PROGNOZY I SYMULACJE
|
|
- Łukasz Gajewski
- 7 lat temu
- Przeglądów:
Transkrypt
1 Forecasting is the art of saying what will happen, and then explaining why it didn t. Ch. Chatfield (1986) PROGNOZY I SYMULACJE Katarzyna Chudy Laskowska konsultacje: p. 400A środa czwartek strona internetowa: 1
2 WYKŁAD I Wprowadzenie w tematykę zajęć 1. Organizacja zajęć 2. Projekt zaliczeniowy 3. Literatura 4. Minima programowe 5. Tematyka wykładów i laboratoriów 6. Przewidywanie przyszłości 7. Podstawowe pojęcia (prognoza, symulacja, okres i horyzont prognozy) 8. Klasyfikacja prognoz 9. Cel i funkcje prognoz 10. Metody prognozowania 11. Modele 12. Schemat dokonywania prognoz (etapy prognozowania) 13. Obszary zastosowania metod prognostycznych 14. Prognozowanie w życiu codziennym 15. Przykłady prognoz 16. Skuteczność prognoz - warunki 2
3 1. ORGANIZACJA ZAJĘĆ 30 h WYKŁADÓW 30 h LABORATORIÓW Program komputerowy: Statistica PL 8.1 (wydział posiada licencję, która uprawnia studentów do korzystania z programu na komputerach domowych) Warunki zaliczenia przedmiotu: 1. Obecność na zajęciach (dotyczy laboratoriów i wykładów) 2. Uzyskanie pozytywnej oceny z zaliczenia laboratoriów (projekt) 3
4 2. PROJEKT ZALICZENIOWY 1. Tytuł projektu (czego dotyczy problem) 2. Wstęp (cel pracy, zakres czasowy danych, źródło danych, problematyka pracy, wykorzystane metody) 3. Część teoretyczna (opis wybranych metod analizy danych oraz przedstawienie opisywanego zjawiska) 4. Część praktyczna (przedstawienie graficzne, charakterystyka danych oraz wyniki badań) 5. Podsumowanie 6. Wykorzystana literatura 7. Spis rysunków 8. Spis tablic UWAGA! praca musi być sformatowana wg zaleceń dotyczących pisania prac licencjackich i magisterskich na Wydziale ZiM 4
5 3. LITERATURA Podstawowe podręczniki: Cieślak M., Prognozowanie gospodarcze. Metody i zastosowania, PWN, Warszawa Radzikowska B.: Metody prognozowania. Zbiór zadań. AE Wrocław Zeliaś A., Teoria prognozy, PWE, Warszawa Literatura uzupełniająca Witkowska D.: Podstawy ekonometrii i teorii prognozowania: podręcznik z przykładami i zadaniami. Oficyna Ek. Kraków Dittmann P., Metody prognozowania sprzedaży w przedsiębiorstwie, Wydawnictwo Akademii Ekonomicznej we Wrocławiu, Aczel D.A., Statystyka w zarządzaniu, PWN, Warszawa Koronacki J., Mielniczuk J., Statystyka dla studentów kierunków technicznych i przyrodniczych, Wydawnictwo Naukowo-Techniczne, Warszawa Stanisz A., Przystępny kurs statystyki z wykorzystaniem pakietu Statistica PL na przykładzie danych z medycyny. Tom I i II. StatSoft Polska, Kraków Z. Czerwiński, Jeszcze raz o prognozach, Przestrzenno-czasowe modelowanie zjawisk społecznogospodarczych, Wyd. AE Kraków, Czerwiński Z., Guzik B.: Prognozowanie ekonometryczne. PWE, Gajda J.: Prognozowanie i symulacja a decyzje gospodarcze. C. H. Beck, Grabiński T., Wydymus S., Zeliaś A.: Modele ekonometryczne w procesie prognozowania AE Kraków Guzik B., Appenzeller D., Jurek W.: Prognozowanie i symulacje. Wybrane zagadnienia. Wydawnictwo A E Poznań Zeliaś A., Pawełek B., Wanat S.: Prognozowanie ekonomiczne. Teoria, przykłady zadania. PWN, Warszawa
6 2. MINIMA PROGRAMOWE Minimum programowe: Narzędzia, metody i techniki komputerowego opracowywania prognoz prostych, wariantowych, opartych na: -modelach tendencji rozwojowej, -modelach przyczynowo skutkowych, -wielorównaniowych modelach ekonometrycznych i nie ekonometrycznych. W trakcie zajęć słuchacze zostają zaznajomieni co najmniej z jednym pakietem programów komputerowych, za pomocą którego będą mogli przeprowadzić analizę ilościową wybranych przez siebie zjawisk gospodarczych oraz dokonać prognoz. 6
7 3. TEMATYKA WYKŁADÓW Modelowanie i prognozowanie wprowadzenie w tematykę zajęć Podstawowe metody prezentacji danych, wnioskowanie statystyczne Graficzne metody analizy danych Analiza współzależności pomiędzy dwiema cechami statystycznymi Klasyfikacja prognoz oraz ocena ich wiarygodności Liniowe modele regresji i wybrane przykłady zastosowań Nieliniowe modele regresji Analiza szeregów czasowych (1): przegląd podstawowych metod prognozowania Analiza szeregów czasowych (2): wyrównywanie wykładnicze Analiza szeregów czasowych (3): modele autoregresji i średniej ruchomej Przegląd wybranych metod taksonomicznych Omówienie możliwości programu Statistica
8 3...I LABORATORIÓW Podstawowe metody komputerowej analizy danych, interpretacja podstawowych statystyk opisowych (1) Badanie niezależności dwóch cech (analiza korelacji, test chi kwadrat niezależności Pearsona, analiza wariancji) oraz graficzna prezentacja danych (2) Liniowe modele regresji (3) Analiza szeregów czasowych: proste modele prognostyczne (4) Analiza szeregów czasowych: wyrównywanie wykładnicze (4) Doskonalenie umiejętności analizy danych - zaliczenie przedmiotu - projekt) 8
9 4. PRZEWIDYWANIE PRZYSZŁOŚCI PRZEWIDYWANIE PRZYSZŁOŚCI RACJONALNE gdy wnioskowanie jest logicznym procesem przebiegającym od przesłanek tj. od zbioru faktów należących do przeszłości i ich interpretacji, do konkluzji. NIERACJONALNE gdy przesłanki nie zostały podane lub nie zachowano związku między przesłankami a konkluzją (wróżby, proroctwa które niekoniecznie muszą być fałszywe) NAUKOWE ZDROWOROZSĄDKOWE gdy w procesie wnioskowania korzysta się z reguł nauki jeśli przesłanki i tok rozumowania oparte są na doświadczeniu bez posługiwania się regułami nauki
