1000000000000ADE00000C7AC9E9C3C1

L.p.	Treśćzajęć	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
n J.	Pojęcie modelu i modelowania. Czynniki wpływające na budowę modelu. Szeregi czasowe, ich składowe i modele szeregów czasowych*	-i
4.	Wygładzanie wykładnicze, model liniowy IdpltaJ-Wirrtersąn Metoda wskaźników. Analiza harmoniczna.	%
5.	Modele autoregresyjne. Model AR, MA, ARMA i ARIMA. Prognozowanie rekurencyjne w oparciu o model ARIMA. ’ " r-	2
6.	Prognozowanie na podstawie jednorównaniowych modeli statycznych i dynamicznych.
7.	Modele ze zmiennymi parametrami. Pasowanie parametrów.
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. *	i
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
13.	Metoda Newtona-Raphsona i jej zastosowania.
14.	Metody Monte Carlo. Schemat prognozowania łączący modelowanie i symulacje.	1
15.	Prognozowanie analogowe.	2
16.	Algorytmy ustalania wskaźników prognozowania ostrzegawczego.	A
17.	Metody heurystyczne i ich zastosowania. Podstawowe błędy prognozowania heurystycznego.	2
18.	Scenariusze i prognozy wariantowe.	A
19.	Prognozowanie w warunkach niepełnej informacji.	A
20.	Prognozowanie wybranych elementów makrootoczenia przedsiębiorstwa.	1