dla: > n oraz n = S F y F S F F S

9 MODEL HOLTA 9 α β paramery wygładzania 0,1 α - sała (paramer) wygładzająca część sałą szeregu, β - paramer określający siłę rendu (sała wygładzająca rend) α~ 0 sacjonarny, α ~ 1 duże wahania β ~ 0 słaby rend, β ~ 1 silny rend

10 MODEL HOLTA 10 Do budowy liniowego modelu wygładzania wykładniczego Hola porzebne są począkowe warości F i S czyli F 1 i S 1. Możliwości: F 1 = y 1, S 1 = y 2 y 1 F 1 = y 1, S 1 = 0 Przykład: F 1 - wyraz wolny, S 1 - współczynnik kierunkowy liniowej funkcji rendu oszacowanej na podsawie próbki wsępnej y 2 -y 1 = =151 Miesiąc Ilość jednosek paleowych [sz.] / y F S Prognoza y *

11 MODEL HOLTA - PRZYKŁAD 11 α= 0,8 β= 0,2 F S y F S F F 1 1 S 1 y * F 1 S 1 Miesiąc Ilość jednosek pale. y F S Prognoza y * ,8*1405+(1-0,8)*( )= = ,8*1595+(1-0,8)*( )= =1587, ,8*1846+(1-0,8)*(1587,2+157,24)= =1825,69 0,2*( )+(1-0,2)*151= =151 0,2*(1587,2-1405)+(1-0,2)*151= 157,24 0,2*(1825, ,2)+(1-0,2)*157,24= =173, = = = = ,2+157,2 4=1744, ,69+173, 49=1999,18

12 ZADANIE 1 12 Miesiąc Ilość jednosek paleowych [sz.] Ilość przeransporowanych jednosek paleowych [sz.] przez przedsiębiorswo XYZ realizujące usługi ransporowo-spedycyjne w poszczególnych miesiącach 2011 roku wynosi: Zbuduj model prognosyczny oraz wyznacz prognozę dla przedsiębiorswa XYZ na syczeń oraz luy 2012 roku korzysając z: 1) modelu Hola (przyjmij F 1 = y 1, S 1 = y 2 y 1 ) 2) modelu funkcji liniowej, 3) modelu funkcji wykładniczej, 4) model funkcji poęgowej, 5) model funkcji logarymicznej.

13 ZADANIE ) Zbuduj model prognosyczny oraz wyznacz prognozę dla przedsiębiorswa XYZ na syczeń oraz luy 2012 roku korzysając z modelu Hola. Przyjmij: F 1 = y 1, S 1 = y 2 y 1 Miesiąc Ilość jednosek paleowych [sz.]

14 MODELE ANALITYCZNE 14 Modele analiyczne należą do klasy modeli ekonomerycznych, w kórych zmienną objaśniającą jes czas. Określenie funkcji rendu meodą analiyczną polega na znalezieniu funkcji f (), opymalnie pasującej do wyrazów szeregu czasowego zmiennej prognozowanej. Do oceny dopasowania modelu do danych empirycznych używa się na ogół współczynnika deerminacji R 2. Modele analiyczne o: Funkcja liniowa Funkcja wykładnicza Funkcja poęgowa Funkcja logarymiczna Funkcja wielomianowa

15 FUNKCJA LINIOWA 15 Najczęściej spoykaną posacią funkcji rendu jes funkcja liniowa. Reprezenuje ona sały kierunek rozwoju danego zjawiska, wyznaczony przez współczynnik kierunkowy prosej. Paramer en jes współczynnikiem sałego przyrosu warości zmiennej prognozowanej w ciągu jednoski czasu. y gdzie: kolejna jednoska czasu, α, β esymowane paramery 50 Y czas

16 ZADANIE ) Zbuduj model prognosyczny oraz wyznacz prognozę dla przedsiębiorswa XYZ na syczeń oraz luy 2012 roku korzysając z modelu funkcji liniowej. Miesiąc Ilość jednosek paleowych [sz.]

17 FUNKCJA WYKŁADNICZA 17 Nie zawsze sosowanie liniowych funkcji rendu jes uzasadnione. Czasem należy zasosować funkcje o rosnących przyrosach, np.: funkcję wykładniczą lub funkcję poęgową. y e, 0 Y y, gdzie: kolejna jednoska czasu, α, β esymowane paramer, e liczba Euler a e ~ 2, cz

18 ZADANIE ) Zbuduj model prognosyczny oraz wyznacz prognozę dla przedsiębiorswa XYZ na syczeń oraz luy 2012 roku korzysając z modelu funkcji wykładniczej. Miesiąc Ilość jednosek paleowych [sz.]

19 FUNKCJA POTĘGOWA 19 W syuacjach, w kórych wzros warości zmiennej prognozowanej przebiega coraz wolniej i zdąża do pewnego poziomu, zasosowanie mogą znaleźć funkcje o malejących przyrosach, akie jak funkcja poęgowa, logarymiczna i wielomianowa. y, Y 40 gdzie: 30 kolejna jednoska czasu 20 α, β esymowane paramery czas

20 ZADANIE ) Zbuduj model prognosyczny oraz wyznacz prognozę dla przedsiębiorswa XYZ na syczeń oraz luy 2012 roku korzysając z model funkcji poęgowej. Miesiąc Ilość jednosek paleowych [sz.]

21 FUNKCJA LOGARYTMICZNA 21 y ln, 0 gdzie: kolejna jednoska czasu α, β esymowane paramery ln logarym nauralny 50 Y czas

22 ZADANIE ) Zbuduj model prognosyczny oraz wyznacz prognozę dla przedsiębiorswa XYZ na syczeń oraz luy 2012 roku korzysając z model funkcji logarymicznej. Miesiąc Ilość jednosek paleowych [sz.]

