Metody prognozowania: Jakość prognoz Wprowadzenie (1) 6. Oszacowanie przypuszczalnej trafności prognozy

Podobne dokumenty
Motto. Czy to nie zabawne, że ci sami ludzie, którzy śmieją się z science fiction, słuchają prognoz pogody oraz ekonomistów? (K.

Ekonometria ćwiczenia 3. Prowadzący: Sebastian Czarnota

Ekonometria. Prognozowanie ekonometryczne, ocena stabilności oszacowań parametrów strukturalnych. Jakub Mućk. Katedra Ekonomii Ilościowej

Wprowadzenie do teorii prognozowania

Zasady budowania prognoz ekonometrycznych

Programowanie nieliniowe optymalizacja funkcji wielu zmiennych

Badanie zależności cech

Przedziały ufności i testy parametrów. Przedziały ufności dla średniej odpowiedzi. Interwały prognoz (dla przyszłych obserwacji)

f x f y f, jest 4, mianowicie f = f xx f xy f yx

Ekonometria Wykład 4 Prognozowanie, sezonowość. Dr Michał Gradzewicz Katedra Ekonomii I KAE

Ćwiczenia IV

L.Kowalski zadania z rachunku prawdopodobieństwa-zestaw 4 ZADANIA - ZESTAW 4

Zmienne losowe typu ciągłego. Parametry zmiennych losowych. Izolda Gorgol wyciąg z prezentacji (wykład III)

Analiza współzależności zjawisk

Stanisław Cichocki. Natalia Nehrebecka. Zajęcia 1-2

ZADANIE 1 Poniżej znajduje się fragment wykresu funkcji y = f (x). ZADANIE 2 Na podstawie podanego wykresu funkcji f

5. Model sezonowości i autoregresji zmiennej prognozowanej

3. Modele tendencji czasowej w prognozowaniu

Ekonometria. wiczenia 4 Prognozowanie. Andrzej Torój. Instytut Ekonometrii Zakªad Ekonometrii Stosowanej

Pomiar bezpośredni przyrządem wskazówkowym elektromechanicznym

Projekt zaliczeniowy z Ekonometrii i prognozowania Wyższa Szkoła Bankowa w Toruniu 2017/2018

Zajęcia 2. Estymacja i weryfikacja modelu ekonometrycznego

Niepewność pomiaru. Wynik pomiaru X jest znany z możliwa do określenia niepewnością. jest bledem bezwzględnym pomiaru

PROGNOZOWANIE I SYMULACJE EXCEL 1 AUTOR: MARTYNA MALAK PROGNOZOWANIE I SYMULACJE EXCEL 1 AUTOR: MARTYNA MALAK

Wykład 4 Testy zgodności. dystrybuanta rozkładu populacji dystrybuanty rozkładów dwóch populacji rodzaj rozkładu wartości parametrów.

Prawdopodobieństwo i rozkład normalny cd.

Ćwiczenie 5 PROGNOZOWANIE

Projekt zaliczeniowy z Ekonometrii i prognozowania Wyższa Szkoła Bankowa w Toruniu 2014/2015

Akademia Górniczo-Hutnicza Wydział Elektrotechniki, Automatyki, Informatyki i Elektroniki

JEDNORÓWNANIOWY LINIOWY MODEL EKONOMETRYCZNY

Testowanie hipotez statystycznych związanych ą z szacowaniem i oceną ą modelu ekonometrycznego

Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji

Wykład 3 Hipotezy statystyczne

Statystyka. Wykład 4. Magdalena Alama-Bućko. 19 marca Magdalena Alama-Bućko Statystyka 19 marca / 33

Testowanie hipotez. Marcin Zajenkowski. Marcin Zajenkowski () Testowanie hipotez 1 / 25

1.9 Czasowy wymiar danych

Rozdział 8. Regresja. Definiowanie modelu

... prognozowanie nie jest celem samym w sobie a jedynie narzędziem do celu...

4. Średnia i autoregresja zmiennej prognozowanej

Estymacja przedziałowa - przedziały ufności dla średnich. Wrocław, 5 grudnia 2014

K wartość kapitału zaangażowanego w proces produkcji, w tys. jp.

