STATYSTYKA EKONOMICZNA w LOGISTYCE. Metody statystyczne w analizie procesów produkcji
|
|
- Maja Sobczyk
- 7 lat temu
- Przeglądów:
Transkrypt
1 SAYSYKA EKONOMICZNA w LOGISYCE Meody saysyczne w analizie procesów produkcji
2 Pomiar poziomu produkcji Produkcja jes maerialnym efekem działalności przedsiębiorswa przemysłowego. Do produkcji zalicza się wyworzone przez przedsiębiorswo wyroby przeznaczone na sprzedaż oraz usługi świadczone odpłanie innym jednoskom gospodarczym. Wyroby przedsiębiorswa, w zależności od sopnia przeworzenia, dzieli się na: wyroby goowe produky nie podlegające dalszemu przewarzaniu w obrębie danego przedsiębiorswa, półfabrykay wyroby orzymane z zakończonej fazy procesu produkcyjnego, przekazane do magazynu półfabrykaów, przeznaczone do dalszego przerobu lub monażu, a niekiedy sprzedaży na zewnąrz, produkcja w oku produkcja niezakończona, znajdująca w danym momencie w określonej fazie procesu produkcyjnego.
3 Pomiar poziomu produkcji 2 Ważnym elemenem oceny działalności przedsiębiorswa przemysłowego jes pomiar poziomu produkcji przy zasosowaniu odpowiednich mierników. Mierniki produkcji dzieli się na: Mierniki ilościowe nauralne - są najprosszym sposobem pomiaru wielkości produkcji. Związane są z fizycznymi właściwościami produkowanych wyrobów i służą do pomiaru produkcji jednorodnej, umowne służą do pomiaru produkcji różnorodnej w ramach ych samych grup asorymenowych, przeliczenia można dokonywać z punku widzenia danej cechy użykowej lub nakładu pracy żywej w wyrobie ( mierniki pracochłonności )
4 Pomiar poziomu produkcji 3 Mierniki warościowe bruo obejmują całą warość wyworzonych wyrobów i usług produkcja owarowa obejmuje produkcję zakończoną przeznaczoną na sprzedaż ( wyroby goowe, półfabrykay i części przeznaczone na sprzedaż oraz usługi świadczone przez przedsiębiorswo na zewnąrz lub na porzeby własne, produkcja globalna składa się z produkcji owarowej oraz salda zapasów produkcji niezakończonej ( wyrażając ją w cenach zbyu, sosuje się do analizy dynamiki produkcji przedsiębiorswa oraz obliczania warościowych mierników neo )
5 Pomiar poziomu produkcji 4 Mierniki warościowe neo obejmują warość nowo wyworzoną w procesie produkcji produkcja czysa obliczana jes przez odjęcie od warości produkcji globalnej w cenach zbyu koszów maerialnych produkcji globalnej, obejmuje koszy niemaerialne : wynagrodzenia wraz ze świadczeniami na rzecz pracowników, podaki, opłay i koszy usług niemaerialnych, podaek akcyzowy i zysk ze sprzedaży produków, produkcja sprzedana obliczana jes przez odjęcie od warości sprzedaży w cenach zbyu (skorygowanej o podaek akcyzowy, doacje przedmioowe oraz rozliczenia wyrównawcze w eksporcie) koszów maerialnych bez amoryzacji, obejmuje: zysk ze sprzedaży, koszy wynagrodzeń wraz ze świadczeniami na rzecz pracowników i koszy amoryzacji. Wyraża syneyczny efek działalności przedsiębiorswa.
6 Analiza dynamiki produkcji Analizę dynamiki produkcji przeprowadza się na podsawie szeregów czasowych, najczęściej szeregów okresów miesięcznych, kwaralnych, rocznych. W przypadku produkcji jednorodnej, wyrażonej w jednoskach nauralnych dynamikę badamy za pomocą przyrosów absolunych i względnych, indeksów indywidualnych i średniego empa wzrosu. Dynamikę wielkości produkcji niejednorodnej, przedsawionej w jednoskach warościowych, analizuje się za pomocą indeksów agregaowych. Agregaowy indeks produkcji wyraża zmiany zarówno w ilości produków, jak i w poziomie cen. Najszersze zasosowanie w analizie dynamiki warości produkcji mają agregaowe indeksy produkcji Laspeyresa. Przy analizie szeregu czasowego warości produkcji, składającego się z kilku lub więcej okresów, sosuje się indeksy łańcuchowe, ponieważ warość produkcji obliczana jes w ych samych cenach ylko dla dwóch sąsiednich okresów.
7 Analiza dynamiki produkcji 2 Ważnym zagadnieniem w analizie dynamiki produkcji jes określenie ogólnych prawidłowości zmian poziomu produkcji w czasie, kóre można przedsawić za pomocą modelu endencji rozwojowej. Do najczęściej sosowanych posaci analiycznych funkcji rendu wielkości (warości) należą: funkcja liniowa Q Gdzie: Q - wielkośc (warość) produkcji w okresie, - zmienna czasowa (numer okresu), ξ - składnik losowy 0
8 Analiza dynamiki produkcji 3 funkcja wykładnicza Q 0e lub Q 00 gdzie: α 0 - wielkość (warość) produkcji w pierwszym okresie, α - roczna sopa wzrosu produkcji.