23 POZNAŃ UL. E. ESTKOWSKIEGO 6 Rekora el Dziekana el Księgowość el Kadry el fax DZIĘKUJEMY ZA UWAGĘ

PROGNOZOWANIE I SYMULACJE EXCEL 2 PROGNOZOWANIE I SYMULACJE EXCEL AUTOR: ŻANETA PRUSKA

PROGNOZOWANIE I SYMULACJE EXCEL 2 PROGNOZOWANIE I SYMULACJE EXCEL AUTOR: ŻANETA PRUSKA 1 PROGNOZOWANIE I SYMULACJE EXCEL 2 AUTOR: mgr inż. ŻANETA PRUSKA DODATEK SOLVER 2 Sprawdzić czy w zakładce Dane znajduję się Solver 1. Kliknij przycisk Microsof Office, a nasępnie kliknij przycisk Opcje

Bardziej szczegółowo

ANALIZA, PROGNOZOWANIE I SYMULACJA / Ćwiczenia 1

ANALIZA, PROGNOZOWANIE I SYMULACJA / Ćwiczenia 1 ANALIZA, PROGNOZOWANIE I SYMULACJA / Ćwiczenia 1 mgr inż. Żanea Pruska Maeriał opracowany na podsawie lieraury przedmiou. Zadanie 1 Firma Alfa jes jednym z głównych dosawców firmy Bea. Ilość produku X,

Bardziej szczegółowo

PROGNOZOWANIE I SYMULACJE. mgr Żaneta Pruska. Ćwiczenia 2 Zadanie 1

PROGNOZOWANIE I SYMULACJE. mgr Żaneta Pruska. Ćwiczenia 2 Zadanie 1 PROGNOZOWANIE I SYMULACJE mgr Żanea Pruska Ćwiczenia 2 Zadanie 1 Firma Alfa jes jednym z głównych dosawców firmy Bea. Ilość produku X, wyrażona w ysiącach wyprodukowanych i dosarczonych szuk firmie Bea,

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

ANALIZA, PROGNOZOWANIE I SYMULACJA EXCEL AUTOR: MARTYNA KUPCZYK ANALIZA, PROGNOZOWANIE I SYMULACJA EXCEL AUTOR: MARTYNA KUPCZYK

ANALIZA, PROGNOZOWANIE I SYMULACJA EXCEL AUTOR: MARTYNA KUPCZYK ANALIZA, PROGNOZOWANIE I SYMULACJA EXCEL AUTOR: MARTYNA KUPCZYK 1 ANALIZA, PROGNOZOWANIE I SYMULACJA 2 POBRAĆ Z INTERNETU Plaforma WSL on-line Nazwisko prowadzącego Maryna Kupczyk Folder z nazwą przedmiou - Analiza, prognozowanie i symulacja Plik o nazwie Baza do ćwiczeń

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

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

Metody prognozowania: Szeregi czasowe. Dr inż. Sebastian Skoczypiec. ver Co to jest szereg czasowy?

Metody prognozowania: Szeregi czasowe. Dr inż. Sebastian Skoczypiec. ver Co to jest szereg czasowy? Meody prognozowania: Szeregi czasowe Dr inż. Sebasian Skoczypiec ver. 11.20.2009 Co o jes szereg czasowy? Szereg czasowy: uporządkowany zbiór warości badanej cechy lub warości określonego zjawiska, zaobserwowanych

Bardziej szczegółowo

Politechnika Częstochowska Wydział Inżynierii Mechanicznej i Informatyki. Sprawozdanie #2 z przedmiotu: Prognozowanie w systemach multimedialnych

Politechnika Częstochowska Wydział Inżynierii Mechanicznej i Informatyki. Sprawozdanie #2 z przedmiotu: Prognozowanie w systemach multimedialnych Poliechnika Częsochowska Wydział Inżynierii Mechanicznej i Informayki Sprawozdanie #2 z przedmiou: Prognozowanie w sysemach mulimedialnych Andrzej Siwczyński Andrzej Rezler Informayka Rok V, Grupa IO II

Bardziej szczegółowo

PROGNOZOWANIE. Ćwiczenia 3. mgr Dawid Doliński

PROGNOZOWANIE. Ćwiczenia 3. mgr Dawid Doliński Ćwiczenia 3 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

Prognozowanie i symulacje

Prognozowanie i symulacje Prognozowanie i smulacje Lepiej znać prawdę niedokładnie, niż dokładnie się mlić. J. M. Kenes dr Iwona Kowalska ikowalska@wz.uw.edu.pl Prognozowanie meod naiwne i średnie ruchome Meod naiwne poziom bez

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

E k o n o m e t r i a S t r o n a 1. Nieliniowy model ekonometryczny

E k o n o m e t r i a S t r o n a 1. Nieliniowy model ekonometryczny E k o n o m e r i a S r o n a Nieliniowy model ekonomeryczny Jednorównaniowy model ekonomeryczny ma posać = f( X, X,, X k, ε ) gdzie: zmienna objaśniana, X, X,, X k zmienne objaśniające, ε - składnik losowy,

Bardziej szczegółowo

PROGNOZOWANIE W ZARZĄDZANIU PRZEDSIĘBIORSTWEM

PROGNOZOWANIE W ZARZĄDZANIU PRZEDSIĘBIORSTWEM PROGNOZOWANIE W ZARZĄDZANIU PRZEDSIĘBIORSTWEM prof. dr hab. Paweł Dimann 1 Znaczenie prognoz w zarządzaniu firmą Zarządzanie firmą jes nieusannym procesem podejmowania decyzji, kóry może być zdefiniowany

Bardziej szczegółowo

( 3 ) Kondensator o pojemności C naładowany do różnicy potencjałów U posiada ładunek: q = C U. ( 4 ) Eliminując U z równania (3) i (4) otrzymamy: =

( 3 ) Kondensator o pojemności C naładowany do różnicy potencjałów U posiada ładunek: q = C U. ( 4 ) Eliminując U z równania (3) i (4) otrzymamy: = ROZŁADOWANIE KONDENSATORA I. el ćwiczenia: wyznaczenie zależności napięcia (i/lub prądu I ) rozładowania kondensaora w funkcji czasu : = (), wyznaczanie sałej czasowej τ =. II. Przyrządy: III. Lieraura:

Bardziej szczegółowo

ĆWICZENIE 4 Badanie stanów nieustalonych w obwodach RL, RC i RLC przy wymuszeniu stałym

ĆWICZENIE 4 Badanie stanów nieustalonych w obwodach RL, RC i RLC przy wymuszeniu stałym ĆWIZENIE 4 Badanie sanów nieusalonych w obwodach, i przy wymuszeniu sałym. el ćwiczenia Zapoznanie się z rozpływem prądów, rozkładem w sanach nieusalonych w obwodach szeregowych, i Zapoznanie się ze sposobami

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

Prognozowanie średniego miesięcznego kursu kupna USD

Prognozowanie średniego miesięcznego kursu kupna USD Prognozowanie średniego miesięcznego kursu kupna USD Kaarzyna Halicka Poliechnika Białosocka, Wydział Zarządzania, Kaedra Informayki Gospodarczej i Logisyki, e-mail: k.halicka@pb.edu.pl Jusyna Godlewska

