Nazwa studiów: Studia Podyplomowe Metody statystyczne w biznesie

S TUDIA PODYPLOMOWE Nazwa studiów: Studia Podyplomowe Metody statystyczne w biznesie Organizator: Wydział Nauk Ekonomicznych Uniwersytetu Warszawskiego, ul. Długa 44/50 00-241 Warszawa. Kierownik naukowy: prof. dr hab. Marian Wiśniewski. Kierownik zarządzający: mgr Piotr Wójcik. Kontakt: Wydział Nauk Ekonomicznych Uniwersytetu Warszawskiego, ul. Długa 44/50, 00-241 Warszawa, tel: (022) 55 49 174, fax: (022) 831-28-46, email: pwojcik@wne.uw.edu.pl Adresatami studiów podyplomowych Metody statystyczne w biznesie są wszystkie osoby pracujące na co dzień z danymi, zajmujący się ich analizą, przetwarzaniem, jak również będące odbiorcami takich analiz. Oferta skierowana jest do analityków, specjalistów ds. badań, jak również kadry menedżerskiej. Wszystkie zajęcia będą miały charakter warsztatów z wykorzystaniem oprogramowania SAS. Tematyka kursów w ramach studiów jest jednak niezależna od wykorzystywanego oprogramowania statystycznego. Znajomość oprogramowania SAS nie jest wymagana. Cel studiów: Uczestnictwo w studiach pozwoli odświeżyć, uporządkować i rozszerzyć wiedzę z zakresu statystyki i ekonometrii od zagadnień najbardziej podstawowych, po zaawansowane metody analizy danych. Sylwetka absolwenta: Absolwent studiów podyplomowych Metody statystyczne w biznesie będzie: posiadał rzetelną uporządkowaną wiedzę z szeroko pojętego zakresu statystyki i ekonometrii, poczynając od podstaw statystyki opisowej, czy wnioskowania statystycznego, przez metody analizy współzależności zjawisk ilościowych i jakościowych, graficznej i wielowymiarowej analizy danych, po specjalistyczne modele ekonometryczne dla danych przekrojowych, szeregów czasowych, czy danych panelowych; posiadał umiejętność doboru metod statystycznych najlepiej dopasowanych do specyfiki badanego problemu; potrafił samodzielnie stawiać i weryfikować pytania badawcze z wykorzystaniem dowolnego oprogramowania statystycznego; potrafił merytorycznie ocenić i zweryfikować wyniki analiz przeprowadzonych przez inne osoby; Rekrutacja na studia i wymagania stawiane kandydatom: Rekrutacja na studia odbywać się będzie na podstawie złożenia pełnej dokumentacji w terminie wskazanym w rekrutacji. Wymagane dokumenty: podanie o przyjęcie z merytorycznym uzasadnieniem; odpis lub kopia dyplomu ukończenia studiów wyższych; kwestionariusz osobowy (wg wzoru); W przypadku liczby zgłoszeń przekraczającej liczbę miejsc na studiach, w pierwszej kolejności przyjmowani będą absolwenci kierunków ścisłych (statystyka, ekonometria, informatyka, matematyka, fizyka, itp.) Czesne: 8000 zł 1

