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

PROGNOZOWANIE. Ćwiczenia 3. tel.: (061)

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

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

PROGNOZY I SYMULACJE

ANALIZA DYNAMIKI ZJAWISK (dok.) WYGŁADZANIE szeregu czasowego

PROGNOZOWANIE. mgr Żaneta Pruska. Katedra Systemów Logistycznych.

3. Regresja liniowa Założenia dotyczące modelu regresji liniowej

Fizyka 3. Janusz Andrzejewski

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

Transmisja i odbicie fali na granicy dwóch ośrodków dielektrycznych

PROGNOZOWANIE. mgr Żaneta Pruska. Katedra Systemów Logistycznych.

DEA podstawowe modele

Zarządzanie ryzykiem. Lista 3

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

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

STATYSTYCZNY OPIS UKŁADU CZĄSTEK

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

Ocena dopasowania modelu do danych empirycznych

Stanisław Cichocki Natalia Nehrebecka. Wykład 5

METODA ZDYSKONTOWANYCH SALD WOLNYCH PRZEPŁYWÓW PIENIĘŻNYCH

Analiza i prognozowanie szeregów czasowych

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

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

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

Wytrzymałość śruby wysokość nakrętki

METODY NUMERYCZNE dr inż. Mirosław Dziewoński

Relacje rekurencyjne. będzie następująco zdefiniowanym ciągiem:

Przejmowanie ciepła przy kondensacji pary

, 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

Prognozowanie i symulacje

Beata Leska Zespół Szkół im. M. Konarskiego w Warszawie

Cechy szeregów czasowych

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

Prognozowanie na podstawie szeregów czasowych.

I. Podzielność liczb całkowitych

Twierdzenie Cayleya-Hamiltona

Rozdział VIII KINETYKA NASYCANIA POWIERZCHNI. 1. Wstęp

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

Rekursja 2. Materiały pomocnicze do wykładu. wykładowca: dr Magdalena Kacprzak

Analiza szeregów czasowych uwagi dodatkowe

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.

Wzór Taylora. Matematyka Studium doktoranckie KAE SGH Semestr letni 2008/2009 R. Łochowski

Laboratorium Półprzewodniki, Dielektryki i Magnetyki Ćwiczenie nr 10 Pomiary czasu życia nośników w półprzewodnikach

MODELE MATEMATYCZNE W UBEZPIECZENIACH. 1. Renty

UWAGI O WZORZE NA MOMENTY ROZKŁADU PRAWDOPODOBIEŃSTWA PÓLYI. Tadeusz Gerstenkorn. 1. Wstęp. 2. Rozkład G. Pólyi

Metody oceny efektywności projektów inwestycyjnych

20. Model atomu wodoru według Bohra.

Prognozowanie i symulacje

MMF ćwiczenia nr 1 - Równania różnicowe

oraz I = 50Ω, przez który przepływają kluczowane na przemian prądy I + . W przypadku, gdy Robc > RGR

Podprzestrzenie macierzowe

Podprzestrzenie macierzowe

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

Przełączanie diody. Stan przejściowy pomiędzy stanem przewodzenia diod, a stanem nieprzewodzenia opisuje się za pomocą parametru/ów czasowego/ych.

Automatyczna detekcja i pomiar markerów w fotogrametrycznym systemie trójwymiarowego pozycjonowania ciała dla celów rehabilitacji leczniczej *

REZERWOWANIE W SYSTEMACH DYNAMICZNEGO POZYCJONOWANIA STATKÓW WSPIERAJĄCYCH EKSPLORACJĘ DNA MORSKIEGO

KADD Metoda najmniejszych kwadratów

. Dla każdego etapu t znamy funkcję transformacji stanu (funkcja przejścia):

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

Niepewności pomiarowe

MATEMATYKA wykład 1. Ciągi. Pierwsze 2 ciągi są rosnące (do nieskończoności), zaś 3-i ciąg jest zbieŝny do zera. co oznaczamy przez

O MIERNIKACH DOKŁADNOŚCI PROGNOZ EX POST W PROGNOZOWANIU ZMIENNYCH O SILNYM NATĘŻENIU SEZONOWOŚCI

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:

STATYSTYKA OPISOWA PODSTAWOWE WZORY

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

Estymacja przedziałowa

Egzamin z Analizy Matematycznej Każde zadanie należy rozwiązać na oddzielnej, podpisanej kartce!