Bardziej szczegółowo

WYKORZYSTANIE STATISTICA DATA MINER DO PROGNOZOWANIA W KRAJOWYM DEPOZYCIE PAPIERÓW WARTOŚCIOWYCH

WYKORZYSTANIE STATISTICA DATA MINER DO PROGNOZOWANIA W KRAJOWYM DEPOZYCIE PAPIERÓW WARTOŚCIOWYCH SaSof Polska, el. 12 428 43 00, 601 41 41 51, info@sasof.pl, www.sasof.pl WYKORZYSTANIE STATISTICA DATA MINER DO PROGNOZOWANIA W KRAJOWYM DEPOZYCIE PAPIERÓW WARTOŚCIOWYCH Joanna Maych, Krajowy Depozy Papierów

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

Wykład 6. Badanie dynamiki zjawisk

Wykład 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 szczegółowo

licencjat Pytania teoretyczne:

licencjat Pytania teoretyczne: Plan wykładu: 1. Wiadomości ogólne. 2. Model ekonomeryczny i jego elemeny 3. Meody doboru zmiennych do modelu ekonomerycznego. 4. Szacownie paramerów srukuralnych MNK. Weryfikacja modelu KMNK 6. Prognozowanie

Bardziej szczegółowo

Cechy szeregów czasowych

Cechy szeregów czasowych energecznch Cech szeregów czasowch Rozdział Modelowanie szeregów czasowch 7 proces deerminisczn proces kórego warość może bć preczjnie określona w dowolnm czasie =T+τ = a +b T T+τ czas = sin(ω) T T+τ czas

Bardziej szczegółowo

ZASTOSOWANIE WYBRANYCH MODELI ADAPTACYJNYCH W PROGNOZOWANIU BRAKUJĄCYCH DANYCH W SZEREGACH ZE ZŁOŻONĄ SEZONOWOŚCIĄ DLA LUK NIESYSTEMATYCZNYCH

ZASTOSOWANIE WYBRANYCH MODELI ADAPTACYJNYCH W PROGNOZOWANIU BRAKUJĄCYCH DANYCH W SZEREGACH ZE ZŁOŻONĄ SEZONOWOŚCIĄ DLA LUK NIESYSTEMATYCZNYCH METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH Tom XV/4, 214, sr. 181 194 ZASTOSOWANIE WYBRANYCH MODELI ADAPTACYJNYCH W PROGNOZOWANIU BRAKUJĄCYCH DANYCH W SZEREGACH ZE ZŁOŻONĄ SEZONOWOŚCIĄ DLA LUK NIESYSTEMATYCZNYCH

Bardziej szczegółowo

PROGNOZOWANIE ZUŻYCIA CIEPŁEJ I ZIMNEJ WODY W SPÓŁDZIELCZYCH ZASOBACH MIESZKANIOWYCH

PROGNOZOWANIE ZUŻYCIA CIEPŁEJ I ZIMNEJ WODY W SPÓŁDZIELCZYCH ZASOBACH MIESZKANIOWYCH STUDIA I PRACE WYDZIAŁU NAUK EKONOMICZNYCH I ZARZĄDZANIA NR 15 Barbara Baóg Iwona Foryś PROGNOZOWANIE ZUŻYCIA CIEPŁEJ I ZIMNEJ WODY W SPÓŁDZIELCZYCH ZASOBACH MIESZKANIOWYCH Wsęp Koszy dosarczenia wody

Bardziej szczegółowo

Analiza rynku projekt

Analiza rynku projekt Analiza rynku projek A. Układ projeku 1. Srona yułowa Tema Auor 2. Spis reści 3. Treść projeku 1 B. Treść projeku 1. Wsęp Po co? Na co? Dlaczego? Dlaczego robię badania? Jakimi meodami? Dla Kogo o jes

Bardziej szczegółowo

ĆWICZENIE 7 WYZNACZANIE LOGARYTMICZNEGO DEKREMENTU TŁUMIENIA ORAZ WSPÓŁCZYNNIKA OPORU OŚRODKA. Wprowadzenie

ĆWICZENIE 7 WYZNACZANIE LOGARYTMICZNEGO DEKREMENTU TŁUMIENIA ORAZ WSPÓŁCZYNNIKA OPORU OŚRODKA. Wprowadzenie ĆWICZENIE 7 WYZNACZIE LOGARYTMICZNEGO DEKREMENTU TŁUMIENIA ORAZ WSPÓŁCZYNNIKA OPORU OŚRODKA Wprowadzenie Ciało drgające w rzeczywisym ośrodku z upływem czasu zmniejsza ampliudę drgań maleje energia mechaniczna

Bardziej szczegółowo

EKONOMETRIA wykład 2. Prof. dr hab. Eugeniusz Gatnar.

EKONOMETRIA wykład 2. Prof. dr hab. Eugeniusz Gatnar. EKONOMERIA wykład Prof. dr hab. Eugeniusz Ganar eganar@mail.wz.uw.edu.pl Przedziały ufności Dla paramerów srukuralnych modelu: P bˆ j S( bˆ z prawdopodobieńswem parameru b bˆ S( bˆ, ( m j j j, ( m j b

Bardziej szczegółowo

ĆWICZENIE NR 43 U R I (1)

ĆWICZENIE NR 43 U R I (1) ĆWCZENE N 43 POMY OPO METODĄ TECHNCZNĄ Cel ćwiczenia: wyznaczenie warości oporu oporników poprzez pomiary naężania prądu płynącego przez opornik oraz napięcia na oporniku Wsęp W celu wyznaczenia warości

Bardziej szczegółowo

maj 2014 Politechnika Gdańska Wydział Oceanotechniki i Okrętownictwa St. II stop., sem. I

maj 2014 Politechnika Gdańska Wydział Oceanotechniki i Okrętownictwa St. II stop., sem. I Politechnika Gdańska Wydział Oceanotechniki i Okrętownictwa St. II stop., sem. I Podstawy teorii optymalizacji Wykład 12 M. H. Ghaemi maj 2014 Podstawy teorii optymalizacji Oceanotechnika, II stop., sem.

