Wojny Coli - czyli siła reklamy na rynku oligopolicznym

Wielkość: px
Rozpocząć pokaz od strony:

Download "Wojny Coli - czyli siła reklamy na rynku oligopolicznym"

Transkrypt

1 Wojny Coli (Cola wars) - czyli siła reklamy na rynku oligopolicznym Maja Włoszczowska Promotor: Dr Rafał Weron Wydział Podstawowych Problemów Techniki Politechnika Wrocławska Wrocław, 26 stycznia 2008

2 Cel pracy Zbadanie siły i efektywności reklamy na rynku oligopolicznym z uwzględnieniem czynników społecznych wpływających na decyzje konsumentów. Zadania: 1 Znalezienie i analiza danych empirycznych dotyczących rynku oligopolicznego. 2 Zaproponowanie i zaimplementowanie modeli sieciowych. 3 Estymacja i prognoza danych przy użyciu modelu ARMAX. 4 Analiza porównawcza wyników.

3 Psychologia społeczna Psychologia społeczna Funkcja reklamy na rynku oligopolicznym Rynek operatorów sieci telefonii komórkowej w Polsce Społeczny dowód słuszności Zasada, według której człowiek, nie wiedząc, jaka decyzja lub jaki pogląd jest słuszny, podejmuje decyzje lub przyjmuje poglądy takie same jak większość grupy. Eksperyment Milgrama w Nowym Jorku. Konformizm Zmiana zachowania lub przekonań stanowiąca rezultat rzeczywistej lub wyobrażonej presji grupy. Badania Ascha.

4 Funkcja reklamy na rynku oligopolicznym Psychologia społeczna Funkcja reklamy na rynku oligopolicznym Rynek operatorów sieci telefonii komórkowej w Polsce Oligopol Forma struktury rynkowej, w której działa niewielu (kilku) producentów, wytwarzających i sprzedających główną część podaży rynkowej. Współzależność decyzji cenowych rywalizacja na innych platformach, w tym reklamowej. Cola wars batalie reklamowe przedsiębiorstw oligopolicznych.

5 Psychologia społeczna Funkcja reklamy na rynku oligopolicznym Rynek operatorów sieci telefonii komórkowej w Polsce Rynek operatorów sieci telefonii komórkowej w Polsce Doskonały przykład oligopolu (trzech głównych konkurentów, silne bariery wejścia na rynek). Najdynamiczniej rozwijający sie sektor rynkowy ostatniego dziesięciolecia. Najsilniej reklamująca się branża w polskich mediach. Duży wpływ społeczny (tańsze rozmowy wewnątrz sieci, promocje na połączenia z wybranymi numerami). Polkomtel PTC PTK Centertel

6 ToolBox - Modelowanie oligopolu Do modelowania rynku operatorów sieci telefonii komórkowej zaproponowano i zaimplementowano trzy modele bazujące na modelu Sznajdów. Podstawowe reguły: 1 dwuwymiarowa sieć z periodycznymi warunkami brzegowymi, 2 komórka (oznaczająca jednostkę udziału w rynku) może przyjmować trzy wartości {-1,0,1}, 3 w chwili początkowej klienci trzech firm są losowo rozmieszczani na sieci wg zadanej koncentracji początkowej, 4 oddziaływanie przepływa na zewnątrz (w każdym kroku losowy panel czterech komórek oddziałuje na swoich ośmiu sąsiadów).

7 ToolBox - Modelowanie oligopolu Do modelowania rynku operatorów sieci telefonii komórkowej zaproponowano i zaimplementowano trzy modele bazujące na modelu Sznajdów. Model 1: wpływ społeczny reklama. Model 2: równoległe działanie społeczeństwa i reklamy. (q prawdopodobieństwo działania reklamy). Model 3: modyfikacja modelu 2 (wykorzystanie współczynnika Reach3+ jako zmiennego parametru q).

8 ToolBox - Modelowanie oligopolu

9 ToolBox - Modelowanie oligopolu Wyniki symulacji model III, k = (6, 0, 0, 0) Oryginalne dane Err =

10 ToolBox - Modelowanie oligopolu Wyniki symulacji model III, k = (6, 0, 0, 0) Oryginalne dane Err = Zmienione dane reklamowe(2005 i 2006) Err =

11 ToolBox - Modelowanie oligopolu Wyniki symulacji model III, k = (6, 0, 0, 0) Oryginalne dane Err = Zmienione dane reklamowe(2005 i 2006) Err =

12 Rysunek: Wyniki symulacji modelu II. Zależność błędu średniokwadratowego (MSE mean squared error) od wartości pradwopodobieństwa q dla kilku wybranych reguł rządzących modelem

13 błąd Komórki przekonane przez: średniokwadratowy reguły (k 1, k 2, k 3, k 4 ) sąsiadów reklamę (2, 2, 2, 8) 42.5 % 57.6 % (4, 2, 2, 6) 37.8 % 62.2 % (4, 2, 0, 8) 34.8 % 65.2 % (6, 2, 0, 8) 36.8 % 63.2 % (6, 2, 2, 6) 39.7 % 60.3 % (2, 0, 0, 0) 1.1 % 98.9 % (0, 0, 0, 0) 0 % 100 % (8, 6, 4, 8) 79.5 % 20.5 % (8, 8, 0, 8) 80.4 % 19.6 % (8, 8, 8, 8) 100 % 0 % Tabela: Analiza modelu I (5 najlepszych i 5 najgorszych reguł przedstawionych w tabeli 7 w pracy magisterskiej). Procent komórek, które zmieniły się pod wpływem sąsiadów (panelu) oraz pod wpływem reklamy

14 błąd Komórki przekonane przez: średniokwadratowy reguły (k 1, k 2, k 3, k 4 ) sąsiadów reklamę (2, 2, 2, 8) 42.5 % 57.6 % (4, 2, 2, 6) 37.8 % 62.2 % (4, 2, 0, 8) 34.8 % 65.2 % (6, 2, 0, 8) 36.8 % 63.2 % (6, 2, 2, 6) 39.7 % 60.3 % (2, 0, 0, 0) 1.1 % 98.9 % (0, 0, 0, 0) 0 % 100 % (8, 6, 4, 8) 79.5 % 20.5 % (8, 8, 0, 8) 80.4 % 19.6 % (8, 8, 8, 8) 100 % 0 % Tabela: Analiza modelu I (5 najlepszych i 5 najgorszych reguł przedstawionych w tabeli 7 w pracy magisterskiej). Procent komórek, które zmieniły się pod wpływem sąsiadów (panelu) oraz pod wpływem reklamy

15 błąd Komórki przekonane przez: średniokwadratowy reguły (k 1, k 2, k 3, k 4 ) sąsiadów reklamę (2, 2, 2, 8) 42.5 % 57.6 % (4, 2, 2, 6) 37.8 % 62.2 % (4, 2, 0, 8) 34.8 % 65.2 % (6, 2, 0, 8) 36.8 % 63.2 % (6, 2, 2, 6) 39.7 % 60.3 % (2, 0, 0, 0) 1.1 % 98.9 % (0, 0, 0, 0) 0 % 100 % (8, 6, 4, 8) 79.5 % 20.5 % (8, 8, 0, 8) 80.4 % 19.6 % (8, 8, 8, 8) 100 % 0 % Tabela: Analiza modelu I (5 najlepszych i 5 najgorszych reguł przedstawionych w tabeli 7 w pracy magisterskiej). Procent komórek, które zmieniły się pod wpływem sąsiadów (panelu) oraz pod wpływem reklamy

16 Parametr k dla panelu Błędy średniokwadratowe [4 0 0] [3 1 0] [2 1 1] [2 2 0] Model I Model II Model III * * * Tabela: Błędy średniokwadratowe (5 najlepszych wyników każdego modelu). Okres: IV kw r. IV kw r.

