Föreläsning 2. Prognostisering: Prognosprocess, efterfrågemodeller, prognosmodeller
|
|
- Fredrik Pettersson
- för 7 år sedan
- Visningar:
Transkript
1 Föreläsning 2 Prognosisering: Prognosprocess, eferfrågemodeller, prognosmodeller
2 Kurssrukur Innehåll Föreläsning Lek1on Labora1on Inroduk*on, produk*onsekonomiska grunder, produk*onssysem, ABC- klassificering Fö 1 Prognos*sering Fö 2 Le 1 La 1 Sälj- och verksamhesplanering Fö 3 Le 2 La 2 Projekplanering, fas posi*on Fö 4 Le 3 Lagersyrning Fö 5 Le 4 La 3 Planering av funk*onell verksad, Fö 6 Le 5 layou, MRP och HP Planering av funk*onell verksad, Fö 7 Le 6 dealjplanering Gäs$öreläsning AsraZeneca Fö 8 Planering av lina, kanban, Fö 9 Le 7 linjebalansering Specialfall; produkval, kopplade lager Fö 10 Le 8 cyklisk planering Le 9
3 Varför prognosisera? Öka kunskap om eferfrågan och försäljning Inom finans och ekonomiavdelningen budgeplanering Inom marknadsavdelningen planering av nya produker Inom produkion processval, kapaciesplanering maerialplanering, lagersyrning Ökad lönsamhe
4 Varför prognosisera? P/L-kvo Produkionsledid Leveransledid Planering baserad på spekulaion (prognos) Planering baserad på kundorder Kund Produkion iniierad Kundorder erhållen Kundorder levererad KOP Kundorderpunk [Tid]
5 Hur kan vi vea någo om Eferfrågan/ prognos framiden? fakisk eferfrågan? prognosiserad eferfrågan Hisorisk eferfrågan fakisk eferfrågan? Idag Planeringshorison Tid
6 Förhållande mellan id och informaion Ef erf rågan Produkgrupp A Produk A1 Produk A2 Produk A3 Produk A4 Period 40 S Tid Veckoprognos Månadsmedelprognos
7 Prognosmodeller Bedömning Prognosmodeller Saisik Kvaliaiva Kvaniaiva Inuiiva Kausala Tidsserie Delphimeoden Säljkårsuppskaning Regressionsanalys Enkel exrapolering Experulåanden Marknadsundersökning Ekonomeriska modeller Ledande indikaorer Dekomposiion Hisorisk analogi Expersysem Kursens fokus
8 Hisorien som bas för prognosen Tidsserier Tidsserier kronologisk ordnade observaioner: γ = α + β + e Med hjälp av idsserier för γ och skaas paramerarna α och β (s.k. regressionsanalys) e är en slumperm och urycker den variaion i γ som modellen ine kan förklara β = 2 [månad] 1? γ [Eferfrågan] α = 98 γ =
9 Tidsserier Exempel γ [Eferfrågan] [månad] γ = α + β + e Regessionsanalys ger γ =108,6 + 2, Troligvis ingen bra prognos
10 Tidsseriekomponener Trend T Säsong S Cykel C Nivå N Slump e (error) Tid periodid 1 år Tid periodid > 1 år Tid Tid Tid Dessa idsseriekomponener kan sedan illsammans ugöra den underliggande eferfrågemodellen (D).
11 Eferfrågemodeller - modellyper Addiiva modeller D = N + S + T + C + e (demand = nivå + säsong + rend + cykel + slump) Muliplikaiva modeller D=N S T C e Blandade modeller D=N+S T+e D=(N+S) T+e D = N S+T + e
12 Regisrera daa Regisrera daa i de dimensioner (marknad, produkgrupp, idsperiod, enhe, ec.) som skall prognosiseras Regisrera exraordinära händelser
13 Dekomposiion Sara med a ploa idsserien Rensa förs daa för effeker av kända, icke repeiiva händelser, ex leveransförseningar, produkionssopp, ec. Dra slusaser uifrån diagramme om vilka idsseriekomponener som ingår i eferfrågemodellen. Ansä eferfrågemodell. Rensa därefer idsserien från dessa komponener i lämplig ordning Lämplig ordning är beroende av hur eferfrågemodellen byggs I kursen kommer vi huvudsakligen a ia på modeller där vi förs rensar bor renden (T), sedan säsongen (S), och sluligen nivån (N).
