1000000000000ACE00000C7A083B05EA

L.p.	Treść zajęć	Liczba godzin
1.	Pojęcie prognozowania. Reguły prognozowania. Funkcje i rodzaje prognoz.	2
2.	Rodzaje danych, ich źródła i metody gromadzenia. Błędy prognoz. Ocena jakości prognoz ex post i ex antę.	2
3.	Pojęcie modelu i modelowania. Czynniki wpływające na budowę modelu. Szeregi czasowe, ich składowe i modele szeregów czasowych.	2
4.	Wygładzanie wykładnicze, model liniowy HoltaJ, Wintersa. Metoda wskaźników. Analiza harmoniczna. ^	4
5.	Modele autoregresyjne. Model AR, MA, ARMA i ARIMA. Prognozowanie rekurencyjne w oparciu o model ARIMA.	2
6.	Prognozowanie na podstawie jednorównaniowych modeli statycznych i dynamicznych.	___j
7.	Modele ze zmiennymi parametrami. Pasowanie parametrów.	2
8.	Modele wielorównaniowe i ich rodzaje.	2
9.	Postać strukturalna, zredukowana i końcowa wielorównaniowego modelu ekonometrycznego.	2
10.	Pasowanie parametrów pojedynczych równań i estymacja łączna.	4
11.	Miary dokładności prognoz . Źródła błędów prognoz. Dopuszczalność prognozy.	2
12.	Algorytm Gaussa-Seidela jako jedna z technik symulacyjnych dla modeli wielorównaniowych. Zastosowanie tego algorytmu w zagadnieniach optymalizacji	4
13.	Metoda Newtona-Raphsona i jej zastosowania.	2
14.	Metody Monte Carlo. Schemat prognozowania łączący modelowanie i symulacje.	2
15.	Prognozowanie analogowe.	2
16.	Algorytmy ustalania wskaźników prognozowania ostrzegawczego.	3
17.	Metody heurystyczne i ich zastosowania. Podstawowe błędy prognozowania heurystycznego.	2
18.	Scenariusze i prognozy wariantowe.	2
19.	Prognozowanie w warunkach niepełnej informacji.	2
20.	Prognozowanie wybranych elementów makrootoczenia przedsiębiorstwa.	1