Wydatki [zł] Wydatki 36,4 38, ,6 37,6 40, , ,5 33 Czas
|
|
- Julia Łukasik
- 7 lat temu
- Przeglądów:
Transkrypt
1 Wydatki [zł] Zestaw zadań z Zastosowania metod progn. Zadanie 1 Dany jest następujący szereg czasowy: t y t Dokonaj jego dekompozycji na podstawowe składowe. Wykonaj prognozę ex post oraz ex ante (3 okresy) przy pomocy metody naiwnej z poprawką liniową. Zadanie 2 Liczba wyrobów zawierających usterki, a pochodzących z pewnej linii produkcyjnej, prezentuje się następująco: Dzień: Liczba wyrobów Wykonaj prognozę liczby wadliwych wyrobów w kolejnych trzech dniach metodą naiwną prostą. Zadanie 3 Dane dotyczące pewnego szeregu czasowego są następujące: t y t 3 4,1 5,4 8 10, , Dokonaj jego dekompozycji a następnie wykonaj prognozy ex post i ex ante (2 okresy) przy pomocy metody naiwnej z przyrostem względnym. Zadanie 4 Dla poniższego szeregu wykonaj prognozę ex post i ex ante na 4 następne okresy przy pomocy metody naiwnej z sezonowością. Skomentuj otrzymane wyniki. t y t Zadanie 5 Firma handlująca lodami zebrała dane na temat popytu na to dobro (średnie kwartalne wydatki na osobę w gospodarstwie domowym) dla interesującego ją regionu. Poniższy rysunek przedstawia zebrane dane oraz ich reprezentację graficzną Wydatki 36,4 38, ,6 37,6 40, , ,5 33 Czas 1
2 Dokonaj dekompozycji szeregu na poszczególne składowe. Wykonaj prognozę ex post oraz ex ante (dwa kwartały do przodu) metodą naiwną odpowiednią dla tego typu szeregu. Zadanie 6 Dla zamieszczonego poniżej szeregu danych miesięcznych należy dokonać dekompozycji na poszczególne składowe. Następnie wykonać prognozę na kolejne dwa miesiące wykorzystując odpowiednią metodę naiwną. Liczba mieszkań oddanych do użytku tys. 5,8 5,2 5,1 5,4 5,3 5,1 4,9 5,1 5 4,5 3,9 3,6 3,5 Zadanie 7 Dane dotyczące sprzedaży marchewki [kg] na jednym z bazarowych straganów są następujące: Okres yt Wykonaj prognozę ex post oraz ex ante (2 okresy) przy pomocy metody średniej ruchomej prostej. Zaproponuj wartość stałej wygładzania. Zadanie 8 Zbadano natężenie ruchu (mierzone ilością aut w kolejnych tygodniach) na pewnym odcinku drogi. Na podstawie przedstawionych poniżej danych wyprognozuj natężenie ruchu w kolejnych tygodniach przy pomocy trójokresowej średniej ruchomej ważonej (samodzielnie przyjmij wagi). t Y t Zadanie 9 Porównaj wyniki otrzymane w zadaniu poprzednim z prognozami otrzymanymi metodą średniej ruchomej prostej o stałej wygładzania k=3. Porównaj otrzymane wyniki. Zadanie 10 Na poniższym wykresie zawarto informacje dotyczące szeregu czasowego opisującego wartość sprzedaży młotów pneumatycznych pewnego producenta [tys. szt.] w kolejnych miesiącach. Dokonaj dekompozycji tego szeregu na poszczególne składowe a następnie odpowiedz na pytanie: czy można w przypadku tego szeregu użyć metody średniej ruchomej 2
3 prostej lub ważonej? W przypadku odpowiedzi twierdzącej, dobierz odpowiednie parametry dla wybranej metody i wykonaj prognozy ex post i ex ante. 10,4 10,2 10 9,8 9,6 9,4 9, yt ,1 10, ,1 10,1 10,3 10,3 10,3 9,5 9, ,2 10,1 Zadanie 11 Liczba pasażerów promu rzecznego w kolejnych miesiącach kształtowała się następująco: Miesiąc Liczba pasażerów Dokonaj prognozy ex post i ex ante na kolejne 2 miesiące wykorzystując metodę Browna z parametrem wygładzania =0,2. Zadanie 12 Dla danych z zadania poprzedniego wykonaj analogiczne prognozy, tym razem z parametrem =0,45. Porównaj otrzymane wyniki. Zadanie 13 Zebrano dane dotyczące miesięcznych nakładów na promocję [tys. zł] w pewnym przedsiębiorstwie. Na tej podstawie wyprognozować wartość nakładów od marca do maja 2005 przy pomocy metody wygładzania wykładniczego Browna. Zaproponować wartość parametru wygładzania Okres I II III IV V VI VII VIII IX X XI XII I II Nakłady 3 4 4, ,5 4 4,5 4, ,1 5,6 5,6 Zadanie 14 Na podstawie danych dotyczących średniej miesięcznej ceny butelki piwa wybranego browaru dokonać prognozy na 3 kolejne miesiące metodą średniej ruchomej prostej (o k=4) i metody Browna (α=0,2). Porównaj otrzymane wyniki. t y t 1,5 1,5 1,65 1,5 1,4 1,5 1,7 1,7 1,65 1,65 1,5 3