14 Enkel exrapolering Meoder Konsana modeller (D = N och e) Glidande medelvärde = 15 3 F + 1 D + D D 1 1 N+ 1 = = N N i= N+ 1 D i = S 10 S Tid Eferfrågan Glidande medelvärde (m=3) Glidande medelvärde (m=5) Tid Eferfrågan Glidande m edelvärde (m=3) Glidande m edelvärde (m=5)
15 Enkel exrapolering Meoder Konsana modeller (D = N och e) Exponeniell ujämning o U innehåller informaion om hisorien o Uppdaera med senase D och hisorien U Hur mycke liar vi på senase D? (α ) U = αd + ( 1 α) U 1 F = + 1 U
16 Trendmeoder Trendmodeller (D = N, T och e) Exponeniell ujämning med rend U = αd + (1 α)( U + T ) 1 1 T = β( U U ) + (1 β) T F = + U + T α och ß är ujämningskonsaner för exponeniell ujämnad medeleferfrågan sam renden
17 Trend- och säsongsmeoder Kombinerad rend- och säsongsmeoder (D = N, T, S och e) Exponeniell ujämning med rend och säsong D = ( a + b) c + ε där a b c nivå renden per period = säsongindex ε = slump = = D U = α + (1 α)( U + T ) 1 1 S N T = β( U U ) + (1 β) T S 1 1 D = γ + (1 γ) S U N
18 Prognosfel (e) Varför mäa prognosfel? Prognosfele, e, för period besäms som: e = D F där D = fakisk eferfrågan i period F = prognosiserad eferfrågan i period
19 Medelabsolufel En av del vanligase meoderna för a mäa prognosprecision är medelabsolufele, MAD MAD är lä a beräkna och kan uppdaeras periodisk, enlig: MAD = 1 n n e n = 1 MAD = α e + (1 α) MAD 1 Vid anagande om e normalfördela prognosfel gäller följande förhållande: σ 1, 25 MAD
20 Övriga fel Man kan också mäa medelkvadrafele, MSE MSE = 1 N N = 1 2 e eller medelfele, ME ME = 1 N N = 1 e
21 Prognosuppföljning För a auomaisk konrollera prognosen mo eferfrågedaa används så kallade Trackningsysem Finns i olika varianer Trackingsignal: (exremvärde) TSD = e MAD 1 Se kursboken, sid för yerligare informaion och andra yper av racking-signaler!
22 Prognosprocessen, Meodik Formulera probleme Formulera probleme Skaffa informaion Välj meod Implemenera meod Uvärdera meod Använd prognos Indaa ill planeringen
23 Sammanfaning Prognosprocessen KUND- ORDER LAGER Hisorisk eferfrågan Jusering av modellen och dess paramerar Kvaliaiv prognos Maemaisk modell Kvaniaiv prognos KUND- ORDER LAGER Fakisk eferfrågan Åerkoppling (feedback) Slugilig prognos Beräkning av prognosfel
24 A änka på Prognoser är vanligvis beingade med en viss osäkerhe ( fel ) Ju längre prognoshorison, deso mindre säker prognos Aggregerade prognoser är mer illförliliga En prognos skall aldrig användas uesluande om känd informaion finns illgänglig En bra prognos bör vara mer än en ensam siffra
Föreläsning 3. Kursstruktur. Agenda. Prognostisering: Prognosprocess, efterfrågemodeller, prognosmodeller och prognosverktyg
Föreläsning Prognosisering: Prognosprocess, eferfrågemodeller, prognosmodeller och prognosverkyg Avsluning Planeringssysem Fas posiion Fö 6a: Projekplanering (CPM, PERT, mm) Le : Projekplanering (CPM/
Läs merFöreläsning 3. Prognostisering: Prognosprocess, efterfrågemodeller, prognosmodeller och prognosverktyg
Föreläsning 3 Prognostisering: Prognosprocess, efterfrågemodeller, prognosmodeller och prognosverktyg Kursstruktur Innehåll Föreläsning Lektion Laboration Introduktion, produktionsekonomiska Fö 1 grunder,
Läs merFinansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 9. Analys av Tidsserier (LLL kap 18) Tidsserie data
Finansiell Saisik (GN, 7,5 hp,, HT 008) Föreläsning 9 Analys av Tidsserier (LLL kap 8) Deparmen of Saisics (Gebrenegus Ghilagaber, PhD, Associae Professor) Financial Saisics (Basic-level course, 7,5 ECTS,
Läs merFöreläsning 8. Kap 7,1 7,2
Föreläsning 8 Kap 7,1 7,2 1 Kap 7: Klassisk komponenuppdelning: Denna meod fungerar bra om idsserien uppvisar e saisk mönser. De är fyra komponener i modellen: Muliplikaiv modell: Addiiv modell: där y
Läs merFöreläsning 7 Kap G71 Statistik B
Föreläsning 7 Kap 6.1-6.7 732G71 aisik B Muliplikaiv modell i Miniab Time eries Decomposiion for Försäljning Muliplicaive Model Accurac Measures Från föreläsning 6 Daa Försäljning Lengh 36 NMissing 0 MAPE
Läs merbättre säljprognoser med hjälp av matematiska prognosmodeller!
