Ekonometria. Modele dynamiczne. Paweł Cibis 27 kwietnia 2006

Wielkość: px
Rozpocząć pokaz od strony:

Download "Ekonometria. Modele dynamiczne. Paweł Cibis 27 kwietnia 2006"

Transkrypt

1 Modele dynamiczne Paweł Cibis 27 kwietnia 2006

2 1 Wyodrębnianie tendencji rozwojowej 2 Etap I Wyodrębnienie tendencji rozwojowej Etap II Uwolnienie wyrazów szeregu empirycznego od trendu Etap III Eliminacja wahań przypadkowych Etap IV Obliczanie czystych wskaźników wahań sezonowych 3 Ostateczna postać modelu Błąd prognozy ex post 4 Literatura

3 1 Wyodrębnianie tendencji rozwojowej 2 Etap I Wyodrębnienie tendencji rozwojowej Etap II Uwolnienie wyrazów szeregu empirycznego od trendu Etap III Eliminacja wahań przypadkowych Etap IV Obliczanie czystych wskaźników wahań sezonowych 3 Ostateczna postać modelu Błąd prognozy ex post 4 Literatura

4 Postać ogólna y = f (t) + ε ŷ = f (t)

5 Trend liniowy ŷ = a 0 + a 1 t a 0 wyrównany poziom zjawiska Y w okresie zerowym, a 1 przeciętny przyrost zjawiska Y w przedziale czasu [1, n].

6 Trend wykładniczy ŷ = a 0 a t 1 a 0 wyrównany poziom zjawiska Y w okresie zerowym, a 1 średni łańcuchowy wskaźnik dynamiki badanego zjawiska Y w przedziale czasu [1, n].

7 Trend wykładniczy ŷ = a 0 a t 1 ln ŷ = ln a 0 + t ln a 1 ŷ = ln ŷ, a 0 = ln a 0, a 1 = ln a 1 ŷ = a 0 + a 1t

8 Trend logarytmiczny ŷ = a 0 + a 1 ln t a 0 wyrównany poziom zjawiska Y w okresie zerowym, Przyrosty zjawiska maleją w czasie.

9 Trend logarytmiczny ŷ = a 0 + a 1 ln t t = ln t ŷ = a 0 + a 1t

10 Trend potęgowy ŷ = a 0 t a 1 a 0 wyrównany poziom zjawiska Y w okresie t = 1, Stosowany w modelach o liniowym związku między logarytmami zmiennych Y i t.

11 Trend potęgowy ŷ = a 0 t a 1 ln ŷ = ln a 0 + a 1 ln t ŷ = ln ŷ, t = ln t, a 0 = ln a 0 ŷ = a 0 + a 1 t

12 Trend logistyczny ŷ = a a 1 e t, a 0 > 0, a 1 > 1 a 0 poziom nasycenia badanego zjawiska.

13 Trend logistyczny ŷ = a a 1 e t, a 0 > 0, a 1 > 1 a 0 = 1 a 0, a 1 = a 1 a 0, ŷ = 1 ŷ, t = e t ŷ = a 0 + a 1t

14 Trend hiperboliczny ŷ = a 0 + a 1 t t = 1 t ŷ = a 0 + a 1 t

15 Trend hiperboliczny ŷ = a 0t t + a 1 a 0 = 1 a 0, a 1 = a 1 a 0, t = 1 t, ŷ = 1 ŷ ŷ = a 0 + a 1t

16 Wyodrębnianie tendencji rozwojowej Metoda adaptacyjna stosowana, gdy trend w miarę upływu czasu podlega zmianom. 1 Ustalamy długość segmentu k. 2 Rozpatrujemy n k + 1 k-elementowych ciągów kolejnych obserwacji: y t, y t+1,..., y t+k 1. 3 Dla każdego ciągu szacujemy z KMNK parametry liniowe trendów segmentowych: ŷ l = a0 l + al 1t, gdzie t = l, l + 1,..., l + k 1. 4 Dla każdego równania trendu odcinkowego obliczamy teoretyczne wartości zmiennej Y. 5 Obliczamy średnie arytmetyczne dla wartości teoretycznych zmiennej Y z tych samych okresów. Otrzymamy szereg czasowy wygładzony za pomocą trendu pełzającego.

17 Wyodrębnianie tendencji rozwojowej Metoda adaptacyjna stosowana, gdy trend w miarę upływu czasu podlega zmianom. 1 Ustalamy długość okresu średniej k. 2 Dla kolejnych okresów obliczamy średnie arytmetyczne k-okresowe: ȳ k 1 2 +i = yi +yi y k+i 1 k, dla k nieparzystych oraz i 1, 2,..., n k + 1; ȳ k 2 +i = 1 2 yi +yi y k+i k, dla k parzystych oraz i 1, 2,..., n k + 1 (średnie scentrowane). 3 Otrzymane średnie przyporządkowuje się wyrazowi środkowemu. Średnią k-okresową stosujemy Do eliminacji wahań okresowych o cyklu długości k.

18 Etap I Wyodrębnienie tendencji rozwojowej Etap II Uwolnienie wyrazów szeregu empirycznego od trendu Etap III Eliminacja wahań przypadkowych Etap IV Obliczanie czystych wskaźników wahań sezonowych 1 Wyodrębnianie tendencji rozwojowej 2 Etap I Wyodrębnienie tendencji rozwojowej Etap II Uwolnienie wyrazów szeregu empirycznego od trendu Etap III Eliminacja wahań przypadkowych Etap IV Obliczanie czystych wskaźników wahań sezonowych 3 Ostateczna postać modelu Błąd prognozy ex post 4 Literatura

19 Etap I Wyodrębnienie tendencji rozwojowej Etap II Uwolnienie wyrazów szeregu empirycznego od trendu Etap III Eliminacja wahań przypadkowych Etap IV Obliczanie czystych wskaźników wahań sezonowych Etap I Wyodrębnienie tendencji rozwojowej Wyodrębniamy tendencję rozwojową za pomocą dowolnej metody: trendu liniowego; trendu nieliniowego; trendu pełzającego; średniej ruchomej.

20 Etap I Wyodrębnienie tendencji rozwojowej Etap II Uwolnienie wyrazów szeregu empirycznego od trendu Etap III Eliminacja wahań przypadkowych Etap IV Obliczanie czystych wskaźników wahań sezonowych Etap II Uwolnienie wyrazów szeregu empirycznego od trendu Jeżeli odchylenia od trendu w tych samych okresach jednego cyklu są mniej więcej stałe (bezwzględne wahania sezonowe), obliczamy: e t = y t ŷ t. Jeżeli w miarę wzrostu wartości trendu proporcjonalnie wzrastają odchylenia (bezwzględne wahania sezonowe) ilorazy są mniej więcej stałe obliczamy stosunki: u t = yt ŷ t. Wartości e t i u t zawierają wahania sezonowe i przypadkowe. W praktyce łatwiej jest najpierw policzyć oba wskaźniki, a następnie, na podstawie tego, w którym z wariantów są one mniej więcej stałe dla danej fazy cyklu, zdecydować o rodzaju wahań okresowych.

