UE we Wrocławiu, WEZiT w Jeleniej Górze Katedra Ekonometrii i Informatyki
|
|
- Wacława Janiszewska
- 6 lat temu
- Przeglądów:
Transkrypt
1 UE, WEZiT w Jeleniej Górze Katedra Ekonometrii i Informatyki Prognozowanie procesów gospodarczych wykład ćwiczenia laboratorium prowadzący: dr inż. Tomasz Bartłomowicz konsultacje: bud. B, ul. Nowowiejska 1 piątek ; B11,B26 tomasz.bartlomowicz@ue.wroc.pl
2 Literatura 1) Cieślak M., Prognozowanie gospodarcze. Metody i zastosowania, PWN, Warszawa ) Cieślak M., Prognozowanie gospodarcze: metody i zastosowania, PWN, Warszawa ) Dittmann P., Metody prognozowania sprzedaży w przedsiębiorstwie, AE, Wrocław ) Dittmann P., Prognozowanie w przedsiębiorstwie. Metody i ich zastosowanie, Oficyna Ekonomiczna, Kraków ) Dittmann P., Prognozowanie w zarządzaniu przedsiębiorstwem, Oficyna a Wolters Kluwer Business, Kraków ) Filasiewicz A., Prognoza, program, plan, Wiedza Powszechna, Warszawa ) Kolenda K., Kolenda M., Analiza i prognozowanie szeregów czasowych: program komputerowy, Placet, Warszawa ) Nowak E (red.), Prognozowanie gospodarcze. Metody, modele, zastosowania, przykłady, Placet, Warszawa ) Pawłowski Z., Prognozy ekonometryczne, PWN, Warszawa ) Radzikowska B. (red.), Metody prognozowania. Zbiór zadań, AE, Wrocław ) Secomski K., Prognostyka, Wiedza Powszechna, Warszawa ) Siedlecka U., Prognozowanie ostrzegawcze w gospodarce, PWE, Warszawa ) Zeliaś A., Teoria prognozy, PWE, Warszawa ) Zeliaś, A., Pawełek B., Wanat S., Prognozowanie ekonomiczne, PWN, Warszawa 2003.
3 Wprowadzenie 1. Zasadniczym celem prognozowania nie jest eliminacja niepewności, lecz jej minimalizacja. 2. Nie istnieje żadna gwarancja uzyskania dopuszczalnej, tym bardziej trafnej prognozy. 3. Prognozowanie to nie tylko odgadywanie przyszłości, ale przede wszystkim kształtowanie teraźniejszości. 4. Oprócz przesłanek w postaci wiedzy (w tym wiedzy o zjawisku), podstaw do prognozowania dostarcza sama natura zjawiska. 5. Głównym celem prognozowania jest wspomaganie procesów decyzyjnych, tym samym najważniejszą funkcją prognoz jest tzw. funkcja preparacyjna.
4 Od przewidywania do prognozowania Rys. 1. Przewidywanie Zdarzenia znane Zdarzenia nie znane Należące do przeszłości Należące do przyszłości Rys. 2. Związek przewidywania z prognozowaniem Przewidywanie przyszłości Racjonalne Nieracjonalne Zdroworozsądkowe Naukowe
5 Podstawowe definicje Przewidywanie wnioskowanie o zdarzeniach nie znanych na podstawie zdarzeń znanych Prognozowanie oparte na podstawach naukowych przewidywanie przebiegu i stanu możliwych (prawdopodobnych) przyszłych zdarzeń (rzeczy, faktów, zjawisk) Prognozowanie gospodarcze przewidywanie kształtowania się zjawisk i procesów gospodarczych w przyszłości Prognoza sąd o przyszłych stanach zjawisk i zdarzeń sformułowany w trakcie procesu prognozowania czyli: - sformułowany w wykorzystaniem dorobku nauki, - odnoszący się do określonej przyszłości, - weryfikowalny empirycznie, - niepewny, ale akceptowalny Prognoza gospodarcza sąd o przyszłych stanach zjawisk i zdarzeń gospodarczych sformułowany w trakcie procesu prognozowania gospodarczego
6 Zależności przyczynowo-skutkowe Prognoza Obiekt proste złożone Zjawiska Zmienne Zjawiska Zmienne skomplikowane nieskomplikowane ilościowe jakościowe
7 Podstawy i cel prognozowania Rys. 3. Podstawy prognozowania Podstawy prognozowania Podstawy ontologiczne Podstawy gnoseologiczne (...) obejmują naturę zjawisk i ich wzajemne powiązania. Sieć powiązań między zjawiskami jest mniej lub bardziej gęsta i silna. Jej istnienie sprawia, że w kształtowaniu się zmiennych opisujących zjawiska pojawiają się prawidłowości (...) (...) wynikają z wiedzy o naturze zjawisk oraz mechanizmach ich kształtowania się. Wiedza ta stale się zwiększa, co pozwala sądzić, że prognozy będą coraz lepsze trafniejsze, pewniejsze. Głównym celem prognozowania jest wspomaganie procesów decyzyjnych
8 Funkcje prognoz Rys. 4. Funkcje prognoz Funkcje prognoz Funkcja preparacyjna Funkcja aktywizująca Funkcja informacyjna (...) prognozowanie jest działaniem, które przygotowuje inne działania. (...) polega na pobudzaniu do podejmowaniu działań sprzyjających realizacji prognozy (gdy prognoza zapowiada zdarzenie korzystne) lub przeciwstawiających się jej realizacji (gdy zapowiada zdarzenie niekorzystne) (...) polega na oswajaniu ludzi z nadchodzącymi zmianami i zmniejszaniu lęku przed przyszłością.
9 Rodzaje prognoz Tab. 1. Główne rodzaje prognoz Kryterium klasyfikacji Horyzont czasowy prognozy (okres objęty prognozą) Rodzaje prognoz wg zadanego kryterium Prognozy krótkoterminowe (krótkookresowe) Prognozy średnioterminowe (średniookresowe) Prognozy długoterminowe (długookresowe): - prognozy perspektywiczne, - prognozy ponadperspektywiczne Prognozy proste Prognozy złożone Charakter badanego zjawiska lub struktura sporządzanej prognozy Funkcja i cel prognoz Rodzaj zmiennych Oddziaływania na prognozowane zjawisko Prognozy ilościowe: - prognozy punktowe - prognozy przedziałowe Prognozy jakościowe Prognozy mieszane Prognozy badawcze (w tym ostrzegawcze) Prognozy realistyczne Prognozy zmiennych sterowanych Prognozy zmiennych nie sterowanych Prognozy samounicestwiające się Prognozy samorealizujące się
10 Rodzaje prognoz Tab. 2. Pozostałe rodzaje prognoz Kryterium klasyfikacji Akceptowalność prognozy Metoda opracowania Czas odniesienia Stopień szczegołowości Zasięg terenowy prognozy Rodzaje prognoz wg zadanego kryterium Prognozy dopuszczalne Prognozy niedopuszczalne Prognozy minimalne Prognozy średnie Prognozy maksymalne Prognozy wygasłe Prognozy żywe Prognozy szczegółowe Prognozy ogólne Prognozy światowe Prognozy międzynarodowe Prognozy krajowe Prognozy regionalne
11 Cechy sprawnego systemu prognozowania Cechy sprawnego systemu prognozowania Aktualność Sekwencyjność Powtarzalność Kompleksowość Stosowanie coraz lepszych metod prognozowania Aktualność cecha zapewniająca wystarczająco długie wyprzedzenie czasowe (bieżące oraz realne) prognozy R B x t -1 t 0 T t t -1 moment/okres, z którego pochodzi ostatnia dostępna informacja, t 0 moment określający czas bieżący ( tu i teraz ), T moment/okres, na który budowana jest prognoza, R realne wyprzedzenie prognozy, x bieżące wyprzedzenie prognozy, B przedział czasu między datą, w której budowana jest, a datą na którą budowana jest prognoza.