Bardziej szczegółowo

Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania. Podstawy Automatyki

Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania. Podstawy Automatyki Poliechnika Gdańska Wydział Elekroechniki i Auomayki Kaedra Inżynierii Sysemów Serowania Podsawy Auomayki Repeyorium z Podsaw auomayki Zadania do ćwiczeń ermin T15 Opracowanie: Kazimierz Duzinkiewicz,

Bardziej szczegółowo

SZACOWANIE MODELU RYNKOWEGO CYKLU ŻYCIA PRODUKTU

SZACOWANIE MODELU RYNKOWEGO CYKLU ŻYCIA PRODUKTU B A D A N I A O P E R A C J N E I D E C Z J E Nr 2 2006 Bogusław GUZIK* SZACOWANIE MODELU RNKOWEGO CKLU ŻCIA PRODUKTU Przedsawiono zasadnicze podejścia do saysycznego szacowania modelu rynkowego cyklu

Bardziej szczegółowo

Kombinowanie prognoz. - dlaczego należy kombinować prognozy? - obejmowanie prognoz. - podstawowe metody kombinowania prognoz

Kombinowanie prognoz. - dlaczego należy kombinować prognozy? - obejmowanie prognoz. - podstawowe metody kombinowania prognoz Noaki do wykładu 005 Kombinowanie prognoz - dlaczego należy kombinować prognozy? - obejmowanie prognoz - podsawowe meody kombinowania prognoz - przykłady kombinowania prognoz gospodarki polskiej - zalecenia

Bardziej szczegółowo

Analiza autokorelacji

Analiza 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 szczegółowo

WAHANIA NATĘśEŃ RUCHU DROGOWEGO NA SIECI DRÓG MIEJSKICH

WAHANIA NATĘśEŃ RUCHU DROGOWEGO NA SIECI DRÓG MIEJSKICH dr hab. inŝ. Kazimierz Kłosek Prof. nzw. Poliechniki Śląskiej, Kierownik Kaedry Dróg i Mosów dr inŝ. Anna Olma Wydział Budownicwa Poliechniki Śląskiej Gliwice, Polska WAHANIA NATĘśEŃ RUCHU DROGOWEGO NA

Bardziej szczegółowo

Analiza szeregów czasowych uwagi dodatkowe

Analiza szeregów czasowych uwagi dodatkowe Analiza szeregów czasowch uwagi dodakowe Jerz Sefanowski Poliechnika Poznańska Zaawansowana Eksploracja Danch Prognozowanie Wbór i konsrukcja modelu o dobrch własnościach predkcji przszłch warości zmiennej.

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

ANALIZA, PROGNOZOWANIE I SYMULACJA WARUNKI ZALICZENIA. AUTOR: mgr inż. MARTYNA KUPCZYK ANALIZA, PROGNOZOWANIE I SYMULACJA WARUNKI ZALICZENIA

ANALIZA, PROGNOZOWANIE I SYMULACJA WARUNKI ZALICZENIA. AUTOR: mgr inż. MARTYNA KUPCZYK ANALIZA, PROGNOZOWANIE I SYMULACJA WARUNKI ZALICZENIA 1 ANALIZA, PROGNOZOWANIE I SYMULACJA AUTOR: mgr inż. MARTYNA KUPCZYK DANE KONTAKTOWE 2 mgr inż. Martyna Kupczyk Katedra Systemów Logistycznych Pokój nr 115A (I piętro) e-mail: martyna.kupczyk@wsl.com.pl

Bardziej szczegółowo

Równania różniczkowe. Lista nr 2. Literatura: N.M. Matwiejew, Metody całkowania równań różniczkowych zwyczajnych.

Równania różniczkowe. Lista nr 2. Literatura: N.M. Matwiejew, Metody całkowania równań różniczkowych zwyczajnych. Równania różniczkowe. Lisa nr 2. Lieraura: N.M. Mawiejew, Meody całkowania równań różniczkowych zwyczajnych. W. Krysicki, L. Włodarski, Analiza Maemayczna w Zadaniach, część II 1. Znaleźć ogólną posać

Bardziej szczegółowo

Jacek Kwiatkowski Magdalena Osińska. Procesy zawierające stochastyczne pierwiastki jednostkowe identyfikacja i zastosowanie.

Jacek Kwiatkowski Magdalena Osińska. Procesy zawierające stochastyczne pierwiastki jednostkowe identyfikacja i zastosowanie. DYNAMICZNE MODELE EKONOMETRYCZNE Jacek Kwiakowski Magdalena Osińska Uniwersye Mikołaja Kopernika Procesy zawierające sochasyczne pierwiaski jednoskowe idenyfikacja i zasosowanie.. Wsęp Większość lieraury

Bardziej szczegółowo

Niestacjonarne zmienne czasowe własności i testowanie

Niestacjonarne zmienne czasowe własności i testowanie Maeriał dla sudenów Niesacjonarne zmienne czasowe własności i esowanie (sudium przypadku) Nazwa przedmiou: ekonomeria finansowa I (22204), analiza szeregów czasowych i prognozowanie (13201); Kierunek sudiów:

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

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

Metody analizy i prognozowania szeregów czasowych

Metody analizy i prognozowania szeregów czasowych Meody analizy i prognozowania szeregów czasowych Wsęp 1. Modele szeregów czasowych 2. Modele ARMA i procedura Boxa-Jenkinsa 3. Modele rendów deerminisycznych i sochasycznych 4. Meody dekompozycji szeregów

Bardziej szczegółowo

Rozwiązywanie programów matematycznych

Rozwiązywanie programów matematycznych Rozwiązywanie programów matematycznych Program matematyczny składa się z następujących elementów: 1. Zmiennych decyzyjnych:,,, 2. Funkcji celu, funkcji-kryterium, która informuje o jakości rozwiązania

Bardziej szczegółowo

DYNAMICZNE MODELE EKONOMETRYCZNE

DYNAMICZNE MODELE EKONOMETRYCZNE DYNAMICZNE MODELE EKONOMETRYCZNE IX Ogólnopolskie Seminarium Naukowe, 6 8 września 005 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Pior Fiszeder Uniwersye Mikołaja Kopernika

Bardziej szczegółowo

Ćwiczenia 3 ( ) Współczynnik przyrostu naturalnego. Koncepcja ludności zastojowej i ustabilizowanej. Prawo Lotki.

Ćwiczenia 3 ( ) Współczynnik przyrostu naturalnego. Koncepcja ludności zastojowej i ustabilizowanej. Prawo Lotki. Ćwiczenia 3 (22.04.2013) Współczynnik przyrosu nauralnego. Koncepcja ludności zasojowej i usabilizowanej. Prawo Loki. Współczynnik przyrosu nauralnego r = U Z L gdzie: U - urodzenia w roku Z - zgony w

Bardziej szczegółowo

POMIARY CZĘSTOTLIWOŚCI I PRZESUNIĘCIA FAZOWEGO SYGNAŁÓW OKRESOWYCH

POMIARY CZĘSTOTLIWOŚCI I PRZESUNIĘCIA FAZOWEGO SYGNAŁÓW OKRESOWYCH Program ćwiczeń: Pomiary częsoliwości i przesunięcia fazowego sygnałów okresowych POMIARY CZĘSTOTLIWOŚCI I PRZESUNIĘCIA FAZOWEGO SYGNAŁÓW OKRESOWYCH Cel ćwiczenia Celem ćwiczenia jes poznanie: podsawowych

