Course: E-kursa paraugs: Kvantitatīvās metodes ekonomikā

Topic outline

General

Collapse all Expand all
RĪGAS TEHNISKĀ UNIVERSITĀTE
Inženierekonomikas un vadības fakultāte
Kursa "Kvantitatīvās metodes ekonomikā" e-studiju vietne
- Jaunumi Forum
- KVANTITATĪVĀS METODES EKONOMIKĀ
- Dienas nodaļas studentiem
- Kursa mērķi
  
  Sniegt pamatzināšanas par biežāk lietotajām kvantitatīvajām metodēm ekonomiska rakstura problēmu risināšanai un pamatprasmes kvantitatīvo metožu pielietošanā.
- Pasniedzēji
- Prof. R. Počs
- Docente V. Ozoliņa, e-pasts v.ozolina@rtu.lv, konsultācijas Meža ielā 1/7-216. kab.
- Informācija par pārbaudes darbiem
- Lekciju un pārbaudes darbu plāns Page
- Informācija par praktiskajiem darbiem Page
- Informācija par kontroldarbiem/patstāvīgajiem darbiem Page
- Eksāmena tēmas un kārtība Page
- Pielaide pie eksāmena un vērtēšana File
- Komunikācija
- Jautājumi un atbildes Forum
Topic 1
KURSA INFORMĀCIJA
- KVANTITATĪVĀS METODES
- Lūdzu pārbaudiet, vai varat piekļūt visai informācijai, kas ievietota galvenajā sadaļā (lekciju plāns utt.), tad atbildiet uz anketas jautājumu.
- Aptauja Choice
- Praktiskie darbi un patstāvīgie darbi
- Jautājumi, kas palīdzēs sagatavoties praktiskajam darbam: Page
- 1. praktiskais darbs Assignment
- LINDO pamācība File
- LINDO pamācība no YouTube Page
- Praktisko darbu uzdevumu atrisināšanai pietiek ar programmas LINDO demo versiju. Programmu iespējams ielādēt gan no zemāk dotajiem failiem, gan arī no mājas lapas: www.lindo.com
- LINDOexe fails File
- LINDO zip arhīvs File
Topic 2
LEKCIJU MATERIĀLI
- KVANTITATĪVĀS METODES UN TO LIETOŠANAS VISPĀRĪGS RAKSTUROJUMS
- Lekcijas mērķi
  Pēc lekcijas apguves par kvantitatīvo metožu vispārējo raksturojumu un to izmantošanu lēmumu pieņemšanas procesā, studenti:
  * Zinās, kas ir kvantitatīvās metodes,
  * Zinās, kādas ir biežāk lietotās kvantitatīvās metodes,
  * Zinās, kas ir modelis un kādi ir modeļu veidi,
  * Zinās galvenās prasības, kas jāievēro, veidojot modeli,
  * Zinās lēmumu pieņemšanas procesa galvenos etapus
- Mācību materiāli
- Mācību grāmata File
- Prezentācija File
- Uzdevumi un testi
- Tests: Metodes Quiz
- Testa pildīšanas laiks: 5 minūtes (max 2 reizes).
Topic 3
Šī e-studiju vietne tapusi sadarbībā ar RTU IT Lietotāju atbalsta centru.
+371 6 708 9999, it@rtu.lv Skype
- DINAMIKAS RINDU ANALĪZES UN PROGNOZĒŠANAS METODES
- Lekcijas mērķi
  Pēc lekcijas apguves par dinamikas rindu analīzes un prognozēšanas metodēm, studenti:
  * Zinās, kas ir dinamikas rindas,
  * Zinās dinamikas rindu klasifikāciju,
  * Pratīs aprēķināt dinamikas rindas statistiskos rādītājus,
  * Pratīs novērtēt prognožu precizitāti,
  * Pratīs izmantot slīdošo vidējo un eksponenciālās izlīdzināšanas metodes prognozēšanā.
- Mācību materiāli
- Mācību grāmata File
- Prezentācija File
- Uzdevumi un testi
- Uzdevumi File
- Atbildes Page
- Praktiskie darbi un patstāvīgie darbi
- Jautājumi, kas palīdzēs sagatavoties praktiskajam darbam: Page
- 2. praktiskais darbs jāpilda programmā Excel, izmantojot Solver rīku.
Topic 4
4. lekcija
- TRENDI
- Lekcijas mērķi
  Pēc lekcijas apguves par trendiem, studenti:
  * Zinās svarīgākās trenda funkcijas,
  * Pratīs pielietot vairākas metodes, lai noskaidrotu piemērotāko trenda funkciju,
  * Pratīs aprēķināt lineāras funkcijas parametrus, izmantojot mazāko kvadrātu metodi,
  * Pratīs izmantot dažādas funkcijas programmā Excel trenda funkciju parametru un prognožu aprēķināšanai,