10 5. PODSTAWOWE POJĘCIA - PROGNOZA wg Z. Czerwińskiego:...sąd o zajściu określonego zdarzenia w czasie określonym z dokładnością do momentu (punktu) lub okresu (przedziału) czasu, należącego do przyszłości. wg M. Cieślak:...sąd o następujących własnościach: - sformułowany z wykorzystaniem dorobku nauki; - odnoszący się do określonej przyszłości; - weryfikowalny empirycznie; - niepewny, ale akceptowalny wg M. Cieślak: to wnioskowanie o zdarzeniach nie znanych na podstawie zdarzeń znanych wg A. Filasiewicza: Prognozowaniem nazywamy oparte na podstawach naukowych przewidywanie przebiegu i stanu możliwych (prawdopodobnych) przyszłych zdarzeń (rzeczy, faktów, zjawisk) wg Z. Hellwiga:...sąd, którego prawdziwość jest zdarzeniem losowym, przy czym prawdopodobieństwo tego zdarzenia jest znane i wystarczająco duże dla celów praktycznych. wg A. Smoluka:...wnioskowanie o rzeczach niedostępnych bezpośredniemu poznaniu, przeszkodą może być czas, przestrzeń lub jeszcze coś innego. wg H. Steinhausa:...[prognozą można nazwać] zarówno przepowiednię meteorologiczną, jak i szacowanie zawartości kruszcu w podziemiu obszaru wg A. Zeliasia:...prognozowanie to racjonalne, naukowe przewidywanie przyszłych zdarzeń
11 5. PODSTAWOWE POJĘCIA - PROGNOZA Prognozowanie gospodarcze jest przewidywaniem kształtowania się zjawisk i procesów gospodarczych w przyszłości. Prognoza jest sądem o przyszłych stanach zjawisk i zdarzeń sformułowanym w trakcie procesu prognozowania. Prognozowanie jest utrudnione przez specyficzne warunki w jakich przebiegają zjawiska. Przeszkodę stanowi uzależnienie ich przebiegu od różnorodnych czynników, które można podzielić na: EGZOGENICZNE zewnętrzne, na które decydenci nie mają wpływu, a które należy uwzględnić w trakcie prognozowania jako pewne zewnętrzne ograniczenia przebiegu zjawisk i procesów gospodarczych ENDOGENICZNE wewnętrzne, leżące wewnątrz badanego obiektu, które mogą być kształtowane przez decydentów.
12 5. PODSTAWOWE POJĘCIA - SYMULACJA przybliżona odpowiedź na dokładnie sformułowany problem jest lepsza niż dokładna odpowiedź na przybliżony problem Tematyka zajęć będzie dotyczyła szeroko rozumianych ilościowych metod prognozowania, więc każda próba wnioskowania o nieznanej rzeczywistości (przyszłości) będzie oparta na pewnym uproszczonym modelu opisującym najważniejsze aspekty badanego problemu. Zanim zaistnieje możliwość dokonania rzetelnej prognozy konieczne jest znalezienie najlepszego modelu, który opisywałby zgromadzone dane empiryczne. Słowo modelowanie zastępowane jest czasami terminem symulacja i stąd nazwa przedmiotu. Gwoli ścisłości należałby dodać, iż właściwsza wydawałby się kolejność: symulacja i prognoza (jeszcze lepiej: modelowanie i prognozowanie ). SYMULACJA to badanie możliwych stanów określonego fragmentu rzeczywistości za pomocą eksperymentowania na modelu (podstawiania w miejsce zmiennych objaśniających różnych możliwych, dopuszczalnych wartości lub przyjmowania różnych wartości parametrów modelu)
13 5. PODSTAWOWE POJĘCIA - SYMULACJA Planowanie wyjazdu na weekend w góry (czas trwania podróży). Rozwiązanie analityczne (nie-symulacyjne): sprawdzamy w atlasie jaką odległość należy pokonać zakładamy średnią prędkość wyznaczamy czas wg wzoru Rozwiązanie symulacyjne: dokładnie kilometr za kilometrem odtwarzamy przejazd, biorąc np. pod uwagę: dziurawą nawierzchnię, kąt nachylenia jezdni na podjazdach górskich, przerwy na postoje fizjologiczne, nieoczekiwanie długą przerwę w przydrożnej knajpie (bo właśnie trafiliśmy na moment kiedy zatrzymał się tam autokar z wycieczką), zaskakująco szybki (lub powolny) przejazd przez dużą aglomerację, itd., itd.
14 5. PODSTAWOWE POJĘCIA - okres i horyzont prognozy Prognoza gospodarcza jest stawiana na ściśle określony czas w przyszłości. Okres, którego dotyczy sporządzana prognoza nazywa się OKRESEM PROGNOZY. Długość tego okresu zależy od dwóch czynników: -od charakteru prognozowanego zjawiska oraz -od praktycznych potrzeb prognozowania. Okres prognozy powinien być ściśle zdefiniowany. Liczba jednostek czasu, jaka upływa od teraźniejszości (momentu konstrukcji prognozy) do okresu prognozowania nazywa się WYPRZEDZENIEM PROGNOZY. Pojawia się problem jak daleko w przyszłość można sięgać z tworzeniem prognozy, Jest to tak zwane zagadnienie dotyczące HORYZONTU PROGNOZY. Horyzontem prognozy jest najdłuższy okres lub moment w przyszłości, w którym prognoza jest dopuszczalna w świetle przyjętego kryterium. Długość horyzontu prognozy zależy od wielu czynników a przede wszystkim: -charakteru obiektu prognozy, -wybranego modelu prognostycznego, -zastosowanej metody prognozowania.
15 6. KLASYFIKACJA PROGNOZ P R O G N O Z Y HORYZONT CZASOWY FUNKCJA CHARAKTER PROGNOZOWANEGO ZJAWISKA KRYTERIUM CELU STOPIEŃ SZCZEGÓŁOWOŚCI ZASIĘG krótkookresowe średniookresowe długookresowe operacyjne strategiczne ilościowe jakościowe badawcze ostrzegawcze normatywne ogólne szczegółowe makroekonomiczne mikroekonomiczne
16 6. KLASYFIKACJA PROGNOZ PODZIAŁ ZE WZGLĘDU NA HOTYZONT CZASOWY KRÓTKOOKRESOWE w zjawiskach gospodarczych prognoza zwykle nie przekracza 1 roku bądź jednego cyklu produkcyjnego. Zachodzą więc zmiany o charakterze ilościowym. W praktyce sterowanie za pomocą tej metody jest trudne i zazwyczaj nieskuteczne. ŚREDNIOOKRESOWE obejmuje okres od 2 do 5 lat. Mają więc w takim okresie zmiany zarówno ilościowe jak i jakościowe. Prognozy te pozwalają na w miarę skuteczne sterowanie procesem. DŁUGOOKRESOWE obejmują okres przekraczający 5 lat (w analizach gospodarczych). W długim okresie występują zmiany ilościowe i takie o charakterze jakościowym, pozwala to na skuteczne kierowanie procesami. prognozy perspektywiczne z horyzontem lat prognozy ponadperspektywiczne o horyzoncie przekraczającym ponad 20 lat Relatywność klasyfikacji różne dyscypliny różnie postrzegają okres prognozy, np. prognoza krótkookresowa w analizie kursu walut obejmuje od kilku sekund do kilki godzin, w meteorologii ok.. 1 dobę a w demografii 5 lat.
