140, , ,000 80, ROK

Wielkość: px
Rozpocząć pokaz od strony:

Download "140, , ,000 80, ROK"

Transkrypt

1 140,000 PRODUKCJA 120, ,000 80, ROK

2 130, ,000 PRODUKCJA 110, ,000 90, ROK PRODUKCJA Średnie 3-okresowe Średnie 5-okresowe Średnie 7-okresowe

3 130, ,000 PRODUKCJA 110, ,000 90, ROK PRODUKCJA alpha = 0.1 alpha = 0.3

4 Procedura AUTOREG Zmienna zależna PRODUKCJA

5 Procedura AUTOREG Zwykłe oceny metodą najmniejszych kwadratów SSE DFE 20 MSE Pierw. z MSE 7874 SBC AIC MAE AICC MAPE HQC R-kwadrat regresji R-kwadrat całkowite Statystyki Durbina-Watsona Porządek DW Pr. < DW Pr. > DW NOTE: Pr<DW is the p-value for testing positive autocorrelation, and Pr>DW is the p-value for testing negative autocorrelation. Zmienna DF Ocena Oceny parametrów Błąd standardowy Wartość t Przybl. pr. > t Intercept ROK <.0001

6 Procedura AUTOREG

7 LMODU DATA

8 _NAME MODE_ DATA _SEASON_ ORIGINAL TCC SC IC SA LMODU ADD JAN LMODU ADD FEB LMODU ADD MAR LMODU ADD APR LMODU ADD MAY LMODU ADD JUN LMODU ADD JUL LMODU ADD AUG LMODU ADD SEP LMODU ADD OCT LMODU ADD NOV LMODU ADD DEC LMODU ADD JAN LMODU ADD FEB LMODU ADD MAR LMODU ADD APR LMODU ADD MAY LMODU ADD JUN LMODU ADD JUL LMODU ADD AUG LMODU ADD SEP LMODU ADD OCT LMODU ADD NOV LMODU ADD DEC LMODU ADD JAN LMODU ADD FEB LMODU ADD MAR LMODU ADD APR LMODU ADD MAY LMODU ADD JUN LMODU ADD JUL LMODU ADD AUG LMODU ADD SEP LMODU ADD OCT LMODU ADD NOV LMODU ADD DEC LMODU ADD JAN LMODU ADD FEB

9 _NAME MODE_ DATA _SEASON_ ORIGINAL TCC SC IC SA LMODU ADD MAR LMODU ADD APR LMODU ADD MAY LMODU ADD JUN LMODU ADD JUL LMODU ADD AUG LMODU ADD SEP LMODU ADD OCT LMODU ADD NOV LMODU ADD DEC LMODU ADD JAN LMODU ADD FEB LMODU ADD MAR LMODU ADD APR LMODU ADD MAY LMODU ADD JUN LMODU ADD JUL LMODU ADD AUG LMODU ADD SEP LMODU ADD OCT LMODU ADD NOV LMODU ADD DEC LMODU ADD JAN LMODU ADD FEB LMODU ADD MAR LMODU ADD APR LMODU ADD MAY LMODU ADD JUN LMODU ADD JUL LMODU ADD AUG LMODU ADD SEP LMODU ADD OCT LMODU ADD NOV LMODU ADD DEC LMODU ADD JAN LMODU ADD FEB LMODU ADD MAR LMODU ADD APR

10 _NAME MODE_ DATA _SEASON_ ORIGINAL TCC SC IC SA LMODU ADD MAY LMODU ADD JUN LMODU ADD JUL LMODU ADD AUG LMODU ADD SEP LMODU ADD OCT LMODU ADD NOV LMODU ADD DEC LMODU ADD JAN LMODU ADD FEB LMODU ADD MAR LMODU ADD APR LMODU ADD MAY LMODU ADD JUN LMODU ADD JUL LMODU ADD AUG LMODU ADD SEP LMODU ADD OCT LMODU ADD NOV LMODU ADD DEC LMODU ADD JAN LMODU ADD FEB LMODU ADD MAR LMODU ADD APR LMODU ADD MAY LMODU ADD JUN LMODU ADD JUL LMODU ADD AUG LMODU ADD SEP LMODU ADD OCT LMODU ADD NOV LMODU ADD DEC LMODU ADD JAN LMODU ADD FEB LMODU ADD MAR LMODU ADD APR LMODU ADD MAY LMODU ADD JUN

11 _NAME MODE_ DATA _SEASON_ ORIGINAL TCC SC IC SA LMODU ADD JUL LMODU ADD AUG LMODU ADD SEP LMODU ADD OCT LMODU ADD NOV LMODU ADD DEC LMODU ADD JAN LMODU ADD FEB LMODU ADD MAR LMODU ADD APR LMODU ADD MAY LMODU ADD JUN LMODU ADD JUL LMODU ADD AUG LMODU ADD SEP LMODU ADD OCT LMODU ADD NOV LMODU ADD DEC LMODU ADD JAN LMODU ADD FEB LMODU ADD MAR LMODU ADD APR LMODU ADD MAY LMODU ADD JUN LMODU ADD JUL LMODU ADD AUG LMODU ADD SEP LMODU ADD OCT LMODU ADD NOV LMODU ADD DEC

12 40000 Szereg skorygowany sezonowo DATA

13 Składnik sezonowy DATA

14 Procedura REG Model: MODEL1 Zmienna zależna: SA Szereg skorygowany sezonowo Wczytano obserwacji 144 Użyto obserwacji 144 Źródło DF Analiza wariancji Suma kwadratów Średnia kwadratów Wartość F Pr. > F Model <.0001 Błąd Razem skorygowane Pierw. z MSE R-kwadrat Średnia zależna Skor. R-kw Wsp. zmienności Zmienna Etykieta DF Oceny parametrów Ocena parametru Błąd standardowy Wartość t Pr. > t Intercept Intercept <.0001 t <.0001

15 Inf Data

16 _NAME MODE_ Data _SEASON_ ORIGINAL TCC SC IC SA Inf MULT JAN Inf MULT FEB Inf MULT MAR Inf MULT APR Inf MULT MAY Inf MULT JUN Inf MULT JUL Inf MULT AUG Inf MULT SEP Inf MULT OCT Inf MULT NOV Inf MULT DEC Inf MULT JAN Inf MULT FEB Inf MULT MAR Inf MULT APR Inf MULT MAY Inf MULT JUN Inf MULT JUL Inf MULT AUG Inf MULT SEP Inf MULT OCT Inf MULT NOV Inf MULT DEC Inf MULT JAN Inf MULT FEB Inf MULT MAR Inf MULT APR Inf MULT MAY Inf MULT JUN Inf MULT JUL Inf MULT AUG Inf MULT SEP Inf MULT OCT Inf MULT NOV Inf MULT DEC Inf MULT JAN Inf MULT FEB

