PROGNOZOWANIE. mgr inż. Martyna Malak. Katedra Systemów Logistycznych.
|
|
- Irena Filipiak
- 7 lat temu
- Przeglądów:
Transkrypt
1 1 PROGNOZOWANIE Kaedra Ssemów Logiscznch mgr inż. Marna Malak
2 Panel TABLICE 1 2
3 3 DEFINICJA PROGNOZY Prognozowanie? Przewidwanie
4 4 DEFINICJA PRZEWIDYWANIA Przewidwanie wnioskowanie o zdarzeniach nieznanch na podsawie zdarzeń znanch (np. logiczne na podsawie przeszłości, prorocwa i wróżb). Zdarzenia nie znane Należące do przszłości Należące do przeszłości Racjonalne Przewidwanie przszłości Nieracjonalne Zdrowo - rozsądkowe Naukowe
5 DEFINICJA PROGNOZY 5 PROGNOZOWANIE opare na naukowch podsawach przewidwanie kszałowania się zjawisk i procesów w przszłości, kórego celem jes zmniejszenie rzka w procesie podejmowania deczji. Określenie naukowe podsaw oznacza, że prz prognozowaniu korzsa się z dorobku nauki - z meod maemacznch, sascznch oraz ogólnej meodologii posępowania w procesie prognozowania.
6 6 DEFINICJA PROGNOZY Przewidwanie wnioskowanie o zdarzeniach nieznanch na podsawie zdarzeń znanch (np. logiczne na podsawie przeszłości, prorocwa i wróżb). Zdarzenia nie znane Należące do przszłości Należące do przeszłości Racjonalne Przewidwanie przszłości Nieracjonalne Zdrowo - rozsądkowe Naukowe
7 7 FUNKCJE PROGNOZOWANIA: preparacjna przgoowanie do innch działań (np. wspomaganie procesów deczjnch), akwizująca pobudzanie do podejmowania działań sprzjającch realizacji prognoz, gd zapowiada ona zdarzenia korzsne lub działań przeciwsawiającch się prognozie, gd zapowiada ona zdarzenia oceniane jako niekorzsne, informacjna informowanie o zmianach, oswajanie ze zmianami.
8 8 ETAPY PROGNOZOWANIA 1. Sformułowanie problemu prognoscznego określenie m. in. prognozowanego obieku, zasięgu prognoz, prognozowanego zjawiska, zmiennch charakerzującch zjawisko, jednosek pomiaru, kaegorii zmiennch, pu zmiennch, celu prognoz oraz jej dopuszczalności; 2. Określenie przesłanek prognoscznch wskazanie cznników wpłwającch na prognozowane zjawisko i przjęcie hipoez doczącch sposobu oddziałwania ch cznników na kszałowanie się prognozowanego zjawiska; 3. Gromadzenie oraz przewarzanie danch; 4. Wbór meod prognozowania wbranie na podsawie przesłanek prognoscznch, rodzaju posiadanch danch, właściwości poszczególnch meod i wmagań do. dopuszczalności prognoz odpowiedniego modelu prognozowania; 5. Wznaczenie prognoz; 6. Ocena dopuszczalności oraz rafności prognoz; 7. Werfikacja prognoz monioring - należ śledzić na bieżąco fakczną rafność sporządzanch prognoz.
9 9 POSTAWA AKTYWNA A PASYWNA posawa paswna oznacza przjęcie założenia o sałości związków wsępującch pomiędz zjawiskiem prognozowanm a oddziałującmi na nie cznnikami ( będzie ak, jak bło dochczas ), posawa akwna - uznanie przszłości za sosunkowo niezależną od przeszłości.
10 10 ZMIENNE PROGNOZOWANE: Zjawiska mogą bć opiswane za pomocą zmiennch, wśród kórch wróżnia się: zmienne ilościowe wrażane są liczbą, zmienne jakościowe ich san wrażan jes opisem słownm, zmian ilościowe wrażają się zwiększeniem lub zmniejszeniem warości zmiennej prognozowanej. Zmian ilościowe wnikają z wkrej dochczasowej prawidłowości np. funkcji rendu, zmian jakościowe zmian isonch cech zjawiska np. zmiana posaci rendu, zmiana wpłwu cznników oddziałującch na zmienną prognozowaną
11 11 KLASYFIKACJA PROGNOZ Rodzaje prognoz ze względu na sposób wrażania zmiennej: ilościowa san zmiennej wrażon jes liczbą, punkowa zmienna prognozowana przjmuje określoną warość, np. sprzedaż w przszłm roku wniesie 120 szuk, przedziałowa gd podaje się przedział liczbow, kór obejmie przszłą warość zmiennej, np. zużcie energii w przedsiębiorswie produkcjnm X w przszłm roku wniesie GJ, jakościowa docz zmiennej niemierzalnej, prognozowanm zdarzeniem jes san zmiennej jakościowej (wrażon w formie słownego opisu) lub słownie opisana suacja docząca zmiennej ilościowej np. cena produku X wzrośnie w przszłm roku.
12 KLASYFIKACJA PROGNOZ Rodzaje prognoz ze względu na horzon czasow prognoz: krókookresowa prognoza na przedział czasu, w kórm zachodzą lko zmian ilościowe, średniookresowa docz przedziału czasowego, w kórm zachodzą zmian ilościowe oraz nieznaczne zmian jakościowe, długookresowa przedział czasu, w kórm wsępują zmian zarówno ilościowe jak i dość znaczne zmian jakościowe. 12 Prognoza krókookresowa Prognoza średniookresowa Prognoza długookresowa 1 rok 1 3 laa powżej 3 la Czas
13 13 METODA PROGNOZOWANIA i REGUŁA PROGNOZY Meoda prognozowania obejmuje sposób przeworzenia danch o przeszłości oraz sposób przejścia od danch przeworzonch do prognoz. Sposób przejścia od danch przeworzonch do prognoz nazwam regułą prognoz. Najczęściej sosowane reguł prognoz o: reguła podsawowa, reguła podsawowa z poprawką, reguła największego prawdopodobieńswa, reguła minimalnej sra.