17 Parametr k dla panelu Błędy średniokwadratowe [4 0 0] [3 1 0] [2 1 1] [2 2 0] Model I Model II Model III * * * Tabela: Błędy średniokwadratowe (5 najlepszych wyników każdego modelu). Okres: IV kw r. IV kw r.

18 Parametr k dla panelu Błędy średniokwadratowe [4 0 0] [3 1 0] [2 1 1] [2 2 0] Model I Model II Model III * * * Tabela: Błędy średniokwadratowe (5 najlepszych wyników każdego modelu). Okres: IV kw r. IV kw r.

19 Parametr k dla panelu Błędy średniokwadratowe [4 0 0] [3 1 0] [2 1 1] [2 2 0] Model I Model II Model III * * * Tabela: Błędy średniokwadratowe (5 najlepszych wyników każdego modelu). Okres: IV kw r. IV kw r.

20 Szereg czasowy {X t} jest szeregiem typu ARMAX jeśli n a X t + a ix t i = i=1 n b n c b iu t nk i+1 + c iz t i + Z t i=1 i=1 gdzie {U t} jest szeregiem danych zewnętrznych, a {Z t} białym szumem, czyli ciągiem nieskorelowanych zmiennych losowych o zerowej średniej i skończonej wariancji. Parametr n k oznacza opóźnienie (działania czynnika zewnętrznego).

21 Szereg czasowy {X t} jest szeregiem typu ARMAX jeśli n a X t + a ix t i = i=1 n b n c b iu t nk i+1 + c iz t i + Z t i=1 i=1 gdzie {U t} jest szeregiem danych zewnętrznych, a {Z t} białym szumem, czyli ciągiem nieskorelowanych zmiennych losowych o zerowej średniej i skończonej wariancji. Parametr n k oznacza opóźnienie (działania czynnika zewnętrznego). Model dopasowany do danych Polkomtel PTC PTK Centertel firmy minimalizujący statystykę: FPE i AIC FPE AIC FPE i AIC Rzędy [n a n b n c] modelu: [0 1 0] [0 2 2] [2 3 3] [1 3 1] Błąd średniokwadratowy: Tabela: Błędy średniokwadratowe oraz rzędy najlepszych modeli ARMAX

22 Szereg czasowy {X t} jest szeregiem typu ARMAX jeśli n a X t + a ix t i = i=1 n b n c b iu t nk i+1 + c iz t i + Z t i=1 i=1 gdzie {U t} jest szeregiem danych zewnętrznych, a {Z t} białym szumem, czyli ciągiem nieskorelowanych zmiennych losowych o zerowej średniej i skończonej wariancji. Parametr n k oznacza opóźnienie (działania czynnika zewnętrznego). Model dopasowany do danych Polkomtel PTC PTK Centertel firmy minimalizujący statystykę: FPE i AIC FPE AIC FPE i AIC Rzędy [n a n b n c] modelu: [0 1 0] [0 2 2] [2 3 3] [1 3 1] Błąd średniokwadratowy: Tabela: Błędy średniokwadratowe oraz rzędy najlepszych modeli ARMAX

23 I II (q = 0.6) III (a) (b) (c) Tabela: błędów średniokwadratowych dopasowania trajektorii otrzymanych za pomocą modeli sieciowych (najlepsze wyniki) z błędami prognozowanych trajektorii modeli ARMAX ((a) model dopasowany do danych firmy Polkomtel, (b) PTC, (c) PTK Centertel) I II (q = 0.6) III (a) (b) (c) Tabela: błędów średniokwadratowych dopasowania trajektorii otrzymanych za pomocą modeli sieciowych (najlepsze wyniki) z błędami prognozowanych trajektorii modeli ARMAX (dopasowanych do połowy danych firm: (a) Polkomtel, (b) PTC, (c) PTK Centertel)

24 I II (q = 0.6) III (a) (b) (c) Tabela: błędów średniokwadratowych dopasowania trajektorii otrzymanych za pomocą modeli sieciowych (najlepsze wyniki) z błędami prognozowanych trajektorii modeli ARMAX ((a) model dopasowany do danych firmy Polkomtel, (b) PTC, (c) PTK Centertel) I II (q = 0.6) III (a) (b) (c) Tabela: błędów średniokwadratowych dopasowania trajektorii otrzymanych za pomocą modeli sieciowych (najlepsze wyniki) z błędami prognozowanych trajektorii modeli ARMAX (dopasowanych do połowy danych firm: (a) Polkomtel, (b) PTC, (c) PTK Centertel)

25 I II (q = 0.6) III (a) (b) (c) Tabela: błędów średniokwadratowych dopasowania trajektorii otrzymanych za pomocą modeli sieciowych (najlepsze wyniki) z błędami prognozowanych trajektorii modeli ARMAX ((a) model dopasowany do danych firmy Polkomtel, (b) PTC, (c) PTK Centertel) I II (q = 0.6) III (a) (b) (c) Tabela: błędów średniokwadratowych dopasowania trajektorii otrzymanych za pomocą modeli sieciowych (najlepsze wyniki) z błędami prognozowanych trajektorii modeli ARMAX (dopasowanych do połowy danych firm: (a) Polkomtel, (b) PTC, (c) PTK Centertel)

26 1 Otrzymano wyniki niesamowicie zgodne z rezultatami eksperymentów socjologicznych. Oszacowano wpływ reklamy na poziomie 60%, 40% to wpływ społeczeństwa (u Ascha było 37%). Najsilniej oddziałuje grupa jednomyślna, później wpływ społeczny diametralnie spada. 2 Najlepsze wyniki modeli sieciowych dla modelu III, co świadczy o zmiennej podatności klientów na działanie reklamy. 3 Bardzo duży wpływ problemów wewnętrznych na wyniki spółki. Oszacowano obniżenie efektywności reklam PTC na poziomie 10%. 4 Przewaga modeli ARMAX w prognozie krótkoterminowej. Przy długich prognozach zdecydowanie lepiej sprawują się modele sieciowe.

27 1 Otrzymano wyniki niesamowicie zgodne z rezultatami eksperymentów socjologicznych. Oszacowano wpływ reklamy na poziomie 60%, 40% to wpływ społeczeństwa (u Ascha było 37%). Najsilniej oddziałuje grupa jednomyślna, później wpływ społeczny diametralnie spada. 2 Najlepsze wyniki modeli sieciowych dla modelu III, co świadczy o zmiennej podatności klientów na działanie reklamy. 3 Bardzo duży wpływ problemów wewnętrznych na wyniki spółki. Oszacowano obniżenie efektywności reklam PTC na poziomie 10%. 4 Przewaga modeli ARMAX w prognozie krótkoterminowej. Przy długich prognozach zdecydowanie lepiej sprawują się modele sieciowe.

28 1 Otrzymano wyniki niesamowicie zgodne z rezultatami eksperymentów socjologicznych. Oszacowano wpływ reklamy na poziomie 60%, 40% to wpływ społeczeństwa (u Ascha było 37%). Najsilniej oddziałuje grupa jednomyślna, później wpływ społeczny diametralnie spada. 2 Najlepsze wyniki modeli sieciowych dla modelu III, co świadczy o zmiennej podatności klientów na działanie reklamy. 3 Bardzo duży wpływ problemów wewnętrznych na wyniki spółki. Oszacowano obniżenie efektywności reklam PTC na poziomie 10%. 4 Przewaga modeli ARMAX w prognozie krótkoterminowej. Przy długich prognozach zdecydowanie lepiej sprawują się modele sieciowe.