17 6. KLASYFIKACJA PROGNOZ PODZIAŁ ZE WZGLĘDU NA FUNKCJĘ OPERACYJNE to krótkookresowe prognozy wykorzystywane do bieżącego zarządzania, nie przekraczające zazwyczaj jednego roku. Wykorzystywane są jako narzędzie planowania operatywnego oraz bieżącej polityki gospodarczej. Powinny być przedmiotem zainteresowania niższych szczebli zarządzania jednostkami gospodarczymi. STRATEGICZNE są nazywane prognozami rozpoznawczymi, ujmują długofalowe wyniki w decyzjach gospodarczych. Prognozy strategiczne pełnią rolę narzędzi planowania długookresowego i perspektywicznego. Są podstawą do sporządzania strategii oraz planów długookresowych.
18 6. KLASYFIKACJA PROGNOZ PODZIAŁ ZE WZGLĘDU NA CHARAKTER ZJAWISK ILOŚCIOWE dotyczące zjawisk ilościowych. Stan zmiennej prognozowanej przedstawiany jest liczbowo. Ujęte są w formie: prognozy punktowej przedstawiają określoną wartość jaką przyjmie zmienna prognozowana (cena akcji przy zamknięciu wyniesie..) lub prognozy przedziałowej formułuje się w postacie przedziału liczbowego, w którym znajdzie się przyszła prognozowana wartość (ruch turystyczny w Tatrach wyniesie 80-90% ruchu roku poprzedniego). JAKOŚCIOWE są to prognozy dotyczące zjawisk typu jakościowego. Stan zmiennej prognozowanej nie jest wyrażany liczbowo lecz za pomocą opisu słownego. np. w przyszłym roku w stosunku do poprzedniego wzrośnie tempo rozwoju gospodarczego województwa.
19 6. KLASYFIKACJA PROGNOZ PODZIAŁ ZE WZGLĘDU NA KRYTERIUM CELU Związane jest ono z aktywizującą funkcją prognoz, która polega na pobudzaniu do podjęcia określonych działań w celu realizacji prognozy. BADAWCZE mają na celu rozpoznanie przyszłych zdarzeń i przedstawienie możliwych wariantów ich realizacji. Pełnią one ważną rolę narzędzi stymulujących działania w stosunku do zmiennych prognozowanych. OSTRZEGAWCZE mają na celu próbę ostrzeżenia odbiorcy prognozy przed nadejściem niepożądanych wydarzeń czy też przed wystąpieniem niekorzystnych konsekwencji przyszłych działań lub procesów rozwojowych. Dają czas na podjęcie działań zapobiegawczych w celu zmiany niekorzystnych tendencji. NORMATYWNE pozwalają na określenie zadań i środków w procesie określania potrzeb i celów danego przedsięwzięcia, programowanie przyszłych działań.
20 6. KLASYFIKACJA PROGNOZ PODZIAŁ ZE WZGLĘDU NA STOPNIEŃ SZCZEGÓŁOWOŚCI PROGNOZY OGÓLNE dotyczące przewidywanego ogólnego stanu obiektu gospodarczego formułowane przy zastosowaniu pewnych syntetycznych zmiennych. PROGNOZY SZCZEGÓŁOWE dotyczące przyszłego stanu szczegółowych zmiennych opisujących funkcjonowanie obiektów gospodarczych.
21 6. KLASYFIKACJA PROGNOZ PODZIAŁ ZE WZGLĘDU NA ZASIĘG PROGNOZY MAKROEKONOMICZNE dotyczące całej gospodarki narodowej lub też określonych regionów kraju. PROGNOZY MIKROEKONOMICZNE dotyczące funkcjonowania pojedynczych jednostek gospodarczych
22 6. KLASYFIKACJA PROGNOZ EFEEKT EDYPA Prognoza może stać się przyczyną zaistnienia, bądź niezaistnienia zapowiadanego zdarzenia. Ludzie mogą wpływać na prognozowane zdarzenia w rozmaity sposób, w tym także przez sam fakt ogłoszenia prognozy. PROGNOZY SAMOREALIZUJĄCE SIĘ np. ogłoszenie prognozy wzrostu cen może doprowadzić do wykupu towarów i spowodować wzrost cen, który by nie nastąpił bez tej prognozy. PROGNOZY SAMOUNICESTWIAJĄCE SIĘ - np. prognoza rekordowego napływu gości świątecznych do Zakopanego może zniechęcić wiele osób do wyjazdu z powodu obaw o wzrost cen i trudności z uzyskaniem kwater a w rezultacie napływ gości może być mniejszy od spodziewanego. (Edyp zabił własnego ojca, wcześniej sobie nieznanego, tym samym dopełniło się proroctwo, z którego powodu przed laty został porzucony) 22
23 7. FUNKCJE PROGNOZ - CELE Głównym celem prognozowania społecznego jest wspomaganie procesów decyzyjnych. Wiążą się z tym funkcje jakie pełnią prognozy: FUNKCJA PREPARACYJNA (PRZYGOTOWAWCZA) prognozowanie jest działaniem, które przygotowuje pole do podjęcia innych działań. Prognosta opracowuje prognozy dla podmiotu podejmującego decyzje, zwanego decydentem. Może być to pojedynczy człowiek, grupa osób podmiot gospodarczy lub instytucja. FUNKCJA AKTYWIZUJĄCA polega na pobudzaniu do działania sprzyjającego realizacji prognozy, gdy zapowiada ona zdarzenie korzystne lub zaniechaniu działań, gdy przewidywane zdarzenia są oceniane niekorzystnie. FUNKCJA OSTRZEGAWCZA prognoza ma na celu ostrzeżenie przed nadejściem niepożądanych wydarzeń oraz przed konsekwencjami pewnych posunięć. FUNKCJA BADAWCZA (INFORMACYJNA) sprowadza się do rozpoznania przyszłości, ukazania najbardziej prawdopodobnego układu przyszłych zjawisk, lub kilku możliwych wersji rozwoju przyszłych zdarzeń. Polega tez na oswajaniu ludzi z nadchodzącymi zmianami i zmniejszaniu lęku przed przyszłością. Ogłoszenie niektórych prognoz może wywołać spokojne, opanowane reakcje na zmiany, a nawet akceptację zapowiadanych zmian. (taką funkcję spełniały kiedyś wróżby przepowiednie np.. O wygranej/przegranej walce, okresie suszy czy zarazie) 23
24 8. METODY PROGNOZOWANIA Przez metodę prognozowania rozumie się sposób przetwarzania informacji opisujących sytuację prognostyczną w prognozy, dostosowany do przyjętej zasady prognozowania. Metody można klasyfikować według różnych kryteriów. METODY JAKOŚCIOWE HEURYSTYCZNE polegają na wykorzystaniu opinii ekspertów, ich doświadczenia i wiedzy. Prognozy wyznaczane są na podst. modeli myślowych. (burza mózgów, metoda delficka, metoda wpływów krzyżowych) METODY ILOŚCIOWE (matematyczno statystyczne) prognozy są wyznaczane na podst. formalnych modeli prognostycznych. Są budowane na danych statystycznych dotyczących kształtowania się zmiennych w przeszłości. Jest to projekcja przeszłości w przyszłość. -modele szeregów czasowych, -modele ekonometryczne, -modele analogowe, -modele zmiennych wiodących, -modele analizy kohortowej, -testy rynkowe. METODY BEZPOŚREDNIE wykorzystuje się w nich dane dotyczące dotychczasowego przebiegu zmiennej prognozowanej oraz hipotezy o tej zmiennej. METODY POŚREDNIE wykorzystuje się w nich dane nie tylko na temat przebiegu zmiennej prognozowanej ale także dane dotyczące innych zmiennych powiązanych ze zmienną prognozowaną.
