1. SylabUZ
2. Faculty of Mathematics, Computer Science and Econometrics
3. winter term 2020/2021
4. Informatics and Econometrics - Second-cycle studies leading to MS degree
5. Forecasting and Simulation

Generate PDF for this page

Forecasting and Simulation - course description

Aim of the course

Celem przedmiotu jest zapoznanie studentów z praktycznymi metodami prognozowania i symulacji komputerowych zjawisk o charakterze losowym na podstawie modeli ekonometrycznych.

Prerequisites

Save changes

Znajomość rachunku prawdopodobieństwa, statystyki matematycznej, ekonometrii i podstaw programowania.

Scope

Wykład
1. Omówienie zakresu materiału z zakresu statystyki matematycznej oraz ekonometrii wymaganej dla przedmiotu. (2 godz.)
2. Symulacja deterministyczna, stochastyczna. Metoda Monte Carlo. (4 godz.)
3. Generatory liczb losowych. Dokładnoć symulacji. (1 godz.)
4. Prognoza ekonometryczna. Błąd prognozy. (2 godz.)
5. Proste metody prognozowania. Wyznaczanie indeksów dynamiki. (2 godz.)
6. Filtracja szeregów czasowych. Wygładzanie wykładnicze szeregów czasowych. (2 godz.)
7. Wnioskowanie w przyszłość na podstawie modeli ekonometrycznych. (2 godz.)
         a. Prognozowanie na podstawie modeli liniowych. (2 godz.)
         b. Prognozowanie na podstawie modeli nieliniowych. (2 godz.)

Laboratorium
1. Omówienie programu R-project oraz wybranych pakietów statystycznych. Wprowadzenie do technik programowania w R-project. (2 godz.)
2. Metody wprowadzania i zapisu danych. Techniki raportowania analiz, graficzna prezentacja danych. (4 godz.)
3. Symulacja wybranych zjawisk losowych. Prezentacja wyników. (6 godz.)
4. Prognoza prosta, Indeksy dynamiki. Ocena rozkładu oraz parametrów błędu prognozy. Prezentacja wyników. (2 godz.)
5. Wygładzanie szeregów czasowych, prognoza. Ocena rozkładu oraz parametrów błędu prognozy. Prezentacja wyników. (6 godz.)
6. Prognoza na podstawie modeli liniowych. Błąd prognozy. Prezentacja wyników. (5 godz.)
7. Prognoza na podstawie modeli nieliniowych. Błąd prognozy. Prezentacja wyników. (5 godz.)

Teaching methods

Wykład – tradycyjny.
Laboratorium – Prowadzący, na początku zajęć, zapoznaje studentów z praktycznymi metodami analiz omówionymi na wykładzie. Następnie zadawany jest temat do opracowania, celem utrwalenia materiału. Po zajęciach zadawane są dodatkowe tematy do opracowania.

Learning outcomes and methods of theirs verification

Outcome description	Outcome symbols	Methods of verification	The class form

Assignment conditions

1. Każdy student wykonuje projekt pozwalający na ocenę, czy osiągnął efekty kształcenia w stopniu minimalnym.
2. Egzamin pisemny z zagadnień prognozowania i metod symulacji.

Na ocenę z przedmiotu składa się ocena z laboratorium (60%), ocena z egzaminu (40%). Warunkiem zaliczenia przedmiotu jest pozytywna ocena z laboratorium i egzaminu.

Recommended reading

1. G.E.P Box, G.M. Jenkins, Analiza szeregów czasowych, PWN, Warszawa, 1983.
2. J. Lesków, Prognozowanie i symulacje, Wydawnictwo uczelniane, Nowy Sacz, 2002.
3. A. Luszniewicz, T. Słaby, Statystyka stosowana, PWE, Warszawa, 1996.
4. Prognozowanie i symulacja, pod redakcja W. Milo, Wydawnictwo Uniwersytetu Łódzkiego, Łódz, 2002.
5. Z. Pawłowski, Prognozy ekonometryczne, PWN, Warszawa, 1973.
6. W. Welfe, A. Welfe, Ekonometria stosowana, PWE, Warszawa, 2003.
7. A. Zelias, Teoria prognozy, PWE, Warszawa, 1984. 8. A. Zelias, B. Pawełek, S. Wanat, Prognozowanie ekonometryczne, teoria, przykłady, zadania, WN PWN, Warszawa, 2003.
 

Further reading

1. J. Koronacki, J. Mielniczuk, Statystyka dla studentów kierunków technicznych i przyrodniczych, WNT, Warszawa, 2004.
2. M. Gruszynski, Modele i prognozy zmiennych jakosciowych w finansach i bankowosci, Wydawnictwo uczelniane SGH, Warszawa, 2002.
3. W. Tarnowski, Symulacja komputerowa procesów ciagłych, Wydawnictwo uczelniane WSI, Koszalin, 1995.
4. A. Welfe, Ekonometria, PWE, Warszawa, 2005.

Notes

Modified by dr Alina Szelecka (last modification: 05-06-2020 12:23)