Prognozowanie na podstawie szereg w czasowych
This presentation is the property of its rightful owner.
Sponsored Links
1 / 17

Prognozowanie na podstawie szeregów czasowych PowerPoint PPT Presentation


  • 359 Views
  • Uploaded on
  • Presentation posted in: General

Prognozowanie na podstawie szeregów czasowych. wybrane metody. Składowe szeregu czasowego. stały poziom. skł. systematyczne . cykl. sezonowość. składnik losowy. skł. niesystematyczna . trend.

Download Presentation

Prognozowanie na podstawie szeregów czasowych

An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -

Presentation Transcript


Prognozowanie na podstawie szereg w czasowych

Prognozowanie na podstawie szeregów czasowych

wybrane metody


Sk adowe szeregu czasowego

Składowe szeregu czasowego

  • stały poziom

skł. systematyczne

  • cykl

  • sezonowość

  • składnik losowy

skł. niesystematyczna

trend


Identyfikacja sk adowych szeregu

Trend:istotność współczynnika korelacji r Pearsonalub R Spearmanasprawdzian testu (n-2 st. sw.):

Identyfikacja składowych szeregu


Szereg ze sta ym poziomem

Szereg ze stałym poziomem

Metody prognozowania:

metoda naiwna

średnia ruchoma (krocząca) prosta

średnia ruchoma ważona

wygładzanie wykładnicze

model autoregresji

Postawa: pasywna

Horyzont: ~1 okres

Reguła: podstawowa


Rednia ruchoma prosta

Średnia ruchoma prosta

Prognoza naiwna


Rednia ruchoma wa ona liniowo

Średnia ruchoma ważona liniowo

w1,w2,...,wk>0– waga w okresie i, w1<w2<...<wk oraz

w1+w2+...+ wk=1


Wyg adzanie wyk adnicze

Wygładzanie wykładnicze

- parametr wygładzania


Model autoregresji

Model autoregresji

- oceny parametrów wyznaczone MNK


Metody oceny dopuszczalno ci prognoz

Metody oceny dopuszczalnościprognoz


B d ex ante prognozy

Błądex ante prognozy

Dla modelu liniowego ze znanymi wartościami zmiennych objaśniających dla okresu prognozy:

Dla modelu trendu liniowego:


Szereg z trendem

Szereg z trendem

Metody prognozowania:

metoda naiwna (~1)

model trendu (zależnie od błędu ex ante)

model Holta (~1)

model autoregresji (~1)

Postawa: pasywna (z wyjątkiem r.p. z poprawką)

Horyzont podany w nawiasach

Reguła: podstawowa lub podstawowa z poprawką


Metoda naiwna

Metoda naiwna


Model trendu liniowego

Model trendu liniowego


Model holta

Model Holta

jest wartością wygładzoną szeregu (bez elementu trendu),

jest to wygładzona wartość przyrostu wynikającego z trendu szeregu


Model autoregresji1

Model autoregresji

- oceny parametrów wyznaczone MNK


Szereg z sezonowo ci bez trendu

Szereg z sezonowością (bez trendu)

Metody prognozowania:

metoda wskaźników

model autoregresji

analiza harmoniczna

Postawa: pasywna (z wyjątkiem r.p. z poprawką)

Horyzont: do kilku cykli

Reguła: podstawowa lub podstawowa z poprawką


Szereg z trendem i sezonowo ci

Szereg z trendem i sezonowością

Metody prognozowania:

metoda wskaźników dla wygładzonego szeregu

model regresji ze zmiennymi czasową i sezonowymi

model Wintersa

model autoregresji

Postawa: pasywna (z wyjątkiem r.p. z poprawką)

Horyzont: do kilku cykli

Reguła: podstawowa lub podstawowa z poprawką


  • Login