EKONOMETRIA ECONOMETRICS 2(36) 2012
|
|
- Paulina Olejnik
- 6 lat temu
- Przeglądów:
Transkrypt
1 EKONOMETRIA ECONOMETRICS 2(36) 202 Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu Wrocław 202
2 Redaktor Wydawnictwa: Dorota Pitulec Redaktor techniczny: Barbara Łopusiewicz Korektor: Barbara Cibis Łamanie: Małgorzata Czupryńska Projekt okładki: Beata Dębska Publikacja dofinansowana przez Ministra Nauki i Szkolnictwa Wyższego Publikacja jest dostępna na stronie Streszczenia opublikowanych artykułów są dostępne w międzynarodowej bazie danych The Central European Journal of Social Sciences and Humanities oraz w The Central and Eastern European Online Library a także w adnotowanej bibliografii zagadnień ekonomicznych BazEkon bazy_ae/bazekon/nowy/index.php Informacje o naborze artykułów i zasadach recenzowania znajdują się na stronie internetowej Wydawnictwa Kopiowanie i powielanie w jakiejkolwiek formie wymaga pisemnej zgody Wydawcy Copyright by Uniwersytet Ekonomiczny we Wrocławiu Wrocław 202 ISSN Wersja pierwotna: publikacja drukowana Druk: Drukarnia TOTEM Nakład: 200 egz.
3 Spis treści Wstęp... 7 Anna Zięba, Grupowanie stresorów społeczno-ekonomicznych z wykorzystaniem analizy skupień... 9 Roman Szostek, Uogólniony model Holta na przykładzie prognozowania liczby pasażerów w transporcie lotniczym w Polsce... 6 Wiktor Ejsmont, Wpływ wiedzy zdobytej w szkole podstawowej na późniejszy przyrost wiedzy w liceum Marcin Łupiński, Konstrukcja spektralnego oscylatora MACD dla wybranych cen akcji banków notowanych na GPW w Warszawie Karolina Bartos, Sieć SOM jako przykład sieci samoorganizującej się Recenzja Jadwiga Suchecka: Analiza wybranych aspektów wyników egzaminu gimnazjalnego, Anna Błaczkowska, Józef Dziechciarz, Alicja Grześkowiak, Anna Król, Agnieszka Stanimir, Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu, Wroclaw Summaries Anna Zięba, Grouping of social-economic stressors with cluster analysis... 5 Roman Szostek, Generalized Holt s model exemplified by the forecast on the number of air travellers in Poland Wiktor Ejsmont, Impact of knowledge acquired in elementary school on the subsequent increase of knowledge in high school Marcin Łupiński, Construction of spectral MACD oscillator for selected Polish banks stock prices Karolina Bartos, SOM neural network as an example of the self-organizing neural network... 74
4 EKONOMETRIA ECONOMETRICS 2(36) 202 ISSN Roman Szostek Politechnika Rzeszowska UOGÓLNIONY MODEL HOLTA NA PRZYKŁADZIE PROGNOZOWANIA LICZBY PASAŻERÓW W TRANSPORCIE LOTNICZYM W POLSCE Streszczenie: W pracy zostały przedstawione zaproponowane przez autora modyfikacje metody Holta. Po pierwsze, przyjęto, że wartości parametrów występujących w modelu Holta nie muszą być ograniczone, tak jak to się powszechnie przyjmuje, do przedziału [0, ]. Po drugie, został zaproponowany precyzyjniejszy sposób prognozowania wartości szeregu dla bardziej odległych chwil czasu. Celem opracowania jest zaproponowanie modyfikacji modelu Holta, która pozwoli na uzyskiwanie lepszych prognoz. Artykuł prezentuje ideę oraz efekty proponowanej modyfikacji na przykładzie danych dotyczących liczby pasażerów w transporcie lotniczym w Polsce. Słowa kluczowe: metoda Holta, optymalizacja, prognozowanie.. Wstęp Metoda Holta jest jedną z metod wygładzania wykładniczego. Polega na wygładzaniu analizowanego szeregu czasowego za pomocą średniej ruchomej i służy do wygładzania szeregów czasowych, w których występuje tendencja rozwojowa z wahaniami przypadkowymi. Dzięki wygładzeniu szeregu uzyskiwana jest informacja o jego własnościach wykorzystywana do wyznaczenia prognozy. Wygładzanie wykładnicze może być oparte na różnych modelach, odpowiednio dobieranych do przebiegu badanego szeregu. Oprócz modelu Holta stosowany jest prosty model wygładzania wykładniczego oraz model Wintersa. 2. Model Holta Model Holta pozwala na wygładzanie szeregu czasowego, w którym występuje tendencja rozwojowa oraz wahania przypadkowe. Wartości prognozowanego szeregu zostały oznaczone symbolami x 0, x,..., x n-. Model ten ma dwa parametry α oraz β i następującą postać: F = x, ()
5 Uogólniony model Holta na przykładzie prognozowania liczby pasażerów... 7 S = x x, (2) 0 Ft = α xt + ( α)( Ft + St ), (3) S = β ( F F ) + ( β ) S, (4) t t t t gdzie: t = 2,, n, F t wygładzona wartość szeregu czasowego, S t wygładzona wartość przyrostu trendu na moment t, α, β parametry modelu. Wartości F t oraz S t wyliczane są w sposób rekurencyjny. Prognozy przyszłych wartości szeregu wyznaczane są w następujący sposób: gdzie: k =, 2, 3, x, (5) * n+ k = Fn + k Sn Parametry modelu Holta α oraz β są dobierane tak, aby zminimalizować błędy prognoz wygasłych. W tym celu przyjmuje się jakieś konkretne wartości tych parametrów i wyznacza, zgodnie z (5), gdy n = t oraz k =, prognozy wygasłe x (6) * = + t Ft St dla chwil czasu t (t = 2, 3,, n ) na podstawie wartości szeregu z okresu wcześniejszego (x 0, x,..., x t- ). Prognozy te można porównać z faktycznymi wartościami szeregu x t. Otrzymane różnice są błędami prognoz wygasłych, jakie daje model dla przyjętych parametrów α oraz β. Jako miarę jakości metody należy przyjąć średnią z błędów prognoz wygasłych. Może to być średnia liniowa lub średnia kwadratowa n 2 t= 2 J = Ft + St xt (7) n n 2 2 = ( Ft + St xt ) n 2 t= 2 J. (8) Ostatecznie należy spośród wszystkich możliwych wartości parametrów α oraz β wybrać takie, które dają najmniejszą wartość błędu J lub J 2. W ten sposób zostają wyznaczone optymalne wartości parametrów modelu, czyli przeprowadzona jest jego optymalizacja. Wartość J jest miarą błędu prognozy wyznaczonej za pomocą tego modelu.
