Prognozowanie i symulacje
|
|
- Stanisława Stefańska
- 6 lat temu
- Przeglądów:
Transkrypt
1 Prognozowanie i smulacje Lepiej znać prawdę niedokładnie, niż dokładnie się mlić. J. M. Kenes dr Iwona Kowalska ikowalska@wz.uw.edu.pl Prognozowanie meod naiwne i średnie ruchome Meod naiwne poziom bez zmian przros bez zmian przros procenow bez zmian Średnie ruchome k-okresowe prosa uśredniająca przros ważona
2 τ Prognozowanie średnie ruchome Meoda średniej ruchomej ważonej jeżeli chcem uwzględnić w większm sopniu informacje z osanich okresów, a obserwacjom sarszm przpisujem mniejsze znaczenie dla prognozowanego zjawiska, możem posłużć się średnią ruchomą ważoną. meoda a jes możliwa do zasosowana zarówno do modelu uśredniającego poziom, jak i do modelu uśredniającego przros. ˆ + = w + w ( k ) w k ˆ k + = i i= w i+ gdzie k w i + = i= w i współcznniki wagowe 3 τ Prognozowanie średnie ruchome Przkład średnia ruchoma ważona /3 Analiza graficzna wkresu wskazała na możliwość prognozowania ą meodą. Założone na począki wagi: w3. w3. w w.3.3 w w.. Okres ˆ ˆ ŷ ˆ ( ) ˆ.9 Błęd prognoz 3.8 ME MSE RMSE RMSPE 6.89% MAPE.683% Prognoza wznaczona wg wzoru: ˆ + =, +,3 +, czli dla okresu 4 mam: ˆ4 =, 3,7 +,3 3,8 +,,9 = 3,6 realizacja prognoza
3 τ Prognozowanie średnie ruchome Przkład średnia ruchoma ważona /3 Wagi w modelu wmagają opmalizacji. Wagi minimalizujące błęd prognoz można znaleźć z wkorzsaniem dodaku Solver: Dane >> Solver. Cel: minimalizacja wskazanego błędu (funkcja celu musi bć formułą) Zmieniane komórki, j. wagi wkorzsane prz wznaczaniu prognoz Ograniczenia dla wag, j. wskazanie, że każda waga spełnia warunek w oraz suma wag wnosi. τ Prognozowanie średnie ruchome Przkład średnia ruchoma ważona 3/3 Model po opmalizacji wag można wkorzsać do prognozowania. Wagi wznaczone z wkorzsaniem Solvera: w3.47 w. w.3 Okres ˆ ˆ ŷ ˆ ( ) ˆ.9 Błęd prognoz 3.8 ME MSE RMSE RMSPE.33% MAPE 4.87% Błęd prognoz są na akcepowalne, ale można dalej poszukiwać lepszego modelu. Procedurę można powórzć dla k=4 czli wznaczć średnią ruchomą ważoną 4-okresową. realizacja prognoza
4 Prognozowanie wgładzanie wkładnicze Modele wgładzania wkładniczego Meod wgładzania wkładniczego są rozszerzeniem idei średniej ruchomej. Modele e dzięki filracji zakłóceń redukują nadmierną zależność prognoz od osanich zakłóceń, nie racąc korzści związanch z wznaczeniem kolejnej prognoz w zależności od osaniej realizacji zmiennej. W zależności od wróżnionch składowch analizowanego szeregu czasowego do prognozowania możem zasosować: Meodę Browna Meodę Hola Meodę Winersa w posaci addwnej lub muliplikawnej. 7 Prognozowanie wgładzanie wkładnicze Meoda Browna pros model wgładzania wkładniczego Model en może b sosowan w przpadku wsępowania w szeregu czasowm prawie sałego poziomu zmiennej prognozowanej oraz wahań przpadkowch. Szereg nie powinien zawierać ani rendu ani wahań sezonowch. To rozszerzenie idei średniej ruchomej prognoza meodą Browna opara jes na średniej ważonej hisorcznch warości szeregu. Prognozowanie za pomocą ej meod polega na wznaczeniu prognoz na okres +, kóra jes koreką prognoz na okres po porównaniu jej z wnikiem rzeczwism prognoza na okres jes korgowana o pewną kroność popełnionego błędu, co dokładniej przjmuje posać wzoru: Ważną rolę dla wniku prognoz odgrwała przjęa sała wgładzania α. W prakce α powinno bć mniejsze niż,. Założenie: ( α ) ˆ ˆ + = α + α ˆ = 8
5 τ Prognozowanie wgładzanie wkładnicze Przkład meoda wgładzania Browna Prognoza danch, w kórch zakładam brak rendu i sezonowości, za pomocą meod Browna wmaga założenia jednej sałej wgładzania α Dodaek Solver pomaga znaleźć opmaln paramer: alfa.43 Okres ˆ ˆ ŷ ˆ ( ) ˆ.9.9 Błęd prognoz ME MSE RMSE RMSPE.7% MAPE.9% realizacja prognoza Prognozowanie wgładzanie wkładnicze Meoda Hola model wgładzania wkładniczego z rendem liniowm W meodzie Hola wsępują dwie sałe wgładzania: α sała wgładzania poziomu zmiennej β sała wgładzania współcznnika rendu (j. przrosu spowodowanego endencją rozwojową) Równania modelu mają posać: F = + ( )( + α α F T ) T = β F F + β T ˆ = F + T + ( ) ( )( ) F wgładzona warość zmiennej prognozowanej na momen lub okres T wgładzona warość przrosu rendu na momen lub okres Założenie: F = oraz T = ˆ T dla τ > + τ = F + τ α β
