PROGNOZY I SYMULACJE

Podobne dokumenty
Szereg czasowy z trendem. Model Holta. Stosujemy dwa równania rekurencyjne: I - słuy do wyznaczania wygładzonych wartoci szeregu czasowego w chwili t

PROGNOZY I SYMULACJE

PROGNOZY I SYMULACJE

PROGNOZOWANIE. Ćwiczenia 3. tel.: (061)

ANALIZA DYNAMIKI ZJAWISK (dok.) WYGŁADZANIE szeregu czasowego

Dane modelu - parametry

Prognozowanie i symulacje

opisać wielowymiarową funkcją rozkładu gęstości prawdopodobieństwa f(x 1 , x xn

Implementacja metod prognozowania szeregów czasowych w pakiecie TSprediction środowiska R

DYNAMIKA. Dynamika jest działem mechaniki zajmującym się badaniem ruchu ciał z uwzględnieniem sił działających na ciało i wywołujących ten ruch.

Statystyka. Katarzyna Chudy Laskowska

Materiały do wykładu 7 ze Statystyki

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH

PROGNOZOWANIE. mgr Żaneta Pruska. Katedra Systemów Logistycznych.

Analiza możliwości wykorzystania wybranych modeli wygładzania wykładniczego do prognozowania wartości WIG-u

Analiza i prognozowanie szeregów czasowych

ANALIZA SZEREGÓW CZASOWYCH

Teoria i praktyka. Wyższa Szkoła Turystyki i Ekologii. Fizyka. WSTiE Sucha Beskidzka Fizyka

1. WSTĘP. METODA EULERA 1 1. WSTĘP. METODA EULERA

Równania różniczkowe cząstkowe

Wnioskowanie statystyczne dla korelacji i regresji.

(liniowy model popytu), a > 0; b < 0

Jego zależy od wysokości i częstotliwości wypłat kuponów odsetkowych, ceny wykupu, oczekiwanej stopy zwrotu oraz zapłaconej ceny za obligację.

STATYSTYKA EKONOMICZNA w LOGISTYCE

KORELACJA KORELACJA I REGRESJA. X, Y - cechy badane równocześnie. Dane statystyczne zapisujemy w szeregu statystycznym dwóch cech

Metody numeryczne. Wykład nr 10. Dr Piotr Fronczak

PROGNOZOWANIE. mgr Żaneta Pruska. Katedra Systemów Logistycznych.

OBLICZANIE NIEPEWNOŚCI METODĄ TYPU B

Niepewności pomiarów. DR Andrzej Bąk

Obliczanie średniej, odchylenia standardowego i mediany oraz kwartyli w szeregu szczegółowym i rozdzielczym?

= n = = i i. Sprawdzenie istotności współczynnika korelacji ρ dla populacji na podstawie współczynnika r

5. OPTYMALIZACJA NIELINIOWA

MODELOWANIE I PROGNOZOWANIE

KURS STATYSTYKA. Lekcja 7 Analiza dynamiki zjawisk (zjawiska w czasie) ZADANIE DOMOWE. Strona 1

Modele tendencji rozwojowej STATYSTYKA OPISOWA. Dr Alina Gleska. Instytut Matematyki WE PP. 18 listopada 2017

FUNKCJE DWÓCH ZMIENNYCH

Analiza współzależności

INSTRUKCJA LABORATORIUM Metrologia techniczna i systemy pomiarowe.

ANALIZA SZEREGÓW CZASOWYCH

Rachunek różniczkowy funkcji wielu zmiennych

Opracowanie wyników pomiarów

Prognozowanie i symulacje

JEDNOWYMIAROWA ZMIENNA LOSOWA

Józef Beluch Akademia Górniczo-Hutnicza w Krakowie. Wpływ wag współrzędnych na wyniki transformacji Helmerta

Laboratorium Metod Statystycznych ĆWICZENIE 2 WERYFIKACJA HIPOTEZ I ANALIZA WARIANCJI

Niezawodność. systemów nienaprawialnych. 1. Analiza systemów w nienaprawialnych. 2. System nienaprawialny przykładowe

W loterii bierze udział 10 osób. Regulamin loterii faworyzuje te osoby, które w eliminacjach osiągnęły lepsze wyniki:

Zasady budowania prognoz ekonometrycznych

SZEREGI CZASOWE W PLANOWANIU PRODUKCJI W PRZETWÓRSTWIE SPOŻYWCZYM

N ( µ, σ ). Wyznacz estymatory parametrów µ i. Y które są niezależnymi zmiennymi losowymi.

