Sylabus Formularz opisu przedmiotu (formularz sylabusa) dla studiów I i II stopnia 1 wypełnia koordynator przedmiotu
|
|
- Judyta Bednarczyk
- 5 lat temu
- Przeglądów:
Transkrypt
1 Sylabus Formularz opisu przedmiotu (formularz sylabusa) dla studiów I i II stopnia 1 wypełnia koordynator przedmiotu A. Informacje ogólne Nazwa pola Nazwa przedmiotu Treść Analiza Szeregów Czasowych Jednostka prowadząca Jednostka, dla której przedmiot jest oferowany Kod przedmiotu Kod ERASMUS Przyporządkowanie do grupy przedmiotów Cykl dydaktyczny, w którym przedmiot jest realizowany Skrócony opis przedmiotu ( max 1 tyś znaków) 2400-IiE3ASC Zajęcia konwersatoryjne będą podzielone na część wprowadzającą o charakterze teoretycznym, oraz część praktyczną. W ramach kursu uczestnicy zapoznają się z podstawowymi pojęciami i narzędziami wykorzystywanymi w analizie i prognozowaniu szeregów czasowych. Celem dalszej części zajęć będzie przekazanie studentom praktycznych umiejętności potrzebnych do samodzielnego przeprowadzenia badania ekonometrycznego: przygotowania danych czasowych, estymacji i weryfikacji modelu, przeprowadzenia testów diagnostycznych i wreszcie oszacowania prognoz. Pod okiem prowadzących studenci będą samodzielnie rozwiązywali problemy i przykładowe zadania. Zaliczenie będzie składało się z wykonania modelu oraz egzaminu pisemnego z części teoretycznej. Forma(y)/typ(y) zajęć Pełny opis przedmiotu (max 65 tyś. znaków) Zajęcia 1 Wprowadzenie, sprawy organizacyjne. 1. Definicja szeregu czasowego. Pawełek, Wanat i Zeliaś (2003/2013), rozdział 1 Zajęcia 2 2. Prognozy i miary precyzji prognoz. Operator opóźnień, operator różnicowy. Pawełek, Wanat i Zeliaś (2003/2013), rozdział 2 Enders (2014), rozdział Zgodny Zarządzeniem Nr 2 Rektora Uniwersytetu Warszawskiego z dnia 13 stycznia 2015 r. w sprawie zmiany zarządzenia nr 11 Rektora Uniwersytetu Warszawskiego z dnia 19 lutego 2010 r. w sprawie opisu przedmiotu w Uniwersyteckim Katalogu Przedmiotów zamieszczonym w Uniwersyteckim Systemie Obsługi Studiów (USOS) i zgodnym ze standardami Europejskiego Systemu Transferu i Akumulacji Punktów (ECTS) (Monitor UW 01/2015 poz. 6)
2 Zajęcia 3 3. Dekompozycja szeregów czasowych: klasyczne metody dekompozycji szeregu czasowego w formie addytywnej i multiplikatywnej na trend, wahania sezonowe, składnik cykliczny oraz składnik czysto stochastyczny; wprowadzenie do programów X-12, TRAMO-SEATS w programie Demetra lub Eviews. Gomez V. and A. Maravall (1997), Programs TRAMO and SEATS - Instructions for the User, Banco de Espana X-12 ARIMA Reference Manual (2011), U.S. Census Bureau Zajęcia 4 4. Metody ekstrapolacyjne: metody wyrównywania wykorzystujące średnie ruchome; metody wyrównywania wykładniczego. Pawełek, Wanat i Zeliaś (2003/2013), rozdział 4 Zajęcia 5 4. Metody ekstrapolacyjne cd: wygładzanie sezonowe szeregu czasowego; modele niesezonowe Holta i sezonowe Holta-Wintersa; Pawełek, Wanat i Zeliaś (2003/2013), rozdział 4 Zajęcia 6 modelowanie i prognozowanie: pojęcie trendu; proces stochastyczny, proces deterministyczny; silna i słaba stacjonarność szeregów czasowych; biały szum. Enders (2014), rozdział Zajęcia 7 proces autoregresyjny AR(p) i jego własności; proces średniej ruchomej MA(q) i jego własności; funkcje autokorelacji i cząstkowej autokorelacji (ACF, PACF), korelogramy, rozkłady wartości ACF i PACF, przedziały ufności dla ACF i PACF.
3 Enders (2014), rozdział 2.1, 2.2, 2.3 Zajęcia 8 błądzenie losowe (z dryfem/z trendem), szeregi zintegrowane, sprowadzanie szeregów do postaci stacjonarnej, różnicowanie szeregów; testowanie stacjonarności szeregów, testy pierwiastków jednostkowych część I: test DF. Enders (2014), rozdział Zajęcia 9 testowanie stacjonarności szeregów, testy pierwiastków jednostkowych część II: test ADF, test KPSS. Enders (2014), rozdział Kwiatkowski, D., P.C.B. Phillips, P. Schmidt, Y. Shin (1992): Testing the Null Hypothesis of Stationarity against the Alternative of a Unit Root, Journal of Econometrics, 54, pp Zajęcia 10 modele ARMA(p,q)/ modele dla szeregów zintegrowanych ARIMA(p,d,q); warunki stacjonarności; procedura Boxa-Jenkinsa, wyznaczanie rzędów modelu; kryteria informacyjne AIC, SBC (BIC). Enders (2014), rozdział 2.4, 2.5, 2.6. Zajęcia 11 diagnostyka modeli; testy Portmanteau: Boxa-Pierce a, Ljunga-Boxa, test Jarque-Berra; prognozowanie w modelach ARMA/ARIMA.