12 Cechy sprawnego systemu prognozowania Sekwencyjność cecha umożliwiająca budowanie prognoz sekwencyjnych (wektorowych) na kolejne okresy w przyszłości s t -1 t 0 T t t -1 przedział czasu, z którego pochodzą ostatnie dostępne informacje, t 0 moment określający czas bieżący ( tu i teraz ), T moment/okres, na który budowane są prognozy sekwencyjne. Cechą prognoz sekwencyjnych jest coraz dłuższe wyprzedzenie czasowe kolejno budowanych prognoz. Oznacza to jakościowo coraz gorszą prognozę. Ponieważ jednak celem prognozowania jest minimalizacja niepewności, a nie jej eliminacja, lepiej dysponować coraz gorszymi prognozami niż żadną z nich.
13 Cechy sprawnego systemu prognozowania Powtarzalność oznacza tę cechę systemu prognozowania, która umożliwia budowę prognoz dochodzących. Założenia: Prognoza na pojedynczą datę jest zawodna Pojedyncza prognoza nie powinna być podstawą działania Wiedza prognosty nie jest ponadczasowa Prognoza powinna weryfikować wcześniej postawioną prognozę t 0 T t t 0 moment określający czas bieżący ( tu i teraz ), T moment/okres, na który budowane są prognozy dochodzące. Cechą prognoz dochodzących jest coraz krótsze wyprzedzenie czasowe kolejno budowanych prognoz. Z uwagi na systematyczne skracanie okresu czasu między datą budowy, a datą na którą budowana jest prognoza oznacza to jej coraz lepszą jakość.
14 Cechy sprawnego systemu prognozowania Kompleksowość cecha systemu prognozowania, która umożliwia budowanie prognoz wielu zmiennych Założenia: Wycinek rzeczywistości (zjawisko) jest elementem większej całości Zjawiska są ze sobą powiązane (zachodzi związek przyczynowo-skutkowy) Prognoza wielu zmiennych lepiej obrazuje przyszłość niż prognoza pojedynczej zmiennej Stosowanie coraz lepszych metod prognozowania cecha systemu prognozowania, zapewniająca wykorzystanie najlepszych możliwych metod prognozowania Założenia: Do prognozowania danego zjawiska można zastosować kilka adekwatnych ale różnych metod prognozowania Każda z metod prognozowania oznacza uzyskanie innej prognozy Różnice pomiędzy prognozami oznaczają nie tylko odmienne prognozowane wartości, ale przede wszystkim różny stopień pewności tych prognoz
15 Klasyfikacja metod prognozowania Metody prognozowania 1. Metody analizy i prognozowania szeregów czasowych 1.1. Metody naiwne 1.2. Metody średnich ruchomych Średnia ruchoma prosta Średnia ruchoma ważona 1.3. Wygładzanie wykładnicze Model prosty wygładzania wykładniczego Liniowy model Holta 1.4. Modele tendencji rozwojowej Modele analityczne (klasyczne) Modele adaptacyjne 1.5. Modele składowej periodycznej Metoda wskaźników Analiza harmoniczna 2. Metody prognozowania przyczynowo-skutkowego 2.1. Jednorównaniowe modele ekonometryczne 2.2. Wielorównaniowe modele ekonometryczne 3. Metody analogowe 4. Metody heurystyczne 5. Scenariusze
16 Klasyfikacja metod prognozowania inny punkt widzenia Klasyfikacja metod prognozowania z uwagi na siłę ekstrapolacji przeszłości w przyszłość 1. Metody analizy i prognozowania szeregów czasowych najliczniejsza grupa metod, najsilniej ekstrapolująca przeszłość w przyszłość, najbardziej rozpowszechniona, skupiająca metody najprostsze 2. Metody prognozowania przyczynowo-skutkowego grupa metod wykorzystująca do prognozowania modele ekonometryczne, gdzie w ekonometryczny sposób na potrzeby prognozowania przyszłości przetwarza się informacje o przeszłości 3. Metody analogowe grupa metod opisująca przeszłość na podstawie badania prawidłowości występujących w zjawiskach podobnych (analogowych) zachodzących w przeszłości; metody te nie ekstrapolują własnej historii, lecz cudzą 4. Metody heurystyczne grupa metod opisująca przyszłość zjawiska na podstawie opinii ekspertów, gdzie sądy (opinie-prognozy) bazują na wiedzy lub doświadczeniu, a także intuicji; wykorzystywane gdy nie można skorzystać z wcześniejszych metod 5. Scenariusze metody stosowane w ostateczności, w sytuacji bardzo słabego rozpoznania prognozowanego zjawiska, polegają na budowaniu wielu różnych wersji (scenariuszy) prognozowanej przyszłości
17 Metody prognozowania szeregów czasowych rodzaje metod Prognozowanie w oparciu o szeregi czasowe wykorzystuje dane o dotychczasowym kształtowaniu się zmiennej prognozowanej. W modelach tych przeszłe wartości zmiennej prognozowanej reprezentują wszystkie czynniki wpływające na zmienne (stąd miano tzw. metod bezpośrednich). W prognozowaniu na podstawie szeregów czasowych otrzymuje się prognozę na podstawie wykrytych, występujących w przeszłości prawidłowości, bez ukazywania przyczyn ich powstania. Metody te są uprawnionym sposobem prognozowania zjawisk gdy wykryta prawidłowość jest niezmienna lub prawie niezmienna w czasie (występuje inercja zjawiska). Najpopularniejsze metody prognozowania w oparciu o szeregi czasowe: metody naiwne, metody średnich ruchomych (np. średnia ruchoma prosta, średnia ruchoma ważona), metody wygładzania wykładniczego (np. prosty model wygładzania wykładniczego), metody tendencji rozwojowej (np. model trendu liniowego, model trendu logarytmicznego), metody adaptacyjne (np. model trendu pełzającego, model liniowy Holta), metody składowej periodycznej (np. metoda wskaźników, model Wintersa), metody autoregresyjne (np. ARMA, ARIMA).
