Prognozowanie na podstawie szeregów czasowych.

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

PROGNOZOWANIE. Ćwiczenia 3. tel.: (061)

PROGNOZY I SYMULACJE

PROGNOZOWANIE. mgr Żaneta Pruska. Katedra Systemów Logistycznych.

ANALIZA DYNAMIKI ZJAWISK (dok.) WYGŁADZANIE szeregu czasowego

PROGNOZOWANIE. mgr Żaneta Pruska. Katedra Systemów Logistycznych.

Prognozowanie i symulacje

Prognozowanie i symulacje

Dane modelu - parametry

Analiza szeregów czasowych uwagi dodatkowe

Czas trwania obligacji (duration)

KRÓTKOTERMINOWE PROGNOZOWANIE WIELKO CI UDZIAŁU KOMPONENTÓW USZKODZONYCH W PRODUKCJI CAŁKOWITEJ Z WYKORZYSTANIEM KLASYCZNYCH METOD PREDYKCJI

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

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

Wygładzanie metodą średnich ruchomych w procesach stałych

Cechy szeregów czasowych

WSPOMAGANIE PROCESÓW DECYZYJNYCH

Metody statystyczne w naukach biologicznych

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

ANALIZA, PROGNOZOWANIE I SYMULACJA EXCEL AUTOR: MARTYNA KUPCZYK ANALIZA, PROGNOZOWANIE I SYMULACJA EXCEL AUTOR: MARTYNA KUPCZYK

MODEL TENDENCJI ROZWOJOWEJ

ZASTOSOWANIE ZMODYFIKOWANEJ METODY WSKA NIKÓW SEZONOWO CI DO PROGNOZOWANIA WIELKO CI POPYTU

TRANZYSTORY POLOWE JFET I MOSFET

Rachunek różniczkowy funkcji wielu zmiennych

PROGNOZY I SYMULACJE

Prognozowanie- wiadomoci wstpne

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

Wykład 6. Badanie dynamiki zjawisk

Zajęcia 2. Estymacja i weryfikacja modelu ekonometrycznego

Efektywność projektów inwestycyjnych. Statyczne i dynamiczne metody oceny projektów inwestycyjnych

Stanisław Cichocki Natalia Nehrebecka. Wykład 5

PROGNOZOWANIE. Ćwiczenia 2. mgr Dawid Doliński

Wykład 6. Badanie dynamiki zjawisk

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

Rozkład normalny (Gaussa)


Modele ekonometryczne dzielimy na statyczne i dynamiczne. Cecha charakterystyczną modeli dynamicznych jest jawne uwzględnienie czynnika czasu.

Ćwiczenie 5 ITERACYJNY ALGORYTM LS. IDENTYFIKACJA OBIEKTÓW NIESTACJONARNYCH ALGORYTM Z WYKŁADNICZYM ZAPOMINANIEM.

Rachunek różniczkowy funkcji wielu zmiennych

DEA podstawowe modele

Rozkład normalny (Gaussa)

Metoda najszybszego spadku

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

Funkcja generująca rozkład (p-two)

Pojcie estymacji. Metody probabilistyczne i statystyka Wykład 9: Estymacja punktowa. Własnoci estymatorów. Rozkłady statystyk z próby.

PROCEDURY KONTROLNE (KARTY KONTROLNE) SHEWHARTA

PROGNOZOWANIE. Ćwiczenia 3. mgr Dawid Doliński

Symulacyjna metoda doboru optymalnych parametrów w prognostycznych modelach wygładzania wykładniczego

Przetwarzanie sygnałów biomedycznych

21. CAŁKA KRZYWOLINIOWA NIESKIEROWANA. x = x(t), y = y(t), a < t < b,

MODELOWANIE I PROGNOZOWANIE

Analiza algorytmów to dział informatyki zajmujcy si szukaniem najefektywniejszych, poprawnych algorytmów dla danych problemów komputerowych

oznacza przyrost argumentu (zmiennej niezależnej) x 3A82 (Definicja). Granicę (właściwą) ilorazu różnicowego funkcji f w punkcie x x x e x lim x lim

Analiza rynku projekt

Kombinowanie prognoz. - dlaczego należy kombinować prognozy? - obejmowanie prognoz. - podstawowe metody kombinowania prognoz

Erlanga. Znajdziemy rozkład czasów oczekiwania na n-te zdarzenie. Łączny czas oczekiwania. na n zdarzeń dany jest przez: = u-v i t 2.

Wytrzymałość śruby wysokość nakrętki

Ciągi i szeregi liczbowe. Ciągi nieskończone.

