Szkoła Główna Handlowa w Warszawie - Centralny System Uwierzytelniania

Bayesian Econometrics

Informacje ogólne

Kod przedmiotu:	230201-D
Kod Erasmus / ISCED:	11.2 Kod klasyfikacyjny przedmiotu składa się z trzech do pięciu cyfr, przy czym trzy pierwsze oznaczają klasyfikację dziedziny wg. Listy kodów dziedzin obowiązującej w programie Socrates/Erasmus, czwarta (dotąd na ogół 0) – ewentualne uszczegółowienie informacji o dyscyplinie, piąta – stopień zaawansowania przedmiotu ustalony na podstawie roku studiów, dla którego przedmiot jest przeznaczony. / (0542) Statystyka Kod ISCED - Międzynarodowa Standardowa Klasyfikacja Kształcenia (International Standard Classification of Education) została opracowana przez UNESCO.
Nazwa przedmiotu:	Bayesian Econometrics
Jednostka:	Szkoła Główna Handlowa w Warszawie
Grupy:	Elective courses for AAB - masters Elective courses for QEM - masters Przedmioty kierunkowe do wyboru SMMD-ADA Przedmioty kierunkowe do wyboru SMMD-MIS
Punkty ECTS i inne:	3.00 (zmienne w czasie) Podstawowe informacje o zasadach przyporządkowania punktów ECTS: roczny wymiar godzinowy nakładu pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się dla danego etapu studiów wynosi 1500-1800 h, co odpowiada 60 ECTS; tygodniowy wymiar godzinowy nakładu pracy studenta wynosi 45 h; 1 punkt ECTS odpowiada 25-30 godzinom pracy studenta potrzebnej do osiągnięcia zakładanych efektów uczenia się; tygodniowy nakład pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się pozwala uzyskać 1,5 ECTS; nakład pracy potrzebny do zaliczenia przedmiotu, któremu przypisano 3 ECTS, stanowi 10% semestralnego obciążenia studenta. zobacz reguły punktacji
Język prowadzenia:	angielski
Efekty uczenia się:	Wiedza: Fundametals of Bayesian statistics: posterior distributions, estimators, testing hypotheses, confidence intervals. Elements of Bayesian analysis of multiparameter and multidimensional models, of regression and autoregression models. Bayesian methods of prediction and of econometric model selection. Umiejętności: Choice of a prior distribution with standard methods; computing Bayesian estimators, tests, confidence intervals and analysis of results. Econometric prediction and model choice according to Bayesian criteria, Bayesian analysis of standard econometrics models, including simple time series models. Kompetencje społeczne: Ability to apply complex methods to complex statistical and econometric models, Awareness of limited efficiency of any formal methods and models.

Zajęcia w cyklu "Semestr letni 2024/25" (jeszcze nie rozpoczęty)

Okres:	2025-02-15 - 2025-09-30	Wybrany podział planu: tygodniowy cykl przedmiotu Przejdź do planu PN WT ŚR CZ PT
Typ zajęć:	Ćwiczenia, 10 godzin więcej informacji Wykład, 20 godzin więcej informacji
Koordynatorzy:	(brak danych)
Prowadzący grup:	(brak danych)
Lista studentów:	(nie masz dostępu)
Zaliczenie:	Przedmiot - Ocena Wykład - Ocena
Skrócony opis:	An approach to statistical inference based on the Bayes principle. Prior and posterior distributions. Bayesian estimation. Bayesian confidence intervals and tests. Time series models. Predictive distributions. Model choice.
Pełny opis:	The course is aimed at introducing students to fundametals of Bayesian statistical analysis, to basic econometric methods and techniques derived from Bayesian statistical inference and to selected applications of the methods. The course is an introduction to basic Bayesian econometric methods. After fundametals of Bayesian statistical inference (prior distribution choice, Bayesian estimation, confidence intervals and tests), Bayesian analysis of regression and autoregression models, time series analysis and Bayesian methods of model choice will be presented. Standard applications will be given.
Literatura:	Literatura podstawowa: G. Koop "Bayesian Econometrics", J. Wiley&Sons, Chichester 2003; T.Lancaster, An Introduction to Bayesian Inference in Econometrics, Blackwell Publ., 2004; A.Zellner, An Introduction to Bayesian Inference in Econometrics, Wiley, New York 1971 Literatura uzupełniająca: G.E.P.Box, G.C.Tiao, Bayesian Inference in Statistical Analysis, Addison-Wesley, Reading 1973; W. Kurt, Bayesian Statistics - The Fun Way, No Starch Press, S. Francisco 2019; Ch.Robert, Bayesian Choice, Springer, New York 2001; Ch.Robert, G.Casella, Statistical Monte Carlo Methods, Springer, New York 1999.
Uwagi:	Kryteria oceniania: egzamin tradycyjny-pisemny: 50.00% ocena z ćwiczeń: 50.00%

Zajęcia w cyklu "Semestr zimowy 2024/25" (w trakcie)