14 14 METODY PROGNOZOWANIA Inne meod Meod opare na szeregu czasowm Meod ekonomerczne Meod prawdopodobieńswa Meod prognozowania Meod heursczne Meod ieracjne Meod scenariuszowe Meod analogowe
15 15 METODY PROGNOZOWANIA Meod prognozowania krókoerminowego Model naiwn, Modele średniej armecznej, Model Browna, Model Hola, Modele analiczne, Model wskaźników sezonowości, Model Winersa, Modele ARMA, ARIMA. Meod prognozowania długoerminowego Modele ekonomerczne, Meod heursczne, Meod analogowe, Meod scenariuszowe, Smulacje. Inne meod prognozowania Ieracjna meoda dekompozcji szeregów czasowch Modele prawdopodobieńswa Tes rnkowe Model przepłwów międzdziałowch
16 16 Meod opare na szeregu czasowm
17 17 SZEREG CZASOWY - zesawienie warości zmiennch cech badanej według krerium czasu, gdzie badana jes warość cech w kolejnej jednosce czasu. laa Sprzedaż produku X (w s. sz.) , , , , , , , , ,0 f (x)? = Jednowmiarow szereg czasow wekor = [ 1,.., n ] Ciąg zaobserwowanch sanów zmiennej uporządkowanch wg. zmiennej czasu. Wielowmiarow szereg czasow - macierz n n... G1 G2... Gn Uworzon przez szeregi czasowe kilku zmiennch opisującch dan obiek
18 18 SKŁADOWE SZEREGÓW CZASOWYCH W szeregach czasowch wróżnia się dwie składowe: 1) składowa ssemaczna efek oddziałwań sałego zesawu cznników na zmienną prognozowaną endencja rozwojowa (rend) długookresowa skłonność do jednokierunkowch zmian (wzrosu lub spadku) warości badanej zmiennej, sał/przecięn poziom zmiennej prognozowanej, składowa okresowa (periodczna) wahania ckliczne lub sezonowe 2) składowa przpadkowa (składnik losow, wahania przpadkowe) Y Y Czas Czas
19 19 Wahania ckliczne długookresowe, powarzające się rmicznie wahania w przedziałach czasu dłuższch niż rok wokół endencji rozwojowej lub sałego poziomu zmiennej. Wahania sezonowe wahania warości zmiennej wokół endencji rozwojowej lub sałego poziomu, kóre powarzają się w przedziale czasu nieprzekraczającm roku.
20 20 Y f () funkcja rendu ξ g () funkcja sezonowości () składnik losow Czas Proces wodrębniania poszczególnch składowch szeregu czasowego nazwan jes dekompozcją szeregu czasowego.
21 21 Zadanie 1 Dekompozcja szeregu czasowego
22 22 Y wahania losowe sał poziom Y wahania losowe rend Czas Czas Y wahania sezonowe sał poziom Y wahania sezonowe rend Czas Czas
23 23 MODELE SZEREGÓW CZASOWYCH: meoda naiwna, modele średniej armecznej prosej, ruchomej, ważonej, modele wgładzania wkładniczego pros model wgładzania wkładniczego (model Browna), model liniow Hola, model Winersa, modele endencji rozwojowej, modele składowej periodcznej.
24 24 MODEL NAIWNY Model naiwn - zakłada, że prognozowana warość w nasępnm okresie będzie kszałowała się na m samm poziomie, co w obecnm okresie, prz założeniu nie wsępowania zmian jakościowch w badanm zjawisku. Model en może mieć zasosowanie w przpadku nie wsępowania wahań przpadkowch (sał poziom badanego zjawiska) w szeregu czasowm. * - * = 1 prognoza zjawiska na okres - wielkość badanego zjawiska w okresie -1 1 UWAGA! prognoz można wkonać lko na jeden okres w przód
25 25 PRZYKŁAD miesiące Ilość wsłek Wznacz prognozę na lisopad korzsając z meod naiwnej. * 11= 11 1 * = 1 = 41 wsłek
26 26 MODELE ŚREDNIEJ ARYTMETYCZNEJ Wróżnia się nasępujące modele średniej armecznej: 1) Średnia armeczna prosa 2) Średnia armeczna ruchoma 3) Średnia armeczna ważona 1) ŚREDNIA ARYTMETYCZNA PROSTA Cech charakersczne: prose obliczenia, wszskie dane rakowane jednakowo, nie uwzględnia się żadnch rendów. 1 T * T 1 p T p1
27 sprzedaż 27 PRZYKŁAD godnie Sprzedaż / s. sz Wznacz prognozę na 11 dzień korzsając z meod średniej armecznej prosej godnie? * = = 44,8 s. sz.
28 28 2) ŚREDNIA ARYTMETYCZNA RUCHOMA Cech charakersczne: prose obliczenia, wbór liczb okresów jes arbiraln - im mniejsza liczba okresów m szbsza odpowiedź (bardziej odzwierciedla zachodzące zmian), wszskim uśrednianm danm przpisuję aką samą wagę, większa liczba okresów - silniej wgładza dane, lecz skraca szereg czasow i wolniej reaguje na zmian poziomu prognozowanej zmiennej, Mniejsza liczba okresów szbciej odzwierciedla akualne zmian, lecz większ wpłw wwierają na prognozę wahania przpadkowe. * = 1 1 k i ik * i k - prognoza zjawiska na okres - wielkość badanego zjawiska w okresie i - liczba elemenów średniej ruchomej, sała wgładzania prognoza na momen lub okres jes średnią armeczną z k osanich obserwacji w szeregu
29 29 PRZYKŁAD Średnia armeczna ruchoma 3-elemenowa miesiące Sprzedaż (sz.) Sczeń 105 Lu 112 Marzec 103 Kwiecień 99 Maj 103 Czerwiec 101 Lipiec 107 Sierpień 105 Wrzesień 103 Październik 109 Lisopad 101 grudzień? Średnia ruchoma 3-elemenowa ( )/3=106,67 ( )/3=104,67 ( )/3=101,67 ( )/3=101,00 ( )/3=103,67 ( )/3=104,33 ( )/3=105,00 ( )/3=105, ( )/3=104,33 = * = 1 1 i k ik * ? =104,33 sz.
30 30 PRZYKŁAD Średnia armeczna ruchoma 5-elemenowa miesiące Sprzedaż (sz.) Sczeń 105 Lu 112 Marzec 103 Kwiecień 99 Maj 103 Czerwiec 101 Lipiec 107 Sierpień 105 Wrzesień 103 Październik 109 Lisopad 101 grudzień? ? * = 12 5 =105 sz.