Metody oceny efektywności projektów inwestycyjnych

ZL - STATYSTYKA - Zadania do oddania

Zastosowania całki oznaczonej

Matematyka ubezpieczeń majątkowych r. Zadanie 1. Rozważamy proces nadwyżki ubezpieczyciela z czasem dyskretnym postaci: n

EKONOMETRIA. Temat wykładu: Co to jest model ekonometryczny? Dobór zmiennych objaśniających w modelu ekonometrycznym CZYM ZAJMUJE SIĘ EKONOMETRIA?

PROGNOZOWANIE. Ćwiczenia 2. mgr Dawid Doliński

Prognozowanie i symulacje

Miary rozproszenia. Miary położenia. Wariancja. Średnia. Dla danych indywidualnych: Dla danych indywidualnych: s 2 = 1 n. (x i x) 2. x i.

, 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

Przykładowe zadania dla poziomu rozszerzonego

Miary położenia. Miary rozproszenia. Średnia. Wariancja. Dla danych indywidualnych: Dla danych indywidualnych: s 2 = 1 n. (x i x) 2. x i.

Ćwiczenia rachunkowe TEST ZGODNOŚCI χ 2 PEARSONA ROZKŁAD GAUSSA

Ekonometria I materiały do ćwiczeń

Zbiorowość statystyczna zbiór elementów (osób, przedmiotów, itp.) mających jedną lub kilka wspólnych cech.

Szereg geometryczny. 5. b) b n = 4n 2 (b 1 = 2, r = 4) lub b n = 10 (b 1 = 10, r = 0). 2. jest równa 1 x dla x = 1+ Zad. 3:

APROKSYMACJA I INTERPOLACJA. funkcja f jest zbyt skomplikowana; użycie f w dalszej analizie problemu jest trudne

Związek między ruchem harmonicznym a ruchem jednostajnym po okręgu

szereg jest szeregiem o wyrazach nieujemnych. Ponadto dla α (0; π ) zachodzi nierówno± sinα < α,

PROGNOZOWANIE I SYMULACJE. mgr Żaneta Pruska. Ćwiczenia 2 Zadanie 1

PROGNOZOWANIE I SYMULACJE EXCEL 2 AUTOR: MARTYNA MALAK PROGNOZOWANIE I SYMULACJE EXCEL 2 AUTOR: MARTYNA MALAK

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH

1. Rezonans w obwodach elektrycznych 2. Filtry częstotliwościowe 3. Sprzężenia magnetyczne 4. Sygnały odkształcone

ZADANIA ZAMKNIĘTE. Zadanie 1. (1 pkt) Wartość wyrażenia. b dla a 2 3 i b 2 3 jest równa A B. 5 C. 6 D Zadanie 2.

Metodyka szacowania niepewnoci rozszerzonej. Opracował: mgr Mikołaj Kirpluk

BADANIE EFEKTYWNOŚCI PROGNOZ ZMIENNYCH OPISUJĄCYCH WYBRANE ASPEKTY FUNKCJONOWANIA PORTU SZCZECIN-ŚWINOUJŚCIE

Wnioskowanie statystyczne dla korelacji i regresji.

PROGNOZOWANIE. mgr inż. Martyna Malak. Katedra Systemów Logistycznych.

Róniczka. f x. V Vx. Zadanie 4. Znale maksymalny błd bezwzgldny i wzgldny powstały przy obliczaniu objtoci stoka, jeli promie podstawy wynosi

ANALIZA, PROGNOZOWANIE I SYMULACJA / Ćwiczenia 1

Sygnały pojęcie i klasyfikacja, metody opisu.

PROGNOZOWANIE I SYMULACJE EXCEL 2 PROGNOZOWANIE I SYMULACJE EXCEL AUTOR: ŻANETA PRUSKA

Prawdopodobieństwo i statystyka r.

Metody Ilościowe w Socjologii

są niezależnymi zmiennymi losowymi o jednakowym rozkładzie Poissona z wartością oczekiwaną λ równą 10. Obliczyć v = var( X

Krzywe na płaszczyźnie.