21 Etap III Eliminacja wahań przypadkowych Etap I Wyodrębnienie tendencji rozwojowej Etap II Uwolnienie wyrazów szeregu empirycznego od trendu Etap III Eliminacja wahań przypadkowych Etap IV Obliczanie czystych wskaźników wahań sezonowych Dla każdego okresu cyklu obliczamy średnią arytmetyczną z tych wartości e t lub u t, które należą do danej fazy. Otrzymamy surowe wskaźniki wahań sezonowych: ē j bezwzględne wskaźniki sezonowości (addytywne) o ile jednostek poziom zjawiska w danej fazie wahań jest wyższy lub niższy od poziomu, jaki osiągnęłoby zjawisko, gdyby jego rozwój następował zgodnie z tendencją rozwojwą; ū j względne wskaźniki sezonowości (multiplikatywne) o ile procent poziom zjawiska w danej fazie wahań jest wyższy lub niższy od poziomu, jaki osiągnęłoby zjawisko, gdyby jego rozwój następował zgodnie z tendencją rozwojwą. j numer fazy wahań

22 Etap I Wyodrębnienie tendencji rozwojowej Etap II Uwolnienie wyrazów szeregu empirycznego od trendu Etap III Eliminacja wahań przypadkowych Etap IV Obliczanie czystych wskaźników wahań sezonowych Etap IV Obliczanie czystych wskaźników wahań sezonowych Obliczamy współczynniki korekcyjne: α = 1 p p i=1 ēi α = 1 p p i=1 ūi Suma wskaźników bezwzględnych jest równa zeru, a suma wskaźników względnych jest równa liczbie faz cyklu (p). Obliczamy czyste wskaźniki: s b j = ē j 1 p p i=1 ēi s w j = ū j 1 p p i=1 ūi

23 Ostateczna postać modelu Błąd prognozy ex post 1 Wyodrębnianie tendencji rozwojowej 2 Etap I Wyodrębnienie tendencji rozwojowej Etap II Uwolnienie wyrazów szeregu empirycznego od trendu Etap III Eliminacja wahań przypadkowych Etap IV Obliczanie czystych wskaźników wahań sezonowych 3 Ostateczna postać modelu Błąd prognozy ex post 4 Literatura

24 Ostateczna postać modelu Błąd prognozy ex post Prognostyczną wartość zmiennej na moment/okres t (stanowiący i-tą fazę cyklu) wyznaczamy jako: y (w) ti y ti = y (w) ti + s b i model addytywny y ti = y (w) ti s w i model addytywny wstępna prognoza (na okres t dla i-tej fazy cyklu) na podstawie modelu tendencji rozwojowej; si b, /sw i czyste (skorygowane) wskaźniki sezonowości dla i-tej fazy cyklu. Przy prognozowaniu na podstawie średniej ruchomej model prognostyczny ma postać: yt = 1 t 1 k i=t k y i, gdzie y i to wartość zmiennej prognozowanej w okresie i, a yt to prognoza na okres t.

25 Błąd prognozy ex post Ostateczna postać modelu Błąd prognozy ex post błąd bezwzględny: q t = y t yt ; błąd względny: φ t = yt y t y t ; średni kwadratowy błąd prognozy ex post: s = 1 T n T t=n+1 (y t yt ) 2 0,5 T numer ostatniego okresu, w którym sprawdzana jest prognoza; średni kwadratowy błąd prognozy ex post dla modelu ze średnią ruchomą: s = 1 n k T t=k+1 (y t yt ) 2 0,5 k stała wygładzania, n liczba wyrazów szeregu czasowego; ; ;

26 1 Wyodrębnianie tendencji rozwojowej 2 Etap I Wyodrębnienie tendencji rozwojowej Etap II Uwolnienie wyrazów szeregu empirycznego od trendu Etap III Eliminacja wahań przypadkowych Etap IV Obliczanie czystych wskaźników wahań sezonowych 3 Ostateczna postać modelu Błąd prognozy ex post 4 Literatura

27 Literatura Wyodrębnianie tendencji rozwojowej Strahl D., Sobczak E., Markowska M., Bal-Domańska B. Modelowanie ekonometryczne z Excelem. Wrocław: AE Metody, przykłady, zadania. Red. J. Dziechciarz. Wrocław: AE Prognozowanie gospodarcze. Metody i zastosowanie. Red. M. Cieślak. Warszawa: PWN 2002.

28

PROGNOZOWANIE I SYMULACJE EXCEL 1 AUTOR: MARTYNA MALAK PROGNOZOWANIE I SYMULACJE EXCEL 1 AUTOR: MARTYNA MALAK

PROGNOZOWANIE I SYMULACJE EXCEL 1 AUTOR: MARTYNA MALAK PROGNOZOWANIE I SYMULACJE EXCEL 1 AUTOR: MARTYNA MALAK 1 PROGNOZOWANIE I SYMULACJE 2 http://www.outcome-seo.pl/excel1.xls DODATEK SOLVER WERSJE EXCELA 5.0, 95, 97, 2000, 2002/XP i 2003. 3 Dodatek Solver jest dostępny w menu Narzędzia. Jeżeli Solver nie jest

Bardziej szczegółowo

Ćwiczenia 13 WAHANIA SEZONOWE

Ćwiczenia 13 WAHANIA SEZONOWE Ćwiczenia 3 WAHANIA SEZONOWE Wyrównanie szeregu czasowego (wyodrębnienie czystego trendu) mechanicznie Zadanie. Badano spożycie owoców i przetworów (yt) (w kg) w latach według kwartałów: kwartał lata 009

Bardziej szczegółowo

Ekonometria. Dobór postaci analitycznej, transformacja liniowa i estymacja modelu KMNK. Paweł Cibis 23 marca 2006

Ekonometria. Dobór postaci analitycznej, transformacja liniowa i estymacja modelu KMNK. Paweł Cibis 23 marca 2006 , transformacja liniowa i estymacja modelu KMNK Paweł Cibis pcibis@o2.pl 23 marca 2006 1 Miary dopasowania modelu do danych empirycznych Współczynnik determinacji Współczynnik zbieżności 2 3 Etapy transformacji

Bardziej szczegółowo

Wykład 6. Badanie dynamiki zjawisk

Wykład 6. Badanie dynamiki zjawisk Wykład 6 Badanie dynamiki zjawisk TREND WYODRĘBNIANIE SKŁADNIKÓW SZEREGU CZASOWEGO 1. FUNKCJA TRENDU METODA ANALITYCZNA 2. ŚREDNIE RUCHOME METODA WYRÓWNYWANIA MECHANICZNEGO średnie ruchome zwykłe średnie

