Wytyczne do projektów

Podobne dokumenty
Prognozowanie na podstawie modelu ekonometrycznego

Analiza autokorelacji

Uniwersytet w Białymstoku Wydział Ekonomiczno-Informatyczny w Wilnie SYLLABUS na rok akademicki 2010/2011

Przykład 2. Stopa bezrobocia

przedmiotu Nazwa Pierwsza studia drugiego stopnia

Uczelnia Łazarskiego. Sylabus. 1. Nazwa przedmiotu EKONOMETRIA 2. Kod przedmiotu

3. Modele tendencji czasowej w prognozowaniu

Ankieta. Informacje o uczestniku. Imię i nazwisko: Stanowisko : Warsztat Innowacyjne metody dydaktyczne (np. learning by doing, design thinking)

5. Model sezonowości i autoregresji zmiennej prognozowanej

Siecikomputerowe-laboratorium. Wstęp-zasady zaliczenia przedmiotu

Imię, nazwisko i tytuł/stopień KOORDYNATORA przedmiotu zatwierdzającego protokoły w systemie USOS Jacek Marcinkiewicz, dr

SYLABUS. 4.Studia Kierunek studiów/specjalność Poziom kształcenia Forma studiów Ekonomia Studia pierwszego stopnia Studia stacjonarne i niestacjonarne

Analiza trendów branżowych

WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI REGRESJA LINIOWA

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

Rozdział 8. Regresja. Definiowanie modelu

( x) Równanie regresji liniowej ma postać. By obliczyć współczynniki a i b należy posłużyć się następującymi wzorami 1 : Gdzie:

Narzędzia statystyczne i ekonometryczne. Wykład 1. dr Paweł Baranowski

Metody Prognozowania

Ćwiczenia IV

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

t y x y'y x'x y'x x-x śr (x-x śr)^2

Zadanie 1 Zakładając liniową relację między wydatkami na obuwie a dochodem oszacować MNK parametry modelu: y t. X 1 t. Tabela 1.

Projekt okładki: Aleksandra Olszewska. Redakcja: Leszek Plak. Copyright: Wydawnictwo Placet Wydanie ebook. Wydawca

ANALIZA, PROGNOZOWANIE I SYMULACJA WARUNKI ZALICZENIA. AUTOR: mgr inż. MARTYNA KUPCZYK ANALIZA, PROGNOZOWANIE I SYMULACJA WARUNKI ZALICZENIA

Sieci komputerowe - laboratorium. Wstęp - zasady zaliczenia przedmiotu

Sieci komputerowe - laboratorium. Wstęp - zasady zaliczenia przedmiotu

Ekonometria. Zajęcia

3. Analiza własności szeregu czasowego i wybór typu modelu

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

Państwowa Wyższa Szkoła Zawodowa w Suwałkach SYLLABUS na rok akademicki 2014/2015

Podstawy ekonometrii. Opracował: dr hab. Eugeniusz Gatnar prof. WSBiF


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

Ekonometria i prognozowanie Econometrics and prediction

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

Metody Ilościowe w Socjologii

Statystyka w zarzadzaniu / Amir D. Aczel, Jayavel Sounderpandian. Wydanie 2. Warszawa, Spis treści

Arkadiusz Manikowski Zbigniew Tarapata. Prognozowanie i symulacja rozwoju przedsiębiorstw

Dane dotyczące wartości zmiennej (cechy) wprowadzamy w jednej kolumnie. W przypadku większej liczby zmiennych wprowadzamy każdą w oddzielnej kolumnie.

Niestacjonarne zmienne czasowe własności i testowanie

Elektrotechnika II [ Laboratorium Grupa 1 ] 2016/2017 Zimowy. [ Laboratorium Grupa 2 ] 2016/2017 Zimowy

KORELACJE I REGRESJA LINIOWA

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

Przykład 1 ceny mieszkań

Prognoza sprawozdania finansowego Bilans

Analiza metod prognozowania kursów akcji

Regulamin zajęć z przedmiotu Chemia analityczna dla II roku Farmacji w roku akademickim 2018/19

Sylabus przedmiotu: Data wydruku: Dla rocznika: 2015/2016. Kierunek: Opis przedmiotu. prognoz. Dane podstawowe. Efekty i cele. Opis.