9 Analiza dynamiki produkcji 4 Klasyczny model endencji rozwojowej o ekonomeryczny model jednorównaniowy, kórego posać analiyczna jes sała w czasie, a jedyną zmienną objaśniającą jes zmienna czasowa lub jej funkcje. Zmienna czasowa nie wysępuje w związku przyczynowo-skukowym ze zmienną endogeniczną i jes rakowana jako syneyczny wskaźnik zmieniających się warunków deerminujących rozwój analizowanego zjawiska. Predykcja na podsawie klasycznego modelu endencji rozwojowej wymaga: oszacowania posaci analiycznej funkcji rendu na podsawie zebranych danych saysycznych można o zrobić za pomocą KMNK dla modeli liniowych i sprowadzalnych do nich
10 Załóżmy, że poszukiwana jes liniowa funkcja rendu posaci: Wykorzysując zapis macierzowy mamy: gdzie: Analiza dynamiki produkcji 5 0 y Y n 2 0 n 2...,, n , y... y y y
11 Analiza dynamiki produkcji 6 W ym przypadku układ równań orzymany w wyniku zasosowania KMNK ma posać: gdzie: a y n, 2 y y y, a a a 0, de( ) 0 kórego rozwiązaniem jes wekor o składowych danych wzorem: a ( ) - y
12 Analiza dynamiki produkcji 7 esymacji paramerów srukury sochasycznej modelu, kóre pozwalają wnioskować o dobroci dopasowania modelu do posiadanych danych empirycznych. Są o:. Wariancja składnika reszowego: S 2 e n - k ( y ŷ ) y - y a) 2. Odchylenie sandardowe składnika reszowego: 2 (y n - k 2 Se S e
13 Analiza dynamiki produkcji 8 3. Macierz wariancji i kowariancji esymaorów: D 2 (a) S 2 e ( ) - 4. Współczynnik deerminacji : R 2 - (y - y - y) a (y - y) 5. Współczynnik zmienności losowej: y y V S e y 00%
14 6. Bezwzględne (średnie) błędy szacunku paramerów srukuralnych: lub gdzie : c ii - elemeny głównej przekąnej macierzy ( ) - Analiza dynamiki produkcji 9 n 2 n 2 e 0 ) - ( n S ) D(a n 2 e ) - ( S ) D(a ii e i c S ) D(a
15 Analiza dynamiki produkcji 9 7. Względne średnie błędy szacunku paramerów srukuralnych: D ' (a 0 ) D(a a 0 0 ) D ' (a ) D(a a ) Błędy przekraczające 50% przekreślają warość poznawczą orzymanych ocen. Przyczynami powodującymi orzymanie dużych błędów szacunku paramerów mogą być:. mała liczebność próby wykorzysywana do esymacji paramerów funkcji rendu, 2. niewłaściwa meoda esymacji paramerów funkcji rendu, 3. przyjęcie niewłaściwej analiycznej posaci funkcji rendu.
16 Analiza dynamiki produkcji 0 Jakość oszacowanej funkcji rendu można ocenić weryfikując hipoezy zerowe o isoności każdego parameru: H 0 : α i = 0 H : α i 0 Do weryfikacji H 0 wykorzysujemy saysykę posaci: (a i ) a i D(a i ) kóra posiada rozkład -Sudena 0 n-k sopniach swobody, jeżeli: (a ) - nie ma podsaw do odrzucenia hipoezy zerowej i (a i ) - hipoezę zerową odrzucamy na korzyść hipoezy alernaywnej
17 Analiza dynamiki produkcji oszacowania błędu prognozy: w przypadku prognozy punkowej bezwzględny (średni) błąd prognozy jes posaci: p S a błąd względny: ( - n ( ) - 2 ) 2 n S 2 e S 'p S y p p 00%
18 Analiza dynamiki produkcji 2 w przypadku prognozy przedziałowej posaci: P{y p u S p y y p u } - bezwzględny (średni) błąd prognozy wyznaczamy nasępująco: p S p u Jeśli odchylenia losowe funkcji rendu mają rozkład normalny o warość u α w przypadku dużej próby odczyujemy z ablic dysrybuany rozkładu normalnego. Jeśli próba jes mała o u α zasępujemy zmienną α,s, kórej warość odczyujemy z ablic rozkładu -Sudena. Gdy odchylenia losowe funkcji rendu nie S posiadają rozkładu normalnego, warość u wyznacza się z relacji: p S p u
19 Funkcja produkcji Proces produkcyjny polega na przekszałceniu przedmioów pracy w wyroby goowe przy zasosowaniu określonej echnologii i organizacji pracy, maszyn i urządzeń oraz pracy ludzkiej. Ilościową ilusracją relacji między wielkością (warością) produkcji a czynnikami, kóre na nią oddziałują, jes funkcja produkcji nasępującej posaci: Q f ( x, x,..., x 2 k, ) gdzie: Q - wielkość (warość) produkcji, x, x 2,..., x k czynniki produkcji niezbędne do jej wyworzenia, ξ - składnik losowy.