Zadania z parametrem

I kolokwium z Analizy Matematycznej

Instytut Logistyki i Magazynowania

PRZETWARZANIE SYGNAŁÓW

Wykład 7. Przestrzenie metryczne zwarte. x jest ciągiem Cauchy ego i posiada podciąg zbieżny. Na mocy

D:\materialy\Matematyka na GISIP I rok DOC\07 Pochodne\8A.DOC 2004-wrz-15, 17: Obliczanie granic funkcji w punkcie przy pomocy wzoru Taylora.

będą niezależnymi zmiennymi losowymi z rozkładu jednostajnego na przedziale ( 0,

Transkrypt:

Progozowaie a podsawie szeregów czasowch. Sładowe szeregów czasowch. Szereg czasow sładowa ssemacza sładowa przpadowa red sał poziom sładowa oresowa wahaia clicze wahaia sezoowe Tred (edecja rozwojowa - długooresowa słoo do jedoieruowch zmia (wzrosu lub spadu waroci zmieej badaej. Jes osewecj działaia sałch cziów p. w przpadu sprzeda - liczba poecjalch lieów, ich dochod lub preferecje. Moe b wzaczo gd mam długi cig obserwacji. Sał (przeci poziom - wspuje gd w szeregu czasowm ie ma redu, za waroci badaej zmieej oscluj woół pewego sałego poziomu. Wahaia clicze - długooresowe wahaia woół redu lub sałego poziomu. W eoomii ajczciej zwizae z clem oiuuralm gospodari. Wahaia sezoowe - wahaia woół redu lub sałego poziomu. Wahaia e maj słooci do powarzaia si w orelom czasie ie przeraczajcm jedego rou, odzwierciedlaj wpłw pogod lub aledarza a działalo gospodarcz.

Deompozcja szeregu czasowego wodrbieie poszczególch sładowch. Czas Wahaia clicze Wahaia sezoowe Tred Sał poziom Wahaia przpadowe Czas f( - red, g( - wahaia sezoowe, h( - wahaia clicze, Modele szeregów czasowch. ξ - sładi losow, cos - sał poziom. Model addw:

f ( g( h( ξ lub cos g( h( ξ Model mulipliaw: f ( g( h( ξ lub cos g( h( ξ Modele mieszae: f ( g( h( ξ lub f ( h( g( f ( g( ξ h( lub f ( h( ξ g( ξ sał poziom 5,0 0,0 5,0 0,0 5,0 0,0 0 4 5 6 7 8 9 0 4 5 6 czas red 5,0 0,0 5,0 0,0 5,0 0,0 0 4 5 6 7 8 9 0 4 5 6 czas

sał poziom wahaia sezoowe 5,0 0,0 5,0 0,0 5,0 0,0 0 4 5 6 7 8 9 0 4 5 6 czas (w warałach red wahaia sezoowe 5,0 0,0 5,0 0,0 5,0 0,0 0 4 5 6 7 8 9 0 4 5 6 czas (w warałach 4

Do wzaczaia sładowch szeregu czasowego oprócz wresu przda jes cig współcziów auoorelacji rzdu ( od do ooło połow liczb dach r ( ( ( Jeli r zbliaj si do zera i aspie oscluj woół iego o szereg czasow zawiera sładow sał. Jeli r malej poprzez zero do waroci ujemch o szereg ma red. Jeli r oscluj woół zera i co pewie ores s wraie wisze od zera o szereg czasow zawiera wahaia sezoowe. Nieied przjmuje si, e wahaia przpadowe s iewielie, gd ich współczi zmieoci jes rzdu ilu, ajwej iluasu proce. Progoza zmieej Y jes waroci fucji f zaleej od czasu, przeszłch waroci i progoz ej zmieej. f (,,..., p,,..., p, ξ czas waroci progoz sładi losow p - wielo opóieia. Uwaga. Jao modelu oceiam ja w eoomerii. Dopasowaie wieloci zjawisa wzaczoch z modelu (progoz wgasłe do wieloci zaobserwowach oceiam a podsawie: - błdu rediowadraowego progoz wgasłch s ( - liczba progoz wgasłch wielo a orela o ile redio jedose progoz wgasłe odchlaj si (plus-mius od waroci zaobserwowach. - wzgldego błdu rediowadraowego (proceowego błdu rediowadraowego progoz wgasłch 5

s w 00% wielo a orela o ile redio proce progoz wgasłe odchlaj si (plus-mius od waroci zaobserwowach. - rediego błdu wzgldego (proceowego błdu wzgldego progoz wgasłch ψ 00% (ierpreacja ja wej Czso osai z ch błdów słu do oce jaoci progoz. Naiwe i prose meod progozowaia. (opare a załoeiu, e wahaia przpadowe s iewielie i ie zmiei si dochczasow wpłw cziów szałujcch obserwowae zjawiso. Zale meod aiwej jes prosoa, wad bra oce jaoci progoz a podsawie progoz wgasłch. Rodzaje progoz aiwch: wg sałego poziomu lub wg sałch przrosów bezwzgldch (p. red zblio do liiowego ( wg sałch przrosów wzgldch (ieóre red ieliiowe wg waha sezoowch i sałego poziomu, gdzie r długo clu sezoowego (liczba faz clu, r 6