6 8 Roman Szostek Powszechnie przyjmuje się, że α [0, ] oraz β [0, ]. Wydaje się jednak, że to ograniczenie jest niepotrzebne, dlatego w przeprowadzonych obliczeniach zrezygnowano z niego. Tak więc zostało przyjęte, że najlepszymi parametrami modelu są takie, dla których model najlepiej wyznacza prognozy wygasłe niezależnie od tego, czy parametry te będą większe, czy mniejsze od jedności. Wyznaczanie optymalnych wartości parametrów α oraz β przeprowadza się metodami numerycznymi. 3. Analiza danych Analizowany szereg czasowy został przedstawiony w tab.. Zawiera on informację o liczbie pasażerów w transporcie lotniczym w Polsce w okresach rocznych. Tabela. Przewozy pasażerów transportem lotniczym w Polsce Rok Liczba pasażerów (tys. osób) Rok Liczba pasażerów (tys. osób) Źródło: Główny Urząd Statystyczny ( Wartości optymalnych parametrów modelu Holta są różne w zależności od przyjętej miary jakości. Siatkę parametrów przeglądano z dokładnością do Prognozy zostały wyznaczone na trzy przyszłe okresy. Dla miary liniowej (7) optymalne są parametry α =.4483 oraz β = (9) Dla miary kwadratowej (8) optymalne są parametry α =.5676 oraz β = (0) Szereg czasowy wraz z prognozą dla miary (7) został przedstawiony na rys..
7 Uogólniony model Holta na przykładzie prognozowania liczby pasażerów... 9 Rys.. Prognozy, gdy w modelu α =.4483 oraz β = Źródło: opracowanie własne. Szereg czasowy wraz z prognozą dla miary (8) został przedstawiony na rys. 2. Rys. 2. Prognozy, gdy w modelu α =.5676 oraz β = Źródło: opracowanie własne. Dla porównania, gdy wartości parametrów modelu α oraz β są ograniczone do przedziału [0, ], wtedy optymalne wartości tych parametrów dla miary liniowej (7) wynoszą
8 20 Roman Szostek natomiast dla miary kwadratowej (8) wynoszą α =.0000 oraz β =.0000, () α =.0000 oraz β = (2) Szereg czasowy wraz z prognozą dla przypadku gdy α =.0 oraz β =.0 został przedstawiony na rys. 3. Rys. 3. Prognozy, gdy w modelu α =.0 oraz β =.0 Źródło: opracowanie własne. W tab. 2 zostały przedstawione wyniki obliczeń dla trzech powyższych przypadków. Optymalne wartości miary jakości zostały w tabeli wytłuszczone. Tabela 2. Wyniki obliczeń. Porównanie trzech rozwiązań t X(t) a =,4483 b = 0,454 a =,5676 b = 0,720 a =,000 b =,000 F(t) S(t) X*[t] F(t) S(t) X*[t] F(t) S(t) X*[t] ,00-507,00 208,00-507,00 208,00-507, ,9-45,47 70,00 567,88-357,90 70,00 254,00 46,00 70, ,77-3,72 356,44 55,69-305,32 209,99 405,00 5,00 300, ,85 7,26 33,05 84,88-20,34 20,37 596,00 9,00 556, ,7 05,84 794, 979,5-38,39 63,54 847,00 25,00 787, ,79 49,28 976,55 257,59-83,96 84,2 2043,00 96, , , 9, , , -26, , ,00 244, , ,66 272, , ,08 4,06 238, ,00 345,00 253, ,77 50,9 2960,56 250,80 -,28 285,4 262,00 -, , ,53 286,47 259, ,96 9, , ,00 259,00 260,00
9 Uogólniony model Holta na przykładzie prognozowania liczby pasażerów ,42 357, , ,8 58,37 387, ,00 556,00 339, ,78 243,00 384, ,09 39, , ,00 23, , ,55 338,60 383, ,2 96, , ,00 3, , ,4 7, ,5 3902,26 29,8 4293, ,00 66, , , 527, , ,72 292,46 403, ,00 593,00 40, ,73 45, , ,69 307,5 5273,7 5329,00 692, , ,9 755, , ,45 449, ,20 694,00 865,00 602, ,76-352,75 758, ,67 50,58 694, ,00-73, , ,00-352, ,0 465,96-36, , ,00-3, , ,05 296, , ,64 95,27 429,0 4990,00 640, , , ,9 5630,00 22 prognozy: 6027,60 prognozy: 5869,8 prognozy: 6270, , ,45 690,00 błąd liniowy 345, błąd kwadratowy 529, Źródło: opracowanie własne. Ograniczanie wartości parametrów α oraz β do przedziału [0, ] powoduje, że pewnej dużej rodzinie szeregów czasowych przyporządkowywany jest ten sam model Holta o parametrze α =.0 (lub β =.0). Tak też jest dla rozważanego szeregu. W tej sytuacji wiele różnorodnych szeregów jest opisywanych tym samym modelem. Tymczasem parametry modelu Holta można dobrać tak, aby model dokładniej wyznaczał prognozy wygasłe. Te parametry powinny być wykorzystane do prognozowania. 4. Prognoza na dalsze chwile czasowe W klasycznym podejściu przedstawionym w postaci równań ()-(5) optymalne wartości parametrów modelu są wyznaczane na podstawie prognoz wygasłych obliczanych na jeden krok do przodu. Jeżeli jednak za pomocą modelu ma być wyznaczana prognoza na k kroków do przodu, to powinno się wykonywać optymalizację modelu pod kątem prognoz wygasłych na k kroków do przodu. Zaproponowano więc tutaj, aby dla każdej chwili czasowej, na którą ma być wyznaczona prognoza, wyznaczyć inny model, za każdym razem na podstawie innej miary jakości. Jeżeli prognoza ma być wykonana na k-ty krok do przodu, wtedy należy wyznaczyć parametry modelu, minimalizując miarę jakości w postaci J ( k) = Ft k + k St k xt (3) n k n t= k+
10 22 Roman Szostek lub gdzie: k =, 2, 3, J, (4) n 2 2 ( k) = ( Ft k + k St k xt ) n k t= k+ Obliczenia zostały wykonane za pomocą programu w języku C++ o następującym kodzie: int main(int argc, char *argv[]) { double X[2]={75, 208, 254, 405, 596, 847, 2043, 2287, 2632, 262, 2880, 3436, 3667, 3978, 4044, 4637, 5329, 694, 5463, 4350, 4990}; Double F[2], S[2], F_opt, S_opt; // wielkość tablicy musi mieć rozmiar n double J2, J, a_opt, b_opt, J2_min= , J_min= ; double a, b, krok=0.000; int t, n=2, k=; // k oznacza na ile krokow do przodu jest prognoza F[]=X[]; S[]=X[]-X[0]; for (a=.4; a<=.5; a=a+krok) { for (b=0.4; b<=0.5; b=b+krok) { J2=0; J=0; for (t=2;t<n;t++) { F[t]=a*X[t]+(-a)*(F[t-]+S[t-]); S[t]=b*(F[t]-F[t-])+(-b)*S[t-]; if (t>=(k+)) { J=J+fabs(F[t-k]+k*S[t-k]-X[t]); //błąd liniowy J2=J2+pow((F[t-k]+k*S[t-k]-X[t]),2); //błąd kwadratowy } } if (J < J_min) //minimalizacja bledu liniowego { J2_min=J2; J_min=J; a_opt=a; b_opt=b; F_opt=F[n-]; S_opt=S[n-]; } } } J_min=J_min/(n-k-); //błąd liniowy J2_min=sqrt(J2_min/(n-k-)); //błąd kwadratowy