4 Zadanie 15 Dla poniższego szeregu danych miesięcznych wykonać prognozy ex post i ex ante (2 okresy w przód) metodą średniej ruchomej ważonej (w 1 =0,1, w 2 =0,2, w 3 =0,7), metodą Browna (α=0,2). Porównać otrzymane wyniki. t yt 1 1 1,1 1 0,9 1 1,1 1,1 1 0,9 Zadanie 16 W poniższej tabeli znalazły się średnie miesięczne ceny pewnego towaru. Przy pomocy średniej ruchomej prostej o k=2 wykonaj prognozę na 2 okresy ex ante. Oceń jakość prognoz ex post przy pomocy błędów ME oraz MAE. t y t Zadanie 17 Dla danych z zadania poprzedniego wykonaj prognozę ex post i ex ante (3 okresy) przy pomocy metody Browna ( =0,3). Oceń jej jakość na podstawie błędów MPE i MAPE. Zadanie 18 Wyznaczono średni kwartalny kurs złotego do euro. Na podstawie zebranych poniżej danych dokonać prognozy na drugi kwartał 2004 przy pomocy metody naiwnej prostej, średniej ruchomej o k=2 oraz metody Browna ( =0,5). Wskazać, opierając się na błędzie MAE, najlepszą z metod. Wybór uzasadnić. t 2002:4 2003:1 2003:2 2003:3 2003:4 2004:1 Kurs 4,02 4,21 3,99 4,03 4,05 3,97 Zadanie 19 Dla zawartego poniżej szeregu wykonać prognozę na 2 okresy ex ante metodami: średniej ruchomej ważonej (w 1 =0,05, w 2 =0,2, w 3 =0,25, w 4 =0,5), naiwną prostą, Browna o parametrze wygładzania 0,5. Następnie porównać jakość otrzymanych prognoz za pomocą błędów: MAPE i RMSPE. t yt 1,5 1,5 1,65 1,5 1,4 1,5 1,7 1,7 1,65 1,65 Zadanie 20 Dla pewnego szeregu danych kwartalnych stwierdzono występowanie sezonowości. Wykonano prognozę metodą Wintersa. Dokonać prognozy na dwa następne kwartały odpowiednią metodą naiwną, po czym ocenić jakość prognoz obiema metodami stosując błędy ME i MAE. Kwartał Y t Winters Kwartał Y t Winters , , , , , , , ,5 9, ,5 18, , , ,58 4
5 Zadanie 21 Dla szeregu zaprezentowanego poniżej wykonano prognozę metodą Holta. Wybrać jedną spośród metod naiwnych a następnie wyznaczyć prognozy z jej pomocą. Porównać obie metody stosując błędy MPE i MAPE. t Y t Holt t Holt , , , , , , , , , Zadanie 22 Dokonaj dekompozycji poniższego szeregu czasowego. Których metod, spośród tobie znanych, można użyć do prognozowania tego szeregu? Odpowiedź uzasadnij
6 Liczba reklamacji [szt.] Zestaw zadań z Zastosowania metod progn. Zadanie 23 Wykres przedstawia pewien szereg danych miesięcznych. Dokonaj jego dekompozycji i zaproponuj metody, które umożliwiłyby wykonanie prognozy na 3 kolejne okresy Zadanie 24 Zebrano dane odnośnie liczby zgłaszanych reklamacji produktów pewnej firmy w kolejnych kwartałach. Dokonać dekompozycji szeregu i zaproponować metody otrzymania prognoz na kolejne 3 kwartały Czas Zadanie 25 Dla szeregu tygodniowych danych liczby nieobecnych pracowników pewnego zakładu (y t ), wykonać prognozy ex post i ex ante (na 2 okresy) przy pomocy średniej ruchomej prostej o k=3 i metody Browna o =0,6. Ocenić jakość prognoz przy pomocy miar ME oraz MAE i wskazać lepszą z metod. Wybór uzasadnić. t y t
Zapraszamy 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 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 szczegółowoAnaliza sezonowości. Sezonowość może mieć charakter addytywny lub multiplikatywny
Analiza sezonowości Wiele zjawisk charakteryzuje się nie tylko trendem i wahaniami przypadkowymi, lecz także pewną sezonowością. Występowanie wahań sezonowych może mieć charakter kwartalny, miesięczny,