Testowanie hipotez dla dwóch zmiennych zależnych. Moc testu. Minimalna liczność próby; Regresja prosta; Korelacja Pearsona;

Statystyka matematyczna i ekonometria

Ekonometria ćwiczenia 3. Prowadzący: Sebastian Czarnota

Budowa sztucznych sieci neuronowych do prognozowania. Przykład jednostek uczestnictwa otwartego funduszu inwestycyjnego

Ekonometryczna analiza popytu na wodę

2. Założenie niezależności zakłóceń modelu - autokorelacja składnika losowego - test Durbina - Watsona

Analiza Danych Sprawozdanie regresja Marek Lewandowski Inf 59817

Prognozowanie gospodarcze - opis przedmiotu

PROGNOZOWANIE CEN ENERGII NA RYNKU BILANSUJĄCYM

EKONOMETRIA STOSOWANA PRZYKŁADOWE ZADANIA EGZAMINACYJNE

Testowanie hipotez statystycznych związanych ą z szacowaniem i oceną ą modelu ekonometrycznego

Inżynieria Środowiska. II stopień ogólnoakademicki. przedmiot podstawowy obowiązkowy polski drugi. semestr zimowy

Współczynnik korelacji. Współczynnik korelacji jest miernikiem zależności między dwiema cechami Oznaczenie: ϱ

Ekonometria dynamiczna i finansowa Kod przedmiotu

4. Średnia i autoregresja zmiennej prognozowanej

Analiza trendów branżowych

Matematyka - Statystyka matematyczna Mathematical statistics 2, 2, 0, 0, 0

Zagadnienie 1: Prognozowanie za pomocą modeli liniowych i kwadratowych przy wykorzystaniu Analizy regresji wielorakiej w programie STATISTICA

KARTA PRZEDMIOTU / SYLABUS

Porównanie generatorów liczb losowych wykorzystywanych w arkuszach kalkulacyjnych

Wprowadzenie do teorii prognozowania

1.1.1 Statystyka matematyczna i badania operacyjne

Ekonometria_FIRJK Arkusz1

Wstęp do teorii niepewności pomiaru. Danuta J. Michczyńska Adam Michczyński

Zad. 4 Należy określić rodzaj testu (jedno czy dwustronny) oraz wartości krytyczne z lub t dla określonych hipotez i ich poziomów istotności:

KRÓTKOOKRESOWE PROGNOZOWANIE CENY EKSPORTOWEJ WĘGLA ROSYJSKIEGO W PORTACH BAŁTYCKICH. Sławomir Śmiech, Monika Papież

ESTYMACJA. Przedział ufności dla średniej

Zadanie 1 Odp. Zadanie 2 Odp. Zadanie 3 Odp. Zadanie 4 Odp. Zadanie 5 Odp.

Gospodarka magazynowa - opis przedmiotu

Gospodarka magazynowa - opis przedmiotu

Tematyka seminariów z informatyki dla studentów I roku kierunku lekarsko-dentystycznego w roku akademickim 2017/2018.

Krakowska Akademia im. Andrzeja Frycza Modrzewskiego. Karta przedmiotu. obowiązuje studentów, którzy rozpoczęli studia w roku akademickim 2012/2013

Nieliniowe. Liniowe. Nieliniowe. Liniowe. względem parametrów. Linearyzowane. sensu stricto

TESTY NIEPARAMETRYCZNE. 1. Testy równości średnich bez założenia normalności rozkładu zmiennych: Manna-Whitney a i Kruskala-Wallisa.

Prognozowanie i symulacje

Tablica Wzorów Rachunek Prawdopodobieństwa i Statystyki

7.4 Automatyczne stawianie prognoz

Stanisław Cichocki. Natalia Nehrebecka. Wykład 9

Regresja wielokrotna jest metodą statystyczną, w której oceniamy wpływ wielu zmiennych niezależnych (X1, X2, X3,...) na zmienną zależną (Y).

Spis treści 3 SPIS TREŚCI

Statystyka matematyczna SYLABUS

Liczba godzin Punkty ECTS Sposób zaliczenia. ćwiczenia 16 zaliczenie z oceną

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

przedmiot podstawowy obowiązkowy polski drugi

STATYSTYKA MATEMATYCZNA, LISTA 3

Państwowa Wyższa Szkoła Zawodowa w Suwałkach SYLLABUS na rok akademicki 2014/2015

SYLABUS DOTYCZY CYKLU KSZTAŁCENIA (skrajne daty)

Uczelnia Łazarskiego Wydział Medyczny Kierunek Lekarski

WSHiG Karta przedmiotu/sylabus. Podstawy statystyki. Studia niestacjonarne - 8. Podstawy statystyki

FORECASTING THE DISTRIBUTION OF AMOUNT OF UNEMPLOYED BY THE REGIONS

Ekonometria. Prognozowanie ekonometryczne, ocena stabilności oszacowań parametrów strukturalnych. Jakub Mućk. Katedra Ekonomii Ilościowej