17 _NAME MODE_ Data _SEASON_ ORIGINAL TCC SC IC SA Inf MULT MAR Inf MULT APR Inf MULT MAY Inf MULT JUN Inf MULT JUL Inf MULT AUG Inf MULT SEP Inf MULT OCT Inf MULT NOV Inf MULT DEC Inf MULT JAN Inf MULT FEB Inf MULT MAR Inf MULT APR Inf MULT MAY Inf MULT JUN Inf MULT JUL Inf MULT AUG Inf MULT SEP Inf MULT OCT Inf MULT NOV Inf MULT DEC Inf MULT JAN Inf MULT FEB Inf MULT MAR Inf MULT APR Inf MULT MAY Inf MULT JUN Inf MULT JUL Inf MULT AUG Inf MULT SEP Inf MULT OCT Inf MULT NOV Inf MULT DEC Inf MULT JAN Inf MULT FEB Inf MULT MAR Inf MULT APR

18 _NAME MODE_ Data _SEASON_ ORIGINAL TCC SC IC SA Inf MULT MAY Inf MULT JUN Inf MULT JUL Inf MULT AUG Inf MULT SEP Inf MULT OCT Inf MULT NOV Inf MULT DEC Inf MULT JAN Inf MULT FEB Inf MULT MAR Inf MULT APR Inf MULT MAY Inf MULT JUN Inf MULT JUL Inf MULT AUG Inf MULT SEP Inf MULT OCT Inf MULT NOV Inf MULT DEC

19 15 Szereg skorygowany sezonowo Data

20 Składnik sezonowy Data

21 Procedura REG Model: MODEL1 Zmienna zależna: SA Szereg skorygowany sezonowo Wczytano obserwacji 96 Użyto obserwacji 96 Źródło DF Analiza wariancji Suma kwadratów Średnia kwadratów Wartość F Pr. > F Model <.0001 Błąd Razem skorygowane Pierw. z MSE R-kwadrat Średnia zależna Skor. R-kw Wsp. zmienności Zmienna Etykieta DF Oceny parametrów Ocena parametru Błąd standardowy Wartość t Pr. > t Intercept Intercept <.0001 t <.0001

SKONSOLIDOWANY RAPORT ROCZNY za 2008 rok

SKONSOLIDOWANY RAPORT ROCZNY za 2008 rok SKONSOLIDOWANY RAPORT ROCZNY za 2008 rok SKONSOLIDOWANY RAPORT ROCZNY za 2008 rok SKONSOLIDOWANY RAPORT ROCZNY za 2008 rok SKONSOLIDOWANY RAPORT ROCZNY za 2008 rok StarBANK SKONSOLIDOWANY RAPORT ROCZNY

Bardziej szczegółowo

Zadanie 1 1. Czy wykresy zmiennych sugerują, że zmienne są stacjonarne. Czy występuje sezonowość?

Zadanie 1 1. Czy wykresy zmiennych sugerują, że zmienne są stacjonarne. Czy występuje sezonowość? Zadanie 1 1. Czy wykresy zmiennych sugerują, że zmienne są stacjonarne. Czy występuje sezonowość? Wykres stopy bezrobocia rejestrowanego w okresie 01.1998 12.2008, dane Polskie 22 20 18 16 stopa 14 12

Bardziej szczegółowo

Model 1: Estymacja KMNK z wykorzystaniem 32 obserwacji 1964-1995 Zmienna zależna: st_g

Model 1: Estymacja KMNK z wykorzystaniem 32 obserwacji 1964-1995 Zmienna zależna: st_g Zadanie 1 Dla modelu DL dla zależności stopy wzrostu konsumpcji benzyny od stopy wzrostu dochodu oraz od stopy wzrostu cen benzyny w latach 1960 i 1995 otrzymaliśmy następujące oszacowanie parametrów.

Bardziej szczegółowo

4. Średnia i autoregresja zmiennej prognozowanej

4. 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 szczegółowo

FORMACJE ODWRÓCENIA TRENDU

FORMACJE ODWRÓCENIA TRENDU FORMACJE ODWRÓCENIA TRENDU FORMACJA POTRÓJNEGO DNA Formacja potrójnego dna występuje na rynku raczej rzadko choć jest jedną z najbardziej wiarygodnych formacji odwrócenia trendu spadkowego. Jak sama nazwa

Bardziej szczegółowo

Grupa Kapitałowa IPOPEMA Securities S.A.

Grupa Kapitałowa IPOPEMA Securities S.A. Grupa Kapitałowa IPOPEMA Securities S.A. 18 maja 2017 r. Prezentacja wyników za I kw. 2017 r. 50 40 30 20 10 0 Działalność maklerska Obroty na GPW i udział IPOPEMA 2014-2017 (YTD) Obroty na BSE i udział

Bardziej szczegółowo

5. Model sezonowości i autoregresji zmiennej prognozowanej

5. 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 szczegółowo

WSCHÓD I ZACHÓD SŁOŃCA SUNRISE / SUNSET

WSCHÓD I ZACHÓD SŁOŃCA SUNRISE / SUNSET MIL GEN 2.7-1 MIL GEN 2.7 WSCHÓD I ZACHÓD SŁOŃCA SUNRISE / SUNSET OBLICZANIE CZASÓW WSCHODU I ZACHODU SŁOŃCA 1. Tabele wschodu i zachodu słońca dla lotniska EPWA oraz tabela poprawek zostały opracowane

Bardziej szczegółowo

Eksport / Import AGD domestic appliance PL export & import

Eksport / Import AGD domestic appliance PL export & import Eksport / Import AGD 1-7. domestic appliance PL export & import www.cecedpolska.pl Miliony szt. EKSPORT DUŻE AGD: styczeń-lipiec, szt 14 12 1 8 6 4 2 YTD 213 YTD 214 YTD YTD Pralnictwo Zmywarki Suszarki

Bardziej szczegółowo

WSCHÓD I ZACHÓD SŁOŃCA SUNRISE / SUNSET

WSCHÓD I ZACHÓD SŁOŃCA SUNRISE / SUNSET AIP VFR POLAND VFR GEN 3.2-1 VFR GEN 3.2 WSCHÓD I ZACHÓD SŁOŃCA SUNRISE / SUNSET OBLICZANIE CZASÓW WSCHODU I ZACHODU SŁOŃCA 1. Tabele wschodu i zachodu słońca dla lotniska EPWA oraz tabela poprawek zostały