31 31 3) ŚREDNIA ARYTMETYCZNA WAŻONA Cech charakersczne: prose obliczenia, największe znaczenie mają najświeższe dane (mają większą wagę), uwzględnia wsępujące rend, ale nie wznacza ich liczbowo. * i k * = 1 ik i w i k1 - prognoza zjawiska na okres - wielkość badanego zjawiska w okresie i - liczba elemenów średniej ruchomej, sała wgładzania - waga zmiennej prognozowanej w okresie i
32 32 PRZYKŁAD Średnia armeczna ważona 3-elemenowa miesiące Sprzedaż (sz.) Sczeń 105 Lu 112 Marzec 103 Kwiecień ? Maj 103 Czerwiec 101 Lipiec 107 Sierpień 105 Wrzesień 103 Październik 109 Lisopad 101 grudzień? 90 * = I waga 0,2; II waga 0,3; III waga 0,5 103* 0,2 109*0,3 101* 0,5 0,2 0,3 0,5 UWAGA: Suma wag zawsze wnosi 1 =103,8 sz.
33 33 JAKOŚĆ PROGNOZ Mierniki ocen jakości prognoz dzielim na rz grup: jakość modelu prognoscznego, rafność prognoz, dopuszczalność prognoz.
34 34 MIERNIKI JAKOŚCI MODELU PROGNOSTYCZNEGO JAKOŚĆ PROGNOZ Mierniki ocen jakości prognoz dzielim na rz grup: jakość modelu prognoscznego, rafność prognoz, dopuszczalność prognoz.
35 35 MIERNIKI JAKOŚCI MODELU PROGNOSTYCZNEGO Mierniki jakość modelu prognoscznego mówią o dobrm wborze modelu maemacznego, opisującego przebieg zmiennch prognozowanch.
36 36 MIERNIKI JAKOŚCI MODELU PROGNOSTYCZNEGO Współcznnik deerminacji (współcznnik dopasowania) R 2 0,1 - wielkość badanego zjawiska (warość zmiennej Y) w okresie, - eoreczna warość zmiennej Y na okres, - średnia warość zmiennej Y w szeregu czasowm o długości n. Określa ile procen ogólnej zaobserwowanej zmienności zmiennej zosało wjaśnione przez model Im wższa warość ego współcznnika m lepsze dopasowanie modelu do danch rzeczwisch.
37 37 Warości współcznników deerminacji dla przkładowch danch R 2 = 0, R 2 = 0,
38 wielkość sprzeadaż 38 PRZYKŁAD Wznacz współcznnik deerminacji dla wielkości sprzedaż opakowań zbiorczch (w s. sz.) u producena X w I półroczu roku. miesiące Wielkość sprzedaż [s. sz.] Sczeń 107 Lu 115 Marzec Kwiecień Maj 128 miesiące Czerwiec 131
39 39 Współcznnik deerminacji - ROZWIĄZANIE Miesiące Wielkość sprzedaż [s. sz.] Sczeń ,9 Lu ,5 Marzec ,2 Kwiecień ,1 Maj ,8 Czerwiec ,5 120,67 eoreczna warość zmiennej na okres, wznaczona na podsawie funkcji rendu ,53 51,41 6,10 5,43 52,27 139,95 393,69 186,87 32,15 7,13 18,75 53,73 106,71 405,33 R 2 n 1 n ,69 405,33 0,97
40 wielkość sprzeadaż R 2 = 0, miesiące Dopasowanie linii rendu do danch empircznch bło bardzo dobre, ponieważ oszacowan model w 97% wjaśniał zmienność wielkości sprzedaż.
41 41 MIERNIKI JAKOŚCI MODELU PROGNOSTYCZNEGO Odchlenie sandardowe (składnika reszowego lub z obserwacji) s s n 1 m 1 1 n 1 n 1 n ,5 0,5 n - liczba obserwacji w szeregu czasowm m - liczba zmiennch objaśniającch (nie uwzględniając wrazu wolnego) Warość odchlenia sandardowego informuje o m, jakie są przecięne odchlenia warości rzeczwisch zmiennej prognozowanej od eorecznch. Im mniejsza jes warość ego miernika, m lepsza jakość modelu. 1 n n 1
42 42 MIERNIKI JAKOŚCI MODELU PROGNOSTYCZNEGO Współcznnik wrazisości (zmienności) s odchlenie sandardowe Współcznnik en informuje, jaką część średniej warości Y sanowi jej odchlenie sandardowe resz. Jes więc charakerską zmienności losowej. Model jes m lepsz, im mniejsza jes warość współcznnika wrazisości.
43 43 PRZYKŁAD Ilość zakupionego maeriału X przez dział zaoparzenia, w kolejnch miesiącach roku kszałowała się nasępująco: miesiące Ilość zakupionego maeriału X [sz.] Wznacz wielkość współcznnika zmienności
44 ROZWIĄZANIE 1 n n 1 1 s n n ,67 2 0,5 = , , , , ,5 30,79 5,55 5,55 116,67 sz. sz. 100% 4,76% 0,5 miesiące Maeriał X [sz.] Niska warość współcznnika zmienności wskazuje na wsępowanie składowej ssemacznej w posaci przecięnego sałego poziomu
45 45 JAKOŚĆ PROGNOZ EX POST I EX ANTE Błąd prognoz różnica międz prognozą a rzeczwisą warością zmiennej prognozowanej. Jakość prognoz ex pos błąd określan jes po upłwie czasu na kór prognoza bła usalona (określanie rafności prognoz). Jakość prognoz ex ane błąd prognoz określan jes przed upłwem czasu, na kór prognoza zosała usalona (określanie dopuszczalności prognoz). dzisiaj ex pos WCZORAJ ex ane JUTRO Czas
46 47 MIERNIKI TRAFNOŚCI PROGNOZY JAKOŚĆ PROGNOZ Mierniki ocen jakości prognoz dzielim na rz grup: jakość modelu prognoscznego, rafność prognoz, dopuszczalność prognoz.
47 48 TRAFNOŚĆ PROGNOZY Trafność prognoz określa się po upłwie czasu, na kór prognoza bła wznaczona. Sopień rafności prognoz ilościowej mierz się za pomocą błędów ex pos.