18 Metody prognozowania szeregów czasowych -identyfikacja składowych szeregu czasowego Rys. 5. Przykład szeregu czasowego oraz jego możliwe składowe Przykładowy szereg czasowy Składowe szeregu czasowego y t y t Wahania cykliczne Trend Wahania sezonowe Stały (średni) poziom Wahania przypadkowe czas czas
19 Metody prognozowania szeregów czasowych -modele addytywne i multyplikatywne Rys. 6. Modele szeregów czasowych Modele szeregów czasowych Modele addytywne (...) zakładają, że obserwowane wartości zmiennej prognozowanej są sumą (wszystkich lub niektórych) składowych szeregu czasowego. Jeśli jedyną zmienną objaśniającą jest zmienna czasowa, to postać modelu jest następująca: Modele multyplikatywne (...) przyjmują, że obserwowane wartości zmiennej prognozowanej są iloczynem składowych szeregu czasowego. Jeśli jedyną zmienną objaśniającą jest zmienna czasowa, to postać modelu jest następującą: y t = f ) ( t) + g( t) + h( t + ξt yt = f( t) g( t) h( t) t ξ
20 Metody prognozowania przyczynowo-skutkowego istota i rodzaje metod Istotą prognozowania przyczynowo-skutkowego jest określenie modelu wyjaśniającego mechanizm zmian zmiennych objaśnianych (prognozowanych) przez zmiany zmiennych objaśniających. Odpowiada to istnieniu szeregu przyczyn dających określony skutek, co w sposób uproszczony opisuje model ekonometryczny. Prognozowanie wykorzystujące modele przyczynowo-skutkowe ma charakter pośredni, co oznacza, że najpierw wyznacza się przyszłe wartości zmiennych objaśniających, po czym wyznacza się prognozę zmiennej objaśnianej. Metody prognozowania bazujące na modelach ekonometrycznych stosuje się głównie gdy istnieje potrzeba zaznajomienia się z mechanizmem rozwojowym zjawiska. Stosowanie tej grupy metod, z uwagi na wyznaczanie prognozy poprzez ekstrapolację wykrytych związków, wymaga zapewnienia ciągłości prawidłowości zjawiska z przeszłości w prognozowanym okresie. Główny podział metod prognozowania przyczynowo-skutkowego: metody prognozowania w oparciu o jednorównaniowe modele ekonometryczne, metody prognozowania w oparciu o wielorównaniowe modele ekonometryczne.
21 Metody prognozowania przyczynowo-skutkowego -założenia prognostyczne Klasyczne założenia teorii predykcji (warunki konieczne) 1) Znany jest dobry model wyjaśniający kształtowanie się zmiennej, dla której należy zbudować prognozę. 2) Struktura opisywanych przez dany model zjawisk ekonomicznych jest stabilna w czasie. 3) Rozkład składnika losowego jest stabilny w czasie. 4) Znane są dla okresu prognozowanego wartości zmiennych objaśniających występujących w modelu służącym za podstawę wnioskowania w przyszłość. 5) Dopuszczalna jest ekstrapolacja modelu poza zaobserwowany w próbie obszar zmienności zmiennych objaśniających. Podstawowe postulaty predykcji 1) Każda prognoza powinna być wyznaczona wraz z odpowiednim miernikiem rzędu jej dokładności. 2) Przy wyborze sposobu budowania prognozy należy dążyć do możliwie wysokiej efektywności predykcji, tym samym do zadowalającej wartości wybranego miernika oceny dokładności prognozy.
22 Metody prognozowania przyczynowo-skutkowego budowa modelu Model ekonometryczny (model regresji) jest konstrukcją formalną, przedstawiającą za pomocą równania (równań) zależności między zmienną objaśnianą (zmiennymi objaśnianymi), która charakteryzuje prognozowane zjawisko, a zmiennymi objaśniającymi opisującymi inne zjawiska. Model umożliwia zarówno ocenę wpływu zmiennych objaśniających na zmienną objaśnianą, jak i sformułowanie prognozy (prognoz). Jeśli model ekonometryczny wykorzystywany jest do prognozowania, to zmienna objaśniana odgrywa jednocześnie rolę zmiennej prognozowanej. W sytuacji gdy między zmienną objaśnianą, a zmiennymi objaśniającymi zachodzi związek przyczynowo-skutkowy, model przybiera postać tzw. modelu przyczynowo-skutkowego. W sytuacji gdy związek ten nie ma charakteru przyczynowo-skutkowego, lecz cechuje go współwystępowanie w czasie lub przestrzeni (zmienne objaśniające są jedynie silnie skorelowane ze zmienną objaśnianą), model przybiera postać tzw. modelu symptomatycznego. Modele symptomatyczne mają głównie wartość prognostyczną. Budowa modelu ekonometrycznego przebiega (zwykle) według następującego porządku: 1) specyfikacja zmiennych i wybór zmiennych objaśniających, 2) wybór postaci analitycznej modelu, 3) estymacja parametrów modelu, 4) weryfikacja modelu, 5) zastosowanie modelu (konstruowanie prognozy).
23 Metody prognozowania symulacje Model ekonometryczny jako narzędzie symulacji Symulacja badanie rzeczywistego systemu za pomocą eksperymentów na modelu mających dać odpowiedź na pytanie, jak zachowałby się (w pewnych warunkach) obiekt odwzorowany danym modelem (np. modelem ekonometrycznym). Symulacja na podstawie modelu prowadzi do odpowiedzi na pytania: - Jakie byłyby wartości zmiennych endogenicznych, gdyby zmienne egzogeniczne przyjęły określone wartości? - Jak należałoby dobrać wartości zmiennych egzogenicznych, by uzyskać określone wartości zmiennych endogenicznych? Rodzaje symulacji: - symulacja prosta, - symulacja złożona (kryterium podziału liczba zmiennych egzogenicznych podlegających zmianie w modelu ekonometrycznym); lub - symulacja deterministyczna, - symulacja stochastyczna (kryterium podziału możliwość zmian parametrów modelu w czasie symulacji).
24 Metody prognozowania symulacje Wynikiem symulacji są różne warianty rozwoju obiektu opisywanego przez model. Mogą to być np. warianty rozwoju przedsiębiorstwa, warianty zmian popytu na dane dobro, warianty rozwoju gospodarki, itd. Przydatność symulacji przejawia się w możliwości uzyskania odpowiedzi dotyczących np. wpływu zmian cen, stopy dyskontowej na dalszy rozwój firmy, itd. W sytuacji gdy symulowane warianty, których prawdopodobieństwo realizacji jest wystarczająco duże (wystarczające do celów praktycznych), symulacje te mogą być traktowane jako prognozy realistyczne (prognozy, które charakteryzują się wysokim stopniem zaufania odbiorcy prognozy).
25 Metody prognozowania przykład symulacji Przykład symulacji Obiektem symulacji jest firma handlowa, której dochody (zmienna endogeniczna) są uzależnione od kilku czynników (zmiennych egzogenicznych), np. liczby klientów, ceny towaru u konkurencji, poziomu sprzedaży w danym miesiącu. Przyjmuje się, że każdy z tych czynników jest zmienną (o pewnym rozkładzie, np. normalnym) i może być symulowany. Jednocześnie znany jest model (funkcja) opisująca wielkość dochodu od przyjętych zmiennych. Celem symulacji (komputerowej) jest przeprowadzenie (nawet bardzo wielu) eksperymentów, polegających na (wylosowaniu i) podstawieniu konkretnych wartości poszczególnych zmiennych (np. w jednej symulacji podstawia się następujące wartości: liczba klientów = 225 osób, cena u konkurencji = 45 zł, poziom sprzedaży = 1000 sztuk) i sprawdzeniu jaki dochód zostanie osiągnięty przy takich założeniach. Po wielokrotnym przeprowadzeniu symulacji (losowaniu różnych wartości zmiennych) można stwierdzić, jak wygląda rozkład dochodu sklepu. Na tej podstawie można np. wyznaczyć wartość oczekiwaną zysku, prawdopodobieństwo straty i inne interesujące z biznesowego punktu widzenia wielkości, w tym odpowiedzieć na przykładowe pytania: - Jakie będą dochody firmy jeśli cena towaru u konkurencji (przy niezmiennych pozostałych czynnikach) spadnie o 2 zł? - Na jakim poziomie powinna kształtować się sprzedaż dobra, gdy cena u konkurencji pozostanie bez zmian, aby osiągnąć dochody o 10% wyższe niż obecnie?
