Dynamika sprzedaży najpopularniejszych artystów na rynku fonograficznym
|
|
- Julian Adamczyk
- 7 lat temu
- Przeglądów:
Transkrypt
1 Dynamika sprzedaży najpopularniejszych artystów na rynku fonograficznym Andrzej Buda (Instytu Fizyki Jądrowej PAN im. Henryka Niewodniczańskiego w Krakowie) Andrzej Jarynowski (Instytut Socjologii Uniwerystetu w Sztokholmie/Zakład Teorii Układów Złożonych Uniwerystetu Jagielońskiego w Krakowie)
2 Wprowadzenie do rynku fonograficznego Rynek fonograficzny = rynek towarowy (układ złożony) Wartość sprzedaży 1% najpopularniejszych artystów = wartości sprzedaży 77% kolejnych 80% rynku opanowane przez 4 firmy (Universal, EMI, Sony BMG and Warner Bros). Wszyscy najlepiej sprzedający się artyści należą do nich Cotygodniowe dokładne wyniki sprzedaży (lista 200 bestsellerowych płyt) od 2003 zbierane przez IFPI (International Federation of the Phonographic Industry) Rynek muzyczny kurczy się od 2000 po kilka procent rocznie do 28 do 16 miliardów USD, cyfryzacja na masową skale jako sposób walki o utrzymanie dochodu (wzrost marży)
3 Wprowadzenie do rynku fonograficznego - obecnie )
4 Sprzedaż płyt w milionach sztuk 30 best selling artists ( ) Eminem Black Eyed Peas Michael Jackson Lady Gaga 50 Cent Coldplay Green Day Norah Jones Beyonce Usher Rihanna U2 Adele Alicia Keys Britney Spears Taylor Sw ift Pink Evanescence Miley Cyrus Kanye West Amy Winehouse Nickelback Kelly Clarkson Jay-Z The Beatles Kings Of Leon Bruce Springsteen Justin Timberlake Nelly Furtado Rascal Flatts 0.0E E E E E E E E+07
5 Analiza hierarchiczna Rynek giełdowy Rynek fonograficzny Notowania akcji na giełdzie Notowania artysty na listach sprzedaży Stopa zwrotu zmiana sprzedaży płyt Korelacje między akcjami Korelacje między artystami Odległość między akcjami Odległość między artystami Główny ideks giełdowy Najpopularniejsi artyści Sektory i podsektory Gatunki muzyczne gospodarki
6 Analiza hierarchiczna
7 Trajektorie sprzedażowe Cent Alicia Keys Amy Winehouse Beyonce Black Eyed Peas Britney Spears Bruce Springsteen Coldplay Eminem Evanescence Green Day Jay-Z Justin Timberlake Kanye West Kelly Clarkson Kings Of Leon Michael Jackson Miley Cyrus Nelly Furtado Nickelback Norah Jones Pink Rascal Flatts Rihanna Taylor Swift U2 Usher The Beatles Lady Gaga Adele
8 Sprzedaż
9 Zwroty logarytmiczne sprzedaży
10 Unormowana sprzedaż
11 Sprzedaż sezonowa
12 Autokorelacja
13 Autokorelacja
14 Analiza hierarchiczna Diagram of phonographic market 50 Cent Green Day Kelly Clarkson Beyonce U2 Jay-Z The Beatles Britney Spears Nickelback Eminem Michael Jackson Miley Cyrus Kings Of Leon Taylor Swift Pink Rascal Flatts Rihanna Black Eyed Peas Coldplay Kanye West Amy Winehouse Justin Timberlake Nelly Furtado Evanescence Norah Jones Usher Lady Gaga Adele Alicia Keys Bruce Springsteen Distance
15 Analiza sieciowa: istotne stat. pozytywne korelacje
16 Analiza sieciowa: istotne stat. pozytywne korelacje
17 Analiza sieciowa: negatywne korelacje
18 Model stochastyczny sprzedaży Black Eyed Peas sprzedaż w tysiącach tygodnie od
19 Model stochastyczny sprzedaży Bruce Springsteen sprzedaż w tysiącach tygodnie od
20 Model stochastyczny sprzedaży Cent Alicia Keys Amy Winehouse Beyonce Black Eyed Peas Britney Spears Bruce Springsteen Coldplay Eminem Evanescence Green Day Jay-Z Justin Timberlake Kanye West Kelly Clarkson Kings Of Leon Michael Jackson Miley Cyrus Nelly Furtado Nickelback Norah Jones Pink Rascal Flatts Rihanna Taylor Swift U2 Usher The Beatles Lady Gaga Adele
21 Model stochastyczny sprzedaży Płyta wydawana średnio co 120 tygodni Promocja płyty średnio 40 tygodni Średnio 3 single na płytę Co 2-3 płyta uzyskuje uznanie
22 Założenia modelu
23 Założenia modelu
24 Model stochastyczny sprzedaży Cent Alicia Keys Amy Winehouse Beyonce Black Eyed Peas Britney Spears Bruce Springsteen Coldplay Eminem
25 Model stochastyczny sprzedaży Bazowy model: quasi-geometryczny ruch Browna z powrotem do średniej Poza stanem bazowym- stan wzbudzony- w trakcie promocji płyty W stanie wzbudzonym: pik podstawowy i piki wtórne z możliwością utrzymania się na wysokim poziomie
26 The 30 most popular artists record sales Sales [k] The MRGRW model of the 30 most popular artists record sales Sales [k] 1600 Weeks Model vs rzeczywistość Weeks
27 Model stochastyczny sprzedaży Model vs rzeczywistość Wykładnik Hursta Rzeczywistość: H=0,39 Model: H=0,31
28 The MRGRW model of the 30 most popular artists record sales Sales [k] Weeks