20 Zmiennymi objaśniającymi są najważniejsze czynniki wpływające na wielkość produkcji :. Nakłady pracy żywej liczba zarudnionych, liczba godzin przepracowanych przez zarudnionych. 2. Mająek produkcyjny środki rwałe o o bezpośrednio produkcyjne (maszyny i urządzenia bezpośrednio uczesniczące w procesie produkcji) pozosałe (np. budynki) przedmioy pracy (surowce, maeriały, energia) Uwzględnienie składnika losowego świadczy o sochasycznym charakerze relacji między wielkością produkcji a czynnikami ją kszałującymi. Wyraża on efek oddziaływania na wielkość produkcji czynników nie uwzględnionych w modelu, błędy pomiaru id.. Funkcja produkcji 2
21 Funkcja produkcji 3 eoria ekonomii opisuje w sposób przyczynowy wiele procesów gospodarczych, określając ym samym zbiór zmiennych diagnosycznych. Niekiedy jes on zby szeroki, a bywają również przypadki, gdy eoria ekonomii niezby jasno precyzuje, kóre zmienne należy brać pod uwagę aby jak najdokładniej opisać badane zjawisko. Można wówczas wykorzysać odpowiednie meody saysyczne. W modelu opisowym powinny znaleźć się zmienne silnie skorelowane ze zmienną objaśnianą i jednocześnie słabo skorelowane między sobą. Współliniowość zmiennych objaśniających (bezwzględne warości współczynników korelacji między zmiennymi objaśniającymi są bliskie jedności) prowadzi do wielu niekorzysnych efeków modelowania ekonomerycznego. Redukcji zbioru zmiennych diagnosycznych można dokonać za pomocą meody Hellwiga.
22 Meoda Hellwiga składa się z nasępujących kroków: Krok Określenie wszyskich zesawów zmiennych objaśniających, ich liczba jes równa ilości kombinacji możliwych do uworzenia. Jeżeli liczba zmiennych objaśniających jes równa m, o można uworzyć 2 m - ich kombinacji. Krok 2 Obliczenie dla każdej zmiennej w każdej kombinacji indywidualnej pojemności nośnika informacji według wzoru: 2 roj hkj rij gdzie: ii k I i : X K - zbiór indeksów (numerów) zmiennych wchodzących w skład k h kj r oj i k k-ej kombinacji, Funkcja produkcji 4 - indywidualna pojemność j-ej zmiennej w k-ej kombinacji, - współczynnik korelacji j-ej zmiennej objaśniającej ze zmienną objaśnianą, i I k r kj - suma bezwzględnych warości współczynników korelacji j-ej zmiennej objaśniającej z pozosałymi zmiennymi objaśniającymi w danej kombinacji.
23 Krok 3 Obliczenie inegralnej pojemności nośników informacji jako sumy pojemności indywidualnych w ramach każdej z kombinacji: gdzie: H k h kj j H k Krok 4 - inegralna pojemność nośników informacji, pozosałe oznaczenia jak poprzednio. Usalanie siły korelacji za pomocą esu isoności: H o : r oj 0 2 H : roj 0 r kr n 2 Jeżeli: roj r kr - należy przyjąć H 0, Funkcja produkcji 5 kr 2 roj r kr - H 0 należy odrzucić na korzyść H
24 Funkcja produkcji 6 Krok 5 Wybieramy zesaw zmiennych objaśniających najlepiej opisujących zmienną objaśnianą na podsawie wyników esu i warości inegralnych pojemności poszczególnych kombinacji.
25 Funkcja produkcji 7 Najczęściej spoykanymi posaciami funkcji produkcji są liniowa i poęgowa. Liniowa funkcja produkcji ma posać: Q 0 x 2x 2... kx k Paramery srukuralne funkcji produkcji są miernikami wpływu zmiennych objaśniających na wielkość produkcji. W liniowej funkcji produkcji są one równe produkom krańcowym, kóre można wyrazić nasępująco: Q Pi i,2,...,k x i Produk krańcowy wzglądem i-ego czynnika określa zmianę wielkości produkcji spowodowaną zmianą i-ego czynnika produkcji o jednoskę przy usalonym poziomie pozosałych czynników.
26 Funkcja produkcji 8 Poęgowa funkcja produkcji (Cobba-Douglasa) ma posać: Q x 0 x 2 2,..., x k k Zlogarymowana posać modelu jes liniowa względem paramerów srukuralnych i może być oszacowana KMNK. Paramery srukuralne ej funkcji są elasycznościami produkcji względem poszczególnych czynników. Elasyczność produkcji jes względną miarą wrażliwości produkcji na zmianę warości danej zmiennej objaśniającej i można ją wyrazić nasępująco: e E i Q x i x i Q
27 Elasyczność Q względem x i mówi o ile procen wzrośnie wielkość (warość) Q jeżeli wielkość (warość) x i wzrośnie o %, przy założeniu, że warości pozosałych zmiennych objaśniających nie ulegną zmianie. Miernik będący sumą produkcji względem wszyskich czynników produkcji ujęych w modelu nazywamy miernikiem efeku skali produkcji i obliczamy nasępująco: Miernik efeku skali produkcji informuje o ile procen wzrośnie wielkość produkcji jeżeli wielkość wszyskich czynników produkcji wzrośnie jednocześnie o %. Jeżeli: Funkcja produkcji 9 E i E= - wysępuje sała wydajność czynników produkcji (produkcja rośnie w ym samym empie jak czynniki ją kszałujące), E< - malejąca wydajność czynników produkcji, E> rosnąca wydajność czynników produkcji. k E i
28 ypowe modele przepływów produkcyjnych Zarządzanie przepływami srumieni rzeczowych przez przedsiębiorswo ulega ciągłym przeobrażeniom. Osanią fazą ej ewolucji jes zarządzanie kanałowe, nazywane akże łańcuchem dosaw. Jednakże sopień wykorzysania zinegrowanego logisycznego podejścia do zarządzania produkcją jes uzależniony od rodzaju wykonywanej produkcji. Z punku widzenia procesów logisycznych produkcji i sopnia złożoności serowania nimi możemy wyróżnić procesy produkcyjne: aparaurowe ( różnicujące asorymen produków ) z niewielkiej liczby surowców w kolejnych fazach produkcji wywarza się dużą różnorodność wyrobów, obróbczo-monażowe (scalające asorymen produków) z wielu maeriałów wywarza się ograniczony rodzajowo zesaw produków finalnych.
