Ekonometria bayesowska

Bayesowskie podejście do wnioskowania statystycznego. Rozkłady a priori i a posteriori. Estymacja bayesowska. Przedziały ufności i testy. Modele szeregów czasowych. Predykcja. Wybór modelu.

Wykład ma zapoznać słuchaczy z podstawami bayesowskiej analizy statystycznej, a następnie z podstawowymi metodami i technikami ekonometrycznymi opartymi na bayesowskim wnioskowaniu statystycznym oraz z wybranymi zastosowaniami tych metod.

Zajęcia mają być poświęcone podstawowym bayesowskim metodom ekonometrycznym. Po obszernym wprowadzeniu na temat podstaw analizy statystycznej opartej na zasadzie Bayesa (zasady wyboru rozkładu a priori, bayesowska estymacja, przedziały ufności i testy) nastąpi wykład bayesowskiej analizy modeli regresji oraz autoregresji, a dalej analizy szeregów czasowych i bayesowskich zasad wyboru modelu. Podane będą typowe zastosowania.

Literatura podstawowa:

M.DeGroot, Optymalne decyzje statystyczne, PWN, Warszawa 1983; W. Grzenda, Wstep do statystyki bayesowskiej, OW SGH, Warszawa 2012; T.Lancaster, An Introduction to Bayesian Inference in Econometrics, Blackwell Publ., 2004; J.Osiewalski, Ekonometria bayesowska w zastosowaniach, Wyd. AE w Krakowie, 2001; A.Zellner, An Introduction to Bayesian Inference in Econometrics, Wiley, New York 1971 (istnieje nowe wydanie-przedruk); G. Koop "Bayesian Econometrics", J. Wiley&Sons, Chichester 2003

Literatura uzupełniająca:

G.E.P.Box, G.C.Tiao, Bayesian Inference in Statistical Analysis, Addison-Wesley, Reading 1973; W. Kurt, statystyka bayesowska na wesoło, PWN, Warszawa 2020; J.Osiewalski, Bayesowska estymacja i predykcja dla jednorównaniowych modeli ekonometrycznych, Wyd. AE w Krakowie, 1991; Ch.Robert, Bayesian Choice, Springer, New York 2001; M.Szreder, Informacje a priori w klasycznej i bayesowskiej estymacji modeli regresji, Wyd. UG, Gdańsk 1994.

Kryteria oceniania:

egzamin tradycyjny-pisemny: 50.00%

projekty: 50.00%

Bayesowskie podejście do wnioskowania statystycznego. Rozkłady a priori i a posteriori. Estymacja bayesowska. Przedziały ufności i testy. Modele szeregów czasowych. Predykcja. Wybór modelu.

Wykład ma zapoznać słuchaczy z podstawami bayesowskiej analizy statystycznej, a następnie z podstawowymi metodami i technikami ekonometrycznymi opartymi na bayesowskim wnioskowaniu statystycznym oraz z wybranymi zastosowaniami tych metod.

Zajęcia mają być poświęcone podstawowym bayesowskim metodom ekonometrycznym. Po obszernym wprowadzeniu na temat podstaw analizy statystycznej opartej na zasadzie Bayesa (zasady wyboru rozkładu a priori, bayesowska estymacja, przedziały ufności i testy) nastąpi wykład bayesowskiej analizy modeli regresji oraz autoregresji, a dalej analizy szeregów czasowych i bayesowskich zasad wyboru modelu. Podane będą typowe zastosowania.

Literatura podstawowa:

M.DeGroot, Optymalne decyzje statystyczne, PWN, Warszawa 1983; W. Grzenda, Wstep do statystyki bayesowskiej, OW SGH, Warszawa 2012; T.Lancaster, An Introduction to Bayesian Inference in Econometrics, Blackwell Publ., 2004; J.Osiewalski, Ekonometria bayesowska w zastosowaniach, Wyd. AE w Krakowie, 2001; A.Zellner, An Introduction to Bayesian Inference in Econometrics, Wiley, New York 1971 (istnieje nowe wydanie-przedruk); G. Koop "Bayesian Econometrics", J. Wiley&Sons, Chichester 2003