11 Uogólniony model Holta na przykładzie prognozowania liczby pasażerów cout << "optymalne a = " << a_opt << endl; cout << "optymalne b = " << b_opt << endl; cout << "blad liniowy J = " << J_min << endl; cout << "blad kwadratowy J2 = " << J2_min << endl; } Wartość prognozy na k kroków do przodu jest wyliczana zgodnie z zależnością (5). Wyniki obliczeń dla miary jakości (3) zostały przedstawione w tab. 3 oraz na rys. 4. W przypadku zmodyfikowanej metody prognozy nie muszą się znajdować na prostej, tak jak jest zawsze w przypadku metody tradycyjnej. Tabela 3. Wyniki obliczeń dla zmodyfikowanej miary jakości J (k) k = k = 2 k = 3 t X(t) a =,4483 b = 0,454 a =,087 b = 0,5667 a = 0,5858 b = 0,74 F(t) S(t) X*[t] F(t) S(t) X*[t] F(t) S(t) X*[t] 0 75,00 208,00 208,00-507,00 208,00-507,00 208,00-507, ,00 50,9-45,47 70,00 299,8-68,0 024,95-276, ,00 426,77-3,72 356,44 427,37-0,5 94,00 33,04-2, ,00 722,85 7,26 33,05 609,79 03,3 963,6 403,03 9,23-33, ,00 870,7 05,84 794, 857,94 85,39 427,07 742,32 296,56 95, , ,79 49,28 976, ,97 85,9 86,4 204,29 298,28 24, ,00 236, 9, ,07 229,8 22, , ,77 276,37 976, , ,66 272, ,84 264,72 294,6 243,35 262,59 295,90 263, , ,77 50,9 2960, ,27 0,4 2734, ,08 76, , ,00 304,53 286,47 259, ,00 23, , ,98 6,02 337, , ,42 357, , ,74 44, , ,60 39, , , ,78 243,00 384, ,84 285, , ,4 348,4 3268, , ,55 338,60 383,78 398,48 3,67 429,40 398,54 344, , , ,4 7, ,5 4023,64 58, ,95 460,85 227,0 4236, ,00 498, 527, , ,3 437, , ,8 330, , , ,73 45, , ,76 570,75 434,53 536,66 524,35 505, , ,9 755, ,99 626,59 740, ,2 5973,24 746,47 484, , ,76-352,75 758, ,95-75, , ,53 222, , , ,00-352, ,0 4283,38-675, ,07 58,87-550, , , ,05 296, ,24 502,9 7, ,00 485,22-374,98 822,63 2 prognoza: 573,33 22 prognoza: 5446,50 23 prognoza: 3690,27 Błąd progn. J () = 345,6 J (2) = 596,72 J (3) = 822,0 Źródło: opracowanie własne.
12 24 Roman Szostek Rys. 4. Prognozy dla zmodyfikowanej miary jakości J (k) Źródło: opracowanie własne. Dzięki przedstawionej modyfikacji zostały uzyskane mniejsze średnie błędy prognoz wygasłych. Zostały one zestawione w tab. 4 (dla liniowej miary jakości). Błędy te dla metody tradycyjnej zostały wyznaczone dla modelu, w którym α oraz β mają wartości (9), ale według zależności (3). Natomiast dla zmodyfikowanej metody błędy prognoz wygasłych pochodzą z tab. 3. Tabela 4. Porównanie średnich błędów prognoz wygasłych dla liniowej miary jakości Prognoza na k kroków do przodu k = k = 2 k = 3 Metoda tradycyjna 345,6 625,99 929, Metoda zmodyfikowana 345,6 596,72 822,0 Źródło: opracowanie własne. Na podstawie kryterium, jakim jest średni błąd prognoz wygasłych, można stwierdzić, że zmodyfikowana metoda pozwala na wyznaczanie wiarygodniejszych prognoz. 5. Wnioski W klasycznych zastosowaniach modelu Holta wartości jego parametrów są ograniczane do przedziału [0, ]. Podejście takie zastosowano na przykład w pakiecie Statistica. W artykule zaproponowano, aby nie ograniczać wartości parametrów tego
13 Uogólniony model Holta na przykładzie prognozowania liczby pasażerów modelu do przedziału [0, ]. Modele takie mogą lepiej wyznaczać prognozy wygasłe. Są więc lepszym sposobem wyznaczania przyszłych prognoz. Ograniczenie wartości parametrów α oraz β do przedziału [0, ] wynikało zapewne z koncepcji, według której nowe wartości szeregów F t oraz S t są w pewnym procencie wcześniejszymi wartościami tych szeregów, a w pozostałej części wartościami innego czynnika (zgodnie z (3) oraz (4)). Rezygnacja z ograniczenia wartości tych parametrów jest naturalnym uogólnieniem metody. W przypadkach, gdy w modelu uzyskano parametr α >, nie zawsze szereg F t był wygładzeniem szeregu x t. Dla niektórych analizowanych przykładów wartości szeregu F t oscylowały wokół wartości szeregu x t. Wtedy szereg F t nie tyle wygładzał, co wyostrzał wahania oryginalnego szeregu. Niemniej jednak zawsze zmodyfikowane modele lepiej wyznaczały prognozy wygasłe, są więc lepszym narzędziem do wyznaczania przyszłych prognoz. W artykule zaproponowano także zmodyfikowany sposób optymalizacji modelu Holta. Polega on na niezależnej optymalizacji kilku modeli, po jednym dla każdej prognozy na k-ty okres do przodu. W ten sposób wyznaczanych jest tyle modeli Holta, na ile kroków do przodu jest wykonywana prognoza. Taki zmodyfikowany model wyznacza prognozy wygasłe z mniejszym średnim błędem. Jest więc lepszym sposobem wyznaczania przyszłych prognoz. Uzyskane w ten sposób prognozy nie muszą znajdować się na prostej (rys. 4), tak jak jest zawsze w podejściu klasycznym. Literatura Dittmann P., Metody prognozowania sprzedaży w przedsiębiorstwie, Wydawnictwo AE, Wrocław 999. Główny Urząd Statystyczny Transport wyniki działalności, gus/publ_til_transport_wyniki_dzialalnosci_200.pdf. Lipińska Z., Smiłowska T., Suchecki B., Wybrane metody prognozowania krótkookresowego, GUS ZBSE, Warszawa 984. Pawełek B., Wanat S., Zeliaś A., Prognozowanie ekonomiczne. Teoria, przykłady, zadania, PWN, Warszawa Siedlecka U., Prognozy ostrzegawcze, Wydawnictwo AE, Wrocław 993. Zeliaś A., Teoria prognozy, PWE, Warszawa 997.