25 9. MODELE Zastosowanie wielu metod prognozowania wymaga zbudowania modelu prognostycznego. Przez MODEL rozumie się przedstawienie obiektywnie występującego zjawiska, procesu czy rzeczy nazywanej oryginałem, za pomocą odpowiednich środków odtwarzających. Zadaniem modelu jest imitowanie wyróżnionych cech oryginału. MODELE ABSTRAKCYJNE FIZYCZNE MYŚLOWE MATEMATYCZNE Opisują procesy i obiekty ekonomiczne za pomocą formuł matematycznych, równań, nierówności i symboli logicznych, które odzwierciedlają zależności między badanymi zjawiskami. Modele nie powinny być ani zbyt skomplikowane ani mało przejrzyste. Należy uwzględniać tylko najważniejsze czynniki. ZASADA KISS (keep it sophisticatedly simple)
26 10. ETAPY PROGNOZOWANIA 1. FORMUŁOWANIE ZADANIA PROGNOSTYCZNEGO (pojawienie się problemu praktycznego) określa się obiekt, zjawisko, zmienne, które mają podlegać prognozowaniu, cel wyznaczenia prognozy oraz horyzont prognozy. Sformułowanie zadania prognostycznego jest niezmiernie ważne, ponieważ wpływa na dalszy przebieg postępowania prognosty. 2. OKREŚLENIE PRZESŁANEK PROGNOSTYCZNYCH (zebranie wszelkich danych empirycznych i informacji o analizowanym zjawisku) wymaga ono współpracy prognosty i i odbiorcy prognozy. Polega na wskazaniu czynników mikro i makroekonomicznych, wywierających wpływ na prognozowane zjawisko. Stawia się także hipotezy dotyczące wpływu wybranych czynników na zjawisko. Do przesłanek prognostycznych można też zaliczyć określenie i zebranie niezbędnych do konstrukcji prognozy danych. 3. WYBÓR METODY PROGNOZOWANIA zależy od rodzaju dostępnych danych i jest to trudny proces, wymagający znajomości wielu metod prognozowania i wiedzy o prognozowanym zjawisku. (rodzaje prognoz) 4. WYZNACZENIE PROGNOZY dokonuje się wyznaczenia prognozy według schematu wybranej wcześniej metody prognozowania. 5. OCENA DOPUSZCZALNOŚCI PROGNOZY 6. WERYFIKACJA PROGNOZY polega na określeniu trafności prognozy z pomocą jednego z błędów prognozy ex post, gdy prognoza dotyczyła zmiennej ilościowej lub na porównaniu prognozowanego stanu zmiennej jakościowej ze stanem zrealizowanym.
27 11. OBSZARY ZASTOSOWANIA MODELI PROGNOSTYCZNYCH * prognozowanie przeciętnego trwania życia, (demografia) * prognozowanie PKB, (ekonomia) * prognozowanie inflacji, (ekonomia) * prognozowanie przewozów ładunków z wykorzystaniem taboru kolejowego, samochodowego, (transport) * prognozowanie liczby wypadków, (bezpieczeństwo publiczne) * prognozowanie przewozu pasażerów liniami lotniczymi, (transport) * prognoza natężenia ruchu drogowego (transport) 27
28 12. PROGNOZOWANIE W ŻYCIU CODZIENNYM zawierając umowę ubezpieczeniową dokonujemy prognozy długoterminowej, dotyczącej różnych aspektów życia, dotyczących np. zarobków, stanu zdrowia, dobierając abonament telefoniczny uwzględniamy najczęstszą porę rozmów, ilość rozmów w tygodniu i w weekendy itp. planując wyjazd na narty korzystamy z prognoz dotyczących pogody decydując się na kupno samochodu uwzględniamy specyfikę potrzeb komunikacyjnych w ciągu najbliższych kilku lat - aktualne i przyszłe możliwości finansowe; wyjeżdżając do pracy bierzemy pod uwagę wcześniejsze doświadczenia, które pozwalają przyjąć, iż czas przejazdu z jednego końca Rzeszowa na drugi wynosi nieco ponad kwadrans przy sprzyjających warunkach a w godzinach od 7 30 do 8 30 około 45 minut. 28
29 13. PRZYKŁADY PROGNOZ Wtorek 28 lipiec 2009 Prognozy dla transportu morskiego są ponure. Bez względu na to, czy warunki rynkowe pogorszą się lub nie, problemy operatorów będą coraz bardziej się piętrzyć i to w negatywną stronę Dyrektor Drewry Shipping Consultants Wtorek 22 wrzesień 2009 Pozytywne prognozy dla transportu morskiego Na podstawie rosnącej aktualnie liczby zleceń można przewidywać, że wzrost w transporcie morskim będzie się utrzymywał aż do końca roku, Zakładamy że ożywienie w branży będzie również bodźcem do bardziej dynamicznego rozwoju firm logistycznych Dyrektor Oddziału Gdynia ROHLING SUUS Logistic www. spedycje.pl 29