48 49 MIERNIKI TRAFNOŚCI PROGNOZY Błęd prognoz ex pos 1) Bezwzględn błąd prognoz ex pos - wielkość badanego zjawiska w okresie, - prognoza warości zmiennej na okres, Informuje o odchleniu prognoz od warości rzeczwisej w danej jednosce czasu. 2) Względn błąd prognoz ex pos Informuje o wielkości odchlenia prognoz od warości rzeczwisej w danej jednosce czasu, prz czm wielkość a wznaczana jes w procenach warości rzeczwisej.
49 50 3) Średni kwadraow (sandardow) błąd prognoz ex pos n liczba obserwacji w szeregu czasowm Informuje o przecięnm odchleniu prognoz od warości rzeczwisch w całm przedziale werfikacji. 4) Średni błąd prognoz ex pos e n 1 n * e 0 Informuje o średnim błędzie pojednczch prognoz.
50 51 5) Średni bezwzględn (absolun) błąd prognoz ex pos d n i1 n * 6) Średni względn błąd prognoz ex pos 1 n n 1 * 100 Informuje nas jaki procen rzeczwisch warości zmiennej, sanowiło przecięne bezwzględne odchlenie prognoz od danch rzeczwisch w rozparwanm przedziale werfikacji.
51 Zadanie 2 52
52 53 Ilość wsłek niewielkiej firm kurierskiej, w kolejnch miesiącach 2009 roku kszałowała się nasępująco: miesiące Ilość wsłek ) Wznacz wielkość współcznnika zmienności. 2) Wznacz prognozę na sczeń 2010 roku korzsając z meod naiwnej. 3) Oceń rafność prognoz, wiedząc iż rzeczwisa ilość wsłek w sczniu 2010 roku wniosła 107 wsłek
53 ROZWIĄZANIE ad. 1) Wznacz wielkość współcznnika zmienności. n ,08 n s n n 1 2 0,5 = , , , , ,5 18,08 4,25 wsłek wsłek 0,5 miesiące Ilość wsłek ,25 104,08 100% 4,08%
54 55 ad. 2) Wznacz prognozę na sczeń 2010 roku korzsając z meod naiwnej. miesiące Ilość wsłek ? * = 1 * 13= 13 1= 102 wsłki ad. 3) Oceń rafność prognoz, wiedząc iż rzeczwisa ilość wsłek w sczniu 2010 roku wniosła 107 wsłek. Względn błąd prognoz: * ,67%
55 Zadanie3 56
56 wilekość kompleacji jp/h 57 Wdajność badanego magaznu kompleacji, wrażona jako średnia ilość jednosek paleowch skompleowanch w ciągu godzin w poszczególnch miesiącach 2009 roku wnosiła: miesiące Wielkość kompleacji [jp/h] ) Określ składowe szeregu. 2) Wznacz prognozę na sczeń 2010 roku korzsając z meod: a) średniej armecznej prosej, b) średniej armecznej ruchomej prosej 5- elemenowej, c) średniej armecznej ważonej 3-elemenowej, 3) Oceń jakość prognoz Wielkość kompleacji w kolejnch miesiącach 2009 roku kolejne miesiące
57 wilekość kompleacji jp/h 58 ROZWIĄZANIE ad. 1) Określ składowe szeregu. miesiące Wielkość kompleacji [jp/h] Wielkość kompleacji w kolejnch miesiącach 2009 roku kolejne miesiące ad. 2) Wznacz prognozę na sczeń 2010 roku korzsając z meod: a) średniej armecznej prosej, * sał poziom wahania przpadkowe 1211,50 jp/h
58 59 ad. 2) Wznacz prognozę na sczeń 2010 roku korzsając z meod: b) średniej armecznej ruchomej prosej 5-elemenowej, miesiące Wielkość kompleacji [jp/h] * 13 * = k i ik = ,8 jp/h
59 60 miesiące Wielkość kompleacji [jp/h] ad. 2) Wznacz prognozę na sczeń 2010 roku korzsając z meod: c) średniej armecznej ważonej 3-elemenowej, * = 1 ik i w i k1 0, , , ,15 0,25 0,60 * ,5 jp/h I waga 0,15 II waga 0,25 III waga 0,60
60 61 ad. 3) Oceń jakość prognoz. miesiące Wielkość kompleacji [jp/h] Prognoza / meoda średniej ważonej 3 elemenowej Bezwzględ n błąd prognoz ex pos q Względn błąd prognoz ex pos Ψ ,55-10,55 0,9% ,25-20,25 1,7% ,70 7,30 0,6% ,85 18,15 1,5% ,00-27,00 2,3% ,90 0,10 0,0% ,45 7,55 0,6% ,00 7,00 0,6% ,00 30,00 2,4% 13 * 1228,50 Błęd prognoz ex pos: Bezwzględn błąd prognoz q ,7 7,3 Względn błąd prognoz , ,6% 1210
61 62 Miesiąc Wielkość kompleacji [jp/h] Prognoza / meoda średniej ważonej 3 elemenowej * 2 * ,55 111, ,25 410, ,70 53, ,85 329, ,00 729, ,90 0, ,45 57, ,00 49, ,00 900,0 2639,09 s * Średni kwadraow błąd prognoz dla prognoz wgasłch 9 s * 1 n n 1 ( n =? n = 12 n = 9 * * ) , ,09 17,12 jp/h
62 63 Miesiąc Wielkość kompleacji [jp/h] Prognoza / meoda średniej ważonej 3 elemenowej * ,55 0, ,25 1, ,70 0, ,85 1, ,00 2, ,90 0, ,45 0, ,00 0, ,00 2,42 * 10, Średni względn błąd prognoz dla prognoz wgasłch n n 1 n =? 1 9 * 10,55 * n = ,55% 1,17%
63 64 UWAGA! Znak en prz wzorze, oznacza że wzór podczas kolokwium będzie wświelon na slajdach.
64 65 Lieraura Cieślak Maria, Prognozowanie gospodarcze. Meod i zasosowania., PWN, Warszawa Radzikowska B. (red.), Meod prognozowania. Zbiór zadań, Wd. Akademii Ekonomicznej im. Oscara Langego we Wrocławiu, Wrocław Guzik B., Appenzeller D., Jurek W., Prognozowanie i smulacje. Wbrane zagadnienia, Wd. Akademii Ekonomicznej Poznań, Poznań Dimann P., Prognozowanie w przedsiębiorswie. Meod i ich zasosowanie, Wd. Oficna a Wolers Kluwer business, Kraków 2008.