29 Model stochastyczny sprzedaży Markowskie przejście (MRS) między stanem podstawowym (MRqGRW) a wzbudzonym i vice versa Wydanie albumu (przejście do stanu wzbudzonego), jako liczba losowa z rozkładu jednorodnego i gruboogonowego Stan wzbudzony charakteryzuje się tymi samymi parametrami procesu, co podstawowy Wydanie singla (w stanie wzbudzonym), jako liczba losowa z rozkładu jednorodnego Utrzymanie wysokiej sprzedaży (spowodowane wysoką jakością płyty lub singla, czy w wyniku dobrej trasy koncertowej) jako podbicie poziomu odniesienia na jakiś czas
30 Model niestacjonarny sprzedaży Pamieć markowska wysokość piku zależy od sprzedaży poprzedniego albumu Black Eyed Peas Record sales [k] weeks since
31 Model niestacjonarny sprzedaży Sezonowość wydawania albumów
32 Model niestacjonarny sprzedaży Sezonowość wydawania albumów
33 Model niestacjonarny sprzedaży vs rzeczywistość W wyniku porównania trajektorii modelowych i empirycznych przez obserwowanie zachowań kolektywnych konsumentów muzyki, zapostulowane zostanie wyodrębnienie dwóch kategorii kupujących świadomych fanów muzyki (zwracających uwagę na jakość produktu i przywiązanych do konkretnych gatunków muzycznych) i klienteli
34 Rynek fonograficzny konsumenci świadomych fanów muzyki (zwracających uwagę na jakość produktu i przywiązanych do konkretnych gatunków muzycznych) klienteli od święta (podążającej za trendami) => układ otwarty
35 Model stochastyczny sprzedaży - wady Duża liczba parametrów dopasowywanych i ustawianych na sztywno heurystycznie na podstawie wiedzy eksperckiej (opartej tylko pośrednio na empirii) Krótkie szeregi czasowe (500 tygodni) Skomplikowane relacje wydawcaatytsta-fan (analiza hierarchiczna)
36 Model stochastyczny sprzedaży - zastosowania Strategie graczy na rynku towarowym (np. czy lepiej iść za ciosem i wydawać płyty o podobnej tematyce zaraz po sobie, czy przesuwać premiery, aby nie robić sobie konkurencji). Efekty kolektywne Przewidywanie wysokości piku i sprzedaży całkowitej
37 Rynek fonograficzny zagadnienia na przyszłość agentowe modelowanie sprzedaży analiza deterministyczna równania różniczkowe trajektorii sprzedaży P(t), dokładne rozwiązania i podstawowe parametry (promocja, jakość produktu, wielkość rynku)
38 Podziękowania: Jaroslaw Kwapien, Joanna Janczura, Andrzej Grabowski, Tomasz Gubiec, Ryszard Kutner, Stanislaw Drozdz, Fredrik Liljeros, Malgorzata Samsel-Czekala The MRGRW model of the 30 most popular artists record sales Sales [k] Weeks Dziękuję za uwagę
Prognozowanie i Symulacje. Wykład I. Matematyczne metody prognozowania
Prognozowanie i Symulacje. Wykład I. e-mail:e.kozlovski@pollub.pl Spis treści Szeregi czasowe 1 Szeregi czasowe 2 3 Szeregi czasowe Definicja 1 Szereg czasowy jest to proces stochastyczny z czasem dyskretnym
Bardziej szczegółowoWstęp do analitycznych i numerycznych metod wyceny opcji
Wstęp do analitycznych i numerycznych metod wyceny opcji Jan Palczewski Wydział Matematyki, Informatyki i Mechaniki Uniwersytet Warszawski Warszawa, 16 maja 2008 Jan Palczewski Wycena opcji Warszawa, 2008
Bardziej szczegółowoKierunek studiów: Finanse i Rachunkowość Specjalność: Inżynieria finansowa
Kierunek studiów: Finanse i Rachunkowość Specjalność: Inżynieria finansowa Kierunek studiów: FINANSE I RACHUNKOWOŚĆ Specjalność: Inżynieria finansowa Spis treści 1. Dlaczego warto wybrać specjalność Inżynieria
Bardziej szczegółowoSkoki o zerowej długości w formalizmie błądzenia losowego w czasie ciągłym
TEMATY PRAC MAGISTERSKICH Z EKONOFIZYKI Rok akademicki 2013/14 Skoki o zerowej długości w formalizmie błądzenia losowego w czasie ciągłym Opiekun: dr Tomasz Gubiec Email: Tomasz.Gubiec@fuw.edu.pl Błądzenie
Bardziej szczegółowoKrzysztof Piontek MODELOWANIE I PROGNOZOWANIE ZMIENNOŚCI INSTRUMENTÓW FINANSOWYCH
Akademia Ekonomiczna im. Oskara Langego we Wrocławiu Wydział Zarządzania i Informatyki Krzysztof Piontek MODELOWANIE I PROGNOZOWANIE ZMIENNOŚCI INSTRUMENTÓW FINANSOWYCH rozprawa doktorska Promotor: prof.
Bardziej szczegółowoFRYDERYKI 2013 Nowa odsłona
FRYDERYKI 2013 Nowa odsłona Od dziś można zgłaszać kandydatów do Fryderyków 2013. Organizatorzy nagród podnoszą poprzeczkę i dostosowują kategorie nagród do multigatunkowej rzeczywistości współczesnego
Bardziej szczegółowoSocjofizyka... czyli wkład fizyki w analizę społeczeństw
Socjofizyka... czyli wkład fizyki w analizę społeczeństw Kongres Młodej Socjologii, Kraków, 01.06.2012 Andrzej Jarynowski 1, Fredrik Liljeros 2.3 Krzysztof Kułakowski.4 1 Zakład Teorii Układów Złożonych,
Bardziej szczegółowoszeregów czasowych. Funkcjonowanie wybranych metod ryzyka inwestycyjnego dla wybranych empirycznych Wprowadzenie do miary ryzyka.