Bardziej szczegółowo

Zagadnienie 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 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 szczegółowo

Badanie funktorów logicznych TTL - ćwiczenie 1

Badanie funktorów logicznych TTL - ćwiczenie 1 adanie funkorów logicznych TTL - ćwiczenie 1 1. Cel ćwiczenia Zapoznanie się z podsawowymi srukurami funkorów logicznych realizowanych w echnice TTL (Transisor Transisor Logic), ich podsawowymi paramerami

Bardziej szczegółowo

METROLOGICZNE WŁASNOŚCI SYSTEMU BADAWCZEGO

METROLOGICZNE WŁASNOŚCI SYSTEMU BADAWCZEGO PROBLEY NIEONWENCJONALNYCH ŁADÓW ŁOŻYSOWYCH Łódź, 4 maja 999 r. Jadwiga Janowska, Waldemar Oleksiuk Insyu ikromechaniki i Fooniki, Poliechnika Warszawska ETROLOGICZNE WŁASNOŚCI SYSTE BADAWCZEGO SŁOWA LCZOWE:

Bardziej szczegółowo

ZESZYT DO ĆWICZEŃ Z BIOFIZYKI

ZESZYT DO ĆWICZEŃ Z BIOFIZYKI ZESZYT DO ĆWCZEŃ Z BOFZYK mię i nazwisko:. Kierunek:.. Regulamin zajęć dydakycznych z biofizyki znajduje się na sronie Zakładu Biofizyki www.umb.edu.pl/wl/zaklad-biofizyki/dydakyka/kierunki/raownicwo_medyczne/regulamin_zajec

Bardziej szczegółowo

A C T A U N I V E R S I T A T I S N I C O L A I C O P E R N I C I EKONOMIA XLIII nr 2 (2012)

A C T A U N I V E R S I T A T I S N I C O L A I C O P E R N I C I EKONOMIA XLIII nr 2 (2012) A C T A U N I V E R S I T A T I S N I C O L A I C O P E R N I C I EKONOMIA XLIII nr 2 (2012) 211 220 Pierwsza wersja złożona 25 października 2011 ISSN Końcowa wersja zaakcepowana 3 grudnia 2012 2080-0339

Bardziej szczegółowo

Krzysztof Piontek Weryfikacja modeli Blacka-Scholesa dla opcji na WIG20

Krzysztof Piontek Weryfikacja modeli Blacka-Scholesa dla opcji na WIG20 Akademia Ekonomiczna im. Oskara Langego we Wrocławiu Wydział Zarządzania i Informayki Kaedra Inwesycji Finansowych i Zarządzania Ryzykiem Krzyszof Pionek Weryfikacja modeli Blacka-Scholesa oraz AR-GARCH

Bardziej szczegółowo

Zagadnienia programowania liniowego dotyczą modelowania i optymalizacji wielu problemów decyzyjnych, na przykład:

Zagadnienia programowania liniowego dotyczą modelowania i optymalizacji wielu problemów decyzyjnych, na przykład: Programowanie liniowe. 1. Aktywacja polecenia Solver. Do narzędzia Solver można uzyskać dostęp za pomocą polecenia Dane/Analiza/Solver, bądź Narzędzia/Solver (dla Ex 2003). Jeżeli nie można go znaleźć,

Bardziej szczegółowo

Analiza popytu. Ekonometria. Metody i analiza problemów ekonomicznych. (pod red. Krzysztofa Jajugi), Wydawnictwo AE Wrocław, 1999.

Analiza popytu. Ekonometria. Metody i analiza problemów ekonomicznych. (pod red. Krzysztofa Jajugi), Wydawnictwo AE Wrocław, 1999. Analiza popyu Eonomeria. Meody i analiza problemów eonomicznych (pod red. Krzyszofa Jajugi) Wydawnicwo AE Wrocław 1999. Popy P = f ( X X... X ε ) 1 2 m Zmienne onrolowane: np.: cena (C) nałady na relamę

Bardziej szczegółowo

ROZWIĄZYWANIE UKŁADÓW RÓWNAŃ NIELINIOWYCH PRZY POMOCY DODATKU SOLVER PROGRAMU MICROSOFT EXCEL. sin x2 (1)

ROZWIĄZYWANIE UKŁADÓW RÓWNAŃ NIELINIOWYCH PRZY POMOCY DODATKU SOLVER PROGRAMU MICROSOFT EXCEL. sin x2 (1) ROZWIĄZYWANIE UKŁADÓW RÓWNAŃ NIELINIOWYCH PRZY POMOCY DODATKU SOLVER PROGRAMU MICROSOFT EXCEL 1. Problem Rozważmy układ dwóch równań z dwiema niewiadomymi (x 1, x 2 ): 1 x1 sin x2 x2 cos x1 (1) Nie jest

Bardziej szczegółowo

PROGRAMOWY GENERATOR PROCESÓW STOCHASTYCZNYCH LEVY EGO

PROGRAMOWY GENERATOR PROCESÓW STOCHASTYCZNYCH LEVY EGO POZNAN UNIVE RSITY OF TE CHNOLOGY ACADE MIC JOURNALS No 69 Elecrical Engineering 0 Janusz WALCZAK* Seweryn MAZURKIEWICZ* PROGRAMOWY GENERATOR PROCESÓW STOCHASTYCZNYCH LEVY EGO W arykule opisano meodę generacji

Bardziej szczegółowo

POMIAR PARAMETRÓW SYGNAŁOW NAPIĘCIOWYCH METODĄ PRÓKOWANIA I CYFROWEGO PRZETWARZANIA SYGNAŁU

POMIAR PARAMETRÓW SYGNAŁOW NAPIĘCIOWYCH METODĄ PRÓKOWANIA I CYFROWEGO PRZETWARZANIA SYGNAŁU Pomiar paramerów sygnałów napięciowych. POMIAR PARAMERÓW SYGNAŁOW NAPIĘCIOWYCH MEODĄ PRÓKOWANIA I CYFROWEGO PRZEWARZANIA SYGNAŁU Cel ćwiczenia Poznanie warunków prawidłowego wyznaczania elemenarnych paramerów

Bardziej szczegółowo

PROGNOZY I SYMULACJE

PROGNOZY I SYMULACJE orecasig is he ar of saig wha will happe, ad he explaiig wh i did. Ch. Chafield (986 PROGNOZY I YMULACJE Kaarza Chud Laskowska kosulacje: p. 400A środa -4 czwarek -4 sroa iereowa: hp://kc.sd.prz.edu.pl/

Bardziej szczegółowo

Dodatek Solver Teoria Dodatek Solver jest częścią zestawu poleceń czasami zwaną narzędziami analizy typu co-jśli (analiza typu co, jeśli?