4 Enders (2014), rozdział Zajęcia 12 sezonowość stochastyczna, sezonowość deterministyczna; różnicowanie sezonowe; testowanie występowania sezonowości (test Dickey-Hasza- Fuller). Ghysels E., Osborn D.R., The econometric analysis of seasonal time series, Cambridge University Press, Cambridge 2001., rozdział 2, rozdział 3 Dickey, D. A., H. P. Hasza, and W. A. Fuller (1984), Testing for unit roots in seasonal time series, JASA, 79, H. P. Hasza, and W. A. Fuller (1982), Testing for nonstationary parameter specifications in seasonal time series models, The Annals of Statistics 1982, Vol.10, No. 4, Zajęcia 13 sezonowe modele SARIMA; prognozowanie w modelach sezonowych SARIMA. Enders (2014), rozdział 2.11 Zajęcia Wielorównaniowe modele szeregów czasowych: modelowanie zależności długookresowych; kointegracja definicja i testowanie. Enders (2014), rozdział Engle, R.F. and C.W. J. Granger (1987), Co-integration and Error Correction: Representation, Estimation, and Testing, Econometrica, 55, Zajęcia Wielorównaniowe modele szeregów czasowych cd: kointegracja estymacja wektora kointegrującego, modele korekty błędem ECM.
5 Enders (2014), rozdział Wymagania wstępne Efekty kształcenia Wymagania formalne Założenia wstępne Engle, R.F. and C.W. J. Granger (1987), Co-integration and Error Correction: Representation, Estimation, and Testing, Econometrica, 55, A) Wiedza Student ma wiedzę o podstawowych pojęciach i narzędziach wykorzystywanych w analizie i prognozowaniu szeregów czasowych. 1. Student zna i rozumie pojęcia procesu stochastycznego i deterministycznego oraz szeregu czasowego. 2. Student zna i rozumie metody dekompozycji szeregu czasowego. 3. Student zna metody wygładzania z wykorzystaniem średnich ruchomych i wygładzania wykładniczego. 4. Student zna i rozumie potrzeby wygładzania sezonowego szeregów czasowych. 5. Student zna i rozumie pojęcie sezonowości. 6. Student zna w zakresie podstawowym programy ARIMA X-12 i TRAMO/SEATS. 7. Student zna pojęcia silnej i słabej stacjonarności. 8. Student zna i rozumie podstawowe procesy stochastyczne: autoregresyjny (AR), średniej ruchomej (MA) oraz modele ARIMA. 9. Student zna i rozumie pojęcie integracji szeregu czasowego. 10. Student zna i rozumie pojęcie kointegracji oraz mechanizmu korekty błędem (ECM). B) Umiejętności Student ma umiejętność samodzielnego przeprowadzenia badania ekonometrycznego: przygotowania danych czasowych, estymacji i weryfikacji modelu, przeprowadzenia testów diagnostycznych i oszacowania prognoz. 1. Student potrafi dekomponować szeregi czasowe na elementarne składniki. 2. Student posiada umiejętność generowania prognoz dla szeregów czasowych oraz potrafi ocenić ich jakość. 3. Student potrafi przeprowadzić testy stacjonarności szeregu czasowego i zinterpretować ich wyniki. 4. Student posiada umiejętność interpretacji przebiegu funkcji
6 autokorelacji (ACF) i cząstkowej autokorelacji (PACF) 5. Student potrafi wykorzystując formalne testy statystyczne ocenić rząd integracji szeregu czasowego. 6. Student ma umiejętność oszacowania parametrów modelu klasy ARIMA oraz uzyskać prognozy z tego modelu. 7. Student potrafi oszacować parametry modelu z kointegracją i stwierdzić czy zachodząca kointegracja ma uzasadnienie ekonomiczne. C) Kompetencje społeczne Student ma świadomość konieczności weryfikacji teorii ekonomicznych za pomocą danych empirycznych przy wykorzystaniu testów statystycznych. Student ma świadomość nieustannego powiększania się zbioru możliwych do wykorzystania metod weryfikacji hipotez. 1. Student ma świadomość, że teorie ekonomiczne są kontrowersyjne i że konieczne jest konfrontowanie ich z danymi empirycznymi wykorzystując wymienione powyżej narzędzia. 2. Student potrafi na podstawie dostępnych lub zebranych przez siebie danych empirycznych, przeanalizować podstawowe zjawiska ekonomiczne oraz zweryfikować wiążące się z nimi hipotezy. Umie wyciągnąć z nich wnioski dotyczące ważnych zagadnień społecznych i ekonomicznych, prognozować zachowanie tych zjawisk. 3. Student ma świadomość, że analiza szeregów czasowych ma szerokie zastosowanie w ekonomii. Punkty ECTS Metody i kryteria oceniania - limit nieobecności wynosi 3 - wykonanie pracy empirycznej polegającej na analizie rzeczywistych danych o charakterze szeregów czasowych (50%), - zaliczenie egzaminu w formie pisemnej (50%), - dodatkowym warunkiem jest uzyskanie co najmniej 50% punktów z pracy empirycznej i co najmniej 50% punktów z egzaminu teoretycznego. Sposób zaliczenia Rodzaj przedmiotu Sposób realizacji przedmiotu Pracę empiryczną należy oddać w I terminie: a) wersję elektroniczną do godz.23:59 dnia poprzedzającego dzień ostatnich zajęć z przedmiotu oraz b) wersję papierową na ostatnich zajęciach. Pracę empiryczną należy oddać w II terminie: a) wersję elektroniczną i wersję papierową do pierwszego dnia sesji poprawkowej. Niedotrzymanie powyższych terminów skutkuje brakiem możliwości zaliczenia przedmiotu. Wszystkie zajęcia odbywają się w pracowni komputerowej.