Liczba miejsc: 25 Czas trwania studiów: 2 semestry, 226 godzin zajęć Tryb zajęć: Tryb zaoczny. Zajęcia odbywać się będą w cyklach dwudniowych, w soboty i niedziele w godz. 9:00-17:00. Planowany początek zajęć 2.02.2008 r. Warunki ukończenia: Wymogiem ukończenia studiów jest zaliczenie wszystkich kursów obowiązkowych, wszystkich kursów wybranej ścieżki (statystycznej lub ekonometrycznej) oraz napisanie pracy dyplomowej pod kierunkiem wybranego przez siebie promotora. Zaliczenie poszczególnych kursów będzie polegało na ocenie przez prowadzącego zajęcia ćwiczeń samodzielnie wykonywanych przez uczestników. Po zakończeniu studiów uczestnicy otrzymują świadectwo ukończenia Studiów Podyplomowych na Uniwersytecie Warszawskim. Program studiów: Program obejmuje 226 godzin zajęć, przypadających na 13 kursów obowiązkowych (łącznie 181 godzin, w tym 10 godzin seminarium dyplomowego i blok dodatkowy) oraz jedną z dwóch ścieżek: statystyczną lub ekonometryczną obejmujących po 45 godzin zajęć specjalistycznych. Tematyka bloku dodatkowego zostanie ustalona w odpowiedzi na zapotrzebowanie słuchaczy studiów. Ma on służyć wyjaśnieniu wątpliwości lub pogłębieniu wiedzy w tematach poruszanych w ramach studiów, które okażą się szczególnie interesujące dla słuchaczy. Narzędziem wykorzystywanym w trakcie zajęć będzie pakiet SAS. Jego wcześniejsza znajomość nie jest wymagana. Wszystkie kursy mają charakter warsztatów i prowadzone są według analogicznego schematu: zakres każdego kursu podzielony jest na kolejne bloki tematyczne; każdy blok rozpoczyna się od wstępu teoretycznego, będącego przeglądem istniejących metod, ze szczególnym naciskiem na przedstawienie i omówienie czynników, od których powinien być uzależniony wybór właściwej metody; następnie prezentowane są przykłady praktyczne pozwalające na zastosowanie poznanych metod w pakiecie SAS oraz omówienie i interpretację uzyskanych wyników; ostatnim elementem każdego bloku jest zestaw samodzielnych ćwiczeń wykonywanych przez uczestników, pozwalających utrwalić zdobytą wiedzę teoretyczną i praktyczną; 2

Ramowy program zajęć: lp. kod nazwa godziny kursy obowiązkowe 1 SAS Wprowadzenie do pakietu SAS 9 2 PST Podstawy statystyki - statystyka opisowa i wnioskowanie statystyczne 27 3 PS2 Podstawy statystyki - metody analizy współzależności zjawisk 9 4 ARL Analiza regresji liniowej 27 5 GMA Metody graficznej reprezentacji danych 9 6 SC1 Podstawy analizy szeregów czasowych 18 7 AWK Analiza wariancji i kowariancji 9 8 WAD Metody wielowymiarowej analizy danych - przegląd 18 9 MDP Metody doboru próby 9 10 MZD Modele dla zmiennych dyskretnych - uogólnione modele liniowe 18 11 WDM Wstęp do Data Mining 9 12 SEM Seminarium dyplomowe 10 13 DOD Blok dodatkowy, temat do wyboru przez słuchaczy 9 razem 181 ścieżka statystyczna 14 SBR Statystyka w badaniach rynkowych (w tym metody segmentacji rynku) 18 15 MMI Modele mieszane 18 16 CSW Analiza ryzyka kredytowego metodami Credit Scoring - warsztaty 9 razem 45 ścieżka ekonometryczna 17 SC2 Zaawansowana Analiza Szeregów Czasowych 18 18 MSY Metody symulacyjne 9 19 WDP Analiza danych panelowych 9 20 WAP Analiza przeżycia 9 razem 45 3

Kursy obowiązkowe: 1. Wprowadzenie do systemu SAS Kod: SAS Zespół prowadzący: mgr Miłosz Trawczyński (SAS Institute) 1. Zastosowania i funkcjonalność platformy SAS 9; 2. Interfejs SAS Enterprise Guide; 3. Dostęp do danych: a) Definicja i wykorzystanie bibliotek; b) Import danych z różnych formatów; 4. Tworzenie i modyfikacja zbiorów danych: a) Wybór zmiennych; b) Tworzenie nowych zmiennych; c) Ekstrakcja, filtrowanie i sortowanie danych; d) Łączenie zbiorów danych (poziome i pionowe); e) Transpozycja zbiorów danych; f) Wprowadzenie do języka 4GL; 5. Komunikacja z aplikacjami MS Office; 6. Graficzna prezentacja wyników; 2. Podstawy statystyki - statystyka opisowa i wnioskowanie statystyczne Kod: PST Liczba godzin: 27 Zespół prowadzący: dr hab. prof. UW Wojciech Otto (WNE UW), mgr Tomasz Mostowski (WNE UW) 1. Pojęcie cechy statystycznej i jej rozkładu. 2. Miary położenia rozkładu cechy: o średnia arytmetyczna, harmoniczna, geometryczna; o pozycyjne miary położenia dominanta, kwartyle; 3. Miary zróżnicowania (dyspersji) rozkładu cechy: o rozstęp; o odchylenie przeciętne, wariancja, odchylenie standardowe; o odchylenie ćwiartkowe; o miary względne zróżnicowania; 4. Asymetria rozkładu cechy i jej miary; 5. Miary spłaszczenia i koncentracji; 6. Rodzaje danych statystycznych; 7. Wybór miar w zależności od rodzaju danych; 8. Proste graficzne metody prezentacji danych; 9. Wizualizacja danych i statystyk opisowych; 10. Wstępna analiza danych z wykorzystaniem statystyk opisowych; 11. Wykrywanie obserwacji nietypowych; 12. Zmienne losowe i ich rozkłady teoretyczne: o Rozkład jednowymiarowej zmiennej losowej skokowej (rozkład jednopunktowy, dwupunktowy, rozkład dwumianowy Bernoulliego, rozkład Poissona); o Rozkład jednowymiarowej zmiennej losowej ciągłej (rozkład jednostajny, rozkład normalny, rozkład t-studenta, rozkład Chi-kwadrat, F-Snedecora); 4

