Prognozowanie i symulacje

Slides:



Advertisements
Podobne prezentacje
Modele szeregów czasowych z tendencją rozwojową
Advertisements

Regresja i korelacja materiały dydaktyczne.
Badania statystyczne Wykłady 1-2 © Leszek Smolarek.
ESTYMACJA PRZEDZIAŁOWA
Ocena dokładności i trafności prognoz
Modelowanie kursu walutowego- perspektywa krótkookresowa
SYMULACYJNA ANALIZA SZEREGU CZASOWEGO
Ekonometria mat. pomocnicze 3
dr Małgorzata Radziukiewicz
Metody ekonometryczne
BUDOWA MODELU EKONOMETRYCZNEGO
Analiza szeregów czasowych
CECHY CHARAKTERYSTYCZNE SZEREGU CZASOWEGO SZEREG CZASOWY jest zbiorem obserwacji zmiennej, uporządkowanych względem czasu (dni,
Ekonometria prognozowanie.
Metody ekonometryczne
Podstawowe pojęcia prognozowania i symulacji na podstawie modeli ekonometrycznych Przewidywaniem nazywać będziemy wnioskowanie o zdarzeniach nieznanych.
Ekonometria wykladowca: dr Michał Karpuk
Specjalność Analiza danych 2009 Katedra Statystyki Instytut Zastosowań Matematyki.
Specjalność Analiza danych 2010 na kierunku IiE Katedra Statystyki Instytut Zastosowań Matematyki.
Prognozowanie na podstawie sezonowych szeregów czasowych
Prognozowanie na podstawie modelu ekonometrycznego
Prognozowanie na podstawie szeregów czasowych
Prognozowanie na podstawie szeregów czasowych
Prognozowanie i symulacje (semestr zimowy)
Dopasowanie modelu autoregresji i predykcja stanów wody w Odrze (posterunek wodowskazowy Trestno) Tomasz Niedzielski.
Rozkład normalny Cecha posiada rozkład normalny jeśli na jej wielkość ma wpływ wiele niezależnych czynników, a wpływ każdego z nich nie jest zbyt duży.
Praca Dyplomowa Inżynierska
Liniowy Model Tendencji Rozwojowej Szeregów Czasowych
czyli jak analizować zmienność zjawiska w czasie?
MATEMATYCZNE MODELOWANIE SYSTEMÓW
i jak odczytywać prognozę?
Jak mierzyć i od czego zależy?
Ekonometria. Co wynika z podejścia stochastycznego?
Analiza reszt w regresji
Irena Woroniecka EKONOMIA MENEDŻERSKA - dodatek do W2
Analiza szeregów czasowych
Prognozowanie z wykorzystaniem modeli ekonometrycznych
Badania Operacyjne i Ekonometria. Literatura podstawowa 1.M.Anholcer, H.Gaspars, A.Owczrkowski Przykłady i zadania z badań operacyjnych i ekonometrii.
1 Kilka wybranych uzupełnień do zagadnień regresji Janusz Górczyński.
Szereg czasowy – czy trend jest liniowy?
Zagadnienia regresji i korelacji
Finanse 2009/2010 dr Grzegorz Szafrański pokój B106 Termin konsultacji poniedziałek:
Kilka wybranych uzupelnień
Wahania sezonowe. Metoda wskaźników sezonowości.
Ekonometria stosowana
Statystyka i opracowanie wyników badań
Planowanie badań i analiza wyników
Ekonometria stosowana
Przedmiot: Ekonometria Temat: Szeregi czasowe. Dekompozycja szeregów
Ekonometryczne modele nieliniowe
Wnioskowanie statystyczne
D. Ciołek EKONOMETRIA – wykład 0
D. Ciołek EKONOMETRIA – wykład 6
Dynamika zjawisk. Analiza sezonowości dr hab. Mieczysław Kowerski
Analiza szeregów czasowych
1 D. Ciołek Analiza danych przekrojowo-czasowych – wykład 7 Analiza danych przekrojowo-czasowych Wykład 7: Testowanie integracji dla danych panelowych.
Składowe szeregu czasowego
Dynamika zjawisk. Tendencja rozwojowa dr hab. Mieczysław Kowerski
Model trendu liniowego
Prognozowanie wahań sezonowych Metoda wskaźników sezonowości.
Treść dzisiejszego wykładu l Weryfikacja statystyczna modelu ekonometrycznego –błędy szacunku parametrów, –istotność zmiennych objaśniających, –autokorelacja,
Modele nieliniowe sprowadzane do liniowych
Analiza dynamiki „Człowiek – najlepsza inwestycja”
Estymacja parametryczna dr Marta Marszałek Zakład Statystyki Stosowanej Instytut Statystyki i Demografii Kolegium Analiz.
Ekonometria II Modele stacjonarne procesów stochastycznych i modele dynamiczne dr hab. Mieczysław Kowerski.
Metody ekonometryczne dla NLLS
Ekonometryczne modele nieliniowe
Statystyka matematyczna
Jednorównaniowy model regresji liniowej
PODSTAWY STATYSTYKI Wykład udostępniony przez dr hab. Jana Gajewskiego
Zapis prezentacji:

Prognozowanie i symulacje Dr Janusz Górczyński

Cel Celem przedmiotu jest przygotowanie studentów do praktycznego stosowania poznanych na statystyce i ekonometrii metod prognozowania przyszłych wartości danego zjawiska. Prognoza musi być poprzedzona ustaleniem, czy zaproponowany model opisu zjawiska jest poprawnie dobrany. Część zajęć poświęcona jest budowaniu liniowych modeli tendencji rozwojowych wykorzystywanych do prognozowania zjawisk z wyraźnymi wahaniami okresowymi.

Program zajęć Wykorzystanie MS Excel do wykonywania wykresów prezentujących zależności funkcyjne między zmiennymi wraz ze wstępnym oszacowaniem funkcji regresji Wykorzystane przyrostów absolutnych w szeregu czasowym do zbadania, czy trend może być opisany za pomocą funkcji liniowej. Prognozowanie w przypadku trendu liniowego, błąd prognozy, przedziały ufności dla predykcji, sporządzanie wykresów dla prognozy Wykorzystanie przyrostów względnych w szeregu czasowym do zbadania, czy trend może być opisany za pomocą funkcji wykładniczej. Linearyzacja modelu wykładniczego, estymacja parametrów, prognozowanie, powrót do wartości oryginalnych, sporządzanie wykresów dla prognozy.

Program zajęć (2) Wprowadzenie do testu serii i jego wykorzystanie do weryfikacji hipotezy o poprawnie dobranym modelu zjawiska. Ćwiczenia praktyczne poświęcone wykorzystaniu testu serii dla ustalenia modelu zjawiska. Zmienne dychotomiczne i ich wykorzystanie przy budowaniu modeli tendencji rozwojowych. Ćwiczenia praktyczne poświęcone budowaniu modeli tendencji rozwojowych, badaniu ich istotności oraz wykorzystaniu do prognozowania przyszłych wartości

Literatura J. Jóźwiak, J.Podgórski, Statystyka od podstaw, PWE, Warszawa 1997 K. Zając, Zarys metod statystycznych, PWE, Warszawa, 1994 J. Górczyński, Podstawy ekonometrii. Wyższa Szkoła Zarządzania i Marketingu, Sochaczew, 2003 J. Górczyński, Wybrane wzory i tablice statystyczne, Wyd. II poprawione i uzupełnione. Wyższa Szkoła Zarządzania i Marketingu, Sochaczew, 2000