WAHANIA NATĘśEŃ RUCHU DROGOWEGO NA SIECI DRÓG MIEJSKICH
|
|
- Irena Kowal
- 7 lat temu
- Przeglądów:
Transkrypt
1 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 SIECI DRÓG MIEJSKICH FLUCTUATIONS IN TRAFFIC INTENSITY ON MUNICIPAL ROAD NETWORK Sreszczenie W pracy przedsawiono podsawy eoreyczne określenia współczynników przeliczeniowych dla porzeb szacowania naęŝenia ruchu drogowego. Przedmioowe współczynniki są niezbędne do szacowania SDR na podsawie krókorwałych wyrywkowych pomiarów ruchu dla dróg w obszarach miejskich. Określenie współczynników przeliczeniowych do szacowania naęŝeń ruchu drogowego w obszarach miejskich bazuje na: - ciągłym pomiarze ruchu drogowego na wloach kilkudziesięciu skrzyŝowań w róŝnych miasach Polski, wykonanym w laach 3 i 4, - wyznaczeniu współczynników przeliczeniowych szacowania naęŝeń ruchu, w ym wskaźników sezonowej, ygodniowej i dobowej zmienności ruchu niezbędnych do szacowania SDR z pomiarów wyrywkowych na podsawie kilku meod, w ym zgodnie z definicją GDDKiA oraz na podsawie modeli szeregów czasowych. Absrac The scope of he paper is he heoreic deerminaion of he calculaion coefficiens for esimaing raffic inensiy. The coefficiens are essenial for he esimaion of Medium Daily Traffic on he grounds of shor-erm arbirary measuremens of raffic inensiy in urban areas. The deerminaion of calculaion coefficiens for esimaing raffic inensiy in urban areas in based on he following facors: - coninuous measuremen of road raffic a he inles of several cross-roads in numerous Polish ciies, aken in 3 and 4; - designaion of calculaion coefficiens for esimaing raffic inensiy, including seasonal, weekly and daily variabiliy of raffic essenial for deermining medium daily raffic from accidenal measuremens on he basis of cerain mehods, in accordance wih GDDKiA definiion and ime series models.
2 . Wsęp Pomiary ciągłe ruchu drogowego na sieci dróg dają moŝliwość opisania charakerysyk wahań ruchu, jego wzrosu, rendów, regularności. Szczegółowe charakerysyki zmian ruchu wykorzysywane są do usalenia m.in. miarodajnych godzinowych naęŝeń ruchu i Średniodobowego NaęŜenia Ruchu (SDR), kóre sanowią podsawę do m.in.: planowania sieci komunikacyjnej miejskiej i zamiejskiej, zarządzania, urzymania i określenia pracy przewozowej, projekowania dróg i skrzyŝowań, konsrukcji nawierzchni, projekowania organizacji ruchu, oceny przepusowości i warunków ruchu, oceny oddziaływania dróg na środowisko, analiz ekonomicznych, wypadkowości ip. Sysemayczne analizy pozwalają na uzyskanie ypowych profili miesięcznych, ygodniowych i dobowych wahań naęŝeń ruchu w zaleŝności od charakeru ruchu i lokalizacji drogi w sieci komunikacyjnej. Z profili wahań naęŝeń ruchu uzyskuje się wskaźniki (współczynniki przeliczeniowe) wahań sezonowych W M, ygodniowych W T i wskaźniki dobowej zmienności ruchu W ZD. Te zaś, pozwalają na szacowanie średniodobowego naęŝenia ruchu (SDR) na podsawie krókorwałych, wyrywkowych pomiarów ruchu. Wskaźniki zmienności ruchu dla dróg w erenach miejskich obliczono na podsawie uzyskanych pomiarów ciągłych wykonany w ciągu roku 3 i 4. Moniorowano 4 skrzyŝowań serowanych akomodacyjną sygnalizacją świelną zlokalizowanych w 4 miasach: w Łodzi, Byomiu, Zabrzu i Zawierciu z wykorzysaniem Sysemu Zdalnej Konroli i Zbierania Danych SNS/ASR. Uzyskano w en sposób ciągły pomiar naęŝenia ruchu na 47 wloach skrzyŝowań w przekrojach oddalonych o ok. 4 7 m od linii warunkowego zarzymania. Wskaźniki zmienności ruchu dla dróg w erenach miejskich wyznaczono za pomocą klasycznych, uproszczonych meod wyznaczania współczynników przeliczeniowych (zgodnie z definicją GDDKiA) oraz na podsawie modeli szeregów czasowych.. Definicje wskaźników zmienności ruchu (wg GDDKiA) Wskaźnik wahań sezonowych W M o iloraz średniego dobowego ruchu w miesiącu do średniego dobowego ruchu w roku jes określany z zaleŝności: W M = SDR Mi () SDR gdzie: SDR Mi - średnio dobowy ruch i-ego miesiąca [P/dobę], SDR - średnio dobowy ruch w roku [P/dobę]. Wskaźnik wahań ygodniowych W T o iloraz średniego dobowego ruchu dnia ygodnia do średniego dobowego ruchu w roku: W T = SDR Ti () SDR gdzie: SDR Ti - średnio dobowy ruch i-ego dnia ygodnia [P/dobę], Współczynniki dobowej zmienności ruchu W ZD są sumą naęŝenia ruchu z h godzin w całodobowym naęŝeniu ruchu: W ZD = h n= U i procenowych udziałów U i [%] (3)