6 τ Prognozowanie wgładzanie wkładnicze Przkład meoda wgładzania Hola Prognoza danch, w kórch zakładam rendu i brak sezonowości, za pomocą meod Hola wmaga założenia dwóch sałch wgładzania α oraz β Dodaek Solver pomaga znaleźć opmalne paramer: alfa. bea.8 Okres ˆ ˆ F T ŷ ˆ ( ) ˆ Błęd prognoz ME MSE RMSE RMSPE 4.79% MAPE 3.8% realizacja prognoza Prognozowanie wgładzanie wkładnicze Meoda Winera wgładzanie szeregu z sezonowością Model Winera może bć sosowan w przpadku szeregów czasowch zawierającch endencję rozwojową, wahania sezonowe oraz wahania przpadkowe. W meodzie ej poddajem wgładzaniu wkładniczemu rz elemen: poziom zmiennej, przros, reprezenując współcznnik rendu liniowego efek sezonow Sałe wgładzania: α sała wgładzania poziomu zmiennej β sała wgładzania współcznnika rendu γ sała wgładzania efeku sezonowego α β γ
7 Prognozowanie Model szeregu czasowego addwn i muliplikawn Addwna posać modelu zakłada, że obserwowane warości zmiennej prognozowanej są sumą składowch szeregu czasowego. Wahania sezonowe w modelu addwnm w analogicznch fazach cklu mają względnie sałą ampliudę (są w przbliżeniu akie same). = f( ) + s( ) + ξ Muliplikawn model zakłada, że obserwowane warości zmiennej prognozowanej są ilocznem składowch szeregu czasowego. Wahania sezonowe w modelu muliplikawnm są względnie sałe, j. ich udział w warości zmiennej jes sał (procenowo podobna zmiana). = f( ) s( ) ξ f() funkcja charakerzująca endencję rozwojową s() funkcja charakerzująca wahania sezonowe ξ składnik losow 3 Prognozowanie wgładzanie wkładnicze Meoda Winera model addwn Równania addwnej posaci modelu mają posać: F T S ˆ α ( S ) + ( α )( F T ) = r + β ( F F ) + ( β )( T ) = ( F ) + ( )( S ) = γ γ ( F + T ) S+ r + = + r S i( r) Założenie: r = i r i= i Prognozę wkraczającą poza próbę, na okres + τ wznaczam dodając do prognoz wgładzonego poziomu zmiennej wgładzon wskaźnik sezonowości: ˆ ( F + τ T ) S+ r + τ = + τ dla τ > 4
8 Prognozowanie wgładzanie wkładnicze Meoda Winera model muliplikawn Równania muliplikawnej posaci modelu mają posać: F T α ( α )( F + T ) = + S r = β ( F F ) + ( β )( T ) S ˆ = γ + γ ( )( S ) F + = F + T S+ ( ) r r Założenie: Prognozę wkraczającą poza próbę, na okres + τ wznaczam dodając do prognoz wgładzonego poziomu zmiennej wgładzon wskaźnik sezonowości: S i( r) = r i r i= i ˆ ( F + τ T ) S + r + τ = τ dla τ > Dziękuję za uwagę dr Iwona Kowalska ikowalska@wz.uw.edu.pl
Analiza szeregów czasowych uwagi dodatkowe
Analiza szeregów czasowch uwagi dodakowe Jerz Sefanowski Poliechnika Poznańska Zaawansowana Eksploracja Danch Prognozowanie Wbór i konsrukcja modelu o dobrch własnościach predkcji przszłch warości zmiennej.
Bardziej szczegółowoMODEL TENDENCJI ROZWOJOWEJ
MODEL TENDENCJI ROZWOJOWEJ Model endencji rozwojowej o konsrukcja eoreczna (równanie lub układ równań) opisująca kszałowanie się określonego zjawiska jako funkcji: zmiennej czasowej wahań okresowch (sezonowe
Bardziej szczegółowoWygładzanie metodą średnich ruchomych w procesach stałych
Wgładzanie meodą średnich ruchomch w procesach sałch Cel ćwiczenia. Przgoowanie procedur Średniej Ruchomej (dla ruchomego okna danch); 2. apisanie procedur do obliczenia sandardowego błędu esmacji;. Wizualizacja
Bardziej szczegółowoCechy szeregów czasowych
energecznch Cech szeregów czasowch Rozdział Modelowanie szeregów czasowch 7 proces deerminisczn proces kórego warość może bć preczjnie określona w dowolnm czasie =T+τ = a +b T T+τ czas = sin(ω) T T+τ czas
Bardziej szczegółowoZajęcia 2. Estymacja i weryfikacja modelu ekonometrycznego
Zajęcia. Esmacja i werfikacja modelu ekonomercznego Celem zadania jes oszacowanie liniowego modelu opisującego wpłw z urski zagranicznej w danm kraju w zależności od wdaków na urskę zagraniczną i liczb
Bardziej szczegółowoPROGNOZOWANIE I SYMULACJE EXCEL 2 AUTOR: MARTYNA MALAK PROGNOZOWANIE I SYMULACJE EXCEL 2 AUTOR: MARTYNA MALAK
1 PROGNOZOWANIE I SYMULACJE 2 hp://www.oucome-seo.pl/excel2.xls DODATEK SOLVER WERSJE EXCELA 5.0, 95, 97, 2000, 2002/XP i 2003. 3 Dodaek Solver jes dosępny w menu Narzędzia. Jeżeli Solver nie jes dosępny
Bardziej szczegółowoPROGNOZY I SYMULACJE
Forecasing is he ar of saing wha will happen, and hen explaining wh i didn. Ch. Chafield (986) PROGNOZY I SYMULACJE Kaarzna Chud Laskowska konsulacje: p. 400A środa -4 czwarek -4 srona inerneowa: hp://kc.sd.prz.edu.pl/
