• Nie Znaleziono Wyników

SYLABUS Przedmiot: MODELOWANIE, SYMULACJE I PROGNOZOWANIE MI

N/A
N/A
Protected

Academic year: 2021

Share "SYLABUS Przedmiot: MODELOWANIE, SYMULACJE I PROGNOZOWANIE MI"

Copied!
3
0
0

Pełen tekst

(1)

SYLABUS

Przedmiot: MODELOWANIE, SYMULACJE I PROGNOZOWANIE MIĘDZYNARODOWE.

Prowadzący zajęcia dr LUCJAN KOWALSKI,

analiza wypukła, metody probabilistyczne, ponad 30 letnie doświadczenie w pracy naukowo- dydaktycznej, autor kilku podręczników akademickich.

Forma zajęć: konwersatoria Tryb studiów: stacjonarne Rygor: zaliczenie

Punkty ECTS: ...

EFEKTY KSZTAŁCENIA:

W wyniku realizacji przedmiotu student powinien:

• zapoznać się z podstawowymi modelami stosowanymi do opisu zjawisk ekonomicznych oraz sytuacji międzynarodowych

• nauczyć się budowy prognoz na podstawie modeli ekonometrycznych

• nauczyć się budowy prognoz na podstawie szeregów czasowych

• zapoznać się z elementami teorii gier i przykładami zastosowań

BEZPOŚREDNIE POWIĄZANIE PRZEDMIOTU Z INNYMI PRZEDMIOTAMI:

wymagane wiadomości z:

Matematyki,

Statystyki,

Ekonomii.

Stosunków międzynarodowych.

podbudowuje takie przedmioty jak:

Przedmioty specjalistyczne.

TREŚĆ PROGRAMU:

Zajęcia 1.

Zajęcia 2.

Dane statystyczne i ich prezentacja. Indeksy. Modelowanie.

Rodzaje modeli ekonometrycznych. Przykłady modeli.

Jednorównaniowy model liniowy.

Estymacja parametrów. Metoda najmniejszych kwadratów (MNK).

Literatura:

Jerzy Gawinecki, Agnieszka Gawinecka, Lucjan Kowalski, Małgorzata Łukasik, Wojciech Matuszewski, Jerzy Ploch, Ekonometria w zadaniach, Wyd. WSHiP, 2008, str. 13-75

Zajęcia 3. Prognozowanie na podstawie modeli ekonometrycznych z jedna zmienną objaśniającą. Prognoza punktowa, przedziałowa. Błąd prognozy.

(2)

Prognozowanie w zarządzaniu, gospodarce, ekonomii Literatura:

Jerzy Gawinecki, Agnieszka Gawinecka, Lucjan Kowalski, Małgorzata Łukasik, Wojciech Matuszewski, Jerzy Ploch, Ekonometria w zadaniach, Wyd. WSHiP, 2008, str. 161-207

Zajęcia 4. Szeregi czasowe. Składowe szeregów czasowych. Model tendencji rozwojowej. Modele nieliniowe. Prognozy naiwne i proste.

Literatura:

A. Manikowski, Z. Tarapata, Prognozowanie i symulacja rozwoju przedsiębiorstw, wyd. WSE, W-wa 2002, str.79 - 97.

Zajęcia 5. Praca kontrolna.

Zajęcia 6.

Zajęcia 7.

Zajęcia 8.

Prognozowanie na podstawie szeregów czasowych. Predykcja adaptacyjna (średnia ruchoma, model Browna, model Holta). Prognoza punktowa. Błąd prognozy. Przykłady zastosowań.

Literatura:

A. Manikowski, Z. Tarapata, Prognozowanie i symulacja rozwoju przedsiębiorstw, wyd. WSE, W-wa 2002, str.98 - 145.

Zajęcia 9. Pojęcie symulacji. Analiza wariantowa. Przykłady zastosowania.

Literatura:

A. Manikowski, Z. Tarapata, Prognozowanie i symulacja rozwoju przedsiębiorstw, wyd. WSE, W-wa 2002, str.265 - 273.

Zajęcia 10. Praca kontrolna.

Zajęcia 11. Prognozowanie heurystyczne.

Literatura:

A. Manikowski, Z. Tarapata, Prognozowanie i symulacja rozwoju przedsiębiorstw, wyd. WSE, W-wa 2002, str.216 - 222.

Wprowadzenie do teorii gier. Gry dwuosobowe. Gry macierzowe.

Literatura:

P.D. Straffin, Teoria gier, wyd. Scholar. W-wa 2001, str. 1-40 Zajęcia 12. Gry dwuosobowe o sumie niezerowej. Gry n-osobowe.

Literatura:

P.D. Straffin, Teoria gier, wyd. Scholar. W-wa 2001, str. 83-154, Zaliczenie.

LITERATURA DODATKOWA:

• W. Sadowski W., Ekonometria, WSHiP, Warszawa 1996,

• M.Cieślak, „Prognozowanie gospodarcze. Metody i zastosowania”, PWN, Warszawa, 1999,

METODY OCENY:

Zaliczenie będzie przeprowadzone na podstawie wyników dwóch sprawdzianów pisemnych (po 15 pkt.) z uwzględnieniem obecności i aktywności na zajęciach.

(3)

0,0 - 15 pkt. ndst 21,5 - 24,0 pkt. db 15,5 - 18,0 pkt. dst 24,5 - 26,0 pkt. db+

18,5 - 21,0 pkt. dst+ 26,5 - 30,0 pkt. bdb

ANGLOJĘZYCZNY SŁOWNICZEK GŁÓWNYCH POJĘĆ ZWIĄZANYCH Z PRZEDMIOTEM:

statistical data,

mathematical modelling econometric model, least squares regression, game theory

simulatation simulation model explanatory variable, explained variable, regression model, linear model, nonlinear model, unbiased estimator, heteroscedasticity, prediction,

forecast interval,

forecast standard error, trends,

time series,

Brown’s exponential smoothing, Holt’s exponential smoothing,

Cytaty

Powiązane dokumenty

Prognozowanie na podstawie liniowych modeli ekonometrycznych jednorównaniowych.. Model

(oparte na zało eniu, e wahania przypadkowe s niewielkie i nie zmieni si dotychczasowy wpływ czynników kształtuj cych obserwowane zjawisko). Zalet metody naiwnej jest

3.. Wyznacz stał wygładzania tego modelu. Wyznacz prognoz na siódmy miesi c. Oce bł d wzgl dny prognoz przeszłych. a) oceni przydatno modelu do budowy prognozy na stycze 2000

• poznać zasady budowy modeli ekonometrycznych i oceny ich jakości. • nauczyć się doboru zmiennych do modelu. • zapoznać się zastosowaniami modeli nieliniowych. •

Ocenê dok³adnoœci dopasowania modelu liniowego z danymi empirycznymi przeprowadzono na podstawie oceny parametrów struktury stochastycznej.. Dokonano równie¿ weryfikacji

Wskaźnik sezonowości obliczono dla każdej fazy, licząc średnią arytmetyczną wartości szeregu po eliminacji trendu tego samego mie- siąca (fazy) w kolejnych latach

W praktyce oznacza to, »e przed estymacj¡ modelu zaw¦»amy prób¦ poprzez polecenie w gªównym oknie: Próba  Zakres próby, a pó¹niej jak wy»ej (w oknie modelu Analiza 

Sezonowa zmienność modelowanych zmian powierzchni swobodnej Morza Bałtyckiego... Podstawowe składowe przestrzenne modelowanych zmian poziomu