Literatura uzupełniająca:

G.E.P.Box, G.C.Tiao, Bayesian Inference in Statistical Analysis, Addison-Wesley, Reading 1973; W. Kurt, statystyka bayesowska na wesoło, PWN, Warszawa 2020; J.Osiewalski, Bayesowska estymacja i predykcja dla jednorównaniowych modeli ekonometrycznych, Wyd. AE w Krakowie, 1991; Ch.Robert, Bayesian Choice, Springer, New York 2001; M.Szreder, Informacje a priori w klasycznej i bayesowskiej estymacji modeli regresji, Wyd. UG, Gdańsk 1994.

Kryteria oceniania:

egzamin tradycyjny-pisemny: 50.00%

ocena z ćwiczeń: 50.00%

Bayesowskie podejście do wnioskowania statystycznego. Rozkłady a priori i a posteriori. Estymacja bayesowska. Przedziały ufności i testy. Modele szeregów czasowych. Predykcja. Wybór modelu.

Wykład ma zapoznać słuchaczy z podstawami bayesowskiej analizy statystycznej, a następnie z podstawowymi metodami i technikami ekonometrycznymi opartymi na bayesowskim wnioskowaniu statystycznym oraz z wybranymi zastosowaniami tych metod.

Zajęcia mają być poświęcone podstawowym bayesowskim metodom ekonometrycznym. Po obszernym wprowadzeniu na temat podstaw analizy statystycznej opartej na zasadzie Bayesa (zasady wyboru rozkładu a priori, bayesowska estymacja, przedziały ufności i testy) nastąpi wykład bayesowskiej analizy modeli regresji oraz autoregresji, a dalej analizy szeregów czasowych i bayesowskich zasad wyboru modelu. Podane będą typowe zastosowania.

Literatura podstawowa:

M.DeGroot, Optymalne decyzje statystyczne, PWN, Warszawa 1983; W. Grzenda, Wstep do statystyki bayesowskiej, OW SGH, Warszawa 2012; T.Lancaster, An Introduction to Bayesian Inference in Econometrics, Blackwell Publ., 2004; J.Osiewalski, Ekonometria bayesowska w zastosowaniach, Wyd. AE w Krakowie, 2001; A.Zellner, An Introduction to Bayesian Inference in Econometrics, Wiley, New York 1971 (istnieje nowe wydanie-przedruk); G. Koop "Bayesian Econometrics", J. Wiley&Sons, Chichester 2003

Literatura uzupełniająca:

G.E.P.Box, G.C.Tiao, Bayesian Inference in Statistical Analysis, Addison-Wesley, Reading 1973; W. Kurt, statystyka bayesowska na wesoło, PWN, Warszawa 2020; J.Osiewalski, Bayesowska estymacja i predykcja dla jednorównaniowych modeli ekonometrycznych, Wyd. AE w Krakowie, 1991; Ch.Robert, Bayesian Choice, Springer, New York 2001; M.Szreder, Informacje a priori w klasycznej i bayesowskiej estymacji modeli regresji, Wyd. UG, Gdańsk 1994.

Kryteria oceniania:

egzamin tradycyjny-pisemny: 50.00%

ocena z ćwiczeń: 50.00%

Bayesowskie podejście do wnioskowania statystycznego. Rozkłady a priori i a posteriori. Estymacja bayesowska. Przedziały ufności i testy. Modele szeregów czasowych. Predykcja. Wybór modelu.

Wykład ma zapoznać słuchaczy z podstawami bayesowskiej analizy statystycznej, a następnie z podstawowymi metodami i technikami ekonometrycznymi opartymi na bayesowskim wnioskowaniu statystycznym oraz z wybranymi zastosowaniami tych metod.

Zajęcia mają być poświęcone podstawowym bayesowskim metodom ekonometrycznym. Po obszernym wprowadzeniu na temat podstaw analizy statystycznej opartej na zasadzie Bayesa (zasady wyboru rozkładu a priori, bayesowska estymacja, przedziały ufności i testy) nastąpi wykład bayesowskiej analizy modeli regresji oraz autoregresji, a dalej analizy szeregów czasowych i bayesowskich zasad wyboru modelu. Podane będą typowe zastosowania.