Bardziej szczegółowoPrognozowanie i symulacje
Prognozowanie i smulacje Ramow plan wkładu.wprowadzenie w przedmio.rafność dopuszczalność i błąd prognoz 3.Prognozowanie na podsawie szeregów czasowch 4.Prognozowanie na podsawie modelu ekonomercznego
Bardziej szczegółowoPROGNOZOWANIE I SYMULACJE EXCEL 2 PROGNOZOWANIE I SYMULACJE EXCEL AUTOR: ŻANETA PRUSKA
1 PROGNOZOWANIE I SYMULACJE EXCEL 2 AUTOR: mgr inż. ŻANETA PRUSKA DODATEK SOLVER 2 Sprawdzić czy w zakładce Dane znajduję się Solver 1. Kliknij przycisk Microsof Office, a nasępnie kliknij przycisk Opcje
Bardziej szczegółowoANALIZA, PROGNOZOWANIE I SYMULACJA / Ćwiczenia 1
ANALIZA, PROGNOZOWANIE I SYMULACJA / Ćwiczenia 1 mgr inż. Żanea Pruska Maeriał opracowany na podsawie lieraury przedmiou. Zadanie 1 Firma Alfa jes jednym z głównych dosawców firmy Bea. Ilość produku X,
Bardziej szczegółowoPROGNOZOWANIE I SYMULACJE. mgr Żaneta Pruska. Ćwiczenia 2 Zadanie 1
PROGNOZOWANIE I SYMULACJE mgr Żanea Pruska Ćwiczenia 2 Zadanie 1 Firma Alfa jes jednym z głównych dosawców firmy Bea. Ilość produku X, wyrażona w ysiącach wyprodukowanych i dosarczonych szuk firmie Bea,
Bardziej szczegółowoPROGNOZOWANIE. Ćwiczenia 2. mgr Dawid Doliński
Ćwiczenia 2 mgr Dawid Doliński Modele szeregów czasowych sały poziom rend sezonowość Y Y Y Czas Czas Czas Modele naiwny Modele średniej arymeycznej Model Browna Modele ARMA Model Hola Modele analiyczne
Bardziej szczegółowoMetody Ilościowe w Socjologii
Meod Ilościowe w Socjologii wkład 5, 6, 7 PROGNOZOWANIE I SYMULACJE dr inż. Maciej Woln AGENDA I. Prognozowanie i smulacje podsawowe informacje II. Prognozowanie szeregów czasowch III. Dekompozcja szeregu,
Bardziej 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 szczegółowoKonspekty wykładów z ekonometrii
Konspek wkładów z ekonomerii Budowa i werfikaca modelu - reść przkładu W wniku ssemacznch badań popu na warzwa w pewnm mieście, orzmano nasępuące szeregi czasowe: przros (zmian) popu na warzwa (w zł. na
Bardziej szczegółowoPROGNOZY I SYMULACJE
orecasig is he ar of saig wha will happe, ad he explaiig wh i did. Ch. Chafield (986 PROGNOZY I YMULACJE Kaarza Chud Laskowska kosulacje: p. 400A środa -4 czwarek -4 sroa iereowa: hp://kc.sd.prz.edu.pl/
Bardziej szczegółowoWykład 6. Badanie dynamiki zjawisk
Wykład 6 Badanie dynamiki zjawisk TREND WYODRĘBNIANIE SKŁADNIKÓW SZEREGU CZASOWEGO 1. FUNKCJA TRENDU METODA ANALITYCZNA 2. ŚREDNIE RUCHOME METODA WYRÓWNYWANIA MECHANICZNEGO średnie ruchome zwykłe średnie
Bardziej szczegółowoPROGNOZOWANIE. Ćwiczenia 3. tel.: (061)
Ćwiczeia 3 mgr iż.. Mara Krueger mara.krueger@edu.wsl.com.pl mara.krueger@ilim.poza.pl el.: (06 850 49 57 Meod progozowaia krókoermiowego sał poziom red sezoowość Y Y Y Czas Czas Czas Model aiw Modele
Bardziej szczegółowoANALIZA, PROGNOZOWANIE I SYMULACJA EXCEL AUTOR: MARTYNA KUPCZYK ANALIZA, PROGNOZOWANIE I SYMULACJA EXCEL AUTOR: MARTYNA KUPCZYK
1 ANALIZA, PROGNOZOWANIE I SYMULACJA 2 POBRAĆ Z INTERNETU Plaforma WSL on-line Nazwisko prowadzącego Maryna Kupczyk Folder z nazwą przedmiou - Analiza, prognozowanie i symulacja Plik o nazwie Baza do ćwiczeń
Bardziej szczegółowoStatystyka od podstaw z systemem SAS Dr hab. E. Frątczak, ZAHZiAW, ISiD, KAE. Część VII. Analiza szeregu czasowego
Część VII. Analiza szeregu czasowego 1 DEFINICJA SZEREGU CZASOWEGO Szeregiem czasowym nazywamy zbiór warości cechy w uporządkowanych chronologicznie różnych momenach (okresach) czasu. Oznaczając przez
Bardziej szczegółowoInstytut Logistyki i Magazynowania
Insu Logiski i Magaznowania Ćwiczenia 1 mgr Dawid Doliński Dawid.Dolinski@ilim.poznan.pl lub Dawid.Dolinski@wsl.com.pl Tel. 0(61) 850 49 45 ZALICZENIE PRZEDMIOTU 5 punków Blok zajęć z Panem mgr D.Dolińskim
Bardziej szczegółowoKombinowanie prognoz. - dlaczego należy kombinować prognozy? - obejmowanie prognoz. - podstawowe metody kombinowania prognoz
Noaki do wykładu 005 Kombinowanie prognoz - dlaczego należy kombinować prognozy? - obejmowanie prognoz - podsawowe meody kombinowania prognoz - przykłady kombinowania prognoz gospodarki polskiej - zalecenia
Bardziej szczegółowoMetody prognozowania: Szeregi czasowe. Dr inż. Sebastian Skoczypiec. ver Co to jest szereg czasowy?