Funkcjonowanie wybranych metod ryzyka inwestycyjnego dla wybranych empirycznych szeregów czasowych. Wprowadzenie do miary ryzyka. A G N I E S Z K A TO F I L W Y D Z I A Ł F I Z Y K I U N I W E R S Y T
Bardziej szczegółowoEKONOMETRYCZNE MODELE KURSÓW WALUTOWYCH
Monografie i Opracowania 547 Ewa Marta Syczewska EKONOMETRYCZNE MODELE KURSÓW WALUTOWYCH Warszawa 2007 Szkoła Główna Handlowa w Warszawie Wprowadzenie 15 Przegląd funkcjonowania kursów walutowych... 15
Bardziej 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 szczegółowoinwestycji w energetyce?
Dlaczego LCOE nie jest dobra miarą rentowności inwestycji w energetyce? Wydział Matematyki Stosowanej Akademia Górniczo-Hutnicza 1 lutego 2017 Seminarium Opcje rzeczowe - problemy naukowe i praktyczne
Bardziej szczegółowoPerfect, Patrycja & Grzegorz Markowscy
ZAPRASZAMY 13.04.2019 Perfect, Patrycja & Grzegorz Markowscy Grzegorz, jako wokalista Perfectu, jest gwiazdą polskiej sceny rockowej od wczesnych lat 80. Patrycja rozpoczęła błyskotliwą karierę od wydanej
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 szczegółowoZastosowania analizy stochastycznej w finansach Application of Stochastic Models in Financial Analysis Kod przedmiotu: Poziom przedmiotu: II stopnia
Nazwa przedmiotu: Kierunek: Matematyka Rodzaj przedmiotu: obowiązkowy dla specjalności matematyka finansowa i ubezpieczeniowa Rodzaj zajęć: wykład, ćwiczenia Zastosowania analizy stochastycznej w finansach
Bardziej szczegółowoCzy opcje walutowe mogą być toksyczne?
Katedra Matematyki Finansowej Wydział Matematyki Stosowanej AGH 11 maja 2012 Kurs walutowy Kurs walutowy cena danej waluty wyrażona w innej walucie np. 1 USD = 3,21 PLN; USD/PLN = 3,21 Rodzaje kursów walutowych:
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 szczegółowoWarszawa, październik 2009
Witamy Warszawa, październik 2009 Istotne wydarzenia Istotne wydarzenia Istotne wydarzenia I półrocze 2009 cz.1 Rok 2009 Istotne wydarzenia - cz.1 e-muzyka 23.02.2009 r. umowa z Polska Telefonia Komórkowa
Bardziej szczegółowoKONKURENCJA DOSKONAŁA. dr Krzysztof Kołodziejczyk
KONKURENCJA DOSKONAŁA dr Krzysztof Kołodziejczyk Agenda 1. Popyt 2. Równowaga przedsiębiorstwa 3. Opłacalność (rentowność) produkcji 4. Podaż (powyżej poziomu zamknięcia) Konkurencja doskonała słowa kluczowe
Bardziej szczegółowoKOMPLET ĆWICZEŃ PRZESŁANY MAILEM DO
MARKETING ĆWICZENIA WYDZIAŁ INŻYNIERII ZARZĄDZANIA dr inż. Joanna Majchrzak Katedra Marketingu i Sterowania Ekonomicznego Mail: joanna.majchrzak@put.poznan.pl Konsultacje: p. 316 Poniedziałek 9:45 11:15
Bardziej szczegółowoSłowem wstępu. Giełdy amerykańskie czemu taki wybór. Daytrading czemu taki interwał. Remote Trading Proprietary Trading. www.day-trader.
Słowem wstępu Giełdy amerykańskie czemu taki wybór Daytrading czemu taki interwał Remote Trading Proprietary Trading TAPE READING Co to jest Tape Readng? Gdzie i jak można wykorzystać Tape Reading? Jak
Bardziej szczegółowoDynamika wiązania się ludzi w pary pod wpływem warunków społeczno-ekonomicznych
Dynamika wiązania się ludzi w pary pod wpływem warunków społeczno-ekonomicznych Andrzej Jarynowski (Pracownia Rzeczywistości Wirtualnej, Państwowy Instytut Badawczy w Warszawie/Instytut Socjologii Uniwerystetu
Bardziej szczegółowoWojny Coli - czyli siła reklamy na rynku oligopolicznym
Wojny Coli (Cola wars) - czyli siła reklamy na rynku oligopolicznym Maja Włoszczowska Promotor: Dr Rafał Weron Wydział Podstawowych Problemów Techniki Politechnika Wrocławska Wrocław, 26 stycznia 2008
Bardziej szczegółowoSpis treści. Przedmowa 11
Przedmowa 11 1. Wprowadzenie 15 1.1. Początki rynków finansowych 15 1.2. Konferencja w Bretton Woods 17 1.3. Początki matematyki finansowej 19 1.4. Inżynieria finansowa 23 1.5. Nobel'97 z ekonomii 26 1.6.