Bardziej szczegółowo

Analiza Zmian w czasie

Analiza Zmian w czasie Statystyka Opisowa z Demografią oraz Biostatystyka Analiza Zmian w czasie Aleksander Denisiuk denisjuk@euh-e.edu.pl Elblaska Uczelnia Humanistyczno-Ekonomiczna ul. Lotnicza 2 82-300 Elblag oraz Biostatystyka

Bardziej szczegółowo

3. Modele tendencji czasowej w prognozowaniu

3. Modele tendencji czasowej w prognozowaniu II Modele tendencji czasowej w prognozowaniu 1 Składniki szeregu czasowego W teorii szeregów czasowych wyróżnia się zwykle następujące składowe szeregu czasowego: a) składowa systematyczna; b) składowa

Bardziej szczegółowo

Teoretyczne podstawy analizy indeksowej klasyfikacja indeksów, konstrukcja, zastosowanie

Teoretyczne podstawy analizy indeksowej klasyfikacja indeksów, konstrukcja, zastosowanie Teoretyczne podstawy analizy indeksowej klasyfikacja indeksów, konstrukcja, zastosowanie Szkolenie dla pracowników Urzędu Statystycznego nt. Wybrane metody statystyczne w analizach makroekonomicznych dr

Bardziej szczegółowo

Ekonometria. Regresja liniowa, dobór postaci analitycznej, transformacja liniowa. Paweł Cibis 24 marca 2007

Ekonometria. Regresja liniowa, dobór postaci analitycznej, transformacja liniowa. Paweł Cibis 24 marca 2007 Regresja liniowa, dobór postaci analitycznej, transformacja liniowa Paweł Cibis pawel@cibis.pl 24 marca 2007 1 Regresja liniowa 2 Metoda aprioryczna Metoda heurystyczna Metoda oceny wzrokowej rozrzutu

Bardziej szczegółowo

JEDNORÓWNANIOWY LINIOWY MODEL EKONOMETRYCZNY

JEDNORÓWNANIOWY 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 szczegółowo

K wartość kapitału zaangażowanego w proces produkcji, w tys. jp.

K 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 szczegółowo

WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI ANALIZA SZEREGÓW CZASOWYCH I INDEKSY STATYSTYCZNE

WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI ANALIZA SZEREGÓW CZASOWYCH I INDEKSY STATYSTYCZNE WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI ANALIZA SZEREGÓW CZASOWYCH I INDEKSY STATYSTYCZNE INDEKSY STATYSTYCZNE Absolutny przyrost t = y t y t 1 Względny przyrost δ t = t y t Indeks indywidualny jednopodstawowy

Bardziej szczegółowo

Arkadiusz Manikowski Zbigniew Tarapata. Prognozowanie i symulacja rozwoju przedsiębiorstw

Arkadiusz 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 szczegółowo

23 Zagadnienia - Prognozowanie i symulacje

23 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 szczegółowo

Ekonometria. Modele regresji wielorakiej - dobór zmiennych, szacowanie. Paweł Cibis pawel@cibis.pl. 1 kwietnia 2007

Ekonometria. Modele regresji wielorakiej - dobór zmiennych, szacowanie. Paweł Cibis pawel@cibis.pl. 1 kwietnia 2007 Modele regresji wielorakiej - dobór zmiennych, szacowanie Paweł Cibis pawel@cibis.pl 1 kwietnia 2007 1 Współczynnik zmienności Współczynnik zmienności wzory Współczynnik zmienności funkcje 2 Korelacja

Bardziej szczegółowo

A.Światkowski. Wroclaw University of Economics. Working paper

A.Światkowski. Wroclaw University of Economics. Working paper A.Światkowski Wroclaw University of Economics Working paper 1 Planowanie sprzedaży na przykładzie przedsiębiorstwa z branży deweloperskiej Cel pracy: Zaplanowanie sprzedaży spółki na rok 2012 Słowa kluczowe:

Bardziej szczegółowo

Zajęcia 1. Statystyki opisowe

Zajęcia 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 szczegółowo

SYLABUS. 4.Studia Kierunek studiów/specjalność Poziom kształcenia Forma studiów Ekonomia Studia pierwszego stopnia Studia stacjonarne i niestacjonarne

SYLABUS. 4.Studia Kierunek studiów/specjalność Poziom kształcenia Forma studiów Ekonomia Studia pierwszego stopnia Studia stacjonarne i niestacjonarne SYLABUS 1.Nazwa przedmiotu Prognozowanie i symulacje 2.Nazwa jednostki prowadzącej Katedra Metod Ilościowych i Informatyki przedmiot Gospodarczej 3.Kod przedmiotu E/I/A.16 4.Studia Kierunek studiów/specjalność

Bardziej szczegółowo

Estymacja parametrów modeli liniowych oraz ocena jakości dopasowania modeli do danych empirycznych

Estymacja parametrów modeli liniowych oraz ocena jakości dopasowania modeli do danych empirycznych Estymacja parametrów modeli liniowych oraz ocena jakości dopasowania modeli do danych empirycznych 3.1. Estymacja parametrów i ocena dopasowania modeli z jedną zmienną 23. Właściciel komisu w celu zbadania

Bardziej szczegółowo

Przykład 2. Stopa bezrobocia

Przykład 2. Stopa bezrobocia Przykład 2 Stopa bezrobocia Stopa bezrobocia. Komentarz: model ekonometryczny stopy bezrobocia w Polsce jest modelem nieliniowym autoregresyjnym. Podobnie jak model podaŝy pieniądza zbudowany został w

Bardziej szczegółowo

Indeksy dynamiki (o stałej i zmiennej podstawie)

Indeksy dynamiki (o stałej i zmiennej podstawie) Indeksy dynamiki (o stałej i zmiennej podstawie) Proste indeksy dynamiki określają tempo zmian pojedynczego szeregu czasowego. Wyodrębnia się dwa podstawowe typy indeksów: indeksy o stałej podstawie; indeksy

Bardziej szczegółowo

Po co w ogóle prognozujemy?