Meody prognozowania: Szeregi czasowe Dr inż. Sebasian Skoczypiec ver. 11.20.2009 Co o jes szereg czasowy? Szereg czasowy: uporządkowany zbiór warości badanej cechy lub warości określonego zjawiska, zaobserwowanych
Bardziej 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 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 szczegółowoEkonometria I materiały do ćwiczeń
lp daa wkładu ema Wkład dr Doroa Ciołek Ćwiczenia mgr inż. - Rodzaje danch sascznch - Zmienne ekonomiczne jako zmienne losowe 1a) Przkład problemów badawczch hipoeza, propozcja modelu ekonomercznego, zmienne
Bardziej szczegółowoKrzywe na płaszczyźnie.
Krzwe na płaszczźnie. Współrzędne paramerczne i biegunowe. Współrzędne biegunowe. Dan jes punk O, zwan biegunem, kór sanowi począek półprosej, zwanej półosią. Dowoln punk P na płaszczźnie można opisać
Bardziej szczegółowoZwiązek między ruchem harmonicznym a ruchem jednostajnym po okręgu
Związek międz ruchem harmonicznm a ruchem jednosajnm po okręgu Rozważm rzu Q i R punku P na osie i : Q cos v r R sin R Q P δ Q cos ( δ ) R sin ( δ ) Jeżeli punk P porusza się ruchem jednosajnm po okręgu,
Bardziej szczegółowoZasady budowania prognoz ekonometrycznych
Zasad budowania prognoz ekonometrcznch Klasczne założenia teorii predkcji 1. Znajomość modelu kształtowania się zmiennej prognozowanej Znajomość postaci analitcznej wstępującch zależności międz zmiennmi
Bardziej szczegółowoPrognozowanie średniego miesięcznego kursu kupna USD
Prognozowanie średniego miesięcznego kursu kupna USD Kaarzyna Halicka Poliechnika Białosocka, Wydział Zarządzania, Kaedra Informayki Gospodarczej i Logisyki, e-mail: k.halicka@pb.edu.pl Jusyna Godlewska
Bardziej szczegółowoPobieranie próby. Rozkład χ 2
Graficzne przedsawianie próby Hisogram Esymaory przykład Próby z rozkładów cząskowych Próby ze skończonej populacji Próby z rozkładu normalnego Rozkład χ Pobieranie próby. Rozkład χ Posać i własności Znaczenie
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 szczegółowoStanisław Cichocki Natalia Nehrebecka. Wykład 5
Sanisław Cichocki Naalia Nehrebecka Wkład 5 . Proces AR 2. Proces MA 3. Modele ARMA 4. Prognozowanie za pomocą modelu ARMA 2 . Proces AR 2. Proces MA 3. Modele ARMA 4. Prognozowanie za pomocą modelu ARMA
Bardziej szczegółowoAnaliza rynku projekt
Analiza rynku projek A. Układ projeku 1. Srona yułowa Tema Auor 2. Spis reści 3. Treść projeku 1 B. Treść projeku 1. Wsęp Po co? Na co? Dlaczego? Dlaczego robię badania? Jakimi meodami? Dla Kogo o jes
Bardziej szczegółowooznacza przyrost argumentu (zmiennej niezależnej) x 3A82 (Definicja). Granicę (właściwą) ilorazu różnicowego funkcji f w punkcie x x x e x lim x lim
WYKŁAD 9 34 Pochodna nkcji w pnkcie Inerpreacja geomerczna pochodnej Własności pochodnch Twierdzenia Rolle a Lagrange a Cach ego Regla de lhôspiala Niech ( ) O( ) będzie nkcją określoną w pewnm ooczeni
Bardziej szczegółowoSZEREG CZASOWY Y zjawisko badane w różnych okresach lub momentach czasu. Dynamika zjawiska to zmiana zjawiska w czasie. Przykład. Y średni kurs akcji
SZEREG CZASOWY Y zjawisko badane w różnch okresach lub momentach czasu. Dnamika zjawiska to zmiana zjawiska w czasie. Przkład. Y średni kurs akcji firm OPTMUS na giełdzie Okres: notowania od 1.03.2010
Bardziej szczegółowoPROGNOZOWANIE. mgr inż. Martyna Malak. Katedra Systemów Logistycznych.