7 Język wykładowy Literatura polski Podręczniki: Enders W. (2014), Applied Econometric Time Series, Wiley. Ghysels E., Osborn D.R. (2001), The econometric analysis of seasonal time series, Cambridge University Press. Gomez V. and A. Maravall (1997), Programs TRAMO and SEATS - Instructions for the User, Banco de Espana. X-12 ARIMA Reference Manual (2011), U.S. Census Bureau. Pawełek B., Wanat S., Zeliaś A. (2003/2013), Prognozowanie ekonomiczne Teoria, przykłady, zadania, PWN. Artykuły: Dickey, D. A., H. P. Hasza, and W. A. Fuller (1984), Testing for unit roots in seasonal time series, JASA, 79, Engle, R.F. and C.W. J. Granger (1987), Co-integration and Error Correction: Representation, Estimation, and Testing, Econometrica, 55, H. P. Hasza, and W. A. Fuller (1982), Testing for nonstationary parameter specifications in seasonal time series models, The Annals of Statistics 1982, Vol.10, No. 4, Praktyki zawodowe w ramach przedmiotu Imię i nazwisko koordynatora przedmiotu Prowadzący zajęcia Uwagi Kwiatkowski, D., P.C.B. Phillips, P. Schmidt, Y. Shin (1992): Testing the Null Hypothesis of Stationarity against the Alternative of a Unit Root, Journal of Econometrics, 54, pp
CZĘŚĆ A. Literatura: Gomez V., Maravall A. (1996), Programs Tramo and Seats. Instructions for the User, Banco de Espana, Working Paper nr
CZĘŚĆ A ANALIZA SZEREGÓW CZASOWYCH ( max 200 znaków) Stanisław Cichocki, Natalia Nehrebecka, Paweł Strawiński Prowadzący zajęcia dr Stanisław Cichocki, dr Natalia Nehrebecka, dr Paweł Stawiński 30 godz.
Bardziej szczegółowoUNIWERSYTETU WARSZAWSKIEGO
M O N I T O R UNIWERSYTETU WARSZAWSKIEGO Poz. 6 ZARZĄDZENIE NR 2 REKTORA UNIWERSYTETU WARSZAWSKIEGO z dnia 13 stycznia 2015 r. w sprawie zmiany zarządzenia nr 11 Rektora Uniwersytetu Warszawskiego z dnia
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 szczegółowoWYMAGANIA WSTĘPNE W ZAKRESIE WIEDZY, UMIEJĘTNOŚCI I INNYCH KOMPETENCJI
1 Zał. nr 4 do ZW WYDZIAŁ PODSTAWOWYCH PROBLEMÓW TECHNIKI KARTA PRZEDMIOTU Nazwa w języku polskim ANALIZA SZEREGÓW CZASOWYCH Nazwa w języku angielskim ANALYSIS OF TIME SERIES Kierunek studiów (jeśli dotyczy):
Bardziej szczegółowoWYMAGANIA WSTĘPNE W ZAKRESIE WIEDZY, UMIEJĘTNOŚCI I INNYCH KOMPETENCJI
1 WYDZIAŁ MATEMATYKI KARTA PRZEDMIOTU Nazwa w języku polskim ANALIZA SZEREGÓW CZASOWYCH Nazwa w języku angielskim ANALYSIS OF TIME SERIES Kierunek studiów (jeśli dotyczy): Matematyka Specjalność (jeśli
Bardziej szczegółowoEkonometria. Modelowanie szeregów czasowych. Stacjonarność. Testy pierwiastka jednostkowego. Modele ARDL. Kointegracja. Jakub Mućk
Ekonometria Modelowanie szeregów czasowych. Stacjonarność. Testy pierwiastka jednostkowego. Modele ARDL. Jakub Mućk Katedra Ekonomii Ilościowej Jakub Mućk Ekonometria Ćwiczenia 5 & 6 Szaeregi czasowe 1
Bardziej szczegółowoAnaliza szeregów czasowych bezrobocia i inflacji w Danii
Uniwersytet Warszawski Wydział Nauk Ekonomicznych Mateusz Błażej Nr albumu: 308521 Analiza szeregów czasowych bezrobocia i inflacji w Danii Projekt zaliczeniowy z przedmiotu: Analiza Szeregów Czasowych
Bardziej szczegółowo1.1 Opis danych Dekompozycja szeregu ARIMA Prognoza Podsumowanie Opis danych...
1 Szereg niesezonowy... 3 1.1 Opis danych... 3 1.2 Dekompozycja szeregu... 3 1.3... 3 1.4 ARIMA... 10 1.5 Prognoza... 12 1.6 Podsumowanie... 15 2 Szereg sezonowy... 15 2.1 Opis danych... 15 2.2 Dekompozycja
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 szczegółowoI. Szereg niesezonowy
Spis I. Szereg niesezonowy 1.1. Opis danych 1.2. Dekompozycja szeregu w programie Demetra 1.3. Analiza szeregu w STATA 1.4. Model ekstrapolacyjny 1.5. Model ARIMA 1.6. P II Szereg sezonowy 2.1. Opis danych
Bardziej szczegółowoPlan wykładu: 1) Pojęcie stacjonarności i niestacjonarności zmiennych 2) Testowanie integracji 3) Pojęcie kointegracji metoda Engle a-grangera.
