Wierk - Wydział Informatyki, Elektroniczne Ramy Kwalifikacji

Wydział Informatyki
Kierunek studiów	Data Science							Poziom i forma studiów	pierwszego stopnia inżynierskie stacjonarne
Specjalność / Ścieżka dyplomowania	---							Profil kształcenia	ogólnoakademicki
Nazwa przedmiotu	Szeregi czasowe i prognozowanie							Kod przedmiotu	DS1S4SCP
								Rodzaj przedmiotu	obowiązkowy
Forma zajęć i liczba godzin	W	Ć	L	P	Ps	T	S	Semestr	4
	30				30			Punkty ECTS	4
Przedmioty wprowadzające	Algebra liniowa 1 (DS1S1AL1), Algebra liniowa 2 (DS1S2AL2), Algorytmy i struktury danych (DS1S4ASD), Analiza matematyczna 1 (DS1S1AM1), Analiza matematyczna 2 (DS1S2AM2), Statystyka matematyczna (DS1S3SMA),
Cele przedmiotu	Przekazanie podstawowej wiedzy niezbędnej do analizy szeregów czasowych, tworzenia prognoz oraz oceny ich jakości. Rozwój praktycznych umiejętności modelowania i prognozowania ekonomicznych szeregów czasowych.
Treści programowe	Wykład 1. Teoretyczne podstawy prognozowania: definicje prognoz i ich znaczenie, funkcje i klasyfikacja prognoz, reguły i podstawowe założenia prognozowania, etapy prognozowania, błędy prognoz, dane wykorzystywane w prognozowaniu. Prognozowanie na podstawie klasycznych modeli trendu 2. Dopasowanie trendu liniowego do danych empirycznych, ekstrapolacja liniowej funkcji trendu 3. Dekompozycja szeregu czasowego 4. Modele wahań sezonowych 5. Metoda trendów jednoimiennych okresów 6. Prognozowanie z wykorzystaniem nieliniowego modelu trendu: wielomianowy, odwrotnościowy, wykładniczy, potęgowy, logarytmiczny, hiperboliczny I, II i III, log-hiperboliczny. Dopuszczalność prognoz 7. Miary dokładności prognoz: średni względny błąd prognozy ex post, średni kwadratowy błąd prognozy ex post, względny kwadratowy błąd prognozy ex post, współczynnik zbieżności Theila 8. Prognozowanie na podstawie modeli adaptacyjnych: metody naiwne, metody średniej ruchomej 9. Prognozowanie na podstawie modeli adaptacyjnych: metody wyrównywania wykładniczego, metoda trendu pełzającego z wagami harmonicznymi 10. Prognozowanie ma podstawie jednorównaniowego modelu ekonometrycznego: predykcja ekonometryczna, założenia teorii predykcji, źródła danych 11. Wybór postaci analitycznej modelu ekonometrycznego: liniowa, wielomianowa, wykładnicza, potęgowa, logarytmiczna, hiperboliczna 12. Symulacje na podstawie charakterystyk: prędkość zmian, stopa wzrostu, elastyczność, symulacje postaci analitycznej modelu 13. Analiza przepływów międzygałęziowych, tablica przepływów międzygałęziowych 14. Model Leontiewa, prognozowanie na podstawie modelu Leontiewa 15. Zaliczenie wykładu Pracownia specjalistyczna 1. Prognozowanie na podstawie klasycznych modeli trendu 2. Dopasowanie trendu liniowego do danych empirycznych, ekstrapolacja liniowej funkcji trendu 3. Dekompozycja szeregu czasowego 4. Modele wahań sezonowych 5. Metoda trendów jednoimiennych okresów 6. Prognozowanie z wykorzystaniem nieliniowego modelu trendu: wielomianowy, odwrotnościowy, wykładniczy, potęgowy, logarytmiczny, hiperboliczny I, II i III, log-hiperboliczny. Dopuszczalność prognoz 7. Kolokwium 8. Miary dokładności prognoz: średni względny błąd prognozy ex post, średni kwadratowy błąd prognozy ex post, względny kwadratowy błąd prognozy ex post, współczynnik zbieżności Theila 9. Prognozowanie na podstawie modeli adaptacyjnych: metody naiwne, metody średniej ruchomej 10. Prognozowanie na podstawie modeli adaptacyjnych: metody wyrównywania wykładniczego, metoda trendu pełzającego z wagami harmonicznymi 11. Prognozowanie ma podstawie jednorównaniowego modelu ekonometrycznego: predykcja ekonometryczna, założenia teorii predykcji, źródła danych 12. Wybór postaci analitycznej modelu ekonometrycznego: liniowa, wielomianowa, wykładnicza, potęgowa, logarytmiczna, hiperboliczna 13. Analiza przepływów międzygałęziowych, tablica przepływów międzygałęziowych 14. Kolokwium 15. Zaliczenie zajęć