3 Procenowy udział naęŝenia ruchu z i-ej godziny w całodobowym naęŝeniu ruchu wyznacza się: N i U i = [%] (4) N dob U i procenowy udział naęŝenia ruchu z i-ej godziny w całodobowym naęŝeniu ruchu, N i, warość naęŝenia w i-ej godzinie, N dob naęŝenie dobowe. 3. Zasosowane modeli szeregów czasowych Teoria szeregów czasowych daje moŝliwości modelowania róŝnorodnych, bardzo specyficznych procesów oraz ich prognozowania. Wykorzysanie dosępnych w momencie obserwacji szeregu dla prognozy jego warości w przyszłym momencie +l sanowi podsawę do planowania m.in. w ekonomii, ransporcie ip. Modele sosowane do opisu wahań naęŝeń ruchu drogowego powinny być opare o realisyczne załoŝenia, w podobnych warunkach socjoekonomicznych. Szereg czasowy określa się jako realizację pewnego procesu (sochasycznego), w kórym kolejne obserwacje zmieniają się w nasępujących po sobie jednoskach czasowych w sposób losowy. Oznaczając przez (gdzie =,,..., n) momeny przedziału czasu, w kórych obserwowano warości pewnej zmiennej, a przez y - wyniki obserwacji, szereg czasowy moŝna zapisać jako zbiór: {y ; =,,..., n}. (5) Do wyznaczenia wskaźników zmienności wahań ruchu wykorzysano jednorównaniowe modele ekonomeryczne adapacyjne i klasyczne modele rendu. Spośród adapacyjnych modeli rendu wykorzysano: model średniej ruchomej, a w ym: - model średniej ruchomej prosej do wyznaczenia wskaźników ygodniowej zmienności ruchu - W T ), - model średniej ruchomej scenrowanej do wyznaczenia wskaźników sezonowych W M i procenowego udziału naęŝenia ruchu i-ej godziny w całodobowym ruchu Ū i, kóre sanowią podsawę do wyznaczenia wskaźników dobowej zmienności ruchu W ZD, muliplikaywną meodą Winersa - (wskaźniki ygodniowej zmienności ruchu - W T ). Klasycznymi modelami rendu (meodami analiycznymi) muliplikaywną meodą wskaźników sezonowości i meodą dopasowania funkcji rendu wg meody najmniejszych kwadraów określono wskaźniki wahań naęŝeń ruchu drogowego W M, W T oraz procenowego udziału naęŝenia ruchu i-ej godziny w całodobowym ruchu Ū i. Wyznaczenie wskaźników róŝnymi modelami miało na celu opymalne dopasowanie modelu szeregu eoreycznego do szeregu empirycznego przy jak najmniejszym miarach błędów niŝej podanych. Model średniej ruchomej, prosej z nieparzysą liczbą sąsiadujących ze sobą wyrazów przyjmuje posać: q ŷ = y + r ( = q +, q +,..., n q) q + (6) r= q+ gdzie: ŷ - eoreyczna warość zmiennej w szeregu y wyznaczona na momen lub okres, y - rzeczywisa warość zmiennej w szeregu w momencie lub okresie, q - usalona liczba nauralna.
4 Model średniej ruchomej scenrowanej o parzysej liczbie podokresów wyraŝa się wzorem: q ŷ = y q + y + r + y + q q r= q+ ( = q +, q +,..., n q) (7) gdzie: ŷ - eoreyczna warość zmiennej w szeregu y wyznaczona na momen lub okres, y - rzeczywisa warość zmiennej szeregu w momencie lub okresie, q = d/, d liczba podokresów w cyklu wahań. Klasyczna meoda wyodrębniania rendu polega na dopasowaniu określonej funkcji maemaycznej do badanego szeregu czasowego. Paramery funkcji rendu orzymuje się meodą najmniejszych kwadraów, a odpowiednia krzywa jes dopasowana do zbioru obserwacji {y ; =,,..., n}. Do opisu endencji rozwojowej zmienności godzinowych naęŝeń ruchu, dobowych i rocznych zasosowano funkcję liniową. Rozmiary wahań sezonowych usala się saysycznie obliczając wskaźniki sezonowości wyraŝone w procenach lub jednoskach bezwzględnych (absolunych). Wskaźniki wyraŝone w procenach wysępują w modelu muliplikaywnym, naomias wskaźniki absolune w modelu addyywnym. Wahania okresowe muliplikaywne wysępują wówczas, gdy w poszczególnych podokresach badane zjawisko odchyla się od swojego przecięnego poziomu o sałą wielkość względną. Model muliplikaywny daje względne procenowe wskaźniki sezonowości W M i W T, kóre przyjmują warości zbieŝne do