Czas trwania obligacji (duration)

Statystyka Inżynierska

STATYSTYKA MATEMATYCZNA

Podstawy analizy niepewności pomiarowych (I Pracownia Fizyki)

Zmiana bazy i macierz przejścia

Rachunek różniczkowy funkcji wielu zmiennych

EKONOMETRIA. Liniowy model ekonometryczny (regresji) z jedną zmienną objaśniającą

3. OPTYMALIZACJA NIELINIOWA

G:\AA_Wyklad 2000\FIN\DOC\Geom20.doc. Drgania i fale III rok Fizyki BC

ĆWICZENIE 3 ANALIZA WSPÓŁZALEŻNOŚCI ZJAWISK MASOWYCH

METODY KOMPUTEROWE 1

Pomiary bezpośrednie i pośrednie obarczone błędem przypadkowym

Wykład 6. Badanie dynamiki zjawisk

STATYSTYKA OPISOWA. Państwowa Wyższa Szkoła Zawodowa w Koninie. Materiały pomocnicze do ćwiczeń. Materiały dydaktyczne 17 ARTUR ZIMNY

Miary położenia wskazują miejsce wartości najlepiej reprezentującej wszystkie wielkości danej zmiennej. Mówią o przeciętnym poziomie analizowanej

Prognozowanie na podstawie szeregów czasowych.

BADANIE WSPÓŁZALEśNOŚCI DWÓCH CECH - ANALIZA KORELACJI PROSTEJ

STATYSTYKA MATEMATYCZNA

, gdzie b 4c 0 oraz n, m ( 2). 2 2 b b b b b c b x bx c x x c x x

OBLICZANIE GEOMETRYCZNYCH MOMENTÓW BEZWŁADNOŚCI FIGUR PŁASKICH, TWIERDZENIE STEINERA LABORATORIUM RACHUNKOWE


Matematyka II. x 3 jest funkcja

Monika Jeziorska - Pąpka Uniwersytet Mikołaja Kopernika w Toruniu

INSTRUMENTY DŁUŻNE. Rodzaje ryzyka inwestowania w obligacje Duracja i wypukłość obligacji Wrażliwość wyceny obligacji

Metoda analizy hierarchii Saaty ego Ważnym problemem podejmowania decyzji optymalizowanej jest często występująca hierarchiczność zagadnień.

PODSTAWOWE MIERNIKI DYNAMIKI ZJAWISK

Zadanie 1. ), gdzie 1. Zmienna losowa X ma rozkład logarytmiczno-normalny LN (, . EX (A) 0,91 (B) 0,86 (C) 1,82 (D) 1,95 (E) 0,84

. Wtedy E V U jest równa

Prawdopodobieństwo i statystyka r.

OCENA POPYTU POPYT POJĘCIA WSTĘPNE. Definicja: Popyt to ilość dobra, jaką nabywcy gotowi są zakupić przy różnych poziomach ceny.

Johann Wolfgang Goethe Def.

Planowanie eksperymentu pomiarowego I

TRANZYSTORY POLOWE JFET I MOSFET

Wykład 6. Badanie dynamiki zjawisk

Regresja linowa metoda najmniejszych kwadratów. Tadeusz M. Molenda Instytut Fizyki US

Spójne przestrzenie metryczne

IV. ZMIENNE LOSOWE DWUWYMIAROWE

MODEL SHARP A - MIARY WRAŻLIWOŚCI

ma rozkład normalny z nieznaną wartością oczekiwaną m

Średnia arytmetyczna Klasyczne Średnia harmoniczna Średnia geometryczna Miary położenia inne

INSTRUMENTY DŁUŻNE. Cena czysta, cena brudna Rodzaje ryzyka inwestowania w obligacje Duracja i wypukłość obligacji Wrażliwość wyceny obligacji

POPULACJA I PRÓBA. Próba reprezentatywna. Dr Adam Michczyński - METODY ANALIZY DANYCH POMIAROWYCH 5 1

STATYSTYKA I stopień ZESTAW ZADAŃ

Wygładzanie metodą średnich ruchomych w procesach stałych

Zastosowanie metody najmniejszych kwadratów do pomiaru częstotliwości średniej sygnałów o małej stromości zboczy w obecności zakłóceń

STATYSTYKA MATEMATYCZNA WYKŁAD 2 ESTYMACJA PUNKTOWA

Zależność kosztów produkcji węgla w kopalni węgla brunatnego Konin od poziomu jego sprzedaży

Portfel. Portfel pytania. Portfel pytania. Analiza i Zarządzanie Portfelem cz. 2. Katedra Inwestycji Finansowych i Zarządzania Ryzykiem