12. FUNKCJE WIELU ZMIENNYCH. z = x + y jest R 2, natomiast jej

Ekstrema funkcji dwóch zmiennych

Wykład 10. Funkcje wielu zmiennych

Projekt Era inżyniera pewna lokata na przyszłość jest współfinansowany przez Unię Europejską w ramach Europejskiego Funduszu Społecznego

Psychometria PLAN NAJBLIŻSZYCH WYKŁADÓW. Co wyniki testu mówią nam o samym teście? A. Rzetelność pomiaru testem. TEN SLAJD JUŻ ZNAMY

Projekt Era inżyniera pewna lokata na przyszłość jest współfinansowany przez Unię Europejską w ramach Europejskiego Funduszu Społecznego

Statystyka matematyczna

Analiza i monitoring środowiska

Statystyka. Wykład 4. Magdalena Alama-Bućko. 13 marca Magdalena Alama-Bućko Statystyka 13 marca / 41

Wykład 10 Estymacja przedziałowa - przedziały ufności dla średn

Statystyka. Opisowa analiza zjawisk masowych

7.4 Automatyczne stawianie prognoz

Stosowana Analiza Regresji

Populacja generalna (zbiorowość generalna) zbiór obejmujący wszystkie elementy będące przedmiotem badań Próba (podzbiór zbiorowości generalnej) część

WYKORZYSTANIE SZTUCZNYCH SIECI NEURONOWYCH DO PROGNOZOWANIA CEN NA GIEŁDZIE ENERGII

5. WNIOSKOWANIE PSYCHOMETRYCZNE

Odchudzamy serię danych, czyli jak wykryć i usunąć wyniki obarczone błędami grubymi

FORECASTING THE DISTRIBUTION OF AMOUNT OF UNEMPLOYED BY THE REGIONS

Teoria błędów. Wszystkie wartości wielkości fizycznych obarczone są pewnym błędem.

Przykładowy model ekonometryczny. Sebastian Michalski

Weryfikacja hipotez statystycznych. KG (CC) Statystyka 26 V / 1

WYKŁAD 5 TEORIA ESTYMACJI II

Wskaźnik asymetrii Jeżeli: rozkład jest symetryczny, to = 0, rozkład jest asymetryczny lewostronnie, to < 0. Kwartylowy wskaźnik asymetrii

Zadania ze statystyki, cz.7 - hipotezy statystyczne, błąd standardowy, testowanie hipotez statystycznych


Równania różniczkowe

Indeksy dynamiki (o stałej i zmiennej podstawie)

Wykład 5 Estymatory nieobciążone z jednostajnie minimalną war

Estymacja parametrów modeli liniowych oraz ocena jakości dopasowania modeli do danych empirycznych

SZEREG CZASOWY Y zjawisko badane w różnych okresach lub momentach czasu. Dynamika zjawiska to zmiana zjawiska w czasie. Przykład. Y średni kurs akcji

Wprowadzenie do statystyki dla. chemików testowanie hipotez

EKONOMETRIA. Prof. dr hab. Eugeniusz Gatnar.

MATURA PRÓBNA 2 KLASA I LO

PRÓBNY EGZAMIN MATURALNY

RÓWNANIA RÓŻNICZKOWE WYKŁAD 5

Statystyka w pracy badawczej nauczyciela Wykład 3: Analiza struktury zbiorowości statystycznej. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.

Projektowanie systemów pomiarowych. 02 Dokładność pomiarów

JEDNOCZYNNIKOWA ANOVA

Drugie kolokwium z Rachunku Prawdopodobieństwa, zestaw A

STATYSTYKA MAŁYCH OBSZARÓW I. WPROWADZENIE

ZJAZD 4. gdzie E(x) jest wartością oczekiwaną x

Wydatki [zł] Wydatki 36,4 38, ,6 37,6 40, , ,5 33 Czas

1 Podstawy rachunku prawdopodobieństwa

Estymacja przedziałowa. Przedział ufności

RÓWNANIA RÓŻNICZKOWE WYKŁAD 3

Założenia prognostyczne WPF

Inteligentna analiza danych

Testowanie hipotez statystycznych

Klucz odpowiedzi i schemat punktowania do próbnego zestawu egzaminacyjnego z zakresu przedmiotów matematyczno-przyrodniczych

JAK WYZNACZA SIĘ PARAMETRY WALIDACYJNE

RÓWNOWAŻNOŚĆ METOD BADAWCZYCH

Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)

Spis treści 3 SPIS TREŚCI

Ekonometria. Modele dynamiczne. Paweł Cibis 27 kwietnia 2006

LABORATORIUM Populacja Generalna (PG) 2. Próba (P n ) 3. Kryterium 3σ 4. Błąd Średniej Arytmetycznej 5. Estymatory 6. Teoria Estymacji (cz.