29 1 Otrzymano wyniki niesamowicie zgodne z rezultatami eksperymentów socjologicznych. Oszacowano wpływ reklamy na poziomie 60%, 40% to wpływ społeczeństwa (u Ascha było 37%). Najsilniej oddziałuje grupa jednomyślna, później wpływ społeczny diametralnie spada. 2 Najlepsze wyniki modeli sieciowych dla modelu III, co świadczy o zmiennej podatności klientów na działanie reklamy. 3 Bardzo duży wpływ problemów wewnętrznych na wyniki spółki. Oszacowano obniżenie efektywności reklam PTC na poziomie 10%. 4 Przewaga modeli ARMAX w prognozie krótkoterminowej. Przy długich prognozach zdecydowanie lepiej sprawują się modele sieciowe.

30 1 Otrzymano wyniki niesamowicie zgodne z rezultatami eksperymentów socjologicznych. Oszacowano wpływ reklamy na poziomie 60%, 40% to wpływ społeczeństwa (u Ascha było 37%). Najsilniej oddziałuje grupa jednomyślna, później wpływ społeczny diametralnie spada. 2 Najlepsze wyniki modeli sieciowych dla modelu III, co świadczy o zmiennej podatności klientów na działanie reklamy. 3 Bardzo duży wpływ problemów wewnętrznych na wyniki spółki. Oszacowano obniżenie efektywności reklam PTC na poziomie 10%. 4 Przewaga modeli ARMAX w prognozie krótkoterminowej. Przy długich prognozach zdecydowanie lepiej sprawują się modele sieciowe.

31 1 Otrzymano wyniki niesamowicie zgodne z rezultatami eksperymentów socjologicznych. Oszacowano wpływ reklamy na poziomie 60%, 40% to wpływ społeczeństwa (u Ascha było 37%). Najsilniej oddziałuje grupa jednomyślna, później wpływ społeczny diametralnie spada. 2 Najlepsze wyniki modeli sieciowych dla modelu III, co świadczy o zmiennej podatności klientów na działanie reklamy. 3 Bardzo duży wpływ problemów wewnętrznych na wyniki spółki. Oszacowano obniżenie efektywności reklam PTC na poziomie 10%. 4 Przewaga modeli ARMAX w prognozie krótkoterminowej. Przy długich prognozach zdecydowanie lepiej sprawują się modele sieciowe.

32 1 Otrzymano wyniki niesamowicie zgodne z rezultatami eksperymentów socjologicznych. Oszacowano wpływ reklamy na poziomie 60%, 40% to wpływ społeczeństwa (u Ascha było 37%). Najsilniej oddziałuje grupa jednomyślna, później wpływ społeczny diametralnie spada. 2 Najlepsze wyniki modeli sieciowych dla modelu III, co świadczy o zmiennej podatności klientów na działanie reklamy. 3 Bardzo duży wpływ problemów wewnętrznych na wyniki spółki. Oszacowano obniżenie efektywności reklam PTC na poziomie 10%. 4 Przewaga modeli ARMAX w prognozie krótkoterminowej. Przy długich prognozach zdecydowanie lepiej sprawują się modele sieciowe.

33 Dziękuję za uwagę

Dynamiki rynków oligopolistycznych oczami fizyka

Dynamiki rynków oligopolistycznych oczami fizyka KNF Migacz, Instytut Fizyki Teoretycznej, Uniwersytet Wrocławski 7-10 listopada 2008 1 1 2 1 2 3 1 2 3 4 Wprowadzenie reklamy 1 2 3 4 Wprowadzenie reklamy 5 1 2 3 4 Wprowadzenie reklamy 5 6 1 2 3 4 Wprowadzenie

Bardziej szczegółowo

Wprowadzenie do teorii prognozowania

Wprowadzenie do teorii prognozowania Wprowadzenie do teorii prognozowania I Pojęcia: 1. Prognoza i zmienna prognozowana (przedmiot prognozy). Prognoza punktowa i przedziałowa. 2. Okres prognozy i horyzont prognozy. Prognozy krótkoterminowe

Bardziej szczegółowo

A. Kowalska-Pyzalska, K. Maciejowska, P. Przybyła, K. Sznajd-Weron, R. Weron

A. Kowalska-Pyzalska, K. Maciejowska, P. Przybyła, K. Sznajd-Weron, R. Weron A. Kowalska-Pyzalska, K. Maciejowska, P. Przybyła, K. Sznajd-Weron, R. Weron Institute of Organization and Management Wrocław University of Technology Model agentowy Konsument na rynku energii elektrycznej

Bardziej szczegółowo

Wojny Coli (Cola wars) czyli siła reklamy na rynku oligopolicznym. Praca magisterska

Wojny Coli (Cola wars) czyli siła reklamy na rynku oligopolicznym. Praca magisterska Politechnika Wrocławska Wydział Podstawowych Problemów Techniki Instytut Matematyki Wojny Coli (Cola wars) czyli siła reklamy na rynku oligopolicznym Praca magisterska Autor: Promotor: Maja Włoszczowska

Bardziej szczegółowo

7.4 Automatyczne stawianie prognoz

7.4 Automatyczne stawianie prognoz szeregów czasowych za pomocą pakietu SPSS Następnie korzystamy z menu DANE WYBIERZ OBSERWACJE i wybieramy opcję WSZYSTKIE OBSERWACJE (wówczas wszystkie obserwacje są aktywne). Wreszcie wybieramy z menu

Bardziej 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

7. Zastosowanie wybranych modeli nieliniowych w badaniach ekonomicznych. 14. Decyzje produkcyjne i cenowe na rynku konkurencji doskonałej i monopolu

7. Zastosowanie wybranych modeli nieliniowych w badaniach ekonomicznych. 14. Decyzje produkcyjne i cenowe na rynku konkurencji doskonałej i monopolu Zagadnienia na egzamin magisterski na kierunku Ekonomia 1. Znaczenie wnioskowania statystycznego w weryfikacji hipotez 2. Organizacja doboru próby do badań 3. Rozkłady zmiennej losowej 4. Zasady analizy

Bardziej szczegółowo

Modelowanie oligopolu metodami fizyki statystycznej. Praca magisterska. Andrzej Pilarczyk. Wydział Fizyki i Astronomii Uniwersytet Wrocławski

Modelowanie oligopolu metodami fizyki statystycznej. Praca magisterska. Andrzej Pilarczyk. Wydział Fizyki i Astronomii Uniwersytet Wrocławski Wydział Fizyki i Astronomii Uniwersytet Wrocławski Andrzej Pilarczyk Modelowanie oligopolu metodami fizyki statystycznej Praca magisterska Opiekun: dr hab. Katarzyna Sznajd-Weron Wrocław 2009 Streszczenie

Bardziej szczegółowo

Estymacja przedziałowa

Estymacja przedziałowa Instytut Sterowania i Systemów Informatycznych Uniwersytet Zielonogórski Metody analizy danych ćwiczenia Estymacja przedziałowa Program ćwiczeń obejmuje następująca zadania: 1. Dom handlowy prowadzący

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

Motto. Czy to nie zabawne, że ci sami ludzie, którzy śmieją się z science fiction, słuchają prognoz pogody oraz ekonomistów? (K.