Bardziej szczegółowo

WSCHÓD I ZACHÓD SŁOŃCA SUNRISE / SUNSET

WSCHÓD I ZACHÓD SŁOŃCA SUNRISE / SUNSET AIP VFR POLAND VFR GEN 3.2-1 VFR GEN 3.2 WSCHÓD I ZACHÓD SŁOŃCA SUNRISE / SUNSET OBLICZANIE CZASÓW WSCHODU I ZACHODU SŁOŃCA 1. Tabele wschodu i zachodu słońca dla lotniska EPWA oraz tabela poprawek zostały

Bardziej szczegółowo

WSCHÓD I ZACHÓD SŁOŃCA SUNRISE / SUNSET

WSCHÓD I ZACHÓD SŁOŃCA SUNRISE / SUNSET AIP POLSKA GEN 2.7-1 30 MAR 2017 GEN 2.7 WSCHÓD I ZACHÓD SŁOŃCA SUNRISE / SUNSET OBLICZANIE CZASÓW WSCHODU I ZACHODU SŁOŃCA 1. Tabele wschodu i zachodu słońca dla lotniska EPWA oraz tabela poprawek zostały

Bardziej szczegółowo

WSCHÓD I ZACHÓD SŁOŃCA SUNRISE / SUNSET

WSCHÓD I ZACHÓD SŁOŃCA SUNRISE / SUNSET AIP POLSKA GEN 2.7-1 31 MAR 2016 GEN 2.7 WSCHÓD I ZACHÓD SŁOŃCA SUNRISE / SUNSET OBLICZANIE CZASÓW WSCHODU I ZACHODU SŁOŃCA 1. Tabele wschodu i zachodu słońca dla lotniska EPWA oraz tabela poprawek zostały

Bardziej szczegółowo

Budowa portfela inwestycyjnego za pomocą siły relatywnej i elementy pairs trading

Budowa portfela inwestycyjnego za pomocą siły relatywnej i elementy pairs trading Budowa portfela inwestycyjnego za pomocą siły relatywnej i elementy pairs trading Krzysztof Borowski KBC Securities Krzysztof Borowski - Analiza techniczna 1 AT / AF Metody analizy na giełdzie: Analiza

Bardziej szczegółowo

Rozdział 8. Regresja. Definiowanie modelu

Rozdział 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 szczegółowo

GRUPA PEKAO S.A. Wyniki finansowe po 1 kwartale 2006 r.

GRUPA PEKAO S.A. Wyniki finansowe po 1 kwartale 2006 r. GRUPA PEKAO S.A. Wyniki finansowe po 1 kwartale 2006 r. Zorientowani na trwały wzrost Warszawa, 12 maja 2006 r. AGENDA Warunki makroekonomiczne Skonsolidowane wyniki pierwszego kwartału 3 TRENDY W POLSKIEJ

Bardziej szczegółowo

Nowe Systemy Notujące na TGE

Nowe Systemy Notujące na TGE Nowe Systemy Notujące na TGE Artur Wrotek Z-ca Dyrektora DIN ds. Aplikacji Giełdowych Komitet Rynku Energii Elektrycznej Warszawa, 27 października 2015 Strona Agenda X Stream Trading 3 SAPRI 8 X Stream

Bardziej szczegółowo

Ćwiczenia IV

Ćwiczenia 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 szczegółowo

Katedra Genetyki i Podstaw Hodowli Zwierząt Wydział Hodowli i Biologii Zwierząt, UTP w Bydgoszczy

Katedra Genetyki i Podstaw Hodowli Zwierząt Wydział Hodowli i Biologii Zwierząt, UTP w Bydgoszczy Ćwiczenie: Analiza zmienności prosta Przykład w MS EXCEL Sprawdź czy genotyp jagniąt wpływa statystycznie na cechy użytkowości rzeźnej? Obliczenia wykonaj za pomocą modułu Analizy danych (jaganova.xls).

Bardziej szczegółowo

FORMACJE ODWRÓCENIA TRENDU

FORMACJE ODWRÓCENIA TRENDU FORMACJE ODWRÓCENIA TRENDU FORMACJA GŁOWY I RAMION Formacja głowy i ramion należy do klasyki analizy technicznej i jest jedną z podstawowych struktur cenowych odwracających trend wzrostowy. Ta struktura

Bardziej szczegółowo

PODSTAWY DO INTEGRACJI

PODSTAWY DO INTEGRACJI GRUPA PEKAO S.A. Wyniki finansowe po 3 kwartale 2006 r. SOLIDNE PODSTAWY DO INTEGRACJI Warszawa, 16 listopada 2006 r. WYNIKI FINANSOWE PO 9M 2006 R. 9M 2006 9M 2005 Zmiana Zysk netto (PLN mln.) 1 321 1

Bardziej szczegółowo

GRUPA PEKAO S.A. Wyniki finansowe po pierwszym kwartale 2007 r. Trwały wzrost, postępy w procesie integracji. Warszawa, 10 maja 2007 r.

GRUPA PEKAO S.A. Wyniki finansowe po pierwszym kwartale 2007 r. Trwały wzrost, postępy w procesie integracji. Warszawa, 10 maja 2007 r. GRUPA PEKAO S.A. Wyniki finansowe po pierwszym kwartale 2007 r. Trwały wzrost, postępy w procesie integracji Warszawa, 10 maja 2007 r. WYNIKI FINANSOWE PO 1 KWARTALE 2007 R. 1Q 07 1Q 06 Zmiana Zysk netto

Bardziej szczegółowo

Raport futures +5 BLUE CHIPS

Raport futures +5 BLUE CHIPS Raport futures +5 BLUE CHIPS Czwartek, 12 września 2013 Niniejsza publikacja jest publikacją handlową, prosimy o zapoznanie się z oświadczeniem umieszczonym na jej koocu. Raport futures +5 BLUE CHIPS analiza

Bardziej szczegółowo

3. Modele tendencji czasowej w prognozowaniu

3. 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 szczegółowo

RETScreen Plus Kierownik - Raport

RETScreen Plus Kierownik - Raport RETScreen Plus Kierownik - Raport RETScreen International CanmetENERGY Natural Resources Canada RETScreen Plus 2012-11-23 Minister of Natural Resources Canada 1997-2012. NRCan/CanmetENERGY Mapa Legenda

Bardziej szczegółowo

Ekonometria Ćwiczenia 19/01/05

Ekonometria Ćwiczenia 19/01/05 Oszacowano regresję stopy bezrobocia (unemp) na wzroście realnego PKB (pkb) i stopie inflacji (cpi) oraz na zmiennych zero-jedynkowych związanymi z kwartałami (season). Regresję przeprowadzono na danych