Instytut Logistyki i Magazynowania
Insu Logiski i Magaznowania Ćwiczenia 1 mgr Dawid Doliński Dawid.Dolinski@ilim.poznan.pl lub Dawid.Dolinski@wsl.com.pl Tel. 0(61) 850 49 45 ZALICZENIE PRZEDMIOTU 5 punków Blok zajęć z Panem mgr D.Dolińskim
Bardziej szczegółowoMODEL TENDENCJI ROZWOJOWEJ
MODEL TENDENCJI ROZWOJOWEJ Model endencji rozwojowej o konsrukcja eoreczna (równanie lub układ równań) opisująca kszałowanie się określonego zjawiska jako funkcji: zmiennej czasowej wahań okresowch (sezonowe
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 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 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 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 szczegółowoPROGNOZOWANIE. mgr Żaneta Pruska. Katedra Systemów Logistycznych.
PROGNOZOWANIE Kaedra Ssemów Logisczch mgr Żaea Pruska zaea_pruska@wp.pl zaea.pruska@wsl.com.pl PROJEKT 0 pk. (grup 4-osobowe) Projek: Wersja w Wordzie Powia zawierać opis projeku z zasosowaiem eapów progozowaia.
Bardziej szczegółowoMetody Ilościowe w Socjologii
Meod Ilościowe w Socjologii wkład 5, 6, 7 PROGNOZOWANIE I SYMULACJE dr inż. Maciej Woln AGENDA I. Prognozowanie i smulacje podsawowe informacje II. Prognozowanie szeregów czasowch III. Dekompozcja szeregu,
Bardziej szczegółowoAnaliza szeregów czasowych uwagi dodatkowe
Analiza szeregów czasowch uwagi dodakowe Jerz Sefanowski Poliechnika Poznańska Zaawansowana Eksploracja Danch Prognozowanie Wbór i konsrukcja modelu o dobrch własnościach predkcji przszłch warości zmiennej.
Bardziej szczegółowoPROGNOZY I SYMULACJE
Forecasing is he ar of saing wha will happen, and hen explaining wh i didn. Ch. Chafield (986) PROGNOZY I SYMULACJE Kaarzna Chud Laskowska konsulacje: p. 400A środa -4 czwarek -4 srona inerneowa: hp://kc.sd.prz.edu.pl/
Bardziej szczegółowoPROGNOZOWANIE. mgr Żaneta Pruska. Katedra Systemów Logistycznych.
PROGNOZOWANIE Kaedra Ssemów Logisczch mgr Żaea Pruska zaea_pruska@wp.pl zaea.pruska@wsl.com.pl PROJEKT 5 pk. (grup 4-osobowe) Projek: Wersja w Wordzie Powia zawierać opis projeku z zasosowaiem eapów progozowaia.
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 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 szczegółowoPrognozowanie i symulacje
Prognozowanie i smulacje Ramow plan wkładu.wprowadzenie w przedmio.rafność dopuszczalność i błąd prognoz 3.Prognozowanie na podsawie szeregów czasowch 4.Prognozowanie na podsawie modelu ekonomercznego
Bardziej szczegółowoMetody prognozowania: Jakość prognoz Wprowadzenie (1) 6. Oszacowanie przypuszczalnej trafności prognozy
Metod prognozowania: Jakość prognoz Dr inż. Sebastian Skoczpiec ver. 03.2012 Wprowadzenie (1) 1. Sformułowanie zadania prognostcznego: 2. Określenie przesłanek prognostcznch: 3. Zebranie danch 4. Określenie
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 I SYMULACJE EXCEL 1 AUTOR: MARTYNA MALAK PROGNOZOWANIE I SYMULACJE EXCEL 1 AUTOR: MARTYNA MALAK
1 PROGNOZOWANIE I SYMULACJE 2 http://www.outcome-seo.pl/excel1.xls DODATEK SOLVER WERSJE EXCELA 5.0, 95, 97, 2000, 2002/XP i 2003. 3 Dodatek Solver jest dostępny w menu Narzędzia. Jeżeli Solver nie jest
Bardziej 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 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 szczegółowoZasady budowania prognoz ekonometrycznych
Zasad budowania prognoz ekonometrcznch Klasczne założenia teorii predkcji 1. Znajomość modelu kształtowania się zmiennej prognozowanej Znajomość postaci analitcznej wstępującch zależności międz zmiennmi
Bardziej 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 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 szczegółowoKonspekty wykładów z ekonometrii
Konspek wkładów z ekonomerii Budowa i werfikaca modelu - reść przkładu W wniku ssemacznch badań popu na warzwa w pewnm mieście, orzmano nasępuące szeregi czasowe: przros (zmian) popu na warzwa (w zł. na
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 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 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 szczegółowoStanisław Cichocki Natalia Nehrebecka. Wykład 5
Sanisław Cichocki Naalia Nehrebecka Wkład 5 . Proces AR 2. Proces MA 3. Modele ARMA 4. Prognozowanie za pomocą modelu ARMA 2 . Proces AR 2. Proces MA 3. Modele ARMA 4. Prognozowanie za pomocą modelu ARMA
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 szczegółowoPROGNOZOWANIE. Ćwiczenia 3. tel.: (061)
Ćwiczeia 3 mgr iż.. Mara Krueger mara.krueger@edu.wsl.com.pl mara.krueger@ilim.poza.pl el.: (06 850 49 57 Meod progozowaia krókoermiowego sał poziom red sezoowość Y Y Y Czas Czas Czas Model aiw Modele
Bardziej szczegółowoROZDZIAŁ 11 WPŁYW ZMIAN KURSU WALUTOWEGO NA RYNEK PRACY
Rszard Sefański ROZDZIAŁ 11 WPŁYW ZMIAN KURSU WALUTOWEGO NA RYNEK PRACY Absrak Ocena wpłwu zmian kursu waluowego na rnek prac jes szczególnie isona dla polskiej gospodarki w najbliższch laach. Spośród
Bardziej szczegółowoPrognozowanie i symulacje
Prognozowanie i symulacje - Wykład (15 godzin) -Ćwiczenia przy komputerze (30 godzin) - Zaliczenie jedna ocena - Zasady zaliczenia i literatura dr Tadeusz RóŜański Helena Gaspars Prognozowanie i symulacje
Bardziej szczegółowoMotto. Czy to nie zabawne, że ci sami ludzie, którzy śmieją się z science fiction, słuchają prognoz pogody oraz ekonomistów? (K.