o Rozkład dwuwymiarowej zmiennej losowej skokowej i ciągłej; o Prawa wielkich liczb oraz twierdzenia graniczne; 13. Podstawy teorii estymacji: o Estymacja punktowa (estymacja wartości średniej, estymacja wariancji, estymacja wskaźnika struktury); o Estymacja przedziałowa (przedział ufności dla średniej, przedział ufności dla wariancji i odchylenia standardowego, przedział ufności dla składnika struktury); o Ustalenie minimalnej liczebności próby losowej; 14. Weryfikacja hipotez statystycznych o wartości parametru: o Test dla średniej wartości w populacji; o Testowanie hipotezy o równości dwóch średnich w populacji; o Test istotności dla wariancji; o Testowanie hipotezy o dwóch wariancjach; o Testowanie hipotezy o wskaźniku struktury w populacji; o Testowanie hipotezy o dwóch wskaźnikach struktury w populacji; 15. Nieparametryczne testy istotności: o test zgodności Chi-kwadrat; o test zgodności λ-kołmogorowa; o test zgodności Kołmogorowa-Smirnowa; o test niezależności Chi-kwadrat Pearsona; o test liczby serii do weryfikacji losowości próby; 3. Podstawy statystyki - metody analizy współzależności zjawisk Kod: PS2 Zespół prowadzący: dr Paweł Strawiński (WNE UW), mgr Dariusz Szymański (WNE UW) 1. Wykrywanie zależności między zmiennymi; 2. Podstawowe pojęcia w rachunku korelacji i regresji; 3. Miary zależności dwóch cech: o Test niezależności chi-kwadrat; o Współczynnik zbieżności V Cramera; o Współczynnik korelacji liniowej Pearsona; o Współczynnik korelacji cząstkowej Kendalla; o Współczynnik korelacji wielorakiej; o Współczynnik korelacji rang Spearmana; 4. Miary współzależności dla zmiennych różnych typów (cechy mierzalne i niemierzalne); 5. Wprowadzenie do Klasycznego Modelu Regresji Liniowej: o Prosta regresja liniowa; o Liniowa regresja wieloraka; o Podstawowa diagnostyka regresji liniowej; 6. Korelacja i regresja nieliniowa; 7. Korelacja kanoniczna; 8. Analiza korespondencji; 4. Analiza regresji liniowej Kod: ARL Liczba godzin: 27 Zespół prowadzący: dr Jerzy Mycielski (WNE UW), mgr Piotr Wójcik (WNE UW) 5