wg waha sezoowch i redu r r r, gdzie r długo clu sezoowego (liczba faz clu, r - przros redich w dwóch osaich clach. Przład. Dla poszczególch serii dach miesiczch wzacz progoz aiw a olej miesic. a 5, 9, 6,, 6, b, 4,, 4, 7, c 5, 0, 0, 5, 0. Przład. Wiedzc, e zjawiso ma charaer sezoow (r 4, dla poszczególch serii dach waralch wzacz progoz aiw a dwa oleje warał. a 50, 00, 60, 0, 70, b 50, 0, 90, 70, 00, 70, 40, 0, 70 Meoda rediej globalej. i i Meoda rediej ruchomej. Meod worzsujem zarówo do wgładzaia szeregu czasowego ja i do progozowaia. Progoza jes redi armecz z osaich obserwacji ( - sała wgładzaia. i i wzaczam a ab redi wadraow błd ex pos s ( miimal. Progoz oceiam za pomoc rediego błdu wzgldego progoz przeszłch bł Ψ 00% 7

Uwaga. Gd o meoda aiwa. Gd o redia globala. Gd due o redia ruchoma siliej wgładza szereg czasow lecz jedoczeie woliej reaguje a zmia poziomu badaego zjawisa. Gd małe o redia ruchoma szbciej odzwierciedla zmia zjawisa lecz wisz wpłw wwieraj a i wahaia przpadowe. Ab sosowa redi ruchom powiim zwle dspoowa co ajmiej iluasoma dami. redia waoa. Usalam wagi 0 < w w... w < aie, e w (ozacza o, e do wczeiejszch iformacji przwizujem miejsz wag. Progoz wzaczam a podsawie wzoru: wi i Model Browa (pros model wgładzaia władiczego. i i i Zwle sosujem e model dla szeregów czasowch o sałm poziomie lub bardzo słabm redzie i umiarowach wahaiach przpadowch. Model pozwala wzacz progoz wg wzoru: (,,,..., progoza jes ombiacj wpuł (redi wao przeszłej waroci zjawisa i przeszłej progoz. 0, paramer wgładzaia. Waro dobieram p. a podsawie rerium ajmiejszego błdu rediowadraowego progoz wgasłch s z. mi s ( gdzie s ( Jeli ie mam moliwoci wzaczeia opmalej waroci parameru wgładzaia zwle zaleca si sosowaia waroci 0, 0,. Uwaga Rówowa wzór a progoz w m modelu ma posa: ( 8

9 zaem dla małch progoza w małm sopiu uwzgldia błd ex pos progoz przeszłch. Uwaga Jao waro przjmujem jed z waroci: a pierwsz waro szeregu czasowego,, b redi z rzech poczowch waroci szeregu czasowego,, c redi z piciu poczowch waroci szeregu czasowego, 5 5 4. Model Browa jes rozwiiciem meod redich waoch. Wagi malej władiczo prz coraz sarszch dach. Wida o gd przeszałcim wzór a progoz w m modelu: ( podsawiajc ( orzmam ( ( ( ( ( aspie podsawiajc ( orzmam ( ( ( ( ( ( ( osaeczie... (... ( Wagi prz poszczególch elemeach szeregu czasowego... (... ( > > > > saowi oleje wraz cigu geomerczego o ilorazie 0 < <. Dla duch ich suma jes prawie rówa bowiem (... (... ( Uwaga. a jeli wgładzeie szeregu czasowego (zwłaszcza dla duch ie jes zadawalajce o moem powsze wgładzaie powórz, b chocia dla małch wgładzeie jes lepsze, o ie zawsze wed jes ajmiejsz błd rediowadraow dla progoz przeszłch, wida o w aspujcm przładzie Przład (L. Kowalsi, Sasa, 00, 005,. Liczba sprzedach arówe (s. sz. w hurowi LUMEN w olejch warałach la 998-000:

7, 6, 4,, 4,, 5, 4, 5,, 4, 6 Badajc wielo błdu rediowadraowego dla róch waroci orzmam: 0, 0, 0, 0,4 0,5 0,6 0,7 0,8 0,9 błd,47,9,6,5,5,6,7,8,4 Ja wida ajlepsze (z ego puu widzeia waroci s w przedziale 0,4 0,5. 0