Literatura podstawowa:

M.DeGroot, Optymalne decyzje statystyczne, PWN, Warszawa 1983; W. Grzenda, Wstep do statystyki bayesowskiej, OW SGH, Warszawa 2012; T.Lancaster, An Introduction to Bayesian Inference in Econometrics, Blackwell Publ., 2004; J.Osiewalski, Ekonometria bayesowska w zastosowaniach, Wyd. AE w Krakowie, 2001; A.Zellner, An Introduction to Bayesian Inference in Econometrics, Wiley, New York 1971 (istnieje nowe wydanie-przedruk); G. Koop "Bayesian Econometrics", J. Wiley&Sons, Chichester 2003

Literatura uzupełniająca:

G.E.P.Box, G.C.Tiao, Bayesian Inference in Statistical Analysis, Addison-Wesley, Reading 1973; W. Kurt, statystyka bayesowska na wesoło, PWN, Warszawa 2020; J.Osiewalski, Bayesowska estymacja i predykcja dla jednorównaniowych modeli ekonometrycznych, Wyd. AE w Krakowie, 1991; Ch.Robert, Bayesian Choice, Springer, New York 2001; M.Szreder, Informacje a priori w klasycznej i bayesowskiej estymacji modeli regresji, Wyd. UG, Gdańsk 1994.

Kryteria oceniania:

egzamin tradycyjny-pisemny: 50.00%

ocena z ćwiczeń: 50.00%

Bayesowskie podejście do wnioskowania statystycznego. Rozkłady a priori i a posteriori. Estymacja bayesowska. Przedziały ufności i testy. Modele szeregów czasowych. Predykcja. Wybór modelu.

Wykład ma zapoznać słuchaczy z podstawami bayesowskiej analizy statystycznej, a następnie z podstawowymi metodami i technikami ekonometrycznymi opartymi na bayesowskim wnioskowaniu statystycznym oraz z wybranymi zastosowaniami tych metod.

Zajęcia mają być poświęcone podstawowym bayesowskim metodom ekonometrycznym. Po obszernym wprowadzeniu na temat podstaw analizy statystycznej opartej na zasadzie Bayesa (zasady wyboru rozkładu a priori, bayesowska estymacja, przedziały ufności i testy) nastąpi wykład bayesowskiej analizy modeli regresji oraz autoregresji, a dalej analizy szeregów czasowych i bayesowskich zasad wyboru modelu. Podane będą typowe zastosowania.

Literatura podstawowa:

M.DeGroot, Optymalne decyzje statystyczne, PWN, Warszawa 1983; W. Grzenda, Wstep do statystyki bayesowskiej, OW SGH, Warszawa 2012; T.Lancaster, An Introduction to Bayesian Inference in Econometrics, Blackwell Publ., 2004; J.Osiewalski, Ekonometria bayesowska w zastosowaniach, Wyd. AE w Krakowie, 2001; A.Zellner, An Introduction to Bayesian Inference in Econometrics, Wiley, New York 1971 (istnieje nowe wydanie-przedruk); G. Koop "Bayesian Econometrics", J. Wiley&Sons, Chichester 2003

Literatura uzupełniająca:

G.E.P.Box, G.C.Tiao, Bayesian Inference in Statistical Analysis, Addison-Wesley, Reading 1973; W. Kurt, statystyka bayesowska na wesoło, PWN, Warszawa 2020; J.Osiewalski, Bayesowska estymacja i predykcja dla jednorównaniowych modeli ekonometrycznych, Wyd. AE w Krakowie, 1991; Ch.Robert, Bayesian Choice, Springer, New York 2001; M.Szreder, Informacje a priori w klasycznej i bayesowskiej estymacji modeli regresji, Wyd. UG, Gdańsk 1994.

Kryteria oceniania:

egzamin tradycyjny-pisemny: 50.00%

ocena z ćwiczeń: 50.00%