1. Wprowadzenie do MNK o Operacje macierzowe, własności hiperpłaszczyzny regresji; o Własności statystyczne estymatora MNK (nieobciążoność, zgodność, efektywność); 2. Klasyczny Model Regresji Liniowej o Założenia KMRL o Interpretacja wyników regresji (parametry, dopasowanie, istotność zmiennych i modelu); o Wykrywanie obserwacji nietypowych; o Testowanie normalności reszt; 3. Testowanie hipotez o Testowanie hipotez prostych i złożonych; o estymacja modelu z ograniczeniami; o metoda od ogólnego do szczególnego; o kryteria informacyjne; 4. Dobór zmiennych o Zmienne pominięte i nieistotne, porównywanie modeli; o Metody doboru zmiennych; o Testowanie współliniowości; 5. Zaawansowana diagnostyka o Testowanie poprawności formy funkcyjnej ; o Testowanie stabilności parametrów o Testowanie homoskedastyczności o Testowanie braku autokorelacji o Postępowanie w przypadku heteroskedastyczności i autokorelacji 6. Dyskretne zmienne objaśniające 7. Forma funkcyjna modelu; modele sprowadzalne do liniowych: o Regresja potęgowa o Regresja wielomianowa o Regresja lokalna / odcinkowa 8. Wprowadzenie do regresji nieliniowej; 9. Binarna zmienna objaśniana - wprowadzenie do modelu logit; 5. Metody graficznej reprezentacji danych Kod: GMA Zespół prowadzący: dr Maria Ogonek (WNE UW), mgr Tomasz Rybnik 1. Graficzna reprezentacja danych jednowymiarowych: o Histogram; o Wykresy kołowe i słupkowe; o Wykres pień i liście ; o Wykres pudełkowy (boxplot); 2. Wykresy rozkładów teoretycznych i empirycznych o Dwuwymiarowy rozkład normalny; o Wygładzony histogram, estymacja funkcji gęstości; o Wykres QQ i PP; 3. Graficzna reprezentacja danych dwuwymiarowych o Wykres rozrzutu (scatterplot); o Wykresy związane z analizą regresji; 6

6. Podstawy analizy szeregów czasowych Kod: SC1 Liczba godzin: 18 Zespół prowadzący: dr Ryszard Kokoszczyński (WNE UW), mgr Paweł Sakowski (WNE UW) 1. Wprowadzenie do analizy szeregów czasowych; o Definicja szeregu czasowego; o Składniki szeregu czasowego i jego dekompozycja; o Korygowanie danych ze względu na sezonowość; 2. Modele ekstrapolacyjne: o Średnie ruchome; o Wyrównywanie wykładnicze; o Model liniowy Holta dla szeregów z trendem; o Model Holta-Wintersa dla szeregów z trendem i wahaniami sezonowymi; o Prognozowanie szeregów czasowych na podstawie modeli ekstrapolacyjnych; 3. Wprowadzenie do modeli ARIMA: o Pojęcie stacjonarności szeregu; o Funkcja autokowariancji, autokorelacji i autokorelacji cząstkowej; o Definicja białego szumu i jego testowanie; 4. Modele ARIMA: o Proces AR; o Proces MA; o Proces ARMA, ARIMA; o Estymacja modeli ARIMA procedura Boxa-Jenkinsa; 5. Sezonowe modele ARIMA; 6. Prognozowanie z wykorzystaniem modeli ARIMA i SARIMA; 7. Analiza wariancji i kowariancji Kod: AWK Zespół prowadzący: dr hab. prof. UW Wojciech Otto (WNE UW), mgr Paweł Sakowski (WNE UW) 1. Co to jest analiza wariancji i kowariancji do czego służy; 2. Jednoczynnikowa analiza wariancji; 3. Dwuczynnikowa analiza wariancji; 4. Trójczynnikowa analiza wariancji; 5. Interakcje między czynnikami; 6. Analiza kowariancji; 8. Metody wielowymiarowej analizy danych przegląd Kod: WAD Liczba godzin: 18 Zespół prowadzący: dr Paweł Strawiński (WNE UW), mgr Dariusz Szymański (WNE UW) 1. Wprowadzenie do wielowymiarowej analizy danych o Zastosowania wielowymiarowej analizy danych 7