Po 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 szczegółowo

ŚREDNI BŁĄD PROGNOZOWANIA DLA METODY EKSTRAPOLACJI PRZYROSTU EMPIRYCZNEGO

ŚREDNI BŁĄD PROGNOZOWANIA DLA METODY EKSTRAPOLACJI PRZYROSTU EMPIRYCZNEGO B A D A N I A O P E R A C Y J N E I D E C Y Z J E Nr 3 4 006 Bogusław GUZIK ŚREDNI BŁĄD PROGNOZOWANIA DLA METODY EKSTRAPOLACJI PRZYROSTU EMPIRYCZNEGO W artykule sformułowano standardowy układ założeń stochastycznych

Bardziej szczegółowo

Prognozowanie na podstawie modelu ekonometrycznego

Prognozowanie na podstawie modelu ekonometrycznego Prognozowanie na podstawie modelu ekonometrycznego Przykład. Firma usługowa świadcząca usługi doradcze w ostatnich kwartałach (t) odnotowała wynik finansowy (yt - tys. zł), obsługując liczbę klientów (x1t)

Bardziej szczegółowo

Wprowadzenie do teorii prognozowania

Wprowadzenie 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 szczegółowo

Propozycja modelu prognostycznego dla wartości jednostek rozrachunkowych OFE. 1. Wstęp

Propozycja modelu prognostycznego dla wartości jednostek rozrachunkowych OFE. 1. Wstęp 1 Sugerowany przypis: Chybalski F., Propozycja modelu prognostycznego dla wartości jednostek rozrachunkowych OFE, Przegląd Statystyczny, nr 3/2006, Dom Wydawniczy Elipsa, Warszawa 2006, s. 73-82 Propozycja

Bardziej szczegółowo

SPIS TREŚCI WSTĘP... 8 1. LICZBY RZECZYWISTE 2. WYRAŻENIA ALGEBRAICZNE 3. RÓWNANIA I NIERÓWNOŚCI

SPIS TREŚCI WSTĘP... 8 1. LICZBY RZECZYWISTE 2. WYRAŻENIA ALGEBRAICZNE 3. RÓWNANIA I NIERÓWNOŚCI SPIS TREŚCI WSTĘP.................................................................. 8 1. LICZBY RZECZYWISTE Teoria............................................................ 11 Rozgrzewka 1.....................................................

Bardziej szczegółowo

Statystyka opisowa Opracował: dr hab. Eugeniusz Gatnar, prof. WSBiF

Statystyka opisowa Opracował: dr hab. Eugeniusz Gatnar, prof. WSBiF Statystyka opisowa Opracował: dr hab. Eugeniusz Gatnar, prof. WSBiF 120 I. Ogólne informacje o przedmiocie Cel przedmiotu: Opanowanie podstaw teoretycznych, poznanie przykładów zastosowań metod statystycznych.

Bardziej szczegółowo

Modelowanie ekonomiczne w zarządzaniu firmami Materiały do wykładu

Modelowanie ekonomiczne w zarządzaniu firmami Materiały do wykładu Modelowanie ekonomiczne w zarządzaniu firmami Materiały do wykładu Dr Adam Kucharski Spis treści 1 Podstawowe pojęcia statystyczne 2 1.1 Populacja i zbiorowość................................. 2 1.2 Badanie

Bardziej szczegółowo

Analiza Szeregów Czasowych

Analiza Szeregów Czasowych Analiza Szeregów Czasowych Plan 1. Uwagi wstępne (szeregi, przykłady, prognozowanie, ) 2. Cel analizy szeregów czasowych 3. Struktura szeregów czasowych (trend/składowa stała, wahania sezonowe, wahania

Bardziej szczegółowo

PROGNOZOWANIE PRZYCHODÓW ZE SPRZEDAŻY

PROGNOZOWANIE PRZYCHODÓW ZE SPRZEDAŻY Joanna Chrabołowska Joanicjusz Nazarko PROGNOZOWANIE PRZYCHODÓW ZE SPRZEDAŻY NA PRZYKŁADZIE PRZEDSIĘBIORSTWA HANDLOWEGO TYPU CASH & CARRY Wprowadzenie Wśród wielu prognoz szczególną rolę w zarządzaniu

Bardziej szczegółowo

egzamin oraz kolokwium

egzamin 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 szczegółowo

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

Case nr 3. Zaawansowana Eksploracja Danych (Specj. TPD) Szeregi czasowe i prognozowanie Case nr 3. Zaawansowana Eksploracja Danych (Specj. TPD) Szeregi czasowe i prognozowanie Jerzy Stefanowski, Instytut Informatyki Politechnika Poznańska 2010/11. Cel studium przypadku: Studium poświęcone

Bardziej szczegółowo

Joanna Kisielińska Szkoła Główna Gospodarstwa Wiejskiego w Warszawie

Joanna Kisielińska Szkoła Główna Gospodarstwa Wiejskiego w Warszawie 1 DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólnopolskie Seminarium Naukowe, 4 6 września 2007 w Toruniu Katedra Ekonometrii i Statystyki, Uniwersytet Mikołaja Kopernika w Toruniu Joanna Kisielińska Szkoła Główna

Bardziej szczegółowo

PAWEŁ SZOŁTYSEK WYDZIAŁ NAUK EKONOMICZNYCH

PAWEŁ 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 szczegółowo

ANALIZA SPRZEDAŻY: - rozproszenia

ANALIZA SPRZEDAŻY: - rozproszenia KOŁO NAUKOWE CONTROLLINGU UNIWERSYTET ZIELONOGÓRSKI ANALIZA SPRZEDAŻY: - rozproszenia - koncentracji - sezonowości Spis treści Wstęp... 3 Analiza rozproszenia sprzedaży... 4 Analiza koncentracji sprzedaży...

Bardziej szczegółowo

Ekonometria. Regresja liniowa, współczynnik zmienności, współczynnik korelacji liniowej, współczynnik korelacji wielorakiej

Ekonometria. Regresja liniowa, współczynnik zmienności, współczynnik korelacji liniowej, współczynnik korelacji wielorakiej Regresja liniowa, współczynnik zmienności, współczynnik korelacji liniowej, współczynnik korelacji wielorakiej Paweł Cibis pawel@cibis.pl 23 lutego 2007 1 Regresja liniowa 2 wzory funkcje 3 Korelacja liniowa

Bardziej szczegółowo

Propozycja szczegółowego rozkładu materiału dla 4-letniego technikum, zakres podstawowy i rozszerzony. Klasa I (90 h)

Propozycja szczegółowego rozkładu materiału dla 4-letniego technikum, zakres podstawowy i rozszerzony. Klasa I (90 h) Propozycja szczegółowego rozkładu materiału dla 4-letniego technikum, zakres podstawowy i rozszerzony (według podręczników z serii MATeMAtyka) Klasa I (90 h) Temat Liczba godzin 1. Liczby rzeczywiste 15

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Ekonometria. Weryfikacja modelu. Paweł Cibis pcibis@o2.pl. 6 kwietnia 2006

Ekonometria. Weryfikacja modelu. Paweł Cibis pcibis@o2.pl. 6 kwietnia 2006 Weryfikacja modelu Paweł Cibis pcibis@o2.pl 6 kwietnia 2006 1 Badanie istotności parametrów strukturalnych modelu Testy Pakiet Analiza Danych Uwagi 2 Test dla małej próby Test dla dużej próby 3 Test Durbina-Watsona

Bardziej szczegółowo

Statystyka od podstaw z systemem SAS Dr hab. E. Frątczak, ZAHZiAW, ISiD, KAE. Część VII. Analiza szeregu czasowego