26 Metody prognozowania metody analogowe Prognozowanie analogowe polega na przewidywaniu przyszłości określonej zmiennej przez wykorzystanie informacji o innych zmiennych, których zmiany w czasie są podobne, jakkolwiek nierównoczesne. Rys. 7. Rodzaje metod analogowych Metody analogowe Metoda analogii biologicznych Metoda analogii przestrzennych Metoda analogii historycznych Metoda analogii przestrzennoczasowych prognozy jakościowe prognozy ilościowe
27 Metody prognozowania metody analogowe Główne rodzaje metod analogowych: metody analogii biologicznych polega na przenoszeniu budowy i funkcjonowaniu organizmów żywych na inne obiekty. Przykłady: konstrukcja maszyn na wzór budowy ciała zwierząt, wytwarzanie lekarstw mających niektóre właściwości roślin; metody analogii przestrzennych polega na przewidywaniu zajścia określonego zdarzenia na podstawie informacji o wystąpieniu takiego zdarzenia gdzie indziej. Przykład: pojawienie się kart kredytowych w jednym kraju pozwala przypuszczać, że potrzeba posiadania kart wystąpi także w innych krajach; metody analogii historycznych polega na przenoszeniu prawidłowości zmian w czasie jednych zjawisk na inne zjawiska zachodzące w tym samym obiekcie. Przykład: rozwój radiofonii (mierzony liczbą posiadaczy odbiorników) może być podstawą przewidywań rozwoju telewizji; metody analogii przestrzenno-czasowych polega na przenoszeniu z jednych obiektów do innych prawidłowości zmian zjawisk w czasie. Przykład: tendencja do wzrostu częstotliwości korzystania z komputerów osobistych istniejąca w krajach zaawansowanych cywilizacyjnie wystąpi w krajach opóźnionych.
28 Metody heurystyczne Prognozowanie heurystyczne (intuicyjne) to przewidywanie nowych obrazów rzeczywistości niekoniecznie dających się opisać za pomocą analizy przeszłości. Istotą metod heurystycznych jest dochodzenie do nowych rozwiązań przez sformułowanie hipotezy, co jest przeciwstawne czynnościom uzasadniającym. Podstawą metod heurystycznych są opinie ekspertów oparte na ich wiedzy, intuicji i doświadczeniu. Rys. 8. Wybrane metody heurystyczne Metody heurystyczne burza mózgów metoda delficka T testy rynkowe, itd.
29 Metody prognozowania metody heurystyczne Podstawowe metody heurystyczne: Burza mózgów metoda oparta jest na dwóch podstawowych wymaganiach metodycznych: po pierwsze nie krytykować, po drugie stymulować jak największą liczbę pomysłów. Burza mózgów jest sposobem na znalezienie rozwiązań w krótkim czasie. Konstruowanie prognozy polega na (kilkukrotnym) ankietowaniu grupy ekspertów nt. prognozowanego zjawiska. Jeżeli eksperci są zgodni w swoich opiniach, za prognozę przyjmuje się wartość (opinię) najczęstszą (modalną) lub średnią. Ocenę dopuszczalności przeprowadza się na podstawie błędów ex post wcześniejszych prognoz lub na podstawie ocen ekspertów. W sytuacji braku zgodności ekspertów, przygotowuje się następną ankietę i przeprowadza wraz z prezentacja wyników poprzedniej ankiety. Postępuje się tak do momentu uzyskania wystarczającej zgodności; Metoda delficka korzysta się z niej przy prognozowaniu zjawisk nowych, dla których liczba informacji o przeszłości jest niewielka. Metoda ta polega na badaniu opinii niezależnych i kompetentnych ekspertów na określony temat. Zwykle opinie dotyczą prawdopodobieństwa lub czasu zajścia przyszłych zdarzeń. Proces prognozowania polega m.in. na ankietowaniu (w tym ankietowaniu próbnym) maksymalnie 25 pytaniami. Konstruowanie prognozy następuje w sytuacji uzyskania zgodnych wyników (podobnie jak w burzy mózgów) lecz odpowiedzi ekspertów odnoszą się do każdego z pytań z osobna. Bardziej szczegółowe jest opracowywanie wyników (ocena zgodności ekspertów realizowana jest metodami statystycznymi).
30 Metody prognozowania metody heurystyczne Podstawowe metody heurystyczne: Metoda wpływów krzyżowych (wzajemnych oddziaływań) metoda najbardziej złożona wśród metod heurystycznych, pozwala ocenić przeciętne prawdopodobieństwo zajścia oraz termin realizacji każdego ze zdarzeń w zbiorze zdarzeń współzależnych z uwzględnieniem różnych możliwych kolejności zdarzeń i prawdopodobieństwa ich występowania bądź niewystępowania. Celem metody jest określenie prawdopodobieństw końcowych poszczególnych zdarzeń na poziomie prawdopodobieństw przeciętnych, uwzględniając skumulowany wpływ wszystkich innych zdarzeń. Badając wzajemne oddziaływania uwzględnia się; kierunek oddziaływań, ich intensywność oraz czas, po upływie którego ujawni się wpływ rozważanego zdarzenia na zdarzenie współzależne. Metoda występuje często w połączeniu z metodą delficką. Testy rynkowe polegają na wprowadzeniu produktu na ściśle geograficznie określony rynek i na pomiarze wielkości sprzedaży. Na podstawie rzeczywistej wielkości sprzedaży produktu na rynku i przy przyjęciu założenia, że strategia marketingowa przedsiębiorstwa oraz oddziaływanie czynników jego otoczenia marketingowego będą na rynku docelowym takie same jak na rynku testowania, konstruuje się prognozę w odniesieniu do całego rynku, na którym produkt będzie sprzedawany.
31 Metody prognozowania scenariusze Scenariusz (jako metoda przedstawiania przyszłości) polega na opisie zdarzeń i wskazaniu ich logicznego i spójnego następstwa w celu ustalenia, w jaki sposób, krok po kroku rozwijać się będzie obiekt (system). x scenariusz ekstremalny wydarzenie zakłócające x x obrazy możliwej przyszłości wprowadzenie środków zaradczych teraźniejszość czas przyszłość x scenariusz ekstremalny
32 Metody prognozowania scenariusze W metodzie scenariuszy przyjmuje się pewien punkt wyjścia, którym zazwyczaj jest stan obecny prognozowanego obiektu, a następnie analizuje te możliwe zdarzenia, które mogą stanowić punkt wyjścia do przyszłego ciągu zdarzeń. Tym samym, scenariusz jest układem zdarzeń powiązanych w logiczną, na ogół chronologiczną sekwencję. Rozpatruje się te zdarzenia, które mogą wystąpić i które: - są istotne dla prognozowanego obiektu, - odnoszą się do określonego czasu, - są ze sobą powiązane za pomocą różnego rodzaju relacji (formalno-prawnych, przyczynowoskutkowych, czasowego następstwa, prawdopodobieństwa warunkowego). Metoda scenariuszy nadaje się do rozważania związków pomiędzy zdarzeniami, oddziaływania miedzy obiektem a otoczeniem oraz do równoczesnego ujmowania różnych punktów widzenia danej sytuacji. Każdy scenariusz zawiera informacje dwojakiego rodzaju: - określa, jakie (hipotetyczne) sytuacje mogą wystąpić krok po kroku, - pokazuje, jakie istnieją warianty dla każdego zdarzenia, które mogą zapobiec, odwrócić lub ułatwić jego wystąpienie. Scenariusz może mieć charakter badawczy (tworzony metodą pisania do przodu ) lub antycypacyjny (tworzony metodą pisania do tyłu ). Ponadto scenariusz może być opisowy lub normatywny.