Bardziej szczegółowoTwierdzenia graniczne fluktuacji procesów przebywania dla układów gałazkowych
Publiczna obrona rozprawy doktorskiej Twierdzenia graniczne fluktuacji procesów przebywania dla układów gałazkowych Piotr Miłoś Instytut Matematyczny Polskiej Akademii Nauk 23.10.2008 Warszawa Plan 1 Układy
Bardziej szczegółowoKrakowska Akademia im. Andrzeja Frycza Modrzewskiego. Karta przedmiotu. obowiązuje studentów, którzy rozpoczęli studia w roku akademickim 2015/2016
Krakowska Akademia im. Andrzeja Frycza Modrzewskiego Karta przedmiotu obowiązuje studentów, którzy rozpoczęli studia w roku akademickim 015/016 WydziałZarządzania i Komunikacji Społecznej Kierunek studiów:
Bardziej szczegółowoGRA Przykład. 1) Zbiór graczy. 2) Zbiór strategii. 3) Wypłaty. n = 2 myśliwych. I= {1,,n} S = {polować na jelenia, gonić zająca} S = {1,,m} 10 utils
GRA Przykład 1) Zbiór graczy n = 2 myśliwych I= {1,,n} 2) Zbiór strategii S = {polować na jelenia, gonić zająca} S = {1,,m} 3) Wypłaty jeleń - zając - 10 utils 3 utils U i : S n R i=1,,n J Z J Z J 5 0
Bardziej szczegółowoWYMAGANIA WSTĘPNE W ZAKRESIE WIEDZY, UMIEJĘTNOŚCI I INNYCHY KOMPETENCJI EFEKTY KSZTAŁCENIA
I. KARTA PRZEDMIOTU. Nazwa przedmiotu: MATEMATYKA STOSOWANA 2. Kod przedmiotu: Ms 3. Jednostka prowadząca: Wydział Nawigacji i Uzbrojenia Okrętowego 4. Kierunek: Nawigacja 5. Specjalność: Nawigacja morska
Bardziej szczegółowoNegocjacje Win - Win Szkolenie otwarte HUTHWAITE International
Szkolenia otwarte HUTHWAITE International Materiał informacyjny Negocjacje Win - Win Szkolenie otwarte HUTHWAITE International Zmiana zachowań Zmiana wyników Terminy 2013 Zmiana zachowań Zmiana wyników
Bardziej szczegółowoFAQ. 1. Prawdziwe imię i nazwisko Bleta Rexha. 2. Pseudonim artystyczny Bebe Rexha. 3. Data urodzenia Wzrost 1,64 m
Downloaded from: justpaste.it/100sj FAQ 1. Prawdziwe imię i nazwisko Bleta Rexha 2. Pseudonim artystyczny Bebe Rexha 3. Data urodzenia 30.08.1989 4. Wzrost 1,64 m 5. Miejsce urodzenia Brooklynie w Nowym
Bardziej szczegółowoProces Poissona. Proces {N(t), t 0} nazywamy procesem zliczającym jeśli N(t) oznacza całkowitą liczbę badanych zdarzeń zaobserwowanych do chwili t.
Procesy stochastyczne WYKŁAD 5 Proces Poissona. Proces {N(t), t } nazywamy procesem zliczającym jeśli N(t) oznacza całkowitą liczbę badanych zdarzeń zaobserwowanych do chwili t. Proces zliczający musi
Bardziej szczegółowoNegocjacje Win - Win Szkolenie otwarte HUTHWAITE International
Szkolenia otwarte HUTHWAITE International Materiał informacyjny Negocjacje Win - Win Szkolenie otwarte HUTHWAITE International Zmiana zachowań. Zmiana wyników., 2012 Zmiana zachowań. Zmiana wyników. W
Bardziej szczegółowoStatystyka od podstaw Janina Jóźwiak, Jarosław Podgórski
Statystyka od podstaw Janina Jóźwiak, Jarosław Podgórski Książka jest nowoczesnym podręcznikiem przeznaczonym dla studentów uczelni i wydziałów ekonomicznych. Wykład podzielono na cztery części. W pierwszej
Bardziej szczegółowoINSTRUMENTY ZARZĄDZANIA RYZYKIEM NOTOWANE NA WARSZAWSKIEJ GIEŁDZIE PAPIERÓW WARTOŚCIOWYCH. Streszczenie
Karol Klimczak Studenckie Koło Naukowe Stosunków Międzynarodowych TIAL przy Katedrze Stosunków Międzynarodowych Wydziału Ekonomiczno-Socjologicznego Uniwersytetu Łódzkiego INSTRUMENTY ZARZĄDZANIA RYZYKIEM
Bardziej szczegółowoNegocjacje Win - Win Szkolenie otwarte HUTHWAITE International
Szkolenia otwarte HUTHWAITE International Materiał informacyjny Negocjacje Win - Win Szkolenie otwarte HUTHWAITE International Zmiana zachowań Zmiana wyników Terminy 2014 Zmiana zachowań Zmiana wyników
Bardziej szczegółowoPAŃSTWOWA WYŻSZA SZKOŁA ZAWODOWA W NOWYM SĄCZU SYLABUS PRZEDMIOTU. Obowiązuje od roku akademickiego: 2010/2011
PAŃSTWOWA WYŻSZA SZKOŁA ZAWODOWA W NOWYM SĄCZU SYLABUS Obowiązuje od roku akademickiego: 2010/2011 Instytut Ekonomiczny Kierunek studiów: Ekonomia Kod kierunku: 04.9 Specjalność: Turystyka 1. PRZEDMIOT
Bardziej szczegółowoWykład 2. Przykład zastosowania teorii prawdopodobieństwa: procesy stochastyczne (Markova)
Wykład 2 Przykład zastosowania teorii prawdopodobieństwa: procesy stochastyczne (Markova) 1. Procesy Markova: definicja 2. Równanie Chapmana-Kołmogorowa-Smoluchowskiego 3. Przykład dyfuzji w kapilarze
Bardziej szczegółowoAnaliza Popytu. Metody analizy rynku produktowego
Analiza Popytu Metody analizy rynku produktowego Cele szacowania rynku Czy wielkość rynku jest wystarczająca? Czy warto się zajmować tym rynkiem? Jak dostosować strategię i działania operacyjne? Ile gotówki