14 26 Roman Szostek GENERALIZED HOLT S MODEL EXEMPLIFIED BY THE FORECAST ON THE NUMBER OF AIR TRAVELLERS IN POLAND Summary: The work presents, proposed by the author, changes in the Holt s method. First, it is assumed that the parameter values in the Holt s model do not need to be limited, as it is commonly assumed, to the range of [0,]. Secondly, it is proposed a more accurate way of forecasting the number of moments for the more distant time. The aim of the paper is to evaluate the modified approach. Calculations were carried out on the example of data on the number of air travellers in Poland. Keywords: Holt's method, optimization, forecasting.
EKONOMETRIA ECONOMETRICS 2(36) 2012
EKONOMETRIA ECONOMETRICS 2(36) 2012 Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu Wrocław 2012 Redaktor Wydawnictwa: Dorota Pitulec Redaktor techniczny: Barbara Łopusiewicz Korektor: Barbara Cibis
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 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 szczegółowoEkonometria. Zastosowania Metod Ilościowych 30/2011
Wroclaw Univesity of Economics From the SelectedWorks of Józef Z. Dziechciarz 2011 Ekonometria. Zastosowania Metod Ilościowych 30/2011 Jozef Z. Dziechciarz, Wroclaw Univesity of Economics Available at:
Bardziej szczegółowoRok akademicki: 2013/2014 Kod: ZIE n Punkty ECTS: 6. Poziom studiów: Studia I stopnia Forma i tryb studiów: -
Nazwa modułu: Statystyka opisowa i ekonomiczna Rok akademicki: 2013/2014 Kod: ZIE-1-205-n Punkty ECTS: 6 Wydział: Zarządzania Kierunek: Informatyka i Ekonometria Specjalność: - Poziom studiów: Studia I
Bardziej szczegółowoANALIZA DYNAMIKI DOCHODU KRAJOWEGO BRUTTO
ANALIZA DYNAMIKI DOCHODU KRAJOWEGO BRUTTO Wprowadzenie Zmienność koniunktury gospodarczej jest kształtowana przez wiele różnych czynników ekonomicznych i pozaekonomicznych. Znajomość zmienności poszczególnych
Bardziej szczegółowoPROGNOZOWANIE W ZARZĄDZANIU
Politechnika Białostocka Wydział Zarządzania Katedra Informatyki Gospodarczej i Logistyki Redaktor naukowy joanicjusz Nazarko PROGNOZOWANIE W ZARZĄDZANIU PRZEDSIĘBIORSTWEM Cz. III Prognozowanie na podstawie
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 szczegółowoĆwiczenie 5 PROGNOZOWANIE
Ćwiczenie 5 PROGNOZOWANIE Prognozowanie jest procesem przewidywania przyszłych zdarzeń. Obszary zastosowań prognozowania obejmują np. analizę danych giełdowych, przewidywanie zapotrzebowania na pracowników,
Bardziej szczegółowoDopasowywanie 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 szczegółowoAnaliza autokorelacji
Analiza autokorelacji Oblicza się wartości współczynników korelacji między y t oraz y t-i (dla i=1,2,...,k), czyli współczynniki autokorelacji różnych rzędów. Bada się statystyczną istotność tych współczynników.
Bardziej 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 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 szczegółowoAnaliza metod prognozowania kursów akcji
Analiza metod prognozowania kursów akcji Izabela Łabuś Wydział InŜynierii Mechanicznej i Informatyki Kierunek informatyka, Rok V Specjalność informatyka ekonomiczna Politechnika Częstochowska izulka184@o2.pl
Bardziej 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 szczegółowoPlanowanie 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 szczegółowoPROGNOZOWANIE CENY OGÓRKA SZKLARNIOWEGO ZA POMOCĄ SIECI NEURONOWYCH
InŜynieria Rolnicza 14/2005 Sławomir Francik Katedra InŜynierii Mechanicznej i Agrofizyki Akademia Rolnicza w Krakowie PROGNOZOWANIE CENY OGÓRKA SZKLARNIOWEGO ZA POMOCĄ SIECI NEURONOWYCH Streszczenie W
Bardziej szczegółowoRobert Kubicki, Magdalena Kulbaczewska Modelowanie i prognozowanie wielkości ruchu turystycznego w Polsce
Robert Kubicki, Magdalena Kulbaczewska Modelowanie i prognozowanie wielkości ruchu turystycznego w Polsce Ekonomiczne Problemy Turystyki nr 3 (27), 57-70 2014 ZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO
Bardziej szczegółowoPrognozowanie 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 szczegółowoPRZEWODNIK PO PRZEDMIOCIE. Statystyka opisowa. Zarządzanie. niestacjonarne. I stopnia. dr Agnieszka Strzelecka. ogólnoakademicki.
