BC. David Dudáš Obor: Projektový management a inženýring

Slides:



Advertisements
Podobné prezentace
Průzkum organizovaný pro členské firmy SPS - květen 2012 Podle velikosti firmy – stavební produkce do 20 mil. od 20 do 100 mil. od 100 do 500 mil. od 500.
Advertisements

Výběr vozidla do firmy – máme k dispozici všechny informace? Michal Krátký, Přemysl Žižka – DEN S FLEETEM DEN S FLEETEM – JARO 2010.
Martin Koňařík XLII. konference České demografické společnosti, , Praha Martin Koňařík.
Použité statistické metody
*Zdroj: Průzkum spotřebitelů Komise EU, ukazatel GfK. Ekonomická očekávání v Evropě Březen.
Využití časových řad v analýze dat
Příklady z Matlabu (6) Příklady na 2D-grafy.
4EK211 Základy ekonometrie Autokorelace Cvičení /
ZÁKLADY EKONOMETRIE 7. cvičení Heteroskedasticita
Porovnání hodnotících škál bolesti v závislosti na kognitivní funkci
Ing. Petr Očko, Ph.D. ředitel sekce fondů EU, výzkumu a vývoje
P‑value ano, či ne? Roman Biskup
Modelování v Matlabu procvičení katedra elektrotechniky a automatizace
Dynamické rozvozní úlohy
Metody psychologie PhDr. Eva Tomešová, PhD.. Jak psychologové dospějí k závěrům o neznámém?  Používají VĚDECKOU METODU: IDENTIFIKACE VĚDECKÉ OTÁZKY FORMULACE.
Statistika II Michal Jurajda.
Příklady z Matlabu 4 Příklady na řídící příkazy , IF , SWITCH , FOR , WHILE , příkazy vstupu a výstupu INPUT a DISP.
MATLAB® ( Funkce v Matlabu ).
Testování závislosti kvalitativních znaků
Semestrální práce Analýza zpoždění signálů v 2-kanálové databázi řeči pomocí vzájemné korelace A2M99CZS Václav Dajčar, Roman VondráčekPraha, 2010.
Karásek 2014 Energetický management budov Jiří Karásek Fakulta stavební, ČVUT v Praze K126.
Diplomová práce Autorka: Ing. et Ing. Zuzana Hynoušová
Zpráva o činnosti SK RVŠ 14. P RVŠ, 12. prosince 2013 Studentská komora Rady VŠ ve stálém zasedání
Výukový materiál zpracován v rámci projektu EU peníze školám
Získávání informací Získání informací o reálném systému
Testování hypotéz (ordinální data)
Statistika Vypracoval: Mgr. Lukáš Bičík
Základy teorie řízení Frekvenční charakteristika
Tloušťková struktura porostu
Projekt PŘEDPOVĚĎ POČASÍ. Předpověď počasí na
Analýza vlivu cen elektřiny na ekonomiku průmyslových podniků Prezentace EGÚ Brno, a. s. Sekce provozu a rozvoje elektrizační soustavy Květen 2007.
Název školy: Střední odborná škola stavební Karlovy Vary, Sabinovo náměstí 16, Karlovy Vary Autor: ING. JANA KOVAŘÍKOVÁ Název materiálu: VY_32_INOVACE_11_MARKETINGOVÝ.
politické formy států a příklady
Hodnocení možností penzijních fondů v rámci penzijní reformy Autor práce: Ing. Petr Kupčík Vedoucí práce: doc. Ing. Eva Vávrová, Ph.D. Oponent práce: Ing.
1 Celostátní konference ředitelů gymnázií ČR AŘG ČR P ř e r o v Mezikrajová komparace ekonomiky gymnázií.
MÍRY ZÁVISLOSTI Oddělení antropomotoriky, rekreologie a metodologie Katedra kinantropologie, humanitních věd a managementu sportu © 2009 FTVS UK.
10/20131 Vztahy řídicích zásahů Obsah předmětu: Počítačová podpora řízení Předmět : Počítačová podpora řízení K126 POPR Obor : E ZS, 2013, K126 EKO Přednášky/cvičení.
Časová složitost algoritmů, řazení a vyhledávání
Ing. Lenka Janíčková, Ph.D.
Výukový materiál zpracovaný v rámci projektu Označení:Sada: Ověření ve výuce:Třída: Datum: Registrační číslo projektu:CZ.1.07/1.5.00/ VY_32_INOVACE_MAM_KC_1_11.
Kvalita podnikatelského prostředí a ekonomická výkonnost
Hry proti přírodě (Rozhodovací analýza)
Lineární regresní analýza
Biostatistika 7. přednáška
Aplikační počítačové prostředky X15APP MATLAB Katedra elektroenergetiky, Fakulta elektrotechniky ČVUT, Technická 2, Praha 6 Ing. Zbyněk Brettschneider.
Statistika 4  Korelace VY_32_INOVACE_ Korelace - teorie.
10/2007Přednáška č. 21 Modelované procesy (parametrizace) Matematické modelování (MM) Předmět : Matematické modelování ZS, 2007 Přednášky/cvičení : Doc.
Pohled z ptačí perspektivy
Praktikum elementární analýzy dat Třídění 2. a 3. stupně UK FHS Řízení a supervize (LS 2012) Jiří Šafr jiri.safr(zavináč)seznam.cz poslední aktualizace.
Aplikační počítačové prostředky X15APP MATLAB cvičení 3 Ing. Ladislav Prskavec
Biostatistika 8. přednáška
1 Název celé následující kapitoly Řízení hospodárnosti režijních nákladů.
Návrh a implementace algoritmu SLAM pro mobilní robot
Korelace.
Biostatistika 1. přednáška Aneta Hybšová
Práce s polynomy v Matlabu
Modeling claim size in time via copulas (Gaida Pettere & Tonu Kollo) Mgr. Jan Šváb
Aplikační počítačové prostředky X15APP MATLAB cvičení 4
Matematické modelování Přednáška I. DS-ZS2007 Ing. Marek Mihola
Aplikovaná statistika 2. Veronika Svobodová
Postup při empirickém kvantitativním výzkumu
Než začneme programovat Co lze v MALATBu dělat, aniž musíme napsat program. © Leonard Walletzký, ESF MU, 2000.
Ověření modelů a modelování Kateřina Růžičková. Posouzení kvality modelu Ověření (verifikace) ● kvalitativní hodnocení správnosti modelu ● zda model přijatelně.
Specifika účtování ve vybraném zemědělském podniku Autor bakalářské práce: David Limberk Vedoucí bakalářské práce: Ing. Kristina Kabourková Oponent bakalářské.
Teorie efektivních trhů
Homogenita meteorologických pozorování
Regresní analýza výsledkem regresní analýzy je matematický model vztahu mezi dvěma nebo více proměnnými snažíme se z jedné proměnné nebo lineární kombinace.
Příklad (investiční projekt)
Homogenita meteorologických pozorování
Simulace oběhu družice kolem Země
Transkript prezentace:

BC. David Dudáš Obor: Projektový management a inženýring Korelace mezi výkonem ekonomiky a stavební produkcí států EU a vztahy pro predikci budoucího vývoje BC. David Dudáš Obor: Projektový management a inženýring

Obsah Úvod Korelace časových řad HDP a stavební produkce Korelační koeficient a jeho interpretace Předpověď budoucího vývoje stavební produkce Závěr a výsledky

Úvod Důležitý bod: Podobný vývoj HDP a stavební produkce v minulých letech Evropská unie Is it coincidence? Of course not. Are they same? Same answer: no. The development of both values is very similar. But how much? Goal was to quantify the similarity in individual states. Graf procentuální roční změny stavební produkce a HDP – data Evropské unie

Úvod Cíle: 1) Kvantifikovat podobnost mezi vývojem stavební produkce a HDP 2) Předpověď budoucích hodnot stavební produkce založená na předpokládaném vývoji HDP Evropská unie

Korelační koeficient a jeho interpretace Korelační koeficient R reprezentuje v této práci podobnost (závislost) mezi HDP a stavební produkcí Hodnoty mezi -1 a 1 (hodnoty od -1 do 0 v této práci nejsou očekávány) R ≤ 0,36 Malá závislost až nezávislost (podobnost) R є (0,36 ; 0,67) Střední závislost (podobnost) R ≥ 0,67 Silná závislost (podobnost)

Korelační koeficient a jeho interpretace Problém s výpočtem korelačního koeficientu na příkladu České republiky => Časový posun Česká republika Posun!