warości wskaźników wyznaczonych zgodnie z definicją. Ponado przy paramerze a rendu dąŝącym do zera, uzyskuje się sałe odchylenia od rendu w ciągu całego roku. Do wyznaczenia wskaźników sezonowości wykorzysano meodę polegającą na wyznaczeniu dla poszczególnych faz cyklu wskaźników sezonowości lub bezwzględnych wahań sezonowych. Muliplikaywny model szeregu przyjmuje wówczas posać: y i = f( li )w i + ξ li (8) gdzie: y i warość szeregu czasowego w okresie (momencie) li, przy czym li = m(l - ) + i (l =,, N, i =,..., m), czyli warość w l-ym cyklu i-ej fazy, f funkcja rendu opisująca endencję rozwojową, w i wskaźnik sezonowości dla i-ej fazy kaŝdego cyklu, ξ li składnik losowy (zaburzenie). Wyznaczenie wskaźników sezonowych przebiega wieloeapowo poprzez: - wyodrębnieniu funkcji rendu f meodą najmniejszych kwadraów, - wyeliminowanie rendu z szeregu ; orzymuje się wówczas warości u li zawierające wahania sezonowe i przypadkowe: y li u li = ŷ li ( li =,,, n). (9) wyznaczenie surowych wskaźników sezonowości wg wzoru: N w i = u li = ( ui + u i uni ) N N () gdzie: l= N liczba okresów (cykli), m liczba faz w cyklu (liczba sezonów). wyznaczenie czysych wskaźników sezonowości surowe wskaźniki sezonowości koryguje się dzieląc kaŝdy z nich przez ich średnią arymeyczną ich suma powinna być równa lub bliska m : w i = w w i ()
5 Wskaźniki w i odpowiadają wskaźnikom W T, W M, oraz procenowemu udziałowi naęŝenia ruchu z i-ej godziny w całodobowym ruchu Ū. Jako rzecią meodę opisania zmian w ciągu roku modelem szeregów czasowych zasosowano meodę Winersa. Meoda a naleŝy do modeli adapacyjnych, kóre mają duŝą elasyczność i zdolność dososowawczą w przypadku nieregularnych zmian kierunku rendu bądź zniekszałceń i przesunięć wahań periodycznych (np. sezonowych) zmienne mają dość labilny przebieg w czasie np. wahania naęŝeń dobowych w ciągu roku. Meoda Winersa jes jedną z meod wygładzania wykładniczego sosowana jes do wygładzania szeregów czasowych, w kórych elemenami składowymi są rend liniowy, wahania okresowe oraz wahania przypadkowe. Poszczególne składniki obliczane są jako waŝone sumy warości bieŝących oraz warości hisorycznych. W wersji muliplikaywnej zakłada się, Ŝe kaŝda warość szeregu czasowego jes iloczynem warości z wykluczoną sezonowością oraz indeksu sezonowości dla danego okresu, a przyrosy względne warości rendu zmiennej Y, są w przybliŝeniu sałe lub zmieniają się w sposób regularny. Model Winersa w wersji muliplikaywnej przedsawia się nasępująco: r Fr = y r = () y F = α ( ) ( + ) + α F S C r Sr = ( y r y ) r (3) S = β( F F ) + ( β) S C =,, r y (4) C = γ + ( γ) C r F gdzie: F ocena warości średniej zmiennej Y w czasie, S ocena zmiany rendu zmiennej Y w czasie, C ocena efeku sezonowości zmiennej Y w czasie, r liczba faz cyklu sezonowego, α, β, γ paramery wygładzania, kórych warości naleŝą do przedziału [;]. Wygładzanie szeregu dobiera się ak, aby warości błędów popełnianych przy wygładzaniu były zminimalizowane. Badając miarę dopasowania rozpoznaje się prawidłowości wysępujące w podzbiorze inicjalnym i oblicza się warości eoreyczne dla podzbioru konrolnego. Porównanie warości eoreycznych z warościami empirycznymi uzyskuje się przez obliczenie miar dokładności dopasowania szeregu wygładzonego do szeregu empirycznego, w ym m.in.: błąd procenowy w chwili, błąd średni - ME, średni błąd procenowy - MPE oraz wskaźnik względnego poziomu resz v e, odchylenie sandardowe σ i współczynnik zmienności losowej v. Wadą powyŝszych miar jes o, Ŝe dodanie odchylenia warości empirycznych od warości eoreycznych są znoszone przez ujemne odchylenia. Miarami, kóre eliminują ę niedogodność są miary błędów bezwzględnych: średni błąd bezwzględny - MAE, średni bezwzględny błąd procenowy MAPE. JeŜeli warości bezwzględne z miar błędu ME i MAE są sobie równe, o warości eoreyczne są sysemaycznie niŝsze lub wyŝsze od warości rzeczywisych. Jeśli naomias warości ME i MPE są zdecydowanie niŝsze niŝ MA i MAPE, o błędy wygładzania są róŝnokierunkowe. Miarą uwypuklającą szczególnie duŝe błędy jes średni błąd kwadraowy MSE.
