Model Modele analogowe i cyfrowe Prognozowanie a symulacja Modele zdarzeń dyskretnych a modele procesów ciągłych Wprowadzenie do symulacji Symulacja – przegląd definicji Symulacja zdarzeń dyskretnych Ocena kontraktu Eksperyment fizyczny Symulacja stochastyczna Metoda odwracania dystrybuanty Zmienność z próby Planowanie produkcji Symulacja na kracie Podsumowanie symulacji na kracie za pomocą funkcji reakcji Symulacja dynamiczna – sterowanie zapasami Problemy symulacji dynamicznej Symulacja w konwencji „termin następnego zdarzenia” . Kasjer Trzy fazy symulacji Alternatywne podejścia do symulacji zdarzeń dyskretnych Komputerowe generatory liczb losowych Rozkład równomierny – generator fizyczny Rozkład równomierny – generator komputerowy Rozkład normalny (Gaussa) Rozkład logarytmiczno-normalny Rozkład chi-kwadrat (χ Rozkładt-Studenta Rozkład Pareto Rozkład wykładniczy Symulacja modeli ciągłych Modele ekonometryczne Jednorównaniowy model liniowy Prosta symulacja stochastyczna modelu jednorównaniowego Wielorównaniowy model liniowy Rozwiązania modeli ekonometrycznych Rozwiązania a postacie modeli Rozwiązania równaniowe a rozwiązania systemowe Symulacja deterministyczna modelu Metoda Gaussa–Seidela Symulacja deterministyczna w analizie własności modelu Symulacja stochastyczna Dokładność symulacji stochastycznej Wybrane problemy losowania zaburzeń Symulacja Monte Carlo na Symulacja z reestymacją Losowość zmiennych egzogenicznych . Podstawy prognozowania Prognozowanie strukturalne i niestrukturalne Etapy prognozowania Warunki prognozowania z modelu ekonometrycznego Zasady prognozowania Prognozy ex post i ex ante oraz ich błędy Prognozowanie z modeli strukturalnych Prognozowanie z modeli jednorównaniowych Oczekiwany błąd prognozy w modelu z jedną zmienną objaśniającą Przedział ufności prognozy Oczekiwany błąd prognozy w modelu z wieloma zmiennymi objaśniającymi Prognozowanie na wiele okresów Prognoza z modelu statycznego Prognoza z modelu dynamicznego Prognozowanie na podstawie modeli wielorównaniowych Prognozy z modeli nieliniowych i ich obciążenie Symulacja stochastyczna w prognozowaniu z modeli nieliniowych Symulacja stochastyczna modelu KOSMOS Prognozowanie przy wykorzystaniu modeli niestrukturalnych Naiwne metody prognozowania Naiwna prognoza bez zmian Naiwna prognoza z trendem liniowym Naiwna prognoza z trendem wykładniczym Metody filtracji w prognozowaniu Średnie ruchome skończone . . Metody wygładzania wykładniczego Proste wygładzanie wykładnicze (metoda Browna) Wygładzanie wykładnicze z trendem liniowym i sezonowością (metoda Wintersa) Modele trendu Sztuczne sieci neuronowe w prognozowaniu Model sztucznego neuronu Sieci neuronowe Sieć jednokierunkowa jednowarstwowa Sieć jednokierunkowa wielowarstwowa Sieć wielowarstwowa realizująca lub-rozłączne Uczenie sieci Sieć neuronowa a model ekonometryczny.