1. SylabUZ
2. Wydział Matematyki, Informatyki i Ekonometrii
3. semestr zimowy 2020/2021
4. Computer science and econometrics - drugiego stopnia z tyt. magistra
5. Prognozowanie i symulacja

Wygeneruj PDF dla tej strony

Prognozowanie i symulacja - opis przedmiotu

Cel przedmiotu

The aim of the course is to acquaint students with practical methods of forecasting and computer simulation of random phenomena based on econometric models.

 

Wymagania wstępne

Zapisz zmiany

Knowledge of the theory of probability, mathematical statistics, econometrics and the basics of programming.

 

Zakres tematyczny

Lecture
1. Discussion of the material scope of mathematical statistics and econometrics required for the course. (2 hours.)
2. Deterministic, stochastic simulation. Monte Carlo method. (4 hours)
3. Random number generators. The accuracy of the simulation. (1 hour)
4. Econometric forecast. Forecast error. (2 hours.)
5. Simple forecasting methods. Determination of dynamics indexes. (2 hours.)
6. Filtering of time series. Exponential smoothing of time series. (2 hours.)
7. Reasoning into the future on the basis of econometric models. (2 hours.)
          a. Forecasting based on linear models. (2 hours.)
          b. Forecasting based on nonlinear models. (2 hours.)

Laboratory
1. Overview of the R-project program and selected statistical packages. Introduction to programming techniques in R-project. (2 hours.)
2. Methods of entering and saving data. Analysis reporting techniques, graphical data presentation. (4 hours)
3. Simulation of selected random phenomena. Presentation of the results. (6 hours)
4. Simple forecast, Dynamics indices. Assessment of the distribution and parameters of the forecast error. Presentation of the results. (2 hours.)
5. Smoothing time series, forecast. Assessment of the distribution and parameters of the forecast error. Presentation of the results. (6 hours)
6. Forecast based on linear models. Forecast error. Presentation of the results. (5 hours)
7. Forecast based on nonlinear models. Forecast error. Presentation of the results. (5 hours)

 

 

Metody kształcenia

Lecture - traditional.
Laboratory - At the beginning of the classes, the lecturer introduces students to the practical methods of analysis discussed in the lecture. Then students receive a task to be solved. Finally, the solutions are discussed.

 

Efekty uczenia się i metody weryfikacji osiągania efektów uczenia się

Opis efektu	Symbole efektów	Metody weryfikacji	Forma zajęć

Warunki zaliczenia

1. Each student carries out a project that allows to assess whether he has achieved the learning outcomes to a minimum degree.
2. Written exam on forecasting and simulation methods.

The grade for the subject consists of the laboratory grade (60%) and the exam grade (40%). The condition for passing the course is a positive assessment from the laboratory and the exam.

Literatura podstawowa

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.

Literatura uzupełniająca

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.

 

Uwagi

Zmodyfikowane przez dr Jacek Bojarski, prof. UZ (ostatnia modyfikacja: 18-11-2020 21:07)