6 Współczynnik Theila przyjmuje warość, gdy warości eoreyczne pokrywają się z warościami empirycznym: T ( y ŷ ) = n+ I = T (5) y = n+ Pierwiasek ze współczynnika Theila informuje, jaki jes przecięny względny błąd dopasowania warości eoreycznych do warości empirycznych dla analizowanych okresów. 4. Wyniki przykładowych analiz 4.. Miesięczne wahania ruchu Na podsawie przeprowadzonych analiz modelami szeregów czasowych i definicji uzyskano wskaźniki wahań ruchu dla na sieci dróg w obszarach miejskich. WSKAŹNIKI WM,,9,8 WSKAŹNIKI W M,,,9,8 I II III IV V VI VII VIII IX X XI XII MIESI CE MIESIĄCE Rys.. Porównanie warości wskaźników sezonowych wahań ruchu W M wyznaczone wg średniej ruchomej (SR), dopasowania funkcji rendu meodą najmniejszych kwadraów (MNK) oraz definicji GDDKiA z roku 3 (D/3) i 4 (D/4). Charaker wahań naęŝeń ruchu drogowego w erenie miejskim jes odmienny od charakeru wahań ruchu na zamiejskich drogach krajowych. Na drogach krajowych rejesruje się znacznie większy średni dobowy ruch w okresie wakacyjnym niŝ średni dobowy ruch w roku, naomias na drogach w obszarach miejskich średni dobowy ruch w okresie wakacyjnym jes niŝszy od SDR w roku. Z analizy obliczeń wynika, Ŝe uzyskane meodą najmniejszych kwadraów (MNK) bardzo małe warości wskaźnika względnego poziomu resz v e i współczynnika zmienności losowej v, świadczą o dobrym dopasowaniu modelu do danych rzeczywisych, a wskaźniki W M mają warości pośrednie pomiędzy wskaźnikami W M wyznaczonymi według definicji z roku 3 i 4. NaęŜenie dobowe. 4.. Tygodniowe wahania ruchu sz ereg emp iry cz ny - naęŝ enia dobow e średnia ruchoma p rosa - 7 okresow a linia rendu y =,787 x D/3 D/3 D/4 D/4 SR SR MNK MNK SDR SDR Rys.. Wahania dobowego naęŝenia ruchu w wybranym przekroju dla 3r. wraz z szeregiem wygładzonym średnią ruchomą 7-okresową i rendem liniowym D n i ro k u 3
7 WSKAŹNIKI W T,3,,,,9,8,7,6,5 p o n ie d zia łe k w o re k ś ro d a c zw a re k p ią e k s o b o a n ie d zie la SR/3 M N K/3 W /3 D /3 SD R SR/4 M N K/4 W /4 D /4 D N I TY G O D N IA Rys.3. Porównanie warości wskaźników ygodniowych wahań ruchu W T wyznaczonych wg średniej ruchomej (SR), dopasowania funkcji rendu meodą najmniejszych kwadraów (MNK), meodą Winersa (W) oraz wg. definicji (D) z roku 3 i 4. Na drogach w erenie miejskim SDR w dniach roboczych od poniedziałku do czwarku przyjmuje zbliŝone warości. Na drogach krajowych zbliŝone warości posiada średni dobowy ruch od worku do czwarku, naomias średni dobowy ruch w poniedziałki jes zbliŝony do SDR w roku. Średni dobowy ruch w piąki zarówno na drogach w erenie miejskim jak i zamiejskim przyjmuje największe warości. Posługując się przyjęymi modelami uzyskano warości wskaźników ygodniowej zmienności ruchu W T bardzo zbliŝone do wyznaczonych zgodnie z definicją. Najlepsze dopasowanie do rzeczywisych danych uzyskano za pomocą modelu średniej ruchomej 7- okresowej mniejsze wskaźniki v e. RównieŜ warości współczynników Theil a zbliŝone do zera, świadczą o bardzo dobrym dopasowaniu warości eoreycznych do warości empirycznych szeregu Dobowe wahania ruchu. NaęŜenie godzinowe, szereg empiryczny - naęŝenia godzinowe linia rendu y =,38 x + 85,6 średnia ruchoma scenrowana 4-okresowa Godziny roku (dni roboczych) Rys. 4. Godzinowe wahania naęŝenia ruchu w roku 4 wraz rendem liniowymi i szeregiem wygładzonym średnią ruchomą 4-okresową. Przyjęymi modelami uzyskano warości procenowego udział naęŝenia ruchu i-ej godziny w całodobowym ruchu Ū i bardzo zbliŝone do wyznaczonych zgodnie z definicją. Najlepsze dopasowanie do rzeczywisych danych uzyskano za pomocą modelu średniej ruchomej scenrowanej 4-okresowej najmniejsze wskaźniki v e, σ i v.
8 Ū i S R / 3 M N K / 3 D / 3 S R / 4 M N K / 4 D / 4 G o d z i n y Rys. 5 Porównanie warości procenowego udziału naęŝenia ruchu i-ej godziny w całodobowym ruchu Ū i wyznaczonych wg średniej ruchomej (SR), dopasowania funkcji rendu meodą najmniejszych kwadraów (MNK) oraz definicji (D) w wybranym punkcie pomiarowym. Na podsawie uzyskanych, średnich dobowych wahań ruchu na wszyskich badanych wloach, dokonano podziału rozkładów na 3 ypowe krzywe dobowego rozkładu naęŝeń ruchu. U U U Krzywa Typu A Krzywa Typu B Krzywa Typu C Rys. 6. Typy rozkładów dobowych wahań ruchu. Typy rozkładów cechuje zróŝnicowany przebieg zmian naęŝeń ruchu w zakresie godzin szczyowych (rannych i popołudniowych) i zmiany naęŝeń pomiędzy godzinami szczyu (sosunek poziomu naęŝeń w godzinach między szczyowymi do naęŝenia w szczycie): Typ A charakeryzuje się dwoma szczyami ruchu. Typ B o brak szczyów, naęŝenia ruchu w godzinach dziennych (8 6 ) urzymują się na względnie sałym poziomie, Typ C o krzywa wahań dobowych z wyraźnym szczyem popołudniowym. Przyjęe ypy krzywych rozkładów dobowych mogą charakeryzować ruch na drogach zlokalizowany zarówno w cenralnych i pośrednich częściach mias jak i na obrzeŝach. 5. Wnioski W pracy wykazano, Ŝe modelami szeregów czasowych moŝna opisać zmiany naęŝeń ruchu w ciągu roku, wyznaczyć zarówno endencje rozwojowe, jak i wskaźniki zmienności ruchu m.in. sezonowej (W M ) i ygodniowej (W T ) oraz wskaźniki procenowego udziału naęŝenia ruchu i-ej godziny w całodobowym ruchu Ū i, jak i wahania przypadkowe. Przeprowadzone analizy i porównania z warościami wskaźników wyznaczonymi zgodnie z definicją GDDKiA wskazują, Ŝe przyjęa w pracy meodologia badań jes właściwa. Konynuacja pomiarów i analiz ruchu oraz wahań naęŝeń średniodobowych na sieci dróg miejskich sanowić będą podsawę do określenia endencji rozwojowej ruchu jak i celów prognosycznych. Powinna ona umoŝliwić jednoznaczne przypisanie ypowych rozkładów dobowych od funkcji drogi (ulicy) i jej lokalizacji w układzie komunikacyjnym miasa.