33 Prognozy ostrzegawcze Tab. 3. Przykłady ocen typów dynamiki zmiennych L.p. Odbiorca prognozy Zmienna Pożądany typ zmian w czasie 1 Producent wyrobu A Sprzedaż wyrobu A Wzrost 2 Producent wyrobu B (konkurencyjnego względem A) Sprzedaż wyrobu A Spadek 3 Handlowiec sprzedający na rodzimym rynku towary importowane Kurs PLN względem EUR Spadek 4 Producent eksportujący swoje wyroby Kurs PLN względem EUR Wzrost 5 Dowolny (każdy) przedsiębiorca Płynność finansowa Stabilizacja na odpowiednim poziomie W większości przypadków zakwalifikowanie typów dynamiki zmiennych jako pożądanych lub niekorzystnych nie jest trudne. Wątpliwości mogą pojawić się gdy formułuje się długookresowe prognozy (gospodarcze). Przykładowo, niektóre przedsiębiorstwa powinny wiedzieć, czy w Polsce nadal należy rozwijać wydobycie węgla, produkcję cukru, itp.
34 Prognozy ostrzegawcze rodzaj zdarzeń Punktem wyjścia do sformułowania prognozy ostrzegawczej jest kwalifikacja zdarzeń jako korzystnych lub niekorzystnych dla odbiorcy prognozy. Na tej podstawie dokonuje się podziału zmiennych prognozowanych na: stymulanty, destymulanty, nominanty. Dodatkowo, jako zdarzenie niekorzystne zawsze należy traktować nieregularny w sensie statystycznym przebieg zmiennej prognozowanej w czasie. Przez proces dynamiczny uregulowany (w sensie statystycznym) rozumieć należy taki, w którym dominują składowe systematyczne. Proces taki pozostaje pod wpływem względnie stałych przyczyn głównych. Proces dynamiczny nie uregulowany statystycznie znajduje się pod przeważającym wpływem przyczyn losowych o dużej sile i kierunku oddziaływań, co znajduje wyraz w wysokiej i niesystematycznej jego zmienności. Proces nieuregulowany statystycznie jest nieprzewidywalny za pomocą metod wykorzystujących do prognozowania jego inercję.
35 Prognozowanie ostrzegawcze Rodzaje prognoz ostrzegawczych: 1. Prognozą ostrzegawczą jest stwierdzenie braku możliwości wyznaczenia opartej na inercji prognozy danej zmiennej na podstawie jej szeregu czasowego. 2. Prognozą ostrzegawczą jest sąd o niekorzystnej zmianie kształtowania się stałej systematycznej szeregu w określonym momencie należącym do przyszłości. Prognozą taką może być przypuszczenie wystąpienia: załamania się dotychczasowej tendencji rozwojowej (np. trendu rosnącego w przypadku stymulant bądź trendu malejącego w przypadku destymulant), rosnącej lub malejącej tendencji rozwojowej w przypadku nominant, niekorzystnej fazy cyklu koniunkturalnego. 3. Prognozą ostrzegawczą jest stan zmiennej w momencie należącym do przyszłości, gdy przewiduje się niekorzystne kształtowanie się zmiennej. Prognozy 1 i 2 są prognozami jakościowymi, a prognoza 3 jest prognozą ilościową (jeśli zmienna prognozowana przyjmuj wartości liczbowe). Prognoza 1 jest najostrzejszą prognozą ostrzegawczą, wynika bowiem z rozregulowania procesu.
36 Prognozowanie ostrzegawcze metoda wyznaczania Wyznaczenie prognozy ostrzegawczej 1 rodzaju wykorzystuje pojęcie dopuszczalności prognozy oraz jej podstawowego sposobu określania (oceny) tj. względnego błędu prognozy. W praktyce przyjmuje się, iż krytyczny poziom błędu nie powinien przekraczać np. 10% (czasem 5%). Implikuje to, że losowa zmienność zmiennej prognozowanej, przy której można oczekiwać dopuszczalnej prognozy, również nie może przekraczać 10%. Miernikiem zmienności losowej jest współczynnik wyrazistości w, który w przypadku szeregu czasowego sprowadza się do postaci współczynnika zmienności (tj. stosunku odchylenia standardowego do średniej arytmetycznej). Wówczas prognozę ostrzegawczą o nieprzewidywalności szeregu formułuje się gdy w > 10%.
37 Pytania?
UE we Wrocławiu, WEZiT w Jeleniej Górze Katedra Ekonometrii i Informatyki
UE, WEZiT w Jeleniej Górze Katedra Ekonometrii i Informatyki http://keii.ue.wroc.pl Prognozowanie procesów gospodarczych wykład ćwiczenia laboratorium prowadzący: dr inż. Tomasz Bartłomowicz konsultacje:
Bardziej szczegółowoUE we Wrocławiu, WEZiT w Jeleniej Górze Katedra Ekonometrii i Informatyki
UE we Wrocławiu, WEZiT w Jeleniej Górze Katedra Ekonometrii i Informatyki http://keii.ue.wroc.pl Prognozowanie procesów gospodarczych prowadzący: dr inż. Tomasz Bartłomowicz tomasz.bartlomowicz@ue.wroc.pl
Bardziej szczegółowoPrognozowanie i symulacje
Prognozowanie i symulacje - Wykład (15 godzin) -Ćwiczenia przy komputerze (30 godzin) - Zaliczenie jedna ocena - Zasady zaliczenia i literatura dr Tadeusz RóŜański Helena Gaspars Prognozowanie i symulacje
Bardziej szczegółowo23 Zagadnienia - Prognozowanie i symulacje
1. WYJAŚNIJ POJĘCIE PROGNOZY I OMÓW PODSTAWOWE PEŁNIONE PRZEZ PROGNOZĘ FUNKCJE. Prognoza - jest to sąd dotyczący przyszłej wartości pewnego zjawiska o następujących właściwościach: jest sformułowany w
Bardziej szczegółowoMaria Cieślak (red.): Prognozowanie gospodarcze. Metody i zastosowania. PWN, Warszawa 2004 r.
Metody prognozowania: Wprowadzenie Dr inż. Sebastian a Skoczypiec Literatura: Maria Cieślak (red.): Prognozowanie gospodarcze. Metody i zastosowania. PWN, Warszawa 2004 r. Ryszard Tadeusiewiecz: Sieci
Bardziej 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 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 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 szczegółowoEtapy modelowania ekonometrycznego
Etapy modelowania ekonometrycznego jest podstawowym narzędziem badawczym, jakim posługuje się ekonometria. Stanowi on matematyczno-statystyczną formę zapisu prawidłowości statystycznej w zakresie rozkładu,
Bardziej 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 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 szczegółowoSYLABUS. 4.Studia Kierunek studiów/specjalność Poziom kształcenia Forma studiów Ekonomia Studia pierwszego stopnia Studia stacjonarne i niestacjonarne
SYLABUS 1.Nazwa przedmiotu Prognozowanie i symulacje 2.Nazwa jednostki prowadzącej Katedra Metod Ilościowych i Informatyki przedmiot Gospodarczej 3.Kod przedmiotu E/I/A.16 4.Studia Kierunek studiów/specjalność
Bardziej szczegółowoPo co w ogóle prognozujemy?