Whiepaper 24.9.2010 1 / 5 Jobba mindre, men smarare, och uppnå bäre säljprognoser med hjälp av maemaiska prognosmodeller! Förfaare: Johanna Småros Direkör, Skandinavien, D.Sc. (Tech.) johanna.smaros@relexsoluions.com
Läs merFöreläsning 5. Kursstruktur. Agenda Planering och styrning
Föreläsning 5 Planeringssysem och Sälj- & verksamhesplanering: Hierarkiska planeringssysem och aggregerad planering (SVP) Avsluning Planeringssysem Fas posiion Fö 6a: Projekplanering (CPM, PERT, mm) Le
Läs merPRODUKTIONSEKONOMI för I, Ii
Tekniska högskolan vid LiU Insiuionen för ekonomisk och indusriell uveckling Produkionsekonomi Mahias Henningsson TENTAMEN I TPPE3 PRODUKTIONSEKONOMI för I, Ii FREDAGEN DEN 8 DECEMBER 2009, KL 4-8 SAL:
Läs merFREDAGEN DEN 21 AUGUSTI 2015, KL 14-18. Ansvarig lärare: Helene Lidestam, tfn 282433 Salarna besöks ca kl 15.30
Tekniska högskolan vid LiU Insiuionen för ekonomisk och indusriell uveckling Produkionsekonomi Helene Lidesam TENTAMEN I TPPE13 PRODUKTIONSEKONOMI för I,Ii FREDAGEN DEN 21 AUGUSTI 2015, KL 14-18 Sal: Provkod:
Läs merTPPE13 PRODUKTIONSEKONOMI för I, Ii
LINKÖPINGS TEKNISKA HÖGSKOLA Insiuionen för ekonomisk och indusriell uveckling Produkionsekonomi Mahias Henningsson TENTAMEN I TPPE3 PRODUKTIONSEKONOMI för I, Ii TORSDAGEN DEN 6 APRIL 009, KL 4-8 SAL:
Läs merAmbulanslogistik - prognostisering av ambulansuppdrag
Examensarbee LITH-ITN-KTS-EX--07/009--SE Ambulanslogisik - prognosisering av ambulansuppdrag Erik Magnusson 2007-03-20 Deparmen of Science and Technology Linköpings Universie SE-601 74 Norrköping, Sweden
Läs merTidsserieanalys. Vad karaktäriserar data? Exempel:
Tidsserieanalys Exempel: Vad karakäriserar daa? Observaionerna är ine oberoende Observaionerna ger e mönser över iden ex sigande värden med iden ex periodisk variaion över en idsperiod av besämd längd
Läs merPerspektiv på produktionsekonomi - en introduktion till ämnet
Perspekiv på produkionsekonomi - en inrodukion ill ämne Fredrik Olsson (fredrik.olsson@iml.lh.se) Ins. för Teknisk ekonomi och logisik LTH, Lunds universie Vad är produkionsekonomi? (eng. ~ Producion &
Läs merFöreläsning 8 Kap G71 Statistik B
Föreläsning 8 Kap 6.8 732G71 Saisik B Y Saionarie 25 2 För en saionär idsserie gäller 15 1 E(y ) = Var(y ) = 2 Corr(y, y -k ) beror bara av k (idsavsånde) och allså ine av. Uryck i ord: korrelaionen på
Läs merLektion 2 Sälj- & verksamhetsplanering (SVP) Rev HL
Lekion 2 Sälj- & verksamhesplanering (SVP) Rev 5006 HL Innehåll Nivå : Produkion mo kundorder (SVP.) Monering mo kundorder (SVP.2) Produkion mo lager (SVP.3) Lagerlös produkion (Chase) (SVP.4) Ujämnad
Läs merExempeltenta 3 SKRIV KLART OCH TYDLIGT! LYCKA TILL!
Exempelena 3 Anvisningar 1. Du måse lämna in skrivningsomslage innan du går (även om de ine innehåller några lösningsförslag). 2. Ange på skrivningsomslage hur många sidor du lämnar in. Om skrivningen
Läs merTPPE13 PRODUKTIONSEKONOMI för I,Ii TORSDAGEN DEN 20 DECEMBER 2012, KL Ansvarig lärare: Helene Lidestam, tfn Salarna besöks 9.
ekniska högskolan vid Li Insiuionen för ekonomisk och indusriell uveckling Produkionsekonomi Helene Lidesam EAME I PPE3 PROKIOSEKOOMI för I,Ii ORSAGE E 20 ECEMBER 202, KL 8-2 Sal: ER och ER2 Provkod: E
Läs merFöreläsning 5. Lagerstyrning
Föreläsning 5 Lagerstyrning Kursstruktur Innehåll Föreläsning Lek1on Labora1on Introduk*on, produk*onsekonomiska grunder, produk*onssystem, ABC- klassificering Fö 1 Prognos*sering Fö 2 Le 1 La 1 Sälj-
Läs mern Ekonomiska kommentarer
n Ekonomiska kommenarer Riksbanken gör löpande prognoser för löneuvecklingen i den svenska ekonomin. Den lönesaisik som används som bas för Riksbankens olika löneprognoser är den månaliga konjunkurlönesaisiken.
Läs merLektion 4 Lagerstyrning (LS) Rev 20130205 NM
ekion 4 agersyrning (S) Rev 013005 NM Nedan följer alla uppgifer som hör ill lekionen. De är indelade i fyra nivåer där nivå 1 innehåller uppgifer som hanerar en specifik problemsällning i age. Nivå innehåller
Läs merModeller och projektioner för dödlighetsintensitet
Modeller och projekioner för dödlighesinensie en anpassning ill svensk populaionsdaa 1970- Jörgen Olsén juli 005 Presenerad inför ubildningsuskoe inom Svenska Akuarieföreningen den 1 sepember 005 Modeller
Läs merFöreläsning 4. Fast position Projektplanering (CPM och PERT)
Föreläsning 4 Fast position Projektplanering (CPM och PERT) 2 Kursstruktur Innehåll Föreläsning Lek1on Labora1on Introduk*on, produk*onsekonomiska grunder, produk*onssystem, ABC- klassificering Fö 1 Prognos*sering
Läs merLektion 2 Sälj- & verksamhetsplanering (SVP) Rev MR
Lekion 2 Sälj- & verksamhesplanering (SVP) Rev20080303MR Lieraur: Olhager (2000) kap. 1.3, 2.1 och 7 (ej 7.3) Nedan följer alla uppgifer som hör ill lekionen. De är indelade i fyra nivåer där nivå 1 innehåller
Läs merFÖRDJUPNINGS-PM. Nr 4. 2010. Räntekostnaders bidrag till KPI-inflationen. Av Marcus Widén
FÖRDJUPNNGS-PM Nr 4. 2010 Ränekosnaders bidrag ill KP-inflaionen Av Marcus Widén 1 Ränekosnaders bidrag ill KP-inflaionen dea fördjupnings-pm redovisas a en ofa använd approximaiv meod för beräkning av
Läs merFörord: Sammanfattning:
Förord: Denna uppsas har illkommi sedan uppsasförfaarna blivi konakade av Elecrolux med en förfrågan om a undersöka saisikmodulen i deras nyimplemenerade affärssysem. Vi vill därför acka vår handledare
Läs merUppgift 2 (max 5p) Beskriv orderklyvning och överlappning och skillnader mellan dessa. Härled de formler som ingår i respektive metod.