Motto. Czy to nie zabawne, że ci sami ludzie, którzy śmieją się z science fiction, słuchają prognoz pogody oraz ekonomistów? (K. Motto Cz to nie zabawne, że ci sami ludzie, którz śmieją się z science fiction, słuchają prognoz pogod oraz ekonomistów? (K. Throop III) 1 Specfika szeregów czasowch Modele szeregów czasowch są alternatwą

Bardziej szczegółowo

Marketing dr Grzegorz Mazurek

Marketing dr Grzegorz Mazurek Marketing dr Grzegorz Mazurek Orientacja rynkowa jako podstawa marketingu Orientacja przedsiębiorstwa określa co jest głównym przedmiotem uwagi i punktem wyjścia w kształtowaniu działalności przedsiębiorstwa.

Bardziej szczegółowo

PYTANIA NA EGZAMIN MAGISTERSKI KIERUNEK: EKONOMIA STUDIA DRUGIEGO STOPNIA. CZĘŚĆ I dotyczy wszystkich studentów kierunku Ekonomia pytania podstawowe

PYTANIA NA EGZAMIN MAGISTERSKI KIERUNEK: EKONOMIA STUDIA DRUGIEGO STOPNIA. CZĘŚĆ I dotyczy wszystkich studentów kierunku Ekonomia pytania podstawowe PYTANIA NA EGZAMIN MAGISTERSKI KIERUNEK: EKONOMIA STUDIA DRUGIEGO STOPNIA CZĘŚĆ I dotyczy wszystkich studentów kierunku Ekonomia pytania podstawowe 1. Cele i przydatność ujęcia modelowego w ekonomii 2.

Bardziej szczegółowo

OTOCZENIE MARKETINGOWE

OTOCZENIE MARKETINGOWE OTOCZENIE MARKETINGOWE OTOCZENIE PRZEDSIĘBIORSTWA......to zespół warunków i czynników zewnętrznych, które decydują o powodzeniu lub niepowodzeniu w osiąganiu celów przedsiębiorstwa STRUKTURA UKŁADU RYNKOWEGO

Bardziej szczegółowo

ZARZĄDZANIE STRATEGICZNE. mgr Filip Januszewski

ZARZĄDZANIE STRATEGICZNE. mgr Filip Januszewski ZARZĄDZANIE STRATEGICZNE mgr Filip Januszewski Metody bezscenariuszowe Ekstrapolacja trendów Analiza luki strategicznej Opinie ekspertów metoda delficka 2 Ekstrapolacja trendów Prognozowanie na podstawie

Bardziej szczegółowo

Raport Porównanie oferty abonamentowej operatorów. telefonii komórkowej dla typowego uŝytkownika. Łukasz Idrian Analityk Rynku ICT

Raport Porównanie oferty abonamentowej operatorów. telefonii komórkowej dla typowego uŝytkownika. Łukasz Idrian Analityk Rynku ICT Raport Porównanie oferty abonamentowej operatorów telefonii komórkowej dla typowego uŝytkownika Łukasz Idrian Analityk Rynku ICT Grzegorz Bernatek Kierownik Działu Analiz Audytel S.A. (Maj 2009) Audytel

Bardziej szczegółowo

Etapy przygotowań do przeprowadzenia badań marketingowych. dr Grzegorz Kotliński, Katedra Bankowości AE w Poznaniu

Etapy przygotowań do przeprowadzenia badań marketingowych. dr Grzegorz Kotliński, Katedra Bankowości AE w Poznaniu 1 Etapy przygotowań do przeprowadzenia badań marketingowych 2 Badania marketingowe a funkcje marketingu Analiza otoczenia Analiza klientów Planowanie produktów i usług Planowanie dystrybucji Planowanie

Bardziej szczegółowo

Ekonometria ćwiczenia 3. Prowadzący: Sebastian Czarnota

Ekonometria ćwiczenia 3. Prowadzący: Sebastian Czarnota Ekonometria ćwiczenia 3 Prowadzący: Sebastian Czarnota Strona - niezbędnik http://sebastianczarnota.com/sgh/ Normalność rozkładu składnika losowego Brak normalności rozkładu nie odbija się na jakości otrzymywanych

Bardziej szczegółowo

Akademia Górniczo-Hutnicza Wydział Elektrotechniki, Automatyki, Informatyki i Elektroniki

Akademia Górniczo-Hutnicza Wydział Elektrotechniki, Automatyki, Informatyki i Elektroniki Akademia Górniczo-Hutnicza Wydział Elektrotechniki, Automatyki, Informatyki i Elektroniki Przetwarzanie Sygnałów Studia Podyplomowe, Automatyka i Robotyka. Wstęp teoretyczny Zmienne losowe Zmienne losowe

Bardziej szczegółowo

Summary in Polish. Fatimah Mohammed Furaiji. Application of Multi-Agent Based Simulation in Consumer Behaviour Modeling

Summary in Polish. Fatimah Mohammed Furaiji. Application of Multi-Agent Based Simulation in Consumer Behaviour Modeling Summary in Polish Fatimah Mohammed Furaiji Application of Multi-Agent Based Simulation in Consumer Behaviour Modeling Zastosowanie symulacji wieloagentowej w modelowaniu zachowania konsumentów Streszczenie

Bardziej szczegółowo

Estymacja parametrów modeli liniowych oraz ocena jakości dopasowania modeli do danych empirycznych

Estymacja parametrów modeli liniowych oraz ocena jakości dopasowania modeli do danych empirycznych Estymacja parametrów modeli liniowych oraz ocena jakości dopasowania modeli do danych empirycznych 3.1. Estymacja parametrów i ocena dopasowania modeli z jedną zmienną 23. Właściciel komisu w celu zbadania

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

Wprowadzenie do teorii ekonometrii. Wykład 1 Warunkowa wartość oczekiwana i odwzorowanie liniowe

Wprowadzenie do teorii ekonometrii. Wykład 1 Warunkowa wartość oczekiwana i odwzorowanie liniowe Wprowadzenie do teorii ekonometrii Wykład 1 Warunkowa wartość oczekiwana i odwzorowanie liniowe Zajęcia Wykład Laboratorium komputerowe 2 Zaliczenie EGZAMIN (50%) Na egzaminie obowiązują wszystkie informacje

Bardziej szczegółowo

Bariery innowacyjności polskich firm

Bariery innowacyjności polskich firm Bariery innowacyjności polskich firm Anna Wziątek-Kubiak Seminarium PARP W kierunku innowacyjnych przedsiębiorstw i innowacyjnej gospodarki 1 luty, 2011 Na tle UE niski jest udział firm innowacyjnych w

Bardziej szczegółowo

Modelowanie wieloskalowe. Automaty Komórkowe - podstawy

Modelowanie wieloskalowe. Automaty Komórkowe - podstawy Modelowanie wieloskalowe Automaty Komórkowe - podstawy Dr hab. inż. Łukasz Madej Katedra Informatyki Stosowanej i Modelowania Wydział Inżynierii Metali i Informatyki Przemysłowej Budynek B5 p. 716 lmadej@agh.edu.pl

Bardziej szczegółowo

Mikroekonomia - Lista 11. Przygotować do zajęć: konkurencja doskonała, konkurencja monopolistyczna, oligopol, monopol pełny, duopol

Mikroekonomia - Lista 11. Przygotować do zajęć: konkurencja doskonała, konkurencja monopolistyczna, oligopol, monopol pełny, duopol Mikroekonomia - Lista 11 Przygotować do zajęć: konkurencja doskonała, konkurencja monopolistyczna, oligopol, monopol pełny, duopol Konkurencja doskonała 1. Model konkurencji doskonałej opiera się na następujących

Bardziej szczegółowo

Konkurencja monopolistyczna. W tym rozdziale szukaj odpowiedzi na pytania:

Konkurencja monopolistyczna. W tym rozdziale szukaj odpowiedzi na pytania: 17 Konkurencja monopolistyczna P R I N C I P L E S O F MICROECONOMICS F O U R T H E D I T I O N N. G R E G O R Y M A N K I W PowerPoint Slides by Ron Cronovich 2007 Thomson South-Western, all rights reserved