Motto Cz to nie zabawne, że ci sami ludzie, którz śmieją się z science fiction, słuchają prognoz pogod oraz ekonomistów? (K. Throop III) 1 Specfika szeregów czasowch Modele szeregów czasowch są alternatwą
Bardziej 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 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 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 szczegółowoSZEREG CZASOWY Y zjawisko badane w różnych okresach lub momentach czasu. Dynamika zjawiska to zmiana zjawiska w czasie. Przykład. Y średni kurs akcji
SZEREG CZASOWY Y zjawisko badane w różnch okresach lub momentach czasu. Dnamika zjawiska to zmiana zjawiska w czasie. Przkład. Y średni kurs akcji firm OPTMUS na giełdzie Okres: notowania od 1.03.2010
Bardziej szczegółowoPROGNOZY I SYMULACJE
orecasig is he ar of saig wha will happe, ad he explaiig wh i did. Ch. Chafield (986 PROGNOZY I YMULACJE Kaarza Chud Laskowska kosulacje: p. 400A środa -4 czwarek -4 sroa iereowa: hp://kc.sd.prz.edu.pl/
Bardziej 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 szczegółowoZASTOSOWANIA EKONOMETRII
ZASTOSOWANIA EKONOMETRII Budowa, esmacja, werfikacja i inerpreacja modelu ekonomercznego. dr Doroa Ciołek Kaedra Ekonomerii Wdział Zarządzania UG hp://wzr.pl/~dciolek doroa.ciolek@ug.edu.pl Lieraura Osińska
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 szczegółowoUE we Wrocławiu, WEZiT w Jeleniej Górze Katedra Ekonometrii i Informatyki
UE we Wrocławiu, WEZiT w Jeleniej Górze Katedra Ekonometrii i Informatyki http://keii.ue.wroc.pl Prognozowanie procesów gospodarczych prowadzący: dr inż. Tomasz Bartłomowicz tomasz.bartlomowicz@ue.wroc.pl
Bardziej szczegółowo23 Zagadnienia - Prognozowanie i symulacje
1. WYJAŚNIJ POJĘCIE PROGNOZY I OMÓW PODSTAWOWE PEŁNIONE PRZEZ PROGNOZĘ FUNKCJE. Prognoza - jest to sąd dotyczący przyszłej wartości pewnego zjawiska o następujących właściwościach: jest sformułowany w
Bardziej 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 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 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 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 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 szczegółowoMaria Cieślak (red.): Prognozowanie gospodarcze. Metody i zastosowania. PWN, Warszawa 2004 r.
Metody prognozowania: Wprowadzenie Dr inż. Sebastian a Skoczypiec Literatura: Maria Cieślak (red.): Prognozowanie gospodarcze. Metody i zastosowania. PWN, Warszawa 2004 r. Ryszard Tadeusiewiecz: Sieci
Bardziej szczegółowoZbudowany i pozytywnie zweryfikowany jednorównaniowy model ekonometryczny. jest uŝyteczny do analizy zaleŝności między zmiennymi uwzględnionymi w
ROGNOZOWANIE EKONOMERYCZNE (REDYKCJA EKONOMERYCZNA) ZEAW V Zbudowan i pozwnie zwerfikowan jednorównaniow model ekonomerczn je uŝeczn do analiz zaleŝności międz zmiennmi uwzględnionmi w modelu w okreie,
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 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 szczegółowoPROCESY AUTOREGRESYJNE ZE ZMIENNYM PARAMETREM 1. Joanna Górka. Wydział Nauk Ekonomicznych i Zarządzania UMK w Toruniu Katedra Ekonometrii i Statystyki
PROCESY AUTOREGRESYJNE ZE ZMIENNYM PARAMETREM Joanna Górka Wdział Nauk Ekonomicznch i Zarządzania UMK w Toruniu Kaedra Ekonomerii i Saski WSTĘP Niesacjonarne proces o średniej zero mogą bć reprezenowane
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka. Zajęcia 1-2
Stanisław Cichocki Natalia Nehreecka Zajęcia - . Model liniow Postać modelu liniowego Zapis macierzow modelu liniowego. Estmacja modelu Przkład Wartość teoretczna (dopasowana) Reszt 3. MNK - przpadek wielu
Bardziej szczegółowoZałożenia prognostyczne WPF
Załącznik nr 3 do Uchwał o Wieloletniej Prognozie Finansowej Założenia prognostczne WPF Wieloletnia Prognoza Finansowa opiera się na długoterminowej prognozie nadwżki operacjnej, która obrazują zdolność
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 szczegółowoBADANIE EFEKTYWNOŚCI PROGNOZ ZMIENNYCH OPISUJĄCYCH WYBRANE ASPEKTY FUNKCJONOWANIA PORTU SZCZECIN-ŚWINOUJŚCIE
STUDIA I PRACE WYDZIAŁU NAUK EKONOMICZNYCH I ZARZĄDZANIA NR 36 Mariusz Doszń * Barłomiej Pachis ** Uniwerse Szczecińsi BADANIE EFEKTYWNOŚCI PROGNOZ ZMIENNYCH OPISUJĄCYCH WYBRANE ASPEKTY FUNKCJONOWANIA
Bardziej szczegółowoKrzywe na płaszczyźnie.