Bardziej 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 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 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 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 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 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 szczegółowoL.Kowalski zadania ze statystyki opisowej-zestaw 4. ZADANIA Zestaw 4
ZADANA Zestaw 4 Zadanie 4. Na podstawie informacji o zyskach firmy podanych w tabeli: Lata 995 996 997 998 999 Zysk (w tys. zł) 5200 600 6500 6700 700 a) wyznaczyć ciąg przyrostów łańcuchowych (bezwzględnych
Bardziej szczegółowoĆwiczenia 13 WAHANIA SEZONOWE
Ćwiczenia 3 WAHANIA SEZONOWE Wyrównanie szeregu czasowego (wyodrębnienie czystego trendu) mechanicznie Zadanie. Badano spożycie owoców i przetworów (yt) (w kg) w latach według kwartałów: kwartał lata 009
Bardziej szczegółowoZbiór zadań z Prognozowania i symulacji
Adam Kucharski Zbiór zadań z Prognozowania i symulacji Wydanie 1 Łódź 2016 Spis treści 1. Prognozowanie na podstawie szeregów czasowych...................... 3 2. Prognozowanie na podstawie modeli jednorównaniowych.................
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 szczegółowoAnaliza dynamiki. Sesja Cena akcji 1 42,9 2 41, ,5 5 41, , ,5
Analiza dynamiki Zadanie 1 Dynamikę produkcji samochodów osobowych przez pewną fabrykę w latach 2007-2013 opisuje następujący ciąg indeksów łańcuchowych: 1,1; 1,2; 1,3; 1,4; 0,8; 0,9. a) Jak zmieniała
Bardziej szczegółowoZagadnienie 1: Prognozowanie za pomocą modeli liniowych i kwadratowych przy wykorzystaniu Analizy regresji wielorakiej w programie STATISTICA
Zagadnienie 1: Prognozowanie za pomocą modeli liniowych i kwadratowych przy wykorzystaniu Analizy regresji wielorakiej w programie STATISTICA Zadanie 1 (Plik danych: Transport w Polsce (1990-2015)) Na
Bardziej szczegółowoFORECASTING THE DISTRIBUTION OF AMOUNT OF UNEMPLOYED BY THE REGIONS
FOLIA UNIVERSITATIS AGRICULTURAE STETINENSIS Folia Univ. Agric. Stetin. 007, Oeconomica 54 (47), 73 80 Mateusz GOC PROGNOZOWANIE ROZKŁADÓW LICZBY BEZROBOTNYCH WEDŁUG MIAST I POWIATÓW FORECASTING THE DISTRIBUTION
Bardziej szczegółowoIndeksy dynamiki (o stałej i zmiennej podstawie)
Indeksy dynamiki (o stałej i zmiennej podstawie) Proste indeksy dynamiki określają tempo zmian pojedynczego szeregu czasowego. Wyodrębnia się dwa podstawowe typy indeksów: indeksy o stałej podstawie; indeksy
Bardziej szczegółowot y x y'y x'x y'x x-x śr (x-x śr)^2
Na podstawie:w.samuelson, S.Marks Ekonomia menedżerska Zadanie 1 W przedsiębiorstwie toczy się dyskusja na temat wpływu reklamy na wielkość. Dział marketingu uważa, że reklama daje wysoce pozytywne efekty,
Bardziej szczegółowoAnaliza Zmian w czasie
Statystyka Opisowa z Demografią oraz Biostatystyka Analiza Zmian w czasie Aleksander Denisiuk denisjuk@euh-e.edu.pl Elblaska Uczelnia Humanistyczno-Ekonomiczna ul. Lotnicza 2 82-300 Elblag oraz Biostatystyka
Bardziej 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 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 szczegółowoZajęcia 1. Statystyki opisowe
Zajęcia 1. Statystyki opisowe 1. Znajdź dane dotyczące liczby mieszkańców w polskich województwach. Dla tych danych oblicz: a) Średnią, b) Medianę, c) Dominantę, d) Wariancję, e) Odchylenie standardowe,
Bardziej 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 szczegółowoZastosowanie metod prognostycznych w planowaniu strategii przedsiębiorstwa
Zastosowanie metod prognostycznych w planowaniu strategii przedsiębiorstwa Dr Adam Kucharski Spis treści 1 Czym jest prognozowanie i jakie pełni funkcje 2 2 Prognozowanie heurystyczne 4 2.1 Burza mózgów.....................................