Metody dydaktyczne	symulacja, ćwiczenia laboratoryjne, programowanie z użyciem komputera, wykład konwersatoryjny, wykład problemowy, wykład z prezentacją multimedialną,
Forma zaliczenia	Wykład: zaliczenie pisemne z pytaniami otwartymi Pracownia specjalistyczna: kolokwia
Symbol efektu uczenia się	Zakładane efekty uczenia się								Odniesienie do kierunkowych efektów uczenia się
EU1	podstawowe pojęcia z teorii predykcji oraz posiada zaawansowaną wiedzę w zakresie zastosowań matematyki w prognozowaniu.								DS1_W01 DS1_W08
EU2	powiązania zagadnień prognozowania z działami matematyki teoretycznej i stosowanej.								DS1_W01 DS1_W08
EU3	konstruować modele matematyczne wykorzystywane w prognozowaniu.								DS1_U09 DS1_U17
EU4	wyznaczać prognozy na podstawie modeli szeregów czasowych i modeli przyczynowo-skutkowych oraz ocenia jakość prognoz.								DS1_U03 DS1_U19
EU5	dobrać odpowiednią metodę rozwiązania prognozowania do postawionego problemu.								DS1_U03 DS1_U09
Symbol efektu uczenia się	Sposób weryfikacji efektu uczenia się								Forma zajęć na której zachodzi weryfikacja
EU1	zaliczenie pisemne								W
EU2	zaliczenie pisemne								W
EU3	kolokwia								Ps
EU4	kolokwia								Ps
EU5	kolokwia								Ps
Bilans nakładu pracy studenta (w godzinach)									Liczba godz.
Wyliczenie
	1 - udziałem w wykładach								30
	2 - udziałem w innych formach zajęć								30
	3 - indywidualnym wsparciem merytorycznym procesu uczenia się, udziałem w zaliczeniach organizowanych poza planem zajęć								4
	4 - przygotowaniem do zaliczenia wykładu								12
	5 - przygotowaniem do zaliczenia pracowni specjalistycznej								12
	6 - przygotowaniem do bieżących zajęć								12
RAZEM:									100
Wskaźniki ilościowe									GODZINY	ECTS
Nakład pracy studenta związany z zajęciami wymagającymi bezpośredniego udziału nauczyciela									64 (1)+(2)+(3)	2.6
Nakład pracy studenta związany z zajęciami o charakterze praktycznym									54 (2)+(5)+(6)	2.2
Literatura podstawowa	1. M. Cieślak (red): Prognozowanie gospodarcze: metody i zastosowanie, Wydawnictwo Naukowe PWN, Warszawa, 2011 2. B. Guzik, D. Appenzeller, W. Jurek, Prognozowanie i symulacje. Wybrane zagadnienia, Wydawnictwo Akademii Ekonomicznej w Poznaniu, Poznań, 2007 3. A. Zeliaś, B. Pawełek, S. Wanat: Prognozowanie ekonometryczne, teoria, przykłady, zadania, Wydawnictwo Naukowe PWN, Warszawa, 2004
Literatura uzupełniająca	1. M. Gruszczyński, Modele i prognozy zmiennych jakościowych w finansach i bankowości, Szkoła Główna Handlowa, Warszawa, 2002 2. L. Liu, Time series analysis and forecasting, River Forest: Scientific Computing Associates Corp., 2006 3. A. Welfe, Ekonometria: metody i ich zastosowanie, Polskie Wydawnictwo Ekonomiczne, Warszawa, 2009
Jednostka realizująca	Wydział Informatyki								Data opracowania programu
Program opracował(a)	dr Marzena Filipowicz-Chomko,dr Dariusz Kacprzak								2025.05.30