Krzwe na płaszczźnie. Współrzędne paramerczne i biegunowe. Współrzędne biegunowe. Dan jes punk O, zwan biegunem, kór sanowi począek półprosej, zwanej półosią. Dowoln punk P na płaszczźnie można opisać
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 szczegółowowięc powyższy warunek będzie zapisany jako dy dt
Meo maemaczne w echnologii maeriałów Krzszof Szszkiewicz Wprowadzenie DEFINICJA. Równaniem różniczkowm zwczajnm rzędu pierwszego nazwam równanie posaci gdzie f : f (, ), () U jes daną funkcją. Rozwiązaniem
Bardziej szczegółowoSYLABUS. 4.Studia Kierunek studiów/specjalność Poziom kształcenia Forma studiów Ekonomia Studia pierwszego stopnia Studia stacjonarne i niestacjonarne
SYLABUS 1.Nazwa przedmiotu Prognozowanie i symulacje 2.Nazwa jednostki prowadzącej Katedra Metod Ilościowych i Informatyki przedmiot Gospodarczej 3.Kod przedmiotu E/I/A.16 4.Studia Kierunek studiów/specjalność
Bardziej szczegółowoPAWEŁ SZOŁTYSEK WYDZIAŁ NAUK EKONOMICZNYCH
PROGNOZA WIELKOŚCI ZUŻYCIA CIEPŁA DOSTARCZANEGO PRZEZ FIRMĘ FORTUM DLA CELÓW CENTRALNEGO OGRZEWANIA W ROKU 2013 DLA BUDYNKÓW WSPÓLNOTY MIESZKANIOWEJ PRZY UL. GAJOWEJ 14-16, 20-24 WE WROCŁAWIU PAWEŁ SZOŁTYSEK
Bardziej szczegółowoSylabus przedmiotu: Data wydruku: Dla rocznika: 2015/2016. Kierunek: Opis przedmiotu. prognoz. Dane podstawowe. Efekty i cele. Opis.
Sylabus przedmiotu: Specjalność: Prognozowanie i symulacja w przedsiębiorstwie Wszystkie specjalności Data wydruku: 23.01.2016 Dla rocznika: 2015/2016 Kierunek: Wydział: Zarządzanie i inżynieria produkcji
Bardziej szczegółowoBadanie zależności cech
PODSTAWY STATYSTYKI 1. Teoria prawdopodobieństwa i element kombinatorki. Zmienne losowe i ich rozkład 3. Populacje i prób danch, estmacja parametrów 4. Testowanie hipotez 5. Test parametrczne (na przkładzie
Bardziej szczegółowoTeoria sterowania - studia niestacjonarne AiR 2 stopień
Teoria serowania - sdia niesacjonarne Ai 2 sopień Kazimierz Dzinkiewicz, dr hab. Inż. Kaedra Inżnerii Ssemów Serowania Wkład 2a - 216/217 Dnamika obieków zapis za pomocą modeli Kazimierz Dzinkiewicz, dr
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 szczegółowoPomiar bezpośredni przyrządem wskazówkowym elektromechanicznym
. Rodzaj poiaru.. Poiar bezpośredni (prost) W przpadku poiaru pojednczej wielkości przrząde wskalowan w jej jednostkach wartość niedokładności ± określa graniczn błąd przrządu analogowego lub cfrowego
Bardziej szczegółowoMagdalena Osińska, Joanna Górka Uniwersytet Mikołaja Kopernika w Toruniu
DYNAMICZNE MODELE EKONOMETRYCZNE IX Ogólnopolskie Seminarium Naukowe, 6 8 września 5 w Toruniu Kaedra Ekonomerii i Saski, Uniwerse Mikołaja Kopernika w Toruniu Uniwerse Mikołaja Kopernika w Toruniu Idenfikacja
Bardziej szczegółowoEkonometryczna analiza popytu na wodę
Jacek Batóg Uniwersytet Szczeciński Ekonometryczna analiza popytu na wodę Jednym z czynników niezbędnych dla funkcjonowania gospodarstw domowych oraz realizacji wielu procesów technologicznych jest woda.
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 szczegółowoWydatki [zł] Wydatki 36,4 38, ,6 37,6 40, , ,5 33 Czas
Wydatki [zł] Zestaw zadań z Zastosowania metod progn. Zadanie 1 Dany jest następujący szereg czasowy: t 1 2 3 4 5 6 7 8 y t 11 14 13 18 17 25 26 28 Dokonaj jego dekompozycji na podstawowe składowe. Wykonaj
Bardziej szczegółowoPROGNOZOWANIE. Ćwiczenia 3. mgr Dawid Doliński
Ćwiczenia 3 mgr Dawid Doliński Modele szeregów czasowych sały poziom rend sezonowość Y Y Y Czas Czas Czas Modele naiwny Modele średniej arymeycznej Model Browna Modele ARMA Model Hola Modele analiyczne
Bardziej 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 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 szczegółowoL.Kowalski zadania z rachunku prawdopodobieństwa-zestaw 4 ZADANIA - ZESTAW 4
ZADANIA - ZESTAW 4 Zadanie 4. 0-0,4 c 0 0, 0, Wznacz c. Wznacz rozkład brzegowe. Cz, są niezależne? (odp. c = 0,3 Zadanie 4.- 0-0,4 0,3 0 0, 0, Wznaczć macierz kowariancji i korelacji. Cz, są skorelowane?
