1). Co to znaczy e symulacja stochastyczna daje wyniki zgrubne tanio a wyniki precyzyjne drogo?

Chodzi o to, e dokadno ronie wolniej ni ilo wykonywanych replikacji w symulacji stochastycznej.Precyzyjnie drogo aby obliczenia byy dokadne trzeba wykona wicej replikacji co wie si z powiceniem wicej czasu i pienidzy. ,,Zgrubne tanio to symulacja zrobiona szybko i tanio, ale za to daje wyniki przyblione. 2). Kiedy stosujemy symulacj na kracie? Symulacj na kracie stosujemy wtedy, gdy rozkad wynikw zaley od dwch wielkoci decyzyjnych tj: dugoci serii produkcyjnej oraz ceny sprzeday. Natomiast jeeli byoby pytanie: Co to jest symulacja na kracie, lub opisz symulacj to: Symulacja na kracie polega na tym, e jak odoymy na osi poziomej pierwsz ze zmiennych, za na pionowej drug to otrzymamy krat, czyli siatk punktw, na ktrej kadej parze wartoci zmiennych decyzyjnych odpowiada jeden punkt. Obliczenia powtarzane w kadym wle kraty nazywa si ,,obliczeniami na kracie. 3.) Jakie metody stosujemy do prognozy zmiennej z trendem? metoda naiwna, przyrost bez zmian; - metoda naiwna, przyrost procentowy bez zmian; - metoda redniej ruchomej uredniajcej przyrost. 4.) W jakim celu dokonujmy analizy ex post? W celu zbadania waciwoci prognostycznych modelu, w celu okrelenia trafnoci prognozy, w celu analizy przeszych zjawisk ( wyznacza si jej bd ex post i ocenia dokadno prognozowania). 5.) Jakie s wady metod rednich? 1. Wszystkie uwzgldnione przy liczeniu rednich obserwacje (niezalenie od wieku) maj taki sam wpyw na stawian prognoz; 2. Konieczno doboru staej wygadzania k; 3. Konieczno przechowywania duej iloci danych ze wzgldu na du ilo k. 6.) Co robimy by wybra odpowiedni model do prognozowania? 1. Patrzymy czy w danym modelu wystpuje trend; 2. Patrzymy czy w danym modelu wystpuje sezonowo; trzeba dowiedzie si wedug jakiej zasady zosta skonstruowany predykator, wybr tej zasady zaley od tego jak pacimy za bdy. 7.) Masz skonstruowa prognoz, wymie etapy postpowania. 1. Sformuowanie zadania prognostycznego; 2. Sformuowanie przesanek prognozy; 3. Wybr predykatora 4. Wyznaczenie prognozy 5. Ocena dokadnoci prognozy; 6. Weryfikacja prognozy. 8.) Jakie kroki skadaj si na kompletn symulacj stochastyczn? 1.) Specyfikacja problemu; 2.) Podjcie decyzji o liczebnoci prby T oraz liczebnoci replikacji S; 3.) Krok I w replikacji uruchomienie prawdziwego modelu celem wygenerowania prby; 4.) Krok II w replikacji wykorzystanie wygenerowanej prby do wyliczenia wartoci estymatora; 5.) Krok III w replikacji zapisanie wynikw replikacji; 6.) Po zrealizowaniu N replikacji opracowanie wynikw. 9.) W jakich okolicznociach uciekamy si do symulacji? 1. Wtedy gdy danego eksperymentu nie moemy wykorzysta w wiecie rzeczywistym; 2. Wtedy gdy nie moemy wykona eksperymentu w systemie fizycznym (analogowym); 3. Wtedy gdy eksperyment w rzeczywistoci jest zbyt drogi lub niebezpieczny; 4. Wtedy gdy analizy matematyczne s zbyt skomplikowane lub jeszcze ich nie ma. 10. Jakie metody s przydatne do prognozowania zmiennej z trendem? - metoda naiwna, przyrost bez zmian; - metoda naiwna, przyrost procentowy bez zmian; - metoda redniej ruchomej uredniajcej przyrost. 