30 13. PRZYKŁADY PROGNOZ Długoterminowa prognoza Airbusa dla Europy Środkowej i Polski Najnowsza długoterminowa prognoza Airbusa Global Market Forecast szacuje, że w najbliższych dwudziestu latach linie lotnicze Europy Środkowej zakupią 458 samolotów, o wartości 32 mld dolarów, z tego polscy przewoźnicy 48 szt., o wartości 4 mld dolarów. 30
31 13. PRZYKŁADY PROGNOZ W y rów nanie w y kładnic z e model z trendem liniow y m i s ez onow oś c ią multiplikaty w ną Parametry : A lf a=0,7; Delta=0,1; Gamma=0,1 Prz ew oz y ładunków (mln ton) Prz ew oz y ładunk ów (m ln ton): R es z ty Prz ew oz y ładunków (mln ton) (L) W y rów n. Sz ereg (L) Res z ty (R) 31
32 13. PRZYKŁADY PROGNOZ Według prognoz do 2020 roku na całym świecie w użytku będzie około 65 mln aut napędzanych gazem ziemnym. Na razie spośród wszystkich pojazdów na CNG na świecie w Polsce jeździ zaledwie 0,03 proc. 32
33 14. PROGNOZOWANIE ZNAMIĘ NASZYCH CZASÓW? Prognozowanie stało się możliwe dopiero z nadejściem epoki cywilizacji informacyjnej. Przyspieszenie tempa zmian, z jakim mamy do czynienia w ostatnich kilkunastu latach zmusiło ludzi do podjęcia prób przewidywania przyszłości. A. Toffler:...gdyby ostatnie 50 tysięcy lat istnienia człowieka podzielić na odcinki życia wynoszące około 62 lata, to okazałoby się, że mieliśmy już 800 takich odcinków. Z tych ośmiuset pełne 650 przeżyliśmy w jaskiniach. Zaledwie w ostatnich 70 takich odcinkach udało się człowiekowi nawiązać faktyczną łączność pomiędzy jednym a drugim okresem życia - co stało się możliwe dzięki pismu. Zaledwie w ostatnich 6 odcinkach po raz pierwszy udostępniono człowiekowi słowo drukowane w skali masowej. Zaledwie w ostatnich 4 - możliwym stało się odmierzanie czasu z jako taką dokładnością. Zaledwie w ciągu ostatnich 2 - ktoś gdzieś posłużył się silnikiem elektrycznym. Telefon komórkowy w powszechnym użytku, to 0,2 takiego odcinka czasowego, niewiele krócej lub dłużej korzystamy z tak ogromną intensywnością z komputerów osobistych, Internetu, aparatów cyfrowych i... 33
dr Marek Sobolewski LABORATORIA: dr Marek Sobolewski, dr Agata Surówka, dr Paweł Hydzik STRONA INTERNETOWA:
WYKŁAD: dr Marek Sobolewski LABORATORIA: dr Marek Sobolewski, dr Agata Surówka, dr Paweł Hydzik STRONA INTERNETOWA: www.msobolew.sd.prz.edu.pl * na studiach niestacjonarnych Organizacja zajęć Wykłady:
Bardziej szczegółowoLABORATORIA: Aldona Migała-Warchoł, Agata Surówka, Paweł Hydzik, Marek Sobolewski STRONA INTERNETOWA:
WYKŁAD: Marek Sobolewski LABORATORIA: Aldona Migała-Warchoł, Agata Surówka, Paweł Hydzik, Marek Sobolewski STRONA INTERNETOWA: www.msobolew.sd.prz.edu.pl Organizacja zajęć * na studiach niestacjonarnych
Bardziej szczegółowokomputerowo wspomagana analiza danych
czyli komputerowo wspomagana analiza danych prowadzący: Marek Sobolewski konsultacje: poniedziałek 13.00-14.30, czwartek 11.30-13.00 (p. L-341A) strona internetowa: www.msobolew.sd.prz.edu.pl czyli wprowadzenie
Bardziej szczegółowoPrognozowanie i symulacje
Prognozowanie i symulacje - Wykład (15 godzin) -Ćwiczenia przy komputerze (30 godzin) - Zaliczenie jedna ocena - Zasady zaliczenia i literatura dr Tadeusz RóŜański Helena Gaspars Prognozowanie i symulacje
Bardziej 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 szczegółowoUE we Wrocławiu, WEZiT w Jeleniej Górze Katedra Ekonometrii i Informatyki
UE we Wrocławiu, WEZiT w Jeleniej Górze Katedra Ekonometrii i Informatyki http://keii.ue.wroc.pl Prognozowanie procesów gospodarczych prowadzący: dr inż. Tomasz Bartłomowicz tomasz.bartlomowicz@ue.wroc.pl
Bardziej szczegółowoMaria Cieślak (red.): Prognozowanie gospodarcze. Metody i zastosowania. PWN, Warszawa 2004 r.