Dodatek Solver Teoria Dodatek Solver jest częścią zestawu poleceń czasami zwaną narzędziami analizy typu co-jśli (analiza typu co, jeśli? Dodatek Solver Teoria Dodatek Solver jest częścią zestawu poleceń czasami zwaną narzędziami analizy typu co-jśli (analiza typu co, jeśli? : Proces zmieniania wartości w komórkach w celu sprawdzenia, jak

Bardziej szczegółowo

Wygładzanie metodą średnich ruchomych w procesach stałych

Wygładzanie metodą średnich ruchomych w procesach stałych Wgładzanie meodą średnich ruchomch w procesach sałch Cel ćwiczenia. Przgoowanie procedur Średniej Ruchomej (dla ruchomego okna danch); 2. apisanie procedur do obliczenia sandardowego błędu esmacji;. Wizualizacja

Bardziej szczegółowo

Ocena efektywności procedury Congruent Specyfication dla małych prób

Ocena efektywności procedury Congruent Specyfication dla małych prób 243 Zeszyy Naukowe Wyższej Szkoły Bankowej we Wrocławiu Nr 20/2011 Wyższa Szkoła Bankowa w Toruniu Ocena efekywności procedury Congruen Specyficaion dla małych prób Sreszczenie. Procedura specyfikacji

Bardziej szczegółowo

20. Wyznaczanie ciepła właściwego lodu c pl i ciepła topnienia lodu L

20. Wyznaczanie ciepła właściwego lodu c pl i ciepła topnienia lodu L 20. Wyznaczanie ciepła właściwego lodu c pl i ciepła opnienia lodu L I. Wprowadzenie 1. Ciepło właściwe lodu i ciepło opnienia lodu wyznaczymy meodą kalorymeryczną sporządzając odpowiedni bilans cieplny.

Bardziej szczegółowo

Instrukcja ustawienia autorespondera (odpowiedzi automatycznych) dla pracowników posiadających konto pocztowe Microsoft Outlook Exchange

Instrukcja ustawienia autorespondera (odpowiedzi automatycznych) dla pracowników posiadających konto pocztowe Microsoft Outlook Exchange Instrukcja ustawienia autorespondera (odpowiedzi automatycznych) dla pracowników posiadających konto pocztowe Microsoft Outlook Exchange UWAGA! Osoby nie posiadające konta pocztowego Microsoft Outlook

Bardziej szczegółowo

1. Sporządzić tabele z wynikami pomiarów oraz wyznaczonymi błędami pomiarów dotyczących przetwornika napięcia zgodnie z poniższym przykładem

1. Sporządzić tabele z wynikami pomiarów oraz wyznaczonymi błędami pomiarów dotyczących przetwornika napięcia zgodnie z poniższym przykładem 1 Sporządzić tabele z wynikami pomiarów oraz wyznaczonymi błędami pomiarów dotyczących przetwornika napięcia zgodnie z poniższym przykładem Znaczenie symboli: Tab 1 Wyniki i błędy pomiarów Lp X [mm] U

Bardziej szczegółowo

STATYSTYKA EKONOMICZNA w LOGISTYCE. Metody statystyczne w analizie procesów produkcji

STATYSTYKA EKONOMICZNA w LOGISTYCE. Metody statystyczne w analizie procesów produkcji SAYSYKA EKONOMICZNA w LOGISYCE Meody saysyczne w analizie procesów produkcji Pomiar poziomu produkcji Produkcja jes maerialnym efekem działalności przedsiębiorswa przemysłowego. Do produkcji zalicza się

Bardziej szczegółowo

Prognozowanie wska ników jako ciowych i ilo ciowych dla gospodarki polskiej z wykorzystaniem wybranych metod statystycznych

Prognozowanie wska ników jako ciowych i ilo ciowych dla gospodarki polskiej z wykorzystaniem wybranych metod statystycznych dr Anna Koz owska-grzybek mgr Marcin Kowalski Kaedra Mikroekonomii Akademia Ekonomiczna w Poznaniu Prognozowanie wska ników jako ciowych i ilo ciowych dla gospodarki polskiej z wykorzysaniem wybranych

Bardziej szczegółowo

DYNAMIKA KONSTRUKCJI

DYNAMIKA KONSTRUKCJI 10. DYNAMIKA KONSTRUKCJI 1 10. 10. DYNAMIKA KONSTRUKCJI 10.1. Wprowadzenie Ogólne równanie dynamiki zapisujemy w posaci: M d C d Kd =P (10.1) Zapis powyższy oznacza, że równanie musi być spełnione w każdej

Bardziej szczegółowo

Pomiar ryzyka odchylenia od benchmarku w warunkach zmiennej w czasie strategii inwestycyjnej OFE - kotynuacja. Wojciech Otto Uniwersytet Warszawski

Pomiar ryzyka odchylenia od benchmarku w warunkach zmiennej w czasie strategii inwestycyjnej OFE - kotynuacja. Wojciech Otto Uniwersytet Warszawski Pomiar ryzyka odchylenia od benchmarku w warunkach zmiennej w czasie sraegii inwesycyjnej OFE - koynuacja Wojciech Oo Uniwersye Warszawski Refera przygoowany na Ogólnopolską Konferencję Naukową Zagadnienia

Bardziej szczegółowo

ZASTOSOWANIE TEORII MASOWEJ OBSŁUGI DO MODELOWANIA SYSTEMÓW TRANSPORTOWYCH

ZASTOSOWANIE TEORII MASOWEJ OBSŁUGI DO MODELOWANIA SYSTEMÓW TRANSPORTOWYCH Pior KISIELEWSKI, Łukasz SOBOTA ZASTOSOWANIE TEORII MASOWEJ OBSŁUGI DO MODELOWANIA SYSTEMÓW TRANSPORTOWYCH W arykule przedsawiono zasosowanie eorii masowej obsługi do analizy i modelowania wybranych sysemów

Bardziej szczegółowo

Dendrochronologia Tworzenie chronologii

Dendrochronologia Tworzenie chronologii Dendrochronologia Dendrochronologia jes nauką wykorzysującą słoje przyrosu rocznego drzew do określania wieku (daowania) obieków drewnianych (budynki, przedmioy). Analizy różnych paramerów słojów przyrosu

Bardziej szczegółowo

Inwestycje. Makroekonomia II Dr hab. Joanna Siwińska-Gorzelak

Inwestycje. Makroekonomia II Dr hab. Joanna Siwińska-Gorzelak Inwesycje Makroekonomia II Dr hab. Joanna Siwińska-Gorzelak CIASTECZOWY ZAWRÓT GŁOWY o akcja mająca miejsce w najbliższą środę (30 lisopada) na naszym Wydziale. Wydarzenie o związane jes z rwającym od