Statystyka od podstaw z systemem SAS Dr hab. E. Frątczak, ZAHZiAW, ISiD, KAE. Część VII. Analiza szeregu czasowego Część VII. Analiza szeregu czasowego 1 DEFINICJA SZEREGU CZASOWEGO Szeregiem czasowym nazywamy zbiór warości cechy w uporządkowanych chronologicznie różnych momenach (okresach) czasu. Oznaczając przez

Bardziej szczegółowo

O LICZBIE ABONENTÓW TELEFONII KOMÓRKOWEJ W POLSCE ZDANIEM TRZECH STATYSTYKÓW

O LICZBIE ABONENTÓW TELEFONII KOMÓRKOWEJ W POLSCE ZDANIEM TRZECH STATYSTYKÓW Rafał Czyżycki, Marcin Hundert, Rafał Klóska Wydział Zarządzania i Ekonomiki Usług Uniwersytet Szczeciński O LICZBIE ABONENTÓW TELEFONII KOMÓRKOWEJ W POLSCE ZDANIEM TRZECH STATYSTYKÓW Wprowadzenie Poruszana

Bardziej szczegółowo

Zagadnienia do małej matury z matematyki klasa II Poziom podstawowy i rozszerzony

Zagadnienia do małej matury z matematyki klasa II Poziom podstawowy i rozszerzony Zagadnienia do małej matury z matematyki klasa II Poziom podstawowy i rozszerzony Uczeń realizujący zakres rozszerzony powinien również spełniać wszystkie wymagania w zakresie poziomu podstawowego. Zakres

Bardziej szczegółowo

Nabycie umiejętności wyznaczania i interpretowania metod opisu struktury zbiorowości statystycznej

Nabycie umiejętności wyznaczania i interpretowania metod opisu struktury zbiorowości statystycznej Kod przedmiotu: PLPILA02-IEEKO-L-3p7-2012 Pozycja planu: B7 INFORMACJE O PRZEDMIOCIE A. Podstawowe dane 1 Nazwa przedmiotu tatystyka opisowa 2 Rodzaj przedmiotu Podstawowy/Obowiązkowy 2 Kierunek studiów

Bardziej szczegółowo

Prognozowanie 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 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 szczegółowo

WYMAGANIA EDUKACYJNE Z MATEMATYKI W KLASIE DRUGIEJ LICEUM

WYMAGANIA EDUKACYJNE Z MATEMATYKI W KLASIE DRUGIEJ LICEUM Potęgi, pierwiastki i logarytmy 23 h DZIAŁ PROGRAMOWY JEDNOSTKA LEKCYJNA Matematyka z plusem dla szkoły ponadgimnazjalnej 1 WYMAGANIA EDUKACYJNE Z MATEMATYKI W KLASIE DRUGIEJ LICEUM POZIOMY WYMAGAŃ EDUKACYJNYCH:

Bardziej szczegółowo

Przedmiotowe Ocenianie Z Matematyki - Technikum. obowiązuje w roku szkolnym 2016 / 2017

Przedmiotowe Ocenianie Z Matematyki - Technikum. obowiązuje w roku szkolnym 2016 / 2017 Przedmiotowe Ocenianie Z Matematyki - Technikum obowiązuje w roku szkolnym 2016 / 2017 1. Rok szkolny dzieli się na dwa semestry. Każdy semestr kończy się klasyfikacją. 2. Na początku roku szkolnego informuję

Bardziej szczegółowo

Prognozowanie cen surowców w rolnych na podstawie szeregów w czasowych

Prognozowanie cen surowców w rolnych na podstawie szeregów w czasowych Prognozowanie cen surowców w rolnych na podstawie szeregów w czasowych Mariusz Hamulczuk Pułtusk 06.12.1011 Wprowadzenie Przewidywanie a prognozowanie Metoda prognozowania rodzaje metod i prognoz Czy moŝna

Bardziej szczegółowo

Dobór wartości początkowych w modelu wyrównywania wykładniczego Browna a wyniki prognozowania

Dobór wartości początkowych w modelu wyrównywania wykładniczego Browna a wyniki prognozowania Zeszyty Naukowe nr 797 Uniwersytetu Ekonomicznego w Krakowie 2008 Katedra Statystyki Dobór wartości początkowych w modelu wyrównywania wykładniczego Browna a wyniki prognozowania 1. Wprowadzenie Metoda

Bardziej szczegółowo

Wydatki [zł] Wydatki 36,4 38, ,6 37,6 40, , ,5 33 Czas

Wydatki [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 szczegółowo

Rozkład wyników ogólnopolskich

Rozkład wyników ogólnopolskich Rozkład wyników ogólnopolskich 1 9 8 7 procent uczniów 6 5 4 3 2 1 1 2 3 4 5 6 7 8 9 1 11 12 13 14 15 16 17 18 19 2 21 22 23 24 25 26 27 28 29 3 31 32 33 34 35 36 37 38 39 4 41 42 43 44 45 46 47 48 49

Bardziej szczegółowo

MATeMAtyka zakres rozszerzony

MATeMAtyka zakres rozszerzony MATeMAtyka zakres rozszerzony Proponowany rozkład materiału kl. I (160 h) (Na czerwono zaznaczono treści z zakresu rozszerzonego) Temat lekcji Liczba godzin 1. Liczby rzeczywiste 15 1. Liczby naturalne

Bardziej szczegółowo

PROGNOZOWANIE RENTOWNOŚCI PRODUKCJI WĘGLA KAMIENNEGO Z WYKORZYSTANIEM MODELU KOMPUTEROWEGO

PROGNOZOWANIE RENTOWNOŚCI PRODUKCJI WĘGLA KAMIENNEGO Z WYKORZYSTANIEM MODELU KOMPUTEROWEGO PROGNOZOWANIE RENTOWNOŚCI PRODUKCJI WĘGLA KAMIENNEGO Z WYKORZYSTANIEM MODELU KOMPUTEROWEGO Jolanta BIJAŃSKA, Krzysztof WODARSKI Streszczenie: W artykule przedstawiono model komputerowy, który został opracowany

Bardziej szczegółowo

MATeMAtyka klasa II poziom rozszerzony

MATeMAtyka klasa II poziom rozszerzony MATeMAtyka klasa II poziom rozszerzony W klasie drugiej na poziomie rozszerzonym realizujemy materiał z klasy pierwszej tylko z poziomu rozszerzonego (na czerwono) oraz cały materiał z klasy drugiej. Rozkład

Bardziej szczegółowo

Istota funkcjonowania przedsiębiorstwa produkcyjnego. dr inż. Andrzej KIJ

Istota funkcjonowania przedsiębiorstwa produkcyjnego. dr inż. Andrzej KIJ Istota funkcjonowania przedsiębiorstwa produkcyjnego dr inż. Andrzej KIJ 1 Popyt rynkowy agregacja krzywych popytu P p2 p1 D1 q1 D2 q2 Q 2 Popyt rynkowy agregacja krzywych popytu P p2 p1 D1 +D2 D1 D2 q1