Po co w ogóle prognozujemy? Pojęcie prognozy: racjonalne, naukowe przewidywanie przyszłych zdarzeń stwierdzenie odnoszącym się do określonej przyszłości formułowanym z wykorzystaniem metod naukowym, weryfikowalnym
Bardziej szczegółowoStatystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl
Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Statystyczna teoria korelacji i regresji (1) Jest to dział statystyki zajmujący
Bardziej 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 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 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 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 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 szczegółowoPrognozowanie i Symulacje. Wykład I. Matematyczne metody prognozowania
Prognozowanie i Symulacje. Wykład I. e-mail:e.kozlovski@pollub.pl Spis treści Szeregi czasowe 1 Szeregi czasowe 2 3 Szeregi czasowe Definicja 1 Szereg czasowy jest to proces stochastyczny z czasem dyskretnym
Bardziej szczegółowoPRZEWODNIK PO PRZEDMIOCIE
Nazwa przedmiotu: PROGNOZOWANIE Z WYKORZYSTANIEM SYSTEMÓW INFORMATYCZNYCH Kierunek: Informatyka Rodzaj przedmiotu: obowiązkowy w ramach treści kierunkowych Rodzaj zajęć: wykład, laboratorium I KARTA PRZEDMIOTU
Bardziej szczegółowoStatystyka od podstaw Janina Jóźwiak, Jarosław Podgórski
Statystyka od podstaw Janina Jóźwiak, Jarosław Podgórski Książka jest nowoczesnym podręcznikiem przeznaczonym dla studentów uczelni i wydziałów ekonomicznych. Wykład podzielono na cztery części. W pierwszej
Bardziej szczegółowoSTATYSTYKA EKONOMICZNA
STATYSTYKA EKONOMICZNA Analiza statystyczna w ocenie działalności przedsiębiorstwa Opracowano na podstawie : E. Nowak, Metody statystyczne w analizie działalności przedsiębiorstwa, PWN, Warszawa 2001 Dr
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 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 szczegółowoStatystyka matematyczna i ekonometria
Statystyka matematyczna i ekonometria Wykład 9 Anna Skowrońska-Szmer lato 2016/2017 Ekonometria (Gładysz B., Mercik J., Modelowanie ekonometryczne. Studium przypadku, Wydawnictwo PWr., Wrocław 2004.) 2
Bardziej szczegółowo1. Ekonometria jako dyscyplina naukowa (przedmiot, metodologia, teorie ekonomiczne). Model ekonometryczny, postać modelu, struktura, klasyfikacja.
1. Ekonometria jako dyscyplina naukowa (przedmiot, metodologia, teorie ekonomiczne). Model ekonometryczny, postać modelu, struktura, klasyfikacja. Zadanie 1. Celem zadania jest oszacowanie modelu opisującego
Bardziej szczegółowoMetody Prognozowania
Wprowadzenie Ewa Bielińska 3 października 2007 Plan 1 Wprowadzenie Czym jest prognozowanie Historia 2 Ciągi czasowe Postępowanie prognostyczne i prognozowanie Predykcja długo- i krótko-terminowa Rodzaje
Bardziej szczegółowoEkonomia II stopień ogólnoakademicki. stacjonarne wszystkie Katedra Matematyki Dr hab. Artur Maciąg. podstawowy. obowiązkowy polski.
KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Z-EKO2-500 Nazwa modułu Ekonometria i prognozowanie procesów ekonomicznych Nazwa modułu w języku angielskim Econometrics and forecasting economics proceses Obowiązuje
Bardziej szczegółowo166 Wstęp do statystyki matematycznej
166 Wstęp do statystyki matematycznej Etap trzeci realizacji procesu analizy danych statystycznych w zasadzie powinien rozwiązać nasz zasadniczy problem związany z identyfikacją cechy populacji generalnej
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 szczegółowoSylabus przedmiotu: Data wydruku: Dla rocznika: 2015/2016. Kierunek: Opis przedmiotu. prognoz. Dane podstawowe. Efekty i cele. Opis.
Sylabus przedmiotu: Specjalność: Prognozowanie i symulacja w przedsiębiorstwie Wszystkie specjalności Data wydruku: 23.01.2016 Dla rocznika: 2015/2016 Kierunek: Wydział: Zarządzanie i inżynieria produkcji
Bardziej 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 szczegółowoMetody Ilościowe w Socjologii
Metody Ilościowe w Socjologii wykład 2 i 3 EKONOMETRIA dr inż. Maciej Wolny AGENDA I. Ekonometria podstawowe definicje II. Etapy budowy modelu ekonometrycznego III. Wybrane metody doboru zmiennych do modelu
Bardziej szczegółowoZAKRES TEMATYCZNY EGZAMINU LICENCJACKIEGO
Wydział Nauk Ekonomicznych i Zarządzania Kierunek Analityka Gospodarcza Studia stacjonarne I stopnia ZAKRES TEMATYCZNY EGZAMINU LICENCJACKIEGO Zagadnienia ogólnoekonomiczne 1. Aktualna sytuacja na europejskim
Bardziej szczegółowoSpis treści. Przedmowa... XI. Rozdział 1. Pomiar: jednostki miar... 1. Rozdział 2. Pomiar: liczby i obliczenia liczbowe... 16
Spis treści Przedmowa.......................... XI Rozdział 1. Pomiar: jednostki miar................. 1 1.1. Wielkości fizyczne i pozafizyczne.................. 1 1.2. Spójne układy miar. Układ SI i jego
Bardziej szczegółowoK wartość kapitału zaangażowanego w proces produkcji, w tys. jp.
Sprawdzian 2. Zadanie 1. Za pomocą KMNK oszacowano następującą funkcję produkcji: Gdzie: P wartość produkcji, w tys. jp (jednostek pieniężnych) K wartość kapitału zaangażowanego w proces produkcji, w tys.
Bardziej szczegółowoStatystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory
Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory Dr Anna ADRIAN Paw B5, pok 407 adrian@tempus.metal.agh.edu.pl
Bardziej szczegółowoStatystyka matematyczna i ekonometria
Statystyka matematyczna i ekonometria prof. dr hab. inż. Jacek Mercik B4 pok. 55 jacek.mercik@pwr.wroc.pl (tylko z konta studenckiego z serwera PWr) Konsultacje, kontakt itp. Strona WWW Elementy wykładu.