29 ypowe modele przepływów produkcyjnych 2 Zasosowanie logisyki w procesie zarządzania procesami produkcji o charakerze aparaurowym jes ograniczone, gdyż logisyką w ym przypadku seruje wykorzysywana echnologia. W procesach produkcyjnych o charakerze obróbczo-monażowym oprócz licznych srumieni przepływów isnieją różne rodzaje zapasów produkcji w oku, co sprawia, że zarządzanie akimi przepływami jes skomplikowane. Najczęściej spoykanymi rozwiązaniami organizacji przepływów produkcyjnych o ym charakerze są: linie pookowe sałe zsynchronizowane grupa sanowisk, na kórych wywarzany jes jeden rodzaj wyrobu, przy czym każde z gniazd służy do wykonania jednej operacji o czasie rwania równym w przybliżeniu akowi produkcji,
30 ypowe modele przepływów produkcyjnych 3 linie pookowe sałe nie zsynchronizowane brak synchronizacji pracy sanowisk, linie pookowe zmienne na jednej linii- po uprzednim jej przezbrojeniu - można wywarzać różne produky, gniazda przedmioowe o produkcji powarzalnej praca przebiega według wzorcowych harmonogramów obciążeń sanowisk o powarzalnej i usabilizowanej produkcji, gniazda o produkcji niepowarzalnej brak ścisłych powiązań między sanowiskami wynikające z dużej zmienności wykonywanych prac i niewysępowania sałych przydziałów poszczególnych operacji do konkrenych sanowisk.
31 ypowe modele przepływów produkcyjnych 4 W logisyce produkcji wysępują procesy rzeczowe (fizyczne), kóre obejmują ranspor wewnęrzny surowców, maeriałów ip., czynności manipulacyjne i worzenie zapasów produkcji w oku i informacyjne, do kórych zaliczamy planowanie, serowanie i regulowanie przepływów produkcji. Newralgicznym punkem serowania przepływami rzeczowymi produkcji są zapasy produkcji w oku, kórych minimalizacja przyczynia się do zmniejszania zamrożonego kapiału obroowego i zaporzebowania na powierzchnię składową. Zapasy produkcji w oku dzielimy na:. Zapasy międzykomórkowe (Z m ) służą wyrównywaniu różnic w zaporzebowaniu, wynikających ze zmieniającej się inensywności pracy w poszczególnych komórkach. zapasy bieżące (Z mb ) zapasy zabezpieczające (Z mz )
32 ypowe modele przepływów produkcyjnych 5 2. Zapasy wewnąrzkomórkowe (Z w ) zapasy cykliczne ( echnologiczne) - (Z wc ) o zapasy operacyjne (Z op ) wyroby obrabiane na danym sanowisku, o zapasy międzyoperacyjne (Z mop ) zapasy obroowe (Z o ) urzymywane w celu synchronizacji czasów wykonania kolejnych operacji, zapasy ransporowe (Z ) zapasy pozosające w ransporcie lub na niego oczekujące, zapasy kompensacyjne (Z k ) worzone w celu wyrównywania różnic między rzeczywisą wydajnością prac a wydajnością normowaną, zapasy awaryjne (Z a ) gromadzone w przypadku dużej awaryjności danego sanowiska pracy. zapasy pozacykliczne (Z wp ) urzymywane na wypadek wysąpienia nieprzewidzianych zakłóceń.
33 ypowe modele przepływów produkcyjnych 6 W serowaniu przepływami produkcji rozróżnia się :. Serowanie wewnąrzkomórkowe usalanie i konrola wykonania zadań podsawowych komórek organizacyjnych, przy zachowaniu jakości produkcji, erminowości zakończenia prac, skracania cykli produkcji i minimalizacji czasów przygoowawczo zakończeniowych 2. Serowanie międzykomórkowe według meody: aku produkcji wykorzysuje ak produkcji i wydajność jednoskową linii, okresu powarzalności produkcji jes o harmonogram przebiegu produkcji, programu i zapasów jes sosowana gdy nie można zsynchronizować pracy dwóch komórek (worzenie magazynu międzykomórkowego) poziomów minimum-maksimum zapasów usala się normy zapasów, poziomu zapasu kryycznego sosuje się gdy porzeby pojawiają się nieregularnie, wyprzedzeń sosuje się do produkcji jednoskowej o długim cyklu.