Bardziej szczegółowo

Zajęcia wyrównawcze z matematyki dla studentów kierunku zamawianego Biotechnologia na Wydziale Biologii i Ochrony Środowiska rok akademicki 2010/2011

Zajęcia wyrównawcze z matematyki dla studentów kierunku zamawianego Biotechnologia na Wydziale Biologii i Ochrony Środowiska rok akademicki 2010/2011 Zajęcia wyrównawcze z matematyki dla studentów kierunku zamawianego Biotechnologia na Wydziale Biologii i Ochrony Środowiska rok akademicki 2010/2011 Kierunek zamawiany: Biotechnologia Liczba grup: 2 (po

Bardziej szczegółowo

Wstęp do metod numerycznych Uwarunkowanie Eliminacja Gaussa. P. F. Góra

Wstęp do metod numerycznych Uwarunkowanie Eliminacja Gaussa. P. F. Góra Wstęp do metod numerycznych Uwarunkowanie Eliminacja Gaussa P. F. Góra http://th-www.if.uj.edu.pl/zfs/gora/ 2012 Uwarunkowanie zadania numerycznego Niech ϕ : R n R m będzie pewna funkcja odpowiednio wiele

Bardziej szczegółowo

OTWARTE FUNDUSZE EMERYTALNE W POLSCE Struktura funduszy emerytalnych pod względem liczby członków oraz wielkości aktywów

OTWARTE FUNDUSZE EMERYTALNE W POLSCE Struktura funduszy emerytalnych pod względem liczby członków oraz wielkości aktywów OTWARTE FUNDUSZE EMERYTALNE W POLSCE Struktura funduszy emerytalnych pod względem liczby członków oraz wielkości aktywów Tomasz Gruszczyk Informatyka i Ekonometria I rok, nr indeksu: 156012 Sopot, styczeń

Bardziej szczegółowo

Dynamika poziomu i struktury wydatków gospodarstw domowych w Polsce w latach

Dynamika poziomu i struktury wydatków gospodarstw domowych w Polsce w latach Barbara Podolec Dynamika poziomu i struktury wydatków gospodarstw domowych w Polsce w latach 1993 2006 Wstęp W okresie transformacji gospodarczej w Polsce występował rokrocznie wzrost cen towarów i usług

Bardziej szczegółowo

Matematyka do liceów i techników Szczegółowy rozkład materiału Zakres podstawowy

Matematyka do liceów i techników Szczegółowy rozkład materiału Zakres podstawowy Matematyka do liceów i techników Szczegółowy rozkład materiału Zakres podstawowy Wariant nr (klasa I 4 godz., klasa II godz., klasa III godz.) Klasa I 7 tygodni 4 godziny = 48 godzin Lp. Tematyka zajęć

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Dopasowywanie modelu do danych

Dopasowywanie modelu do danych Tematyka wykładu dopasowanie modelu trendu do danych; wybrane rodzaje modeli trendu i ich właściwości; dopasowanie modeli do danych za pomocą narzędzi wykresów liniowych (wykresów rozrzutu) programu STATISTICA;

Bardziej szczegółowo

Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych. Wykład tutora na bazie wykładu prof. Marka Stankiewicza

Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych. Wykład tutora na bazie wykładu prof. Marka Stankiewicza Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych Wykład tutora na bazie wykładu prof. Marka tankiewicza Po co zajęcia w I Pracowni Fizycznej? 1. Obserwacja zjawisk i efektów

Bardziej szczegółowo

Zawartość. Zawartość

Zawartość. Zawartość Opr. dr inż. Grzegorz Biesok. Wer. 2.20 2011 Zawartość Zawartość 1. Tworzenie szeregu rozdzielczego przedziałowego (klasowego)... 3 2. Podstawowy opis struktury... 3 3. Opis rozkładu jednej cechy szereg

Bardziej szczegółowo

III. STRUKTURA I FORMA EGZAMINU

III. STRUKTURA I FORMA EGZAMINU III. STRUKTURA I FORMA EGZAMINU Egzamin maturalny z matematyki jest egzaminem pisemnym sprawdzającym wiadomości i umiejętności określone w Standardach wymagań egzaminacyjnych i polega na rozwiązaniu zadań

Bardziej szczegółowo

Ocena działalności przedsiębiorstwa z zastosowaniem wybranych metod ilościowych

Ocena działalności przedsiębiorstwa z zastosowaniem wybranych metod ilościowych Grażyna Karmowska Zakład Analizy Systemowej Akademia Rolnicza w Szczecinie Ocena działalności przedsiębiorstwa z zastosowaniem wybranych metod ilościowych Wstęp Jednym z podstawowych sposobów oceny podejmowanych

Bardziej szczegółowo

Program zajęć pozalekcyjnych z matematyki poziom rozszerzony- realizowanych w ramach projektu Przez naukę i praktykę na Politechnikę

Program zajęć pozalekcyjnych z matematyki poziom rozszerzony- realizowanych w ramach projektu Przez naukę i praktykę na Politechnikę Program zajęć pozalekcyjnych z matematyki poziom rozszerzony- realizowanych w ramach projektu Przez naukę i praktykę na Politechnikę 1. Omówienie programu. Zaznajomienie uczniów ze źródłami finansowania

Bardziej szczegółowo

parametrów strukturalnych modelu = Y zmienna objaśniana, X 1,X 2,,X k zmienne objaśniające, k zmiennych objaśniających,

parametrów strukturalnych modelu = Y zmienna objaśniana, X 1,X 2,,X k zmienne objaśniające, k zmiennych objaśniających, 诲 瞴瞶 瞶 ƭ0 ƭ 瞰 parametrów strukturalnych modelu Y zmienna objaśniana, = + + + + + X 1,X 2,,X k zmienne objaśniające, k zmiennych objaśniających, α 0, α 1, α 2,,α k parametry strukturalne modelu, k+1 parametrów

Bardziej szczegółowo

EKONOMETRIA prowadzący: Piotr Piwowarski

EKONOMETRIA prowadzący: Piotr Piwowarski EKONOMETRIA prowadzący: Piotr Piwowarski Termin konsultacji: poniedziałek 13:15 14:45 wtorek 13:15 14:45 pokój 1101/1102 jedenaste piętro e-mail: piotr.piwowarski@poczta.umcs.lublin.pl strona internetowa:

Bardziej szczegółowo

Statystyka od podstaw Janina Jóźwiak, Jarosław Podgórski

Statystyka 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 szczegółowo

Kształtowanie się cen m 2 mieszkania we Wrocławiu w krótkim okresie

Kształtowanie się cen m 2 mieszkania we Wrocławiu w krótkim okresie Kształtowanie się cen m 2 mieszkania we Wrocławiu w krótkim okresie Projekt prognostyczny ElŜbieta Bulak Piotr Olszewski Michał Tomanek Tomasz Witka IV ZI gr. 13. Wrocław 2007 I. Sformułowanie zadania

Bardziej szczegółowo

Projekt okładki: Aleksandra Olszewska. Redakcja: Leszek Plak. Copyright: Wydawnictwo Placet Wydanie ebook. Wydawca

Projekt okładki: Aleksandra Olszewska. Redakcja: Leszek Plak. Copyright: Wydawnictwo Placet Wydanie ebook. Wydawca 1 Projekt okładki: Aleksandra Olszewska Redakcja: Leszek Plak Copyright: Wydawnictwo Placet 2011 Wydanie ebook Wszelkie prawa zastrzeżone. Publikacja ani jej części nie mogą być w żadnej formie i za pomocą

Bardziej szczegółowo

Ekonometria. Robert Pietrzykowski.