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 szczegółowoANALIZA, PROGNOZOWANIE I SYMULACJA WARUNKI ZALICZENIA. AUTOR: mgr inż. MARTYNA KUPCZYK ANALIZA, PROGNOZOWANIE I SYMULACJA WARUNKI ZALICZENIA
1 ANALIZA, PROGNOZOWANIE I SYMULACJA AUTOR: mgr inż. MARTYNA KUPCZYK DANE KONTAKTOWE 2 mgr inż. Martyna Kupczyk Katedra Systemów Logistycznych Pokój nr 115A (I piętro) e-mail: martyna.kupczyk@wsl.com.pl
Bardziej 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 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 szczegółowoPropozycja modelu prognostycznego dla wartości jednostek rozrachunkowych OFE. 1. Wstęp
1 Sugerowany przypis: Chybalski F., Propozycja modelu prognostycznego dla wartości jednostek rozrachunkowych OFE, Przegląd Statystyczny, nr 3/2006, Dom Wydawniczy Elipsa, Warszawa 2006, s. 73-82 Propozycja
Bardziej szczegółowoCase nr 3. Zaawansowana Eksploracja Danych (Specj. TPD) Szeregi czasowe i prognozowanie
Case nr 3. Zaawansowana Eksploracja Danych (Specj. TPD) Szeregi czasowe i prognozowanie Jerzy Stefanowski, Instytut Informatyki Politechnika Poznańska 2010/11. Cel studium przypadku: Studium poświęcone
Bardziej 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 szczegółowoZadanie 2.Na III roku bankowości złożonym z 20 studentów i 10 studentek przeprowadzono test pisemny ze statystyki. Oto wyniki w obu podgrupach.
Zadanie 1.Wiadomo, że dominanta wagi tuczników jest umiejscowiona w przedziale [120 kg, 130 kg] i wynosi 122,5 kg. Znane są również liczebności przedziałów poprzedzającego i następnego po przedziale dominującym:
Bardziej szczegółowoDopasowywanie modelu do danych
Tematyka wykładu dopasowanie modelu trendu do danych; wybrane rodzaje modeli trendu i ich właściwości; dopasowanie modeli do danych za pomocą narzędzi wykresów liniowych (wykresów rozrzutu) programu STATISTICA;
Bardziej szczegółowoWIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI REGRESJA LINIOWA
WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI REGRESJA LINIOWA Powtórka Powtórki Kowiariancja cov xy lub c xy - kierunek zależności Współczynnik korelacji liniowej Pearsona r siła liniowej zależności Istotność
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 szczegółowoKRÓTKOOKRESOWE PROGNOZOWANIE CENY EKSPORTOWEJ WĘGLA ROSYJSKIEGO W PORTACH BAŁTYCKICH. Sławomir Śmiech, Monika Papież
KRÓTKOOKRESOWE PROGNOZOWANIE CENY EKSPORTOWEJ WĘGLA ROSYJSKIEGO W PORTACH BAŁTYCKICH Sławomir Śmiech, Monika Papież email: smiechs@uek.krakow.pl papiezm@uek.krakow.pl Plan prezentacji Wprowadzenie Ceny
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 szczegółowoMariusz Doszyń* Uniwersytet Szczeciński
Studia i Prace WNEiZ US nr 45/2 2016 DOI:10.18276/sip.2016.45/2-16 Mariusz Doszyń* Uniwersytet Szczeciński Monitorowanie trafności systemu prognoz sprzedaży w przedsiębiorstwie Streszczenie W artykule
Bardziej szczegółowoPrognozowanie i symulacje
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
Bardziej szczegółowoCase nr 3. Zaawansowana Eksploracja Danych (Specj. TPD) Szeregi czasowe i prognozowanie
Case nr 3. Zaawansowana Eksploracja Danych (Specj. TPD) Szeregi czasowe i prognozowanie Jerzy Stefanowski, Instytut Informatyki Politechnika Poznańska - 2011 aktualizacja dla edycji 2013/14. Cel studium