Metody prognozowania: Wprowadzenie Dr inż. Sebastian a Skoczypiec Literatura: Maria Cieślak (red.): Prognozowanie gospodarcze. Metody i zastosowania. PWN, Warszawa 2004 r. Ryszard Tadeusiewiecz: Sieci
Bardziej 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 szczegółowoPrognozowanie gospodarcze - opis przedmiotu
Prognozowanie gospodarcze - opis przedmiotu Informacje ogólne Nazwa przedmiotu Prognozowanie gospodarcze Kod przedmiotu 11.9-WZ-EkoP-PrG-S16 Wydział Kierunek Wydział Ekonomii i Zarządzania Ekonomia Profil
Bardziej 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 szczegółowoBadania operacyjne. Ćwiczenia 1. Wprowadzenie. Filip Tużnik, Warszawa 2017
Badania operacyjne Ćwiczenia 1 Wprowadzenie Plan zajęć Sprawy organizacyjne (zaliczenie, nieobecności) Literatura przedmiotu Proces podejmowania decyzji Problemy decyzyjne w zarządzaniu Badania operacyjne
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 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 szczegółowoUczelnia Łazarskiego Wydział Medyczny Kierunek Lekarski
Uczelnia Łazarskiego Wydział Medyczny Kierunek Lekarski Nazwa przedmiotu INFORMATYKA I BIOSTATYSTYKA Kod przedmiotu WL_ 10 Poziom studiów Jednolite studia magisterskie Status przedmiotu x podstawowy uzupełniający
Bardziej szczegółowoStatystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl
Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Statystyczna teoria korelacji i regresji (1) Jest to dział statystyki zajmujący
Bardziej 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 szczegółowostudiów Podstawy Statystyki TR/2/PP/STAT 7 3
kod nr w planie ECTS Przedmiot studiów Podstawy Statystyki TR/2/PP/STAT 7 3 Kierunek Turystyka i Rekreacja Poziom kształcenia II stopień Rok/Semestr 1/2 Typ przedmiotu (obowiązkowy/fakultatywny) obowiązkowy
Bardziej szczegółowoSYLABUS DOTYCZY CYKLU KSZTAŁCENIA (skrajne daty)
Załącznik nr 4 do Uchwały Senatu nr 430/01/2015 SYLABUS DOTYCZY CYKLU KSZTAŁCENIA 2016-2019 (skrajne daty) 1.1. PODSTAWOWE INFORMACJE O PRZEDMIOCIE/MODULE Nazwa przedmiotu/ modułu Statystyka w biologii
Bardziej szczegółowoO LICZBIE ABONENTÓW TELEFONII KOMÓRKOWEJ W POLSCE ZDANIEM TRZECH STATYSTYKÓW
Rafał Czyżycki, Marcin Hundert, Rafał Klóska Wydział Zarządzania i Ekonomiki Usług Uniwersytet Szczeciński O LICZBIE ABONENTÓW TELEFONII KOMÓRKOWEJ W POLSCE ZDANIEM TRZECH STATYSTYKÓW Wprowadzenie Poruszana
Bardziej 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 szczegółowokod nr w planie ECTS Przedmiot studiów PODSTAWY STATYSTYKI 7 2
kod nr w planie ECTS Przedmiot studiów PODSTAWY STATYSTYKI 7 2 Kierunek Turystyka i Rekreacja Poziom kształcenia II stopień Rok/Semestr 1/2 Typ przedmiotu (obowiązkowy/fakultatywny) obowiązkowy y/ ćwiczenia
Bardziej szczegółowoZ-ZIPN1-004 Statystyka. Zarządzanie i Inżynieria Produkcji I stopień Ogólnoakademicki Niestacjonarne Wszystkie Katedra Matematyki dr Zdzisław Piasta
KARTA MODUŁU / KARTA PRZEDMIOTU Z-ZIPN-004 Statystyka Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Statistics Obowiązuje od roku akademickiego 0/04 A. USYTUOWANIE MODUŁU W SYSTEMIE STUDIÓW
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 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 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 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 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 szczegółowoZ-LOGN1-006 Statystyka Statistics
KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Z-LOGN-006 Statystyka Statistics Obowiązuje od roku akademickiego 0/0 A. USYTUOWANIE MODUŁU W SYSTEMIE STUDIÓW Kierunek
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 szczegółowoNarzędzia statystyczne i ekonometryczne. Wykład 1. dr Paweł Baranowski
Narzędzia statystyczne i ekonometryczne Wykład 1 dr Paweł Baranowski Informacje organizacyjne Wydział Ek-Soc, pok. B-109 pawel@baranowski.edu.pl Strona: baranowski.edu.pl (w tym materiały) Konsultacje:
Bardziej 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 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 szczegółowoI. OGÓLNE INFORMACJE PODSTAWOWE O PRZEDMIOCIE. Nie dotyczy. podstawowy i kierunkowy
1.1.1 Statystyka opisowa I. OGÓLNE INFORMACJE PODSTAWOWE O PRZEDMIOCIE STATYSTYKA OPISOWA Nazwa jednostki organizacyjnej prowadzącej kierunek: Kod przedmiotu: P6 Wydział Zamiejscowy w Ostrowie Wielkopolskim
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 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 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 szczegółowoEkonometria_FIRJK Arkusz1
Rok akademicki: Grupa przedmiotów Numer katalogowy: Nazwa przedmiotu 1) : łumaczenie nazwy na jęz. angielski 3) : Kierunek studiów 4) : Ekonometria Econometrics Ekonomia ECS 2) Koordynator przedmiotu 5)
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 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 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 szczegółowoMatematyka - Statystyka matematyczna Mathematical statistics 2, 2, 0, 0, 0
Nazwa przedmiotu: Kierunek: Matematyka - Statystyka matematyczna Mathematical statistics Inżynieria materiałowa Materials Engineering Rodzaj przedmiotu: Poziom studiów: forma studiów: obowiązkowy studia
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 szczegółowoStatystyka matematyczna i ekonometria
Statystyka matematyczna i ekonometria Wykład 9 Anna Skowrońska-Szmer lato 2016/2017 Ekonometria (Gładysz B., Mercik J., Modelowanie ekonometryczne. Studium przypadku, Wydawnictwo PWr., Wrocław 2004.) 2
Bardziej 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 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 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 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 szczegółowoKARTA PRZEDMIOTU. 12. PRZEDMIOTOWE EFEKTY KSZTAŁCENIA Odniesienie do kierunkowych efektów kształcenia (symbol)
KARTA PRZEDMIOTU 1. NAZWA PRZEDMIOTU: Ekonometria 2. KIERUNEK: MATEMATYKA 3. POZIOM STUDIÓW: I stopnia 4. ROK/ SEMESTR STUDIÓW: III/6 5. LICZBA PUNKTÓW ECTS: 5 6. LICZBA GODZIN: 30 / 30 7. TYP PRZEDMIOTU
Bardziej 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 szczegółowoSpis treści 3 SPIS TREŚCI
Spis treści 3 SPIS TREŚCI PRZEDMOWA... 1. WNIOSKOWANIE STATYSTYCZNE JAKO DYSCYPLINA MATEMATYCZNA... Metody statystyczne w analizie i prognozowaniu zjawisk ekonomicznych... Badania statystyczne podstawowe
Bardziej szczegółowoSTATYSTYKA EKONOMICZNA
STATYSTYKA EKONOMICZNA Analiza statystyczna w ocenie działalności przedsiębiorstwa Opracowano na podstawie : E. Nowak, Metody statystyczne w analizie działalności przedsiębiorstwa, PWN, Warszawa 2001 Dr
Bardziej 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 szczegółowoPrzedmiot kod nr w planie ECTS studiów PODSTAWY STATYSTYKI TR/2/PP/STAT 6 3
Przedmiot kod nr w planie ECTS studiów PODSTAWY STATYSTYKI TR/2/PP/STAT 6 3 Kierunek Turystyka i Rekreacja Poziom kształcenia II stopień Rok/Semestr I I/I Typ przedmiotu (obowiązkowy/fakultatywny) Obowiązkowy
Bardziej szczegółowo... prognozowanie nie jest celem samym w sobie a jedynie narzędziem do celu...