STATYSTYKA OPISOWA PODSTAWOWE WZORY

E k o n o m e t r i a S t r o n a 1. Nieliniowy model ekonometryczny

Parametryzacja rozwiązań układu równań

Internetowe Kółko Matematyczne 2004/2005

WYKŁAD nr 2. to przekształcenie (1.4) zwane jest przekształceniem całkowym Laplace a

Statystyka matematyczna. Wykład II. Estymacja punktowa

z przedziału 0,1. Rozważmy trzy zmienne losowe:..., gdzie X

WARTOŚĆ PIENIĄDZA W CZASIE

Przykładowe zadania dla poziomu rozszerzonego

Materiały pomocnicze dla studentów I roku do wykładu Wstęp do fizyki I Wykład 1

OZNACZANIE CIEPŁA SPALANIA WĘGLA

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

TRANZYSTORY POLOWE JFET I MOSFET

PROJEKT: GNIAZDO POTOKOWE

Rozkład normalny (Gaussa)

Rozkład normalny (Gaussa)

1. Element nienaprawialny, badania niezawodności. Model matematyczny elementu - dodatnia zmienna losowa T, określająca czas życia elementu

ESTYMACJA PARAMETRÓW SZEREGU FOURIERA I ICH PRAKTYCZNE ZASTOSOWANIA

Schrödingera. Dr inż. Zbigniew Szklarski. Katedra Elektroniki, paw. C-1, pok

Zajęcia 2. Estymacja i weryfikacja modelu ekonometrycznego

Metody statystyczne w naukach biologicznych

Trójparametrowe formowanie charakterystyk promieniowania anten inteligentnych w systemach komórkowych trzeciej i czwartej generacji

Egzamin maturalny z matematyki CZERWIEC 2011

Damian Doroba. Ciągi. 1. Pierwsza z granic powinna wydawać się oczywista. Jako przykład może służyć: lim n = lim n 1 2 = lim.

Funkcja generująca rozkład (p-two)

Twierdzenia graniczne:

Klucz odpowiedzi do zadań zamkniętych oraz schematy oceniania zadań otwartych. Matematyka. Poziom podstawowy

ANALIZA, PROGNOZOWANIE I SYMULACJA / Ćwiczenia 1

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

201. a 1 a 2 a 3...a n a 2 1 +a 2 2 +a a 2 n n a 4 1 +a 4 2 +a a 4 n n. a1 + a 2 + a a n 204.

Transkrypt:

oecasig is he a of saig wha will happe, ad he explaiig wh i did. h. hafield 98 PROGNOZY I YMULAJE Kaaza hud Laskowska kosulacje: p. 00A śoda - czwaek - soa ieeowa: hp://kc.sd.pz.edu.pl/

WYKŁAD VIII zeegi czasowe III. Wgładzaie wkładicze - model Wiesa pzkład. Modele auoegesje ARIMA

. MODEL WYGŁADZANIA WYKŁADNIZEGO WINTERA Model Wiesa sasowa jes w pzpadku gd w szeegu czasowm pojawiają się: ed, wahaia sezoowe addwe lub muliplikawe oaz wahaia pzpadkowe. - - ocea waości śediej w okesie - - - ocea pzosu edu w okesie - - - ocea wskaźika sezoowości dla okesu - α,β,γ paame z pzedziału [0;] - długość cklu sezoowego liczba faz w cklu Rówaia pogoz są asępujące:, Za waości począkowe, i moża pzjąć odpowiedio: -piewszą waość zmieej pogozowaej lub śedią z waości w piewszm cklu -óżicę piewszej i dugiej waości zmieej pogozowaej -wzaczoą a podsawie całego szeegu śedią óżic add lub iloazów muli odpowiadającch ej samej fazie cklu sezoowego, waości zmieej pogozowaej i wgładzoch waości edu.

. MODEL WYGŁADZANIA WYKŁADNIZEGO WINTERA pzkład Pewa fima powadzi spzedaż oleju opałowego. Dae doczące kwaalej wielkości spzedaż w ej fimie podao w abeli. Należ wzaczć pogozę wielkości spzedaż a koleje kwaał. 800 Kwaał 99 99 99 995 99 997 I 500 50 50 550 550 750 II 50 50 00 50 00 500 III 50 00 50 50 50 00 IV 00 00 00 550 00 50 700 00 500 00 ocea waości śediej pzedaż oleju opałowego 00 00 00 0 5 7 8 9 0 5 7 8 9 0 5 ocea pzosu edu ocea wskaźików sezoowości Pzjęo asępujące paame wgładzaia: ; 0,95; 0,