1 Plan wykładu: 1) Pojęcie stacjonarności i niestacjonarności zmiennych 2) Testowanie integracji 3) Pojęcie kointegracji metoda Engle a-grangera. Pojęcie stacjonarności i niestacjonarności zmiennych Szereg
Bardziej szczegółowoWprowadzenie Model ARMA Sezonowość Prognozowanie Model regresji z błędami ARMA. Modele ARMA
Ważną klasę modeli dynamicznych stanowią modele ARMA(p, q) Ważną klasę modeli dynamicznych stanowią modele ARMA(p, q) Modele tej klasy są modelami ateoretycznymi Ważną klasę modeli dynamicznych stanowią
Bardziej szczegółowoAnaliza Szeregów Czasowych. Egzamin
Analiza Szeregów Czasowych Egzamin 12-06-2018 Zadanie 1: Zadanie 2: Zadanie 3: Zadanie 4: / 12 pkt. / 12 pkt. / 12 pkt. / 14 pkt. Projekt zaliczeniowy: Razem: / 100 pkt. / 50 pkt. Regulamin egzaminu 1.
Bardziej szczegółowoStacjonarność Integracja. Integracja. Integracja
Biały szum AR(1) Słaba stacjonarność Szereg czasowy nazywamy słabo (wariancyjnie) stacjonarnym jeżeli: Biały szum AR(1) Słaba stacjonarność Szereg czasowy nazywamy słabo (wariancyjnie) stacjonarnym jeżeli:
Bardziej szczegółowo1. Stacjonarnośd i niestacjonarnośd szeregów czasowych 2. Test ADF i test KPSS 3. Budowa modeli ARMA dla zmiennych niestacjonarnych 4.
1. Stacjonarnośd i niestacjonarnośd szeregów czasowych 2. Test ADF i test KPSS 3. Budowa modeli ARMA dla zmiennych niestacjonarnych 4. Prognozowanie stóp zwrotu na podstawie modeli ARMA 5. Relacje kointegrujące
Bardziej szczegółowoPodczas zajęć będziemy zajmować się głownie procesami ergodycznymi zdefiniowanymi na przestrzeniach ciągłych.
Trochę teorii W celu przeprowadzenia rygorystycznej ekonometrycznej analizy szeregu finansowego będziemy traktowali obserwowany ciąg danych (x 1, x 2,..., x T ) jako realizację pewnego procesu stochastycznego.
Bardziej szczegółowoTadeusz Kufel Uniwersytet Mikołaja Kopernika w Toruniu. Narzędzia ekonometrii dynamicznej w oprogramowaniu GRETL
DYNAMICZNE MODELE EKONOMETRYCZNE IX Ogólnopolskie Seminarium Naukowe, 6 8 września 2005 w Toruniu Katedra Ekonometrii i Statystyki, Uniwersytet Mikołaja Kopernika w Toruniu Uniwersytet Mikołaja Kopernika
Bardziej szczegółowoPrzyczynowość Kointegracja. Kointegracja. Kointegracja
korelacja a związek o charakterze przyczynowo-skutkowym korelacja a związek o charakterze przyczynowo-skutkowym Przyczynowość w sensie Grangera Zmienna x jest przyczyną w sensie Grangera zmiennej y jeżeli
Bardziej szczegółowoNazwa przedmiotu: Informatyczne systemy statystycznej obróbki danych. Informatics systems for the statistical treatment of data Kierunek:
Nazwa przedmiotu: Informatyczne systemy statystycznej obróbki danych I KARTA PRZEDMIOTU CEL PRZEDMIOTU Informatics systems for the statistical treatment of data Kierunek: Forma studiów Informatyka Stacjonarne
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 szczegółowoEkonometria. Modelowanie szeregów czasowych. Stacjonarność. Testy pierwiastka jednostkowego. Modele ARDL. Kointegracja. Jakub Mućk
Ekonometria Modelowanie szeregów czasowych. Stacjonarność. Testy pierwiastka jednostkowego. Modele ARDL. Kointegracja Jakub Mućk Katedra Ekonomii Ilościowej Jakub Mućk Ekonometria Wykład 5 & 6 Szaeregi
Bardziej szczegółowoMODELE AUTOREGRESYJNE W PROGNOZOWANIU CEN ZBÓŻ W POLSCE
METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH Tom XI/2, 2010, str. 254 263 MODELE AUTOREGRESYJNE W PROGNOZOWANIU CEN ZBÓŻ W POLSCE Agnieszka Tłuczak Zakład Ekonometrii i Metod Ilościowych, Wydział Ekonomiczny
Bardziej szczegółowoTest HEGY dla wybranych zmiennych makroekonomicznych gospodarki Polski w latach
89 Zeszyty Naukowe Wyższej Szkoły Bankowej we Wrocławiu Nr 20/2011 Wyższa Szkoła Bankowa w Gdańsku Test HEGY dla wybranych zmiennych makroekonomicznych gospodarki Polski w latach 1996-2009 Streszczenie.