Okres:	2024-10-01 - 2025-02-14	Wybrany podział planu: tygodniowy cykl przedmiotu Przejdź do planu PN WT ŚR CZ PT
Typ zajęć:	Ćwiczenia, 10 godzin więcej informacji Wykład, 20 godzin więcej informacji
Koordynatorzy:	(brak danych)
Prowadzący grup:	(brak danych)
Lista studentów:	(nie masz dostępu)
Zaliczenie:	Przedmiot - Ocena Wykład - Ocena
Skrócony opis:	An approach to statistical inference based on the Bayes principle. Prior and posterior distributions. Bayesian estimation. Bayesian confidence intervals and tests. Time series models. Predictive distributions. Model choice.
Pełny opis:	The course is aimed at introducing students to fundametals of Bayesian statistical analysis, to basic econometric methods and techniques derived from Bayesian statistical inference and to selected applications of the methods. The course is an introduction to basic Bayesian econometric methods. After fundametals of Bayesian statistical inference (prior distribution choice, Bayesian estimation, confidence intervals and tests), Bayesian analysis of regression and autoregression models, time series analysis and Bayesian methods of model choice will be presented. Standard applications will be given.
Literatura:	Literatura podstawowa: G. Koop "Bayesian Econometrics", J. Wiley&Sons, Chichester 2003; T.Lancaster, An Introduction to Bayesian Inference in Econometrics, Blackwell Publ., 2004; A.Zellner, An Introduction to Bayesian Inference in Econometrics, Wiley, New York 1971 Literatura uzupełniająca: G.E.P.Box, G.C.Tiao, Bayesian Inference in Statistical Analysis, Addison-Wesley, Reading 1973; W. Kurt, Bayesian Statistics - The Fun Way, No Starch Press, S. Francisco 2019; Ch.Robert, Bayesian Choice, Springer, New York 2001; Ch.Robert, G.Casella, Statistical Monte Carlo Methods, Springer, New York 1999.
Uwagi:	Kryteria oceniania: egzamin tradycyjny-pisemny: 50.00% ocena z ćwiczeń: 50.00%

Zajęcia w cyklu "Semestr letni 2023/24" (zakończony)

Okres:	2024-02-24 - 2024-09-30	Wybrany podział planu: tygodniowy cykl przedmiotu Przejdź do planu PN WT ŚR CZ PT
Typ zajęć:	Ćwiczenia, 10 godzin więcej informacji Wykład, 20 godzin więcej informacji
Koordynatorzy:	(brak danych)
Prowadzący grup:	(brak danych)
Lista studentów:	(nie masz dostępu)
Zaliczenie:	Przedmiot - Ocena Wykład - Ocena
Skrócony opis:	An approach to statistical inference based on the Bayes principle. Prior and posterior distributions. Bayesian estimation. Bayesian confidence intervals and tests. Time series models. Predictive distributions. Model choice.
Pełny opis:	The course is aimed at introducing students to fundametals of Bayesian statistical analysis, to basic econometric methods and techniques derived from Bayesian statistical inference and to selected applications of the methods. The course is an introduction to basic Bayesian econometric methods. After fundametals of Bayesian statistical inference (prior distribution choice, Bayesian estimation, confidence intervals and tests), Bayesian analysis of regression and autoregression models, time series analysis and Bayesian methods of model choice will be presented. Standard applications will be given.
Literatura:	Literatura podstawowa: G. Koop "Bayesian Econometrics", J. Wiley&Sons, Chichester 2003; T.Lancaster, An Introduction to Bayesian Inference in Econometrics, Blackwell Publ., 2004; A.Zellner, An Introduction to Bayesian Inference in Econometrics, Wiley, New York 1971 Literatura uzupełniająca: G.E.P.Box, G.C.Tiao, Bayesian Inference in Statistical Analysis, Addison-Wesley, Reading 1973; W. Kurt, Bayesian Statistics - The Fun Way, No Starch Press, S. Francisco 2019; Ch.Robert, Bayesian Choice, Springer, New York 2001; Ch.Robert, G.Casella, Statistical Monte Carlo Methods, Springer, New York 1999.
Uwagi:	Kryteria oceniania: egzamin tradycyjny-pisemny: 50.00% ocena z ćwiczeń: 50.00%

Zajęcia w cyklu "Semestr zimowy 2023/24" (zakończony)

Okres:	2023-10-01 - 2024-02-23	Wybrany podział planu: tygodniowy cykl przedmiotu Przejdź do planu PN WT ŚR CZ PT
Typ zajęć:	Ćwiczenia, 10 godzin więcej informacji Wykład, 20 godzin więcej informacji
Koordynatorzy:	(brak danych)
Prowadzący grup:	(brak danych)
Lista studentów:	(nie masz dostępu)
Zaliczenie:	Przedmiot - Ocena Wykład - Ocena
Skrócony opis:	An approach to statistical inference based on the Bayes principle. Prior and posterior distributions. Bayesian estimation. Bayesian confidence intervals and tests. Time series models. Predictive distributions. Model choice.
Pełny opis:	The course is aimed at introducing students to fundametals of Bayesian statistical analysis, to basic econometric methods and techniques derived from Bayesian statistical inference and to selected applications of the methods. The course is an introduction to basic Bayesian econometric methods. After fundametals of Bayesian statistical inference (prior distribution choice, Bayesian estimation, confidence intervals and tests), Bayesian analysis of regression and autoregression models, time series analysis and Bayesian methods of model choice will be presented. Standard applications will be given.
Literatura:	Literatura podstawowa: G. Koop "Bayesian Econometrics", J. Wiley&Sons, Chichester 2003; T.Lancaster, An Introduction to Bayesian Inference in Econometrics, Blackwell Publ., 2004; A.Zellner, An Introduction to Bayesian Inference in Econometrics, Wiley, New York 1971 Literatura uzupełniająca: G.E.P.Box, G.C.Tiao, Bayesian Inference in Statistical Analysis, Addison-Wesley, Reading 1973; W. Kurt, Bayesian Statistics - The Fun Way, No Starch Press, S. Francisco 2019; Ch.Robert, Bayesian Choice, Springer, New York 2001; Ch.Robert, G.Casella, Statistical Monte Carlo Methods, Springer, New York 1999.
Uwagi:	Kryteria oceniania: egzamin tradycyjny-pisemny: 50.00% ocena z ćwiczeń: 50.00%

Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Szkoła Główna Handlowa w Warszawie.