Politechnika Częstochowska, Wydział Zarządzania PRZEWODNIK PO PRZEDMIOCIE Nazwa przedmiotu Kierunek Forma studiów Poziom kwalifikacji Rok Semestr Jednostka prowadząca Osoba sporządzająca Profil Rodzaj
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 szczegółowoPropozycja 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 szczegółowoBarometr Finansów Banków (BaFiB) propozycja badania koniunktury w sektorze bankowym
Jacek Batóg Uniwersytet Szczeciński Barometr Finansów Banków (BaFiB) propozycja badania koniunktury w sektorze bankowym Jednym z ważniejszych elementów każdej gospodarki jest system bankowy. Znaczenie
Bardziej szczegółowoSTATYSTYKA. Rafał Kucharski. Uniwersytet Ekonomiczny w Katowicach 2015/16 ROND, Finanse i Rachunkowość, rok 2
STATYSTYKA Rafał Kucharski Uniwersytet Ekonomiczny w Katowicach 2015/16 ROND Finanse i Rachunkowość rok 2 Analiza dynamiki Szereg czasowy: y 1 y 2... y n 1 y n. y t poziom (wartość) badanego zjawiska w
Bardziej szczegółowoIndeksy dynamiki (o stałej i zmiennej podstawie)
Indeksy dynamiki (o stałej i zmiennej podstawie) Proste indeksy dynamiki określają tempo zmian pojedynczego szeregu czasowego. Wyodrębnia się dwa podstawowe typy indeksów: indeksy o stałej podstawie; indeksy
Bardziej 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 szczegółowoA.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 szczegółowoRecenzenci Stefan Mynarski, Waldemar Tarczyński. Redaktor Wydawnictwa Anna Grzybowska. Redaktor techniczny Barbara Łopusiewicz. Korektor Barbara Cibis
Komitet Redakcyjny Andrzej Matysiak (przewodniczący), Tadeusz Borys, Andrzej Gospodarowicz, Jan Lichtarski, Adam Nowicki, Walenty Ostasiewicz, Zdzisław Pisz, Teresa Znamierowska Recenzenci Stefan Mynarski,
Bardziej szczegółowoPrognozowanie wartości wskaźników poziomu motoryzacji dla wybranych miast w Polsce
URCZYŃKI Jan AMITOWKA Wioleta rognozowanie wartości wskaźników poziomu motoryzacji dla wybranych miast w olsce treszczenie W pracy rozpatrzono przydatność klasycznej metody tendencji rozwojowej do prognozowania
Bardziej szczegółowoŚcieżka rozwoju polskiej gospodarki w latach gospodarki w latach W tym celu wykorzystana zostanie metoda diagramowa,
Barbara Batóg, Jacek Batóg Uniwersytet Szczeciński Ścieżka rozwoju polskiej gospodarki w latach - W artykule podjęta zostanie próba analizy, diagnozy i prognozy rozwoju polskiej gospodarki w latach -.
Bardziej szczegółowoWykorzystanie testu t dla pojedynczej próby we wnioskowaniu statystycznym
Wiesława MALSKA Politechnika Rzeszowska, Polska Anna KOZIOROWSKA Uniwersytet Rzeszowski, Polska Wykorzystanie testu t dla pojedynczej próby we wnioskowaniu statystycznym Wstęp Wnioskowanie statystyczne
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 szczegółowoZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO ANALIZA ZBIEŻNOŚCI STRUKTUR ZATRUDNIENIA W WYBRANYCH KRAJACH WYSOKOROZWINIĘTYCH
ZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO NR 32 PRACE KATEDRY EKONOMETRII I STATYSTYKI NR 11 21 BARBARA BATÓG JACEK BATÓG Uniwersytet Szczeciński Katedra Ekonometrii i Statystyki ANALIZA ZBIEŻNOŚCI STRUKTUR
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 szczegółowoŚREDNI 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 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 szczegółowoAPROKSYMACJA ZJAWISK RYNKOWYCH NARZĘDZIEM WSPOMAGAJĄCYM PODEJMOWANIE DECYZJI
APROKSYMACJA ZJAWISK RYNKOWYCH NARZĘDZIEM WSPOMAGAJĄCYM PODEJMOWANIE DECYZJI Łukasz MACH Streszczenie: W artykule przedstawiono wybrane aspekty prognozowania czynników istotnie określających sytuację na
Bardziej szczegółowoSzczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)
Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) 1. Populacja generalna a losowa próba, parametr rozkładu cechy a jego ocena z losowej próby, miary opisu statystycznego
Bardziej 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 szczegółowoPublikowanie w czasopismach z tzw. "listy filadelfijskiej" i korzystanie z finansowania zewnętrznego - wyzwania i możliwości rozwoju młodego naukowca
Publikowanie w czasopismach z tzw. "listy filadelfijskiej" i korzystanie z finansowania zewnętrznego - wyzwania i możliwości rozwoju młodego naukowca Katarzyna Czernek Katedra Turystyki Publikowanie w
Bardziej szczegółowoOferta wydawnicza Politechniki Gdańskiej jest dostępna pod adresem
Wydawnictwo Politechniki Gdańskiej Gdańsk 2013 Przewodniczący Komitetu Redakcyjnego Wydawnictwa Politechniki Gdańskiej Janusz T. Cieśliński Zespół redakcyjny Danuta Beger, Jolanta Dymkowska, Barbara Wikieł
Bardziej szczegółowoTeoretyczne podstawy analizy indeksowej klasyfikacja indeksów, konstrukcja, zastosowanie
