Ćwiczenia 5: Analiza wyników symulacji

Slides:



Advertisements
Podobne prezentacje
Regresja i korelacja materiały dydaktyczne.
Advertisements

Leszek Smolarek Akademia Morska w Gdyni 2005/2006
Leszek Smolarek Akademia Morska w Gdyni 2005/2006
Modelowanie i symulacja
HERD BEHAVIOR AND AGGREGATE FLUCTUATIONS IN FINANCIAL MARKETS Rama Cont & Jean-Philipe Bouchaud. Macroeconomic Dynamics, 4, 2000, Cambridge University.
Wprowadzenie do optymalizacji wielokryterialnej.
BUDOWA MODELU EKONOMETRYCZNEGO
Zakład Mechaniki Teoretycznej
Elementy Modelowania Matematycznego
dr Małgorzata Radziukiewicz
Symulacja zdarzeniowa i procesowa
Dr inż. Bożena Mielczarek
Model ciągły wyceny opcji Blacka – Scholesa - Mertona
Instrumenty o charakterze własnościowym Akcje. Literatura Jajuga K., Jajuga T. Inwestycje Jajuga K., Jajuga T. Inwestycje Luenberger D.G. Teoria inwestycji.
Materiały do zajęć z przedmiotu: Narzędzia i języki programowania Programowanie w języku PASCAL Część 7: Procedury i funkcje © Jan Kaczmarek.
ANALITYCZNE MODELE SYSTEMÓW KOLEJKOWYCH
Ekonometria wykladowca: dr Michał Karpuk
TEORIA KOLEJEK opracowanie na podstawie :
TEORIA KOLEJEK opracowanie na podstawie :
Wprowadzenie do statystycznej analizy danych (SPSS)
Program przedmiotu “Metody statystyczne w chemii”
Wstęp do programowania obiektowego
Wielkości skalarne i wektorowe
Prof. dr hab.. Małgorzata – Piasecka Szkoła Główna Handlowa Warszawa
Metody Symulacyjne w Telekomunikacji (MEST) Wykład 4: Generowanie zdarzeń  Dr inż. Halina Tarasiuk p. 337, tnt.tele.pw.edu.pl.
Model biometryczny sędziego piłki nożnej
Studium przypadku „Estymacja krzywej popytu”
Andrzej Jędryczkowski Nie da się napisać większego programu bez podziału go na części zwane podprogramami. Podprogram to wyróżniona część programu.
Analiza współzależności cech statystycznych
i jak odczytywać prognozę?
Ekonometria. Co wynika z podejścia stochastycznego?
Irena Woroniecka EKONOMIA MENEDŻERSKA - dodatek do W2
Sieci bayesowskie Wykonali: Mateusz Kaflowski Michał Grabarczyk.
Ćwiczenia 3: System kolejkowy
Prognozowanie i symulacje
Dr inż. Bożena Mielczarek
Ćwiczenia 4: Sugarscape Mateusz Zawisza 1 Zakład Analizy i Wspomagania Decyzji Szkoła Główna Handlowa w Warszawie Modelowanie wieloagentowe 1 Stypendysta.
MAMO, TATO - JUŻ TERAZ NAJMŁODSZY UCZEŃ MA PRAWO DO … Okresu adaptacji w szkole tak długiego jak to będzie potrzebne 2. Jednego nauczyciela.
Systemy kolejkowe - twierdzenie Little’a
Planowanie badań i analiza wyników
MS Excel - wspomaganie decyzji
Politechniki Poznańskiej
Autor: Franciszek Sobiecki Promotor: Dr inż. Andrzej Szuwarzyński
 Ekonometria – dziedzina zajmująca się wykorzystaniem specyficznych metod statystycznych dostosowanych do badań nieeksperymentalnych.  Ekonometria to.
Przykłady analiza i projektowanie
Dr inż. Bożena Mielczarek Wprowadzenie do Areny. Ryzy papieru.
Metody Matematyczne w Inżynierii Chemicznej Podstawy obliczeń statystycznych.
Analiza regresji wielokrotnej c.d.
City Assistance Małgorzata Baranowska Przemysław Zaborowski.