Bardziej szczegółowo

Model 1: Estymacja KMNK z wykorzystaniem 4877 obserwacji Zmienna zależna: y

Model 1: Estymacja KMNK z wykorzystaniem 4877 obserwacji Zmienna zależna: y Zadanie 1 Rozpatrujemy próbę 4877 pracowników fizycznych, którzy stracili prace w USA miedzy rokiem 1982 i 1991. Nie wszyscy bezrobotni, którym przysługuje świadczenie z tytułu ubezpieczenia od utraty

Bardziej szczegółowo

NCIndex30 ANALIZA TECHNICZNA

NCIndex30 ANALIZA TECHNICZNA NCIndex ANALIZA TECHNICZNA NewConnect - grudzień Nr / SKŁAD NCIndex Symbol Nazwa Spółki Udział w indeksie [%]* Kurs akcji [LN] Kapitalizacja [mln LN] /E /BV Wartość obrotu [mln LN] B BIT STUDIOS.,,,,,,%

Bardziej szczegółowo

Zadanie 1. a) Przeprowadzono test RESET. Czy model ma poprawną formę funkcyjną? 1

Zadanie 1. a) Przeprowadzono test RESET. Czy model ma poprawną formę funkcyjną? 1 Zadanie 1 a) Przeprowadzono test RESET. Czy model ma poprawną formę funkcyjną? 1 b) W naszym przypadku populacja są inżynierowie w Tajlandii. Czy można jednak przypuszczać, że na zarobki kobiet-inżynierów

Bardziej szczegółowo

GRUPA PEKAO S.A. Wyniki finansowe po 2 kwartale 2007 r. Kolejny rekordowy kwartał, pełna gotowość do integracji. Warszawa, 3 sierpnia 2007 r.

GRUPA PEKAO S.A. Wyniki finansowe po 2 kwartale 2007 r. Kolejny rekordowy kwartał, pełna gotowość do integracji. Warszawa, 3 sierpnia 2007 r. GRUPA PEKAO S.A. Wyniki finansowe po 2 kwartale 2007 r. Kolejny rekordowy kwartał, pełna gotowość do integracji Warszawa, 3 sierpnia 2007 r. WYNIKI FINANSOWE PO 1 PÓŁROCZU 2007 R. 1H07 1H06 Zmiana Zysk

Bardziej szczegółowo

Proces modelowania zjawiska handlu zagranicznego towarami

Proces modelowania zjawiska handlu zagranicznego towarami Załącznik nr 1 do raportu końcowego z wykonania pracy badawczej pt. Handel zagraniczny w województwach (NTS2) realizowanej przez Centrum Badań i Edukacji Statystycznej z siedzibą w Jachrance na podstawie

Bardziej szczegółowo

GRUPA PEKAO S.A. Wyniki finansowe po czwartym kwartale 2006 r. Najlepszy kwartał, najlepszy rok, na drodze do integracji Warszawa, 21 lutego 2007 r.

GRUPA PEKAO S.A. Wyniki finansowe po czwartym kwartale 2006 r. Najlepszy kwartał, najlepszy rok, na drodze do integracji Warszawa, 21 lutego 2007 r. GRUPA PEKAO S.A. Wyniki finansowe po czwartym kwartale 2006 r. Najlepszy kwartał, najlepszy rok, na drodze do integracji Warszawa, 21 lutego 2007 r. WYNIKI FINANSOWE PO 4 KWARTAŁACH 2006 R. 2006 2005 Zmiana

Bardziej szczegółowo

EKONOMETRIA STOSOWANA PRZYKŁADOWE ZADANIA EGZAMINACYJNE

EKONOMETRIA 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 szczegółowo

Prognoza sprawozdania finansowego Bilans

Prognoza sprawozdania finansowego Bilans Prognoza sprawozdania go Bilans 31.12.24 31.12.25 31.12.26 Wartości niematerialne i prawne Rzeczowe aktywa trwałe Długoterminowe Zapasy Należności Inwestycje 594 3474 3528 954 52119 54 12 759 693 2259

Bardziej szczegółowo

Raport futures +5 BLUE CHIPS

Raport futures +5 BLUE CHIPS Raport futures +5 BLUE CHIPS Środa, 31 lipca 2013 Niniejsza publikacja jest publikacją handlową, prosimy o zapoznanie się z oświadczeniem umieszczonym na jej koocu. Raport futures +5 BLUE CHIPS analiza

Bardziej szczegółowo

BANK HANDLOWY W WARSZAWIE S.A. Wyniki skonsolidowane za II kwartał 2008 roku. Warszawa, 12 sierpnia 2008 roku

BANK HANDLOWY W WARSZAWIE S.A. Wyniki skonsolidowane za II kwartał 2008 roku. Warszawa, 12 sierpnia 2008 roku BANK HANDLOWY W WARSZAWIE S.A. Wyniki skonsolidowane za II kwartał 2008 roku Warszawa, 12 sierpnia 2008 roku Otoczenie makroekonomiczne 70 60 50 40 30 Źródło: Reuters Źródło: GPW -2- Spadki na giełdzie

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Zajęcia 15-16

Stanisław 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 szczegółowo

NCIndex30 ANALIZA TECHNICZNA

NCIndex30 ANALIZA TECHNICZNA x NCIndex ANALIZA TECHNICZNA NewConnect - maj Nr / SKŁAD NCIndex Symbol Nazwa Spółki Udział w indeksie [%]* Kurs akcji [PLN] Kapitalizacja [mln PLN] P/E P/BV Wartość obrotu [tys. PLN] 0C 0CYBATON,,,0,

Bardziej szczegółowo

PAKIETY STATYSTYCZNE

PAKIETY STATYSTYCZNE . Wykład wstępny PAKIETY STATYSTYCZNE 2. SAS, wprowadzenie - środowisko Windows, Linux 3. SAS, elementy analizy danych edycja danych 4. SAS, elementy analizy danych regresja liniowa, regresja nieliniowa

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 12

Stanisław Cichocki. Natalia Nehrebecka. Wykład 12 Stanisław Cichocki Natalia Nehrebecka Wykład 12 1 1.Problemy z danymi Zmienne pominięte Zmienne nieistotne 2. Autokorelacja o Testowanie autokorelacji 1.Problemy z danymi Zmienne pominięte Zmienne nieistotne

Bardziej szczegółowo

Przykład 2. Na podstawie książki J. Kowal: Metody statystyczne w badaniach sondażowych rynku