Korelace časových řad Je časový posun typický pro všechny země EU? => Testování statistické hypotézy na 10 vzorcích Testování hypotézy v párovém t-testu

Korelace časových řad Je časový posun typický pro všechny země EU? => Testování statistické hypotézy na 10 vzorcích Výsledek: Ne, časový posun nebyl prokázán! Případ České republiky je z pohledu Evropy jen statistická náhoda!

Korelace časových řad Vypočítané korelační koeficienty

Korelace časových řad Austrálie r = 0,26 Itálie r = 0,72 Finsko

Předpověď budoucího vývoje stavební produkce Je možné předpovědět budoucí vývoj stavební produkce na základě budoucích hodnot HDP a korelačního koeficientu? Ano. V tomto případě s použitím simulace v MATLABu. Evropská unie

Předpověď budoucího vývoje stavební produkce MATLAB algoritmus: Generování všech možných vývojů Kalkulace nových korelačních koeficientů Porovnání korelačních koeficientů s předchozími výpočty Zaznamenání možných vývojů splňující podmínky clear all; close all; % changing values r = 0.8743; % alfa 55% alfa = 0.125661; GDP = xlsread('GDP annual 95-14.xls','C35:S35'); CON = xlsread('cons annual 95-11.xls','C45:R45'); z = 0.5 * log((1+r)/(1-r)) rmax = tanh(z+(alfa/sqrt(length(GDP)-3))) rmin = tanh(z-(alfa/sqrt(length(GDP)-3))) j = 1; figure; plot(GDP,'-ob'); title('Sine Function'); xlabel('Radians'); ylabel('Function Value'); hold on; CON(length(CON)+1) = -10 + (20).*rand(1); n = 100; for i = 1:n CON(length(CON)) = -10 + (20).*rand(1); r = corrcoef(GDP,CON); if r(1,2) < rmax & r(1,2)> rmin num(j) = CON(length(CON)); j = j + 1; plot(CON,'-or') end GDP = xlsread('GDP annual 95-14.xls','C35:T35'); CON(length(CON)) = max(num); num2(j) = CON(length(CON)); CON(length(CON)-1) = min(num); CON(length(CON)-1) = mean(num); GDP = xlsread('GDP annual 95-14.xls','C35:U35'); CON(length(CON)) = max(num2); j=1; num3(j) = CON(length(CON)); CON(length(CON)-1) = min(num2); CON(length(CON)-1) = mean(num2);

Předpověď budoucího vývoje stavební produkce Podle definice předpověď funguje jen u států s velkým korelačním koeficientem! Příklad: Předpověď pro Finsko Finsko Finsko r = 0,87

Předpověď budoucího vývoje stavební produkce Simulace pro Finsko

Předpověď budoucího vývoje stavební produkce Simulace pro Finsko

Předpověď budoucího vývoje stavební produkce Prezentace výsledků Pro každou předpověď vznikají 3 scénáře Optimictický Neutrální Pesimistický Pro dlouhodobé předpovědi se použije kombinace scénářů jednotlivých let 2012 Optimistický Příklad; 2013 Optimistický Neutrální Pesimistický 2014 Optimistický Neutrální Pesimistický

Předpověď budoucího vývoje stavební produkce - výsledky Finsko 2012 Předpověď na rok 2012 pro Finsko

Předpověď budoucího vývoje stavební produkce - výsledky Předpověď pro Finsko založené na scénářích z roku 2012 Předpověď pro Finsko 2013 – optimistický 2012 Předpověď pro Finsko 2013 – pesimistický 2012

Závěr Výstupy: Otázky pro další výzkum: Vytvoření mapy EU s korelačními koeficienty mezi HDP a stavební produkcí Vytvoření algoritmu pro předpovědi budoucího vývoje stavební produkce Otázky pro další výzkum: Jaký je příčina stejných koeficientů ve stejných oblastech EU? Budou předpovědi potvrzeny pozorováním?

Děkuji za vedení práce Doc. Ing. Petru Dlaskovi, Ph.D. Originální znění práce bylo vytvořeno v anglickém jazyce. Práce byla prezentována na konferenci Evropských stavebních ekonomů Brusel 2013 Kontakt: Bc. David Dudas david.dudas@fsv.cvut.cz www.daviddudas.cz

Děkuji Vám za pozornost!