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

Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji

Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych Wydział Informatyki Politechniki

Bardziej szczegółowo

PROGNOZOWANIE PRZYCHODÓW ZE SPRZEDAŻY

PROGNOZOWANIE PRZYCHODÓW ZE SPRZEDAŻY Joanna Chrabołowska Joanicjusz Nazarko PROGNOZOWANIE PRZYCHODÓW ZE SPRZEDAŻY NA PRZYKŁADZIE PRZEDSIĘBIORSTWA HANDLOWEGO TYPU CASH & CARRY Wprowadzenie Wśród wielu prognoz szczególną rolę w zarządzaniu

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

Projekt zaliczeniowy z Ekonometrii i prognozowania Wyższa Szkoła Bankowa w Toruniu 2014/2015

Projekt zaliczeniowy z Ekonometrii i prognozowania Wyższa Szkoła Bankowa w Toruniu 2014/2015 Projekt zaliczeniowy z Ekonometrii i prognozowania Wyższa Szkoła Bankowa w Toruniu 2014/2015 Nr indeksu... Imię i Nazwisko... Nr grupy ćwiczeniowej... Imię i Nazwisko prowadzącego... 1. Specyfikacja modelu

Bardziej szczegółowo

Prognozowanie i Symulacje. Wykład I. Matematyczne metody prognozowania

Prognozowanie i Symulacje. Wykład I. Matematyczne metody prognozowania Prognozowanie i Symulacje. Wykład I. e-mail:e.kozlovski@pollub.pl Spis treści Szeregi czasowe 1 Szeregi czasowe 2 3 Szeregi czasowe Definicja 1 Szereg czasowy jest to proces stochastyczny z czasem dyskretnym

Bardziej szczegółowo

Projekt zaliczeniowy z Ekonometrii i prognozowania Wyższa Szkoła Bankowa w Toruniu 2017/2018

Projekt zaliczeniowy z Ekonometrii i prognozowania Wyższa Szkoła Bankowa w Toruniu 2017/2018 Projekt zaliczeniowy z Ekonometrii i prognozowania Wyższa Szkoła Bankowa w Toruniu 2017/2018 Nr indeksu... Imię i Nazwisko... Nr grupy ćwiczeniowej... Imię i Nazwisko prowadzącego... 1. Specyfikacja modelu

Bardziej szczegółowo

Komputerowa Analiza Danych Doświadczalnych

Komputerowa Analiza Danych Doświadczalnych Komputerowa Analiza Danych Doświadczalnych Prowadząca: dr inż. Hanna Zbroszczyk e-mail: gos@if.pw.edu.pl tel: +48 22 234 58 51 konsultacje: poniedziałek, 10-11, środa: 11-12 www: http://www.if.pw.edu.pl/~gos/students/kadd

Bardziej szczegółowo

Krzysztof Piontek MODELOWANIE I PROGNOZOWANIE ZMIENNOŚCI INSTRUMENTÓW FINANSOWYCH

Krzysztof Piontek MODELOWANIE I PROGNOZOWANIE ZMIENNOŚCI INSTRUMENTÓW FINANSOWYCH Akademia Ekonomiczna im. Oskara Langego we Wrocławiu Wydział Zarządzania i Informatyki Krzysztof Piontek MODELOWANIE I PROGNOZOWANIE ZMIENNOŚCI INSTRUMENTÓW FINANSOWYCH rozprawa doktorska Promotor: prof.

Bardziej szczegółowo

Oligopol. dobra są homogeniczne Istnieją bariery wejścia na rynek (rynek zamknięty) konsumenci są cenobiorcami firmy posiadają siłę rynkową (P>MC)

Oligopol. dobra są homogeniczne Istnieją bariery wejścia na rynek (rynek zamknięty) konsumenci są cenobiorcami firmy posiadają siłę rynkową (P>MC) Oligopol Jest to rynek, na którym niewielka liczba firm zachowuje się w sposób strategiczny i działają niezależnie od siebie, ale uwzględniają istnienie pozostałych firm. Na decyzję firmy wpływają decyzje

Bardziej szczegółowo

O LICZBIE ABONENTÓW TELEFONII KOMÓRKOWEJ W POLSCE ZDANIEM TRZECH STATYSTYKÓW

O 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 szczegółowo

Ekonometria Wykład 4 Prognozowanie, sezonowość. Dr Michał Gradzewicz Katedra Ekonomii I KAE

Ekonometria Wykład 4 Prognozowanie, sezonowość. Dr Michał Gradzewicz Katedra Ekonomii I KAE Ekonometria Wykład 4 Prognozowanie, sezonowość Dr Michał Gradzewicz Katedra Ekonomii I KAE Plan wykładu Prognozowanie Założenia i własności predykcji ekonometrycznej Stabilność modelu ekonometrycznego

Bardziej szczegółowo

PYTANIA NA EGZAMIN MAGISTERSKI KIERUNEK: EKONOMIA STUDIA DRUGIEGO STOPNIA. CZĘŚĆ I dotyczy wszystkich studentów kierunku Ekonomia pytania podstawowe

PYTANIA NA EGZAMIN MAGISTERSKI KIERUNEK: EKONOMIA STUDIA DRUGIEGO STOPNIA. CZĘŚĆ I dotyczy wszystkich studentów kierunku Ekonomia pytania podstawowe PYTANIA NA EGZAMIN MAGISTERSKI KIERUNEK: EKONOMIA STUDIA DRUGIEGO STOPNIA CZĘŚĆ I dotyczy wszystkich studentów kierunku Ekonomia pytania podstawowe 1. Cele i przydatność ujęcia modelowego w ekonomii 2.

Bardziej szczegółowo

PODSTAWY FUNKCJONOWANIA PRZEDSIĘBIORSTW

PODSTAWY FUNKCJONOWANIA PRZEDSIĘBIORSTW PODSTAWY FUNKCJONOWANIA PRZEDSIĘBIORSTW Część 5. Mgr Michał AMBROZIAK Wydział Zarządzania Uniwersytet Warszawski Warszawa, 2007 Prawa autorskie zastrzeżone. Niniejszego opracowania nie wolno kopiować ani

Bardziej szczegółowo

Systemy pomiarowo-diagnostyczne. Metody uczenia maszynowego wykład I dr inż. 2015/2016

Systemy pomiarowo-diagnostyczne. Metody uczenia maszynowego wykład I dr inż. 2015/2016 Systemy pomiarowo-diagnostyczne Metody uczenia maszynowego wykład I dr inż. Bogumil.Konopka@pwr.edu.pl 2015/2016 1 Wykład I - plan Sprawy organizacyjne Uczenie maszynowe podstawowe pojęcia Proces modelowania

Bardziej szczegółowo

WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI REGRESJA LINIOWA

WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI REGRESJA LINIOWA WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI REGRESJA LINIOWA Powtórka Powtórki Kowiariancja cov xy lub c xy - kierunek zależności Współczynnik korelacji liniowej Pearsona r siła liniowej zależności Istotność

Bardziej szczegółowo

5 Błąd średniokwadratowy i obciążenie

5 Błąd średniokwadratowy i obciążenie 5 Błąd średniokwadratowy i obciążenie Przeprowadziliśmy 200 powtórzeń przebiegu próbnika dla tego samego zestawu parametrów modelowych co w Rozdziale 1, to znaczy µ = 0, s = 10, v = 10, n i = 10 (i = 1,...,

Bardziej szczegółowo

Prognozy zmian poziomu oceanu a El Niño 2015/2016 system Prognocean Plus jako usługa nowej generacji dla Nauki Polskiej.