1 PROGNOZOWANIE Kaedra Ssemów Logiscznch mgr inż. Marna Malak marna.malak@wsl.com.pl Panel TABLICE 1 2 3 DEFINICJA PROGNOZY Prognozowanie? Przewidwanie 4 DEFINICJA PRZEWIDYWANIA Przewidwanie wnioskowanie
Bardziej szczegółowolicencjat Pytania teoretyczne:
Plan wykładu: 1. Wiadomości ogólne. 2. Model ekonomeryczny i jego elemeny 3. Meody doboru zmiennych do modelu ekonomerycznego. 4. Szacownie paramerów srukuralnych MNK. Weryfikacja modelu KMNK 6. Prognozowanie
Bardziej szczegółowoE k o n o m e t r i a S t r o n a 1. Nieliniowy model ekonometryczny
E k o n o m e r i a S r o n a Nieliniowy model ekonomeryczny Jednorównaniowy model ekonomeryczny ma posać = f( X, X,, X k, ε ) gdzie: zmienna objaśniana, X, X,, X k zmienne objaśniające, ε - składnik losowy,
Bardziej szczegółowoAnaliza i prognozowanie szeregów czasowych
Analiza i pognozowanie szeegów czasowych Pojęcie szeegu czasowego Szeeg czasowy (chonologiczny, dynamiczny, ozwojowy) pezenuje ozwój wybanego zjawiska w czasie; zawiea waości zjawiska y w jednoskach czasu,,
Bardziej szczegółowoPROGNOZOWANIE. Ćwiczenia 2. mgr Dawid Doliński
Ćwiczenia 2 mgr Dawid Doliński Modele szeregów czasowych sały poziom rend sezonowość Y Y Y Czas Czas Czas Modele naiwny Modele średniej arymeycznej Model Browna Modele ARMA Model Hola Modele analiyczne
Bardziej szczegółowoModelowanie ryzyka kredytowego MODELOWANIE ZA POMOCA HAZARDU
Modelowanie ryzyka kredyowego MODELOWANIE ZA POMOCA PROCESU HAZARDU Mariusz Niewęgłowski Wydział Maemayki i Nauk Informacyjnych, Poliechniki Warszawskiej Warszawa 2014 hazardu Warszawa 2014 1 / 18 Proces
Bardziej szczegółowo( ) ( ) ( τ) ( t) = 0
Obliczanie wraŝliwości w dziedzinie czasu... 1 OBLICZANIE WRAśLIWOŚCI W DZIEDZINIE CZASU Meoda układu dołączonego do obliczenia wraŝliwości układu dynamicznego w dziedzinie czasu. Wyznaczane będą zmiany
Bardziej szczegółowoPROGNOZOWANIE. Ćwiczenia 3. mgr Dawid Doliński
Ćwiczenia 3 mgr Dawid Doliński Modele szeregów czasowych sały poziom rend sezonowość Y Y Y Czas Czas Czas Modele naiwny Modele średniej arymeycznej Model Browna Modele ARMA Model Hola Modele analiyczne
Bardziej szczegółowoDYNAMIKA KONSTRUKCJI
10. DYNAMIKA KONSTRUKCJI 1 10. 10. DYNAMIKA KONSTRUKCJI 10.1. Wprowadzenie Ogólne równanie dynamiki zapisujemy w posaci: M d C d Kd =P (10.1) Zapis powyższy oznacza, że równanie musi być spełnione w każdej
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 szczegółowoPROCESY AUTOREGRESYJNE ZE ZMIENNYM PARAMETREM 1. Joanna Górka. Wydział Nauk Ekonomicznych i Zarządzania UMK w Toruniu Katedra Ekonometrii i Statystyki
PROCESY AUTOREGRESYJNE ZE ZMIENNYM PARAMETREM Joanna Górka Wdział Nauk Ekonomicznch i Zarządzania UMK w Toruniu Kaedra Ekonomerii i Saski WSTĘP Niesacjonarne proces o średniej zero mogą bć reprezenowane
Bardziej szczegółowoRÓWNANIA RÓŻNICZKOWE WYKŁAD 3
RÓWNANIA RÓŻNICZKOWE WYKŁAD 3 Równania różniczkowe liniowe Metoda przewidwań Metoda przewidwań całkowania równania niejednorodnego ' p( x) opiera się na następującm twierdzeniu. Twierdzenie f ( x) Suma
Bardziej szczegółowoROZDZIAŁ 11 WPŁYW ZMIAN KURSU WALUTOWEGO NA RYNEK PRACY
Rszard Sefański ROZDZIAŁ 11 WPŁYW ZMIAN KURSU WALUTOWEGO NA RYNEK PRACY Absrak Ocena wpłwu zmian kursu waluowego na rnek prac jes szczególnie isona dla polskiej gospodarki w najbliższch laach. Spośród
Bardziej szczegółowoMotto. Czy to nie zabawne, że ci sami ludzie, którzy śmieją się z science fiction, słuchają prognoz pogody oraz ekonomistów? (K.