34 Nowoczesne meody serowania przepływami Jednym z nowoczesnych kierunków usprawniania procesów logisycznych jes sysem Jus-in-ime, kórego węższą wersją, doyczącą głównie przepływu produkcji w przedsiębiorswie przemysłowym, jes japoński sysem kanban. Celem ych sysemów jes eliminowanie sra powsających na skuek okresowej nadprodukcji, oczekiwania, opóźnień ransporowych, braków produkcyjnych, długorwałego magazynowania ip., kóre powodują nadmierne zaangażowanie kapiału i zwolnienie szybkości jego ruchu okrężnego. Podsawowymi założeniami sysemu kanban są: konieczność dorzymania wysokiej jakości, maksymalne skracanie czasów przygoowawczo-zakończeniowych, minimalizacja liczebności parii produkcyjnych.
35 Opymalna paria produkcji Jeżeli chcemy zasosować podejście minimalizujące koszy worzenia i urzymania zapasu do dosawy z własnej produkcji (dokonywanej sukcesywnie do magazynu zbyu), o opymalną parię produkcji wyznaczamy nasępująco: gdzie: Y inensywność popyu, X maksymalna inensywność produkcji, P popy, Q K z kosz zakupu ( w ym przypadku kosz produkcji i ransporu wewnęrznego), K u kosz urzymania zapasu ' op. K 2PK u ( z Y ) X
36 Opymalna paria produkcji 2 Opymalną parię produkcji zasilającą sukcesywnie magazyn zbyu można uzależnić od opymalnej parii zakupu: Q ' op. Q op. Y X gdzie: Q op. - opymalna paria zakupu Pozosałe oznaczenia jak poprzednio.
WNIOSKOWANIE STATYSTYCZNE
Wnioskowanie saysyczne w ekonomerycznej analizie procesu produkcyjnego / WNIOSKOWANIE STATYSTYCZNE W EKONOMETRYCZNEJ ANAIZIE PROCESU PRODUKCYJNEGO Maeriał pomocniczy: proszę przejrzeć srony www.cyf-kr.edu.pl/~eomazur/zadl4.hml
Bardziej szczegółowoWykład 6. Badanie dynamiki zjawisk
Wykład 6 Badanie dynamiki zjawisk TREND WYODRĘBNIANIE SKŁADNIKÓW SZEREGU CZASOWEGO 1. FUNKCJA TRENDU METODA ANALITYCZNA 2. ŚREDNIE RUCHOME METODA WYRÓWNYWANIA MECHANICZNEGO średnie ruchome zwykłe średnie
Bardziej 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 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 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 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 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 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 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 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 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 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 szczegółowoMetody rachunku kosztów Metoda rachunku kosztu działań Podstawowe pojęcia metody ABC Kalkulacja obiektów kosztowych metodą ABC Zasobowy rachunek
Meody rachunku koszów Meoda rachunku koszu Podsawowe pojęcia meody ABC Kalkulacja obieków koszowych meodą ABC Zasobowy rachunek koszów Kalkulacja koszów meodą ABC podsawową informacja dla rachunkowości
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 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 szczegółowospecyfikacji i estymacji modelu regresji progowej (ang. threshold regression).
4. Modele regresji progowej W badaniach empirycznych coraz większym zaineresowaniem cieszą się akie modele szeregów czasowych, kóre pozwalają na objaśnianie nieliniowych zależności między poszczególnymi
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 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 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 szczegółowoAnaliza opłacalności inwestycji logistycznej Wyszczególnienie
inwesycji logisycznej Wyszczególnienie Laa Dane w ys. zł 2 3 4 5 6 7 8 Przedsięwzięcie I Program rozwoju łańcucha (kanału) dysrybucji przewiduje realizację inwesycji cenrum dysrybucyjnego. Do oceny przyjęo
Bardziej szczegółowodr Bartłomiej Rokicki Katedra Makroekonomii i Teorii Handlu Zagranicznego Wydział Nauk Ekonomicznych UW
Kaedra Makroekonomii i Teorii Handlu Zagranicznego Wydział Nauk Ekonomicznych UW Sposoby usalania płac w gospodarce Jednym z głównych powodów, dla kórych na rynku pracy obserwujemy poziom bezrobocia wyższy
Bardziej szczegółowoNiestacjonarne 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 szczegółowoMODELOWANIE I PROGNOZOWANIE EKONOMETRYCZNE W LOGISTYCE PRZEDSIĘBIORSTWA MODELING AND ECONOMETRIC PREDICTION IN LOGISTICS COMPANY
Sysemy Logisyczne Wojsk nr 44/06 MODELOWANIE I PROGNOZOWANIE EKONOMETRYCZNE W LOGISTYCE PRZEDSIĘBIORSTWA MODELING AND ECONOMETRIC PREDICTION IN LOGISTICS COMPANY Agnieszka DUDA a.duda@aon.edu.pl Akademia