4 Prognozowanie historyczne Prognozowanie - przewidywanie przyszłych zdarzeń w oparciu dane - podstawowy element w podejmowaniu decyzji... prognozowanie nie jest celem samym w sobie a jedynie narzędziem
Bardziej szczegółowoUE we Wrocławiu, WEZiT w Jeleniej Górze Katedra Ekonometrii i Informatyki
UE, WEZiT w Jeleniej Górze Katedra Ekonometrii i Informatyki http://keii.ue.wroc.pl Prognozowanie procesów gospodarczych wykład ćwiczenia laboratorium prowadzący: dr inż. Tomasz Bartłomowicz konsultacje:
Bardziej szczegółowoćwiczenia Katedra Rozwoju Regionalnego i Metod Ilościowych
Kod Nazwa Powszechne rozumienie statystyki- umiejętność odczytywania wskaźników Wersja Wydział Kierunek Specjalność Specjalizacja/kier. dyplomowania Poziom (studiów) Forma prowadzenia studiów Przynależność
Bardziej szczegółowo1.1.1 Statystyka matematyczna i badania operacyjne
1.1.1 Statystyka matematyczna i badania operacyjne I. OGÓLNE INFORMACJE PODSTAWOWE O PRZEDMIOCIE (MODULE) Kod przedmiotu: STATYSTYKA MATEMATYCZNA I BADANIA OPERACYJNE P5 Wydział Zamiejscowy w Ostrowie
Bardziej szczegółowoPaństwowa Wyższa Szkoła Zawodowa w Płocku Instytut Nauk Ekonomicznych i Informatyki KARTA PRZEDMIOTU. Część A
Przedmiot: Seminarium dyplomowe Wykładowca odpowiedzialny za przedmiot: Cele zajęć z przedmiotu: Państwowa Wyższa Szkoła Zawodowa w Płocku Instytut Nauk Ekonomicznych i Informatyki KARTA PRZEDMIOTU Wykładowcy
Bardziej szczegółowoMetody analizy przestrzennej. Liczba godzin stacjonarne: Wykłady: 30 Ćwiczenia: 30. niestacjonarne: Wykłady: 18 Ćwiczenia: 18
Karta przedmiotu Wydział: Wydział Finansów Kierunek: Gospodarka przestrzenna I. Informacje podstawowe Nazwa przedmiotu Metody analizy przestrzennej Nazwa przedmiotu w j. ang. Język prowadzenia przedmiotu
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 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 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 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 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 szczegółowostudia stacjonarne w/ćw zajęcia zorganizowane: 30/15 3,0 praca własna studenta: 55 Godziny kontaktowe z nauczycielem akademickim: udział w wykładach
Nazwa jednostki prowadzącej kierunek: Nazwa kierunku: Poziom kształcenia: Profil kształcenia: Moduły wprowadzające / wymagania wstępne: Nazwa modułu (przedmiot lub grupa przedmiotów) Osoby prowadzące:
Bardziej szczegółowoEtapy modelowania ekonometrycznego
Etapy modelowania ekonometrycznego jest podstawowym narzędziem badawczym, jakim posługuje się ekonometria. Stanowi on matematyczno-statystyczną formę zapisu prawidłowości statystycznej w zakresie rozkładu,
Bardziej 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 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 szczegółowoKrakowska Akademia im. Andrzeja Frycza Modrzewskiego. Karta przedmiotu. obowiązuje studentów, którzy rozpoczęli studia w roku akademickim 2015/2016
Krakowska Akademia im. Andrzeja Frycza Modrzewskiego Karta przedmiotu obowiązuje studentów, którzy rozpoczęli studia w roku akademickim 015/016 WydziałZarządzania i Komunikacji Społecznej Kierunek studiów:
Bardziej szczegółowoZ-0033z Statystyka. Zarządzanie i Inżynieria Produkcji I stopień Ogólnoakademicki. Stacjonarne Wszystkie Katedra Matematyki dr Zdzisław Piasta
KARTA MODUŁU / KARTA PRZEDMIOTU Z-0033z Statystyka Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Statistics Obowiązuje od roku akademickiego 2012/2013 A. USYTUOWANIE MODUŁU W SYSTEMIE STUDIÓW
Bardziej szczegółowoSPIS TREŚCI. Do Czytelnika... 7
SPIS TREŚCI Do Czytelnika.................................................. 7 Rozdział I. Wprowadzenie do analizy statystycznej.............. 11 1.1. Informacje ogólne..........................................
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 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 szczegółowoPROPOZYCJA ZAGADNIEŃ NA EGZAMIN LICENCJACKI NA KIERUNKU ANALITYKA GOSPODARCZA. 1.Modele wielorównaniowe. Ich rodzaje i zalecane metody estymacji
PROPOZYCJA ZAGADNIEŃ NA EGZAMIN LICENCJACKI NA KIERUNKU ANALITYKA GOSPODARCZA 1.Modele wielorównaniowe. Ich rodzaje i zalecane metody estymacji 2.Problem niesferyczności składnika losowego w modelach ekonometrycznych.
Bardziej szczegółowoKarta przedmiotu. obowiązuje studentów rozpoczynających studia w roku akademickim 2014/2015. Forma studiów: Stacjonarne Kod kierunku: 06.
Państwowa Wyższa Szko la Zawodowa w Nowym Sa czu Karta przedmiotu Instytut Techniczny obowiązuje studentów rozpoczynających studia w roku akademickim 201/201 Kierunek studiów: Zarządzanie i inżynieria
Bardziej szczegółowoWykład ze statystyki. Maciej Wolny
Wykład ze statystyki Maciej Wolny T1: Zajęcia organizacyjne Agenda 1. Program wykładu 2. Cel zajęć 3. Nabyte umiejętności 4. Literatura 5. Warunki zaliczenia Program wykładu T1: Zajęcia organizacyjne T2:
Bardziej szczegółowoUE we Wrocławiu, WEZiT w Jeleniej Górze Katedra Ekonometrii i Informatyki
UE, WEZiT w Jeleniej Górze Katedra Ekonometrii i Informatyki http://keii.ue.wroc.pl Prognozowanie procesów gospodarczych wykład ćwiczenia laboratorium prowadzący: dr inż. Tomasz Bartłomowicz konsultacje:
Bardziej szczegółowoKrakowska Akademia im. Andrzeja Frycza Modrzewskiego. Karta przedmiotu. obowiązuje studentów, którzy rozpoczęli studia w roku akademickim 2012/2013
Krakowska Akademia im. Andrzeja Frycza Modrzewskiego Karta przedmiotu obowiązuje studentów, którzy rozpoczęli studia w roku akademickim 0/03 WydziałZarządzania i Komunikacji Społecznej Kierunek studiów:
Bardziej szczegółowoStatystyka w pracy badawczej nauczyciela
Statystyka w pracy badawczej nauczyciela Wykład 1: Terminologia badań statystycznych dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Statystyka (1) Statystyka to nauka zajmująca się zbieraniem, badaniem
Bardziej szczegółowoMATEMATYKA3 Mathematics3. Elektrotechnika. I stopień ogólnoakademicki. studia stacjonarne. Katedra Matematyki dr Zdzisław Piasta
KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 2012/13 MATEMATYKA3 Mathematics3 A. USYTUOWANIE MODUŁU W SYSTEMIE STUDIÓW Kierunek
Bardziej szczegółowoKARTA KURSU. Kod Punktacja ECTS* 1
KARTA KURSU Nazwa Nazwa w j. ang. Wprowadzenie do statystyki Introduction to statistics Kod Punktacja ECTS* 1 Koordynator Prof. dr hab. Jerzy Wołek Zespół dydaktyczny Prof. dr hab. Jerzy Wołek doktoranci
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 szczegółowoStatystyka matematyczna i ekonometria
Statystyka matematyczna i ekonometria prof. dr hab. inż. Jacek Mercik B4 pok. 55 jacek.mercik@pwr.wroc.pl (tylko z konta studenckiego z serwera PWr) Konsultacje, kontakt itp. Strona WWW Elementy wykładu.