( ) L 1. θ θ = M. Przybycień Rachunek prawdopodobieństwa i statystyka. = θ. min

Transkrypt:

Foecasg s he a of sag wha wll happe, ad he explag wh dd. Ch. Chafeld (986) PROGNOZY I SYMULACJE Kaaza Chud Laskowska kosulacje: p. 00A śoda - czwaek - soa eeowa: hp://kc.sd.pz.edu.pl/

WYKŁAD VIII Szeeg czasowe III. Meoda wskaźkowa. Model edu pełzającego z wagam hamoczm 3. Meoda jedomech okesów

3. MODEL TRENDU PEŁZAJĄCEGO Z WAGAMI HARMONICZNYMI Ted pełzając jes modelem adapacjm służ do budow pogoz kókookesowch. Dae: 3; ; 0; ; 5; ; 6 KONSTRUKCJA TRENDU PEŁZAJĄCEGO (k=3) ETAP ETAP Usalee waośc sałej wgładzaa k<, Wższa waość sałej wgładzaa powoduje wększe wgładzae szeegu czl słabsze eagowae a zma zachodzące w szeegu. Oszacowae a podsawe kolejch fagmeów szeegu o długośc k, lowch fukcj edu f ( ) a b Y Pzedzał czasu Fagme szeegu Waośc Y f () 3-3,, 3 3++0 f ()=,5+36,33 -, 3, +0+ f ()=,5+0,6 3 0 3-5 3,, 5 0++5 f 3 ()=,5+3,00-6, 5, 6 +5+ f ()=,5+0, lowe fukcje edu 5 5 5-5, 6, 5++6 f 5 ()=,5+,33 3

3. MODEL TRENDU PEŁZAJĄCEGO Z WAGAMI HARMONICZNYMI ETAP 3 Oblczee waośc wgładzoch zmeej ( ) z. waośc eoeczch wkającch z -ej fukcj edu. Z daej fukcj edu f wzacza sę waośc eoecze dla ch okesów, a podsawe kóch fukcja bła oszacowaa. ˆ f ()=,5 +36,33=3,83 f ()=,5 +36,33=39,33 Waośc eoecze fukcj edu f 5 3 39 3 35 3 5 6 Y ed pełzając f() f() f(3) f() f(5) waośc wgładzoe 3,83 3,83 39,33 0,6 (3,83+0,6)/=0 3 0,83 0,6 39,5 (0,83+0,6+39,5)/3=0,33 0,6,00, (0,6++,)/3=,6 5,50,6 3,83 (,5+,6+3,83)/3=3,6 6 3,,33 (3,+,33)/=3,5,83,83 ETAP Oblczee śedej waośc wgładzoej dla każdego okesu jako śedej ameczej waośc wgładzoch oblczoch dla ego okesu w eape 3. Wkes waośc wgładzoch w posac segmeowej (ed pełzając) moża pzedsawć a wkese

3. MODEL TRENDU PEŁZAJĄCEGO Z WAGAMI HARMONICZNYMI EKSTRAPOLACJA MODELU TRENDU PEŁZAJĄCEGO (k=3) ETAP 5 Oblczee pzosów fukcj edu dla waośc wgładzoch w..., +(od do ) (od do -) 0 3,83, w 3 0,33 0 0,33,6 3 0,33,8 5 3,6,6,06 6 3,5 5 3,6-0,0,83 6 3,5,08 5

6 3. MODEL TRENDU PEŁZAJĄCEGO Z WAGAMI HARMONICZNYMI ETAP 6 Nadae wag poszczególm pzosom Realzują oe efek posazaa fomacj, adawae są ak, ab ajowsze pzos mał ajwększe zaczee. Suma wag wos. Są o wag hamocze. C,..., 0,0 C C 0,05 3 C C 0,03 3 3 3 C C 0,59 3 5 C C 0, 5 3 5 6 5 C C 0,09 6 3 6 6 C C

3. MODEL TRENDU PEŁZAJĄCEGO Z WAGAMI HARMONICZNYMI ETAP Okeślee śedego pzosu edu jako śedej ważoej (wagam hamoczm) wszskch oblczoch w 5 eape pzosów: w C w w, 0,0 0,3 0,05,8 0,03,06 0,59 ( 0,0) 0,,08 0,09 0,98 ETAP 8 Wzaczee pogoz pukowej a mome/okes T 8 9 0 T ( T ),83,83,83 (8 (9 (0 ) ) ) 0,98 0,98 0,98 w 5,8 6,9, 9 5 3 39 3 35 3 5 6 8 9 0 Y ed pełzając Podobe jak dla modelu Hola, wszske koleje pogoz leżą a posej. Dla edu pełzającego jes o posa pzechodząca pzez puk (, ), kóej ages kąa achlea do os czasu wos w.