Exempelena nr 3 ppgif (max 5p) ppgifen går u på a förklara några cenrala begrepp inom kursen. Svara korfaa men kärnfull och ange en förklaring på e fåal meningar som ydlig beskriver var och e av de fem
Läs merFöreläsning 5. Lagerstyrning
Föreläsning 5 Lagerstyrning Kursstruktur Innehåll Föreläsning Lek1on Labora1on Introduk*on, produk*onsekonomiska grunder, produk*onssystem, ABC-klassificering Fö 1 Prognos*sering Fö 2 Le 1 La 1 Sälj- och
Läs merOm antal anpassningsbara parametrar i Murry Salbys ekvation
1 Om anal anpassningsbara paramerar i Murry Salbys ekvaion Murry Salbys ekvaion beskriver a koldioxidhalen ändringshasighe är proporionell mo en drivande kraf som är en emperaurdifferens. De finns änkbara
Läs merKorttidsprediktering av restider med Holt-Winters metod
Examensarbee LITH-ITN-KTS-EX--05/050--SE Koridspredikering av resider med Hol-Winers meod Andreas Allsröm 2005-10-14 Deparmen of Science and Technology Linköpings Universie SE-601 74 Norrköping, Sweden
Läs merVäxelkursprognoser för 2000-talet
Naionalekonomiska insiuionen Kandidauppsas Januari 28 Växelkursprognoser för 2-ale Handledare Thomas Elger Fredrik NG Andersson Förfaare Kenh Hedberg Sammanfaning Tiel: Växelkursprognoser för 2-ale Ämne/kurs:
Läs merFöreläsning 6. Planering av funktionell verkstad (del 1): Layoutaspekter, huvudplanering och materialbehovsplanering (MRP)
Föreläsning 6 Planering av funktionell verkstad (del 1): Layoutaspekter, huvudplanering och materialbehovsplanering (MRP) Kursstruktur 2 Innehåll Föreläsning Lek1on Labora1on Introduk+on, produk+onsekonomiska
Läs merInflation: Ger kointegration bättre prognoser?
Kandidauppsas Januari, 006 Naionalekonomiska insiuionen Inflaion: Ger koinegraion bäre prognoser? Krisofer Månsson 836-3938 Handledare: Thomas Elger Sammanfaning Tiel: Inflaion: Ger koinegraion bäre prognoser
Läs merLektion 2 Sälj- & verksamhetsplanering (SVP) Rev MR
Lekion 2 Sälj- & verksamhesplanering (SVP) Rev2833MR Lieraur: Olhager (2) kap..3, 2. och 7 (ej 7.3) Nedan följer alla uppgifer som hör ill lekionen. De är indelade i fyra nivåer där nivå innehåller uppgifer
Läs merPrognoser av ekonomiska tidsserier med säsongsmönster
Uppsala universie Saisiska Insiuionen C-uppsas i Saisik Handledare: Johan Lyhagen Prognoser av ekonomiska idsserier med säsongsmönser - En empirisk meodjämförelse Eliza Leja Jonahan Sråle 2011-05-17 Sammanfaning
Läs merF11. Kvantitativa prognostekniker
F11 Kvantitativa prognostekniker samt repetition av kursen Kvantitativa prognostekniker Vi har gjort flera prognoser under kursen Prognoser baseras på antagandet att historien upprepar sig Trenden följer
Läs merPRODUKTIONSEKONOMI för I, Ii
LIKÖPIGS TEKISKA HÖGSKOLA Insiuionen för ekonomisk och indusriell uveckling Produkionsekonomi Mahias Henningsson TETAME I TPPE3 PRODUKTIOSEKOOMI för I, Ii OSDAGE DE 7 DECEMBER 2008, KL 4-8 SAL: U, U3,
Läs merKonsumtion, försiktighetssparande och arbetslöshetsrisker
Fördjupning i Konjunkurläge juni 12 (Konjunkurinsiue) Konjunkurläge juni 12 75 FÖRDJUPNING Konsumion, försikighessparande och arbeslöshesrisker De förvänade inkomsborfalle på grund av risk för arbeslöshe
Läs merLaboration D158. Sekvenskretsar. Namn: Datum: Kurs:
UMEÅ UNIVERSITET Tillämpad fysik och elekronik Digialeknik Lars Wållberg/Håkan Joëlson 2001-02-28 v 3.1 ELEKTRONIK Digialeknik Laboraion D158 Sekvenskresar Namn: Daum: Eposadr: Kurs: Sudieprogram: Innehåll
Läs merFöreläsning 4. Fast position Projektplanering (CPM och PERT)
Föreläsning 4 Fast position Projektplanering (CPM och PERT) 2 Kursstruktur Innehåll Föreläsning Lek1on Labora1on Introduk*on, produk*onsekonomiska grunder, Lean produc*on, ABC-klassificering Fö 1 Leanspel
Läs merInformationsteknologi
Föreläsning 2 och 3 Informaionseknologi Några vikiga yper av maemaiska modeller Blockschemamodeller Konsaner, variabler, paramerar Dynamiska modeller Tillsåndsmodeller en inrodkion Saiska samband Kor översik
Läs merVolatilitetsprediktion för S&P 500 -en utvärdering av prediktionsförmågan för historisk konditionell och optionsbaserad volatilitet.