Prognozy zmian poziomu oceanu a El Niño 2015/2016 system Prognocean Plus jako usługa nowej generacji dla Nauki Polskiej. M. Świerczyńska, B. Miziński, T. Niedzielski Zakład Geoinformatyki i Kartografii Instytutu Geografii i Rozwoju Regionalnego Uniwersytetu Wrocławskiego Wprowadzenie: system Prognocean Plus Cele i metody

Bardziej szczegółowo

biznes zmienia się z Orange

biznes zmienia się z Orange biznes zmienia się z Orange konferencja prasowa Mariusz Gaca, Prezes PTK Centertel, Dyrektor Wykonawczy ds. Sprzedaży i Obsługi Klientów Orange Polska Warszawa, 8 maja 2012 r. zmieniamy się dla naszych

Bardziej szczegółowo

PROGNOZOWANIE I SYMULACJE EXCEL 1 AUTOR: MARTYNA MALAK PROGNOZOWANIE I SYMULACJE EXCEL 1 AUTOR: MARTYNA MALAK

PROGNOZOWANIE I SYMULACJE EXCEL 1 AUTOR: MARTYNA MALAK PROGNOZOWANIE I SYMULACJE EXCEL 1 AUTOR: MARTYNA MALAK 1 PROGNOZOWANIE I SYMULACJE 2 http://www.outcome-seo.pl/excel1.xls DODATEK SOLVER WERSJE EXCELA 5.0, 95, 97, 2000, 2002/XP i 2003. 3 Dodatek Solver jest dostępny w menu Narzędzia. Jeżeli Solver nie jest

Bardziej szczegółowo

Konkurencja doskonała

Konkurencja doskonała Struktury rynku Konkurencja doskonała Konkurencja doskonała (nazywana także wolną konkurencją) jest modelem teoretycznym opisującym jedną z form konkurencji na rynku. Cechą charakterystyczną konkurencji

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

Testowanie hipotez statystycznych. Wprowadzenie

Testowanie hipotez statystycznych. Wprowadzenie Wrocław University of Technology Testowanie hipotez statystycznych. Wprowadzenie Jakub Tomczak Politechnika Wrocławska jakub.tomczak@pwr.edu.pl 10.04.2014 Pojęcia wstępne Populacja (statystyczna) zbiór,

Bardziej szczegółowo

PROGNOZOWANIE ZAPOTRZEBOWANIA A RYNEK ENERGII

PROGNOZOWANIE ZAPOTRZEBOWANIA A RYNEK ENERGII Jarosław ARABAS Politechnika Warszawska Łukasz ADAMOWICZ Transition Technologies SA PROGNOZOWANIE ZAPOTRZEBOWANIA A RYNEK ENERGII Prognozowanie zapotrzebowania na energię elektryczną stanowi jedno z podstawowych

Bardziej szczegółowo

Zastosowanie modelu regresji logistycznej w ocenie ryzyka ubezpieczeniowego. Łukasz Kończyk WMS AGH

Zastosowanie modelu regresji logistycznej w ocenie ryzyka ubezpieczeniowego. Łukasz Kończyk WMS AGH Zastosowanie modelu regresji logistycznej w ocenie ryzyka ubezpieczeniowego Łukasz Kończyk WMS AGH Plan prezentacji Model regresji liniowej Uogólniony model liniowy (GLM) Ryzyko ubezpieczeniowe Przykład

Bardziej szczegółowo

METODY STATYSTYCZNE W BIOLOGII

METODY STATYSTYCZNE W BIOLOGII METODY STATYSTYCZNE W BIOLOGII 1. Wykład wstępny 2. Populacje i próby danych 3. Testowanie hipotez i estymacja parametrów 4. Planowanie eksperymentów biologicznych 5. Najczęściej wykorzystywane testy statystyczne

Bardziej szczegółowo

Finanse behawioralne; badanie skłonności poznawczych inwestorów

Finanse behawioralne; badanie skłonności poznawczych inwestorów Finanse behawioralne; badanie skłonności poznawczych inwestorów Łukasz Małek promotor dr inż. R. Weron Instytut Matematyki i Informatyki Politechnika Wrocławska Wrocław, 13.07.2007 Spis treści 1 Cel pracy

Bardziej szczegółowo

Prognozowanie cen surowców w rolnych na podstawie szeregów w czasowych

Prognozowanie cen surowców w rolnych na podstawie szeregów w czasowych Prognozowanie cen surowców w rolnych na podstawie szeregów w czasowych Mariusz Hamulczuk Pułtusk 06.12.1011 Wprowadzenie Przewidywanie a prognozowanie Metoda prognozowania rodzaje metod i prognoz Czy moŝna

Bardziej 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

Wykład 5 Estymatory nieobciążone z jednostajnie minimalną war

Wykład 5 Estymatory nieobciążone z jednostajnie minimalną war Wykład 5 Estymatory nieobciążone z jednostajnie minimalną wariancją Wrocław, 25 października 2017r Statystyki próbkowe - Przypomnienie Niech X = (X 1, X 2,... X n ) będzie n elementowym wektorem losowym.

Bardziej szczegółowo

MIKROEKONOMIA Struktury rynku

MIKROEKONOMIA Struktury rynku MIKROEKONOMIA Struktury rynku Katedra Mikroekonomii Wydział Nauk Ekonomicznych i Zarządzania Slajd nr 2 3 Struktura wykładu 1. Struktura rynku definicja 2. Podział struktur rynkowych 3. Determinanty podziału

Bardziej szczegółowo

KOMPUTEROWA SYMULACJA PROCESÓW ZWIĄZANYCH Z RYZYKIEM PRZY WYKORZYSTANIU ŚRODOWISKA ADONIS

KOMPUTEROWA SYMULACJA PROCESÓW ZWIĄZANYCH Z RYZYKIEM PRZY WYKORZYSTANIU ŚRODOWISKA ADONIS KOMPUTEROWA SYMULACJA PROCESÓW ZWIĄZANYCH Z RYZYKIEM PRZY WYKORZYSTANIU ŚRODOWISKA ADONIS Bogdan RUSZCZAK Streszczenie: Artykuł przedstawia metodę komputerowej symulacji czynników ryzyka dla projektu inwestycyjnego

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 12

Stanisław Cichocki. Natalia Nehrebecka. Wykład 12 Stanisław Cichocki Natalia Nehrebecka Wykład 1 1 1. Testy diagnostyczne Testowanie stabilności parametrów modelu: test Chowa. Heteroskedastyczność Konsekwencje Testowanie heteroskedastyczności 1. Testy

Bardziej szczegółowo

Spis treści 3 SPIS TREŚCI

Spis 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 szczegółowo

Rynek telekomunikacyjny w Polsce Prognozy rozwoju na lata

Rynek telekomunikacyjny w Polsce Prognozy rozwoju na lata 2 Język: polski, angielski Data publikacji: Q3 Format: pdf Cena od: 2100 Sprawdź w raporcie Jaka jest obecna i prognozowana wartość polskiego rynku telekomunikacyjnego? Które segmenty będą najsilniej się

Bardziej szczegółowo

dr Grzegorz Mazurek racjonalna reakcja konkurencji celowy zintegrowanym orientacji rynkowej zidentyfikowaniu i przewidywaniu potrzeb odbiorców

dr Grzegorz Mazurek racjonalna reakcja konkurencji celowy zintegrowanym orientacji rynkowej zidentyfikowaniu i przewidywaniu potrzeb odbiorców Sprawy organizacyjne Literatura B. Żurawik, W. Żurawik: Marketing usług finansowych, PWN, Warszawa, 2001 M. Pluta-Olearnik: Marketing usług bankowych, PWE, Warszawa, 2001 Marketing na rynku usług finansowych