Przykład 2. Na podstawie książki J. Kowal: Metody statystyczne w badaniach sondażowych rynku Przykład 2 Na podstawie książki J. Kowal: Metody statystyczne w badaniach sondażowych rynku Sondaż sieciowy analiza wyników badania sondażowego dotyczącego motywacji w drodze do sukcesu Cel badania: uzyskanie

Bardziej szczegółowo

Fundusze inwestujące w małe i średnie spółki

Fundusze inwestujące w małe i średnie spółki Fundusze inwestujące w małe i średnie spółki Założenia i prognozy Zarządzającego Funduszami Investors TFI Jarosław Niedzielewski Dyrektor Departamentu Inwecji Kwiecień 2012 Uważam, że w ciągu ostatnich

Bardziej szczegółowo

Organizacja i funkcjonowanie systemu gospodarowania odpadami komunalnymi w Warszawie stan obecny, perspektywy, wyzwania

Organizacja i funkcjonowanie systemu gospodarowania odpadami komunalnymi w Warszawie stan obecny, perspektywy, wyzwania Organizacja i funkcjonowanie systemu gospodarowania odpadami komunalnymi w Warszawie stan obecny, perspektywy, wyzwania Warszawa 24 listopada 2015 r. Agenda 1. Podstawa prawna 2. Segregacja odpadów 3.

Bardziej szczegółowo

Bank Handlowy w Warszawie S.A. Wyniki skonsolidowane za III kwartał 2016 r.

Bank Handlowy w Warszawie S.A. Wyniki skonsolidowane za III kwartał 2016 r. 14 listopada 20 r. Bank Handlowy w Warszawie S.A. Wyniki skonsolidowane za III kwartał 20 r. www.citihandlowy.pl Bank Handlowy w Warszawie S.A. 1 Nowoczesny i bezpieczny Bank Wyniki finansowe Zysk netto

Bardziej szczegółowo

Pin Count. Grade. Automotive. x1/x8 MX66UM1G45GXDQ00 Apr X8 WAFER MX25LM51245GWSR00 Dec WSON MX25L51245GZ2S-08G Jul

Pin Count. Grade. Automotive. x1/x8 MX66UM1G45GXDQ00 Apr X8 WAFER MX25LM51245GWSR00 Dec WSON MX25L51245GZ2S-08G Jul 1Gb 1.V 16 24 TFBGA MX66L1G45GMR-0G Apr. 201 MX66L1G45GMR-10G Dec. 2016 MX66L1G45GXDR-0G Apr. 201 MX66L1G45GXDS-10G Dec. 2016 MX66L1G5GXDR-10G Jul. 2017 MX66U1G45GXDQ00 Oct. 2017 MX66U1G9GXDR00 Apr. 201

Bardziej szczegółowo

Satelitarna pomoc w gospodarstwie

Satelitarna pomoc w gospodarstwie Satelitarna pomoc w gospodarstwie Rolnictwo precyzyjne w intuicyjnej aplikacji 15 XI 2018, EKMA Co to SatAgro? Polski startup i usługa dostępna od 2015 r. Zautomatyzowany monitoring satelitarny pól za

Bardziej szczegółowo

Raport tygodniowy 48/2013

Raport tygodniowy 48/2013 Raport tygodniowy 48/2013 Źródłem danych jest system rezerwacyjny MerlinX. Dane zawarte w raporcie bazują na rezerwacjach dokonanych przez 2100 agentów. Liczba agentów wzrosła o 1% w stosunku do ubiegłego

Bardziej szczegółowo

Kontrola i zapewnienie jakości wyników

Kontrola i zapewnienie jakości wyników Kontrola i zapewnienie jakości wyników Kontrola i zapewnienie jakości wyników QA : Quality Assurance QC : Quality Control Dobór systemu zapewnienia jakości wyników dla danego zadania fit for purpose Kontrola

Bardziej szczegółowo

Analiza techniczna indeksów WIG 20

Analiza techniczna indeksów WIG 20 Wydział Doradztwa i Analiz Rynkowych ANALIZA TECHNICZNA 8 stycznia 213 r. Analiza techniczna indeksów WIG 2 Prognoza ruchu krótkoterminowa: trend wzrostowy Prognoza ruchu średnioterminowa: trend wzrostowy

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 4

Stanisław Cichocki. Natalia Nehrebecka. Wykład 4 Stanisław Cichocki Natalia Nehrebecka Wykład 4 1 1. Własności hiperpłaszczyzny regresji 2. Dobroć dopasowania równania regresji. Współczynnik determinacji R 2 Dekompozycja wariancji zmiennej zależnej Współczynnik

Bardziej szczegółowo

(LMP-Liniowy model prawdopodobieństwa)

(LMP-Liniowy model prawdopodobieństwa) OGÓLNY MODEL REGRESJI BINARNEJ (LMP-Liniowy model prawdopodobieństwa) Dla k3 y α α α α + x + x + x 2 2 3 3 + α x x α x x + α x x + α x x + ε + x 4 2 5 3 6 2 3 7 2 3 Zał.: Wszystkie zmienne interakcyjne

Bardziej szczegółowo

ANALIZA TECHNICZNA BLUE CHIPS

ANALIZA TECHNICZNA BLUE CHIPS o ANALIZA TECHNICZNA BLUE CHIPS 2 CZERWCA 2011 WIG 20 WIG20 - Daily 2011-06-02 17:39:00 Open 2882.05, Hi 2909.67, Lo 2880.69, Close 2896.05 (-0.2%) 2942 2,940.0 2882 2916-2918 2,896.05 2,880.0 2870 2,820.0

Bardziej szczegółowo

Raport tygodniowy 13/2013

Raport tygodniowy 13/2013 Raport tygodniowy 13/2013 Źródłem danych jest system rezerwacyjny MerlinX. Dane zawarte w raporcie bazują na rezerwacjach dokonanych przez 2811 agentów. Liczba agentów spadła o 12,3% w stosunku do ubiegłego

Bardziej szczegółowo

t y x y'y x'x y'x x-x śr (x-x śr)^2

t 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 szczegółowo

Niekonwencjonalne źródła ciepła

Niekonwencjonalne źródła ciepła WYDZIAŁ INŻYNIERII ŚRODOWISKA Niekonwencjonalne źródła ciepła Wykład wprowadzający Wprowadzenie do narzędzi oceny projektów czystej energii RetScreen Dr inż. Andrzej Wiszniewski Materiały do pobrania http://awiszniewski.vip4.net

Bardziej szczegółowo

ANALIZA REGRESJI WIELOKROTNEJ. Zastosowanie statystyki w bioinżynierii Ćwiczenia 8