Teoretyczne podstawy analizy indeksowej klasyfikacja indeksów, konstrukcja, zastosowanie Szkolenie dla pracowników Urzędu Statystycznego nt. Wybrane metody statystyczne w analizach makroekonomicznych dr
Bardziej szczegółowoPorównanie generatorów liczb losowych wykorzystywanych w arkuszach kalkulacyjnych
dr Piotr Sulewski POMORSKA AKADEMIA PEDAGOGICZNA W SŁUPSKU KATEDRA INFORMATYKI I STATYSTYKI Porównanie generatorów liczb losowych wykorzystywanych w arkuszach kalkulacyjnych Wprowadzenie Obecnie bardzo
Bardziej szczegółowoANALIZA PORÓWNAWCZA KONIUNKTURY WOJEWÓDZTW POLSKI W LATACH
Studia Ekonomiczne. Zeszyty Naukowe Uniwersytetu Ekonomicznego w Katowicach ISSN 2083-8611 Nr 318 2017 Uniwersytet Ekonomiczny w Katowicach Wydział Zarządzania Katedra Ekonometrii jozef.biolik@ue.katowice.pl
Bardziej szczegółowoPrognozowanie liczby wybranych szkód ubezpieczeniowych w Polsce
The Wroclaw School of Banking Research Journal ISSN 1643-7772 I eissn 2392-1153 Vol. 15 I No. 5 Zeszyty Naukowe Wyższej Szkoły Bankowej we Wrocławiu ISSN 1643-7772 I eissn 2392-1153 R. 15 I Nr 5 Prognozowanie
Bardziej szczegółowoKodowanie i kompresja Streszczenie Studia Licencjackie Wykład 11,
1 Kwantyzacja skalarna Kodowanie i kompresja Streszczenie Studia Licencjackie Wykład 11, 10.05.005 Kwantyzacja polega na reprezentowaniu dużego zbioru wartości (być może nieskończonego) za pomocą wartości
Bardziej szczegółowoNAUKI INŻYNIERSKIE I TECHNOLOGIE
NAUKI INŻYNIERSKIE I TECHNOLOGIE ENGINEERING SCIENCES AND TECHNOLOGIES 2 (9) 2013 Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu Wrocław 2013 Redakcja wydawnicza: Barbara Majewska Redakcja techniczna:
Bardziej szczegółowoAnaliza sezonowości. Sezonowość może mieć charakter addytywny lub multiplikatywny
Analiza sezonowości Wiele zjawisk charakteryzuje się nie tylko trendem i wahaniami przypadkowymi, lecz także pewną sezonowością. Występowanie wahań sezonowych może mieć charakter kwartalny, miesięczny,
Bardziej szczegółowoOCENA PRZYDATNOŚCI MODELU WINTERSA DO PROGNOZOWANIA CEN SKUPU MLEKA
STOWARZYSZENIE Ocena przydatności EKONOMISTÓW modelu Wintersa ROLNICTWA do prognozowania I AGROBIZNESU cen skupu mleka Roczniki Naukowe tom XV zeszyt 4 231 Jarosław Lira Uniwersytet Przyrodniczy w Poznaniu
Bardziej szczegółowoPolitechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania
Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania Metody optymalizacji Metody bezgradientowe optymalizacji bez ograniczeń Materiały pomocnicze do ćwiczeń
Bardziej szczegółowoKierunkowy Obowiązkowy Polski Semestr VI
KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 2015/2016 Z-ID-603 Prognozowanie i symulacje w przedsiębiorstwie Forecasting and
Bardziej szczegółowoPROGNOZOWANIE 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 szczegółowoWYKORZYSTANIE MODELU LINIOWEGO HOLTA DO PROGNOZOWANIA WYDATKÓW NA OCHRON ZDROWIA
WYKORZYSTANIE MODELU LINIOWEGO HOLTA DO PROGNOZOWANIA WYDATKÓW NA OCHRON ZDROWIA AGNIESZKA ROGÓ -DUDA Streszczenie W artykule zaprezentowano zastosowanie modelu Holta do prognozowania wydatków na ochron
Bardziej szczegółowoEKONOMETRIA ECONOMETRICS 2(40) 2013
EKONOMETRIA ECONOMETRICS 2(40) 2013 Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu Wrocław 2013 Redaktor Wydawnictwa: Aleksandra Śliwka Redakcja techniczna i korekta: Barbara Łopusiewicz Łamanie:
Bardziej szczegółowo3. Analiza własności szeregu czasowego i wybór typu modelu
3. Analiza własności szeregu czasowego i wybór typu modelu 1. Metody analizy własności szeregu czasowego obserwacji 1.1. Analiza wykresu szeregu czasowego 1.2. Analiza statystyk opisowych zmiennej prognozowanej
Bardziej szczegółowoEKONOMETRIA ECONOMETRICS 3(37) 2012
EKONOMETRIA ECONOMETRICS 3(37) 2012 Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu Wrocław 2012 Redaktor Wydawnictwa: Aleksandra Śliwka Redaktor techniczny: Barbara Łopusiewicz Korektor: Barbara Cibis
Bardziej szczegółowoEKONOMETRIA ECONOMETRICS 2(44) 2014
EKONOMETRIA ECONOMETRICS 2(44) 2014 Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu Wrocław 2014 Redaktor Wydawnictwa: Joanna Świrska-Korłub Redaktor techniczny: Barbara Łopusiewicz Korektor: Barbara
Bardziej szczegółowoStatystyka 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 szczegółowoCase 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 szczegółowoWYKORZYSTANIE SZTUCZNYCH SIECI NEURONOWYCH W PROGNOZOWANIU
WYKORZYSTANIE SZTUCZNYCH SIECI NEURONOWYCH W PROGNOZOWANIU THE USE OF ARTIFICIAL NEURAL NETWORKS IN FORECASTING Konrad BAJDA, Sebastian PIRÓG Resume Artykuł opisuje wykorzystanie sztucznych sieci neuronowych
Bardziej szczegółowoANALiZA WPŁYWU PARAMETRÓW SAMOLOTU NA POZiOM HAŁASU MiERZONEGO WEDŁUG PRZEPiSÓW FAR 36 APPENDiX G
PRACE instytutu LOTNiCTWA 221, s. 115 120, Warszawa 2011 ANALiZA WPŁYWU PARAMETRÓW SAMOLOTU NA POZiOM HAŁASU MiERZONEGO WEDŁUG PRZEPiSÓW FAR 36 APPENDiX G i ROZDZiAŁU 10 ZAŁOżEń16 KONWENCJi icao PIotr