. METODA TRENDÓW JEDNOIMIENNYCH OKRESÓW Jeśl szeeg czasow chaakezuje sę edecją ozwojową, wahaam okesowm oaz pzpadkowm o do kosukcj kókookesowch pogoz moża zasosować meodę edów jedomech okesów. Meoda polega a oszacowau paameów aalczej fukcj edu oddzele dla poszczególch faz cklu. Pogoza wzaczaa jes za pomocą eksapolacj oszacowaej fukcj edu dla każdej faz cklu. Sosowae ej meod wmusza pzjęce zasad saus quo, z., że uzma sę zaobsewowaa edecja dla każdej z faz cklu. j 0 j j, j... k,... j j 0, - welkość zmeej pogozowaej dla -ej faz w j-m cklu - zmea czasowa, ( j ) j - paame sukuale -ego modelu, j - składk losow,

. METODA TRENDÓW JEDNOIMIENNYCH OKRESÓW Na podsawe dach doczącch kwaalej welkośc zapasów samochodów u poduceów (w s. sz.) wzaczć pogoz zapasów samochodów a ok 00 oaz dokoać oce ch dokładośc, pzjmując, że kcza welkość względego błędu ex ae wos %. Kwaał Zapas samochodów u poduceów (s) 00 005 006 00 008 009 I,,,8 5 5, 5, II 5, 5, 5, 6 6, 6, III,9 5, 5,3 5,6 5,9 6,3 IV 5,3 5,6 5,9 6, 6, 6, Zapas samochodów u poduceów (s) 6,8 6,6 6, 6, 6,0 5,8 5,6 5, 5, 5,0,8,6,,,0 I II III IV I II III IV I II III IV I II III IV I II III IV I II III IV Ocea wzokowa pozwala a zdefkowae składowej ssemaczej w posac edu osącego oaz wahań ssemaczch a akże wahań pzpadkowch. Składowe pozwalają a zasosowae meod edów jedomech okesów. Szeeg chaakezuje sę egulaoścą, e obsewuje zaczącch zma w zdefkowach Składowch. Zakłada sę że zaówo edecja ozwojowa jak wahaa ssemacze e ulegą soej zmae w okese pogozowam. 9

. METODA TRENDÓW JEDNOIMIENNYCH OKRESÓW Meoda polega a oszacowau paameów edu oddzele dla poszczególch faz cklu. Każd szeeg czasow odosząc sę do okeśloej faz cklu opsa jes modelem lowm. j 0 j j, j... k,... 6,8 6,6 6, 6, 6,0 5,8 5,6 5, 5, 5,0,8,6,,,0 0 3 5 6 I II III IV Zapas samochodów u poduceów (s) Kwaał Rówae modelu R s ˆ j 0,8 3,88 ˆ j 0,6, 88 ˆ j 0,6, 59 0, 5, 0 I 0,95 0, II 0,99 0,05 III 0,9 0,08 ˆ j IV 0,99 0,0 Pogoz wzacza sę pzez eksapolację oszacowach l edów dla poszczególch faz cklów. 0

. METODA TRENDÓW JEDNOIMIENNYCH OKRESÓW Kwaał, Zapas samochodów u poduceów (s) Pogoza Bezwzględ błąd ex ae v Względ błąd ex ae (w %) 0,8 3,88 5, I 0,6,9, 0,6,88 6, II 0,3 3,5,3 0,6,59 6, III 0,3,0, 0, 5,0 6,93 IV 0,0 0, s m ˆ 6 0,066 0, 8 6 V T T s 3,5,5 6 0, 0,69 0 3 5 9 3 5 9 3 5 Oblczea dla I kwaałów V 00% 0,69 5, 00%,9% (-ś)^ (-)^ 6,5,,6 0,006,5,, 0,006 3 0,5,8, 0,006 0,5 5 5 0 5,5 5, 5,8 0,03 6 6,5 5, 5,56 0,096,5 0,066 3,50,9