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 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 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 szczegółowoczerwiec 2013 Uwaga: Przy rozwiązywaniu zadań, jeśli to konieczne, należy przyjąć poziom istotności 0,1 i współczynnik ufności 0,90
Uwaga: Przy rozwiązywaniu zadań, jeśli to konieczne, należy przyjąć poziom istotności 0,1 i współczynnik ufności 0,90 czerwiec 2013 Zadanie 1 Poniższe tabele przestawiają dane dotyczące umieralności dzieci
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 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 szczegółowoEkonometria Wykład 4 Prognozowanie, sezonowość. Dr Michał Gradzewicz Katedra Ekonomii I KAE
Ekonometria Wykład 4 Prognozowanie, sezonowość Dr Michał Gradzewicz Katedra Ekonomii I KAE Plan wykładu Prognozowanie Założenia i własności predykcji ekonometrycznej Stabilność modelu ekonometrycznego
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 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 szczegółowoPrognozowanie zanieczyszczeń atmosferycznych przy użyciu sieci neuronowych
Prognozowanie zanieczyszczeń atmosferycznych przy użyciu sieci neuronowych prof. zw. dr hab. inż. Stanisław Osowski dr inż. Krzysztof Siwek Politechnika Warszawska Kontynuacja prac Prace prowadzone w roku
Bardziej szczegółowoEkonometria ćwiczenia 3. Prowadzący: Sebastian Czarnota
Ekonometria ćwiczenia 3 Prowadzący: Sebastian Czarnota Strona - niezbędnik http://sebastianczarnota.com/sgh/ Normalność rozkładu składnika losowego Brak normalności rozkładu nie odbija się na jakości otrzymywanych
Bardziej szczegółowoRozdział 2 Wprowadzenie
Rozdział 2 Wprowadzenie Analiza szeregów czasowych zyskuje ostatnio coraz bardziej na znaczeniu i jest z niesłabnącym powodzeniem stosowana w wielu obszarach nauki, biznesu czy przemysłu. Podstawowym celem
Bardziej szczegółowoEKONOMETRYCZNA PROGNOZA ODPŁYWÓW Z BEZROBOCIA
EKONOMETRYCZNA PROGNOZA ODPŁYWÓW Z BEZROBOCIA W OPARCIU O KONCEPCJĘ FUNKCJI DOPASOWAŃ Adam Kowol 2 1. Sformułowanie zadania prognostycznego Celem niniejszej pracy jest próba prognozy kształtowania się
Bardziej szczegółowoStatystyka. Wykład 13. Magdalena Alama-Bućko. 12 czerwca Magdalena Alama-Bućko Statystyka 12 czerwca / 30
Statystyka Wykład 13 Magdalena Alama-Bućko 12 czerwca 2017 Magdalena Alama-Bućko Statystyka 12 czerwca 2017 1 / 30 Co wpływa na zmiany wartości danej cechy w czasie? W najbardziej ogólnym przypadku, na
Bardziej szczegółowoSzczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)
Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) 1. Populacja generalna a losowa próba, parametr rozkładu cechy a jego ocena z losowej próby, miary opisu statystycznego
Bardziej szczegółowoTeoria Estymacji. Do Powyżej
Teoria Estymacji Zad.1. W pewnym przedsiębiorstwie wylosowano niezależnie próbę 25 pracowników. Staż pracy (w latach) tych pracowników w 1996 roku był następujący: 37; 34; 0*; 5; 17; 17; 0*; 2; 24; 33;
Bardziej szczegółowoREGRESJA (postać liniowa funkcji) - ROZWIĄZANIA Komentarze kursywą, rozwiązania oraz treści zadań pismem prostym.