Transkrypt:

Wytyczne do projektów Prognozowanie i symulacje wszystkie rodzaje studiów Politechnika Śląska Wydział Organizacji i Zarządzania w Zabrzu rok akademicki 2012/13

Wytyczne do projektów Prognozowanie i symulacje INFORMACJE OGÓLNE Student ma możliwość przygotowania dwóch projektów. Uzyskanie pozytywnej oceny z projektu jest jednym z warunków koniecznych do otrzymania pozytywnej oceny z przedmiotu i jego zaliczenia. Termin: Projekt oddawany jest na przedostaniach zajęciach o ile prowadzący nie ustalił innego terminu, terminowe oddanie projektu wpływa na otrzymaną liczbę punktów z projektu. Dane do projektu: Dane potrzebne do projektu student pozyskuje samodzielnie wykorzystując ogólnodostępne bazy danych. Liczbę obserwacji określa się na podstawie dnia [dd] i miesiąca [mm] urodzenia osoby wykonującej projekt oraz sumy cyfr numeru albumu [sc]. Ostatnia obserwacja dla danych: miesięcznych - kończy się w miesiącu mm.2011, tygodniowych - kończy się w tygodniu z datą dd.mm.2011 tydzień zaczyna się poniedziałkiem, dziennych - jest z dnia dd.mm.2011 albo z dnia najbliższego mu - jeśli w tym daniu nie ma danych (np. giełda), Liczbę obserwacji określa wyrażenie 15+ sc. Prognozę należy postawić na następne 5 okresów - do oceny trafności należy znać wartości zmiennych z okresów na jaki stawiana jest prognoza. Prognozowanie i symulacje 2

Forma przekazania projektu Projekt przekazywany jest do oceny w formie: elektronicznej o nazwie Nazwisko_imię_NumerAlbumu_P_NumerProjektu: skoroszyt z arkuszami kalkulacyjnymi wraz z obliczeniami, dokument edytora tekstów, drukowanej - wydruk dokumentu z edytora teksu. Forma arkusza kalkulacyjnego: Skoroszyt musi zawierać następujące arkusze: dane - umieszczane są tu dane wykorzystywane w projekcie, analiza - w tym arkuszu znajduje się analiza danych, wykresy przebiegu w czasie, analiza zależności, model - procedura budowy modelu, weryfikacja - wszelkie procedury weryfikacji modelu, prognoza - wyznaczanie prognozy, dokładność - wyznaczone błędy służące do oceny dokładności prognozy, trafność - wyznaczone błędy służące ocenie trafności prognozy. Uwaga: Kolejność arkuszy nie może ulec zmianie, w przypadku weryfikacji może pojawić się kilka arkuszy, każdy na inny test. Do nazwy arkusza dodajemy nazwę lud skrót testu np. weryfikacja_dw, weryfikacja_istoność_paramertów. Forma edytora tekstu i zawartość Zamiast pierwszej strony na górze umieszczana jest tabela zgodna ze wzorem Prognozowanie i symulacje Projekt I Projekt II* Data oddania: Nazwisko i Imię numer albumu OCENA: * wpisać właściwe Dokument powinien zawierać następujące elementy odnośnie wybranego modelu: I. Cel prognozy oraz opis statystyczny zmiennych i zależności pomiędzy nimi - wykresy. II. Model prognostyczny: A. uzasadnienie wyboru modelu, B. model, C. istotne elementy weryfikacji modelu - testy wraz z hipotezami, wartościami statystyk, wartościami krytycznymi i wnioskami o ile są do wykonania Prognozowanie i symulacje 3

D. błędy ex-post - wraz z komentarzem, o ile są do policzenia, E. błędy ex-ante wraz z komentarzem, o ile są do policzenia, F. prognozę punktową i przedziałową, o ile jest do policzenia, G. ocena trafności prognozy. III. Podsumowanie. Informacje dodatkowe 100 96 75 50 55 43 70 53 58 25 23 Region 1 Region 2 26 0 2007 2008 2009 2010 Układ strony zgodny standardowy, czcionka 12 pkt. wykresy podpisane, Rys. 1. Kształtowanie się wielkości sprzedaży produktu X w mln sztuk. Źródło: www.mojasprzedaż.pl data wejścia: 2012-12-12 Uwaga: w przypadku danych ze stron internetowych wklejamy link jako hiperłącze. Model zapisujemy używając edytora równań, podobnie jak potrzebne wzory. Należy dostarczyć wydrukowane i uzupełnione arkusze oceny projektu I i II. Bazy danych: Eurostat, OECD, giełda, GUS, Prognozowanie i symulacje 4