11.) Wymie 3 wady/zalety metod opartych na rednich ruchomych. Wady: 1. Wszystkie uwzgldnione przy liczeniu rednich obserwacje (niezalenie od wieku) maj taki sam wpyw na stawian prognoz; 2. Konieczno doboru staej wygadzania k; 3. Konieczno przechowywania duej iloci danych ze wzgldu na du ilo k. Zalety: 1. poniewa nie opiera si na kilku ostatnich obserwacjach to stara si zmniejszy efekt przypadku na stawian prognoz, 2. pomija wpyw najstarszych obserwacji na stawian prognoz. 12.) Ex post, a ex ante, wymie rnice. Ex post jest dokonywana dla okresw, ktrych znamy realizacj zmiennej objanianej przez model. Prognozy ex post wylicza si dla prognoz wygasych, prognoza bezwarunkowa. Ex ante wartoci zmiennych objanianych musz by wczeniej uzyskane przez prognozowanie pomocnicze (nie znane s zmienne) tj. wartoci zmiennych endogenicznych. 13.) Porwnaj pojcia: Cykliczno, a sezonowo. Sezonowo s to wahania sezonowe, o cyklu krtszym ni 1 rok. Cykliczno s to wahania o cyklu duszym ni 1 rok (odchylenia zmiennej objanianej zwizane z porami roku). 14.) Czego moemy dowiedzie si dziki symulacji stochastycznej? 1. Moemy zbada waciwoci modelu (parametry, zmienne, ograniczenia); 2. Symulacja stochastyczna (prbkowanie modelu) pozwala na okrelenie charakteru rozkadw wycinkowych tam gdzie zastosowanie technik analitycznych jest zawodne; 3. Pozwala nam wyznaczy wartoci rednie, szacowa prawdopodobiestwa, wyznacza przedziay ufnoci. 15.) Do czego wykorzystujemy generatory liczb losowych? Wykorzystujemy go do dostarczania symulacji liczb o danych waciwociach, natomiast generator liczb losowych jest to urzdzenie, ktre nie produkuje przypadkowych liczb, lecz stany, ktre pniej wyraane s jako liczby, czsto GLL oznaczany jest jako generator zdarze losowych. Generator liczb pseudolosowych rni si tym, i jest skoczony (gdyby byo takie pytanie) , rni si te tym, e wyniki s przewidywane za pomoc cikich, skomplikowanych procedur matematycznych. 16.) Jakie metody s przydatne do prognozowania zmiennej z sezonowoci?- metoda Wintera (trend liniowy) - metoda trendu z sezonowoci (model analizy szeregu czasowego) - metoda redniej ruchomej waonej 17.) Wymie zalety metod wyrwnania wykadniczego (adaptacyjnych). - suy do odfiltrowania szeregu czasowego z zakce, tak aby zminimalizowa ich wpyw na prognoz; - jest szybka i tania; - jest prosta w zastosowaniu. 18. Porwnaj pojcia: prognoza ex post oraz prognoza ex ante. Ex post jest dokonywana dla okresw, ktrych znamy realizacj zmiennej objanianej przez model. Prognozy ex post wylicza si dla prognoz wygasych, prognoza bezwarunkowa. Ex ante wartoci zmiennych objanianych musz by wczeniej uzyskane przez prognozowanie pomocnicze (nie znane s zmienne) tj. wartoci zmiennych endogenicznych. 19.) Etapy prognozowania: 1.) Sformuowanie zadania prognostycznego; 2.) Sformuowanie przesanki prognozy; 3.) Wybr predykatora; 4.) Wyznaczanie prognozy; 5.) Ocena dokadnoci prognozy; 6.) Weryfikacja prognozy. 20.) Etapy symulacji: 1.) Sformuowanie problemu; 2.) Konstrukcja modelu matematycznego; 3.) Okrelenie warunkw eksperymentowania; 4.) Sformuowanie programu komputerowego; 5.) Realizacja eksperymentw symulacyjnych; 6.) Ustalenie zasadnoci modelu; 7.) Analiza danych; 8.) Zalecenia dla kierownictwa. 