Regresja i Korelacja

LABORATORIUM 6 ESTYMACJA cz. 2

PREDYKCJA Z UKŁADU RÓWNAŃ WSPÓŁZALEŻNYCH PREDICTION FROM AN INTERDEPENDENT SYSTEM OF EQUATIONS

Ćwiczenie 361 Badanie układu dwóch soczewek

Transkrypt:

Metod prognozowania: Jakość prognoz Dr inż. Sebastian Skoczpiec ver. 03.2012 Wprowadzenie (1) 1. Sformułowanie zadania prognostcznego: 2. Określenie przesłanek prognostcznch: 3. Zebranie danch 4. Określenie metod i reguł prognozowania 5. Wznaczenie prognoz 6. Oszacowanie przpuszczalnej trafności prognoz 4. Wkorzstanie prognoz 5. Monitorowanie prognoz dr. inż. Sebastian Skoczpiec Metod rognozowania: Jakość prognoz 2 1

Wprowadzenie (2) Szczególnie istotnm etapem prognozowania jest werfikacja prognoz i ocena ich jakości, która ma podstawowe znaczenie dla ewentualnego wkorzstania tej prognoz. Jeżeli spełnia określone warunki dokładności i trafności może bć zastosowana. odstawowe znaczenie ma zatem analiza błędów prognoz. dr. inż. Sebastian Skoczpiec Metod rognozowania: Jakość prognoz 3 Źródła błędów prognoz (1): Błąd estmacji modelu (oszacowane wartości wektora parametrów a różnią się od orginalnch wartości wektora α). Błąd struktur stochastcznej modelu (oszacowane parametr rozkładu składnika losowego, w szczególności wariancja resztowa Se 2 różni się od wartości rzeczwistej σ 2 ). Błąd losow (wartość składnika losowego w momencie prognoz jest różna od zera). Błąd specfikacji modelu (zastosowano nieodpowiednią postać funkcji modelu lub nieodpowiedni zestaw zmiennch objaśniającch). dr. inż. Sebastian Skoczpiec Metod rognozowania: Jakość prognoz 4 2

Źródła błędów prognoz (2): Błąd warunków endogenicznch (nastąpiło zakłócenie postaci modelu). Błąd warunków egzogenicznch (wartości w przpadku ich szacowania zmiennch objaśniającch uwzględnione w prognozie różnią się od rzeczwistch). Błąd pomiaru. dr. inż. Sebastian Skoczpiec Metod rognozowania: Jakość prognoz 5 Okres, którego dotcz sporządzana prognoza nazwa się okresem prognoz (T). Długość okresu prognoz zależ od: - od charakteru prognozowanego zjawiska, - od praktcznch potrzeb prognozowania. Liczba jednostek czasu, jaka upłwa od teraźniejszości do okresu prognozowania nazwa się wprzedzeniem prognoz (). dr. inż. Sebastian Skoczpiec Metod rognozowania: Jakość prognoz 6 3

Horzontem prognoz jest najdłuższ okres lub moment w przszłości, w którm prognoza jest dopuszczalna w świetle przjętego krterium. rzjmujem następujące oznaczenia: n ostatni okres, dla którego dsponuje się danmi statstcznmi dotczącmi rzeczwistch realizacji zmiennej prognozowanej, - przedział czasu oddzielając okres n od najdalszego okresu w przszłości, dla którego prognoza jest dopuszczalna, T okres prognoz. dr. inż. Sebastian Skoczpiec Metod rognozowania: Jakość prognoz 7 Horzontem prognoz jest zatem taki przedział czasow [ n, n+ ], w którm dla każdego okresu t = n+1, n+2,..., n+ można w sposób uzasadnion sporządzać dopuszczalne prognoz badanego zjawiska. Dopuszczalne są więc prognoz dla takich okresów T, które nie wbiegają poza okres n +. dr. inż. Sebastian Skoczpiec Metod rognozowania: Jakość prognoz 8 4