PROGNOZA NA PODSTAWIE MODELU EKONOMETRYCZNEGO LINIOWEGO Uzupełnia student: Prognozowanie i symulacje Arkusz - Projekt I Projekt oddaję Nazwisko i Imię numer albumu TAK NIE Ocena prowadzącego: Zawartość Punkty max Punkty Cel prognozy oraz opis statystyczny zmiennych i zależności pomiędzy nimi - wykresy Model prognostyczny - - uzasadnienie wyboru modelu 5 5 model i interpretacja parametrów 15 weryfikacji modelu - - istotność parametrów 5 losowość 5 normalność 5 stałość wariancji 5 autokorelacja rzędu 1 5 błędy ex-post - wraz z komentarzem max 3 5 błędy ex-ante 5 prognoza punktowa 5 prognoza przedziałowa 5 trafność współczynnik Janusowy 5 współczynnik Theila i jego dekompozycja 5 Podsumowanie 5 Terminowe oddanie projektu 20 Razem 100 Data Ocena Podpis Punkty 60-70 70-80 80-90 90-95 95-100 Ocena Prognozowanie i symulacje dst plus dst db plus db bdb 5

PROGNOZA NA PODSTAWIE MODELU TRENDU Uzupełnia student: Prognozowanie i symulacje Arkusz - Projekt II Projekt oddaję Nazwisko i Imię numer albumu TAK NIE Ocena prowadzącego Zawartość Punkty max Punkty Cel prognozy oraz opis statystyczny zmiennych i zależności pomiędzy nimi - wykresy Model prognostyczny - - uzasadnienie wyboru modelu 5 5 model 15 weryfikacji modelu - - istotność parametrów 5 losowość 5 normalność 5 stałość wariancji 5 autokorelacja rzędu 1 5 błędy ex-post - wraz z komentarzem max 3 5 błędy ex-ante 5 prognoza punktowa 5 prognoza przedziałowa 5 trafność współczynnik Janusowy 5 współczynnik Theila i jego dekompozycja 5 Podsumowanie 5 Terminowe oddanie projektu 20 Razem 100 PROJEKT I PROJEKT II punkty Data Ocena Podpis Ocena Końcowa Punkty 60-70 70-80 80-90 90-95 95-100 Prognozowanie Ocena i symulacje dst plus dst db plus db bdb 6

PROGNOZA NA PODSTAWIE MODELU EKONOMETRYCZNEGO NIELINIOWEGO Uzupełnia student: Prognozowanie i symulacje Arkusz - Projekt I Projekt oddaję Nazwisko i Imię numer albumu TAK NIE Ocena prowadzącego: Zawartość Punkty max Punkty Cel prognozy oraz opis statystyczny zmiennych i zależności pomiędzy nimi - wykresy Model prognostyczny - - uzasadnienie wyboru modelu 15 5 modele wyznaczyć 3 modele dla różnych kryteriów 30 weryfikacji modelu - - błędy ex-post - wraz z komentarzem max 3 5 błędy ex-ante 5 prognoza punktowa 5 trafność współczynnik Janusowy 5 współczynnik Theila i jego dekompozycja 5 Podsumowanie 5 Terminowe oddanie projektu 20 Razem 100 Data Ocena Podpis Punkty 60-70 70-80 80-90 90-95 95-100 Ocena Prognozowanie i symulacje dst plus dst db plus db bdb 7

PROGNOZA NA PODSTAWIE MODELI ADAPTACYJNYCH Uzupełnia student: Prognozowanie i symulacje Arkusz - Projekt II Projekt oddaję Nazwisko i Imię numer albumu TAK NIE Ocena prowadzącego: Zawartość Punkty max Punkty Cel prognozy oraz opis statystyczny zmiennych i zależności pomiędzy nimi - wykresy Model prognostyczny - - INFORMACJE O WYBRANYCH METODACH 3 10 5 MODEL metoda 1 10 MODEL metoda 2 10 MODEL metoda 3 10 Wybór najlepszego modelu 10 prognoza punktowa 5 błędy ex-post - wraz z komentarzem max 3 5 trafność współczynnik Janusowy 5 współczynnik Theila i jego dekompozycja 5 Podsumowanie 5 Terminowe oddanie projektu 20 Razem 100 PROJEKT I PROJEKT II punkty Data Ocena Podpis Ocena Końcowa Punkty 60-70 70-80 80-90 90-95 95-100 Prognozowanie i symulacje 8 Ocena dst plus dst db plus db bdb