o Definicje podstawowych pojęć o Prezentacja graficzna danych wielowymiarowych 2. Regresja liniowa i regresja logistyczna o Regresja liniowa o Regresja logistyczna 3. Wieloczynnikowa analiza wariancji o Jednoczynnikowa analiza wariancji o Wieloczynnikowa analiza wariancji o Analiza kowariancji 4. Analiza dyskryminacji 5. Metoda głównych składowych i analiza czynnikowa o Metoda głównych składowych o analiza czynnikowa 6. Metody graficzne o Skalowanie wielowymiarowe o Analiza korespondencji 7. Analiza skupień o Metody hierarchiczne o Metody niehierarchiczne 9. Metody doboru próby Kod: MDP Zespół prowadzący: dr hab. prof. UW Wojciech Otto (WNE UW), mgr Piotr Młynarczyk 1. Teoretyczne podstawy metody reprezentacyjnej; o Ważniejsze rozkłady zmiennych losowych; o Główne twierdzenia graniczne; 2. Projektowanie badań reprezentacyjnych; o Liczebność próby; o Rodzaje błędów statystycznych i ich źródła; 3. Metody losowania: o Losowanie proste; o Losowanie warstwowe; o Losowanie systematyczne; 4. Testy zgodności, jednorodności i niezależności; 10. Modele dla zmiennych dyskretnych - uogólnione modele liniowe Kod: MZD Liczba godzin: 18 Zespół prowadzący: dr Jerzy Mycielski (WNE UW), mgr Piotr Wójcik (WNE UW) 1. Binarna zmienne zależna o Liniowy model prawdopodobieństwa (LPM) a model logit, szansa, iloraz szans; o Ocena jakości dopasowania modelu; - quasi-kompletna i kompletna separacja; - pseudo R2; - tabela trafności dopasowań; - punkt odcięcia; - krzywa ROC; 8

o Testowanie hipotez, interakcje w modelu; o Diagnostyka regresji logistycznej; o Metody automatycznego doboru zmiennych; 2. Uogólnione modele liniowe wprowadzenie; Regresja logistyczna jako przykład uogólnionego modelu liniowego; 3. Modele dla uporządkowanej zmiennej zależnej 4. Modele dla nominalnej zmiennej zależnej 5. Modele dla zmiennej będącej liczebnością: Model Poissona; Problem nadmiernego rozproszenia, model ujemny dwumianowy; Model Poissona dla częstości; 11. Wstęp do Data Mining Kod: WDM Zespół prowadzący: dr Maria Ogonek (WNE UW), mgr Marek Pęczkowski (WNE UW) 1. Zasady korzystania z programu Enterprise Miner oraz organizacja zbiorów danych wykorzystywanych w analizach Data Mining. Tworzenie projektów analizy danych i zarządzanie projektami; 2. Metodyka SEMMA oraz ogólne metody budowy diagramów analizy danych; 3. Przygotowanie danych do analizy Data Mining - wstępna analiza danych, wizualizacja graficzna danych, transformacje zmiennych, problemy związane z brakami danych, selekcja zmiennych dla potrzeb eksploracji danych; 4. Metody prognozowania - standardy modelowania i analiza wyników; 5. Regresja logistyczna; 6. Drzewa decyzyjne; 7. Sieci neuronowe; 8. Generowanie i wykorzystanie kodów skoringowych w prognozowaniu; 9. Generowanie raportów projektów; 10. Metody grupowania obiektów; 11. Metoda k-średnich; 12. Metoda sieci Kohonena; 13. Generowanie i wykorzystanie kodów skoringowych w grupowaniu; 14. Analiza asocjacji; 15. Analiza sekwencji; 12. Seminarium dyplomowe Kod: SEM Liczba godzin: 10 Prowadzący: wykładowcy studiów 13. Blok dodatkowy, temat do wyboru przez słuchaczy Kod: DOD Liczba godzin: 10 Zespół prowadzący: w zależności od wyboru tematów przez słuchaczy Blok dodatkowy służyć ma wyjaśnieniu wątpliwości lub pogłębieniu wiedzy w tematach poruszanych w ramach studiów, które okażą się szczególnie interesujące dla słuchaczy. 9