. MODEL WYGŁADZANIA WYKŁADNIZEGO WINTERA pzkład Y 500, 50 0,9 50 0,7 00,07 5 50 50-50,7 50 88,5 -,88 0,9 7 00 8 00 9 50 5 5 5 5 50 7 8, 0,7 5 75 50 0,9,07 0 00 50 00 550 50 5 50 550 0,95 0, 0, 0,95 50 0, 88,5 0,95 88,5 50 0,9 0, 50 50 50 0,95 0,9 0,97 88,5 50,88 7 550 8 00 9 50 0 00 750 500 0,95 0, 0, 0,95 50 0, 588,85 0,95 588,85 50, 0, 599,, 599,,5 7, 0,95 7, 588,85 9,09 00 50 588,85-9,09,5 Policzć waości dla okesu 7 5

. MODEL WYGŁADZANIA WYKŁADNIZEGO WINTERA pzkład Y 500, 50 0,9 50 0,7 00,07 5 50 50-50,7 50 88,5 -,88 0,9 7, 5, 7 00,8-7,05 0, 7,08 9,8 8 00 0,0-5,87,08 5,8 05, 9 50, -,, 790,08 0 00 8,9 -,9 0,9,5 5 7 5 7 588,85 588,85 588,85 9,09, 70 9,09 0,89 9,09 0,7 s. o 50 s. o 75 s. o 50,0-7,9 0,7 9,,7 00 8,0 70,85,5 0, 5,9 550 89, 0,7, 5, 78,89 50,7 8, 0,9 5, 090, 5 50 7,9 -,8,05 58,57 550 5,8,8, 85,,07 7 550, -5,57, 7,99 08,0 8 00, -,9 0,9 95,8 0, 9 50 8,7,9 0,7 8,7 05,8 0 00 5,,78, 5, 8, 750 5,75,0, 7,, 500 58,08,7 0,89 550,9 59,5 00 599, 7, 0,7 99, 0,8 50 588,85-9,09,5 7,,8 880,9 s s Śedi kwadaow błąd ex pos pogoz wgasłch k 5 k 880,9 9 Błąd jes zacz wosi od 9% do 8% pogoza ie może bć pzjęa 8s. o aska - pzkład

. MODELE AUTOREGREYJNE W iekóch pzpadkach zauważć moża, że wielkość zmieej pogozowaej kszałuje się w zależości od jej poziomu w okesach popzedich. W ego odzaju suacjach zajdują zasosowaie modele auoegesje mające posać: f,,..., p w kóch wielkość szeegu w okesie jes fukcją poziomów ej zmieej w okesach popzedzającch okes -, -,, -p i zmieej losowej δ. Na ogół fukcja f jes liiowa lub logamiczo - liiowa. Paame modeli szacuje się ajczęściej meodą ajmiejszch kwadaów. Pz kosukcji ego pu modeli pojawia się poblem okeśleia waości paameu p, od kóego zależ jak daleko sięga się w pzeszłość pz uwzględieiu opóźioch waości zmieej pogozowaej w modelu.,

. MODELE AUTOREGREYJNE MODEL ARIMA AUTO-REGREIVE INTEGRATED MOVING AVERAGE Model ARIMA wpowadzo, pzez Boxa i Jekisa zawiea paame auoegesje, śediej uchomej oaz wpowadza opeao óżicowaia. W modelu wóżiam, więc z paame: ARIMA p,d,q: paame auoegesje p, ząd óżicowaia d, paame śediej uchomej q. Wmagae jes ab wejściow szeeg dla meod ARIMA bł sacjoa, z. powiie mieć sałą w czasie śedią, waiację i BRAK auokoelacji. Dlaego szeeg zazwczaj pozebuje óżicowaia, aż do ozmaia sacjoaości, o ile az szeeg powiie bć óżicowa waża paame d. Należ pzeaalizować wkes dach i auokoelogam. Isoe zmia poziomu sil wzos lub spadek wmagają zwkle óżicowaia ie sezoowego I zędu, aomias duże zmia achleia óżicowaia II zędu. Jeśli esmowae współcziki auokoelacji opadają wolo pz dłuższch opóźieiach, wmaga się zwkle óżicowaia I zędu. Należ okeślić ile paameów auoegesjch p i śediej uchomej q wmaga uzskaie efekwego i oszczędego modelu pocesu. Badzo zadko liczb paameów p i q muszą bć większe od. UWAGA!! ab skozsać z meod ARIMA ależ dspoować szeegiem posiadającm co ajmiej 0 obsewacji.