UPPSALA UNIVERSITET Naionalekonomiska Insiuionen Magiseruppsas Förfaare: Emma Nilsson Handledare: Lennar Berg Höserminen 007 Volailiespredikion för S&P 500 -en uvärdering av predikionsförmågan för hisorisk
Läs merSkattning av respirationshastighet (R) och syreöverföring (K LA ) i en aktivslamprocess Projektförslag
Beng Carlsson I ins, Avd f sysemeknik Uppsala universie Empirisk modellering, 009 Skaning av respiraionshasighe R och syreöverföring LA i en akivslamprocess rojekförslag Foo: Björn Halvarsson . Inledning
Läs merSveriges bruttonationalprodukt Årsdata. En kraftig trend.
Vad är tidsserier? En tidsserie är en mängd av observationer y t, där var och en har registrerats vid en specifik tidpunkt t. Vanligen görs mätningarna vid vissa tidpunkter och med samma avstånd mellan
Läs merKursens innehåll. Ekonomin på kort sikt: IS-LM modellen. Varumarknaden, penningmarknaden
Kursens innehåll Ekonomin på kor sik: IS-LM modellen Varumarknaden, penningmarknaden Ekonomin på medellång sik Arbesmarknad och inflaion AS-AD modellen Ekonomin på lång sik Ekonomisk illväx över flera
Läs merDIGITALTEKNIK. Laboration D171. Grindar och vippor
UMEÅ UNIVERSITET Tillämpad fysik och elekronik Digialeknik Håkan Joëlson 2006-01-19 v 1.3 DIGITALTEKNIK Laboraion D171 Grindar och vippor Innehåll Uppgif 1...Grundläggande logiska grindar Uppgif 2...NAND-grindens
Läs merSvensk arbetslöshetsdata: Hjälper barometerdata att prognostisera Sveriges arbetslöshet
Saisiska insiuionen Svensk arbeslöshesdaa: Hjälper baromeerdaa a prognosisera Sveriges arbeslöshe Uppsas i Saisik 5 högskolepoäng Nivå 60-90 högskolepoäng Okober 007 Av: Krisofer Månsson Handledare: Mas
Läs merTimmar, kapital och teknologi vad betyder mest? Bilaga till Långtidsutredningen SOU 2008:14
Timmar, kapial och eknologi vad beyder mes? Bilaga ill Långidsuredningen SOU 2008:14 Förord Långidsuredningen 2008 uarbeas inom Finansdeparemene under ledning av Srukurenheen. I samband med uredningen
Läs merFastbasindex--Kedjeindex. Index av de slag vi hitintills tagit upp kallas fastbasindex. Viktbestämningar utgår från
Fasbasindex--Kedjeindex Index av de slag vi hiinills agi upp kallas fasbasindex. Vikbesämningar ugår från priser och/eller kvanieer under basåre. Vid långa indexserier blir dea e problem. Vikerna måse
Läs merTISDAGEN DEN 20 AUGUSTI 2013, KL 8-12. Ansvarig lärare: Helene Lidestam, tfn 282433 Salarna besöks ca kl 9
ekniska högskolan vid Li Insiuionen för ekonomisk och indusriell uveckling Produkionsekonomi Helene Lidesam EAME I PPE08 PROKIOSEKOOMI för M ISAGE E 20 AGSI 203, KL 8-2 Sal: ER Provkod: E2 Anal uppgifer:
Läs merOm exponentialfunktioner och logaritmer
Om eponenialfunkioner och logarimer Anals360 (Grundkurs) Insuderingsuppgifer Dessa övningar är de änk du ska göra i ansluning ill a du läser huvudeen. Den änka gången är som följer: a) Läs igenom huvudeens
Läs merPersonlig assistans en billig och effektiv form av valfrihet, egenmakt och integritet
Personlig assisans en billig och effekiv form av valfrihe, egenmak och inegrie En jämförelse mellan kosnaderna för personlig assisans och kommunal hemjäns 1 Denna rappor är en försa del av e projek vars
Läs merRealtidsuppdaterad fristation
Realidsuppdaerad frisaion Korrelaionsanalys Juni Milan Horemuz Kungliga Tekniska högskolan, Insiuion för Samhällsplanering och miljö Avdelningen för Geodesi och geoinformaik Teknikringen 7, SE 44 Sockholm
Läs merUppgift 1 (max 5p) Uppgift 2 (max 5p) Exempeltenta nr 6
ppgf (max 5p) Exempelena nr 6 ppgfen går u på a förklara några cenrala begrepp nom kursen. Svara korfaa men kärnfull och ange en förklarng på e fåal menngar som ydlg beskrver var och e av de fem begreppen.
Läs merLaboration D182. ELEKTRONIK Digitalteknik. Sekvenskretsar. UMEÅ UNIVERSITET Tillämpad fysik och elektronik Digitalteknik Ola Ågren v 4.