Ścieżki do wyboru Ścieżka statystyczna (łącznie 45 godzin) 14. Statystyka w badaniach rynkowych (w tym metody segmentacji rynku) Kod: SBR Liczba godzin: 18 Zespół prowadzący: prof. dr hab. Marian Wiśniewski (WNE UW), mgr Piotr Wójcik (WNE UW) 1. Zastosowania analizy regresji; 2. Analiza conjoint; 3. Analiza korespondencji - biplot; 4. Budowanie indeksów i wskaźników; 5. Wprowadzenie do analiz segmentacyjnych; o definicja analizy skupień; o rodzaje analiz skupień; o metryka podobieństwa; 6. przygotowanie do segmentacji; o grupowanie zmiennych; o graficzna prezentacja danych wielowymiarowych; o wstępne przekształcanie danych; 7. hierarchiczna analiza skupień; o metody grupowania hierarchicznego; o ocena wyników grupowania; o określenie liczby segmentów; 8. Analiza skupień metody podziału; o rozważania wstępne; o metoda k-średnich; o grupowanie nieparametryczne; 15. Modele mieszane Kod: MMI Liczba godzin: 18 Zespół prowadzący: dr Paweł Strawiński (WNE UW), mgr Piotr Młynarczyk (ERA) Analiza wariancji i kowariancji dla modeli mieszanych (schematy stałe i losowe); jedno, dwu i wielo-czynnikowe modele mieszane; testowanie hipotez; Analiza pomiarów powtarzanych z uwzględnieniem modelowania struktury kowariancyjnej; modele zagnieżdżone; hierarchiczne modelowanie liniowe; modele przestrzenne; dane niezbilansowane, estymacja parametrów wariancji, stopni swobody, estymowalna UMNK i problemy braku zbieżności; wprowadzenie do nieliniowych modeli mieszanych; 16. Analiza ryzyka kredytowego metodami Credit Scoring - warsztaty Kod: CSW 10

Zespół prowadzący: mgr Iwona Schab (SAS Institute) Pojęcie credit scoring oznacza punktową ocenę ryzyka kredytowego, które związane jest z niebezpieczeństwem zaprzestania obsługi zobowiązań przez dłużnika. Same metody scoringowe maja szersze zastosowania w analizach biznesowych i obejmują metody analityczne pozwalające na uszeregowanie ocenianych obiektów (np. klientów) ze względu na badaną cechę (np. niebezpieczeństwo zaprzestania spłat kredytu). Modele credit scoring pozwalają na nie tylko na ocenę ryzyka związanego z klientem w momencie składania wniosku kredytowego i wsparcie decyzji kredytowej, ale także monitoring ryzyka klienta w czasie oraz wiele innych praktycznych zastosowań. W trakcie warsztatu zostanie zaprezentowana metoda konstrukcji karty punkowej w oparciu o regresję logistyczną, wspomniane zostaną również alternatywne metody stosowane w modelach credit scoring. Zajęcia mają charakter studium przypadku w oparciu o przykładowe dane pochodzące z wniosków kredytowych. Poruszane tematy: wprowadzenie do tematyki analiz ryzyka kredytowego: definicje, rodzaje scoringu, zdarzenie zaniechania zobowiązań, parametry ryzyka model karty punktowej oparty na regresji logistycznej kategoryzacja (dyskretyzacja) zmiennych objaśniających w modelu dobór zmiennych w oparciu o miary dyskryminacji analiza wniosków odrzuconych ocena jakości kart scoringowych zakres zastosowań modeli scoringowych Struktura warsztatu: 50% wykład, 50% ćwiczenia praktyczne Warsztat po analizie korelacji i regresji logistycznej Wymagane oprogramowanie: Enterprise Miner z dodatkowym rozszerzeniem o węzły scoringowe Ścieżka ekonometryczna (łącznie 45 godzin) 17. Zaawansowana Analiza Szeregów Czasowych Kod: SC2 Liczba godzin: 18 Zespół prowadzący: dr Ryszard Kokoszczyński (WNE UW), mgr Paweł Sakowski (WNE UW) 1. Stacjonarność szeregów czasowych o Trendy stochastyczne vs. deterministyczne; o Regresje pozorne; o Testy DF i ADF; 2. Jednorównaniowe modele szeregów czasowych modelowanie i prognozowanie o Funkcje autokorelacji i cząstkowej autokorelacji (ACF i PACF); o Kryteria informacyjne AIC, AICC, HQC, FPE, SBC (BIC), test Portmanteau; 11