  * Pratīs aprēķināt prognožu ticamības intervāla robežas.
- Mācību materiāli
- Trenda funkcijas File
- Mācību grāmata File
- Prezentācija File
- Uzdevumi un testi
- Uzdevumi File
- Atbildes Page
Topic 5
5. lekcija
- SEZONĀLO SVĀRSTĪBU PROGNOZĒŠANA
- Lekcijas mērķi
  Pēc lekcijas apguves par sezonālo svārstību modelēšanu, studenti:
  * Zinās, kas ir sezonālas svārstības,
  * Zinās, kādas ir dinamikas rindu komponentes,
  * Pratīs izmantot klasiskās dekompozīcijas metodi,
  * Zinās, kādas metodes vēl tiek izmantotas sezonālo svārstību modelēšanā.
- Mācību materiāli
- Mācību grāmata File
- Prezentācija File
Topic 6
6. lekcija
- PĀRA REGRESIJA
- Lekcijas mērķi
  Pēc lekcijas apguves par pāra regresiju, studenti:
  * Zinās, kas ir korelācija un regresija,
  * Zinās biežāk lietotās regresijas sakarības,
  * Pratīs izveidot korelācijas diagrammu,
  * Pratīs aprēķināt lineāra pāra regresijas vienādojuma koeficientus, standartkļūdu, korelācijas koeficientu un determinācijas koeficientu,
  * Pratīs izrēķināt prognozētās atkarīgā mainīgā vērtības.
- Mācību materiāli
- Mācību grāmata File
- Prezentacija File
- Uzdevumi un testi
- Uzdevumi File
- Atbildes Page
Topic 7
7. lekcija
- DAUDZFAKTORU REGRESIJA
- Lekcijas mērķi
  Pēc lekcijas apguves par daudzfaktoru regresiju, studenti:
  * Zinās, kas ir daudzfaktoru regresija,
  * Zinās galvenās daudzfaktoru regresijas sakarību formas,
  * Zinās, kā tiek veikta objekta teorētiskā analīze,
  * Zinās faktoru izvēles loģiskās prasības,
  * Zinās, kā atpazīt multikolinearitāti,
  * Zinās, kā izpaužas dinamiskā regresija,
  * Pratīs aprēķināt dinamiska regesijas vienādojuma koeficientus,
  * Zinās, kas ir autoregresija,
  * Zinās, kā tiek noteikti iekļaujamie kavējuma lielumi autoregresijas vienādojumā,
  * Zinās, kas ir savstarpēji saistītu rādītāju vienādojumu sistēmas.
- Mācību materiāli
- Mācību grāmata File
- Prezentācija File
- Denny's piemērs File
- Uzdevumi un testi
- Uzdevumi File
- Atbildes Page
Topic 8
8. lekcija
- STATISTISKĀ KVALITĀTES KONTROLE
- Lekcijas mērķi
  Pēc lekcijas apguves par statistisko kvalitātes kontroli, studenti:
  * Zinās, kas ir kvalitāte,
  * Zinās, kādi ir kvalitātes plānošanas un kontroles posmi,
  * Zinās, kādi statistiskās kvalitātes kontroles pamatprincipus,
  * Pratīs aprēķināt procesa vidējā, apmlitūdas un proporcijas augšējās un apakšējās kontroles robežas,
  * Pratīs uzzīmēt kontroles grafikus.
- Mācību materiāli
- Mācību grāmata File
- Uzdevumi un testi
- Tests: Statistiskās metodes Quiz
- Testā: "Statistiskās metodes" ir jautājumi par dinamikas rindām, korelāciju-regresiju un par statistisko kvalitātes kontroli. Pildīšanas laiks 10 minūtes (max 2 reizes).
Topic 9
9. lekcija
- LINEĀRĀS PROGRAMMĒŠANAS VISPĀRĪGS RAKSTUROJUMS
- Lekcijas mērķi
  Pēc lekcijas apguves par Lineāro programmēšanu (LP), studenti:
  * Zinās, kas ir LP,
  * Zinās LP modeļu veidus,
  * Pratīs izveidot modeli pēc uzdevuma nosacījumiem,
  * Pratīs izveidot transporta uzdevuma modeli pēc uzdevuma nosacījumiem.
- Mācību materiāli
- Programma LINDO File
- Mācību grāmata File
- Programma LINDO (zip arhīvs) File
- Prezentācija File
- Uzdevumi un testi
- Uzdevumi File
- Atbildes Page
Topic 10
10. lekcija
- LINEĀRĀS PROGRAMMĒŠANAS UZDEVUMU GRAFISKAIS RISINĀJUMS
- Lekcijas mērķi
  Pēc lekcijas apguves par Lineārās programmēšanas uzdevumu grafisko risināšanu, studenti:
  * Pratīs atrisināt LP uzdevumu grafiski,
  * Zinās, kur grafikā redzams plāns, optimālais plāns un optimālā mērķa funkcija.