Bardziej szczegółowoEkonometria Wykład 5. Procesy stochastyczne, stacjonarność, integracja. Dr Michał Gradzewicz Katedra Ekonomii I KAE
Ekonometria Wykład 5. Procesy stochastyczne, stacjonarność, integracja Dr Michał Gradzewicz Katedra Ekonomii I KAE Ekonometria szeregów czasowych Procesy stochastyczne Stacjonarność i biały szum Niestacjonarność:
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 szczegółowoBIOSTATYSTYKA. Liczba godzin. Zakład Statystyki i Informatyki Medycznej
Kierunek Profil kształcenia Nazwa jednostki realizującej moduł/przedmiot: Kontakt (tel./email): Osoba odpowiedzialna za przedmiot: Osoba(y) prowadząca(e) Przedmioty wprowadzające wraz z wymaganiami wstępnymi
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka. Zajęcia 15-16
Stanisław Cichocki Natalia Nehrebecka Zajęcia 15-16 1 1. Sezonowość 2. Zmienne stacjonarne 3. Zmienne zintegrowane 4. Test Dickey-Fullera 5. Rozszerzony test Dickey-Fullera 6. Test KPSS 7. Regresja pozorna
Bardziej szczegółowoKARTA PRZEDMIOTU / SYLABUS
Kierunek Profil kształcenia Nazwa jednostki realizującej moduł/przedmiot: Kontakt (tel./email): Osoba odpowiedzialna za przedmiot: Osoba(y) prowadząca(e) Przedmioty wprowadzające wraz z wymaganiami wstępnymi
Bardziej szczegółowoKARTA PRZEDMIOTU / SYLABUS
Kierunek Profil kształcenia Nazwa jednostki realizującej moduł/przedmiot: Kontakt (tel./email): Osoba odpowiedzialna za przedmiot: Osoba(y) prowadząca(e) Przedmioty wprowadzające wraz z wymaganiami wstępnymi
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 szczegółowoPROGNOZA WYSTĄPIENIA WSTRZĄSU ZA POMOCĄ SZEREGÓW CZASOWYCH. 1. Wprowadzenie. Zdzisław Iwulski* Górnictwo i Geoinżynieria Rok 31 Zeszyt 3/1 2007
Górnictwo i Geoinżynieria Rok 31 Zeszyt 3/1 2007 Zdzisław Iwulski* PROGNOZA WYSTĄPIENIA WSTRZĄSU ZA POMOCĄ SZEREGÓW CZASOWYCH 1. Wprowadzenie Z szeregami czasowymi spotykamy się w inżynierii, geologii,
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 szczegółowoMateriał dla studentów Wprowadzenie do modeli ARMA/ARIMA (na przykładzie zwrotów z instrumentów finansowych)
Materiał dla studentów Wprowadzenie do modeli ARMA/ARIMA (na przykładzie zwrotów z instrumentów finansowych) (studium przypadku) Nazwa przedmiotu: ekonometria finansowa I (22204), analiza szeregów czasowych
Bardziej szczegółowoUczelnia Łazarskiego. Sylabus. 1. Nazwa przedmiotu EKONOMETRIA 2. Kod przedmiotu
Uczelnia Łazarskiego Sylabus 1. Nazwa przedmiotu EKONOMETRIA 2. Kod przedmiotu 3. Język wykładowy Język polski 4. Status przedmiotu podstawowy do wyboru Języki X kierunkowy specjalistyczny Inne 5. Cel
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 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 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 szczegółowoKARTA PRZEDMIOTU / SYLABUS
KARTA PRZEDMIOTU / SYLABUS Wydział Nauk o Zdrowiu Załącznik nr 5b do Uchwały senatu UMB nr 61/2016 z dnia 30.05.2016 Kierunek Profil kształcenia Nazwa jednostki realizującej moduł/przedmiot: Kontakt (tel./email):
Bardziej szczegółowo4. Średnia i autoregresja zmiennej prognozowanej
4. Średnia i autoregresja zmiennej prognozowanej 1. Średnia w próbie uczącej Własności: y = y = 1 N y = y t = 1, 2, T s = s = 1 N 1 y y R = 0 v = s 1 +, 2. Przykład. Miesięczna sprzedaż żelazek (szt.)
Bardziej szczegółowoBarbara Batóg* Uniwersytet Szczeciński
Studia i Prace WNEiZ US nr 45/2 2016 DOI:10.18276/sip.2016.45/2-11 Barbara Batóg* Uniwersytet Szczeciński Badanie kointegracji wybranych zmiennych ekonomiczno- -finansowych w województwie zachodniopomorskim
Bardziej szczegółowoSylabus krok po kroku
Sylabus krok po kroku Praktyczne informacje dotyczące wypełniania formularza opisu przedmiotu wprowadzonego Zarządzeniem nr 11 Rektora UW z dnia 19 lutego 2010 r. Część I Komentarze odnośnie do części
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 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 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 szczegółowo12. Przynależność do grupy przedmiotów: Blok przedmiotów matematycznych
(pieczęć wydziału) KARTA PRZEDMIOTU Z1-PU7 WYDANIE N1 Strona 1 z 5 1. Nazwa przedmiotu: Rachunek prawdopodobieństwa i statystyka matematyczna 2. Kod przedmiotu: RPiS 3. Karta przedmiotu ważna od roku akademickiego:
Bardziej szczegółowoXI Konferencja Metody Ilościowe w Badaniach Ekonomicznych
Rafał M. Łochowski Szkoła Główna Handlowa w Warszawie O górnym ograniczeniu zysku ze strategii handlowej opartej na kointegracji XI Konferencja Metody Ilościowe w Badaniach Ekonomicznych Zależność kointegracyjna
Bardziej szczegółowoZ-LOGN Ekonometria Econometrics. Przedmiot wspólny dla kierunku Obowiązkowy polski Semestr IV
bbbbkarta MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Z-LOGN1-0184 Ekonometria Econometrics Obowiązuje od roku akademickiego 2012/2013 A. USYTUOWANIE MODUŁU W SYSTEMIE
Bardziej szczegółowoNOWY PROGRAM STUDIÓW 2016/2017 SYLABUS PRZEDMIOTU AUTORSKIEGO: Wprowadzenie do teorii ekonometrii. Część A
NOWY PROGRAM STUDIÓW 2016/2017 SYLABUS PRZEDMIOTU AUTORSKIEGO: Autor: 1. Dobromił Serwa 2. Tytuł przedmiotu Sygnatura (będzie nadana, po akceptacji przez Senacką Komisję Programową) Wprowadzenie do teorii
Bardziej szczegółowoEkonometria i prognozowanie Econometrics and prediction
KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 2013/2014 Ekonometria i prognozowanie Econometrics and prediction A. USYTUOWANIE
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 szczegółowoWYDZIAŁ BUDOWNICTWA LĄDOWEGO I WODNEGO
Zał. nr 4 do ZW WYDZIAŁ BUDOWNICTWA LĄDOWEGO I WODNEGO KARTA PRZEDMIOTU Nazwa w języku polskim STATYSTYKA STOSOWANA Nazwa w języku angielskim APPLIED STATISTICS Kierunek studiów (jeśli dotyczy): Specjalność
Bardziej szczegółowoKARTA PRZEDMIOTU / SYLABUS
Załącznik nr 5b do Uchwały nr 21/2013 Senatu KARTA PRZEDMIOTU / SYLABUS Wydział Nauk o Zdrowiu Kierunek Profil kształcenia Nazwa jednostki realizującej moduł/przedmiot: Kontakt (tel./email): Osoba odpowiedzialna
Bardziej szczegółowoWYMAGANIA WSTĘPNE W ZAKRESIE WIEDZY, UMIEJĘTNOŚCI I INNYCH KOMPETENCJI
WYDZIAŁ GEOINŻYNIERII, GÓRNICTWA I GEOLOGII KARTA PRZEDMIOTU Nazwa w języku polskim: Statystyka matematyczna Nazwa w języku angielskim: Mathematical Statistics Kierunek studiów (jeśli dotyczy): Górnictwo
Bardziej szczegółowoSzeregi czasowe, analiza zależności krótkoi długozasięgowych
Szeregi czasowe, analiza zależności krótkoi długozasięgowych Rafał Weron rweron@im.pwr.wroc.pl Definicje Mając dany proces {X t } autokowariancję definiujemy jako : γ(t, t ) = cov(x t, X t ) = = E[(X t
Bardziej szczegółowoPRZEWODNIK PO PRZEDMIOCIE
Nazwa przedmiotu: Kierunek: Informatyka Rodzaj przedmiotu: przedmiot obowiązkowy w ramach treści kierunkowych, moduł kierunkowy ogólny Rodzaj zajęć: wykład, ćwiczenia I KARTA PRZEDMIOTU CEL PRZEDMIOTU
Bardziej szczegółowoMetody statystyczne w socjologii SYLABUS A. Informacje ogólne Opis
Elementy składowe sylabusu Nazwa jednostki prowadzącej kierunek Nazwa kierunku studiów Poziom kształcenia Profil studiów Forma studiów Kod przedmiotu Język przedmiotu Rodzaj przedmiotu Dziedzina i dyscyplina
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA
Zał. nr 4 do ZW WYDZIAŁ ELEKTRONIKI KARTA PRZEDMIOTU Nazwa w języku polskim STATYSTYKA MATEMATYCZNA Nazwa w języku angielskim Mathematical Statistics Kierunek studiów (jeśli dotyczy): Specjalność (jeśli
Bardziej szczegółowoCo trzeba wiedzieć korzystając z modelu ARIMA i które parametry są kluczowe?
Prognozowanie Co trzeba wiedzieć korzystając z modelu ARIMA Marta Płonka Predictive Solutions W trzecim już artykule dotyczącym szeregów czasowych przyjrzymy się modelom ARIMA. Dzisiaj skupimy się na metodzie
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 szczegółowoEKONOMETRIA I SYLABUS
Załącznik nr 5 do Uchwały nr 1202 Senatu UwB z dnia 29 lutego 2012 r. EKONOMETRIA I SYLABUS A. Informacje ogólne Elementy składowe sylabusu Nazwa jednostki prowadzącej kierunek Nazwa kierunku studiów Poziom
Bardziej szczegółowo7.4 Automatyczne stawianie prognoz
szeregów czasowych za pomocą pakietu SPSS Następnie korzystamy z menu DANE WYBIERZ OBSERWACJE i wybieramy opcję WSZYSTKIE OBSERWACJE (wówczas wszystkie obserwacje są aktywne). Wreszcie wybieramy z menu
Bardziej szczegółowoSTATYSTYKA Statistics. Inżynieria Środowiska. II stopień ogólnoakademicki
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 2012/13 STATYSTYKA
Bardziej szczegółowoWSHiG Karta przedmiotu/sylabus. Podstawy statystyki. Studia niestacjonarne - 8. Podstawy statystyki
WSHiG Karta przedmiotu/sylabus KIERUNEK SPECJALNOŚĆ TRYB STUDIÓW SEMESTR Turystyka i Rekreacja wszystkie specjalności Stacjonarny / niestacjonarny IV / I stopnia Nazwa przedmiotu Podstawy statystyki Wymiar
Bardziej szczegółowoKARTA PRZEDMIOTU / SYLABUS
Kierunek Profil kształcenia Nazwa jednostki realizującej moduł/przedmiot: Kontakt (tel./email): Osoba odpowiedzialna za przedmiot: Osoba(y) prowadząca(e) Przedmioty wprowadzające wraz z wymaganiami wstępnymi
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 szczegółowoSylabus do programu kształcenia obowiązującego od roku akademickiego 2014/15
Sylabus do programu kształcenia obowiązującego od roku akademickiego 0/5 () Nazwa Rachunek prawdopodobieństwa i statystyka () Nazwa jednostki prowadzącej Wydział Matematyczno - Przyrodniczy przedmiot ()
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 szczegółowoWYKŁAD: Szeregi czasowe I. Zaawansowane Metody Uczenia Maszynowego
WYKŁAD: Szeregi czasowe I Zaawansowane Metody Uczenia Maszynowego Szereg czasowy (X t ) - ciąg zmiennych losowych indeksowany parametrem t (czas). Z reguły t N lub t Z. Dotąd rozpatrywaliśmy: (X t )- ciąg
Bardziej szczegółowoKARTA PRZEDMIOTU / SYLABUS Wydział Nauk o Zdrowiu PIELĘGNIARSTWO ogólnoakademicki x praktyczny inny jaki. Zakład Statystyki i Informatyki Medycznej
Załącznik nr 5b do Uchwały senatu UMB nr 61/2016 z dnia 30.05.2016 Kierunek Profil kształcenia Nazwa jednostki realizującej moduł/przedmiot: Kontakt (tel./email): Osoba odpowiedzialna za przedmiot: Osoba(y)
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 szczegółowoprzedmiot podstawowy obowiązkowy polski drugi
KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 07/08 IN--008 STATYSTYKA W INŻYNIERII ŚRODOWISKA Statistics in environmental engineering
Bardziej szczegółowoPRZEWODNIK PO PRZEDMIOCIE. Statystyka opisowa. Zarządzanie. niestacjonarne. I stopnia. dr Agnieszka Strzelecka. ogólnoakademicki.