Bardziej szczegółowo

I. KINEMATYKA I DYNAMIKA

I. KINEMATYKA I DYNAMIKA piagoras.d.pl I. KINEMATYKA I DYNAMIKA KINEMATYKA: Położenie ciała w przesrzeni można określić jedynie względem jakiegoś innego ciała lub układu ciał zwanego układem odniesienia. Ruch i spoczynek są względne

Bardziej szczegółowo

Analiza Statystyczna

Analiza Statystyczna Lekcja 5. Strona 1 z 12 Analiza Statystyczna Do analizy statystycznej wykorzystać można wbudowany w MS Excel pakiet Analysis Toolpak. Jest on instalowany w programie Excel jako pakiet dodatkowy. Oznacza

Bardziej szczegółowo

Spis treści ZASTOSOWANIE PAKIETU MATLAB W OBLICZENIACH ZAGADNIEŃ ELEKTRYCZNYCH I41

Spis treści ZASTOSOWANIE PAKIETU MATLAB W OBLICZENIACH ZAGADNIEŃ ELEKTRYCZNYCH I41 Ćwiczenie I4 Poliechnika Białosocka Wydział Elekryczny Kaedra Elekroechniki Teoreycznej i Merologii Spis reści Insrukcja do pracowni specjalisycznej INFORMTYK Kod zajęć ESC 9 Tyuł ćwiczenia ZSTOSOWNIE

Bardziej szczegółowo

Microsoft EXCEL SOLVER

Microsoft EXCEL SOLVER Microsoft EXCEL SOLVER 1. Programowanie liniowe z wykorzystaniem dodatku Microsoft Excel Solver Cele Po ukończeniu tego laboratorium słuchacze potrafią korzystając z dodatku Solver: formułować funkcję

Bardziej szczegółowo

Pobieranie próby. Rozkład χ 2

Pobieranie próby. Rozkład χ 2 Graficzne przedsawianie próby Hisogram Esymaory przykład Próby z rozkładów cząskowych Próby ze skończonej populacji Próby z rozkładu normalnego Rozkład χ Pobieranie próby. Rozkład χ Posać i własności Znaczenie

Bardziej szczegółowo

Rozładowanie kondensatora

Rozładowanie kondensatora Coach T-0 Rozładowanie kondensaora I. Cel ćwiczenia: wyznaczenie zależności napięcia na kondensaorze C podczas jego rozładowania w funkcji czasu : = (), wyznaczenie sałej czasowej τ =. II. Przyrządy: III.

Bardziej szczegółowo

Różnica bilansowa dla Operatorów Systemów Dystrybucyjnych na lata (którzy dokonali z dniem 1 lipca 2007 r. rozdzielenia działalności)

Różnica bilansowa dla Operatorów Systemów Dystrybucyjnych na lata (którzy dokonali z dniem 1 lipca 2007 r. rozdzielenia działalności) Różnica bilansowa dla Operaorów Sysemów Dysrybucyjnych na laa 2016-2020 (kórzy dokonali z dniem 1 lipca 2007 r. rozdzielenia działalności) Deparamen Rynków Energii Elekrycznej i Ciepła Warszawa 201 Spis

Bardziej szczegółowo

Finanse. cov. * i. 1. Premia za ryzyko. 2. Wskaźnik Treynora. 3. Wskaźnik Jensena

Finanse. cov. * i. 1. Premia za ryzyko. 2. Wskaźnik Treynora. 3. Wskaźnik Jensena Finanse 1. Premia za ryzyko PR r m r f. Wskaźnik Treynora T r r f 3. Wskaźnik Jensena r [ rf ( rm rf ] 4. Porfel o minimalnej wariancji (ile procen danej spółki powinno znaleźć się w porfelu w a w cov,

Bardziej szczegółowo

Projekcja wyników ekonomicznych produkcji mleka na 2020 rok. Seminarium, IERiGŻ-PIB, r. mgr Konrad Jabłoński

Projekcja wyników ekonomicznych produkcji mleka na 2020 rok. Seminarium, IERiGŻ-PIB, r. mgr Konrad Jabłoński Projekcja wyników ekonomicznych produkcji mleka na 2020 rok Seminarium, IERiGŻ-PIB, 02.09.2016 r. mgr Konrad Jabłoński Plan prezentacji 1. Cel badań 2. Metodyka badań 3. Projekcja wyników ekonomicznych

Bardziej szczegółowo

DYNAMICZNE MODELE EKONOMETRYCZNE

DYNAMICZNE MODELE EKONOMETRYCZNE DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólnopolskie Seminarium Naukowe, 4 6 września 2007 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Pior Fiszeder Uniwersye Mikołaja Kopernika

Bardziej szczegółowo

ZESTAW VI. ε, są składnikami losowymi. Oba modele są nieliniowe. Model (1) Y X Y = = Y X NIELINIOWE MODELE EKONOMETRYCZNE, FUNKCJA PRODUKCJI

ZESTAW VI. ε, są składnikami losowymi. Oba modele są nieliniowe. Model (1) Y X Y = = Y X NIELINIOWE MODELE EKONOMETRYCZNE, FUNKCJA PRODUKCJI NIELINIOWE MODELE EKONOMETRYCZNE, FUNKCJA PRODUKCJI ZESTAW VI Przykład: Weźmy pod uwagę dwa modele ednorównaniowe: () Y = a+ b + c, () Y = + g + g Z + ξ, Gdzie,Y,Z oznaczaą zmienne, a,b,c,,g paramery srukuralne

Bardziej szczegółowo

DYNAMICZNE MODELE EKONOMETRYCZNE

DYNAMICZNE MODELE EKONOMETRYCZNE DYNAMICZNE MODELE EKONOMETRYCZNE IX Ogólnopolskie Seminarium Naukowe, 6 8 września 2005 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Kaarzyna Kuziak Akademia Ekonomiczna

Bardziej szczegółowo

Ćwiczenie XII: PRAWO PODZIAŁU NERNSTA

Ćwiczenie XII: PRAWO PODZIAŁU NERNSTA Ćwiczenie XII: PRAWO PODZIAŁU NERNSTA opracowanie: Wojciech Solarski Wprowadzenie Prawo podziału sformułowane przez Walera H. Nensa opisuje układ rójskładnikowy, z czego dwa składniki o rozpuszczalniki