Bardziej szczegółowoWSPOMAGANIE PROCESÓW DECYZYJNYCH
WSPOMAGANIE PROCESÓW DECYZYJNYCH doc. dr Beaa Pułaska-Tura Zakład Badań Operacjch Zarządzaia, pokój B505 e-mail: urab@mail.wz.uw.edu.pl el: (22) 55 34 44 Mgr Pior Ja Gadecki e-mail: ifo@pgadecki.pl www:
Bardziej szczegółowoPrognozowanie cen surowców w rolnych na podstawie szeregów w czasowych - uwarunkowania i metody. Sylwia Grudkowska NBP Mariusz Hamulczuk IERIGś-PIB
Prognozowanie cen surowców w rolnych na podstawie szeregów w czasowych - uwarunkowania i metody Sylwia Grudkowska NBP Mariusz Hamulczuk IERIGś-PIB Plan prezentacji Wprowadzenie do prognozowania Metody
Bardziej szczegółowoegzamin oraz kolokwium
KARTA PRZEDMIOTU Kod przedmiotu E/FIRP/PSY w języku polskim Prognozowanie i symulacje Nazwa przedmiotu w języku angielskim Forecasting and simulation USYTUOWANIE PRZEDMIOTU W SYSTEMIE STUDIÓW Kierunek
Bardziej szczegółowoPRZEWODNIK PO PRZEDMIOCIE
Nazwa przedmiotu: Kierunek: Prognozowanie i symulacje Forecasting and simulations Zarządzanie i Inżynieria Produkcji Management and Engineering of Production Rodzaj przedmiotu: obowiązkowy Poziom studiów:
Bardziej szczegółowoAlgebra WYKŁAD 9 ALGEBRA
Algebra WYKŁAD 9 Krzwe sożkowe Definicja Prosa sczna do krzwej K w punkcie P jes o prosa, będąca granicznm położeniem siecznch s k przechodzącch przez punk P i P k gd punk P k dąż zbliża się do punku P
Bardziej szczegółowoProjekt okładki: Aleksandra Olszewska Redakcja: Leszek Plak Copyright by: Wydawnictwo Placet 2008
Projekt okładki: Aleksandra Olszewska Redakcja: Leszek Plak Copyright by: Wydawnictwo Placet 2008 Wszelkie prawa zastrzeżone. Publikacja ani jej części nie mogą być w żadnej formie i za pomocą jakichkolwiek
Bardziej szczegółowoSYMULACYJNE BADANIE EFEKTYWNOŚCI WYKORZYSTANIA METOD NUMERYCZNYCH W PROGNOZOWANIU ZMIENNEJ ZAWIERAJĄCEJ LUKI NIESYSTEMATYCZNE
Sudia Ekonomiczne. Zesz Naukowe Uniwerseu Ekonomicznego w Kaowicach ISSN 8-86 Nr 4 7 Zachodniopomorski Uniwerse Technologiczn w Szczecinie Wdział Ekonomiczn Kaedra Zasosowań Maemaki w Ekonomii maciej.oeserreich@zu.edu.pl
Bardziej szczegółowoKURS STATYSTYKA. Lekcja 7 Analiza dynamiki zjawisk (zjawiska w czasie) ZADANIE DOMOWE. Strona 1
KURS STATYSTYKA Lekcja 7 Aaliza damiki zjawisk (zjawiska w czasie) ZADANIE DOMOWE www.erapez.pl Sroa Część : TEST Zazacz poprawą odpowiedź (lko jeda jes prawdziwa). Paie Szereg damicz o: a) ciąg prędkości
Bardziej szczegółowoMetody prognozowania popytu w zarządzaniu logistycznym
Michał Miłek 1 Uniwerse Ekonomiczn w Kaowicach Meod prognozowania popu w zarządzaniu logiscznm Wsęp ał rozwó gospodarcze działalności człowieka spowodował, że meod prognozowania znaduą coraz szersze zasosowanie
Bardziej szczegółowoPRZEWODNIK PO PRZEDMIOCIE
Nazwa przedmiotu: PROGNOZOWANIE Z WYKORZYSTANIEM SYSTEMÓW INFORMATYCZNYCH Kierunek: Informatyka Rodzaj przedmiotu: obowiązkowy w ramach treści kierunkowych Rodzaj zajęć: wykład, laboratorium I KARTA PRZEDMIOTU
Bardziej szczegółowoArkadiusz Manikowski Zbigniew Tarapata. Prognozowanie i symulacja rozwoju przedsiębiorstw
Arkadiusz Manikowski Zbigniew Tarapata Prognozowanie i symulacja rozwoju przedsiębiorstw Warszawa 2002 Recenzenci doc. dr. inż. Ryszard Mizera skład i Łamanie mgr. inż Ignacy Nyka PROJEKT OKŁADKI GrafComp,
Bardziej 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 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 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 szczegółowoPrzedziały ufności i testy parametrów. Przedziały ufności dla średniej odpowiedzi. Interwały prognoz (dla przyszłych obserwacji)
Wkład 1: Prosta regresja liniowa Statstczn model regresji liniowej Dane dla prostej regresji liniowej Przedział ufności i test parametrów Przedział ufności dla średniej odpowiedzi Interwał prognoz (dla
Bardziej szczegółowoFOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS Folia Pomer. Univ. Technol. Stetin., Oeconomica 2015, 323(81)4,
FOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS Folia Pomer. Univ. Technol. Sein., Oeconomica 205, 323(8)4, 25 32 Joanna PERZYŃSKA WYBRANE MIERNIKI TRAFNOŚCI PROGNOZ EX POST W WYZNACZANIU PROGNOZ
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 szczegółowoANALIZA DYNAMIKI ZJAWISK SZEREG CZASOWY
D. Miszczńska, M.Miszczński, Maeriał do wkładu 5 ze Saski, 29/ [] ANALZA DYNAMK ZJAWSK. szereg czasow, chronologiczn (momenów, okresów) 2. średni oziom zjawiska w czasie (średnia armeczna, średnia chronologiczna)
Bardziej szczegółowoWybrane problemy prognozowania cen produktów rolnych
V EUROPEJSKI KONGRES MENADŻERÓW AGROBIZNESU, ŁYSOMICE 14.11.218 Wybrane problemy prognozowania cen produków rolnych Cezary Klimkowski INSTYTUT EKONOMIKI ROLNICTWA I GOSPODARKI ŻYWNOŚCIOWEJ PAŃSTWOWY INSTYTUT
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 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 szczegółowoRozkłady statystyk z próby
Rozkłady statystyk z próby Rozkłady statystyk z próby Przypuśćmy, że wykonujemy serię doświadczeń polegających na 4 krotnym rzucie symetryczną kostką do gry, obserwując liczbę wyrzuconych oczek Nr kolejny
Bardziej szczegółowoPo co w ogóle prognozujemy?
Po co w ogóle prognozujemy? Pojęcie prognozy: racjonalne, naukowe przewidywanie przyszłych zdarzeń stwierdzenie odnoszącym się do określonej przyszłości formułowanym z wykorzystaniem metod naukowym, weryfikowalnym
Bardziej szczegółowoStatystyka opisowa. Wykład I. Elementy statystyki opisowej
Statystyka opisowa. Wykład I. e-mail:e.kozlovski@pollub.pl Spis treści Elementy statystyku opisowej 1 Elementy statystyku opisowej 2 3 Elementy statystyku opisowej Definicja Statystyka jest to nauka o
Bardziej szczegółowoRównania różniczkowe zwyczajne MAP 3014, 3062
Równania różniczkowe zwczajne MAP 34, 36 Opracowanie: dr Marian Gewer, dr Zbigniew Skoczlas Lisazadań.Zpewnejsubsancjiradioakwnejpoupłwie4lazosałogram,apoupłwiedalszch4lalko 4 gram. Wznaczć masę subsancji
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 szczegółowo