Bardziej szczegółowo1.INFORMACJE O PRZEDMIOCIE A. Podstawowe dane
Kod przedmiotu:. Pozycja planu: B.1., B.1a 1.INFORMACJE O PRZEDMIOCIE A. Podstawowe dane Nazwa przedmiotu Metody badań na zwierzętach Kierunek studiów Poziom studiów Profil studiów Forma studiów Specjalność
Bardziej szczegółowoJacek Skorupski pok. 251 tel konsultacje: poniedziałek , sobota zjazdowa
Jacek Skorupski pok. 251 tel. 234-7339 jsk@wt.pw.edu.pl http://skorupski.waw.pl/mmt prezentacje ogłoszenia konsultacje: poniedziałek 16 15-18, sobota zjazdowa 9 40-10 25 Udział w zajęciach Kontrola wyników
Bardziej szczegółowoMODELOWANIE KOSZTÓW USŁUG ZDROWOTNYCH PRZY
MODELOWANIE KOSZTÓW USŁUG ZDROWOTNYCH PRZY WYKORZYSTANIU METOD STATYSTYCZNYCH mgr Małgorzata Pelczar 6 Wprowadzenie Reforma służby zdrowia uwypukliła problem optymalnego ustalania kosztów usług zdrowotnych.
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 szczegółowoProces badawczy schemat i zasady realizacji
Proces badawczy schemat i zasady realizacji Agata Górny Zaoczne Studia Doktoranckie z Ekonomii Warszawa, 23 października 2016 Metodologia i metoda naukowa 1 Metodologia Metodologia nauka o metodach nauki
Bardziej szczegółowoWeryfikacja hipotez statystycznych. KG (CC) Statystyka 26 V / 1
Weryfikacja hipotez statystycznych KG (CC) Statystyka 26 V 2009 1 / 1 Sformułowanie problemu Weryfikacja hipotez statystycznych jest drugą (po estymacji) metodą uogólniania wyników uzyskanych w próbie
Bardziej szczegółowoSTRESZCZENIE. rozprawy doktorskiej pt. Zmienne jakościowe w procesie wyceny wartości rynkowej nieruchomości. Ujęcie statystyczne.
STRESZCZENIE rozprawy doktorskiej pt. Zmienne jakościowe w procesie wyceny wartości rynkowej nieruchomości. Ujęcie statystyczne. Zasadniczym czynnikiem stanowiącym motywację dla podjętych w pracy rozważań
Bardziej szczegółowoMetody Prognozowania
Wprowadzenie Ewa Bielińska 3 października 2007 Plan 1 Wprowadzenie Czym jest prognozowanie Historia 2 Ciągi czasowe Postępowanie prognostyczne i prognozowanie Predykcja długo- i krótko-terminowa Rodzaje
Bardziej szczegółowoZAKRES TEMATYCZNY EGZAMINU LICENCJACKIEGO
Wydział Nauk Ekonomicznych i Zarządzania Kierunek Analityka Gospodarcza Studia stacjonarne I stopnia ZAKRES TEMATYCZNY EGZAMINU LICENCJACKIEGO Zagadnienia ogólnoekonomiczne 1. Aktualna sytuacja na europejskim
Bardziej szczegółowoZ-LOG-033I Statystyka Statistics
KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Z-LOG-033I Statystyka Statistics Obowiązuje od roku akademickiego 2012/2013 A. USYTUOWANIE MODUŁU W SYSTEMIE STUDIÓW
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 szczegółowoZagadnienia na egzamin magisterski na kierunku Informatyka i Ekonometria (2 stopień studiów)
Zagadnienia na egzamin magisterski na kierunku Informatyka i Ekonometria (2 stopień studiów) 1. Topologie sieci komputerowych a. 06IE_2A_W02 - jest w stanie zdefiniować problem decyzyjny, analizować źródła
Bardziej szczegółowoSYLABUS/ OPIS PRZEDMIOTU. Projekt studencki badawczy. Badania w dziedzinie psychologii zachowań nałogowych) 2. Nazwa przedmiotu w języku angielskim
1. Nazwa przedmiotu w języku polskim SYLABUS/ OPIS PRZEDMIOTU Projekt studencki badawczy. Badania w dziedzinie psychologii zachowań nałogowych) 2. Nazwa przedmiotu w języku angielskim Student Research
Bardziej szczegółowoWprowadzenie do analizy korelacji i regresji
Statystyka dla jakości produktów i usług Six sigma i inne strategie Wprowadzenie do analizy korelacji i regresji StatSoft Polska Wybrane zagadnienia analizy korelacji Przy analizie zjawisk i procesów stanowiących
Bardziej szczegółowoZ-EKO-184 Ekonometria Econometrics. Ekonomia I stopień Ogólnoakademicki. Studia stacjonarne Wszystkie Katedra Matematyki Dr hab. Artur Maciąg.
KARTA MODUŁU / KARTA PRZEDMIOTU Z-EKO-184 Ekonometria Econometrics Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 2012/2013 A. USYTUOWANIE MODUŁU W SYSTEMIE STUDIÓW
Bardziej szczegółowoKierunek i poziom studiów: Biologia, poziom drugi Sylabus modułu: Metody statystyczne w naukach przyrodniczych
Uniwersytet Śląski w Katowicach str. 1 Kierunek i poziom studiów: Biologia, poziom drugi Sylabus modułu: Metody statystyczne w naukach przyrodniczych kod modułu: 2BL_02 1. Informacje ogólne koordynator
Bardziej szczegółowo