Politechnika Częstochowska, Wydział Zarządzania PRZEWODNIK PO PRZEDMIOCIE Nazwa przedmiotu Kierunek Forma studiów Poziom kwalifikacji Rok Semestr Jednostka prowadząca Osoba sporządzająca Profil Rodzaj
Bardziej szczegółowoWprowadzenie do szeregów czasowych i modelu ARIMA
Wprowadzenie do szeregów czasowych i modelu ARIMA 25.02.2011 Plan 1 Pojęcie szeregu czasowego 2 Stacjonarne szeregi czasowe 3 Model autoregresyjny - AR 4 Model średniej ruchomej - MA 5 Model ARMA 6 ARIMA
Bardziej szczegółowoKARTA PRZEDMIOTU / SYLABUS Wydział Nauk o Zdrowiu Zdrowie Publiczne ogólnoakademicki praktyczny inny jaki. Zakład Statystyki i Informatyki Medycznej
Kierunek Profil kształcenia Nazwa jednostki realizującej moduł/przedmiot: Kontakt (tel./email): Osoba odpowiedzialna za przedmiot: Osoba(y) prowadząca(e) Przedmioty wprowadzające wraz z wymaganiami wstępnymi
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 szczegółowoKARTA PRZEDMIOTU / SYLABUS Nauk o Zdrowiu Dietetyka x ogólnoakademicki praktyczny inny jaki. Zakład Statystyki i Informatyki Medycznej
Kierunek Profil kształcenia Nazwa jednostki realizującej moduł/przedmiot: Kontakt (tel./email): Osoba odpowiedzialna za przedmiot: Osoba(y) prowadząca(e) Przedmioty wprowadzające wraz z wymaganiami wstępnymi
Bardziej szczegółowowprowadzenie do analizy szeregów czasowych
19 stycznia 2016 Wprowadzenie Prezentacja danych Dekompozycja Preprocessing Model predykcji ARIMA Dobór parametrów modelu ARIMA Podsumowanie Definicje i przykłady Definicje Szeregiem czasowym nazywamy
Bardziej szczegółowoOpis programu studiów
IV. Opis programu studiów Załącznik nr 9 do Zarządzenia Rektora nr 35/19 z dnia 1 czerwca 019 r. 3. KARTA PRZEDMIOTU Kod przedmiotu I-IŚ-103 Nazwa przedmiotu Statystyka w inżynierii środowiska Nazwa przedmiotu
Bardziej szczegółowo12. Przynależność do grupy przedmiotów: Blok przedmiotów matematycznych
(pieczęć wydziału) KARTA PRZEDMIOTU Z1-PU7 WYDANIE N1 Strona 1 z 5 1. Nazwa przedmiotu: Rachunek prawdopodobieństwa i statystyka matematyczna 2. Kod przedmiotu: RPiS 3. Karta przedmiotu ważna od roku akademickiego:
Bardziej szczegółowoWYDZIAŁ PODSTAWOWYCH PROBLEMÓW TECHNIKI KARTA PRZEDMIOTU
WYDZIAŁ PODSTAWOWYCH PROBLEMÓW TECHNIKI KARTA PRZEDMIOTU Nazwa w języku polskim: STATYSTYKA W MODELACH NIEZAWODNOŚCI I ANALIZIE PRZEŻYCIA Nazwa w języku angielskim: STATISTICS IN RELIABILITY MODELS AND
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 STOSOWANA PRZYKŁADOWE ZADANIA EGZAMINACYJNE
EKONOMETRIA STOSOWANA PRZYKŁADOWE ZADANIA EGZAMINACYJNE ZADANIE 1 Oszacowano zależność między luką popytowa a stopą inflacji dla gospodarki niemieckiej. Wyniki estymacji są następujące: Estymacja KMNK,
Bardziej szczegółowoKARTA PRZEDMIOTU / SYLABUS. Zakład Statystyki i Informatyki Medycznej. tel./fax (85) dr Robert Milewski
Załącznik nr 5b do Uchwały nr 21/2013 Senatu KARTA PRZEDMIOTU / SYLABUS Wydział Nauk o Zdrowiu Kierunek Profil kształcenia Nazwa jednostki realizującej moduł/przedmiot: Kontakt (tel./email): Osoba odpowiedzialna
Bardziej szczegółowoKARTA PRZEDMIOTU / SYLABUS
KARTA PRZEDMIOTU / SYLABUS Wydział Nauk o Zdrowiu Załącznik nr 5b do Uchwały senatu UMB nr 61/2016 z dnia 30.05.2016 Kierunek Profil kształcenia Nazwa jednostki realizującej moduł/przedmiot: Kontakt (tel./email):
Bardziej szczegółowoMakroekonomia - opis przedmiotu
Makroekonomia - opis przedmiotu Informacje ogólne Nazwa przedmiotu Makroekonomia Kod przedmiotu 14.3-WK-MATP-Ma-W-S14_pNadGen6IRKR Wydział Kierunek Wydział Matematyki, Informatyki i Ekonometrii Matematyka