UMEÅ UNIVERSITET Tillämpad fysik och elekronik Digialeknik Ola Ågren 2015-12-04 v 4.4 ELEKTRONIK Digialeknik Laboraion D182 Sekvenskresar Namn: Daum: Eposadr: Kurs: Sudieprogram: Innehåll Sidan 1. SR-låskres
Läs mer732G71 Statistik B. Föreläsning 9. Bertil Wegmann. December 1, IDA, Linköpings universitet
732G71 Statistik B Föreläsning 9 Bertil Wegmann IDA, Linköpings universitet December 1, 2016 Bertil Wegmann (IDA, LiU) 732G71, Statistik B December 1, 2016 1 / 20 Metoder för att analysera tidsserier Tidsserieregression
Läs merTjänsteprisindex för detektiv- och bevakningstjänster; säkerhetstjänster
Tjänseprisindex för deekiv- och bevakningsjänser; säkerhesjänser Branschbeskrivning för SNI-grupp 74.60 TPI- rappor nr 17 Camilla Andersson/Kamala Krishnan Tjänseprisindex, Prisprogramme, Ekonomisk saisik,
Läs merPass Througheffekten i svenska importpriser
NATIONALEKONOMISKA INSTITUTIONEN 27-6-5 Uppsala Universie Magiseruppsas Förfaare: Anders Svensson Handledare: Annika Alexius VT7 Pass Througheffeken i svenska imporpriser en empirisk sudie Sammanfaning
Läs merSäsongrensning av Nationalräkenskaperna -Översikt- Sven Öhlén
1(63) Säsongrensning av Naionalräkenskaperna -Översik- Sven Öhlén 2003-03-18 Bruonaionalproduken (BNP) Förändring från föregående kvaral, uppräkna ill årsak, %. Säsongrensade värden och rend 7 6 5 4 3
Läs merTENTAMEN Datum: 12 mars 07. Kurs: MATEMATIK OCH MATEMATISK STATISTIK 6H3000, 6L3000, 6A2111 TEN 2 (Matematisk statistik )
VERSION A TENTAMEN Daum: mars 7 Kurs: MATEMATIK OCH MATEMATISK STATISTIK 6H, 6L, 6A TEN (Maemaisk saisik ) Skrivid: 8:5-:5 Lärare: Armin Halilovic Kurskod 6H, 6L, 6A Hjälpmedel: Miniräknare av vilken yp
Läs mer2 Laboration 2. Positionsmätning
2 Laboraion 2. Posiionsmäning 2.1 Laboraionens syfe A sudera olika yper av lägesgivare A sudera givarnas saiska och dynamiska egenskaper 2.2 Förberedelser Läs laboraionshandledningen och mosvarande avsni
Läs merDet prediktiva värdet hos den implicerade volatiliteten
Föreagsekonomiska insiuionen STOCKHOLMS UNIVERSITET Magiseruppsas HT 2005 De predikiva värde hos den implicerade volailieen en jämförelse mellan Black-Scholes och Cox-Ross-Rubinsein Förfaare: Saphiro Flügge
Läs merInflation och relativa prisförändringar i den svenska ekonomin
Inflaion och relaiva prisförändringar i den svenska ekonomin AV BENGT ASSARSSON Beng Assarsson är verksam på avdelningen för penningpoliik vid Sveriges riksbank och vid Naionalekonomiska insiuionen vid
Läs merPensionsåldern och individens konsumtion och sparande
Pensionsåldern och individens konsumion och sparande Om hur en höjning av pensionsåldern kan ändra konsumionen och sparande. Maria Nilsson Magiseruppsas Naionalekonomiska insiuionen Handledare: Ponus Hansson
Läs merBetalningsbalansen. Andra kvartalet 2012
Bealningsbalansen Andra kvarale 2012 Bealningsbalansen Andra kvarale 2012 Saisiska cenralbyrån 2012 Balance of Paymens. Second quarer 2012 Saisics Sweden 2012 Producen Producer Saisiska cenralbyrån, enheen
Läs merKONTROLLSKRIVNING 3. Kurs: HF1012 Matematisk statistik Lärare: Armin Halilovic
KONTROLLSKRIVNING Version B Kurs: HF Maemaisk saisik Lärare: Armin Halilovic Daum: 7 maj 6 Skrivid: 8:-: Tillåna hjälmedel: Miniräknare av vilken y som hels och formelblad (som delas u i salen) Förbjudna
Läs merTentamen TEN1, HF1012, 16 aug Matematisk statistik Kurskod HF1012 Skrivtid: 8:15-12:15 Lärare och examinator : Armin Halilovic
Tenamen TEN, HF, 6 aug 6 Maemaisk saisik Kurskod HF Skrivid: 8:5-:5 Lärare och examinaor : Armin Halilovic Hjälmedel: Bifoga formelhäfe ("Formler och abeller i saisik ") och miniräknare av vilken y som
Läs mer2003:11. Säsongrensning av Nationalräkenskaperna Översikt
2003:11 Säsongrensning av Naionalräkenskaperna Översik Bruonaionalproduken (BNP) Förändring från föregående kvaral, uppräkna ill årsak, procen. Säsongrensade värden och rend 7 6 5 4 3 2 1 0 1993 1994 1995
Läs merTidsserier, forts från F16 F17. Tidsserier Säsongrensning
Tidsserier Säsongrensning F7 Tidsserier forts från F6 Vi har en variabel som varierar över tiden Ex folkmängd omsättning antal anställda (beroende variabeln/undersökningsvariabeln) Vi studerar den varje
Läs merLektion 3 Projektplanering (PP) Fast position Projektplanering. Uppgift PP1.1. Uppgift PP1.2. Uppgift PP2.3. Nivå 1. Nivå 2
Lekion 3 Projekplanering (PP) as posiion Projekplanering Rev. 834 MR Nivå 1 Uppgif PP1.1 Lieraur: Olhager () del II, kap. 5. Nedan följer alla uppgifer som hör ill lekionen. e är indelade i fyra nivåer
Läs merFinansiell statistik
Finansiell statistik Föreläsning 5 Tidsserier 4 maj 2011 14:26 Vad är tidsserier? En tidsserie är en mängd av observationer y t, där var och en har registrerats vid en specifik tidpunkt t. Vanligen görs
Läs merPlanering av flygplatser
Fö 2: Prognostisering Tobias Andersson Källor Delar av materialet till denna föreläsning är hämtat från: Kap 7 av Airport Planning av Lynn S. Bezilla Edlund, Högberg, Leonardz: Beslutsmodeller redskap
Läs merAnsvarig lärare: Helene Lidestam, tfn 282433 Salarna besöks ca kl 9.45. Kursadministratör: Azra Mujkic, tfn 1104, azra.mujkic@liu.
