Od niego:

1. Proszę opisać symulacje.
   Model multiplikatywny – opisać

2. Metoda analogii biologicznych

3. Podać definicję przewidywania przyszłości

4. Ogólny schemat postępowania w modelowaniu

5. Co to są metody heurystyczne?

6. Wymienić i  opisać główne składowe szeregu czasowego.

7. Klasyfikacja prognoz wg pełnionej funkcji.

8. Podać definicję szeregu czasowego

Z forum:

1.W jakich dziedzinach wykorzystywane są prognozy?
2.Klasyfikacja prognoz wg. charakteru prognozowanych zjawisk
3.Definicja modelu.

6.Rodzaje metod analogowych.
7.Symulacja wg Naylora.
8.Co to jest heurystyka?

1. co to jest symulacja ,
2. predykcja na podstawie trendu ,
3. model stochastyczny , (symulacja stochastyczna)
5. prognozowanie analogowe
1. co to jest model?
2. heurystyka -
3. symulacje
4, składowe szeregu czasowego
5, mierniki bezwzorcowe
6. rozkład normalny reszt

1. jedna z definicji prognoz
2. symulacja stochastyczna
3. ogólny proces modelowania
5. Metoda analogii historycznej

1. czym powinny charakteryzować się finalne zmienne objaśniające

-zmienności: powinny mieć wysoką zmienność
-sinej korelacji ze zmienną objaśnioną
-słabej korelacji między sobą
-silnej korelacji z innymi zmiennymi, które nie weszły w skład zbioru zmiennych objaśniających.

2.Ogólny schemat postępowania w modelowaniu ekonometrycznym.

Określenie celów analizy > Kryteria merytoryczne > Ustalenie wstępnego zestawu zmiennych objaśniających > Kryterium formalno – statystyczne > Ustalenie optymalnego zbioru zmiennych objaśniających > Konstrukcja modelu ekonometrycznego > Analiza prognozy

3.Błąd prognozy ex ante.

Błędy prognozy ex ante są to błędy prognozy, które możemy określić przed upływem czasu, na który prognoza była ustalona. Jeżeli błąd prognozy określamy po upływie czasu, na który prognoza była ustalona, to mamy do czynienia z błędem ex post, a więc błąd ex post pokazuje różnicę pomiędzy wartością prognozowaną a jej faktyczną realizacją.

4. zmiana destymulanty w stymulante ,

Stymulacja to taka zmienna, której wyższe wartości kwalifikują daną jednostkę statystyczną jako lepszą z punktu widzenia prowadzonego badania. Pojęcie de stymulanty jest odwrotne, zaś nominanta to taka wartość normatywna, od której odchylenie się „na plus” bądź „na minus” jest zjawiskiem negatywnym z punktu widzenia prowadzonego badania. W modelowaniu ekonometrycznym możemy mówić także o zmiennych objaśnianych i zmiennych objaśniających (endo i egzogenicznych). Zmienne objaśniane przez model opisuje zmienna objaśniana (Y), a zjawiska oddziaływująca na model są opisywane przez zmienne objaśniające.

5. wyjaśnić istotę współczynnika regresji wielorakiej R

Współczynnik korelacji jest miar jakości zależności między badanymi zmiennymi. Współczynnik korelacji R z n par (Wi, Kci), czyli stanowiących serię danych

6. cechy danych do prognozy

· Rzetelność. Muszą dotyczyć analizowanego obiektu. Niemniej jednak w praktyce spotyka się błędy w danych o charakterze losowym (mogą zaistnieć pomyłki w zbieraniu danych). Systematycznym (np. pytań w ankietach nie zawsze odpowiadają prawdą na pytania dotyczące np. dochodów, statusu społecznego, przyzwyczajeń).