rognoza jest naukowo uzasadnionm sądem o stanie zjawiska w określonm momencie (okresie) należącm do przszłości. Słowo sąd sgnalizuje niepewność prognoz. rognoza jest więc sądem o nieznanm. Sąd bwają fałszwe lub prawdziwe. O prognozach powiem zaś, że są: trafne gd okazują się wstarczająco bliskie realizacji prognozowanej zmiennej; nietrafne (chbione) gd rozbieżność prognoz i wielkości prognozowanej okazuje się zbt wielka jak na nasze potrzeb. Błąd predkcji można oszacować tlko dla prognoz ilościowch. dr. inż. Sebastian Skoczpiec Metod rognozowania: Jakość prognoz 9 Ocenę dokładności i trafności prognoz dokonujem stosując: mierniki dokładności ex post mierniki dokładności ex ante mierniki bezwzględne (zachowujące jednostkę pomiaru zmiennej prognozowanej) mierniki względne (umożliwiające porównanie prognoz uzskanch różnmi metodami prognostcznmi) dr. inż. Sebastian Skoczpiec Metod rognozowania: Jakość prognoz 10 5

Dokładność i trafnośc prognoz: Błąd prognoz: ex ante -> dokładności prognoz. przed upłwem tego czasu, na któr prognoza bła ustalona ex post -> trafność prognoz po upłwie czasu, na któr prognoza bła ustalona (znana jest realizacja zmiennej prognozowanej) dr. inż. Sebastian Skoczpiec Metod rognozowania: Jakość prognoz 11 trafność prognoz Trafność prognoz określa się po upłwie czasu, na któr prognoza bła wznaczona Stopień trafności prognoz ilościowej mierz się za pomocą błędów ex post Błąd ex post to wartość odchlenia rzeczwistch realizacji zmiennej prognozowanej od obliczonch prognoz Błęd ex post można obliczać dla każdego momentu lub okresu należącego do przedziału czasu [n+1,., T] dr. inż. Sebastian Skoczpiec Metod rognozowania: Jakość prognoz 12 6

Błęd prognoz ex post błąd (ang. error) E = Różnica Y - Y (odchlenie realizacji zmiennej prognozowanej od wartości prognoz) jest miarą błędu prognoz dla okresu błąd procentow (ang. percentage error) E = 100 E określa, jaki procent rzeczwistej realizacji zmiennej prognozowanej wnosi błąd prognoz dr. inż. Sebastian Skoczpiec Metod rognozowania: Jakość prognoz 13 Błęd prognoz ex-post Załóżm, iż wznaczono m prognoz wartości zmiennej Y oraz znane są rzeczwiste wartości zmiennej prognozowanej Y dla = 1, 2,..., m. średni błąd (ang. mean error): m 1 ME = ( m = 1 ) wartość ME powinna bć równa zero lub bliska zeru; gd zaobserwowane odchlenie od zera jest dodatnie, wnioskujem, że prognoz wgasłe są niedoszacowane; gd zaobserwowane odchlenie od zera jest ujemne, wnioskujem, że prognoz wgasłe są przeszacowane. dr. inż. Sebastian Skoczpiec Metod rognozowania: Jakość prognoz 14 7

Błęd prognoz ex post średni procentow błąd (ang. mean percentage error): ME m = = 1 E m ME informuje, jaki procent rzeczwistch realizacji zmiennej prognozowanej stanowią błęd prognoz w okresie predkcji dr. inż. Sebastian Skoczpiec Metod rognozowania: Jakość prognoz 15 średni błąd bezwzględn (ang. mean absolute error): Błęd prognoz ex post MAE m = 1 m =1 MAE informuje o ile średnio - w okresie predkcji - rzeczwiste realizacje zmiennej prognozowanej będą się odchlać co do bezwzględnej wartości od prognoz dr. inż. Sebastian Skoczpiec Metod rognozowania: Jakość prognoz 16 8

Błęd prognoz ex post m 1 MAE= m = 1 MAE MAE = 100 100 MAE informuje o średniej wielkości błędów prognoz dla okresu = 1, 2,..., m, wrażonch w procentach rzeczwistch wartości zmiennej prognozowanej. Wartości MAE pozwalają porównać dokładność prognoz otrzmwanch różnch modeli. dr. inż. Sebastian Skoczpiec Metod rognozowania: Jakość prognoz 17 Błęd prognoz ex post średni błąd predkcji ex post pierwiastek błędu średniokwadratowego (ang. root mean square error) 1 m RMSE= ( m = 1 ) 2 RMSE mierz, o ile średnio odchlają się realizacje zmiennej prognozowanej od obliczonch prognoz znacząca różnica wartości międz MAE i RMSE wskazuje na wstępowanie w okresie prognoz błędów o bardzo dużch wartościach. dr. inż. Sebastian Skoczpiec Metod rognozowania: Jakość prognoz 18 9