21. Porwnaj pojcia: Czym si rni ex post od ex ante? Ex post jest dokonywana dla okresw, ktrych znamy realizacj zmiennej objanianej przez model. Prognozy ex post wylicza si dla prognoz wygasych, prognoza bezwarunkowa. Ex ante wartoci zmiennych objanianych musz by wczeniej uzyskane przez prognozowanie pomocnicze (nie znane s zmienne) tj. wartoci zmiennych endogenicznych. 22.) Wymie 3 wady metod opartych na rednich ruchomych. 1. Wszystkie uwzgldnione przy liczeniu rednich obserwacje (niezalenie od wieku) maj taki sam wpyw na stawian prognoz; 2. Konieczno doboru staej wygadzania k; 3. Konieczno przechowywania duej iloci danych ze wzgldu na du ilo k. 23.) Jakie metody nie nadaj si do szeregu z trendem? - poziom bez zmian; - model redniej ruchomej uredniajcej poziom; - model Browna.

24.) Wymieni wady/zalety rednich ruchomych. Wady: 1. Wszystkie uwzgldnione przy liczeniu rednich obserwacje (niezalenie od wieku) maj taki sam wpyw na stawian prognoz; 2. Konieczno doboru staej wygadzania k; 3. Konieczno przechowywania duej iloci danych ze wzgldu na du ilo k. Zalety: 1. poniewa nie opiera si na kilku ostatnich obserwacjach, to stara si zmniejszy efekt przypadku na stawian prognoz; 2. pomija wpyw najstarszych obserwacji na stawian prognoz. 25.) Czym rni si bdy prognozy ex ante od ex post? Bd prognozy ex post zaley od waciwoci modelu, nie zaley natomiast od trafnoci zaoe co do wartoci zmiennym egzogenicznych. Na bd prognozy ex ante wpywaj zarwno waciwoci modelu jak i trafno zaoe co do wartoci egzogenicznych. 26.) Kiedy stosujemy metod Holta, Browna i Wintersa. Holt stosujemy wtedy, gdy w szeregu czasowym obok waha przypadkowych wystpuje wyrana tendencja spadkowa bd wzrostowa i wtedy, gdy wystpuje trend. Brown stosujemy wtedy, gdy w szeregu czasowym wystpuj jedynie wahania przypadkowe wok pewnego, staego poziomu i nie wystpuje trend. Winters stosujemy wtedy, gdy w szeregu czasowym wystpuje trend, sezonowo i wahania przypadkowe. 27.) Co to jest replikacja? - jest to pojedyncze rozwizanie otrzymane po wstawieniu wartoci konkretnych zaburze, kada replikacja dostarcza kolejnej obserwacji na zmiennych; - jest to kada powtrka losowania; 28.) Jakich metod nie uywamy kiedy mamy sezonowo, albo trend (nie pamitam wanie czy bya mowa o trendzie czy o sezonowoci) Poniej tabelka do rozkminy: a) Trend bez sezonowoci -metoda naiwna , - przyrost procentowy bez zmian (trend wykadniczy) - metoda naiwna - przyrost bez zmian (trend liniowy) - metoda redniej ruchomej uredniajcej przyrost - metoda Holta (wygadzanie wykadnicze z trendem liniowym) b) Trend + sezonowo - metoda Wintera (trend liniowy) - metoda trendu z sezonowoci (model analizy szeregu czasowego. c) Sezonowo bez trendu - metoda trendu z sezonowoci (model analizy szeregu czasowego) - metoda redniej ruchomej waonej d) Bez trendu + bez sezonowoci: - metoda naiwna typu poziom bez zmian - metoda redniej ruchomej uredniajcej poziom - metoda Browna (proste wygadzanie wykadnicze) 29.) Symulacja stochastyczna czym jest i o czym informuje? Symulacja stochastyczna w rozumieniu, jako prbkowanie modelu (model sampling) oznacza generowanie reprezentatywnej prby zmiennych niezalenych (egzogenicznych) modelu, aby nastpnie wyliczy pewne sumaryczne charakterystyki trajektorii, po jakiej biegn zmienne zalene (endogeniczne) modelu, w domyle take zmienne zalene modelowanego systemu. Prbkowanie systemu pozwala na okrelenie charakteru rozkadw wynikowych tam, gdzie zastosowanie technik analitycznych jest zawodne. Zawiera elementy niepewne (zmienne lub parametry, ktre s losowe). Losowe elementy modelu podlegaj samodzielnemu modelowaniu, a proces ich przedstawiania staje si elementem skadowym symulacji; mona wyznaczy wartoci rednie, szacowa prawdopodobiestwa, wyznacza przedziay ufnoci; Zalety i wady symulacji stochastycznej? Zalety: 1. moliwo analiz systemw nierozwizywalnych analitycznie, 2. szybko i stosunkowo niewielki koszt uzyskania rozwizania, 3. wszechstronno analizy, 4.Uniwersalizm, powtarzalno eksperymentw w tych samych warunkach, Wady: 1. symulacja daje najczciej szybko wynik przybliony, 2. mniej dokadny, 3. symulacja moe prowadzi do nieefektywnoci uzyskanego wyniku, 4. brak odpowiedzi na to, czy to co robimy jest poprawne. Rnice pomidzy modelem deterministycznym od stochastycznym. Modele stochastyczne cechuj si tym, e mog zawiera elementy niepewne, czyli zmienne lub parametry, ktre s losowe. Modele deterministyczne s uproszczeniem modelw stochastycznych i nie zawieraj elementw niepewnych (wykorzystuj np. wartoci oczekiwane). Jakie przynajmniej dwie informacje daje nam zastosowanie symulacji stochastycznej? - jakie przewidywane skutki mog wywoa rne warianty dziaania (rne wartoci zmiennych objaniajcych) - jakie wartoci zmiennych egzogenicznych naley wybra, aby opisywane przez model zmienne endogeniczne przebiegay wedug podanej trajektorii Jakie kroki powinno si podj w momencie, gdy przeprowadzane symulacje stochastyczne daj zupenie rne wyniki? zwikszy liczebno prby, - zwikszy liczb replikacji, - wyliczy redni. Wady/Zalety METOD NAIWNYCH ( metody naiwne ) metody naiwne mog by uywane do porwnywania trafnoci konstruowanych za ich pomoc prognoz i prognoz budowanych innymi, bardziej skomplikowanymi metodami oraz do oceny celowoci stosowania innych metod prognozowania. Zalety: -prosta; szybko wykonywania oblicze; mae zapotrzebowanie na informacje (na obserwacje); niewielkie koszty z tym zwizane, atwe do zrozumienia, proste w realizacji Wady: opieranie prognozy na 1 obserwacji (tej najwieszej) powoduje, e prognozy te zazwyczaj obarczone s duym bdem (jako i trafno jest na og niska), problemy zwizane z szacowaniem bdu; jej ocen przeprowadza si tylko na podstawie bdu ex post (bd ex ante jest bardziej poadany); bardzo podatne na zakcenia. Czego dowiedziae si rozwizujc zadanie RURKI? *1. miary wyliczane z rnych prb maj odmienne wartoci (zmienno prby wartoci s niepewne, bo zostay wyliczone z losowo dobranej prby); 2.przy mao licznej prbie bardzo widoczne jest zjawisko ziarnistoci; 3.pomiary wyznaczone na podstawie mao licznych prb (maej iloci replikacji) s stosunkowo mao dokadne; 4.w miar wzrostu liczebnoci prby dokadno wynikw wzrasta; Wnioski wycignite z przykadu SUKIENKI? 