- Mācību materiāli
- Mācību grāmata File
- Prezentācija File
- Uzdevumi un testi
- Uzdevumi Page
- Atbildes Page
Topic 11
11. lekcija
- PĒCOPTIMIZĀCIJAS ANALĪZE
- Lekcijas mērķi
  Pēc lekcijas apguves par pēcoptimizācijas analīzi lineārajā programmēšanā, studenti:
  * Zinās, kādi ir iespējamie pēcoptimizācijas analīzes virzieni,
  * Pratīs novērtēt duālās cenas jeb duālos mainīgos,
  * Pratīs novērtēt ierobežojumu vērtības augšējo un apakšējo robežu;
  * Pratīs novērtēt mērķa funkcijas koeficientu augšējo un apakšējo robežu,
  * Zinās, kā veikt darba ražīguma analīzi.
- Mācību materiāli
- Mācību grāmata File
- Prezentācija File
- Uzdevumi un testi
- Uzdevumi Page
- Atbildes Page
Topic 12
12. lekcija
- SIMPLEKSA METODE
- Lekcijas mērķi
  Pēc lekcijas apguves par Simpleksa metodes izmantošanu lineārās programmēšanas uzdevumu risināšanā, studenti:
  * Zinās, kādi ir uzdevumu risināšanas soļi, izmantojot simpleksa metodi,
  * Pratīs atrisināt lineārās programmēšanas uzdevumus, izmantojot simpleksa metodi,
  * Pratīs atrast lietderīgu informāciju simpleksa metodes atrisinājuma tabulā.
- Mācību materiāli
- Mācību grāmata File
- Prezentācija File
- Simpleksa metodes rīks URL
- Uzdevumi un testi
- Uzdevumi Page
- Atbildes Page
Topic 13
13. - 14. lekcija
- IMITĒJOŠĀ MODELĒŠANA
- Lekcijas mērķi
  Pēc lekcijas apguves par imitējošo modelēšanu, studenti:
  * Zinās, kas ir imitējošā modelēšana,
  * Zinās, kas ir gadījuma skaitļi un kā tos iegūst,
  * Pratīs aprēķināt varbūtības, ja dots kāda notikuma iestāšanās biežums,
  * Pratīs varbūtībām piekārtot gadījuma skaitļus,
  * Pratīs imitēt procesu, ja doti gadījuma skaitļi.
- Mācību materiāli
- Mācību grāmata File
- Prezentācija File
- Funkcijas programmā Excel File
- Uzdevumi un testi
- Uzdevumi File
- Atbildes Page
Topic 14
15. lekcija
- RINDU TEORIJA
- Lekcijas mērķi
  Pēc lekcijas apguves par rindu teoriju, studenti:
  * Zinās, kāpēc ir aktuāla rindu problēma,
  * Zinās, kādi ir masu apkalpošanas sistēmas elementu raksturlielumi,
  * Zinās, uz kādiem jautājumiem var atbildēt, izmantojot rindu teoriju,
  * Pratīs aprēķināt procesu, kas saistīti ar rindām, galvenos efektivitātes rādītājus.
- Mācību materiāli
- Mācību grāmata File
- Prezentācija File
- Uzdevumi un testi
- Uzdevumi Page
- Atbildes. Page
Topic 15
16. lekcija
- MAKROEKONOMISKO PROCESU MODELĒŠANA
- Lekcijas mērķi
  Pēc lekcijas apguves par makroekonomisko modelēšanu, studenti:
  * Zinās, kas ir makroekonomiskie modeļi,
  * Zinās, kādi ir makroekonomisko modeļu veidi,
  * Zinās, kādi rādītāji tiek iekļauti makroekonomiskajos modeļos,
  * Zinās, kādos veidos tiek aprēķināts IKP makroekonomisko modeļu ietvaros,
  * Zinās, kādā veidā modeļus izmanto ekonomikas teorētiskajā analīzē,
  * Zinās, kādā veidā notiek modeļu praktiskā pielietošana.
- Mācību materiāli
- Prezentācija File
Topic 16
Sesija
- EKSĀMENS
- Eksāmena jautājumu tēmas un uzdevumu piemēri
- Eksāmena jautājumu tēmas Page
- Formulas, kas jāzina File
- Uzdevumi, kas palīdzēs sagatavoties eksāmenam:
- Eksāmenā 2. uzdevums Page
- Eksāmenā 4. uzdevums Page
- Eksāmenā 5. uzdevums Page
- Eksāmenā 8. uzdevums Page
Topic 17
Sesija
Topic 18

Not available
Topic 19

Not available
Topic 20

Not available
Topic 21

Not available

Topic outline

General

Topic 1

Topic 2

Topic 3

Topic 4

Topic 5

Topic 6

Topic 7

Topic 8

Topic 9

Topic 10

Topic 11

Topic 12

Topic 13

Topic 14

Topic 15

Topic 16

Topic 17

Topic 18

Topic 19

Topic 20

Topic 21