Teknska högskolan vd LU Insuonen för ekonomsk och ndusrell uvecklng Produkonsekonom Helene Ldesam TENTAMEN I TPPE PRODUKTIONSEKONOMI för I,I TISDAGEN DEN 7 APRIL 25, KL 82 Sal: TER, TER4 Provkod: TEN Anal
Läs merInflation och penningmängd
EKONOMSK DEBAT BO AXELL nflaion och penningmängd Vilka är inflaionens besämningsfakorer? Dea är själva ugångspunken for flerale ariklar i dea emanummer.. Somliga hävdar a inflaionen speciell i e lie land
Läs merBetalningsbalansen. Tredje kvartalet 2012
Bealningsbalansen Tredje kvarale 2012 Bealningsbalansen Tredje kvarale 2012 Saisiska cenralbyrån 2012 Balance of Paymens. Third quarer 2012 Saisics Sweden 2012 Producen Producer Saisiska cenralbyrån,
Läs merTaylor- respektive McCallumregeln för Sverige
NATIONALEKONOMISKA INSTITUTIONEN Uppsala Universie D-uppsas Förfaare: Pia Fromle Handledare: Annika Alexius HT 2005 Taylor- respekive McCallumregeln för Sverige en normaiv analys av perioden 1993 2005
Läs mer732G71 Statistik B. Föreläsning 8. Bertil Wegmann. IDA, Linköpings universitet. Bertil Wegmann (IDA, LiU) 732G71, Statistik B 1 / 23
732G71 Statistik B Föreläsning 8 Bertil Wegmann IDA, Linköpings universitet Bertil Wegmann (IDA, LiU) 732G71, Statistik B 1 / 23 Klassisk komponentuppdelning Klassisk komponentuppdelning bygger på en intuitiv
Läs merHur simuleras Differential-Algebraiska Ekvationer?
Hur simuleras Differenial-Algebraiska Ekvaioner? Jonas Elbornsson December 2, 2000 1 Inledning Dea är en sammanfaning av meoder för simulering av Differenial-Algebraiska Ekvaioner (DAE) för kursen i Modellering
Läs merEn flashestimator för den privata konsumtionen i Sverige med hjälpvariablerna HIP och detaljhandeln
Bakgrundsfaka En flashesimaor för den privaa konsumionen i Sverige med hjälpvariablerna HIP och dealjhandeln En idsserieanalys med hjälp av saisikprogramme TRAMO 006: Ekonomisk saisik I serien Bakgrundsfaka
Läs merPåverkansfaktorer på nybilsförsäljning
Föreagsekonomiska insiuionen STOCKHOLMS UNIVERSITET Kandidauppsas 10 poäng HT 2005 Påverkansfakorer på nybilsförsäljning -En ekonomerisk modell för nybilsförsäljningen i USA 1976-2004 Förfaare: Carl Johan
Läs merHedgefonder och aktiefonder - En studie av riskexponering och market-timing på den svenska marknaden
Magiseruppsas i finansiering Föreagsekonomiska insiuionen FEK 591 Lunds Universie Hedgefonder och akiefonder - En sudie av riskexponering och marke-iming på den svenska marknaden Handledare Hossein Asgharian
Läs merRegressions- och Tidsserieanalys - F7
Regressions- och Tidsserieanalys - F7 Tidsserieregression, kap 6.1-6.4 Linda Wänström Linköpings universitet November 25 Wänström (Linköpings universitet) F7 November 25 1 / 28 Tidsserieregressionsanalys
Läs merRegelstyrd penningpolitik i realtid
Naionalekonomiska Insiuionen Regelsyrd penningpoliik i realid En konrafakisk simulering med realidsdaa Magiseruppsas 4 juni 2008 Handledare: Klas Freger Förfaare: Marin Henriksson Handledare: Jesper Hansson
Läs mer732G71 Statistik B. Föreläsning 7. Bertil Wegmann. IDA, Linköpings universitet. Bertil Wegmann (IDA, LiU) 732G71, Statistik B 1 / 29
732G71 Statistik B Föreläsning 7 Bertil Wegmann IDA, Linköpings universitet Bertil Wegmann (IDA, LiU) 732G71, Statistik B 1 / 29 Detaljhandelns försäljning (fasta priser, kalenderkorrigerat) Bertil Wegmann
Läs merFöreläsning 2. Produkten och dess egenskaper: Produktionssystem, lager- och kundordertillverkning
Föreläsning 2 Produkten och dess egenskaper: Produktionssystem, lager- och kundordertillverkning Kursstruktur Innehåll Föreläsning Lektion Laboration Introduktion, produktionsekonomiska Fö 1 grunder, produktegenskaper,
Läs merKonsumentprisindex för kläder och skor
Saisiska Insiuionen STA03:2 Lunds Universie HT 2007 Kandidauppsas, 0poäng Konsumenprisindex för kläder och skor 986-2005 Dekomponering och prognosisering Förfaare: Henrik Svansröm 79063-4098 Samuel Roos
Läs merOptimal prissäkringsstrategi i ett råvaruintensivt företag Kan det ge förbättrad lönsamhet?