Bardziej szczegółowoPróżnia socjologiczna Fakt, mit czy obsesja? dr Mikołaj Pawlak Instytut Profilikatyki Społecznej i Resocjalizacji Uniwersytet Warszawski
Próżnia socjologiczna Fakt, mit dr Mikołaj Pawlak Instytut Profilikatyki Społecznej i Resocjalizacji Uniwersytet Warszawski XVI Ogólnopolski Zjazd Socjologiczny, Gdańsk 14-17 września 2016 Struktura prezentacji
Bardziej szczegółowoZAKRES TEMATYCZNY EGZAMINU LICENCJACKIEGO
Wydział Nauk Ekonomicznych i Zarządzania Kierunek Analityka Gospodarcza Studia stacjonarne I stopnia ZAKRES TEMATYCZNY EGZAMINU LICENCJACKIEGO Zagadnienia ogólnoekonomiczne 1. Aktualna sytuacja na europejskim
Bardziej szczegółowoZ-ZIPN Fizyka II. Zarządzanie i Inżynieria Produkcji I stopień Ogólnoakademicki
KARTA MODUŁU / KARTA PRZEDMIOTU Z-ZIPN1-014 Kod modułu Nazwa modułu Fizyka II Nazwa modułu w języku angielskim Physics II Obowiązuje od roku akademickiego 2013/2014 A. USYTUOWANIE MODUŁU W SYSTEMIE STUDIÓW
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 szczegółowoUR nowoczesność i przyszłość regionu Projekt współfinansowany przez Unię Europejską w ramach Europejskiego Funduszu Społecznego ZAPYTANIE OFERTOWE
ZAPYTANIE OFERTOWE 6/RS/ZAD2/NIPR/2013 Rzeszów, 20.06.2013r. Dotyczące przygotowania recenzji oraz weryfikacji merytorycznej i dydaktycznej skryptu do przedmiotu Metody statystyczne analizy danych dla
Bardziej szczegółowoAnaliza szeregów czasowych
Statystyka Wykład 5. Analiza szeregów czasowych michal.trzesiok@ue.katowice.pl Uniwersytet Ekonomiczny w Katowicach Katedra Analiz Gospodarczych i Finansowych 9 listopada 2015 r. Plan Szeregi czasowe wprowadzenie
Bardziej szczegółowo7. Zastosowanie wybranych modeli nieliniowych w badaniach ekonomicznych. 14. Decyzje produkcyjne i cenowe na rynku konkurencji doskonałej i monopolu
Zagadnienia na egzamin magisterski na kierunku Ekonomia 1. Znaczenie wnioskowania statystycznego w weryfikacji hipotez 2. Organizacja doboru próby do badań 3. Rozkłady zmiennej losowej 4. Zasady analizy
Bardziej szczegółowoMetody matematyczne w analizie danych eksperymentalnych - sygnały, cz. 2
Metody matematyczne w analizie danych eksperymentalnych - sygnały, cz. 2 Dr hab. inż. Agnieszka Wyłomańska Faculty of Pure and Applied Mathematics Hugo Steinhaus Center Wrocław University of Science and
Bardziej szczegółowoLista zespołów muzycznych, solistów i gatunków muzycznych stanowiących sferę zagrożeń duchowych. Lista nr 1
Lista zespołów muzycznych, solistów i gatunków muzycznych stanowiących sferę zagrożeń duchowych Lista nr 1 Nazwa gatunek kraj status Zagrożenie ( w skali 1-10) AC/DC Alice Cooper Amy Grant Arch Enemy Artrosis
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 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 szczegółowoNegocjacje Win - Win Szkolenie otwarte HUTHWAITE International
Szkolenia otwarte HUTHWAITE International Materiał informacyjny Negocjacje Win - Win Szkolenie otwarte HUTHWAITE International Zmiana zachowań Zmiana wyników Terminy 2016 Zmiana zachowań Zmiana wyników
Bardziej szczegółowoSALA SZKOLENIOWA SZKOLIMY Z ZAKRESU EVENTOWA
WWW.EMTG.PL TEL. (+48)22 3080011 JUŻ OD 2009 ROKU TRENERZY MINI - BIBLIOTEKA SALA SZKOLENIOWA SZKOLIMY Z ZAKRESU Z SUKCESAMI W BRANŻY EVENTOWEJ EVENTOWA W SAMYM CENTRUM DO DYSPOZYCJI WARSZAWY UCZESTNIKÓW
Bardziej szczegółowoTechnikum Nr 2 im. gen. Mieczysława Smorawińskiego w Zespole Szkół Ekonomicznych w Kaliszu
Technikum Nr 2 im. gen. Mieczysława Smorawińskiego w Zespole Szkół Ekonomicznych w Kaliszu Wymagania edukacyjne niezbędne do uzyskania poszczególnych śródrocznych i rocznych ocen klasyfikacyjnych z obowiązkowych
Bardziej szczegółowoStacjonarność Integracja. Integracja. Integracja
Biały szum AR(1) Słaba stacjonarność Szereg czasowy nazywamy słabo (wariancyjnie) stacjonarnym jeżeli: Biały szum AR(1) Słaba stacjonarność Szereg czasowy nazywamy słabo (wariancyjnie) stacjonarnym jeżeli:
Bardziej szczegółowoBudowa sztucznych sieci neuronowych do prognozowania. Przykład jednostek uczestnictwa otwartego funduszu inwestycyjnego
Budowa sztucznych sieci neuronowych do prognozowania. Przykład jednostek uczestnictwa otwartego funduszu inwestycyjnego Dorota Witkowska Szkoła Główna Gospodarstwa Wiejskiego w Warszawie Wprowadzenie Sztuczne
Bardziej szczegółowoAnia Karwan - koncert w Teatrze DOM na Piotrkowskiej
06-06-19 1/10 na Piotrkowskiej kategoria: Spotkania autorskie Dla seniorów Pozostałe Teatr Koncerty autor: Informacja prasowa Teatru DOM Teatr DOM (90-456 Łódź, ul. Piotrkowska 243) 08.03.2019 godz. 20:00-22:00