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 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 szczegółowoAnaliza 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 szczegółowoStatystyka 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 szczegółowoPROGNOZOWANIE I SYMULACJE EXCEL 2 AUTOR: MARTYNA MALAK PROGNOZOWANIE I SYMULACJE EXCEL 2 AUTOR: MARTYNA MALAK
1 PROGNOZOWANIE I SYMULACJE 2 hp://www.oucome-seo.pl/excel2.xls DODATEK SOLVER WERSJE EXCELA 5.0, 95, 97, 2000, 2002/XP i 2003. 3 Dodaek Solver jes dosępny w menu Narzędzia. Jeżeli Solver nie jes dosępny
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 szczegółowoMetody 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 szczegółowoPROGNOZOWANIE 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 szczegółowoPrognozowanie 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 szczegółowoKombinowanie 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 szczegółowoPROGNOZOWANIE 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 szczegółowoANALIZA, 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 szczegółowoPROGNOZOWANIE BRAKUJĄCYCH DANYCH DLA SZEREGÓW O WYSOKIEJ CZĘSTOTLIWOŚCI OCZYSZCZONYCH Z SEZONOWOŚCI
Sudia Ekonomiczne. Zeszyy Naukowe Uniwersyeu Ekonomicznego w Kaowicach ISSN 2083-8611 Nr 289 2016 Maria Szmuksa-Zawadzka Zachodniopomorski Uniwersye Technologiczny w Szczecinie Sudium Maemayki Jan Zawadzki
Bardziej szczegółowoPROGNOZOWANIE. 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 szczegółowoPolitechnika 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 szczegółowoBADANIE WAHAŃ NATĘŻEŃ RUCHU Z POMIARÓW CIĄGŁYCH W PRZEKROJU ULICY
ZESZYTY NAUKOWE POLITECHNIKI ŚLĄSKIEJ Seria: BUDOWNICTWO z. 102 2004 Nr kol. 1644 Anna OLMA Politechnika Śląska BADANIE WAHAŃ NATĘŻEŃ RUCHU Z POMIARÓW CIĄGŁYCH W PRZEKROJU ULICY Streszczenie.. Ciągłe pomiary
Bardziej szczegółowoFOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS
FOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS Folia Pomer. Univ. Technol. Sein., Oeconomica 2014, 313(76)3, 137 146 Maria Szmuksa-Zawadzka, Jan Zawadzki MODELE WYRÓWNYWANIA WYKŁADNICZEGO W PROGNOZOWANIU
Bardziej szczegółowoPrognozowanie 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 szczegółowoESTYMACJA KRZYWEJ DOCHODOWOŚCI STÓP PROCENTOWYCH DLA POLSKI
METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH Tom XIII/3, 202, sr. 253 26 ESTYMACJA KRZYWEJ DOCHODOWOŚCI STÓP PROCENTOWYCH DLA POLSKI Adam Waszkowski Kaedra Ekonomiki Rolnicwa i Międzynarodowych Sosunków
Bardziej szczegółowolicencjat 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 szczegółowoZASTOSOWANIE 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 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 szczegółowoPROGNOZOWANIE 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 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 szczegółowoIndeksy 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 szczegółowoParytet stóp procentowych a premia za ryzyko na przykładzie kursu EURUSD
Parye sóp procenowych a premia za ryzyko na przykładzie kursu EURUD Marcin Gajewski Uniwersye Łódzki 4.12.2008 Parye sóp procenowych a premia za ryzyko na przykładzie kursu EURUD Niezabazpieczony UIP)
Bardziej szczegółowoE 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 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 szczegółowoPOMIAR 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 szczegółowo1. Szereg niesezonowy 1.1. Opis szeregu
kwaralnych z la 2000-217 z la 2010-2017.. Szereg sezonowy ma charaker danych model z klasy ARIMA/SARIMA i model eksrapolacyjny oraz d prognoz z ych modeli. 1. Szereg niesezonowy 1.1. Opis szeregu Analizowany
Bardziej szczegółowoROCZNIKI INŻYNIERII BUDOWLANEJ ZESZYT 7/2007 Komisja Inżynierii Budowlanej Oddział Polskiej Akademii Nauk w Katowicach
ROZNIKI INŻYNIERII BUDOWLANEJ ZESZYT 7/007 Komisja Inżynierii Budowlanej Oddział Polskiej Akademii Nauk w Kaowicach WYZNAZANIE PARAMETRÓW FUNKJI PEŁZANIA DREWNA W UJĘIU LOSOWYM * Kamil PAWLIK Poliechnika
Bardziej szczegółowoInŜynieria ruchu str. 114
NATĘśENIE RUCHU InŜynieria ruchu str. 114 Pomiary wykonuje się oddzielnie dla następujących kategorii: motocykli, samochodów osobowych, lekkich samochodów cięŝarowych (dostawczych) o masie całkowitej