ANALIZA REGRESJI WIELOKROTNEJ. Zastosowanie statystyki w bioinżynierii Ćwiczenia 8 ANALIZA REGRESJI WIELOKROTNEJ Zastosowanie statystyki w bioinżynierii Ćwiczenia 8 ZADANIE 1A 1. Irysy: Sprawdź zależność długości płatków korony od ich szerokości Utwórz wykres punktowy Wyznacz współczynnik

Bardziej szczegółowo

NCIndex30 ANALIZA TECHNICZNA

NCIndex30 ANALIZA TECHNICZNA x NCIndex ANALIZA TECHNICZNA NewConnect - kwiecień Nr / SKŁAD NCIndex Symbol Nazwa Spółki Udział w indeksie [%]* Kurs akcji [PLN] Kapitalizacja [mln PLN] P/E P/BV Wartość obrotu [tys. PLN] 0C 0CYBATON,0,0,,

Bardziej szczegółowo

Wykład: ZATRUDNIENIE I BEZROBOCIE

Wykład: ZATRUDNIENIE I BEZROBOCIE Wykład: ZATRUDNIENIE I BEZROBOCIE Pracujący wg BAEL Za pracującą uznano każdą osobę, która w badanym tygodniu: wykonywała pracę przynoszącą zarobek lub dochód jako pracownik najemny, pracujący na własny

Bardziej szczegółowo

Bank Handlowy w Warszawie S.A. Wyniki skonsolidowane za II kwartał 2016 r.

Bank Handlowy w Warszawie S.A. Wyniki skonsolidowane za II kwartał 2016 r. 24 sierpnia 2016 r. Bank Handlowy w Warszawie S.A. Wyniki skonsolidowane za II kwartał 2016 r. www.citihandlowy.pl Bank Handlowy w Warszawie S.A. 1 Podsumowanie II kwartału 2016 roku w Citi Handlowy Wzrost

Bardziej szczegółowo

NAZWA. M» Milwaukee. X» Kształt główki. 4» 4-ostrza/4-spirale Precyzyjne otwory i mniejsze wibracje

NAZWA. M» Milwaukee. X» Kształt główki. 4» 4-ostrza/4-spirale Precyzyjne otwory i mniejsze wibracje Nowa Generacja Wierteł SDS-Plus 4-ostrzowych NAZWA M» Milwaukee X» Kształt główki 4» 4-ostrza/4-spirale Precyzyjne otwory i mniejsze wibracje GŁÓWNE ZALETY WIERTEŁ 4-OSTRZOWYCH SYMETRYCZNA GEOEMTRIA 4

Bardziej szczegółowo

Metoda najmniejszych kwadratów

Metoda najmniejszych kwadratów Własności algebraiczne Model liniowy Zapis modelu zarobki = β 0 + β 1 plec + β 2 wiek + ε Oszacowania wartości współczynników zarobki = b 0 + b 1 plec + b 2 wiek + e Model liniowy Tabela: Oszacowania współczynników

Bardziej szczegółowo

STATYSTYKA - PRZYKŁADOWE ZADANIA EGZAMINACYJNE

STATYSTYKA - PRZYKŁADOWE ZADANIA EGZAMINACYJNE STATYSTYKA - PRZYKŁADOWE ZADANIA EGZAMINACYJNE 1 W trakcie badania obliczono wartości średniej (15,4), mediany (13,6) oraz dominanty (10,0). Określ typ asymetrii rozkładu. 2 Wymień 3 cechy rozkładu Gauss

Bardziej szczegółowo

Rola rekomendacji lekarza w strategii OTC

Rola rekomendacji lekarza w strategii OTC Annual Clients Conference Rola rekomendacji lekarza w strategii OTC Tomasz Kluszczyński Dyrektor Regionalny, Europa Wschodnia, Rosja i WNP Copyright 2017 QuintilesIMS. All rights reserved. Patient Journey

Bardziej szczegółowo

e) Oszacuj parametry modelu za pomocą MNK. Zapisz postać modelu po oszacowaniu wraz z błędami szacunku.

e) Oszacuj parametry modelu za pomocą MNK. Zapisz postać modelu po oszacowaniu wraz z błędami szacunku. Zajęcia 4. Estymacja i weryfikacja modelu model potęgowy Wersja rozszerzona W pliku Funkcja produkcji.xls zostały przygotowane przykładowe dane o produkcji, kapitale i zatrudnieniu dla 27 przedsiębiorstw

Bardziej szczegółowo

1 Obliczenia na danych

1 Obliczenia na danych 1 Obliczenia na danych 1.1 Wyrażenia w SAS 1. stałe numeryczne, czyli liczby używane w wyrażeniach SAS. Możemy je prezentować (a) w zapisie standardowym np. 5, 6.7, -2.1, (b) w notacji naukowej np. 2e5

Bardziej szczegółowo

Metoda najmniejszych kwadratów

Metoda najmniejszych kwadratów Model ekonometryczny Wykształcenie a zarobki Hipoteza badawcza: Istnieje zależność między poziomem wykształcenia a wysokością zarobków Wykształcenie a zarobki Hipoteza badawcza: Istnieje zależność między

Bardziej szczegółowo

Matematyka i statystyka matematyczna dla rolników w SGGW WYKŁAD 11 DOŚWIADCZENIE JEDNOCZYNNIKOWE W UKŁADZIE CAŁKOWICIE LOSOWYM PORÓWNANIA SZCZEGÓŁOWE

Matematyka i statystyka matematyczna dla rolników w SGGW WYKŁAD 11 DOŚWIADCZENIE JEDNOCZYNNIKOWE W UKŁADZIE CAŁKOWICIE LOSOWYM PORÓWNANIA SZCZEGÓŁOWE WYKŁAD 11 DOŚWIADCZENIE JEDNOCZYNNIKOWE W UKŁADZIE CAŁKOWICIE LOSOWYM PORÓWNANIA SZCZEGÓŁOWE Było: Przykład. W doświadczeniu polowym załoŝonym w układzie całkowicie losowym w czterech powtórzeniach porównano

Bardziej szczegółowo

Czym jest Analiza Techniczna Co może wydarzyć się WIG20 na kolejnych sesjach

Czym jest Analiza Techniczna Co może wydarzyć się WIG20 na kolejnych sesjach Świadome Inwestowanie Analiza Techniczna Wprowadzenie do inwestowania... arę słów wstępu Czym jest Analiza Techniczna rzemysław Smoliński K Dom Maklerski Warszawa, 21 kwietnia 2015 r. 2 Czym jest Analiza