REGRESJA (postać liniowa funkcji) - ROZWIĄZANIA Komentarze kursywą, rozwiązania oraz treści zadań pismem prostym. Zadanie 1 W celu ustalenia zależności między liczbą braków a wielkością produkcji części
Bardziej szczegółowoStan i prognoza koniunktury gospodarczej
222 df Instytut Badań nad Gospodarką Rynkową przedstawia osiemdziesiąty piąty kwartalny raport oceniający stan koniunktury gospodarczej w Polsce (IV kwartał 2014 r.) oraz prognozy na lata 2015 2016 KWARTALNE
Bardziej szczegółowoOcena przydatności modelu predykcyjnego do prognozowania wielkości sprzedaży kwiatów ciętych
Agata Kutyba 1 AGH Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie, Wydział Zarządzania Jerzy Mikulik 2 AGH Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie, Wydział Zarządzania
Bardziej szczegółowoSkrypt 29. Statystyka. Opracowanie L2
Projekt Innowacyjny program nauczania matematyki dla liceów ogólnokształcących współfinansowany ze środków Unii Europejskiej w ramach Europejskiego Funduszu Społecznego Skrypt 29 Statystyka 1. Przypomnienie
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 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 szczegółowoWykład 5: Analiza dynamiki szeregów czasowych
Wykład 5: Analiza dynamiki szeregów czasowych ... poczynając od XIV wieku zegar czynił nas najpierw stróżów czasu, następnie ciułaczy czasu, i wreszcie obecnie - niewolników czasu. W trakcie tego procesu
Bardziej szczegółowoStan i prognoza koniunktury gospodarczej
222 df Instytut Badań nad Gospodarką Rynkową przedstawia osiemdziesiąty dziewiąty kwartalny raport oceniający stan koniunktury gospodarczej w Polsce (IV kwartał 2015 r.) oraz prognozy na lata 2016 2017
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 szczegółowoStatystyka. Wykład 13. Magdalena Alama-Bućko. 18 czerwca Magdalena Alama-Bućko Statystyka 18 czerwca / 36
Statystyka Wykład 13 Magdalena Alama-Bućko 18 czerwca 2018 Magdalena Alama-Bućko Statystyka 18 czerwca 2018 1 / 36 Agregatowy (zespołowy) indeks wartości określonego zespołu produktów np. jak zmianiała
Bardziej szczegółowoWykład 6: Analiza danych czasowych Wykresy, indeksy dynamiki
Wykład 6: Analiza danych czasowych Wykresy, indeksy dynamiki ... poczynając od XIV wieku zegar czynił nas najpierw stróżów czasu, następnie ciułaczy czasu, i wreszcie obecnie - niewolników czasu. W trakcie
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 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 szczegółowoINFORMACJA O ROZLICZENIACH PIENIĘŻNYCH I ROZRACHUNKACH MIĘDZYBANKOWYCH W I KWARTALE 2013 R.
Narodowy Bank Polski Departament Systemu Płatniczego INFORMACJA O ROZLICZENIACH PIENIĘŻNYCH I ROZRACHUNKACH MIĘDZYBANKOWYCH W I KWARTALE 2013 R. Warszawa, czerwiec 2013 r. SPIS TREŚCI Wprowadzenie strona
Bardziej szczegółowoOcena jakości prognoz wybranych wskaźników rozwoju gospodarczego woj. lubelskiego
61 Barometr Regionalny Nr 2(24) 2011 Ocena jakości prognoz wybranych wskaźników rozwoju gospodarczego woj. lubelskiego Jarosław Bielak Wyższa Szkoła Zarządzania i Administracji w Zamościu Streszczenie:
Bardziej szczegółowoRACHUNKOWOŚĆ ZARZĄDCZA
RACHUNKOWOŚĆ ZARZĄDCZA Metody wyznaczania kosztów stałych i zmiennych metoda księgowa metoda graficzna metoda odchyleń krańcowych (dwóch punktów) metoda najmniejszych kwadratów 1 Metoda graficzna 50 000
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 szczegółowoPROGNOZOWANIE W ZARZĄDZANIU
Politechnika Białostocka Wydział Zarządzania Katedra Informatyki Gospodarczej i Logistyki Redaktor naukowy joanicjusz Nazarko PROGNOZOWANIE W ZARZĄDZANIU PRZEDSIĘBIORSTWEM Cz. III Prognozowanie na podstawie
Bardziej szczegółowoINFORMACJA O ROZLICZENIACH PIENIĘŻNYCH I ROZRACHUNKACH MIĘDZYBANKOWYCH W III KWARTALE 2012 R.