o Modele ARIMA indentyfikacja, estymacja, diagnostyka; o Prognozowanie oraz oceny dokładności prognozy; 3. Modelowanie zmienności (volatility) o Charakterystyka i testowanie warunkowej heteroskedastyczności; o Estymacja modeli klasy ARCH/GARCH, IGARCH, GARCH-M; o Zjawisko leptokurtozy reszt w modelach GARCH: GARCH-t; o Asymetryczne modele GARCH: GARCH-Cauchy, EGARCH, QGARCH, GJR- GARCH, TGARCH; 4. Zależności długookresowe w szeregach czasowych o współzależność w danych finansowych; o kointegracja definicja i testowanie, estymacja wektora kointegrującego; o testowanie przyczynowości w sensie Grangera; o modele wielorównaniowe: VAR i VECM; 18. Metody symulacyjne Kod: MSY Zespół prowadzący: dr Maria Ogonek (WNE UW), mgr Tomasz Mostowski (WNE UW) 1. Metoda Monte Carlo: o Kiedy metody symulacyjne są niezbędne? o Podstawy symulacji Monte Carlo; o Generatory liczb pseudolosowych; o Przykłady zastosowania metody Monte Carlo w finansach; o techniki redukcji wariancji; 2. Bootstrapping: o Idea metody bootstrapowej; o Bootstrapowa estymacja parametrów rozkładów zmiennych losowych; o Bootstrapowa estymacja parametrów funkcji regresji; 16. Analiza danych panelowych Kod: WDP Zespół prowadzący: prof. dr hab. Marian Wiśniewski (WNE UW), mgr Tomasz Rybnik (WNE UW) 1. Wprowadzenie do analizy danych panelowych o charakterystyka danych panelowych o zalety i ograniczenia o analizy statystyczne z wykorzystaniem danych panelowych 2. Modele ekonometryczne danych panelowych model efektów nieobserwolwalnych model efektów stałych model efektów losowych modele z dwukierunkowym komponentem błędu 3. Testy o test istotności efektów stałych o test Hausmana o test liniowych restrykcji 12

17. Analiza przeżycia Kod: WAP Zespół prowadzący: prof. dr hab. Marian Wiśniewski (WNE UW), mgr Paweł Sakowski (WNE UW) 1. Zakres analiz przeżycia; 2. Nieparametryczna estymacja funkcji przeżycia; 3. Nieparametryczne metody porównywania rozkładów przeżycia; 4. Model Coxa (proportional hazard); 5. Metody parametryczne; Wykładowcy studiów prof. dr hab. Marian Wiśniewski (WNE UW) dr hab. prof. UW Wojciech Otto (WNE UW) dr Ryszard Kokoszczyński (WNE UW) dr Jerzy Mycielski (WNE UW) dr Maria Ogonek (WNE UW) dr Paweł Strawiński (WNE UW) mgr Piotr Młynarczyk (ERA GSM) mgr Tomasz Mostowski (WNE UW) mgr Marek Pęczkowski (WNE UW) mgr Tomasz Rybnik (WNE UW) mgr Paweł Sakowski (WNE UW) mgr Iwona Schab (SAS Institute) mgr Dariusz Szymański (WNE UW) mgr Miłosz Trawczyński (SAS Institute) mgr Piotr Wójcik (WNE UW) 13

Kosztorys Studiów Podyplomowych "Metody statystyczne w biznesie" przychody liczba osób lub godzin koszt jednostkowy razem 20 8 000,00 zł 160 000,00 zł 2* 1 800,00 zł 3 600,00 zł razem przychody narzut UW 163 600,00 zł 30% 49 080,00 zł 10% 16 360,00 zł narzut WNE UW koszty honoraria za zajęcia 261 200,00 zł 52 200,00 zł honoraria za seminaria 40 200,00 zł 8 000,00 zł razem koszty prowadzenia zajęć materiały dla uczestników materiały biurowe wynagrodzenie kierownika obsługa sekretariatu promocja studium Koszty łącznie 60 200,00 zł 8 000,00 zł 1 960,00 zł 12 000,00 zł 6 000,00 zł 10 000,00 zł 163 600,00 zł Wynik brutto - zł * miejsca przewidziane dla osób z SAS Institute na zasadach preferencyjnych