Bardziej szczegółowoKURS EKONOMETRIA. Lekcja 1 Wprowadzenie do modelowania ekonometrycznego ZADANIE DOMOWE. Strona 1
KURS EKONOMETRIA Lekcja 1 Wprowadzenie do modelowania ekonomerycznego ZADANIE DOMOWE www.erapez.pl Srona 1 Część 1: TEST Zaznacz poprawną odpowiedź (ylko jedna jes prawdziwa). Pyanie 1 Kóre z poniższych
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 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 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 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 szczegółowoĆWICZENIE 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 szczegółowoPobieranie 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 szczegółowoStudia 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 szczegółowoDendrochronologia 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 szczegółowoDYNAMIKA 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 szczegółowoDYNAMICZNE 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 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 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 szczegółowoCopyright by Politechnika Białostocka, Białystok 2017
Recenzenci: dr hab. Sanisław Łobejko, prof. SGH prof. dr hab. Doroa Wikowska Redakor naukowy: Joanicjusz Nazarko Auorzy: Ewa Chodakowska Kaarzyna Halicka Arkadiusz Jurczuk Joanicjusz Nazarko Redakor wydawnicwa:
Bardziej szczegółowoPodstawowe charakterystyki niezawodności. sem. 8. Niezawodność elementów i systemów, Komputerowe systemy pomiarowe 1
Podsawowe charakerysyki niezawodności sem. 8. Niezawodność elemenów i sysemów, Kompuerowe sysemy pomiarowe 1 Wsęp Niezawodność o prawdopodobieńswo pewnych zdarzeń Inensywność uszkodzeń λ wyraŝa prawdopodobieńswo
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 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 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: =
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 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 szczegółowo3. 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 szczegółowoPrognoza scenariuszowa poziomu oraz struktury sektorowej i zawodowej popytu na pracę w województwie łódzkim na lata
Projek Kapiał ludzki i społeczny jako czynniki rozwoju regionu łódzkiego współfinansowany ze środków Unii Europejskiej w ramach Europejskiego Funduszu Społecznego Prognoza scenariuszowa poziomu oraz srukury
Bardziej szczegółowo4.2. Obliczanie przewodów grzejnych metodą dopuszczalnego obciążenia powierzchniowego
4.. Obliczanie przewodów grzejnych meodą dopuszczalnego obciążenia powierzchniowego Meodą częściej sosowaną w prakyce projekowej niż poprzednia, jes meoda dopuszczalnego obciążenia powierzchniowego. W
Bardziej szczegółowoANALIZA, 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 szczegółowoWygładzanie 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 szczegółowoSYMULACYJNA ANALIZA PRODUKCJI ENERGII ELEKTRYCZNEJ I CIEPŁA Z ODNAWIALNYCH NOŚNIKÓW W POLSCE
SYMULACYJNA ANALIZA PRODUKCJI ENERGII ELEKTRYCZNEJ I CIEPŁA Z ODNAWIALNYCH NOŚNIKÓW W POLSCE Janusz Sowiński, Rober Tomaszewski, Arur Wacharczyk Insyu Elekroenergeyki Poliechnika Częsochowska Aky prawne
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 szczegółowoZAŁĄCZNIK 2 ZASADY PRZEPROWADZANIA POMIARÓW RUCHU I OBLICZANIA ŚREDNIEGO DOBOWEGO RUCHU NA DROGACH POWIATOWYCH I GMINNYCH
ZAŁĄCZNIK 2 ZASADY PRZEPROWADZANIA POMIARÓW RUCHU I OBLICZANIA ŚREDNIEGO DOBOWEGO RUCHU NA DROGACH POWIATOWYCH I GMINNYCH 1. Zasady przeprowadzania pomiarów ruchu W celu określenia średniego dobowego ruchu
Bardziej szczegółowoZajęcia 2. Estymacja i weryfikacja modelu ekonometrycznego
Zajęcia. Esmacja i werfikacja modelu ekonomercznego Celem zadania jes oszacowanie liniowego modelu opisującego wpłw z urski zagranicznej w danm kraju w zależności od wdaków na urskę zagraniczną i liczb
Bardziej szczegółowoPUNKTOWA I PRZEDZIAŁOWA PREDYKCJA PRZEWOZÓW PASAŻERÓW W ŻEGLUDZE PROMOWEJ NA BAŁTYKU W LATACH 2008 2010
STUDIA I PRACE WYDZIAŁU NAUK EKONOMICZNYCH I ZARZĄDZANIA NR 15 Chrisian Lis PUNKTOWA I PRZEDZIAŁOWA PREDYKCJA PRZEWOZÓW PASAŻERÓW W ŻEGLUDZE PROMOWEJ NA BAŁTYKU W LATACH 2008 2010 Wprowadzenie Przedmioem
Bardziej szczegółowoPOMIARY CZĘSTOTLIWOŚCI I PRZESUNIĘCIA FAZOWEGO SYGNAŁÓW OKRESOWYCH. Cel ćwiczenia. Program ćwiczenia