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 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 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 szczegółowoNatalia Iwaszczuk, Piotr Drygaś, Piotr Pusz, Radosław Pusz PROGNOZOWANIE GOSPODARCZE
Naalia Iwaszczuk, Pior Drygaś, Pior Pusz, Radosław Pusz PROGNOZOWANIE GOSPODARCZE Wyd-wo, Rzeszów 03 dr hab., prof. nadzw. Naalia Iwaszczuk, AGH Akademia Górniczo-Hunicza im. Sanisława Saszica w Krakowie
Bardziej szczegółowoKlasyfikacja modeli. Metoda najmniejszych kwadratów
Konspek ekonomeria: Weryfikacja modelu ekonomerycznego Klasyfikacja modeli Modele dzielimy na: - jedno- i wielorównaniowe - liniowe i nieliniowe - sayczne i dynamiczne - sochasyczne i deerminisyczne -
Bardziej szczegółowoInwestycje. 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 szczegółowoFinanse. 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 szczegółowoZarządzanie Projektami. Wykład 3 Techniki sieciowe (część 1)
Zarządzanie Projekami Wykład 3 Techniki sieciowe (część ) Przedsięwzięcie wieloczynnościowe Przedsięwzięcie wieloczynnościowe skończona liczba wzajemnie ze sobą powiązanych czynności (eapów). Powiązania
Bardziej szczegółowoINWESTYCJE. Makroekonomia II Dr Dagmara Mycielska Dr hab. Joanna Siwińska-Gorzelak
INWESTYCJE Makroekonomia II Dr Dagmara Mycielska Dr hab. Joanna Siwińska-Gorzelak Inwesycje Inwesycje w kapiał rwały: wydaki przedsiębiorsw na dobra używane podczas procesu produkcji innych dóbr Inwesycje
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 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 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 szczegółowoJerzy Czesław Ossowski Politechnika Gdańska. Dynamika wzrostu gospodarczego a stopy procentowe w Polsce w latach
DYNAMICZNE MODELE EKONOMETRYCZNE IX Ogólnopolskie Seminarium Naukowe, 6 8 września 2005 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Poliechnika Gdańska Dynamika wzrosu
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 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 szczegółowoWYKORZYSTANIE RACHUNKU WARIACYJNEGO DO ANALIZY WAHAŃ PRODUKCJI W PRZEDSIĘBIORSTWACH
STUDIA I PRACE WYDZIAŁU NAUK EKONOMICZNYCH I ZARZĄDZANIA NR 36, T. 1 Sefan Grzesiak * WYKORZYSTANIE RACHUNKU WARIACYJNEGO DO ANALIZY WAHAŃ PRODUKCJI W PRZEDSIĘBIORSTWACH STRESZCZENIE W arykule podjęo problem
Bardziej szczegółowoJacek 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 szczegółowoMODELE AUTOREGRESYJNE JAKO INSTRUMENT ZARZĄDZANIA ZAPASAMI NA PRZYKŁADZIE ELEKTROWNI CIEPLNEJ
Agaa MESJASZ-LECH * MODELE AUTOREGRESYJNE JAKO INSTRUMENT ZARZĄDZANIA ZAPASAMI NA PRZYKŁADZIE ELEKTROWNI CIEPLNEJ Sreszczenie W arykule przedsawiono wyniki analizy ekonomerycznej miesięcznych warości w
Bardziej szczegółowoMacierz X ma wymiary: 27 wierszy (liczba obserwacji) x 6 kolumn (kolumna jednostkowa i 5 kolumn ze zmiennymi objaśniającymi) X
ROZWIĄZANIA ZADAO Zadanie EKONOMETRIA_dw_.xls Na podsawie danych zamieszczonych w arkuszu Zadanie. Podad posad analiyczną modelu ekonomerycznego wielkości produkcji w przemyśle od PO - liczby pracujących
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 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 szczegółowoJEDNORÓWNANIOWY 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 szczegółowoRóżnica 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 szczegółowoStatystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl
Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Statystyczna teoria korelacji i regresji (1) Jest to dział statystyki zajmujący
Bardziej 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 szczegółowoDr hab. Jerzy Czesław Ossowski Wybrane elementy ekonometrii stosowanej cz. II Istotność zmiennych modelu, autokorelacja i modele multiplikatywne
Dr hab. Jerzy Czesław Ossowski Wybrane elemeny ekonomerii sosowanej cz. II Isoność zmiennych modelu, auokorelacja i modele muliplikaywne Ekonomeria-ćw.cz-SSW dr hab. Jerzy Czesław Ossowski Kaedra Nauk
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 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 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 szczegółowoZARZĄDZANIE KOSZTAMI UTRZYMANIA GOTÓWKI W ODDZIAŁACH BANKU KOMERCYJNEGO