Bardziej szczegółowo

Rola innowacji w ocenie ryzyka eksploatacji obiektów hydrotechnicznych

Rola innowacji w ocenie ryzyka eksploatacji obiektów hydrotechnicznych Politechnika Krakowska Instytut Inżynierii i Gospodarki Wodnej Rola innowacji w ocenie ryzyka eksploatacji obiektów hydrotechnicznych XXVI Konferencja Naukowa Metody Komputerowe w Projektowaniu i Analizie

Bardziej szczegółowo

METODY STATYSTYCZNE W BIOLOGII

METODY STATYSTYCZNE W BIOLOGII METODY STATYSTYCZNE W BIOLOGII 1. Wykład wstępny 2. Populacje i próby danych 3. Testowanie hipotez i estymacja parametrów 4. Planowanie eksperymentów biologicznych 5. Najczęściej wykorzystywane testy statystyczne

Bardziej szczegółowo

Kryteria wyboru operatorów usług telefonicznych przez abonentów w Polsce

Kryteria wyboru operatorów usług telefonicznych przez abonentów w Polsce Roman Nierebiński Opisano czynniki, wpływające na wybór operatora usług telefonii stacjonarnej i komórkowej. Wskazano najczęściej wybieranych operatorów telefonicznych oraz podano motywy wyboru. telekomunikacja,

Bardziej szczegółowo

Wprowadzenie do analizy korelacji i regresji

Wprowadzenie 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 szczegółowo

Ekonomia menedżerska William F. Samuelson, Stephen G. Marks

Ekonomia menedżerska William F. Samuelson, Stephen G. Marks Ekonomia menedżerska William F. Samuelson, Stephen G. Marks Ekonomia menedżerska to doskonale opracowany podręcznik, w którym przedstawiono najważniejsze problemy decyzyjne, przed jakimi stają współcześni

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

Ekonomia menedżerska. Struktury rynku. prof. Tomasz Bernat Katedra Mikroekonomii

Ekonomia menedżerska. Struktury rynku. prof. Tomasz Bernat Katedra Mikroekonomii Ekonomia menedżerska Struktury rynku prof. Tomasz Bernat Katedra Mikroekonomii Struktura wykładu 2 1. Struktura rynku definicja 2. Podział struktur rynkowych 3. Determinanty podziału i opisu 4. Decyzje

Bardziej szczegółowo

Statystyka matematyczna Testowanie hipotez i estymacja parametrów. Wrocław, r

Statystyka matematyczna Testowanie hipotez i estymacja parametrów. Wrocław, r Statystyka matematyczna Testowanie hipotez i estymacja parametrów Wrocław, 18.03.2016r Plan wykładu: 1. Testowanie hipotez 2. Etapy testowania hipotez 3. Błędy 4. Testowanie wielokrotne 5. Estymacja parametrów

Bardziej szczegółowo

Metody Ilościowe w Socjologii

Metody Ilościowe w Socjologii Metody Ilościowe w Socjologii wykład 2 i 3 EKONOMETRIA dr inż. Maciej Wolny AGENDA I. Ekonometria podstawowe definicje II. Etapy budowy modelu ekonometrycznego III. Wybrane metody doboru zmiennych do modelu

Bardziej szczegółowo

parametrów strukturalnych modelu = Y zmienna objaśniana, X 1,X 2,,X k zmienne objaśniające, k zmiennych objaśniających,

parametrów strukturalnych modelu = Y zmienna objaśniana, X 1,X 2,,X k zmienne objaśniające, k zmiennych objaśniających, 诲 瞴瞶 瞶 ƭ0 ƭ 瞰 parametrów strukturalnych modelu Y zmienna objaśniana, = + + + + + X 1,X 2,,X k zmienne objaśniające, k zmiennych objaśniających, α 0, α 1, α 2,,α k parametry strukturalne modelu, k+1 parametrów

Bardziej szczegółowo

Prognozowanie 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 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 szczegółowo

Istota funkcjonowania przedsiębiorstwa produkcyjnego. dr inż. Andrzej KIJ

Istota funkcjonowania przedsiębiorstwa produkcyjnego. dr inż. Andrzej KIJ Istota funkcjonowania przedsiębiorstwa produkcyjnego dr inż. Andrzej KIJ 1 Popyt rynkowy agregacja krzywych popytu P p2 p1 D1 q1 D2 q2 Q 2 Popyt rynkowy agregacja krzywych popytu P p2 p1 D1 +D2 D1 D2 q1

Bardziej szczegółowo

1.9 Czasowy wymiar danych

1.9 Czasowy wymiar danych 1.9 Czasowy wymiar danych Do tej pory rozpatrywaliśmy jedynie modele tworzone na podstawie danych empirycznych pochodzących z prób przekrojowych. Teraz zajmiemy się zagadnieniem budowy modeli regresji,

Bardziej szczegółowo

FORECASTING THE DISTRIBUTION OF AMOUNT OF UNEMPLOYED BY THE REGIONS

FORECASTING THE DISTRIBUTION OF AMOUNT OF UNEMPLOYED BY THE REGIONS FOLIA UNIVERSITATIS AGRICULTURAE STETINENSIS Folia Univ. Agric. Stetin. 007, Oeconomica 54 (47), 73 80 Mateusz GOC PROGNOZOWANIE ROZKŁADÓW LICZBY BEZROBOTNYCH WEDŁUG MIAST I POWIATÓW FORECASTING THE DISTRIBUTION

Bardziej szczegółowo

Co to jest biznes plan?

Co to jest biznes plan? Co to jest biznes plan? Biznes plan jest zestawem dokumentów (analiz i programów), w których na podstawie oceny sytuacji strategicznej firmy oraz danych historycznych zawarta jest projekcja celów firmy

Bardziej szczegółowo

Posiadanie telefonu stacjonarnego, telefonu komórkowego i internetu.

Posiadanie telefonu stacjonarnego, telefonu komórkowego i internetu. IMAS International Wrocław Posiadanie telefonu stacjonarnego, telefonu komórkowego i internetu. Wrocław, marzec 2008 IMAS International Polska, 53-238 Wrocław, ul. Ostrowskiego 30, tel.: 071 339 04 31

Bardziej szczegółowo

Testowanie hipotez statystycznych

Testowanie hipotez statystycznych 9 października 2008 ...czyli definicje na rozgrzewkę n-elementowa próba losowa - wektor n zmiennych losowych (X 1,..., X n ); intuicyjnie: wynik n eksperymentów realizacja próby (X 1,..., X n ) w ω Ω :

Bardziej szczegółowo

Ekonometria. Modelowanie zmiennej jakościowej. Jakub Mućk. Katedra Ekonomii Ilościowej

Ekonometria. Modelowanie zmiennej jakościowej. Jakub Mućk. Katedra Ekonomii Ilościowej Ekonometria Modelowanie zmiennej jakościowej Jakub Mućk Katedra Ekonomii Ilościowej Jakub Mućk Ekonometria Ćwiczenia 8 Zmienna jakościowa 1 / 25 Zmienna jakościowa Zmienna ilościowa może zostać zmierzona

Bardziej szczegółowo

Analiza otoczenia bliższego

Analiza otoczenia bliższego Analiza otoczenia bliższego Model 5 sił Portera Model 5 sił Portera Analiza sektora działalności poprzez zbadanie 5 czynników kształtujących jego atrakcyjność dla bieżących i przyszłych inwestorów: I.