Bardziej szczegółowoP. Popiel, K Moryń, M. Grzesiak, Wrocław University of Economics
P. Popiel, K Moryń, M. Grzesiak, Wrocław University of Economics "Planowanie produkcji ze sprzedaży na przykładzie przedsiębiorstw z branży 5.1 wydobywanie węgla kamiennego i 52 magazynowanie i działalność
Bardziej szczegółowoPrognozowanie 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 szczegółowoEKONOMIA ECONOMICS Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu Wrocław 2012
EKONOMIA ECONOMICS Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu Wrocław 2012 Redaktor Wydawnictwa: Dorota Pitulec Redaktor techniczny: Barbara Łopusiewicz Korektor: Barbara Cibis Łamanie: Adam Dębski
Bardziej szczegółowoSzeregi czasowe, analiza zależności krótkoi długozasięgowych
Szeregi czasowe, analiza zależności krótkoi długozasięgowych Rafał Weron rweron@im.pwr.wroc.pl Definicje Mając dany proces {X t } autokowariancję definiujemy jako : γ(t, t ) = cov(x t, X t ) = = E[(X t
Bardziej 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 szczegółowoWSKAZÓWKI DO WYKONANIA SPRAWOZDANIA Z WYRÓWNAWCZYCH ZAJĘĆ LABORATORYJNYCH
WSKAZÓWKI DO WYKONANIA SPRAWOZDANIA Z WYRÓWNAWCZYCH ZAJĘĆ LABORATORYJNYCH Dobrze przygotowane sprawozdanie powinno zawierać następujące elementy: 1. Krótki wstęp - maksymalnie pół strony. W krótki i zwięzły
Bardziej szczegółowoMgr inż. Marta DROSIŃSKA Politechnika Gdańska, Wydział Oceanotechniki i Okrętownictwa
MECHANIK 7/2014 Mgr inż. Marta DROSIŃSKA Politechnika Gdańska, Wydział Oceanotechniki i Okrętownictwa WYZNACZENIE CHARAKTERYSTYK EKSPLOATACYJNYCH SIŁOWNI TURBINOWEJ Z REAKTOREM WYSOKOTEMPERATUROWYM W ZMIENNYCH
Bardziej szczegółowowykład V uzupełnienie notatek: dr Jerzy Białkowski Programowanie C/C++ Język C++ klasy i obiekty wykład V dr Jarosław Mederski Spis Język C++ - klasy
i obiekty Programowanie i obiekty uzupełnienie notatek: dr Jerzy Białkowski i obiekty 1 2 3 4 i obiekty Obiektowość języka C++ Na tym wykładzie poznamy: ˆ Klasa (w języku C++ rozszerzenie struktury, typ
Bardziej szczegółowoANALIZA TECHNICZNA RYNKÓW FINANSOWYCH
POLITECHNIKA OPOLSKA WYDZIAŁ ZARZĄDZANIA I INŻYNIERII PRODUKCJI ANALIZA TECHNICZNA RYNKÓW FINANSOWYCH ARKADIUSZ SKOWRON OPOLE 2007 Arkadiusz Skowron Analiza techniczna rynków finansowych 1 ANALIZA TECHNICZNA
Bardziej szczegółowoPunktacja czasopism naukowych How scientific journals are pointed
Punktacja czasopism naukowych How scientific journals are pointed Donata Kurpas Uniwersytet Medyczny, Wrocław Państwowa Medyczna Wyższa Szkoła Zawodowa, Opole Polska Opole, 04 kwietnia 2014 Na podstawie
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 szczegółowoWIELOKRYTERIALNE PORZĄDKOWANIE METODĄ PROMETHEE ODPORNE NA ZMIANY WAG KRYTERIÓW
Uniwersytet Ekonomiczny we Wrocławiu WIELOKRYTERIALNE PORZĄDKOWANIE METODĄ PROMETHEE ODPORNE NA ZMIANY WAG KRYTERIÓW Wprowadzenie Wrażliwość wyników analizy wielokryterialnej na zmiany wag kryteriów, przy
Bardziej szczegółowoLogistyka - nauka. Polski sektor TSL w latach Diagnoza stanu
Adiunkt/dr Joanna Brózda Akademia Morska w Szczecinie, Wydział Inżynieryjno-Ekonomiczny Transportu, Instytut Zarządzania Transportem, Zakład Organizacji i Zarządzania Polski sektor TSL w latach 2007-2012.
Bardziej szczegółowoJerzy Berdychowski. Informatyka. w turystyce i rekreacji. Materiały do zajęć z wykorzystaniem programu. Microsoft Excel
Jerzy Berdychowski Informatyka w turystyce i rekreacji Materiały do zajęć z wykorzystaniem programu Microsoft Excel Warszawa 2006 Recenzenci prof. dr hab. inż. Tomasz Ambroziak prof. dr hab. inż. Leszek
Bardziej szczegółowo// Liczy srednie w wierszach i kolumnach tablicy "dwuwymiarowej" // Elementy tablicy są generowane losowo #include <stdio.h> #include <stdlib.
Wykład 10 Przykłady różnych funkcji (cd) - przetwarzanie tablicy tablic (tablicy "dwuwymiarowej") - sortowanie przez "selekcję" Dynamiczna alokacja pamięci 1 // Liczy srednie w wierszach i kolumnach tablicy
Bardziej szczegółowoANALIZA SZCZECIŃSKIEGO RYNKU NIERUCHOMOŚCI W LATACH 2007 2010
STUDA PRACE WYDZAŁU NAUK EKONOMCZNYCH ZARZĄDZANA NR 26 Ewa Putek-Szeląg Uniwersytet Szczeciński ANALZA SZCZECŃSKEGO RYNKU NERUCHOMOŚC W LATACH 27 21 STRESZCZENE Niniejszy artykuł dotyczy analizy rynku
Bardziej szczegółowoWybrane zastosowania sztucznych sieci neuronowych na rynku walutowym, rynku terminowym i w gospodarce przestrzennej
Tomasz Jasiński Anna Marszal Anna Bochenek Wybrane zastosowania sztucznych sieci neuronowych na rynku walutowym, rynku terminowym i w gospodarce przestrzennej Politechnika Łódzka Monografie 2016 Recenzenci:
Bardziej szczegółowo... prognozowanie nie jest celem samym w sobie a jedynie narzędziem do celu...