Bardziej szczegółowoPROGRAM FESTIWALU: 05 czerwca 2014r. Aula Publicznego Gimnazjum nr 3 im. Jana Pawła II w Kluczborku ul. Wolności 18
PROGRAM FESTIWALU: 05 czerwca 2014r. Aula Publicznego Gimnazjum nr 3 im. Jana Pawła II w u ul. Wolności 18 godz. 10:00 godz. 10:15 godz. 10:25 godz. 10:35 godz. 10:45 Powitanie gości, oficjalne otwarcie
Bardziej szczegółowo1. (Temat zarezerwowany Kordian Czyżewski) Analiza potęgowego prawa Pareto na przykładzie rozkładu bogactw i dochodów w wybranych krajach
TEMATY PRAC MAGISTERSKICH W ROKU AKADEMICKIM 2015-16 EKONOFIZYKA, SOCJOFIZYKA 1. (Temat zarezerwowany Kordian Czyżewski) Analiza potęgowego prawa Pareto na przykładzie rozkładu bogactw i dochodów w wybranych
Bardziej szczegółowoAnaliza inwestycji i zarządzanie portfelem SPIS TREŚCI
Analiza inwestycji i zarządzanie portfelem Frank K. Reilly, Keith C. Brown SPIS TREŚCI TOM I Przedmowa do wydania polskiego Przedmowa do wydania amerykańskiego O autorach Ramy książki CZĘŚĆ I. INWESTYCJE
Bardziej szczegółowoStochastyczne dynamiki z opóźnieniami czasowymi w grach ewolucyjnych
Stochastyczne dynamiki z opóźnieniami czasowymi w grach ewolucyjnych Jacek Miękisz Instytut Matematyki Stosowanej i Mechaniki Uniwersytet Warszawski Warszawa 10 listopada 2016 Proseminarium licencjackie
Bardziej szczegółowoStrategie arbitrażowe w praktyce Tomasz Korecki
Strategie arbitrażowe w praktyce Tomasz Korecki Kwotowania EUR/USD u brokera A: Kupno: 1,4001 Sprzedaż: 1,4002 Kwotowania EUR/USD u brokera B: Kupno: 1,4003 Sprzedaż: 1,4005 Ile możemy zarobić na transakcji
Bardziej szczegółowoSektor budowlany w Polsce 2014 Analiza regionalna. Prognozy rozwoju na lata
Sektor budowlany w Polsce 2014 Analiza regionalna 2 Język: polski, angielski Data publikacji: Q4 Format: pdf Cena od: 2000 Sprawdź w raporcie Które województwa odnotują najwyższą liczbę nowych projektów
Bardziej szczegółowoModelowanie Rynków Finansowych
Modelowanie Rynków Finansowych Ryszard Kokoszczyński Katarzyna Lada 7 października, 2013 Forma zajęć Konwersatorium ćwiczenia seminaryjne w szkołach wyższych, polegające na prowadzeniu przez wykładowcę
Bardziej szczegółowoStochastyczne równania różniczkowe, model Blacka-Scholesa
Stochastyczne równania różniczkowe, model Blacka-Scholesa Marcin Orchel Spis treści 1 Wstęp 1 1.1 Błądzenie losowe................................ 1 1. Proces Wienera................................. 1.3
Bardziej szczegółowoMetody Prognozowania
Wprowadzenie Ewa Bielińska 3 października 2007 Plan 1 Wprowadzenie Czym jest prognozowanie Historia 2 Ciągi czasowe Postępowanie prognostyczne i prognozowanie Predykcja długo- i krótko-terminowa Rodzaje
Bardziej szczegółowoRYNEK ROLNY W UJ CIU FUNKCJONALNYM
RYNEK ROLNY W UJ CIU FUNKCJONALNYM RYNEK ROLNY W UJ CIU FUNKCJONALNYM Praca zbiorowa pod redakcj : dr hab. W odzimierz Rembisz dr in. Marcin Idzik Autorzy: prof. dr hab. Boles aw Borkowski dr hab. Szczepan
Bardziej szczegółowoSzeregi czasowe, analiza zależności krótkoi długozasięgowych
Szeregi czasowe, analiza zależności krótkoi długozasięgowych Rafał Weron rweron@im.pwr.wroc.pl Definicje Mając dany proces {X t } autokowariancję definiujemy jako : γ(t, t ) = cov(x t, X t ) = = E[(X t
Bardziej szczegółowoOcena nadzoru właścicielskiego Rating PINK 2010Y
Ocena nadzoru właścicielskiego Rating PINK 2010Y analiza danych na dzień 20 czerwca 2011 roku W tym tygodniu Polski Instytut Nadzoru Korporacyjnego (PINK) postanowił po raz pierwszy opublikować stopy zwrotu
Bardziej szczegółowoPróby zastosowania matematyki w ekologii lasu; oczekiwania, doświadczenia, sugestie
Próby zastosowania matematyki w ekologii lasu; oczekiwania, doświadczenia, sugestie Jerzy Szwagrzyk Instytut Ekologii i Hodowli Lasu Uniwersytet Rolniczy w Krakowie Maciej Czarnowski i jego próby matematycznego
Bardziej szczegółowoEkonometria. Zajęcia
Ekonometria Zajęcia 16.05.2018 Wstęp hipoteza itp. Model gęstości zaludnienia ( model gradientu gęstości ) zakłada, że gęstość zaludnienia zależy od odległości od okręgu centralnego: y t = Ae βx t (1)
Bardziej szczegółowoMetody statystyki medycznej stosowane w badaniach klinicznych
Metody statystyki medycznej stosowane w badaniach klinicznych Statistics for clinical research & post-marketing surveillance część III Program szkolenia część III Model regresji liniowej Współczynnik korelacji
Bardziej szczegółowoPODEJMOWANIE DECYZJI KIEROWNICZYCH W PROCESIE NEGOCJACJI BIZNESOWYCH. Autor: mgr inż. Viktoriia Gromova. Wrocław 2012 r.