Błęd prognoz ex ante onieważ w chwili wznaczania prognoz nie jest znana wartość rzeczwista zmiennej prognozowanej błąd prognoz ex ante może bć tlko oszacowan. Wartość błędu ex ante prznosi informacje o oczekiwanch przeciętnch odchleniach realizacji zmiennej prognozowanej od prognoz w czasie t>n. Błąd ex ante służ określeniu dokładności prognoz. dr. inż. Sebastian Skoczpiec Metod rognozowania: Jakość prognoz 19 Błęd ex ante (1) Błąd prognoz ex ante jest funkcją różnic wartości prognozowanej i oczekiwanej rzeczwistej tj. ostać funkcji f zależ od metod prognozowania. Wariancja to w statstce klasczna miara zmienności. Intuicjnie utożsamiana ze zróżnicowaniem zbiorowości jest średnią artmetczną kwadratów odchleń (różnic) poszczególnch wartości cech od wartości oczekiwanej. dr. inż. Sebastian Skoczpiec Metod rognozowania: Jakość prognoz 20 10

Błęd ex ante (2) 1. Bezwględn błąd ex ante: Jest pierwiastkiem z wariancji prognoz Informuje, jakich przeciętnch wahań zmiennej prognozowanej wokół jej wartości oczekiwanej można spodziewać Tak otrzman błąd prognoz jest wrażon w tch jednostkach miar co zmienna prognozowana. Jest on wstarczając do wboru spośród kilku modeli tej zmiennej takiego modelu, któr daje najlepszą prognozę, czli ma najwższą wartość prognostczną. dr. inż. Sebastian Skoczpiec Metod rognozowania: Jakość prognoz 21 Błęd ex ante (2) 1. Względn błąd ex ante: Jest pierwiastkiem z wariancji prognoz Błąd ten stosuje się do porównwania dokładności prognoz różnch zmiennch. dr. inż. Sebastian Skoczpiec Metod rognozowania: Jakość prognoz 22 11

dopuszczalność prognoz rognoza jest dopuszczalna, gd jest obdarzona przez jej odbiorcę stopniem zaufania wstarczającm do tego, b mogła bć wkorzstana do celu, dla którego została ustalona. Dopuszczalność prognoz jest określona w tm samm czasie, w którm wznacza się prognozę. dr. inż. Sebastian Skoczpiec Metod rognozowania: Jakość prognoz 23 Błęd prognoz ex ante średni błąd predkcji ex ante V 2 2 = S ( e) + x S ( a j ) gdzie: S 2 (e) wariancja resztowa D 2 (a j ) ocena wariancji estmatorów a j (ocen parametrów strukturalnch) T względn błąd predkcji ex ante V η = 100 x wartość V prznosi informację o oczekiwanch przeciętnch odchleniach realizacji zmiennej prognozowanej od prognoz w czasie t>n wartość η informuje jak wielki będzie w chwili t>n oczekiwan błąd V (odchlenie liczone w procentach wartości prognoz) dr. inż. Sebastian Skoczpiec Metod rognozowania: Jakość prognoz 24 12

Krteria dopuszczalności prognoz subiektwne krteria dopuszczalności formułowane przez odbiorców prognoz; prognoza jest dopuszczalna, gd spełniona jest jedna z poniższch relacji: V lub V * * η η,, t > n t > n gdzie: V * i η * to progowe wartości błędów zadane np. przez odbiorcę prognoz dr. inż. Sebastian Skoczpiec Metod rognozowania: Jakość prognoz 25 Krteria dopuszczalności prognoz obiektwne przjmuje się, że jeżeli względn miernik dokładności predkcji ex ante (lub ex post) spełnia nierówność: V 3%, to prognoz są bardzo dokładne; 3%< V 5%, to prognoz uznajem za dokładne; 5%< V 10%, to prognoz mogą bć dopuszczalne; V >10%, to prognoz są niedopuszczalne. dr. inż. Sebastian Skoczpiec Metod rognozowania: Jakość prognoz 26 13