Wojny Coli - czyli siła reklamy na rynku oligopolicznym
|
|
- Jadwiga Janik
- 9 lat temu
- Przeglądów:
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
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 szczegółowoWprowadzenie do teorii prognozowania
Wprowadzenie do teorii prognozowania I Pojęcia: 1. Prognoza i zmienna prognozowana (przedmiot prognozy). Prognoza punktowa i przedziałowa. 2. Okres prognozy i horyzont prognozy. Prognozy krótkoterminowe
Bardziej szczegółowoA. 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 szczegółowoWojny 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 szczegółowo7.4 Automatyczne stawianie prognoz
szeregów czasowych za pomocą pakietu SPSS Następnie korzystamy z menu DANE WYBIERZ OBSERWACJE i wybieramy opcję WSZYSTKIE OBSERWACJE (wówczas wszystkie obserwacje są aktywne). Wreszcie wybieramy z menu
Bardziej szczegółowo5. Model sezonowości i autoregresji zmiennej prognozowanej
5. Model sezonowości i autoregresji zmiennej prognozowanej 1. Model Sezonowości kwartalnej i autoregresji zmiennej prognozowanej (rząd istotnej autokorelacji K = 1) Szacowana postać: y = c Q + ρ y, t =
Bardziej szczegółowo7. 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 szczegółowoModelowanie 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 szczegółowoEstymacja przedziałowa
Instytut Sterowania i Systemów Informatycznych Uniwersytet Zielonogórski Metody analizy danych ćwiczenia Estymacja przedziałowa Program ćwiczeń obejmuje następująca zadania: 1. Dom handlowy prowadzący
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 szczegółowoMotto. 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 szczegółowoMarketing 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 szczegółowoPYTANIA 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 szczegółowoOTOCZENIE 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 szczegółowoZARZĄDZANIE 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 szczegółowoRaport 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 szczegółowoEtapy 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 szczegółowoEkonometria ćwiczenia 3. Prowadzący: Sebastian Czarnota
Ekonometria ćwiczenia 3 Prowadzący: Sebastian Czarnota Strona - niezbędnik http://sebastianczarnota.com/sgh/ Normalność rozkładu składnika losowego Brak normalności rozkładu nie odbija się na jakości otrzymywanych
Bardziej szczegółowoAkademia 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 szczegółowoSummary 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 szczegółowoEstymacja 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 szczegółowo4. Średnia i autoregresja zmiennej prognozowanej
4. Średnia i autoregresja zmiennej prognozowanej 1. Średnia w próbie uczącej Własności: y = y = 1 N y = y t = 1, 2, T s = s = 1 N 1 y y R = 0 v = s 1 +, 2. Przykład. Miesięczna sprzedaż żelazek (szt.)
Bardziej szczegółowoWprowadzenie 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 szczegółowoBariery 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 szczegółowoModelowanie 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 szczegółowoMikroekonomia - 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 szczegółowoKonkurencja 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 szczegółowot y x y'y x'x y'x x-x śr (x-x śr)^2
Na podstawie:w.samuelson, S.Marks Ekonomia menedżerska Zadanie 1 W przedsiębiorstwie toczy się dyskusja na temat wpływu reklamy na wielkość. Dział marketingu uważa, że reklama daje wysoce pozytywne efekty,
Bardziej szczegółowoWeryfikacja 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 szczegółowoPROGNOZOWANIE 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 szczegółowoMetoda 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 szczegółowoProjekt 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 szczegółowoPrognozowanie 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 szczegółowoProjekt 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 szczegółowoKomputerowa 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 szczegółowoKrzysztof 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 szczegółowoOligopol. 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 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 szczegółowoEkonometria Wykład 4 Prognozowanie, sezonowość. Dr Michał Gradzewicz Katedra Ekonomii I KAE
Ekonometria Wykład 4 Prognozowanie, sezonowość Dr Michał Gradzewicz Katedra Ekonomii I KAE Plan wykładu Prognozowanie Założenia i własności predykcji ekonometrycznej Stabilność modelu ekonometrycznego
Bardziej szczegółowoPYTANIA 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 szczegółowoPODSTAWY 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 szczegółowoSystemy 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 szczegółowoWIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI REGRESJA LINIOWA
WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI REGRESJA LINIOWA Powtórka Powtórki Kowiariancja cov xy lub c xy - kierunek zależności Współczynnik korelacji liniowej Pearsona r siła liniowej zależności Istotność
Bardziej szczegółowo5 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 szczegółowoPrognozy 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 szczegółowobiznes 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 szczegółowoPROGNOZOWANIE I SYMULACJE EXCEL 1 AUTOR: MARTYNA MALAK PROGNOZOWANIE I SYMULACJE EXCEL 1 AUTOR: MARTYNA MALAK