Ekonometria. Robert Pietrzykowski. Ekonometria Robert Pietrzykowski email: robert_pietrzykowski@sggw.pl www.ekonometria.info Na dziś Sprawy bieżące Prowadzący Zasady zaliczenia Konsultacje Inne 2 Sprawy ogólne czyli co nas czeka Zaliczenie

Bardziej szczegółowo

Zadanie 3 Oblicz jeżeli wiadomo, że liczby 8 2,, 1, , tworzą ciąg arytmetyczny. Wyznacz różnicę ciągu. Rozwiązanie:

Zadanie 3 Oblicz jeżeli wiadomo, że liczby 8 2,, 1, , tworzą ciąg arytmetyczny. Wyznacz różnicę ciągu. Rozwiązanie: Zadanie 3 Oblicz jeżeli wiadomo, że liczby 8 2,, 1, 6 11 6 11, tworzą ciąg arytmetyczny. Wyznacz różnicę ciągu. Uprośćmy najpierw liczby dane w treści zadania: 8 2, 2 2 2 2 2 2 6 11 6 11 6 11 26 11 6 11

Bardziej szczegółowo

EKONOMETRYCZNA PROGNOZA ODPŁYWÓW Z BEZROBOCIA

EKONOMETRYCZNA PROGNOZA ODPŁYWÓW Z BEZROBOCIA EKONOMETRYCZNA PROGNOZA ODPŁYWÓW Z BEZROBOCIA W OPARCIU O KONCEPCJĘ FUNKCJI DOPASOWAŃ Adam Kowol 2 1. Sformułowanie zadania prognostycznego Celem niniejszej pracy jest próba prognozy kształtowania się

Bardziej szczegółowo

Wymagania edukacyjne, kontrola i ocena. w nauczaniu matematyki w zakresie. podstawowym dla uczniów technikum. część II

Wymagania edukacyjne, kontrola i ocena. w nauczaniu matematyki w zakresie. podstawowym dla uczniów technikum. część II Wymagania edukacyjne, kontrola i ocena w nauczaniu matematyki w zakresie podstawowym dla uczniów technikum część II Figury na płaszczyźnie kartezjańskiej L.p. Temat lekcji Uczeń demonstruje opanowanie

Bardziej szczegółowo

PROGNOZOWANIE. Ćwiczenia 2. mgr Dawid Doliński

PROGNOZOWANIE. Ćwiczenia 2. mgr Dawid Doliński Ćwiczenia 2 mgr Dawid Doliński Modele szeregów czasowych sały poziom rend sezonowość Y Y Y Czas Czas Czas Modele naiwny Modele średniej arymeycznej Model Browna Modele ARMA Model Hola Modele analiyczne

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Prognozy analogowe.metody heurystyczne.

Prognozy analogowe.metody heurystyczne. Notatki do wykładu 1009 Prognozy analogowe.metody heurystyczne. - metody analogowe - metody heurystyczne -- burza mózgów -- metoda delficka M. Cieślak (red. Nauk) Prognozowanie Gospodarcze. Metody i zastosowania.

Bardziej szczegółowo

Co to jest analiza regresji?

Co to jest analiza regresji? Co to jest analiza regresji? Celem analizy regresji jest badanie związków pomiędzy wieloma zmiennymi niezależnymi (objaśniającymi) a zmienną zależną (objaśnianą), która musi mieć charakter liczbowy. W

Bardziej szczegółowo

V. WYMAGANIA EGZAMINACYJNE

V. WYMAGANIA EGZAMINACYJNE V. WYMAGANIA EGZAMINACYJNE Standardy wymagań egzaminacyjnych Zdający posiada umiejętności w zakresie: POZIOM PODSTAWOWY POZIOM ROZSZERZONY 1. wykorzystania i tworzenia informacji: interpretuje tekst matematyczny

Bardziej szczegółowo

USŁUGOWE MSP PRZYSZŁOŚCIĄ GOSPODARKI NA PRZYKŁADZIE MIASTA SZCZECIN

USŁUGOWE MSP PRZYSZŁOŚCIĄ GOSPODARKI NA PRZYKŁADZIE MIASTA SZCZECIN dr Rafał Klóska Katedra Metod Ilościowych Wydział Zarządzania i Ekonomiki Usług Uniwersytet Szczeciński USŁUGOWE MSP PRZYSZŁOŚCIĄ GOSPODARKI NA PRZYKŁADZIE MIASTA SZCZECIN Wprowadzenie Ze względu na liczbę

Bardziej szczegółowo

Analiza metod prognozowania kursów akcji

Analiza 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

Prognozowanie przyszłego popytu (sprzedaży) Dr Rafał Zbyrowski Wydział Zarządzania UW

Prognozowanie przyszłego popytu (sprzedaży) Dr Rafał Zbyrowski Wydział Zarządzania UW Prognozowanie przyszłego popytu (sprzedaży) Dr Rafał Zbyrowski Wydział Zarządzania UW Istota prognozowania Podczas gry na lodowisku jadę tam, dokąd krążek zmierza, a nie tam, gdzie jest Wayne Gretzky (www.brandcenter.pl)

Bardziej szczegółowo

Wiadomości ogólne o ekonometrii

Wiadomości ogólne o ekonometrii Wiadomości ogólne o ekonometrii Materiały zostały przygotowane w oparciu o podręcznik Ekonometria Wybrane Zagadnienia, którego autorami są: Bolesław Borkowski, Hanna Dudek oraz Wiesław Szczęsny. Ekonometria

Bardziej szczegółowo

Planowanie przychodów ze sprzedaży na przykładzie przedsiębiorstw z branży finansowej

Planowanie przychodów ze sprzedaży na przykładzie przedsiębiorstw z branży finansowej K. Czyczerska, A. Wiktorowicz UNIWERSYTET EKONOMICZNY WE WROCŁWIU Planowanie przychodów ze sprzedaży na przykładzie przedsiębiorstw z branży finansowej Słowa kluczowe: planowanie przychodów, metoda średniej

Bardziej szczegółowo

W. Krysicki, L.Włodarski, Analiza matematyczna w zadaniach cz. 1 i cz. 2. Pomocnicze symbole. Spójniki logiczne: Symbole kwantyfikatorów:

W. Krysicki, L.Włodarski, Analiza matematyczna w zadaniach cz. 1 i cz. 2. Pomocnicze symbole. Spójniki logiczne: Symbole kwantyfikatorów: dr Urszula Konieczna-Spychała Instytut Matematyki i Fizyki UTP imif.utp.edu.pl Literatura: M. Lassak, Matematyka dla studiów technicznych. M. Gewert, Z. Skoczylas, Analiza matematyczna 1. M. Gewert, Z.

