Programowanie narzędzi analitycznych II 2400-M1IiEPNA2

Obszary tematyczne poruszane na zajęciach można podzielić według następujących kategorii:
(1)-(2) Ilustrowanie podstawowych pojęć statystyki za pomocą metody Monte Carlo (błędy I i II rodzaju, kontrolowanie błędu I rodzaju – Bonferroni correction i podobne)
(3) Prawo Wielkich Liczb i Centralne Twierdzenie Graniczne
(4)-(7) Programowanie ciekawych modeli ekonometrycznych – opartych o MNW (Zaawansowana Ekonometria I), innych takich jak estymator Cochrane'a-Orcutta, SUREG. Programowanie alternatywnych wersji modeli ekonometrycznych (nieklasyczne funkcje związku)
(8) Własności modeli panelowych w eksperymentach Monte Carlo
(9) Programowanie estymatorów M
(10)-(11) Estymatory jądrowe funkcji gęstości
(12)-(13) Programowanie transformacji Fouriera
(14)-(15) Programowanie metody zmiennych instrumentalnych w oparciu o uogólnioną metodę momentów

Szacunkowy nakład pracy studenta: 4ECTS x 25h = 100h
(K) - godziny kontaktowe (S) - godziny pracy samodzielnej
zajęcia: 30h (K) 0h (S)
konsultacje: 2h (K) 0h (S)
przygotowanie do zajęć: 0h (K) 20h (S)
przygotowanie do zaliczenia: 0h (K) 10h (S)
przygotowanie pracy zaliczeniowej: 0h (K) 38h (S)
Razem: 32h (K) + 68h (S) = 100h

W cyklu 2025L:

Tworzenie nowych technik statystycznych i modeli ekonometrycznych wiąże się z koniecznością ich oprogramowania. Niejednokrotnie, w pracy badawczej czy analitycznej, podczas wnioskowania pojawia się potrzeba dostosowania istniejących modeli do analizowanych danych. Czasami, charakter danych jest na tyle odmienny od wcześniej rozważanych, że niezbędne jest stworzenie autorskiego modelu czy narzędzia statystycznego opartego o inne niż standardowe założenie czy rozkład.
Zajęcia w zamierzeniu mają korzystać z przedmiotów z pierwszego etapu studiów: Statystyka Matematyczna i Ekonometria (poziom podstawowy). Przedmiot ma wzmocnić samodzielność analityczną studentów na innych przedmiotach II etapu studiów. Przedmiot ma tworzyć podstawy dla przedmiotów z etapu magisterskiego.

Lista tematów:
(1)-(2) Ilustrowanie podstawowych pojęć statystyki za pomocą metody Monte Carlo (błędy I i II rodzaju, kontrolowanie błędu I rodzaju – Bonferroni correction i podobne)
(3) Prawo Wielkich Liczb i Centralne Twierdzenie Graniczne
(4)-(7) Programowanie ciekawych modeli ekonometrycznych – opartych o MNW (Zaawansowana Ekonometria I), innych takich jak estymator Cochrane'a-Orcutta, SUREG. Programowanie alternatywnych wersji modeli ekonometrycznych (nieklasyczne funkcje związku)
(8) Własności modeli panelowych w eksperymentach Monte Carlo
(9) Programowanie estymatorów M
(10)-(11) Estymatory jądrowe funkcji gęstości
(12)-(13) Programowanie transformacji Fouriera
(14)-(15) Programowanie metody zmiennych instrumentalnych w oparciu o uogólnioną metodę momentów

Szacunkowy nakład pracy studenta:
Typ aktywności K (kontaktowe) S (samodzielne)
wykład (zajęcia) 0 0
ćwiczenia (zajęcia) 30 0
egzamin 0 0
konsultacje 2 0
przygotowanie do ćwiczeń 0 30
przygotowanie do wykładów 0 0
przygotowanie do kolokwium 0 0
przygotowanie do egzaminu 0 0
praca zaliczeniowa 0 38
Razem 32 68 = 100

Koordynatorzy przedmiotu

Anna Lewczuk-Czerwińska

Rodzaj przedmiotu

nieobowiązkowe

Efekty uczenia się

Po ukończeniu przedmiotu, student:
W ZAKRESIE WIEDZY:
zna i rozumie wady i zalety wykorzystywania programów komputerowych w analizowaniu danych
zna i rozumie podstawowe techniki i narzędzia informatyczne
zna i rozumie wybrane narzędzia analityczne i obliczeniowe wykorzystywane w pracy ekonomisty.
W ZAKRESIE UMIEJĘTNOŚCI:
potrafi skonstruować własne funkcje i skrypty.
potrafi stworzyć funkcje i skrypty realizujące testy i modele statyczne i ekonometryczne będące rozwinięciami klasycznych metod.
potrafi pracować z podstawowymi formatami danych oraz strukturami danych.
W ZAKRESIE KOMPETENCJI:
wykazuje świadomość w zakresie pracy z programami przygotowanymi przez innych oraz dzięki doświadczeniu pracy na zajęciach potrafi opracować programy które mogą być wykorzystywane przez innych.
jest gotów komunikatywnie zaprezentować dane w postaci tabel i wykresów

Kryteria oceniania

Uzyskanie zaliczenia przedmiotu wymaga:
1. zaliczenia kolokwium (50%)
2. oddania pracy zaliczeniowej (30%);
3. pracy na zajęciach w szczególności aktywności (20%)
4. Skala ocen:
<60% - 2
[60%,65%) - 3
[65%,70%) - 3,5
[70%,80%) - 4
[80%,90%) - 4,5
[90%,100%] - 5

Literatura

1. Materiały przygotowane przez prowadzącego
2. Owen Jones, Robert Millardet i Andrew Robison, Introduction to Scientific Programming and Simulation Using R, CRC Press, 2009
3. Vance Martin, Stan Hurn i David Harris, Econometric Modelling with Time Series. Specification, Estimation and Testing, Cambridge University Press, 2013
4. Badi H. Baltagi, Econometric analysis of panel data 3rd ed., John Wiley & Sons, 2005
5. Mycielski J., Skrypt do Ekonometrii, Wydział Nauk Ekonomicznych

W cyklu 2025L:

Literatura
1. Owen Jones, Robert Millardet i Andrew Robison, Introduction to Scientific Programming and Simulation Using R, CRC Press, 2009
2. Vance Martin, Stan Hurn i David Harris, Econometric Modelling with Time Series. Specification, Estimation and Testing, Cambridge University Press, 2013
3. Badi H. Baltagi, Econometric analysis of panel data 3rd ed., John Wiley & Sons, 2005
4. Jerzy Mycielski, Skrypt do Ekonometrii, WNE UW
5. Materiały przygotowane przez prowadzącego