· Jednoznaczność. Dane muszą być interpretowane w sposób jednoznaczny. Przykładem niejednoznaczności może być zdanie „zyski firm odzieżowych podwoiły się”. Nie określono o jaki zysk chodzi (brutto czy netto) oraz jakich firm odzieżowych (notowanych na giełdzie czy wszystkich firm), także nie określono czasu, którego dotyczy analizowane zjawisko.
· Identyfikowalność zjawiska ze zmienną. Nie wiemy do końca czy dane zjawisko powinno być opisywane za pomocą danego zestawu zmiennych, np. w badaniach jakości życia powinien być ujęty wskaźnik czystości środowiska naturalnego, czy nie. W takich przypadkach warto odwołać się do literatury przedmiotu i autorytetów danej dziedziny oraz uzasadnić merytorycznie wybór danych zmiennych.
· Kompletność. Do prognozy powinny być ujęte dane ważne dla badanego zjawiska, nie powtarzające się. Obowiązuje generalna zasada, że im mniej zmiennych opisuje model danego zjawiska tym lepiej.
· Aktualność danych. Dane powinny być tak dobrane by nie powodowały dezaktualizacji prognozowanego zjawiska. Wiadomo, że na przestrzeni czasu pewne czynniki nabierają wartości, podczas gdy inne tracą na znaczeniu.
· Koszty związane z pozyskiwaniem i analiza danych. Należy określić na wstępie wszystkie koszty, ponieważ zbyt droga prognoza może być nieopłacalna dla zlecającego badania.

INNE ZAGADNIENIA Z LICENCJATU CZESC SIE POKRYWA
1. zmienne w modelu regresji ze względu na charakter i analityczne postacie modelu ekonometrycznego Wybór postaci analitycznej modelu może być dokonany przez ekonometryka na podstawie empirycznej wiedzy o zależnościach między zmiennymi. Wiedze te można czerpać z teorii ekonomii oraz znajomości zjawisk kształtujące badane związki, w związku z czym wykorzystać można ( a nawet trzeba) znajomość zjawisk geograficznych, finansowych. Itp. Wybór postaci analitycznej modelu może odbyć się na podstawie oceny wzrokowej wykresów rozrzutu punktów empirycznych. Dobór postaci analitycznej modelu może odbyć się za pomocą prob. Wybiera się postać modelu, oddaje się model szacowaniu i weryfikuje się dobroć jej dopasowania. Oto najczęściej występujące postaci analityczne związku zmiennych
-funkcja liniowa
-funkcja wykładnicza
-funkcja potęgowa
-funkcja logarytmiczna
-funkcja tornquista
-funkcja wielomianowa
-funkcja logistyczna

2.jednorównianowy szereg czasowy -podać przykład,

Jednorównaniowy szereg czasowy to ciąg stanow zmiennych y uporządkowanych wg wartości zmiennej czasowej t,
t = 1, 2, … n:
y = [y1, y2,…, yn]
Przykład 1. Dane czasowe dotyczące wielkości ruchu turystycznego
Lata 1988 1989 1990 1991 1992
Wielkość ruchu turystycznego w tys. osób 132 147 156 181 215

3. metody bezwzorcowe,
7. rozkład normalnych reszt,
8. symulacja według Morgenthalera

Pytania z I tury:
1. Czym jest model
2. Wymienić elementy szeregu czasowego
3. Co to jest symulacja

4. Etapy budowy modelu ekonometrycznego
5. Metody wzorcowe
6. Opisać co przedstawia wykres regresji liniowej

1.predykcja ekonometryczna
2. Podział prognoz ze względu na zasięg
3. Regresja krokowa wsteczna
4. Model monte Carlo
5. Metody scenariuszowe
6. metody dychotomiczne.-coś w tym rodzaju

1. Szereg czasowy
2. Klasyfikacja prognoz wg kryterium charakteru prognozowanych zjawisk
3. Prognozy logitów i probitów
4. Symulacja stochastyczna
5. Scenariusz badawczy
6. Korelacja cząstkowa

1. szereg czasowy
2.symulacja stochastyczna
3.prognozy wg charakteru prognozowanych zjawisk
4.prognozy probitow i logitow
5.badawczy charakter scenariusza
6.korelacja cząstkowa