Содержание
- 2. Modelování časových řad Klasická analýza časových řad vychází z předpokladu, že časovou řadu je možné rozdělit
- 3. Modelování časových řad Dekompozice časové řady Aditivní model t = 1,2,…,n Multiplikativní model t = 1,2,…,n
- 4. Modelování časových řad Neperiodické časové řady Bez periodické složky Periodické časové řady Obsahují periodickou složku
- 5. Hlavním úkolem analýzy neperiodických ČŘ je vystižení základní tendence jejich vývoje – trendu. Popis trendu (trendové
- 6. Klouzavé průměry Vyrovnání pomocí klouzavých průměrů spočívá v nahrazení skutečných hodnot ČŘ průměrem z určitého počtu
- 7. Průměrná roční teplota vzduchu v ČR
- 8. Vyrovnání časové řady pomocí 3-letých klouzavých průměrů
- 9. Vyrovnání časové řady pomocí 3-letých a 5-letých klouzavých průměrů
- 10. Centrované klouzavé průměry 3,50 3,75 4,00 4,25 4,5 3,625 3,875 4,125 4,375
- 11. Vyrovnání pomocí trendových funkcí Jde o vyjádření průběhu ČŘ matematickou funkcí, kde zkoumaný ukazatel ČŘ vystupuje
- 12. Trendové funkce Těmto vlastnostem odpovídají zejména tyto křivky: Lineární Tt = a + b· t Kvadratická
- 13. Adaptivní modely časových řad Trendová složka časové řady není konstantní, ale mění se v čase, proto
- 14. Adaptivní modely časových řad Adaptivní modely vychází z předpokladu, že pro konstrukci extrapolační prognózy budoucího vývoje
- 15. Adaptivní modely časových řad Skupina adaptivních modelů je rozsáhlá. Jedny z nejčastěji používaných metod, které přináší
- 16. Metody exponenciálního vyrovnávání Jednoduché exponenciální vyrovnávání trend v krátkých úsecích konstantní, jeden parametr α. Brownovo exponenciální
- 17. Adaptivní modely časových řad Nejjednodušším případem je jednoduché exponenciální vyrovnání. Odhad trendu v čase t α
- 18. α = 0,4 Míra inflace vyjádřená přírůstkem průměrného ročního indexu spotřebitelských cen
- 19. Posouzení vhodnosti modelů ČŘ Často používaným ukazatelem, který slouží k popisu stupně shody je index determinace
- 20. Posouzení vhodnosti modelů ČŘ Moderní statistická metodologie standardně implementovaná v statistických programech. M.E. – střední chyba
- 21. Periodická složka: ≤ 1 rok … sezónní složka Si > 1 rok … cyklická složka Ci
- 22. Vždy je potřeba identifikovat, zda je sezonní kolísání skutečně statisticky významné; (grafická analýza, výpočet klouzavých průměrů,
- 23. Aditivní model Sezónní složka je v tomto případě vyjádřena pomocí sezónních odchylek; Součet sezónních odchylek =
- 24. Multiplikativní model Sezónní složka je vyjádřena pomocí sezónních indexů. Popis sezónní složky
- 25. Aritmetický průměr skutečných hodnot za období celé periody sezónního cyklu (průměrný údaj, připadající na jedno období
- 26. Sezónní očišťování časové řady zbavuje časovou řadu periodického kolísání, které by mohlo maskovat charakter trendu řady.
- 27. Náhodné (nesystematické) složky tzv. rezidua. – chápeme jako výsledky působení určitých blíže nespecifikovaných (stochastických) náhodných vlivů.
- 28. Střední hodnota náhodné složky εi se rovná nule. Variabilita náhodných složek εi se v čase nemění
- 29. Interpolace Extrapolace Předpovědi časových řad
- 30. Bodová předpověď Intervalová předpověď kde i je pořadové číslo časové proměnné v časové řadě o n
- 31. Každá předpověď je spojena s určitou chybou předpovědi. Případná chyba je tím větší, čím kratší je
- 32. Pseudoprognóza se konstruuje tak, že k vyrovnání časové řady se nevyužije několik posledních hodnot řady, které
- 34. Скачать презентацию