Bardziej szczegółowoKARTA PRZEDMIOTU / SYLABUS
KARTA PRZEDMIOTU / SYLABUS Wydział Nauk o Zdrowiu Załącznik nr 5b do Uchwały senatu UMB nr 61/2016 z dnia 30.05.2016 Kierunek Profil kształcenia Nazwa jednostki realizującej moduł/przedmiot: Kontakt (tel./email):
Bardziej szczegółowo1 Modele ADL - interpretacja współczynników
1 Modele ADL - interpretacja współczynników ZADANIE 1.1 Dany jest proces DL następującej postaci: y t = µ + β 0 x t + β 1 x t 1 + ε t. 1. Wyjaśnić, jaka jest intepretacja współczynników β 0 i β 1. 2. Pokazać
Bardziej szczegółowoKARTA MODUŁU KSZTAŁCENIA
KARTA MODUŁU KSZTAŁCENIA I. 1 Nazwa modułu kształcenia I. Informacje ogólne Analiza matematyczna 2 Nazwa jednostki prowadzącej moduł Instytut Informatyki, Zakład Informatyki Stosowanej 3 Kod modułu (wypełnia
Bardziej szczegółowoKierunkowy Obowiązkowy Polski Semestr VI
KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 2015/2016 Z-ID-603 Prognozowanie i symulacje w przedsiębiorstwie Forecasting and
Bardziej szczegółowoKARTA MODUŁU KSZTAŁCENIA
I. 1 Nazwa modułu kształcenia STATYSTYKA MATEMATYCZNA KARTA MODUŁU KSZTAŁCENIA Informacje ogólne 2 Nazwa jednostki prowadzącej moduł Państwowa Szkoła Wyższa im. Papieża Jana Pawła II,Katedra Nauk Technicznych,
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 szczegółowoKARTA PRZEDMIOTU. 1. NAZWA PRZEDMIOTU: Statystyka matematyczna (STA230) 2. KIERUNEK: MATEMATYKA. 3. POZIOM STUDIÓW: I stopnia
KARTA PRZEDMIOTU 1. NAZWA PRZEDMIOTU: Statystyka matematyczna (STA230) 2. KIERUNEK: MATEMATYKA 3. POZIOM STUDIÓW: I stopnia 4. ROK/ SEMESTR STUDIÓW: III/5 5. LICZBA PUNKTÓW ECTS: 6 6. LICZBA GODZIN: 30
Bardziej szczegółowoKARTA PRZEDMIOTU / SYLABUS Wydział Nauk o Zdrowiu ELEKTROLADIOLOGIA ogólnoakademicki praktyczny inny jaki. Zakład Statystyki i Informatyki Medycznej
Kierunek Profil kształcenia Nazwa jednostki realizującej moduł/przedmiot: Kontakt (tel./email): Osoba odpowiedzialna za przedmiot: Osoba(y) prowadząca(e) Przedmioty wprowadzające wraz z wymaganiami wstępnymi
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 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 szczegółowoData wydruku: Dla rocznika: 2015/2016. Opis przedmiotu
Sylabus przedmiotu: Specjalność: Statystyka Wszystkie specjalności Data wydruku: 31.01.2016 Dla rocznika: 2015/2016 Kierunek: Wydział: Zarządzanie i inżynieria produkcji Inżynieryjno-Ekonomiczny Dane podstawowe
Bardziej szczegółowoWYMAGANIA WSTĘPNE W ZAKRESIE WIEDZY, UMIEJĘTNOŚCI I INNYCH KOMPETENCJI
Zał. nr 4 do ZW WYDZIAŁ ELEKTRONIKI KARTA PRZEDMIOTU Nazwa w języku polskim STATYSTYKA MATEMATYCZNA (EiT stopień) Nazwa w języku angielskim Mathematical Statistics Kierunek studiów (jeśli dotyczy): Specjalność
Bardziej szczegółowoNiestacjonarne zmienne czasowe własności i testowanie
Materiał dla studentów Niestacjonarne zmienne czasowe własności i testowanie (studium przypadku) Część 1: Opis ogólny i plan pracy Nazwa przedmiotu: ekonometria finansowa I (22204), analiza szeregów czasowych
Bardziej szczegółowo2.6 Zmienne stacjonarne i niestacjonarne 2.6. ZMIENNE STACJONARNE I NIESTACJONARNE 33. RYSUNEK 2.6: PKB w wyrażeniu realnym
2.6. ZMIENNE STACJONARNE I NIESTACJONARNE 33 tale. Rysunek 2.6 ilustruje sezonowość w logarytmie PKB w wyrażeniu realnym. Realny PKB został uzyskany poprzez zdeflowanie nominalnego PKB przez indeks cen
Bardziej szczegółowo