Bardziej szczegółowo

Ichimoku. Czyli jak inwestują japońscy górale

Ichimoku. Czyli jak inwestują japońscy górale Ichimoku Czyli jak inwestują japońscy górale 1 Geneza Ichimoku Technika Ichimoku wynaleziona jeszcze przed II Wojną Światową przez tokijskiego dziennikarza Ichimoku Sanjin (prawdziwe nazwisko Goichi Hosoda),

Bardziej szczegółowo

Warsztat: Model do analiz energetycznych dla regionu (REAM)

Warsztat: Model do analiz energetycznych dla regionu (REAM) Warsztat: Model do analiz energetycznych dla regionu (REAM) Endre Ottosen, NEPAS Doskonalenie poziomu edukacji w samorządach terytorialnych w zakresie zrównoważonego gospodarowania energią i ochrony klimatu

Bardziej szczegółowo

WYDZIAŁ ELEKTRYCZNY KATEDRA TELEKOMUNIKACJI I APARATURY ELEKTRONICZNEJ. Numer ćwiczenia: 3. Laboratorium z przedmiotu: PODSTAWY TELEKOMUTACJI KOD:

WYDZIAŁ ELEKTRYCZNY KATEDRA TELEKOMUNIKACJI I APARATURY ELEKTRONICZNEJ. Numer ćwiczenia: 3. Laboratorium z przedmiotu: PODSTAWY TELEKOMUTACJI KOD: Politechnika Białostocka WYDZIAŁ ELEKTRYCZNY KATEDRA TELEKOMUNIKACJI I APARATURY ELEKTRONICZNEJ Instrukcja do zajęć laboratoryjnych Temat ćwiczenia: Analiza charakterystyk statystycznych ruchu telekomunikacyjnego.

Bardziej szczegółowo

Stanisław Cichocki. Natalia Neherbecka. Zajęcia 13

Stanisław Cichocki. Natalia Neherbecka. Zajęcia 13 Stanisław Cichocki Natalia Neherbecka Zajęcia 13 1 1. Kryteria informacyjne 2. Testowanie autokorelacji 3. Modele dynamiczne: modele o rozłożonych opóźnieniach (DL) modele autoregresyjne o rozłożonych

Bardziej szczegółowo

WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI. Test zgodności i analiza wariancji Analiza wariancji

WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI. Test zgodności i analiza wariancji Analiza wariancji WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI Test zgodności i analiza wariancji Analiza wariancji Test zgodności Chi-kwadrat Sprawdza się za jego pomocą ZGODNOŚĆ ROZKŁADU EMPIRYCZNEGO Z PRÓBY Z ROZKŁADEM HIPOTETYCZNYM

Bardziej szczegółowo

RYNEK PODSTAWOWYCH SUROWCÓW NOTOWANYCH NA GIEŁDACH TOWAROWYCH. Gdańsk, 8 października 2011

RYNEK PODSTAWOWYCH SUROWCÓW NOTOWANYCH NA GIEŁDACH TOWAROWYCH. Gdańsk, 8 października 2011 RYNEK PODSTAWOWYCH SUROWCÓW NOTOWANYCH NA GIEŁDACH TOWAROWYCH Gdańsk, 8 października 2011 Jacek Maliszewski Główny Ekonomista DMK-Alpha e-mail: j.maliszewski@dmk-alpha.eu PLAN PREZENTACJI 1. Przegląd giełd

Bardziej szczegółowo

Testy własności składnika losowego Testy formy funkcyjnej. Diagnostyka modelu. Część 2. Diagnostyka modelu

Testy własności składnika losowego Testy formy funkcyjnej. Diagnostyka modelu. Część 2. Diagnostyka modelu Część 2 Test Durbina-Watsona Test Durbina-Watsona Weryfikowana hipoteza H 0 : cov(ε t, ε t 1 ) = 0 H 1 : cov(ε t, ε t 1 ) 0 Test Durbina-Watsona Weryfikowana hipoteza H 0 : cov(ε t, ε t 1 ) = 0 H 1 : cov(ε

Bardziej szczegółowo

Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)

Szczegółowy 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 szczegółowo

Statystyka od podstaw Janina Jóźwiak, Jarosław Podgórski

Statystyka 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 szczegółowo

Integracja źródeł generacji wiatrowej i słonecznej z krajową siecią energetyczną w oparciu o elektrownie szczytowo-pompowe

Integracja źródeł generacji wiatrowej i słonecznej z krajową siecią energetyczną w oparciu o elektrownie szczytowo-pompowe Integracja źródeł generacji wiatrowej i słonecznej z krajową siecią energetyczną w oparciu o elektrownie szczytowo-pompowe Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie AGH University of

Bardziej szczegółowo

ANALIZA TECHNICZNA BLUE CHIPS

ANALIZA TECHNICZNA BLUE CHIPS o ANALIZA TECHNICZNA BLUE CHIPS 25 PAŹDZIERNIKA 2013 WIG 20 WIG20 (2,542.70, 2,552.33, 2,527.24, 2,537.62, -13.8098) 2600 2550 2500 2450 2400 2350 2300 2250 2200 2150 2100 2050 May June July August September

Bardziej szczegółowo

ANALIZA TECHNICZNA BLUE CHIPS

ANALIZA TECHNICZNA BLUE CHIPS o ANALIZA TECHNICZNA BLUE CHIPS 19 LIPCA 2013 WIG 20 WIG20 (2,310.93, 2,313.00, 2,277.94, 2,300.33, -9.45996) 2600 2550 2500 2450 2400 2350 2300 2250 2200 2150 2100 2050 May June July August September

Bardziej szczegółowo

Projekt ACCUS jako narzędzie do tworzenia inteligentnego miasta

Projekt ACCUS jako narzędzie do tworzenia inteligentnego miasta Projekt ACCUS jako narzędzie do tworzenia inteligentnego miasta 2015-05-13 Projekt finansowany ze środków Narodowego Centrum Badań i Rozwoju (umowa nr ARTEMIS-2012-1/8/2013) oraz ARTEMIS JU (umowa nr 333020)

Bardziej szczegółowo

Weekly report 18/2018 Data source: MerlinX*

Weekly report 18/2018 Data source: MerlinX* Weekly report 18/2018 Data source: MerlinX* * MerlinX is one of the most popular reservation systems used by travel agency offices in Poland Monthly trips compared with previous tourist year 2018 2017

Bardziej szczegółowo

Weekly report 05/2018 Data source: MerlinX*

Weekly report 05/2018 Data source: MerlinX* Weekly report 05/2018 Data source: MerlinX* * MerlinX is one of the most popular reservation systems used by travel agency offices in Poland Monthly trips compared with previous tourist year 2018 2017

Bardziej szczegółowo

, a ilość poziomów czynnika A., b ilość poziomów czynnika B. gdzie

, a ilość poziomów czynnika A., b ilość poziomów czynnika B. gdzie Test Scheffego, gdzie (1) n to ilość powtórzeń (pomiarów) w jednej grupie (zabiegu) Test NIR Istnieje wiele testów dla porównań wielokrotnych opartych o najmniejszą istotna różnicę między średnimi (NIR).