Motto Cz to nie zabawne, że ci sami ludzie, którz śmieją się z science fiction, słuchają prognoz pogod oraz ekonomistów? (K. Throop III) 1 Specfika szeregów czasowch Modele szeregów czasowch są alternatwą
Bardziej 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 szczegółowo5. Model sezonowości i autoregresji zmiennej prognozowanej
5. Model sezonowości i autoregresji zmiennej prognozowanej 1. Model Sezonowości kwartalnej i autoregresji zmiennej prognozowanej (rząd istotnej autokorelacji K = 1) Szacowana postać: y = c Q + ρ y, t =
Bardziej szczegółowoParytet stóp procentowych a premia za ryzyko na przykładzie kursu EURUSD
Parye sóp procenowych a premia za ryzyko na przykładzie kursu EURUD Marcin Gajewski Uniwersye Łódzki 4.12.2008 Parye sóp procenowych a premia za ryzyko na przykładzie kursu EURUD Niezabazpieczony UIP)
Bardziej 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 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 szczegółowoANALIZA DYNAMIKI ZJAWISK (dok.) WYGŁADZANIE szeregu czasowego
D. Miszczńska,M.Miszczński, Maeriał do wkładu 6 ze Saski, 009/0 [] ANALIZA DYNAMIKI ZJAWISK (dok.). szereg czasow, chroologicz (momeów, okresów). średi poziom zjawiska w czasie (średia armecza, średia
Bardziej szczegółowoPrzedziały ufności i testy parametrów. Przedziały ufności dla średniej odpowiedzi. Interwały prognoz (dla przyszłych obserwacji)
Wkład 1: Prosta regresja liniowa Statstczn model regresji liniowej Dane dla prostej regresji liniowej Przedział ufności i test parametrów Przedział ufności dla średniej odpowiedzi Interwał prognoz (dla
Bardziej szczegółowoPrzetwarzanie sygnałów biomedycznych
Przetwarzanie sgnałów biomedcznch Człowiek- najlepsza inwestcja Projekt współfinansowan przez Unię Europejską w ramach Europejskiego Funduszu Społecznego Wkład XIII Dstrbucje czasowo częstotliwościowe
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 szczegółowoWAHANIA NATĘśEŃ RUCHU DROGOWEGO NA SIECI DRÓG MIEJSKICH
dr hab. inŝ. Kazimierz Kłosek Prof. nzw. Poliechniki Śląskiej, Kierownik Kaedry Dróg i Mosów dr inŝ. Anna Olma Wydział Budownicwa Poliechniki Śląskiej Gliwice, Polska WAHANIA NATĘśEŃ RUCHU DROGOWEGO NA
Bardziej szczegółowoPROGNOZOWANIE ZUŻYCIA CIEPŁEJ I ZIMNEJ WODY W SPÓŁDZIELCZYCH ZASOBACH MIESZKANIOWYCH
STUDIA I PRACE WYDZIAŁU NAUK EKONOMICZNYCH I ZARZĄDZANIA NR 15 Barbara Baóg Iwona Foryś PROGNOZOWANIE ZUŻYCIA CIEPŁEJ I ZIMNEJ WODY W SPÓŁDZIELCZYCH ZASOBACH MIESZKANIOWYCH Wsęp Koszy dosarczenia wody
Bardziej szczegółowoAlgebra WYKŁAD 9 ALGEBRA
Algebra WYKŁAD 9 Krzwe sożkowe Definicja Prosa sczna do krzwej K w punkcie P jes o prosa, będąca granicznm położeniem siecznch s k przechodzącch przez punk P i P k gd punk P k dąż zbliża się do punku P
Bardziej szczegółowoANALIZA DYNAMIKI ZJAWISK SZEREG CZASOWY
D. Miszczńska, M.Miszczński, Maeriał do wkładu 5 ze Saski, 29/ [] ANALZA DYNAMK ZJAWSK. szereg czasow, chronologiczn (momenów, okresów) 2. średni oziom zjawiska w czasie (średnia armeczna, średnia chronologiczna)
Bardziej szczegółowowięc powyższy warunek będzie zapisany jako dy dt
Meo maemaczne w echnologii maeriałów Krzszof Szszkiewicz Wprowadzenie DEFINICJA. Równaniem różniczkowm zwczajnm rzędu pierwszego nazwam równanie posaci gdzie f : f (, ), () U jes daną funkcją. Rozwiązaniem
Bardziej szczegółowoRÓWNANIA RÓŻNICZKOWE WYKŁAD 5
RÓWNANIA RÓŻNICZKOWE WYKŁAD 5 Równania różniczkowe rzędu drugiego Równania rzędu drugiego sprowadzalne do równań rzędu pierwszego Równanie różniczkowe rzędu drugiego postaci F ( x, ', ") 0 ( nie wstępuje
Bardziej szczegółowoPROGNOZOWANIE BRAKUJĄCYCH DANYCH DLA SZEREGÓW O WYSOKIEJ CZĘSTOTLIWOŚCI OCZYSZCZONYCH Z SEZONOWOŚCI
Sudia Ekonomiczne. Zeszyy Naukowe Uniwersyeu Ekonomicznego w Kaowicach ISSN 2083-8611 Nr 289 2016 Maria Szmuksa-Zawadzka Zachodniopomorski Uniwersye Technologiczny w Szczecinie Sudium Maemayki Jan Zawadzki
Bardziej szczegółowo25. RÓWNANIA RÓŻNICZKOWE PIERWSZEGO RZĘDU. y +y tgx=sinx
5. RÓWNANIA RÓŻNICZKOWE PIERWSZEGO RZĘDU 5.1. Pojęcia wstępne. Klasfikacja równań i rozwiązań Rozróżniam dwa zasadnicze tp równań różniczkowch: równania różniczkowe zwczajne i równania różniczkowe cząstkowe.