Bardziej szczegółowo

Miary położenia wskazują miejsce wartości najlepiej reprezentującej wszystkie wielkości danej zmiennej. Mówią o przeciętnym poziomie analizowanej

Miary położenia wskazują miejsce wartości najlepiej reprezentującej wszystkie wielkości danej zmiennej. Mówią o przeciętnym poziomie analizowanej Miary położenia wskazują miejsce wartości najlepiej reprezentującej wszystkie wielkości danej zmiennej. Mówią o przeciętnym poziomie analizowanej cechy. Średnia arytmetyczna suma wartości zmiennej wszystkich

Bardziej szczegółowo

Modyfikacja algorytmów retransmisji protokołu TCP.

Modyfikacja algorytmów retransmisji protokołu TCP. Modyfikacja algorytmów retransmisji protokołu TCP. Student Adam Markowski Promotor dr hab. Michał Grabowski Cel pracy Celem pracy było przetestowanie i sprawdzenie przydatności modyfikacji klasycznego

Bardziej szczegółowo

STRUKTURA RYNKU PRACY ZAGROŻENIA I PERSPEKTYWY ROZWOJOWE

STRUKTURA RYNKU PRACY ZAGROŻENIA I PERSPEKTYWY ROZWOJOWE Maria Jadamus-Hacura Krystyna Melich-wanek Uniwersytet Ekonomiczny w Katowicach STRUKTURA RYNKU PRACY ZAGROŻENA PERSPEKTYWY ROZWOJOWE Wprowadzenie Rozważania dotyczące perspektyw rozwojowych rynku pracy

Bardziej szczegółowo

Prognozowanie gospodarcze - opis przedmiotu

Prognozowanie gospodarcze - opis przedmiotu Prognozowanie gospodarcze - opis przedmiotu Informacje ogólne Nazwa przedmiotu Prognozowanie gospodarcze Kod przedmiotu 11.9-WZ-EkoP-PrG-S16 Wydział Kierunek Wydział Ekonomii i Zarządzania Ekonomia Profil

Bardziej szczegółowo

Wymagania edukacyjne z matematyki dla zasadniczej szkoły zawodowej na poszczególne oceny

Wymagania edukacyjne z matematyki dla zasadniczej szkoły zawodowej na poszczególne oceny Wymagania edukacyjne z matematyki dla zasadniczej szkoły zawodowej na poszczególne oceny Podstawa programowa z 23 grudnia 2008r. do nauczania matematyki w zasadniczych szkołach zawodowych Podręcznik: wyd.

Bardziej szczegółowo

APROKSYMACJA ZJAWISK RYNKOWYCH NARZĘDZIEM WSPOMAGAJĄCYM PODEJMOWANIE DECYZJI

APROKSYMACJA 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 szczegółowo

Zmiany cen nieruchomości w czasie

Zmiany cen nieruchomości w czasie Inwestycje i ryzyko na rynku nieruchości Ewa Kusideł 1 Zmiany cen nieruchomości w czasie Dr Ewa Kusideł Inwestycje i ryzyko na rynku nieruchości 2 Analiza średnich zmian cen nieruchomości w czasie za pomocą

Bardziej szczegółowo

Wykład FIZYKA I. 10. Ruch drgający tłumiony i wymuszony. Dr hab. inż. Władysław Artur Woźniak

Wykład FIZYKA I. 10. Ruch drgający tłumiony i wymuszony.  Dr hab. inż. Władysław Artur Woźniak Wykład FIZYKA I 1. Ruch drgający tłumiony i wymuszony Dr hab. inż. Władysław Artur Woźniak Instytut Fizyki Politechniki Wrocławskiej http://www.if.pwr.wroc.pl/~wozniak/fizyka1.html Siły oporu (tarcia)

Bardziej szczegółowo

Metody ilościowe w analizie struktury podmiotowej sektora usług w Polsce

Metody ilościowe w analizie struktury podmiotowej sektora usług w Polsce Rafał Klóska* Metody ilościowe w analizie struktury podmiotowej sektora usług w Polsce Wstęp Tematem rozważań wielu ekonomistów i polityków jest często rozwój przedsiębiorczości w Polsce a rosnące zainteresowanie

Bardziej szczegółowo

Analiza rynku projekt

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

Bardziej szczegółowo

Statystyka w pracy badawczej nauczyciela Wykład 3: Analiza struktury zbiorowości statystycznej. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.

Statystyka w pracy badawczej nauczyciela Wykład 3: Analiza struktury zbiorowości statystycznej. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin. Statystyka w pracy badawczej nauczyciela Wykład 3: Analiza struktury zbiorowości statystycznej dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Zadania analityczne (1) Analiza przewiduje badanie podobieństw

Bardziej szczegółowo

Spis treści. Przedmowa

Spis treści. Przedmowa Spis treści Przedmowa 1.1. Magazyn i magazynowanie 1.1.1. Magazyn i magazynowanie - podstawowe wiadomości 1.1.2. Funkcje i zadania magazynów 1.1.3. Rodzaje magazynów 1.1.4. Rodzaje zapasów 1.1.5. Warunki

Bardziej szczegółowo

Prognoza sprawozdania finansowego Bilans

Prognoza sprawozdania finansowego Bilans Prognoza sprawozdania go Bilans 31.12.24 31.12.25 31.12.26 Wartości niematerialne i prawne Rzeczowe aktywa trwałe Długoterminowe Zapasy Należności Inwestycje 594 3474 3528 954 52119 54 12 759 693 2259

Bardziej szczegółowo

Ekonometria Wykład 7 Modele nieliniowe, funkcja produkcji. Dr Michał Gradzewicz Katedra Ekonomii I KAE

Ekonometria Wykład 7 Modele nieliniowe, funkcja produkcji. Dr Michał Gradzewicz Katedra Ekonomii I KAE Ekonometria Wykład 7 Modele nieliniowe, funkcja produkcji Dr Michał Gradzewicz atedra Ekonomii I AE Plan wykładu (Nie)liniowość modeli ekonomerycznych iniowość modeli ekonometrycznych Efekty krańcowe Elastyczności

Bardziej szczegółowo