SylabUZ
| Nazwa przedmiotu | Analiza modeli ekonometrycznych |
| Kod przedmiotu | 11.9-WK-IDP-AME-W-S14_pNadGenB45W8 |
| Wydział | Wydział Matematyki, Informatyki i Ekonometrii |
| Kierunek | Inżynieria danych |
| Profil | ogólnoakademicki |
| Rodzaj studiów | pierwszego stopnia z tyt. inżyniera |
| Semestr rozpoczęcia | semestr zimowy 2022/2023 |
| Semestr | 5 |
| Liczba punktów ECTS do zdobycia | 5 |
| Występuje w specjalnościach | Modelowanie i analiza danych |
| Typ przedmiotu | obieralny |
| Język nauczania | polski |
| Sylabus opracował |
|
| Forma zajęć | Liczba godzin w semestrze (stacjonarne) | Liczba godzin w tygodniu (stacjonarne) | Liczba godzin w semestrze (niestacjonarne) | Liczba godzin w tygodniu (niestacjonarne) | Forma zaliczenia |
| Wykład | 30 | 2 | - | - | Zaliczenie na ocenę |
| Laboratorium | 30 | 2 | - | - | Zaliczenie na ocenę |
Celem przedmiotu jest zapoznanie studentów z podstawowymi modelami ekonometrycznymi, metodami szacowania parametrów modeli oraz prognozowania. Modele ekonometryczne pozwalają na opisywanie (funkcyjne) zależności między zmiennymi i są powszechnie stosowane we wszystkich dziedzinach. Po ukończeniu kursu student powinien być przygotowany do samodzielnej pracy w zakresie modelowania ekonometrycznego, począwszy od poprawnego zdefiniowania modelu, następnie estymacji parametrów, testowania, prognozowania i skończywszy na przygotowaniu czytelnego raportu zgodnie z wymaganiami zleceniodawcy. Ponadto powinien być przygotowany do umiejętnego posługiwania się odpowiednim programem wspomagającym analizy.
Student powinien zaliczyć przedmioty: Analiza danych statystycznych.
Wykład/laboratorium:
1. Prezentacja metod tworzenia modeli ekonometrycznych, estymacji parametrów w modelach oraz ich testowanie. Student zapozna się z:
regresją liniową, regresją nieliniową,
szeregami czasowymi, prognozowaniem.
2. Wykorzystanie wybranego pakietu statystycznego do obliczeń ekonometrycznych.
Wykład tradycyjny, dostępny w formie elektronicznej. Laboratoria, w ramach których studenci wykonują analizy ekonometryczne dla wybranych modeli przy wykorzystaniu programu komputerowego.
| Opis efektu | Symbole efektów | Metody weryfikacji | Forma zajęć |
Udział w zajęciach jest obowiązkowy.
Kolokwia (laboratorium) z zadaniami o zróżnicowanym stopniu trudności, pozwalającymi na ocenę, czy student osiągnął efekty kształcenia w stopniu minimalnym. Wykład kończy się egzaminem w postaci testu.
Na ocenę z przedmiotu składa się ocena z laboratorium (70%) oraz ocena z wykładu (30%). Warunkiem zaliczenia przedmiotu jest pozytywna ocena z laboratorium i wykładu.
A. D. Aczel, Statystyka w zarządzaniu, PWN, Warszawa, 2000.
P. Bruce, A. Bruce, P. Gedeck, Statystyka praktyczna w data science. 50 kluczowych zagadnień w językach R i Python, Helion 2021.
J. Grus, Data science od podstaw. Analiza danych w Pythonie. Helion 2018.
M. Gruszczyński, T. Kuszewski, M. Pogórska, Ekonometria i badania operacyjne, Wydawnictwo Naukowe PWN, Warszawa 2007.
G.C. Chow, Ekonometria, PWN, Warszawa, 1995.
K. Jajuga (red.), Ekonometria - Metody i Analiza Problemów Ekonomicznych, AE, Wrocław, 1999.
B. Borkowski, H. Dudek, W. Szczesny, Ekonometria – wybrane zagadnienia, PWN, W-wa, 2004.
J. Koronacki, J. Mielniczuk, Statystyka dla studentów kierunków technicznych i przyrodniczych, WNT, Warszawa, 2001.
G. S. Maddala, Ekonometria, Wydawnictwo Naukowe PWN, Warszawa 2008.
Zmodyfikowane przez dr Alina Szelecka (ostatnia modyfikacja: 04-07-2022 14:17)