1. dziki takiej symulacji prostej na kracie firma moe si dowiedzie przy jakiej kombinacji zmiennych decyzyjnych (w tym wypadku serii produkcyjnej i ceny) osignie najwikszy zysk; 2. poziom zmiennych decyzyjnych jest ustalony, ale wystpuj take zmienne losowe prezentujce stan natury (w tym wypadku koszty jednostkowe i popyt na sukienki; Replikacja skada si z nastpujcych czynnoci: 1. Zaburzanie niepewnych elementw modelu 2. Zaburzone elementy wstawiamy do modelu (rozwizujemy) 3. Rejestrujemy wartoci zmiennych wyjciowych modelu. Co to jest symulacja? Symulacja to wprawienie modelu w ruch i obserwacja reakcji zmiennych endogenicznych (zalenych) na zmiany wartoci zmiennych egzogenicznych (niezalene). Odtwarzanie istoty systemu lub jego dziaania bez rzeczywistego uruchomienia samego systemu Wyjanij rnic midzy symulacj cig i dyskretn. Podaj przykady: Symulacja ciga jest stosowana do opisu zjawisk MAKROEKONOMICZNYCH. Cecha charakterystyczna: wykorzystanie funkcji ciglych w opisie czasu. Symulacja dyskretna (skokowa) opisuje zjawiska MIKROEKONOMICZNE. Cechca charakterystyczna: suy do opisu zjawiska upywu czasu, metoda planowania zdarzen, iterakcji procesw i wyboru dziaa. Cige w czasie >wartoci zmiennej s okrelone w KADYM momencie czasu Dyskretne w czasie- >wartoci zmiennej s okrelone w WYBRANYCH momentach czasu. Wyjanij rnic midzy symulacj statyczn i dynamiczn. Podaj przykady: W symulacji statycznej czas nie gra roli i dany przypadek da si rozwiza przez fizycznie przeprowadzony eksperyment. Zastosowanie: analiza raczyskow i strat. W symulacji dynamicznej czas jest istotny poniewa kolejne stany zmiennych systemu s zalene od stanw poprzednich. Zastosowanie: obsuga centrali telefonicznej, analiza zyskw i strat.

Ziarnisto prby - gdy niemoliwe jest uzyskanie wartoci porednich np. 0,15 pomidzy 0,1 i 0,2. Powodem jest ograniczona ilo replikacji. W prbie N obserwacji dwie ssiadujce czstoci wystpowania wybranej wartoci zmiennej rni si nie mniej ni o 1/N. Prognozowanie strukturalne a niestrukturalne: Prognozowanie STRUKTURALNE (proste) - wykorzystuje si model strukturalny tzn. taki, e rwnania odzwierciedlaj pewn teori, a ich estymacja dostarcza ocen parametrw i pozwala na weryfikacj tej teorii z danymi statystycznymi. Prognozowanie NIESTRUKTURALNE (zoone) - zakada, e w przeszloci prognozowanej zmiennej znajduje si informacja o mechanimie, ktre generuje jej przysze wartoci. Co to jest szereg czasowy? Szereg czasowy to cig wynikw obserwacji uporzdkowany w czasie. Szereg czasowy okesw - zmienne maj posta strumieni (np. przychody za sprzeday w kolejnych kwartaach). Szereg czasowy momentw - zmienne maj posta zasobw (np. warto zapasw na koniec miesica). Skrty: RMSE - o ile rednio jednostek wartoci rozwizania odchylaj si na plus lub na minus od danych faktycznych RMSPE - procentowy odpowiednik powyszego MAPE - te procentowe, ale inaczej wyliczane (bez pierwiastkowania i z uyciem wartoci bezwzgldnych) ME bd redni MAPE redni bezwzgldny bd procentowy MSPE redniokwadratowy bd procentowy RMSPE pierwiastek redniokwadratowego bdu procentowego ME- umoliwia ocen przecitnego obcienia prognozy. Kiedy dana prognoza nie jest obciona, warto jej powinna wynosi 0.