5. METODA WSKAŹNIKÓW Jes o jeda z częścej użwach meod w aalze wahań sezoowch. Polega oa a wzaczeu wskaźków sezoowośc poszczególch faz cklu. Gd amplud wahań W aalogczch fazach cklu są w pzblżeu ake same, mów sę o wahaach bezwzględe sałch. Gd zaś welkośc amplud wahań zmeają sę w mej węcej m samm sosuku, mów sę o wahaach względe sałch. W pewszm pzpadku moża użć do opsu kszałowaa sę zjawska modelu addwego a w dugm mulplkawego: ˆ ˆ s W aalze wahań sezoowch moża wodębć cze eap: -wodębee edu, -elmację edu z szeegu czasowego, -elmację wahań pzpadkowch, -oblczee wskaźków sezoowośc. Wodębee edu polega a wgładzeu szeegu czasowego za pomocą -wazowej ceowaej lub eceowaej śedej uchomej, lub fukcj aalczej. Celem agegacj dach jes uzskae szeegu czasowego, w kóm e wsępują wahaa sezoowe. Pzepowadza sę ją pzez sumowae dach w okesach pzjęch w badau w dae odpowadające okesom ówm długośc cklu sezoowego. s

5. METODA WSKAŹNIKÓW Elmacj edu w w pzpadku szeegu czasowego z wahaam addwm dokouje sę oblczając óżcę zeczwsch waośc zmeej pogozowaej waośc wgładzoch, ozmach z modelu edu. W pzpadku wahań mulplkawch wzacza sę loaz zeczwsch waośc pogozowaej zmeej pzez odpowadające m waośc wgładzoe. z ˆ, z ˆ Oblczoe waośc uwzględają wahaa sezoowe. Elmację dzałaa składka losowego pzepowadza sę oblczając zw. suowe wskaźk sezoowośc. Saową je welkośc śede wzaczoe a podsawe welkośc z, doczącch ej samej faz wahań. z k z k j 0 j, Wskaźk sezoowośc (czse) wzacza sę ze wzoów: s z q, s z q, q z, lczba faz cklu Pogozę wzacza sę asępująco: ( ) s, ( ) s 3

5. METODA WSKAŹNIKÓW - pzkład Lczba awa masz z powodu spadku moc zaslaa w pewm pzedsęboswe podukcjm w poszczególch półoczach la 003-00 pzedsawała sę asępująco: 3; ; ; 9; ; 6; 8; ; ; 8. Wzaczć pzewdwaą lczbę awa w 008 oku. Ckl składa sę z faz. W pewszej (I półocze) zeczwsa waość zajduje sę powżej l edu a w dugej waośc są pożej l edu. =0 (obsewacj) = (ckle) Kozsam z modelu mulplkawego: c ( w) ( w) c pogoza a okes w -ej faze cklu pogoza wsępa a okes w -ej faze cklu czs wskaźk sezoowośc w -ej faze cklu Lczba awa 3 3 30 8 6 0 8 6 0 8 Lczba awa = 30,00 -,08 Koelacja: = -,869 6 0 6 8 0 Czas Pogozę wsępą wzacza sę pzez eksapolację zaobsewowaej edecj ozwojowej. ˆ Y 30

5. METODA WSKAŹNIKÓW - pzkład ˆ Y 30...0, Ab wzaczć waośc czsch wskaźków sezoowośc c ależ: a) oblczć waośc z jako loaz waośc zeczwsch eoeczch: z...0, Y ŷ 3 8 6 3 9 5 0 6 6 8 8 6 8 9 0 8 0 3 9 z,, z, 0,8 z3,,3 z, 0,86 z5, 8 6 0,0 6 8 8 z6, 0,89 z,,3 z8, 0,9 z9,, z0, 8 6 0 0,80 b) waośc z zaweają efek oddzałwaa wahań sezoowch jak pzpadkowch, w celu ch welmowaa oblcza sę suowe wskaźk sezoowośc z (=,) pzez wzaczee śedej ch waośc z, kóe odpowadają jedomem fazom: z, 5,3,0,3,,8 z 0,8 5 0,86 0,89 0,9 0,80 0,89 c) oblcza sę śedą ameczą suowch wskaźków sezoowośc q q,8 0,89,006 ˆ q z 5

5. METODA WSKAŹNIKÓW - pzkład Czse wskaźk sezoowośc wzacza sę jako loaz suowch wskaźków sezoowośc z welkośc q. c c,8,006 0,89,006,5 0,85 c z q (,%) (8,5%), dla I półocza dla II półocza c suma wskaźków mus bć ówa lczbe faz Czs wskaźk sezoowośc c =,5 ozacza, że w pewszej faze cklu czl w I półoczu lczba awa jes pzecęe o,5% wższa od waośc wkającej z l edu, c =0,85 ozacza że w dugej faze cklu (II półoczu) lczba awa jes pzecęe o,5% mejsza od waośc wkającej z l edu. Pogoza wzaczoa a koleje kwaał ma posać:, ( w), c 30,5 9 awa, ( w), c 30 0,85 5 awa 6