. MODELE AUTOREGREYJNE MODEL ARIMA AUTO-REGREIVE INTEGRATED MOVING AVERAGE Poces auoegesj. zeegi czasowe składają się zazwczaj z obsewacji wzajemie zależch ak, że moża oszacować współcziki modelu, kóe opisują koleje eleme szeegu a podsawie opóźioch w czasie popzedich elemeów. Każda obsewacja jes sumą składika losowego oaz kombiacji liiowej popzedich obsewacji. Poces AR będzie sabil, jeśli paame będą ależeć do pzedziału -,. Jes o zw. wmóg sacjoaości szeegu. Poces śediej uchomej. Niezależie od pocesu auoegesjego, każd eleme szeegu może pozosawać pod wpłwem składika losowego w okesach pzszłch, kó o wpłw może ie bć wjaśio pzez składik auoegesj. Każda obsewacja składa się z ze składika losowego oaz kombiacji liiowej składików losowch z pzeszłości. Rówaie śediej uchomej moża zapisać w fomie auoegesjej a moża o wkoać lko wed, gd paame śediej uchomej spełiają pewe wauki z., jeśli model jes odwacal.

. MODELE AUTOREGREYJNE MODEL ARIMA AUTO-REGREIVE INTEGRATED MOVING AVERAGE Model ARIMA zawiea w sobie dwa podsawowe poces: auoegesji i śediej uchomej. W pewch okoliczościach wsępują oe azem. Posać modelu auoegesji jes asępująca: Φ0 Φ... Φ p p e Powższe ówaie azwa się pocesem auoegesji zędu p, ARp. Y, Y -, Y -p waości zmieej objaśiaej w okesie, -, -, -p. φ 0,φ,φ,φ p paame modelu e esza modelu dla okesu p wielkość opóźieia zeegi czasowe składają się zazwczaj z obsewacji wzajemie zależch ak, że moża oszacować współcziki modelu, kóe opisują koleje eleme szeegu a podsawie opóźioch w czasie popzedich elemeów. Każda obsewacja jes sumą składika losowego oaz kombiacji liiowej popzedich obsewacji. Poces AR będzie sabil, jeśli paame będą ależeć do pewego pzedziału -,. Jes o zw. wmóg sacjoaości szeegu. 0

. MODELE AUTOREGREYJNE MODEL ARIMA AUTO-REGREIVE INTEGRATED MOVING AVERAGE Posać modelu śediej uchomej MA: e... 0 q e q e Powższe ówaie azwa się pocesem śediej uchomej zędu q, MAq. Y waość zmieej objaśiaej w okesie θ 0, θ, θ, θ q paame modelu e, e -, e -, e -q esz modelu w okesach, -q, q wielkość opóźieia W pocesie śediej uchomej każda obsewacja składa się z ze składika losowego oaz kombiacji liiowej składików losowch z pzeszłości. Rówaie śediej uchomej moża zapisać w fomie auoegesjej a moża o wkoać lko wed, gd paame śediej uchomej spełiają pewe wauki z., jeśli model jes odwacal. Temi śedia uchoma jes ieco mląc poieważ suma wag ie jes ówa jedości jedakże jes o ogólie pzję i użwa w m modelu

. MODELE AUTOREGREYJNE MODEL ARIMA AUTO-REGREIVE INTEGRATED MOVING AVERAGE Dla osiągięcia większej elasczości w dopasowaiu modelu do szeegu czasowego celowe jes połączeie obu modeli: 0... p p e e Poces aki azwa się pocesem auoegesji i śediej uchomej zędu p i q co w skócie zapisuje się ARMA p,q. W modelu zakłada się, że waość zmieej pogozowaej w momecie lub okesie zależ od pzeszłch jej wielkości oaz od óżic pomiędz pzeszłmi waościami zeczwismi zmieej pogozowaej a jej waościami uzskami z modelu. Wmagae jes ab wejściow szeeg dla meod ARIMA bł sacjoa, z. powiie mieć sałą w czasie śedią, waiację i bak auokoelacji. Dlaego szeeg zazwczaj pozebuje óżicowaia aż do ozmaia sacjoaości, o ile az szeeg powiie bć óżicowa waża paame d. ą akże modele sezoowe gdzie dodakowo okeśla się z paame sezoowości ARIMA p s, d s, q s paame sezoowe auoegesje p s, sezoowe óżicowaia d s oaz sezoowe śediej uchomej q s.... q e q