Bardziej szczegółowo

MODEL CZASU OBSŁUGI NAZIEMNEJ STATKU POWIETRZNEGO

MODEL CZASU OBSŁUGI NAZIEMNEJ STATKU POWIETRZNEGO KIERZKOWSKI Arur 1 Transpor loniczy, szeregi czasowe, eksploaacja, modelowanie MODEL CZASU OBSŁUGI NAZIEMNEJ STATKU POWIETRZNEGO W referacie przedsawiono probabilisyczny model czasu obsługi naziemnej saku

Bardziej szczegółowo

Moduł Handlowo-Magazynowy Zaawansowane analizy sprzedaży i zakupu

Moduł Handlowo-Magazynowy Zaawansowane analizy sprzedaży i zakupu Moduł Handlowo-Magazynowy Zaawansowane analizy sprzedaży i zakupu Wersja 3.59.305 4.04.2013 r. W systemie Streamsoft Prestiż użytkownik ma możliwość samodzielnego tworzenia rozszerzonych analiz w zakresie

Bardziej szczegółowo

Nr zadania Σ Punkty:

Nr zadania Σ Punkty: Kolokwim z krs Modele saysyczne niezawodności sysemów ROZWIĄZANIA Do wykonania jes 5 zadań. W smie, można zyskać 5 pnków. Na napisanie kolokwim mają Pańswo 7 min. Proszę wykonywać każde zadanie na osobnej

Bardziej szczegółowo

LABORATORIUM TECHNIKI CIEPLNEJ INSTYTUTU TECHNIKI CIEPLNEJ WYDZIAŁ INŻYNIERII ŚRODOWISKA I ENERGETYKI POLITECHNIKI ŚLĄSKIEJ

LABORATORIUM TECHNIKI CIEPLNEJ INSTYTUTU TECHNIKI CIEPLNEJ WYDZIAŁ INŻYNIERII ŚRODOWISKA I ENERGETYKI POLITECHNIKI ŚLĄSKIEJ INSTTUTU TECHNIKI CIEPLNEJ WDZIAŁ INŻNIERII ŚRODOWISKA I ENERGETKI POLITECHNIKI ŚLĄSKIEJ INSTRUKCJA LABORATORJNA Tema ćwiczenia: WZNACZANIE WSPÓŁCZNNIKA PRZEWODZENIA CIEPŁA CIAŁ STAŁCH METODĄ STANU UPORZĄDKOWANEGO

Bardziej szczegółowo

Ćwiczenie 119. Tabela II. Część P19. Wyznaczanie okresu drgań masy zawieszonej na sprężynie. Nr wierzchołka 0 1 2 3 4 5 6 7 8

Ćwiczenie 119. Tabela II. Część P19. Wyznaczanie okresu drgań masy zawieszonej na sprężynie. Nr wierzchołka 0 1 2 3 4 5 6 7 8 2012 Kaedra Fizyki SGGW Nazwisko... Daa... Nr na liście... Imię... Wydział... Dzień yg.... Godzina... Ruch harmoniczny prosy masy na sprężynie Tabela I: Część X19. Wyznaczanie sałej sprężyny Położenie

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

Studia Ekonomiczne. Zeszyty Naukowe Uniwersytetu Ekonomicznego w Katowicach ISSN 2083-8611 Nr 219 2015

Studia Ekonomiczne. Zeszyty Naukowe Uniwersytetu Ekonomicznego w Katowicach ISSN 2083-8611 Nr 219 2015 Sudia Ekonomiczne. Zeszyy Naukowe Uniwersyeu Ekonomicznego w Kaowicach ISSN 2083-86 Nr 29 205 Alicja Ganczarek-Gamro Uniwersye Ekonomiczny w Kaowicach Wydział Informayki i Komunikacji Kaedra Demografii

Bardziej szczegółowo

Postęp techniczny. Model lidera-naśladowcy. Dr hab. Joanna Siwińska-Gorzelak

Postęp techniczny. Model lidera-naśladowcy. Dr hab. Joanna Siwińska-Gorzelak Posęp echniczny. Model lidera-naśladowcy Dr hab. Joanna Siwińska-Gorzelak Założenia Rozparujemy dwa kraje; kraj 1 jes bardziej zaawansowany echnologicznie (lider); kraj 2 jes mniej zaawansowany i nie worzy

Bardziej szczegółowo

Stała potencjalnego wzrostu w rachunku kapitału ludzkiego

Stała potencjalnego wzrostu w rachunku kapitału ludzkiego 252 Dr Wojciech Kozioł Kaedra Rachunkowości Uniwersye Ekonomiczny w Krakowie Sała poencjalnego wzrosu w rachunku kapiału ludzkiego WSTĘP Prowadzone do ej pory badania naukowe wskazują, że poencjał kapiału

Bardziej szczegółowo

Case nr 3. Zaawansowana Eksploracja Danych (Specj. TPD) Szeregi czasowe i prognozowanie

Case nr 3. Zaawansowana Eksploracja Danych (Specj. TPD) Szeregi czasowe i prognozowanie Case nr 3. Zaawansowana Eksploracja Danych (Specj. TPD) Szeregi czasowe i prognozowanie Jerzy Stefanowski, Instytut Informatyki Politechnika Poznańska - 2011 aktualizacja dla edycji 2013/14. Cel studium

Bardziej szczegółowo

PRACA MAGISTERSKA. Modelowanie cen i zapotrzebowania na energię elektryczną.

PRACA MAGISTERSKA. Modelowanie cen i zapotrzebowania na energię elektryczną. Insyu Maemayki Wydział Podsawowych Problemów Techniki Poliechnika Wrocławska PRACA MAGISTERSKA Modelowanie cen i zaporzebowania na energię elekryczną. Pior Wilman 14.6.22 Wrocław promoor: dr Rafał Weron

Bardziej szczegółowo

E5. KONDENSATOR W OBWODZIE PRĄDU STAŁEGO

E5. KONDENSATOR W OBWODZIE PRĄDU STAŁEGO E5. KONDENSATOR W OBWODZIE PRĄDU STAŁEGO Marek Pękała i Jadwiga Szydłowska Procesy rozładowania kondensaora i drgania relaksacyjne w obwodach RC należą do szerokiej klasy procesów relaksacyjnych. Procesy

Bardziej szczegółowo

FAQ. Kwiecień 2010. Generator Wniosków Płatniczych (GWP) Wersja 1.0

FAQ. Kwiecień 2010. Generator Wniosków Płatniczych (GWP) Wersja 1.0 Kwiecień 2010 Generator Wniosków Płatniczych (GWP) Historia dokumentu: Wersja Data ostatniej modyfikacji 1.0 26.04.2010 r. 2 S t r o n a Pytania i odpowiedzi do generatora wniosków płatniczych: 1. [GWP]

Bardziej szczegółowo