Bardziej szczegółowo

Ekonometria dla IiE i MSEMat Z7

Ekonometria dla IiE i MSEMat Z7 Ekonometria dla IiE i MSEMat Z7 Rafał Woźniak Faculty of Economic Sciences, University of Warsaw Warszawa, 21-11-2016 Na podstawie zbioru danych cps_small.dat z książki Principles of Econometrics oszacowany

Bardziej szczegółowo

1. 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. 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 szczegółowo

Katedra Inżynierii Ochrony Wód Wydział Nauk o Środowisku. Uwarunkowania rekultywacji Jeziora Wolsztyńskiego

Katedra Inżynierii Ochrony Wód Wydział Nauk o Środowisku. Uwarunkowania rekultywacji Jeziora Wolsztyńskiego Katedra Inżynierii Ochrony Wód Wydział Nauk o Środowisku Uwarunkowania rekultywacji Jeziora Wolsztyńskiego Plan batymetryczny Jeziora Wolsztyńskiego Zlewnia Jeziora Wolsztyńskiego powierzchnia 193,5 km

Bardziej szczegółowo

Analiza wariancji jednej zmiennej (UNIANOVA)

Analiza wariancji jednej zmiennej (UNIANOVA) UNIANOVA ocena BY pĺ eä szkoĺ a doĺ wiadczenie /METHOD=SSTYPE(3) /INTERCEPT=INCLUDE /POSTHOC=szkoĹ a(snk) /PLOT=PROFILE(szkoĹ a*doĺ wiadczenie*pĺ eä doĺ wiadczenie*szkoĺ a*pĺ eä szkoĺ a*pĺ eä *doĺ wiadczenie

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka

Stanisław Cichocki. Natalia Nehrebecka Stanisław Cichocki Natalia Nehrebecka 1 1. Wstęp a) Binarne zmienne zależne b) Interpretacja ekonomiczna c) Interpretacja współczynników 2. Liniowy model prawdopodobieństwa a) Interpretacja współczynników

Bardziej szczegółowo

Szymon Bargłowski, sb39345 MODEL. 1. Równania rozpatrywanego modelu: 1 PKB t = a 1 a 2 E t a 3 Invest t 1

Szymon Bargłowski, sb39345 MODEL. 1. Równania rozpatrywanego modelu: 1 PKB t = a 1 a 2 E t a 3 Invest t 1 Szymon Bargłowski, sb39345 MODEL 1. Równania rozpatrywanego modelu: 1 PKB t = a 1 a 2 E t a 3 Invest t 1 2 C t = b 1 b 2 PKB t b 3 Invest t 1 b 4 G t 2 3 Invest t = d 1 d 2 C t d 3 R t 3 gdzie: G - wydatki

Bardziej szczegółowo

Instrukcje. Operatory. Operatory. Instrukcje sterujące. wyrażenie1 && wyrażenie2 ;

Instrukcje. Operatory. Operatory. Instrukcje sterujące. wyrażenie1 && wyrażenie2 ; Instrukcje wyrażenie1 if wyrażenie2 ; wyrażenie1 until wyrażenie2 ; wyrażenie1 wyrażenie2 ; wyrażenie1 wyrażenie2 ; wyrażenie1? wyrażenie2 : wyrażenie3 ; if (wyrażenie) blok [ [ elsif (wyrażenie) blok...

Bardziej szczegółowo

Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)

Szczegółowy 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 szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 13

Stanisław Cichocki. Natalia Nehrebecka. Wykład 13 Stanisław Cichocki Natalia Nehrebecka Wykład 13 1 1. Autokorelacja Konsekwencje Testowanie autokorelacji 2. Metody radzenia sobie z heteroskedastycznością i autokorelacją Uogólniona Metoda Najmniejszych

Bardziej szczegółowo

Sektor polskich małych i średnich spółek

Sektor polskich małych i średnich spółek Sektor polskich małych i średnich spółek Komentarz rynkowy Łukasz Hejak Zarządzający Funduszami: Investor Top 25 Małych Spółek FIO Investor Top 50 Małych i Średnich Spółek FIO Marzec 2014 Polskie małe

Bardziej szczegółowo

Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl

Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Statystyczna teoria korelacji i regresji (1) Jest to dział statystyki zajmujący

Bardziej szczegółowo

Zmiany w dystrybucji Ewolucja sieci aptecznych oraz sieci wirtualnych

Zmiany w dystrybucji Ewolucja sieci aptecznych oraz sieci wirtualnych Zmiany w dystrybucji Ewolucja sieci aptecznych oraz sieci wirtualnych Marcin Gawroński Senior Manager, Supplier Relations, Poland & Baltics, IMS Health Warszawa, 21 kwietnia 2016 0 Co przedstawia poniższa

Bardziej szczegółowo

DO ROLI LIDERA BANKOWOŚCI W POLSCE

DO ROLI LIDERA BANKOWOŚCI W POLSCE GRUPA PEKAO SA Wyniki finansowe po 3 kwartale 2007 roku GOTOWI DO ROLI LIDERA BANKOWOŚCI W POLSCE Warszawa, 14 listopada 2007 WYNIKI FINANSOWE PO 9 MIESIĄCACH 2007 R. 9M07 9M06 Zmiana Zysk netto (PLN mln.)

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka

Stanisław Cichocki. Natalia Nehrebecka Stanisław Cichocki Natalia Nehrebecka 1. Testy diagnostyczne 2. Testowanie prawidłowości formy funkcyjnej modelu 3. Testowanie normalności składników losowych 4. Testowanie stabilności parametrów 5. Testowanie

Bardziej szczegółowo

Projekt zaliczeniowy z przedmiotu Statystyka i eksploracja danych (nr 3) Kamil Krzysztof Derkowski

Projekt zaliczeniowy z przedmiotu Statystyka i eksploracja danych (nr 3) Kamil Krzysztof Derkowski Projekt zaliczeniowy z przedmiotu Statystyka i eksploracja danych (nr 3) Kamil Krzysztof Derkowski Zadanie 1 Eksploracja (EXAMINE) Informacja o analizowanych danych Obserwacje Uwzględnione Wykluczone Ogółem

Bardziej szczegółowo