ZARZĄDZANIE KOSZTAMI UTRZYMANIA GOTÓWKI W ODDZIAŁACH BANKU KOMERCYJNEGO Sreszczenie Michał Barnicki Poliechnika Śląska, Wydział Oranizacji i Zarządzania Monika Odlanicka-Poczobu Poliechnika Śląska, Wydział
Bardziej szczegółowoStanisław Cichocki Natalia Nehrebecka. Wykład 3
Sanisław Cichocki Naalia Nehrebecka Wykład 3 1 1. Zmienne sacjonarne 2. Zmienne zinegrowane 3. Regresja pozorna 4. Funkcje ACF i PACF 5. Badanie sacjonarności Tes Dickey-Fullera (DF) 2 1. Zmienne sacjonarne
Bardziej szczegółowoEwa Dziawgo Uniwersytet Mikołaja Kopernika w Toruniu. Analiza wrażliwości modelu wyceny opcji złożonych
DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólnopolskie Seminarium Naukowe, 4 6 września 7 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Uniwersye Mikołaja Kopernika w Toruniu
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 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 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 szczegółowoZAŁOŻENIA NEOKLASYCZNEJ TEORII WZROSTU EKOLOGICZNIE UWARUNKOWANEGO W MODELOWANIU ZRÓWNOWAŻONEGO ROZWOJU REGIONU. Henryk J. Wnorowski, Dorota Perło
0-0-0 ZAŁOŻENIA NEOKLASYCZNEJ TEORII WZROSTU EKOLOGICZNIE UWARUNKOWANEGO W MODELOWANIU ZRÓWNOWAŻONEGO ROZWOJU REGIONU Henryk J. Wnorowski, Doroa Perło Plan wysąpienia Cel referau. Kluczowe założenia neoklasycznej
Bardziej szczegółowoSystem zielonych inwestycji (GIS Green Investment Scheme)
PROGRAM PRIORYTETOWY Tyuł programu: Sysem zielonych inwesycji (GIS Green Invesmen Scheme) Część 6) SOWA Energooszczędne oświelenie uliczne. 1. Cel programu Ograniczenie lub uniknięcie emisji dwulenku węgla
Bardziej szczegółowoZASTOSOWANIE 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 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 szczegółowoWykład 3 POLITYKA PIENIĘŻNA POLITYKA FISKALNA
Makroekonomia II Wykład 3 POLITKA PIENIĘŻNA POLITKA FISKALNA PLAN POLITKA PIENIĘŻNA. Podaż pieniądza. Sysem rezerwy ułamkowej i podaż pieniądza.2 Insrumeny poliyki pieniężnej 2. Popy na pieniądz 3. Prowadzenie
Bardziej szczegółowoK 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 szczegółowoZałożenia metodyczne optymalizacji ekonomicznego wieku rębności drzewostanów Prof. dr hab. Stanisław Zając Dr inż. Emilia Wysocka-Fijorek
Założenia meodyczne opymalizacji ekonomicznego wieku rębności drzewosanów Prof. dr hab. Sanisław Zając Dr inż. Emilia Wysocka-Fijorek Plan 1. Wsęp 2. Podsawy eoreyczne opymalizacji ekonomicznego wieku
Bardziej szczegółowoTESTOWANIE EGZOGENICZNOŚCI ZMIENNYCH W MODELACH EKONOMETRYCZNYCH
STUDIA I PRACE WYDZIAŁU NAUK EKONOMICZNYCH I ZARZĄDZANIA NR 15 Mariusz Doszyń TESTOWANIE EGZOGENICZNOŚCI ZMIENNYCH W MODELACH EKONOMETRYCZNYCH Od pewnego czasu w lieraurze ekonomerycznej pojawiają się
Bardziej szczegółowoMetody badania wpływu zmian kursu walutowego na wskaźnik inflacji
Agnieszka Przybylska-Mazur * Meody badania wpływu zmian kursu waluowego na wskaźnik inflacji Wsęp Do oceny łącznego efeku przenoszenia zmian czynników zewnęrznych, akich jak zmiany cen zewnęrznych (szoki
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 szczegółowoz n o c o r p a s o w a n n F i z ę Commercial Union Polska należy do międzynarodowej Grupy
R o c z n y o r p a R C z ę ś ć n F i a n a s o w Commercial Union Polska należy do międzynarodowej Grupy CU Życie Bilans Akywa (w złoych) San na roku San na roku A. Warości niemaerialne i prawne 9 485
Bardziej szczegółowoKOSZTOWA OCENA OPŁACALNOŚCI EKSPLOATACJI WĘGLA BRUNATNEGO ZE ZŁOŻA LEGNICA ZACHÓD **
Górnicwo i Geoinżynieria Rok 31 Zeszy 2 2007 Kazimierz Czopek* KOSZTOWA OCENA OPŁACALNOŚCI EKSPLOATACJI WĘGLA BRUNATNEGO ZE ZŁOŻA LEGNICA ZACHÓD ** 1. Wprowadzenie Uwzględniając ylko prosy bilans energii
Bardziej szczegółowoAnaliza szeregów czasowych w Gretlu (zajęcia 8)
Analiza szeregów czasowych w Grelu (zajęcia 8) Grel jes dość dobrym narzędziem do analizy szeregów czasowych. Już w samej podsawie Grela znajdziemy sporo zaimplemenowanych echnik służących do obróbki danych
Bardziej szczegółowoMariusz Plich. Spis treści:
Spis reści: Modele wielorównaniowe - mnożniki i symulacje. Podsawowe pojęcia i klasyfikacje. Czynniki modelowania i sposoby wykorzysania modelu 3. ypy i posacie modeli wielorównaniowych 4. Przykłady modeli
Bardziej szczegółowoEKONOMETRIA. Prof. dr hab. Eugeniusz Gatnar.