Bardziej szczegółowoprzedmiotu Nazwa Pierwsza studia drugiego stopnia
Nazwa przedmiotu K A R T A P R Z E D M I O T U ( S Y L L A B U S ) O p i s p r z e d m i o t u Kod przedmiotu EKONOMETRIA UTH/I/O/MT/zmi/ /C 1/ST/2(m)/1Z/C1.1.5 Język wykładowy ECONOMETRICS JĘZYK POLSKI
Bardziej szczegółowoAnaliza współzależności zjawisk. dr Marta Kuc-Czarnecka
Analiza współzależności zjawisk dr Marta Kuc-Czarnecka Wprowadzenie Prawidłowości statystyczne mają swoje przyczyny, w związku z tym dla poznania całokształtu badanego zjawiska potrzebna jest analiza z
Bardziej szczegółowoWprowadzenie do analizy korelacji i regresji
Statystyka dla jakości produktów i usług Six sigma i inne strategie Wprowadzenie do analizy korelacji i regresji StatSoft Polska Wybrane zagadnienia analizy korelacji Przy analizie zjawisk i procesów stanowiących
Bardziej szczegółowoPODYPLOMOWE STUDIA ZAAWANSOWANE METODY ANALIZY DANYCH I DATA MINING W BIZNESIE
UNIWERSYTET WARMIŃSKO-MAZURSKI W OLSZTYNIE PODYPLOMOWE STUDIA ZAAWANSOWANE METODY ANALIZY DANYCH I DATA MINING W BIZNESIE http://matman.uwm.edu.pl/psi e-mail: psi@matman.uwm.edu.pl ul. Słoneczna 54 10-561
Bardziej szczegółowoNarzędzia statystyczne i ekonometryczne. Wykład 1. dr Paweł Baranowski
Narzędzia statystyczne i ekonometryczne Wykład 1 dr Paweł Baranowski Informacje organizacyjne Wydział Ek-Soc, pok. B-109 pawel@baranowski.edu.pl Strona: baranowski.edu.pl (w tym materiały) Konsultacje:
Bardziej szczegółowoSterowanie wielkością zamówienia w Excelu - cz. 3
Sterowanie wielkością zamówienia w Excelu - cz. 3 21.06.2005 r. 4. Planowanie eksperymentów symulacyjnych Podczas tego etapu ważne jest określenie typu rozkładu badanej charakterystyki. Dzięki tej informacji
Bardziej szczegółowoProjekt okładki: Aleksandra Olszewska Redakcja: Leszek Plak Copyright by: Wydawnictwo Placet 2008
Projekt okładki: Aleksandra Olszewska Redakcja: Leszek Plak Copyright by: Wydawnictwo Placet 2008 Wszelkie prawa zastrzeżone. Publikacja ani jej części nie mogą być w żadnej formie i za pomocą jakichkolwiek
Bardziej 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 szczegółowoEKONOMETRIA. Prof. dr hab. Eugeniusz Gatnar.
EKONOMETRIA Prof. dr hab. Eugeniusz Gatnar egatnar@mail.wz.uw.edu.pl Sprawy organizacyjne Wykłady - prezentacja zagadnień dotyczących: budowy i weryfikacji modelu ekonometrycznego, doboru zmiennych, estymacji
Bardziej 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 szczegółowoEkonometria. Prognozowanie ekonometryczne, ocena stabilności oszacowań parametrów strukturalnych. Jakub Mućk. Katedra Ekonomii Ilościowej
Ekonometria Prognozowanie ekonometryczne, ocena stabilności oszacowań parametrów strukturalnych Jakub Mućk Katedra Ekonomii Ilościowej Jakub Mućk Ekonometria Wykład 4 Prognozowanie, stabilność 1 / 17 Agenda
Bardziej szczegółowoWprowadzenie do teorii prognozowania
Wprowadzenie do teorii prognozowania I Pojęcia: 1. Prognoza i zmienna prognozowana (przedmiot prognozy). Prognoza punktowa i przedziałowa. 2. Okres prognozy i horyzont prognozy. Prognozy krótkoterminowe
Bardziej szczegółowo5. WNIOSKOWANIE PSYCHOMETRYCZNE
5. WNIOSKOWANIE PSYCHOMETRYCZNE Model klasyczny Gulliksena Wynik otrzymany i prawdziwy Błąd pomiaru Rzetelność pomiaru testem Standardowy błąd pomiaru Błąd estymacji wyniku prawdziwego Teoria Odpowiadania
Bardziej szczegółowoStatystyka i Analiza Danych
Warsztaty Statystyka i Analiza Danych Gdańsk, 20-22 lutego 2014 Zastosowania wybranych technik regresyjnych do modelowania współzależności zjawisk Janusz Wątroba StatSoft Polska Centrum Zastosowań Matematyki
Bardziej szczegółowoSpis treści 3 SPIS TREŚCI
Spis treści 3 SPIS TREŚCI PRZEDMOWA... 1. WNIOSKOWANIE STATYSTYCZNE JAKO DYSCYPLINA MATEMATYCZNA... Metody statystyczne w analizie i prognozowaniu zjawisk ekonomicznych... Badania statystyczne podstawowe
Bardziej szczegółowoKrakowska Akademia im. Andrzeja Frycza Modrzewskiego. Karta przedmiotu. obowiązuje studentów, którzy rozpoczęli studia w roku akademickim 2014/2015
Krakowska Akademia im. Andrzeja Frycza Modrzewskiego Karta przedmiotu obowiązuje studentów, którzy rozpoczęli studia w roku akademickim 201/2015 WydziałZarządzania i Komunikacji Społecznej Kierunek studiów:
Bardziej szczegółowoĆwiczenia IV
Ćwiczenia IV - 17.10.2007 1. Spośród podanych macierzy X wskaż te, których nie można wykorzystać do estymacji MNK parametrów modelu ekonometrycznego postaci y = β 0 + β 1 x 1 + β 2 x 2 + ε 2. Na podstawie
Bardziej szczegółowoMetody badań w naukach ekonomicznych
Metody badań w naukach ekonomicznych Tomasz Poskrobko Metodyka badań naukowych Metody badań ilościowe jakościowe eksperymentalne Metody badań ilościowe jakościowe eksperymentalne Metody ilościowe metody
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 szczegółowoWeryfikacja hipotez statystycznych. KG (CC) Statystyka 26 V / 1
Weryfikacja hipotez statystycznych KG (CC) Statystyka 26 V 2009 1 / 1 Sformułowanie problemu Weryfikacja hipotez statystycznych jest drugą (po estymacji) metodą uogólniania wyników uzyskanych w próbie
Bardziej szczegółowoUniwersytet w Białymstoku Wydział Ekonomiczno-Informatyczny w Wilnie SYLLABUS na rok akademicki 2010/2011
SYLLABUS na rok akademicki 00/0 Tryb studiów Stacjonarne Nazwa kierunku studiów EKONOMIA Poziom studiów Stopień pierwszy Rok studiów/ semestr III; semestr 5 Specjalność Bez specjalności Kod przedmiotu
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 szczegółowoWeryfikacja hipotez statystycznych, parametryczne testy istotności w populacji
Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych Wydział Informatyki Politechniki
Bardziej szczegółowoPYTANIA NA EGZAMIN MAGISTERSKI KIERUNEK: EKONOMIA STUDIA DRUGIEGO STOPNIA. CZĘŚĆ I dotyczy wszystkich studentów kierunku Ekonomia pytania podstawowe
PYTANIA NA EGZAMIN MAGISTERSKI KIERUNEK: EKONOMIA STUDIA DRUGIEGO STOPNIA CZĘŚĆ I dotyczy wszystkich studentów kierunku Ekonomia pytania podstawowe 1. Cele i przydatność ujęcia modelowego w ekonomii 2.