Ekonometria Metody estymacji parametrów strukturalnych modelu i ich interpretacja dr hab. Mieczysław Kowerski.
Regresja liniowa. Dlaczego regresja? Regresja zastosowanie Dopasowanie modelu do danych Na podstawie modelu, przewidujemy wartość zmiennej zależnej na.
Wycena opcji Barbara Załęska. Emery Bowlander Ekscentryczny, bardzo bogaty, wymagający inwestor prognozuje wzrost wartości akcji jest zainteresowany kupnem.
ZASTOSOWANIE DWUKROTNEJ SYMULACJI MONTE CARLO W WYCENIE OPCJI REALNYCH mgr Marcin Pawlak Katedra Inwestycji i Wyceny Przedsiębiorstw.
Model przydziału zadań. Informacje wstępne ● Podaję tu uproszczoną wersję modelu, którą będziemy stosować w testach. ● Wszystkie trudniejsze wymagania,
Monte Carlo, bootstrap, jacknife. 2 Literatura Bruce Hansen (2012 +) Econometrics, ze strony internetowej :
Rozkłady statystyk z próby dr Marta Marszałek Zakład Statystyki Stosowanej Instytut Statystyki i Demografii Kolegium.
Sprawdzian został przeprowadzony 1 kwietnia 2015 r. Uczniowie, którzy z przyczyn losowych lub zdrowotnych nie przystąpili do sprawdzianu tego dnia, pisali.
Treść dzisiejszego wykładu l Analiza wrażliwości –zmiana wartości współczynników funkcji celu, –zmiana wartości prawych stron ograniczeń. l Podejścia do.
MAMO, TATO - JUŻ TERAZ NAJMŁODSZY UCZEŃ MA PRAWO DO … Okresu adaptacji w szkole tak długiego jak to będzie potrzebne 2. Jednego nauczyciela.
Mamo, Tato – szkoła dla Twojego Sześciolatka
Wybór nazwy lub słów kluczowych dla interesującego nas szeregu czasowego. Opcjonalnie – ustawienie innych dostępnych atrybutów szukania.
Zastosowanie metod statystycznych w obszarze CRM.
Transformatory w Eksploatacji - Kołobrzeg, IV.2013
Statystyka matematyczna
EKONOMETRIA Wykład 1a prof. UG, dr hab. Tadeusz W. Bołt
Mamo, Tato – szkoła dla Twojego Sześciolatka
Tytuł projektu naukowego
Mamo, Tato – szkoła dla Twojego Sześciolatka
* PROCESÓW TECHNOLOGICZNYCH
Monte Carlo, bootstrap, jacknife
Zapis prezentacji:

Ćwiczenia 5: Analiza wyników symulacji Modelowanie wieloagentowe Ćwiczenia 5:  Analiza wyników symulacji Mateusz Zawisza1 Zakład Analizy i Wspomagania Decyzji Szkoła Główna Handlowa w Warszawie 1 Stypendysta projektu „Weź stypendium – dla rozwoju”

Plan zajęć Opis parametrów modelu Analiza wrażliwości Techniki prezentacja wyników analizy wrażliwości

Opis parametrów modelu

Analiza wrażliwości Zestaw (wektor) parametrów α względem którego przeprowadzamy analizę wrażliwości Wynikiem symulacji jest zmienna losowa X (α  X), którą poznajemy przez wielokrotną realizację, tj. uruchomienie symulacji dla tego samego zestawu parametrów Interesują nas charakterystyki zmiennej losowej X, np. E(X), sd(X), max(X), Q1(X) itp.

1 parametr

2 parametry

3 parametry

4 parametry

>4 parametrów Meta-modelowanie, tj. uczenie z nadzorem  RD2 Zmienną zależną jest wynik symulacji, np. cena, długość kolejki Zmiennymi niezależnymi są wartości parametrów, np. maksymalna wartość bluzy, intensywność przybywania klientów do systemu kolejkowego