Föreagsekonomiska Magiseruppsas Insiuionen Höserminen 2004 Opimal prissäkringssraegi i e råvaruinensiv föreag Kan de ge förbärad lönsamhe? Förfaare: Marin Olsvenne Tobias Björklund Handledare: Hossein
Läs merSystem, Insignal & Utsignal
1 Sysem, Insignal & Usignal Insignal x[n] SYSTEM H! H = sysemoperaorn Usignal y() = H{y()} y[n] = H{x[n]} w E SYSTEM = en maemaisk modell av e fysikalisk sysem, al. en algorim, som för olika insignaler
Läs merSystem, Insignal & Utsignal
Kap 1 Signaler och Sysem x Sysem y = H{x} 1 Sysem, Insignal & Usignal Insignal x() x[n] SYSTEM H! H = sysemoperaorn Usignal y() = H{y()} y[n] = H{x[n]} w E SYSTEM = en maemaisk modell av e fysikalisk sysem,
Läs merKan förekomsten av en riskpremie förklara avvikelsen från öppen ränteparitet?
NATIONALEKONOMISKA INSTITUTIONEN Uppsala universie Examensarbee D Förfaare: Joakim Lannergård Handledare: Annika Alexius VT 2006 Kan förekomsen av en riskpremie förklara avvikelsen från öppen räneparie?
Läs merKurs: HF1012 Matematisk statistik Lärare: Armin Halilovic
KONTROLLSKRIVNING Version A Kurs: HF Maemaisk saisik Lärare: Armin Halilovic Daum: 7 maj 6 Skrivid: 8:-: Tillåna hjälmedel: Miniräknare av vilken y som hels och formelblad som delas u i salen) Förbjudna
Läs merSkillnaden mellan KPI och KPIX
Fördjupning i Konjunkurläge januari 2008 (Konjunkurinsiue) Löner, vinser och priser 7 FÖRDJUPNNG Skillnaden mellan KP och KPX Den långsikiga skillnaden mellan inflaionsaken mä som KP respekive KPX anas
Läs merBetalningsbalansen. Fjärde kvartalet 2012
Bealningsbalansen Fjärde kvarale 212 Bealningsbalansen Fjärde kvarale 212 Saisiska cenralbyrån 213 Balance of Paymens. Fourh quarer 212 Saisics Sweden 213 Producen Producer Saisiska cenralbyrån, enheen
Läs merTjänsteprisindex för varulagring och magasinering
Tjänseprisindex för varulagring och magasinering Branschbeskrivning för SNI-grupp 63.12 TPI-rappor nr 14 Kaarina Båh Chrisian Schoulz Tjänseprisindex, Prisprogramme, Ekonomisk saisik, SCB November 2005
Läs merDags för stambyte i KPI? - Nuvarande metod för egnahem i KPI
SAISISKA CENRALBYRÅN Pm ill Nämnden för KPI 1(21) Dags för sambye i KPI? - Nuvarande meod för egnahem i KPI För beslu Absrac I denna pm preseneras hur nuvarande meod för egnahem i KPI beräknas, moiveras
Läs merVolatilitetsmodeller - En utvärdering av prestation enligt Model Confidence Set
Naionalekonomiska insiuionen Magiseruppsas Volailiesmodeller - En uvärdering av presaion enlig Model Confidence Se Förfaare: Tomas Johansson Arvid Lezén SAMMANFATTNING Uppsasens iel: Volailiesmodeller-
Läs merVad är den naturliga räntan?
penning- och valuapoliik 20:2 Vad är den naurliga ränan? Henrik Lundvall och Andreas Wesermark Förfaarna är verksamma vid avdelningen för penningpoliik, Sveriges riksbank. Vilken realräna bör en cenralbank
Läs merBNP-prognoser och mål för inflationsprognoser
Naionalekonomiska insiuionen BNP-prognoser och mål för inflaionsprognoser Sannolikhesskaningar av framida vändningspunker i amerikansk och svensk BNP Kandidauppsas Jakob Almerud Handledare: Fredrik NG
Läs merInnehållsförteckning. Sammanfattning 3. Inledning 4. 1. Allmänt om tidsserier 9. 2. Glidande medelvärde 12. 3. Enkel exponentiell utjämning 15
Innehållsföreckning Sammanfaning 3 Inledning 4. Allmän om idsserier 9. Glidande medelvärde 3. Enkel exponeniell ujämning 5 4. Hol-Winers exponeniella ujämningsmodell 8 4. Hol-Winer uan säsong 8 4. Hol-Winer
Läs merFöreläsning 5. Fast position Projektplanering (CPM och PERT)
Föreläsning 5 Fast position Projektplanering (CPM och PERT) Kursstruktur Innehåll Föreläsning Lektion Laboration Introduktion, produktionsekonomiska Fö 1 grunder, produktegenskaper, ABC klassificering
Läs mer