Bardziej szczegółowoEkonometria. wiczenia 4 Prognozowanie. Andrzej Torój. Instytut Ekonometrii Zakªad Ekonometrii Stosowanej
Ekonometria wiczenia 4 Prognozowanie (4) Ekonometria 1 / 18 Plan wicze«1 Prognoza punktowa i przedziaªowa 2 Ocena prognozy ex post 3 Stabilno± i sezonowo± Sezonowo± zadanie (4) Ekonometria 2 / 18 Plan
Bardziej szczegółowoVII. ZAGADNIENIA DYNAMIKI
Konderla P. Meoda Elemenów Skończonych, eoria i zasosowania 47 VII. ZAGADNIENIA DYNAMIKI. Równanie ruchu dla zagadnienia dynamicznego Q, (7.) gdzie M NxN macierz mas, C NxN macierz łumienia, K NxN macierz
Bardziej szczegółowoMetody prognozowania popytu w zarządzaniu logistycznym
Michał Miłek 1 Uniwerse Ekonomiczn w Kaowicach Meod prognozowania popu w zarządzaniu logiscznm Wsęp ał rozwó gospodarcze działalności człowieka spowodował, że meod prognozowania znaduą coraz szersze zasosowanie
Bardziej szczegółowoψ przedstawia zależność
Ruch falowy 4-4 Ruch falowy Ruch falowy polega na rozchodzeniu się zaburzenia (odkszałcenia) w ośrodku sprężysym Wielkość zaburzenia jes, podobnie jak w przypadku drgań, funkcją czasu () Zaburzenie rozchodzi
Bardziej szczegółowoPomiar bezpośredni przyrządem wskazówkowym elektromechanicznym
. Rodzaj poiaru.. Poiar bezpośredni (prost) W przpadku poiaru pojednczej wielkości przrząde wskalowan w jej jednostkach wartość niedokładności ± określa graniczn błąd przrządu analogowego lub cfrowego
Bardziej szczegółowoBADANIE EFEKTYWNOŚCI PROGNOZ ZMIENNYCH OPISUJĄCYCH WYBRANE ASPEKTY FUNKCJONOWANIA PORTU SZCZECIN-ŚWINOUJŚCIE
STUDIA I PRACE WYDZIAŁU NAUK EKONOMICZNYCH I ZARZĄDZANIA NR 36 Mariusz Doszń * Barłomiej Pachis ** Uniwerse Szczecińsi BADANIE EFEKTYWNOŚCI PROGNOZ ZMIENNYCH OPISUJĄCYCH WYBRANE ASPEKTY FUNKCJONOWANIA
Bardziej szczegółowoRozdział 8. Regresja. Definiowanie modelu
Rozdział 8 Regresja Definiowanie modelu Analizę korelacji można traktować jako wstęp do analizy regresji. Jeżeli wykresy rozrzutu oraz wartości współczynników korelacji wskazują na istniejąca współzmienność
Bardziej szczegółowoZbudowany i pozytywnie zweryfikowany jednorównaniowy model ekonometryczny. jest uŝyteczny do analizy zaleŝności między zmiennymi uwzględnionymi w
ROGNOZOWANIE EKONOMERYCZNE (REDYKCJA EKONOMERYCZNA) ZEAW V Zbudowan i pozwnie zwerfikowan jednorównaniow model ekonomerczn je uŝeczn do analiz zaleŝności międz zmiennmi uwzględnionmi w modelu w okreie,
Bardziej 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 szczegółowoEKONOMETRIA wykład 2. Prof. dr hab. Eugeniusz Gatnar.
EKONOMERIA wykład Prof. dr hab. Eugeniusz Ganar eganar@mail.wz.uw.edu.pl Przedziały ufności Dla paramerów srukuralnych modelu: P bˆ j S( bˆ z prawdopodobieńswem parameru b bˆ S( bˆ, ( m j j j, ( m j b
Bardziej szczegółowoESTYMACJA KRZYWEJ DOCHODOWOŚCI STÓP PROCENTOWYCH DLA POLSKI
METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH Tom XIII/3, 202, sr. 253 26 ESTYMACJA KRZYWEJ DOCHODOWOŚCI STÓP PROCENTOWYCH DLA POLSKI Adam Waszkowski Kaedra Ekonomiki Rolnicwa i Międzynarodowych Sosunków
Bardziej szczegółowo1. Szereg niesezonowy 1.1. Opis szeregu
kwaralnych z la 2000-217 z la 2010-2017.. Szereg sezonowy ma charaker danych model z klasy ARIMA/SARIMA i model eksrapolacyjny oraz d prognoz z ych modeli. 1. Szereg niesezonowy 1.1. Opis szeregu Analizowany
Bardziej szczegółowoĆWICZENIE 4 Badanie stanów nieustalonych w obwodach RL, RC i RLC przy wymuszeniu stałym
ĆWIZENIE 4 Badanie sanów nieusalonych w obwodach, i przy wymuszeniu sałym. el ćwiczenia Zapoznanie się z rozpływem prądów, rozkładem w sanach nieusalonych w obwodach szeregowych, i Zapoznanie się ze sposobami
Bardziej szczegółowoMetody Eulera i Eulera-Cauchy'ego rozwiązywania równań różniczkowych zwyczajnych. y 3 := x 2 (1) ( ) Rozwiązanie dokładne równania (1) (2)
euler-przkl_.xmcd Metod Eulera i Eulera-Cauch'ego rozwiązwania równań różniczkowch zwczajnch ' ( x, ) : x () + Rozwiązanie dokładne równania () ( x, C) : + C exp( atan( x) ) () Sprawdzenie: d dx ( x, C)
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka. Zajęcia 1-2
Stanisław Cichocki Natalia Nehreecka Zajęcia - . Model liniow Postać modelu liniowego Zapis macierzow modelu liniowego. Estmacja modelu Przkład Wartość teoretczna (dopasowana) Reszt 3. MNK - przpadek wielu
Bardziej szczegółowo( 3 ) Kondensator o pojemności C naładowany do różnicy potencjałów U posiada ładunek: q = C U. ( 4 ) Eliminując U z równania (3) i (4) otrzymamy: =
ROZŁADOWANIE KONDENSATORA I. el ćwiczenia: wyznaczenie zależności napięcia (i/lub prądu I ) rozładowania kondensaora w funkcji czasu : = (), wyznaczanie sałej czasowej τ =. II. Przyrządy: III. Lieraura:
Bardziej szczegółowoStanisław Cichocki Natalia Nehrebecka. Wykład 4
Sanisław Cichocki Naalia Nehrebecka Wykład 4 1 1. Badanie sacjonarności: o o o Tes Dickey-Fullera (DF) Rozszerzony es Dickey-Fullera (ADF) Tes KPSS 2. Modele o rozłożonych opóźnieniach (DL) 3. Modele auoregresyjne
Bardziej szczegółowoMetody Lagrange a i Hamiltona w Mechanice
Meody Lagrange a i Hamilona w Mechanice Mariusz Przybycień Wydział Fizyki i Informayki Sosowanej Akademia Górniczo-Hunicza Wykład 7 M. Przybycień (WFiIS AGH) Meody Lagrange a i Hamilona... Wykład 7 1 /
Bardziej szczegółowoMetody badania wpływu zmian kursu walutowego na wskaźnik inflacji
Agnieszka Przybylska-Mazur * Meody badania wpływu zmian kursu waluowego na wskaźnik inflacji Wsęp Do oceny łącznego efeku przenoszenia zmian czynników zewnęrznych, akich jak zmiany cen zewnęrznych (szoki
Bardziej szczegółowoKURS EKONOMETRIA. Lekcja 1 Wprowadzenie do modelowania ekonometrycznego ZADANIE DOMOWE. Strona 1
KURS EKONOMETRIA Lekcja 1 Wprowadzenie do modelowania ekonomerycznego ZADANIE DOMOWE www.erapez.pl Srona 1 Część 1: TEST Zaznacz poprawną odpowiedź (ylko jedna jes prawdziwa). Pyanie 1 Kóre z poniższych
Bardziej 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 szczegółowoPOMIAR PARAMETRÓW SYGNAŁOW NAPIĘCIOWYCH METODĄ PRÓKOWANIA I CYFROWEGO PRZETWARZANIA SYGNAŁU
Pomiar paramerów sygnałów napięciowych. POMIAR PARAMERÓW SYGNAŁOW NAPIĘCIOWYCH MEODĄ PRÓKOWANIA I CYFROWEGO PRZEWARZANIA SYGNAŁU Cel ćwiczenia Poznanie warunków prawidłowego wyznaczania elemenarnych paramerów
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 szczegółowoMATURA PRÓBNA 2 KLASA I LO
IMIE I NAZWISKO MATURA PRÓBNA KLASA I LO CZAS PRACY: 90 MIN. SUMA PUNKTÓW: 60 ZADANIE (5 PKT) Znajdź wszstkie funkcje liniowe określone na zbiorze ;, którch zbiorem wartości jest przedział ; 0. ZADANIE
Bardziej szczegółowoMatematyka ubezpieczeń majątkowych r. ma złożony rozkład Poissona. W tabeli poniżej podano rozkład prawdopodobieństwa ( )
Zadanie. Zmienna losowa: X = Y +... + Y N ma złożony rozkład Poissona. W abeli poniżej podano rozkład prawdopodobieńswa składnika sumy Y. W ejże abeli podano akże obliczone dla k = 0... 4 prawdopodobieńswa
Bardziej szczegółowoPodejmowanie decyzji w warunkach niepełnej informacji. Tadeusz Trzaskalik
Podejmowanie deczji w warunkach niepełnej informacji Tadeusz Trzaskalik 5.. Wprowadzenie Słowa kluczowe Niepełna informacja Stan natur Macierz wpłat Podejmowanie deczji w warunkach rzka Podejmowanie deczji
Bardziej szczegółowoFOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS
FOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS Folia Pomer. Univ. Technol. Sein., Oeconomica 2014, 313(76)3, 137 146 Maria Szmuksa-Zawadzka, Jan Zawadzki MODELE WYRÓWNYWANIA WYKŁADNICZEGO W PROGNOZOWANIU
Bardziej szczegółowoPolitechnika Częstochowska Wydział Inżynierii Mechanicznej i Informatyki. Sprawozdanie #2 z przedmiotu: Prognozowanie w systemach multimedialnych
Poliechnika Częsochowska Wydział Inżynierii Mechanicznej i Informayki Sprawozdanie #2 z przedmiou: Prognozowanie w sysemach mulimedialnych Andrzej Siwczyński Andrzej Rezler Informayka Rok V, Grupa IO II
Bardziej 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 szczegółowoSYMULACYJNA ANALIZA PRODUKCJI ENERGII ELEKTRYCZNEJ I CIEPŁA Z ODNAWIALNYCH NOŚNIKÓW W POLSCE
SYMULACYJNA ANALIZA PRODUKCJI ENERGII ELEKTRYCZNEJ I CIEPŁA Z ODNAWIALNYCH NOŚNIKÓW W POLSCE Janusz Sowiński, Rober Tomaszewski, Arur Wacharczyk Insyu Elekroenergeyki Poliechnika Częsochowska Aky prawne
Bardziej szczegółowoMES polega na wyznaczaniu interesujących nas parametrów w skończonej ilości punktów. A co leży pomiędzy tymi punktami?
MES- 07 Interpolacja, wprowadzenie Interpolacja: po co nam to? Ptania MES polega na wznaczaniu interesującch nas parametrów w skończonej ilości punktów. A co leż pomiędz tmi punktami? Na razie rozpatrwaliśm
Bardziej szczegółowoProjekt Era inżyniera pewna lokata na przyszłość jest współfinansowany przez Unię Europejską w ramach Europejskiego Funduszu Społecznego
Materiał ddaktczne na zajęcia wrównawcze z matematki dla studentów pierwszego roku kierunku zamawianego Inżnieria Środowiska w ramach projektu Era inżniera pewna lokata na przszłość Projekt Era inżniera
Bardziej szczegółowof x f y f, jest 4, mianowicie f = f xx f xy f yx
Zestaw 14 Pochodne wŝszch rzędów Niech będzie dana funkcja x f określona w pewnm obszarze D Przpuśćm Ŝe f x istnieją pochodne cząstkowe tej funkcji x x Pochodne cząstkowe tch pochodnch jeŝeli istnieją
Bardziej szczegółowo