PODEJMOWANIE DECYZJI KIEROWNICZYCH W PROCESIE NEGOCJACJI BIZNESOWYCH Autor: mgr inż. Viktoriia Gromova Wrocław 2012 r. PLAN PREZENTACJI WPROWADZENIE W TEMATYKĘ NEGOCJACJI BIZNESOWYCH PROBLEMATYKA PODEJMOWANIA
Bardziej szczegółowoOcenę dopuszczająca otrzyma uczeń, który zna pojęcia
WYMAGANIA EDUKACYJNE Z PRZEDSIĘBIORCZOŚCI klasa5 Kolorem czerwonym oznaczono wymagania za pierwszy okres, kolorem czarnym, za drugi. Ocenę dopuszczająca otrzyma uczeń, który zna pojęcia wymienia kolejne
Bardziej szczegółowoWycena nieruchomości w podejściu porównawczym - complex. Materiały reklamowe ZAWAM-Marek Zawadzki
Wycena nieruchomości w podejściu porównawczym - complex Materiały reklamowe ZAWAM-Marek Zawadzki Mimo skomplikowania metody szacowania nieruchomości program jest banalny w swojej obsłudze. Na początku
Bardziej szczegółowoHRE Index - Wskaźnik koniunktury na rynku nieruchomości za 1 kw HRE Think Tank Warszawa, 28 maja 2018 r.
HRE Index - Wskaźnik koniunktury na rynku nieruchomości za kw. 28 HRE Think Tank Warszawa, 28 maja 28 r. HRE Index wprowadzenie HRE Index jest kompleksowym narzędziem oceny rynku nieruchomości w Polsce;
Bardziej szczegółowo4.1. O grafice w R 4.2. Kolorystyka 4.3. Podstawowe komendy graficzne i opcje 4.4. Wykres pudełkowy 4.5. Histogram 4.6. Wykres kolumnowy 4.7.
Spis treści Wprowadzenie Rozdział 1 Zasady korzystania z R 1.1. 0 programie 1.2. Oprogramowanie otwarte - Open Source 1.3. Podstawowe cechy języka R 1.4. W kierunku języka obiektowego 1.5. W kierunku języka
Bardziej szczegółowoModelowanie rynków finansowych
Modelowanie rynków finansowych Jerzy Mycielski WNE UW 5 października 2017 Jerzy Mycielski (WNE UW) Modelowanie rynków finansowych 5 października 2017 1 / 12 Podstawowe elementy teorii 1 racjonalne oczekiwania
Bardziej szczegółowoRola innowacji w ocenie ryzyka eksploatacji obiektów hydrotechnicznych
Politechnika Krakowska Instytut Inżynierii i Gospodarki Wodnej Rola innowacji w ocenie ryzyka eksploatacji obiektów hydrotechnicznych XXVI Konferencja Naukowa Metody Komputerowe w Projektowaniu i Analizie
Bardziej 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 szczegółowoKorelacje krzyżowe kryzysów finansowych w ujęciu korelacji potęgowych. Analiza ewolucji sieci na progu liniowości.
Korelacje krzyżowe kryzysów finansowych w ujęciu korelacji potęgowych. Analiza ewolucji sieci na progu liniowości. Cross-correlations of financial crisis analysed by power law classification scheme. Evolving
Bardziej szczegółowoAlgorytmy i bazy danych (wykład obowiązkowy dla wszystkich)
MATEMATYKA I EKONOMIA PROGRAM STUDIÓW DLA II STOPNIA Data: 2010-11-07 Opracowali: Krzysztof Rykaczewski Paweł Umiński Streszczenie: Poniższe opracowanie przedstawia projekt planu studiów II stopnia na
Bardziej szczegółowoElementy Modelowania Matematycznego
Elementy Modelowania Matematycznego Wykład 9 Systemy kolejkowe Spis treści Wstęp Systemy masowej obsługi (SMO) Notacja Kendalla Schemat systemu masowej obsługi Przykład systemu M/M/1 Założenia modelu matematycznego
Bardziej szczegółowoOPCJE MIESIĘCZNE NA INDEKS WIG20
OPCJE MIESIĘCZNE NA INDEKS WIG20 1 TROCHĘ HISTORII 1973 Fisher Black i Myron Scholes opracowują precyzyjną metodę obliczania wartości opcji słynny MODEL BLACK/SCHOLES 2 TROCHĘ HISTORII 26 kwietnia 1973
Bardziej szczegółowoPODYPLOMOWE STUDIA ZAAWANSOWANE METODY ANALIZY DANYCH I DATA MINING W BIZNESIE
UNIWERSYTET WARMIŃSKO-MAZURSKI W OLSZTYNIE PODYPLOMOWE STUDIA ZAAWANSOWANE METODY ANALIZY DANYCH I DATA MINING W BIZNESIE http://matman.uwm.edu.pl/psi e-mail: psi@matman.uwm.edu.pl ul. Słoneczna 54 10-561
Bardziej szczegółowoWPROWADZENIE DO ANALIZY TECHNICZNEJ
WPROWADZENIE DO ANALIZY TECHNICZNEJ Plan szkolenia 1) Podstawowe pojęcia i założenia AT, 2) Charakterystyka głównych typów wykresów, 3) Pojęcie linii trendu, 4) Obszary wsparcia/oporu, 5) Prezentacja przykładowej
Bardziej szczegółowoZmienność wiatru w okresie wieloletnim
Warsztaty: Prognozowanie produktywności farm wiatrowych PSEW, Warszawa 5.02.2015 Zmienność wiatru w okresie wieloletnim Dr Marcin Zientara DCAD / Stermedia Sp. z o.o. Zmienność wiatru w różnych skalach
Bardziej szczegółowooności. Zastosowanie modelowania Agent-based Computational Economics w nauczaniu zdalnym