EKONOMETRIA Prof. dr hab. Eugeniusz Gatnar egatnar@mail.wz.uw.edu.pl Sprawy organizacyjne Wykłady - prezentacja zagadnień dotyczących: budowy i weryfikacji modelu ekonometrycznego, doboru zmiennych, estymacji
Bardziej szczegółowoWitold Orzeszko Uniwersytet Mikołaja Kopernika w Toruniu. Własności procesów STUR w świetle metod z teorii chaosu 1
DYNAMICZNE MODELE EKONOMETRYCZNE IX Ogólnopolskie Seminarium Naukowe, 6-8 września 2005 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Uniwersye Mikołaja Kopernika w Toruniu
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 szczegółowoSystem zielonych inwestycji (GIS Green Investment Scheme)
PROGRAM PRIORYTETOWY Tyuł programu: Sysem zielonych inwesycji (GIS Green Invesmen Scheme) Część 6) SOWA Energooszczędne oświelenie uliczne. 1. Cel programu Ograniczenie emisji dwulenku węgla poprzez dofinansowanie
Bardziej szczegółowoOcena 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 szczegółowoWYKORZYSTANIE MIERNIKÓW KREOWANIA WARTOŚCI W RACHUNKU ODPOWIEDZIALNOŚCI
ZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO NR 668 FINANSE, RYNKI FINANSOWE, UBEZPIECZENIA NR 41 2011 BARTŁOMIEJ NITA Uniwersye Ekonomiczny we Wrocławiu WYKORZYSTANIE MIERNIKÓW KREOWANIA WARTOŚCI W RACHUNKU
Bardziej szczegółowoWZROST GOSPODARCZY A BEZROBOCIE
Wojciech Pacho & WZROST GOSPODARCZ A BEZROBOCIE Celem niniejszego arykułu jes pokazanie związku pomiędzy ezroociem a dynamiką wzrosu zagregowanej produkcji. Poszukujemy oowiedzi na pyanie czy i jak silnie
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 szczegółowo2. Wprowadzenie. Obiekt
POLITECHNIKA WARSZAWSKA Insyu Elekroenergeyki, Zakład Elekrowni i Gospodarki Elekroenergeycznej Bezpieczeńswo elekroenergeyczne i niezawodność zasilania laoraorium opracował: prof. dr ha. inż. Józef Paska,
Bardziej szczegółowoMETODY STATYSTYCZNE W FINANSACH
METODY STATYSTYCZNE W FINANSACH Krzyszof Jajuga Akademia Ekonomiczna we Wrocławiu, Kaedra Inwesycji Finansowych i Ubezpieczeń Wprowadzenie W osanich kilkunasu laach na świecie obserwuje się dynamiczny
Bardziej szczegółowoEksploracja danych. KLASYFIKACJA I REGRESJA cz. 1. Wojciech Waloszek. Teresa Zawadzka.
Eksploracja danych KLASYFIKACJA I REGRESJA cz. 1 Wojciech Waloszek wowal@ei.pg.gda.pl Teresa Zawadzka egra@ei.pg.gda.pl Kaedra Inżyrii Oprogramowania Wydział Elekroniki, Telekomunikacji i Informayki Poliechnika
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 szczegółowoIntegracja zmiennych Zmienna y
Inegracja zmiennych Zmienna y jes zinegrowana rzędu d jeśli jej różnice rzędu d są sacjonarne. Zapisujemy o y ~ I ( d ). Przyjmuje się również, że zmienna sacjonarna y (jako że nie rzeba jej różnicować,
Bardziej szczegółowoStrukturalne podejście w prognozowaniu produktu krajowego brutto w ujęciu regionalnym
Jacek Baóg Uniwersye Szczeciński Srukuralne podejście w prognozowaniu produku krajowego bruo w ujęciu regionalnym Znajomość poziomu i dynamiki produku krajowego bruo wyworzonego w poszczególnych regionach
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 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 szczegółowoMakroekonomia II. Plan
Makroekonomia II Wykład 5 INWESTYCJE Wyk. 5 Plan Inwesycje 1. Wsęp 2. Inwesycje w modelu akceleraora 2.1 Prosy model akceleraora 2.2 Niedosaki prosego modelu akceleraora 3. Neoklasyczna eoria inwesycji
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 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 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 szczegółowoψ przedstawia zależność
Ruch falowy 4-4 Ruch falowy Ruch falowy polega na rozchodzeniu się zaburzenia (odkszałcenia) w ośrodku sprężysym Wielkość zaburzenia jes, podobnie jak w przypadku drgań, funkcją czasu () Zaburzenie rozchodzi
Bardziej szczegółowoSZACOWANIE 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 szczegółowoEtapy 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 szczegółowoWpływ przestępczości na wzrost gospodarczy
Magdalena Paszkiewicz Uniwersye Łódzki magpasz@wp.pl Wpływ przesępczości na wzros gospodarczy Myśl o dobrobycie jes bliska każdemu z nas. Chcielibyśmy być obywaelami bogaego, praworządnego pańswa, w kórego
Bardziej szczegółowoEkonometria I materiały do ćwiczeń
lp daa wkładu ema Wkład dr Doroa Ciołek Ćwiczenia mgr inż. - Rodzaje danch sascznch - Zmienne ekonomiczne jako zmienne losowe 1a) Przkład problemów badawczch hipoeza, propozcja modelu ekonomercznego, zmienne
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 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 szczegółowoPOWIĄZANIA POMIĘDZY KRÓTKOOKRESOWYMI I DŁUGOOKRESOWYMI STOPAMI PROCENTOWYMI W POLSCE
Anea Kłodzińska, Poliechnika Koszalińska, Zakład Ekonomerii POWIĄZANIA POMIĘDZY KRÓTKOOKRESOWYMI I DŁUGOOKRESOWYMI STOPAMI PROCENTOWYMI W POLSCE Sopy procenowe w analizach ekonomicznych Sopy procenowe
Bardziej szczegółowo