4 Prognozowanie historyczne Prognozowanie - przewidywanie przyszłych zdarzeń w oparciu dane - podstawowy element w podejmowaniu decyzji... prognozowanie nie jest celem samym w sobie a jedynie narzędziem
Bardziej szczegółowoAnaliza wybranych aspektów wyników egzaminu gimnazjalnego
Wroclaw Univesity of Economics From the SelectedWorks of Józef Z. Dziechciarz 2012 Analiza wybranych aspektów wyników egzaminu gimnazjalnego Jozef Z. Dziechciarz, Wroclaw Univesity of Economics Agnieszka
Bardziej szczegółowoP. Popiel, K Moryń, M. Grzesiak, Wrocław University of Economics
P. Popiel, K Moryń, M. Grzesiak, Wrocław University of Economics "Planowanie produkcji ze sprzedaży na przykładzie przedsiębiorstw z branży 5.1 wydobywanie węgla kamiennego i 52 magazynowanie i działalność
Bardziej szczegółowoWykorzystanie kart kontrolnych do analizy sprawozdań finansowych
The Wroclaw School of Banking Research Journal ISSN 1643-7772 I eissn 2392-1153 Vol. 15 I No. 5 Zeszyty Naukowe Wyższej Szkoły Bankowej we Wrocławiu ISSN 1643-7772 I eissn 2392-1153 R. 15 I Nr 5 Wykorzystanie
Bardziej szczegółowoPodręcznik akademicki dofinansowany przez Ministra Nauki i Szkolnictwa Wyższego
Recenzenci: dr hab. Ryszard Cichocki, prof. UAM dr hab. Jarosław Górniak, prof. UJ Redaktor prowadzący: Agnieszka Szopińska Redakcja i korekta: Anna Kaniewska Projekt okładki: Katarzyna Juras Copyright
Bardziej szczegółowoPubliczna Szkoła Podstawowa nr 14 w Opolu. Edukacyjna Wartość Dodana
Publiczna Szkoła Podstawowa nr 14 w Opolu Edukacyjna Wartość Dodana rok szkolny 2014/2015 Edukacyjna Wartość Dodana (EWD) jest miarą efektywności nauczania dla szkoły i uczniów, którzy do danej placówki
Bardziej szczegółowoAnaliza dynamiki zjawisk STATYSTYKA OPISOWA. Dr Alina Gleska. Instytut Matematyki WE PP. 28 września 2018
STATYSTYKA OPISOWA Dr Alina Gleska Instytut Matematyki WE PP 28 września 2018 1 Pojęcie szeregów czasowych i ich składowych SZEREGIEM CZASOWYM nazywamy tablicę, która zawiera ciag wartości cechy uporzadkowanych
Bardziej szczegółowoCHARAKTERYSTYKA I ZASTOSOWANIA ALGORYTMÓW OPTYMALIZACJI ROZMYTEJ. E. ZIÓŁKOWSKI 1 Wydział Odlewnictwa AGH, ul. Reymonta 23, Kraków
36/3 Archives of Foundry, Year 004, Volume 4, 3 Archiwum Odlewnictwa, Rok 004, Rocznik 4, Nr 3 PAN Katowice PL ISSN 64-5308 CHARAKTERYSTYKA I ZASTOSOWANIA ALGORYTMÓW OPTYMALIZACJI ROZMYTEJ E. ZIÓŁKOWSKI
Bardziej szczegółowoIstota 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 szczegółowoANALIZA METROLOGICZNA WYNIKÓW BADAŃ NA PRZYKŁADZIE ŁOŻYSK ŚLIZGOWYCH
PROBLEMY NIEKONWENCJONALNYCH UKŁADÓW ŁOŻYSKOWYCH Łódź 09-10 maja 1995 roku Jadwiga Janowska(Politechnika Warszawska) ANALIZA METROLOGICZNA WYNIKÓW BADAŃ NA PRZYKŁADZIE ŁOŻYSK ŚLIZGOWYCH SŁOWA KLUCZOWE
Bardziej szczegółowoEkonometria. Econometrics; 3/49/2015
Wroclaw Univesity of Economics From the SelectedWorks of Józef Z. Dziechciarz 2015 Ekonometria. Econometrics; 3/49/2015 Jozef Z. Dziechciarz, Wroclaw Univesity of Economics Available at: http://works.bepress.com/jozefz-dziechciarz/78/
Bardziej szczegółowoSzczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)
Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) 1. Populacja generalna a losowa próba, parametr rozkładu cechy a jego ocena z losowej próby, miary opisu statystycznego
Bardziej szczegółowoTyszko M., Wroclaw University of Economics. Szagdaj K., Wroclaw University of Economics. Marciniak M., Wroclaw University of Economics
Tyszko M., Wroclaw University of Economics Szagdaj K., Wroclaw University of Economics Marciniak M., Wroclaw University of Economics Planowanie przychodów ze sprzedaży na przykładzie przedsiębiorstw z
Bardziej szczegółowoImię, nazwisko i tytuł/stopień KOORDYNATORA przedmiotu zatwierdzającego protokoły w systemie USOS Jacek Marcinkiewicz, dr
Tryb studiów Stacjonarne Nazwa kierunku studiów EKONOMIA Poziom studiów Stopień pierwszy Rok studiów/ semestr III; semestr 5 Specjalność Bez specjalności Kod przedmiotu w systemie USOS 1000-ES1-3EC1 Liczba
Bardziej szczegółowoŚLĄSKI PRZEGLĄD STATYSTYCZNY
Polskie Towarzystwo Statystyczne Oddział we Wrocławiu ŚLĄSKI Silesian Statistical Review Nr 8 (14) Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu Wrocław 2o10 RADA PROGRAMOWA Walenty Ostasiewicz (przewodniczący),
Bardziej szczegółowoRachunek prawdopodobieństwa WZ-ST1-AG--16/17Z-RACH. Liczba godzin stacjonarne: Wykłady: 15 Ćwiczenia: 30. niestacjonarne: Wykłady: 9 Ćwiczenia: 18
Karta przedmiotu Wydział: Wydział Zarządzania Kierunek: Analityka gospodarcza I. Informacje podstawowe Nazwa przedmiotu Rachunek prawdopodobieństwa Nazwa przedmiotu w j. ang. Język prowadzenia przedmiotu
Bardziej szczegółowoBADANIA ZRÓŻNICOWANIA RYZYKA WYPADKÓW PRZY PRACY NA PRZYKŁADZIE ANALIZY STATYSTYKI WYPADKÓW DLA BRANŻY GÓRNICTWA I POLSKI
14 BADANIA ZRÓŻNICOWANIA RYZYKA WYPADKÓW PRZY PRACY NA PRZYKŁADZIE ANALIZY STATYSTYKI WYPADKÓW DLA BRANŻY GÓRNICTWA I POLSKI 14.1 WSTĘP Ogólne wymagania prawne dotyczące przy pracy określają m.in. przepisy
Bardziej szczegółowoAneta Drabek. Informacja w świecie cyfrowym, Dąbrowa Górnicza, 7-8 marca 2013 r.
Aneta Drabek Informacja w świecie cyfrowym, Dąbrowa Górnicza, 7-8 marca 2013 r. Pełna nazwa bazy to Arianta Naukowe i Branżowe Polskie Czasopisma Elektroniczne. Adres: www.arianta.pl Arianta rejestruje
Bardziej szczegółowoKADD Minimalizacja funkcji
Minimalizacja funkcji Poszukiwanie minimum funkcji Foma kwadratowa Metody przybliżania minimum minimalizacja Minimalizacja w n wymiarach Metody poszukiwania minimum Otaczanie minimum Podział obszaru zawierającego
Bardziej szczegółowoEKONOMETRYCZNA 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 szczegółowoDrgania poprzeczne belki numeryczna analiza modalna za pomocą Metody Elementów Skończonych dr inż. Piotr Lichota mgr inż.
Drgania poprzeczne belki numeryczna analiza modalna za pomocą Metody Elementów Skończonych dr inż. Piotr Lichota mgr inż. Joanna Szulczyk Politechnika Warszawska Instytut Techniki Lotniczej i Mechaniki
Bardziej szczegółowoDobór 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