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 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 szczegółowoPLANOWANIE FINANSOWE D R K A R O L I N A D A S Z Y Ń S K A - Ż Y G A D Ł O I N S T Y T U T Z A R Z Ą D Z A N I A F I N A N S A M I
PLANOWANIE FINANSOWE D R K A R O L I N A D A S Z Y Ń S K A - Ż Y G A D Ł O I N S T Y T U T Z A R Z Ą D Z A N I A F I N A N S A M I INFORMACJE ORGANIZACYJNE 15 h wykładów 5 spotkań po 3h Konsultacje: pok.313a
Bardziej szczegółowoPrognozy 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 szczegółowoEstymacja 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 szczegółowoPROGNOZOWANIE 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 szczegółowoInżynieria Środowiska. II stopień ogólnoakademicki. przedmiot podstawowy obowiązkowy polski drugi. semestr zimowy
Załącznik nr 7 do Zarządzenia Rektora nr../12 z dnia.... 2012r. KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 2017/2018 STATYSTYKA
Bardziej szczegółowoMETODY ILOŚCIOWE W ZARZĄDZANIU
1.1.1 Metody ilościowe w zarządzaniu I. OGÓLNE INFORMACJE PODSTAWOWE O PRZEDMIOCIE METODY ILOŚCIOWE W ZARZĄDZANIU Nazwa jednostki organizacyjnej prowadzącej kierunek: Kod przedmiotu: RiAF_PS5 Wydział Zamiejscowy
Bardziej szczegółowoStatystyka matematyczna dla leśników
Statystyka matematyczna dla leśników Wydział Leśny Kierunek leśnictwo Studia Stacjonarne I Stopnia Rok akademicki 03/04 Wykład 5 Testy statystyczne Ogólne zasady testowania hipotez statystycznych, rodzaje
Bardziej szczegółowoWykład z dnia 8 lub 15 października 2014 roku
Wykład z dnia 8 lub 15 października 2014 roku Istota i przedmiot statystyki oraz demografii. Prezentacja danych statystycznych Znaczenia słowa statystyka Znaczenie I - nazwa zbioru danych liczbowych prezentujących
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 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 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 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 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 szczegółowoW kolejnym kroku należy ustalić liczbę przedziałów k. W tym celu należy wykorzystać jeden ze wzorów:
Na dzisiejszym wykładzie omówimy najważniejsze charakterystyki liczbowe występujące w statystyce opisowej. Poszczególne wzory będziemy podawać w miarę potrzeby w trzech postaciach: dla szeregu szczegółowego,
Bardziej szczegółowoPrognozowanie 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 szczegółowoKARTA PRZEDMIOTU. 12. PRZEDMIOTOWE EFEKTY KSZTAŁCENIA Odniesienie do kierunkowych efektów kształcenia (symbol)
KARTA PRZEDMIOTU 1. NAZWA PRZEDMIOTU: Ekonometria 2. KIERUNEK: MATEMATYKA 3. POZIOM STUDIÓW: I stopnia 4. ROK/ SEMESTR STUDIÓW: III/6 5. LICZBA PUNKTÓW ECTS: 5 6. LICZBA GODZIN: 30 / 30 7. TYP PRZEDMIOTU
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 szczegółowoWykład 6. Badanie dynamiki zjawisk
Wykład 6 Badanie dynamiki zjawisk Krzywa wieża w Pizie 1 2 3 4 5 6 7 8 9 10 11 12 13 y 4,9642 4,9644 4,9656 4,9667 4,9673 4,9688 4,9696 4,9698 4,9713 4,9717 4,9725 4,9742 4,9757 Szeregiem czasowym nazywamy
Bardziej szczegółowoCzynniki determinujące opłacalność produkcji wybranych produktów rolniczych w perspektywie średnioterminowej
Czynniki determinujące opłacalność produkcji wybranych produktów rolniczych w perspektywie średnioterminowej Konferencja nt. WPR a konkurencyjność polskiego i europejskiego sektora żywnościowego 26-28
Bardziej szczegółowoEkonometria dynamiczna i finansowa Kod przedmiotu
Ekonometria dynamiczna i finansowa - opis przedmiotu Informacje ogólne Nazwa przedmiotu Ekonometria dynamiczna i finansowa Kod przedmiotu 11.5-WK-IiED-EDF-W-S14_pNadGenMOT56 Wydział Kierunek Wydział Matematyki,
Bardziej szczegółowoPaństwowa Wyższa Szkoła Zawodowa w Suwałkach SYLLABUS na rok akademicki 2014/2015
Tryb studiów Niestacjonarne Nazwa kierunku studiów Finanse i Rachunkowość Poziom studiów Stopień pierwszy Rok studiów/ semestr II/4 Państwowa Wyższa Szkoła Zawodowa w Suwałkach SYLLABUS na rok akademicki
Bardziej szczegółowoLABORATORIUM Z FIZYKI
LABORATORIUM Z FIZYKI LABORATORIUM Z FIZYKI I PRACOWNIA FIZYCZNA C w Gliwicach Gliwice, ul. Konarskiego 22, pokoje 52-54 Regulamin pracowni i organizacja zajęć Sprawozdanie (strona tytułowa, karta pomiarowa)
Bardziej szczegółowoWiadomości 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 szczegółowoBadania marketingowe
Badania marketingowe Dr hab. prof. SGH Katedra Rynku i Marketingu SGH teresataranko@o2.pl Konsultacje pokój 302 Madalińskiego 6/8 Wtorek -15.00-16.00 Struktura problematyki 1. Definicja i funkcje badań
Bardziej szczegółowoO 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 szczegółowoPRZEWODNIK PO PRZEDMIOCIE
Nazwa przedmiotu: Kierunek: Statystyka komputerowa Computer statistics Zarządzanie i Inżynieria Produkcji Management and Engineering of Production Rodzaj przedmiotu: Fakultatywny - oferta Poziom studiów:
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 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 szczegółowoDWUKROTNA SYMULACJA MONTE CARLO JAKO METODA ANALIZY RYZYKA NA PRZYKŁADZIE WYCENY OPCJI PRZEŁĄCZANIA FUNKCJI UŻYTKOWEJ NIERUCHOMOŚCI
DWUKROTNA SYMULACJA MONTE CARLO JAKO METODA ANALIZY RYZYKA NA PRZYKŁADZIE WYCENY OPCJI PRZEŁĄCZANIA FUNKCJI UŻYTKOWEJ NIERUCHOMOŚCI mgr Marcin Pawlak Katedra Inwestycji i Wyceny Przedsiębiorstw Plan wystąpienia
Bardziej szczegółowoMODELOWANIE POLSKIEJ GOSPODARKI Z PAKIETEM R Michał Rubaszek
Tytuł: Autor: MODELOWANIE POLSKIEJ GOSPODARKI Z PAKIETEM R Michał Rubaszek Wstęp Książka "Modelowanie polskiej gospodarki z pakietem R" powstała na bazie materiałów, które wykorzystywałem przez ostatnie
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 szczegółowoMatematyka z el. statystyki, # 6 /Geodezja i kartografia II/
Matematyka z el. statystyki, # 6 /Geodezja i kartografia II/ Uniwersytet Przyrodniczy w Lublinie Katedra Zastosowań Matematyki i Informatyki ul. Głęboka 28, bud. CIW, p. 221 e-mail: zdzislaw.otachel@up.lublin.pl
Bardziej szczegółowoKRZYŻOWA ANALIZA WPŁYWÓW I PROGNOZOWANIE SCENARIUSZY ROZWOJU
Projekt FORESIGHT Mazovia KRZYŻOWA ANALIZA WPŁYWÓW I PROGNOZOWANIE SCENARIUSZY ROZWOJU mgr Krzysztof Mieczkowski Specjalista Przemysłowy Instytut Automatyki i Pomiarów Warszawa, 12 czerwca 2007 Monitorowanie
Bardziej szczegółowoStatystyka opisowa SYLABUS A. Informacje ogólne
Statystyka opisowa SYLABUS A. Informacje ogólne Elementy składowe sylabusu Nazwa jednostki prowadzącej kierunek Nazwa kierunku studiów Poziom kształcenia Profil studiów Forma studiów Kod Język Rodzaj Rok
Bardziej szczegółowoRozdział 2: Metoda największej wiarygodności i nieliniowa metoda najmniejszych kwadratów
Rozdział : Metoda największej wiarygodności i nieliniowa metoda najmniejszych kwadratów W tym rozdziale omówione zostaną dwie najpopularniejsze metody estymacji parametrów w ekonometrycznych modelach nieliniowych,
Bardziej szczegółowo