Narodowy Bank Polski Departament Systemu Płatniczego INFORMACJA O ROZLICZENIACH PIENIĘŻNYCH I ROZRACHUNKACH MIĘDZYBANKOWYCH W III KWARTALE 2012 R. Warszawa, grudzień 2012 r. SPIS TREŚCI Wprowadzenie strona
Bardziej szczegółowoAnaliza przyczyn wzrostu liczby zgonów w Polsce w 2017 roku
Analiza przyczyn wzrostu liczby zgonów w Polsce w 2017 roku Departament Analiz i Strategii NARODOWY FUNDUSZ ZDROWIA 1 PODSUMOWANIE 1. Celem raportu jest próba określenia przyczyn wzrostu liczby zgonów
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 szczegółowozestaw zadań nr 7 Cel: analiza regresji regresja prosta i wieloraka MODELE
zestaw zadań nr 7 Cel: analiza regresji regresja prosta i wieloraka Przebieg regresji liniowej: 1. Znaleźć funkcję y=f(x) (dopasowanie modelu) 2. Sprawdzić: a) Wsp. determinacji R 2 b) Test istotności
Bardziej szczegółowoZadanie 8 Zbadano wiek czytelników pewnej biblioteki. Na tej podstawie wyznaczyć i zinterpretować średnią arytmetyczną
Zadanie 1 Zbadano czas poświęcany przez 16 pasażerów kolejki podmiejskiej, w wybranym mieście wojewódzkim, na dotarcie z domu do pracy, otrzymując wyniki [min.]: 30; 30; 35; 40; 41; 60; 60; 60; 72; 72;
Bardziej szczegółowoINFORMACJA O ROZLICZENIACH PIENIĘŻNYCH I ROZRACHUNKACH MIĘDZYBANKOWYCH W IV KWARTALE 2012 R.
Narodowy Bank Polski Departament Systemu Płatniczego INFORMACJA O ROZLICZENIACH PIENIĘŻNYCH I ROZRACHUNKACH MIĘDZYBANKOWYCH W IV KWARTALE 2012 R. Warszawa, marzec 2013 r. SPIS TREŚCI Wprowadzenie strona
Bardziej szczegółowoDashboard Płynności finansowej
Dashboard Płynności finansowej Dashboard płynności finansowej pozwala na analizę i prognozę przepływów płatności w przedsiębiorstwie z uwzględnieniem Split Payment. Analiza należności i zobowiązań, przychodów
Bardziej szczegółowoPorównaj płace pracowników obu zakładów, dokonując kompleksowej analizy struktury. Zastanów się, w którym zakładzie jest korzystniej pracować?
1 Zadanie 1.1 W dwóch zakładach produkcyjnych Złomex I i Złomex II, należących do tego samego przedsiębiorstwa Złomowanie na zawołanie w ostatnim miesiącu następująco kształtowały się wynagrodzenia pracowników.
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 szczegółowoKOMENTARZ ZARZĄDU NA TEMAT CZYNNIKÓW I ZDARZEŃ, KTÓRE MIAŁY WPŁYW NA OSIĄGNIETE WYNIKI FINANSOWE
KOMENTARZ ZARZĄDU NA TEMAT CZYNNIKÓW I ZDARZEŃ, KTÓRE MIAŁY WPŁYW NA OSIĄGNIETE WYNIKI FINANSOWE 11 Niniejszy raport prezentuje wybrane dane bilansu oraz rachunku zysków i strat, przepływy pieniężne i
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 szczegółowoArkusz kalkulacyjny MS EXCEL - ĆWICZENIA
Arkusz kalkulacyjny MS EXCEL - ĆWICZENIA Uwaga! Każde ćwiczenie rozpoczynamy od stworzenia w katalogu Moje dokumenty swojego własnego katalogu roboczego, w którym będziecie Państwo zapisywać swoje pliki.