Pomiary częsoliwości i przesunięcia fazowego sygnałów okresowych POMIARY CZĘSOLIWOŚCI I PRZESUNIĘCIA FAZOWEGO SYGNAŁÓW OKRESOWYCH Cel ćwiczenia Poznanie podsawowych meod pomiaru częsoliwości i przesunięcia
Bardziej szczegółowoDYNAMICZNE MODELE EKONOMETRYCZNE
DYNAMICZNE MODEE EKONOMETRYCZNE X Ogólnopolskie Seminarium Naukowe, 4 6 września 007 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Joanna Małgorzaa andmesser Szkoła Główna
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 szczegółowoC d u. Po podstawieniu prądu z pierwszego równania do równania drugiego i uporządkowaniu składników lewej strony uzyskuje się:
Zadanie. Obliczyć przebieg napięcia na pojemności C w sanie przejściowym przebiegającym przy nasępującej sekwencji działania łączników: ) łączniki Si S są oware dla < 0, ) łącznik S zamyka się w chwili
Bardziej szczegółowoStanisław Cichocki Natalia Nehrebecka. Wykład 3
Sanisław Cichocki Naalia Nehrebecka Wykład 3 1 1. Regresja pozorna 2. Funkcje ACF i PACF 3. Badanie sacjonarności Tes Dickey-Fullera (DF) Rozszerzony es Dickey-Fullera (ADF) 2 1. Regresja pozorna 2. Funkcje
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 szczegółowo( ) ( ) ( τ) ( t) = 0
Obliczanie wraŝliwości w dziedzinie czasu... 1 OBLICZANIE WRAśLIWOŚCI W DZIEDZINIE CZASU Meoda układu dołączonego do obliczenia wraŝliwości układu dynamicznego w dziedzinie czasu. Wyznaczane będą zmiany
Bardziej szczegółowoOcena płynności wybranymi metodami szacowania osadu 1
Bogdan Ludwiczak Wprowadzenie Ocena płynności wybranymi meodami szacowania osadu W ubiegłym roku zaszły znaczące zmiany doyczące pomiaru i zarządzania ryzykiem bankowym. Są one konsekwencją nowowprowadzonych
Bardziej szczegółowoCechy 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 szczegółowoĆWICZENIE 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 szczegółowoZastosowanie sztucznych sieci neuronowych do prognozowania szeregów czasowych
dr Joanna Perzyńska adiunk w Kaedrze Zasosowań Maemayki w Ekonomii Wydział Ekonomiczny Zachodniopomorski Uniwersye Technologiczny w Szczecinie Zasosowanie szucznych sieci neuronowych do prognozowania szeregów
Bardziej szczegółowoTeoria błędów pomiarów geodezyjnych
PodstawyGeodezji Teoria błędów pomiarów geodezyjnych mgr inŝ. Geodeta Tomasz Miszczak e-mail: tomasz@miszczak.waw.pl Wyniki pomiarów geodezyjnych będące obserwacjami (L1, L2,, Ln) nigdy nie są bezbłędne.
Bardziej szczegółowoPROGNOZOWANIE 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 szczegółowoWYKORZYSTANIE 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 szczegółowoDYNAMICZNE 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 szczegółowoAnaliza i prognozowanie szeregów czasowych
Analiza i pognozowanie szeegów czasowych Pojęcie szeegu czasowego Szeeg czasowy (chonologiczny, dynamiczny, ozwojowy) pezenuje ozwój wybanego zjawiska w czasie; zawiea waości zjawiska y w jednoskach czasu,,
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 szczegółowoMODEL 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 szczegółowoMatematyka ubezpieczeń majątkowych r. ma złożony rozkład Poissona. W tabeli poniżej podano rozkład prawdopodobieństwa ( )
Zadanie. Zmienna losowa: X = Y +... + Y N ma złożony rozkład Poissona. W abeli poniżej podano rozkład prawdopodobieńswa składnika sumy Y. W ejże abeli podano akże obliczone dla k = 0... 4 prawdopodobieńswa
Bardziej szczegółowoĆwiczenie nr 2: ZaleŜność okresu drgań wahadła od amplitudy
Wydział PRACOWNIA FIZYCZNA WFiIS AGH Imię i nazwisko 1. 2. Temat: Rok Grupa Zespół Nr ćwiczenia Data wykonania Data oddania Zwrot do popr. Data oddania Data zaliczenia OCENA Ćwiczenie nr 2: ZaleŜność okresu
Bardziej szczegółowoKobiety w przedsiębiorstwach usługowych prognozy nieliniowe
Pior Srożek * Kobiey w przedsiębiorswach usługowych prognozy nieliniowe Wsęp W dzisiejszym świecie procesy społeczno-gospodarcze zachodzą bardzo dynamicznie. W związku z ym bardzo zmienił się sereoypowy
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 szczegółowoANALIZA SZEREGU CZASOWEGO CEN ŻYWCA BROJLERÓW W LATACH
METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH Tom XIII/1, 2012, sr. 224 233 ANALIZA SZEREGU CZASOWEGO CEN ŻYWCA BROJLERÓW W LATACH 1991-2011 Kaarzyna Unik-Banaś Kaedra Zarządzania i Markeingu w Agrobiznesie
Bardziej szczegółowoStatystyka hydrologiczna i prawdopodobieństwo zjawisk hydrologicznych.