1 PROGNOZOWANIE I SYMULACJE 2 http://www.outcome-seo.pl/excel1.xls DODATEK SOLVER WERSJE EXCELA 5.0, 95, 97, 2000, 2002/XP i 2003. 3 Dodatek Solver jest dostępny w menu Narzędzia. Jeżeli Solver nie jest
Bardziej szczegółowoKonkurencja 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 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 szczegółowoTestowanie 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 szczegółowoPROGNOZOWANIE 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 szczegółowoZastosowanie 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 szczegółowoMETODY 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 szczegółowoFinanse 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 szczegółowoPrognozowanie cen surowców w rolnych na podstawie szeregów w czasowych
Prognozowanie cen surowców w rolnych na podstawie szeregów w czasowych Mariusz Hamulczuk Pułtusk 06.12.1011 Wprowadzenie Przewidywanie a prognozowanie Metoda prognozowania rodzaje metod i prognoz Czy moŝna
Bardziej szczegółowoStanisław 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 szczegółowoWykład 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 szczegółowoMIKROEKONOMIA 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 szczegółowoKOMPUTEROWA 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 szczegółowoStanisław 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 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 szczegółowoRynek 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 szczegółowodr 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 szczegółowoRola 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 szczegółowoMETODY 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 szczegółowoKryteria 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 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 szczegółowoEkonomia 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 szczegółowoWIELKA 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 szczegółowoEkonomia 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 szczegółowoStatystyka 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 szczegółowoMetody 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 szczegółowoparametrów 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 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 szczegółowoIstota funkcjonowania przedsiębiorstwa produkcyjnego. dr inż. Andrzej KIJ
Istota funkcjonowania przedsiębiorstwa produkcyjnego dr inż. Andrzej KIJ 1 Popyt rynkowy agregacja krzywych popytu P p2 p1 D1 q1 D2 q2 Q 2 Popyt rynkowy agregacja krzywych popytu P p2 p1 D1 +D2 D1 D2 q1
Bardziej szczegółowo1.9 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 szczegółowoFORECASTING THE DISTRIBUTION OF AMOUNT OF UNEMPLOYED BY THE REGIONS
FOLIA UNIVERSITATIS AGRICULTURAE STETINENSIS Folia Univ. Agric. Stetin. 007, Oeconomica 54 (47), 73 80 Mateusz GOC PROGNOZOWANIE ROZKŁADÓW LICZBY BEZROBOTNYCH WEDŁUG MIAST I POWIATÓW FORECASTING THE DISTRIBUTION
Bardziej szczegółowoCo 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 szczegółowoPosiadanie 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 szczegółowoTestowanie 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 szczegółowoEkonometria. 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 szczegółowoAnaliza 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 szczegółowoRAPORT 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 szczegółowoPrognozowanie na podstawie modelu ekonometrycznego
Prognozowanie na podstawie modelu ekonometrycznego Przykład. Firma usługowa świadcząca usługi doradcze w ostatnich kwartałach (t) odnotowała wynik finansowy (yt - tys. zł), obsługując liczbę klientów (x1t)
Bardziej szczegółowoMODELOWANIE 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 szczegółowoPolitechnika 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 szczegółowoAnaliza autokorelacji
Analiza autokorelacji Oblicza się wartości współczynników korelacji między y t oraz y t-i (dla i=1,2,...,k), czyli współczynniki autokorelacji różnych rzędów. Bada się statystyczną istotność tych współczynników.
Bardziej szczegółowoSterowanie 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 szczegółowoStatystyka 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 szczegółowoRynek 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 szczegółowoInżynieria 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 szczegółowoModele 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 szczegółowoStanisław 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 szczegółowoTEMATYKA 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 szczegółowoStanisław 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 szczegółowoSymulacyjne 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 szczegółowoZałącznik 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 szczegółowoNatalia 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 szczegółowoK wartość kapitału zaangażowanego w proces produkcji, w tys. jp.
Sprawdzian 2. Zadanie 1. Za pomocą KMNK oszacowano następującą funkcję produkcji: Gdzie: P wartość produkcji, w tys. jp (jednostek pieniężnych) K wartość kapitału zaangażowanego w proces produkcji, w tys.
Bardziej szczegółowoEKONOMETRIA. 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