Bardziej szczegółowoStan i prognoza koniunktury gospodarczej
222 df Instytut Badań nad Gospodarką Rynkową przedstawia osiemdziesiąty szósty kwartalny raport oceniający stan koniunktury gospodarczej w Polsce (I kwartał 2015 r.) oraz prognozy na lata 2015 2016 KWARTALNE
Bardziej szczegółowoPAWEŁ SZOŁTYSEK WYDZIAŁ NAUK EKONOMICZNYCH
PROGNOZA WIELKOŚCI ZUŻYCIA CIEPŁA DOSTARCZANEGO PRZEZ FIRMĘ FORTUM DLA CELÓW CENTRALNEGO OGRZEWANIA W ROKU 2013 DLA BUDYNKÓW WSPÓLNOTY MIESZKANIOWEJ PRZY UL. GAJOWEJ 14-16, 20-24 WE WROCŁAWIU PAWEŁ SZOŁTYSEK
Bardziej szczegółowoStan i prognoza koniunktury gospodarczej
222 df Instytut Badań nad Gospodarką Rynkową przedstawia osiemdziesiąty trzeci kwartalny raport oceniający stan koniunktury gospodarczej w Polsce ( kwartał 2014 r.) oraz prognozy na lata 2014 2015 KWARTALNE
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 szczegółowoMINISTERSTWO GOSPODARKI Warszawa, 16 lipca 2008 r. Departament Analiz i Prognoz DAP-II-079/RS/inf_NBP_05/2008
MINISTERSTWO GOSPODARKI Warszawa, 16 lipca 2008 r. Departament Analiz i Prognoz DAP-II-079/RS/inf_NBP_05/2008 INFORMACJA o sytuacji w handlu zagranicznym w maju 2008 roku i po 5 miesiącach b.r. (na podstawie
Bardziej szczegółowoXGBOOST JAKO NARZĘDZIE PROGNOZOWANIA SZEREGÓW CZASOWYCH
XGBOOST JAKO NARZĘDZIE PROGNOZOWANIA SZEREGÓW CZASOWYCH Filip Wójcik Objectivity Digital Transformation Specialists Doktorant na Uniwersytecie Ekonomicznym we Wrocławiu filip.wojcik@outlook.com Agenda
Bardziej szczegółowoPrzyczynowa analiza rentowności na przykładzie przedsiębiorstwa z branży. półproduktów spożywczych
Roksana Kołata Dariusz Stronka Przyczynowa analiza rentowności na przykładzie przedsiębiorstwa z branży Wprowadzenie półproduktów spożywczych Dokonując analizy rentowności przedsiębiorstwa za pomocą wskaźników
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 szczegółowoNa co Polacy wydają pieniądze?
047/04 Na co Polacy wydają pieniądze? Warszawa, czerwiec 2004 r. Przeciętne miesięczne wydatki gospodarstwa domowego w Polsce wynoszą 1694 zł, a w przeliczeniu na osobę 568 zł. Najwięcej w gospodarstwach
Bardziej szczegółowoStatystyka. Wykład 10. Magdalena Alama-Bućko. 15 maja Magdalena Alama-Bućko Statystyka 15 maja / 32
Statystyka Wykład 10 Magdalena Alama-Bućko 15 maja 2017 Magdalena Alama-Bućko Statystyka 15 maja 2017 1 / 32 Tematyka zajęć: Wprowadzenie do statystyki. Analiza struktury zbiorowości miary położenia miary
Bardziej szczegółowoRobert Kubicki, Magdalena Kulbaczewska Modelowanie i prognozowanie wielkości ruchu turystycznego w Polsce
Robert Kubicki, Magdalena Kulbaczewska Modelowanie i prognozowanie wielkości ruchu turystycznego w Polsce Ekonomiczne Problemy Turystyki nr 3 (27), 57-70 2014 ZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO
Bardziej szczegółowoPolitechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania
Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania Struktury i Algorytmy Wspomagania Decyzji Zadanie projektowe 2 Czas realizacji: 6 godzin Maksymalna liczba
Bardziej szczegółowoWykorzystanie metod wygładzania wykładniczego do prognozowania kursu sprzedaży EUR
Wykorzystanie metod wygładzania wykładniczego do prognozowania kursu sprzedaży EUR Katarzyna Halicka Politechnika Białostocka, Wydział Zarządzania, Katedra Informatyki Gospodarczej i Logistyki, e-mail:
Bardziej szczegółowoWykres 1 EBIT i EBITDA w pierwszym kwartale lat 2010, 2011 i 2012
KOMENTARZ ZARZĄDU NA TEMAT CZYNNIKÓW I ZDARZEŃ KTÓRE MIAŁY WPŁYW NA OSIĄGNIETE WYNIKI FINANSOWE Niniejszy raport prezentuje wybrane dane bilansu oraz rachunku zysków i strat, przepływy pieniężne i wskaźniki
Bardziej szczegółowo