Statystyka hydrologiczna i prawdopodobieństwo zjawisk hydrologicznych. Statystyka zajmuje się prawidłowościami zaistniałych zdarzeń. Teoria prawdopodobieństwa dotyczy przewidywania, jak często mogą zajść
Bardziej szczegółowoEKONOMETRIA 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 szczegółowoMODELE PROGNOSTYCZNE SPRZEDAśY ENERGII ELEKTRYCZNEJ ODBIORCOM WIEJSKIM OPARTE NA WYMIARZE FRAKTALNYM, LOGISTYCZNE I KRZYśOWANIA HEURYSTYCZNEGO
InŜynieria Rolnicza 11/2006 Małgorzaa Trojanowska Kaedra Energeyki Rolniczej Akademia Rolnicza w Krakowie MODELE PROGNOSTYCZNE SPRZEDAśY ENERGII ELEKTRYCZNEJ ODBIORCOM WIEJSKIM OPARTE NA WYMIARZE FRAKTALNYM,
Bardziej szczegółowoAnaliza współzależności zjawisk
Analiza współzależności zjawisk Informacje ogólne Jednostki tworzące zbiorowość statystyczną charakteryzowane są zazwyczaj za pomocą wielu cech zmiennych, które nierzadko pozostają ze sobą w pewnym związku.
Bardziej szczegółowoStanisław Cichocki Natalia Nehrebecka. Wykład 4
Sanisław Cichocki Naalia Nehrebecka Wykład 4 1 1. Badanie sacjonarności: o o o Tes Dickey-Fullera (DF) Rozszerzony es Dickey-Fullera (ADF) Tes KPSS 2. Modele o rozłożonych opóźnieniach (DL) 3. Modele auoregresyjne
Bardziej szczegółowoMetody 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 szczegółowoWPŁYW ZMIENNOŚCI DOBOWEJ NATĘŻEŃ RUCHU NA AUTOSTRADACH I DROGACH EKSPRESOWYCH NA POZIOM HAŁASU DROGOWEGO
III Międzynarodowa Konferencja Naukowo Techniczna TRANSEIA WPŁYW ZMIENNOŚCI DOBOWEJ NATĘŻEŃ RUCHU NA AUTOSTRADACH I DROGACH EKSPRESOWYCH NA POZIOM HAŁASU DROGOWEGO Malwina SPŁAWIŃSKA, Piotr BUCZEK Politechnika
Bardziej szczegółowoDYNAMICZNE MODELE EKONOMETRYCZNE
DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólnopolskie Seminarium Naukowe, 4 6 września 2007 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Uniwersye Gdański Zasosowanie modelu
Bardziej szczegółowoKLASYFIKACJA WARUNKÓW EKSPLOATACJI POJAZDÓW Z WYKORZYSTANIEM UDZIAŁU CZASU PRACY SILNIKA NA BIEGU JAŁOWYM
Jacek KROPIWNICKI KLASYFIKACJA WARUNKÓW EKSPLOATACJI POJAZDÓW Z WYKORZYSTANIEM UDZIAŁU CZASU PRACY SILNIKA NA BIEGU JAŁOWYM Sreszczenie W pracy przedsawiono przykłady idenyfikacji warunków eksploaacji
Bardziej szczegółowoĆwiczenia 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 szczegółowoAnaliza i Zarządzanie Portfelem cz. 6 R = Ocena wyników zarządzania portfelem. Pomiar wyników zarządzania portfelem. Dr Katarzyna Kuziak
Ocena wyników zarządzania porelem Analiza i Zarządzanie Porelem cz. 6 Dr Kaarzyna Kuziak Eapy oceny wyników zarządzania porelem: - (porolio perormance measuremen) - Przypisanie wyników zarządzania porelem
Bardziej szczegółowoPolitechnika 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 szczegółowoRACHUNEK EFEKTYWNOŚCI INWESTYCJI METODY ZŁOŻONE DYNAMICZNE
RACHUNEK EFEKTYWNOŚCI INWESTYCJI METODY ZŁOŻONE DYNAMICZNE PYTANIA KONTROLNE Czym charakeryzują się wskaźniki saycznej meody oceny projeku inwesycyjnego Dla kórego wskaźnika wyliczamy średnią księgową
Bardziej szczegółowoRys.1. Podstawowa klasyfikacja sygnałów
Kaedra Podsaw Sysemów echnicznych - Podsawy merologii - Ćwiczenie 1. Podsawowe rodzaje i ocena sygnałów Srona: 1 1. CEL ĆWICZENIA Celem ćwiczenia jes zapoznanie się z podsawowymi rodzajami sygnałów, ich
Bardziej szczegółowoLABORATORIUM PODSTAW ELEKTRONIKI PROSTOWNIKI
ZESPÓŁ LABORATORIÓW TELEMATYKI TRANSPORTU ZAKŁAD TELEKOMUNIKJI W TRANSPORCIE WYDZIAŁ TRANSPORTU POLITECHNIKI WARSZAWSKIEJ LABORATORIUM PODSTAW ELEKTRONIKI INSTRUKCJA DO ĆWICZENIA NR 5 PROSTOWNIKI DO UŻYTKU
Bardziej szczegółowoKrzysztof 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