Ekonomia złożonoz oności. Zastosowanie modelowania Agent-based Computational Economics w nauczaniu zdalnym Tomasz Kopczewski Wydział Nauk Ekonomicznych, Uniwersytet Warszawski Mikroekonomia Praktyka wykładania:
Bardziej szczegółowoAPROKSYMACJA ZJAWISK RYNKOWYCH NARZĘDZIEM WSPOMAGAJĄCYM PODEJMOWANIE DECYZJI
APROKSYMACJA ZJAWISK RYNKOWYCH NARZĘDZIEM WSPOMAGAJĄCYM PODEJMOWANIE DECYZJI Łukasz MACH Streszczenie: W artykule przedstawiono wybrane aspekty prognozowania czynników istotnie określających sytuację na
Bardziej szczegółowoAnaliza szeregów czasowych: 6. Liniowe modele niestacjonarne
Analiza szeregów czasowych: 6. Liniowe modele niestacjonarne P. F. Góra http://th-www.if.uj.edu.pl/zfs/gora/ semestr letni 2007/08 Warunki stacjonarności modelu AR(p) y n = β 1 y n 1 + β 2 y n 2 + + β
Bardziej szczegółowoKatedra Demografii i Statystki Ekonomicznej
Katedra Demografii i Statystki Ekonomicznej Wydział Informatyki i Komunikacji http://www.ue.katowice.pl/jednostki/katedry/katedry-wiik/ Skład osobowy Katedry Pracownicy: prof. zw. dr hab. Grażyna Trzpiot
Bardziej szczegółowoWykład 8 Rynek akcji nisza inwestorów indywidualnych Rynek akcji Jeden z filarów rynku kapitałowego (ok 24% wartości i ok 90% PK globalnie) Źródło: http://www.marketwatch.com (dn. 2015-02-12) SGH, Rynki
Bardziej szczegółowoUNIWERSYTET EKONOMICZNY w POZNANIU PORTY. Redaktor naukowy B 378980
UNIWERSYTET EKONOMICZNY w POZNANIU PORTY Redaktor naukowy B 378980 WYDAWNICTWO UNIWERSYTETU EKONOMICZNEGO W POZNANIU Poznań 2011 SPIS TREŚCI Przedmowa (Marek Rekowski) 9 Część 1. EUROPEJSKI RYNEK LOTNICZY
Bardziej szczegółowoAnaliza i modelowanie przepływów w sieci Internet. Andrzej Andrijew
Analiza i modelowanie przepływów w sieci Internet Andrzej Andrijew Plan referatu Samopodobieostwo w sieci Internet Samopodobne procesy stochastyczne Metody sprawdzania samopodobieostwa Modelowanie przepływów
Bardziej szczegółowoZajęcia 1. Statystyki opisowe
Zajęcia 1. Statystyki opisowe 1. Znajdź dane dotyczące liczby mieszkańców w polskich województwach. Dla tych danych oblicz: a) Średnią, b) Medianę, c) Dominantę, d) Wariancję, e) Odchylenie standardowe,
Bardziej szczegółowoWykład 5: Analiza dynamiki szeregów czasowych
Wykład 5: Analiza dynamiki szeregów czasowych ... poczynając od XIV wieku zegar czynił nas najpierw stróżów czasu, następnie ciułaczy czasu, i wreszcie obecnie - niewolników czasu. W trakcie tego procesu
Bardziej szczegółowoINFORMATYKA i FINANSE KATEDRA INFORMATYKI TEORETYCZNEJ
INFORMATYKA i FINANSE KATEDRA INFORMATYKI TEORETYCZNEJ dr hab. Czesław Bagiński, prof. PB Kierownik KIT dr hab. Wiktor Dańko, prof. PB dr hab. Piotr Grzeszczuk, prof. PB dr Ryszard Mazurek dr Jolanta Koszelew
Bardziej szczegółowoPUBLICZNY TRANSPORT ZBIOROWY W ZADANIU TRANSPORTOWYM DUALNYM
PUBLICZNY TRANSPORT ZBIOROWY W ZADANIU TRANSPORTOWYM DUALNYM DR INŻ. ANDRZEJ KRYCH POLITECHNIKA POZNAŃSKA VIII KONFERENCJA NAUKOWO TECHNICZNA NOWOCZESNY TRANSPORT PUBLICZNY W OBSZARACH ZURBANIZOWANYCH
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 szczegółowoJak konsumu... jemy muzykę?
RAPORT Z BADANIA PRZYGOTOWANEGO DLA NUPLAYS Jak konsumu... jemy muzykę? Wstęp Poniższy raport przygotowany został na podstawie badania przeprowadzonego przez Interaktywny Instytut Badań Rynkowych. Metodyka
Bardziej szczegółowoPsychologia a analiza techniczna
Psychologia a analiza techniczna Rynek tworzą ludzie AT jako popularny instrument analizy rynku Analiza Techniczna, a Analiza Fundamentalna Analiza Techniczna opiera się na samej zmianie cen Analiza Fundamentalna
Bardziej szczegółowoSpis treści. Przedmowa... XI. Rozdział 1. Pomiar: jednostki miar... 1. Rozdział 2. Pomiar: liczby i obliczenia liczbowe... 16
Spis treści Przedmowa.......................... XI Rozdział 1. Pomiar: jednostki miar................. 1 1.1. Wielkości fizyczne i pozafizyczne.................. 1 1.2. Spójne układy miar. Układ SI i jego
Bardziej szczegółowoAnaliza metod prognozowania kursów akcji
Analiza metod prognozowania kursów akcji Izabela Łabuś Wydział InŜynierii Mechanicznej i Informatyki Kierunek informatyka, Rok V Specjalność informatyka ekonomiczna Politechnika Częstochowska izulka184@o2.pl
Bardziej szczegółowo