Bardziej szczegółowo

RAPORT KWARTALNY E-MUZYKA S.A. ZA OKRES r r. Warszawa, 15 listopada 2010r.

RAPORT KWARTALNY E-MUZYKA S.A. ZA OKRES r r. Warszawa, 15 listopada 2010r. RAPORT KWARTALNY E-MUZYKA S.A ZA OKRES 01.07.2010r. 30.09.2010r. Warszawa, 15 listopada 2010r. Wprowadzenie Raport kwartalny e-muzyka S.A. za okres 01.07.2010 30.09.2010 roku zawiera: Wybrane dane finansowe

Bardziej szczegółowo

Prognozowanie na podstawie modelu ekonometrycznego

Prognozowanie na podstawie modelu ekonometrycznego Prognozowanie na podstawie modelu ekonometrycznego Przykład. Firma usługowa świadcząca usługi doradcze w ostatnich kwartałach (t) odnotowała wynik finansowy (yt - tys. zł), obsługując liczbę klientów (x1t)

Bardziej szczegółowo

MODELOWANIE RZECZYWISTOŚCI

MODELOWANIE RZECZYWISTOŚCI MODELOWANIE RZECZYWISTOŚCI Daniel Wójcik Instytut Biologii Doświadczalnej PAN Szkoła Wyższa Psychologii Społecznej d.wojcik@nencki.gov.pl dwojcik@swps.edu.pl tel. 022 5892 424 http://www.neuroinf.pl/members/danek/swps/

Bardziej szczegółowo

Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania

Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania MODELOWANIE I IDENTYFIKACJA Studia niestacjonarne Estymacja parametrów modeli, metoda najmniejszych kwadratów.

Bardziej szczegółowo

Analiza autokorelacji

Analiza autokorelacji Analiza autokorelacji Oblicza się wartości współczynników korelacji między y t oraz y t-i (dla i=1,2,...,k), czyli współczynniki autokorelacji różnych rzędów. Bada się statystyczną istotność tych współczynników.

Bardziej szczegółowo

Sterowanie wielkością zamówienia w Excelu - cz. 3

Sterowanie wielkością zamówienia w Excelu - cz. 3 Sterowanie wielkością zamówienia w Excelu - cz. 3 21.06.2005 r. 4. Planowanie eksperymentów symulacyjnych Podczas tego etapu ważne jest określenie typu rozkładu badanej charakterystyki. Dzięki tej informacji

Bardziej szczegółowo

Statystyka matematyczna dla leśników

Statystyka matematyczna dla leśników Statystyka matematyczna dla leśników Wydział Leśny Kierunek leśnictwo Studia Stacjonarne I Stopnia Rok akademicki 03/04 Wykład 5 Testy statystyczne Ogólne zasady testowania hipotez statystycznych, rodzaje

Bardziej szczegółowo

Rynek telekomunikacyjny Warszawa, 28 października 2011r.

Rynek telekomunikacyjny Warszawa, 28 października 2011r. Rynek telekomunikacyjny 2010 Warszawa, 28 października 2011r. Agenda Ogólna charakterystyka rynku Telefonia stacjonarna Telefonia ruchoma Dostęp do Internetu Ogólna charakterystyka rynku Wartość rynku

Bardziej szczegółowo

Inżynieria oprogramowania. Część 8: Metoda szacowania ryzyka - PERT

Inżynieria oprogramowania. Część 8: Metoda szacowania ryzyka - PERT UNIWERSYTET RZESZOWSKI KATEDRA INFORMATYKI Opracował: mgr inż. Przemysław Pardel v1.01 2010 Inżynieria oprogramowania Część 8: Metoda szacowania ryzyka - PERT ZAGADNIENIA DO ZREALIZOWANIA (3H) PERT...

Bardziej szczegółowo

Modele rynków. Niedoskonała Konkurencja. Doskonała Konkurencja. Niekooperujący. Kooperujący (Kartel, Zmowa) Model Cournota (konkurencja ilościowa)

Modele rynków. Niedoskonała Konkurencja. Doskonała Konkurencja. Niekooperujący. Kooperujący (Kartel, Zmowa) Model Cournota (konkurencja ilościowa) Modele rynków Doskonała Konkurencja Niedoskonała Konkurencja Monopolistyczna Konkurencja Monopol Oligopol Niekooperujący Kooperujący (Kartel, Zmowa) Gra jednoczesna Gra sekwencyjna Gra powtarzalna Model

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

TEMATYKA PRAC. Zarządzanie Studia stacjonarne II stopień I rok

TEMATYKA PRAC. Zarządzanie Studia stacjonarne II stopień I rok TEMATYKA PRAC Zapisy dnia 18.02.2015 r. o godz. 9.45 Prof.nzdz. dr hab. Agnieszka Sitko-Lutek Zapisy pok. 309 Zarządzanie Studia stacjonarne II stopień I rok 1. Uwarunkowania i zmiana kultury organizacyjnej

Bardziej szczegółowo

Stanisław Cichocki Natalia Nehrebecka. Wykład 1

Stanisław Cichocki Natalia Nehrebecka. Wykład 1 Stanisław Cichocki Natalia Nehrebecka Wykład 1 1 1. Sprawy organizacyjne Zasady zaliczenia Ćwiczenia Literatura 2. Obciążenie Lovella 3. Metoda od ogólnego do szczególnego 4. Kryteria informacyjne 2 1.

Bardziej szczegółowo

Symulacyjne metody wyceny opcji amerykańskich

Symulacyjne metody wyceny opcji amerykańskich Metody wyceny Piotr Małecki promotor: dr hab. Rafał Weron Instytut Matematyki i Informatyki Politechniki Wrocławskiej Wrocław, 0 lipca 009 Metody wyceny Drzewko S 0 S t S t S 3 t S t St St 3 S t St St

Bardziej szczegółowo

Załącznik nr 6 - Brief Komercjalizacyjny planowanego przedsięwzięcia typu spin off ... ... ... Rynek

Załącznik nr 6 - Brief Komercjalizacyjny planowanego przedsięwzięcia typu spin off ... ... ... Rynek Załącznik nr 6 - Brief Komercjalizacyjny planowanego przedsięwzięcia typu spin off Numer projektu*: Tytuł planowanego przedsięwzięcia:......... Rynek Jaka jest aktualna sytuacja branży? (w miarę możliwości

Bardziej szczegółowo

Natalia Nehrebecka. Wykład 1

Natalia Nehrebecka. Wykład 1 Natalia Nehrebecka Wykład 1 1 1. Sprawy organizacyjne Zasady zaliczenia Dwiczenia Literatura 2. Czym zajmuje się ekonometria? 3. Formy danych statystycznych 4. Model ekonometryczny 2 1. Sprawy organizacyjne

Bardziej szczegółowo

K wartość kapitału zaangażowanego w proces produkcji, w tys. jp.

K wartość kapitału zaangażowanego w proces produkcji, w tys. jp. Sprawdzian 2. Zadanie 1. Za pomocą KMNK oszacowano następującą funkcję produkcji: Gdzie: P wartość produkcji, w tys. jp (jednostek pieniężnych) K wartość kapitału zaangażowanego w proces produkcji, w tys.

Bardziej szczegółowo

EKONOMETRIA. Prof. dr hab. Eugeniusz Gatnar.

EKONOMETRIA. Prof. dr hab. Eugeniusz Gatnar. EKONOMETRIA Prof. dr hab. Eugeniusz Gatnar egatnar@mail.wz.uw.edu.pl Sprawy organizacyjne Wykłady - prezentacja zagadnień dotyczących: budowy i weryfikacji modelu ekonometrycznego, doboru zmiennych, estymacji

Bardziej szczegółowo