Pobieranie prezentacji. Proszę czekać

Pobieranie prezentacji. Proszę czekać

Prognozowanie na podstawie sezonowych szeregów czasowych.

Podobne prezentacje


Prezentacja na temat: "Prognozowanie na podstawie sezonowych szeregów czasowych."— Zapis prezentacji:

1 Prognozowanie na podstawie sezonowych szeregów czasowych

2 Identyfikacja składowych szeregu – trend i sezonowość Dwuczynnikowa analiza wariancji (ANOVA) Hipotezy: o równości wartości przeciętnych między grupami dla różnych wariantów czynnika A – sezonu (występuje sezonowość), o równości wartości przeciętnych między grupami dla różnych wariantów czynnika B – cyklu – roku (występuje trend), (zakłada się addytywny charakter zmian) Rok czynnik B kwa rtał A k ,35233,86742,56929,27807,7 k24753,35874,27454,39844, ,3 k35452,67273,59467,612259, ,4 k ,111759,814712,117782,818837,6

3 Dwuczynnikowa ANOVA - obliczenia

4 Dwuczynnikowa ANOVA - tabela Źródło wariancji SSdfMSFWartość-pTest F A kwartał k ,355,82E-073,287 B rok l ,732,21E-062,901 E Błąd (n-1) (k-1) H0: czynnik A nie jest istotnyH0: czynnik B nie jest istotny

5 Identyfikacja składowych szeregu – charakter sezonowości Oczekujemy, że: -dla sezonowości multiplikatywnej: wariancja wartości wewnątrz kolejnych okresów będzie rosła wraz ze wzrostem średniego poziomu (będzie z nim dodatnio skorelowana) -dla sezonowości addytywnej: wariancja wartości wewnątrz kolejnych okresów nie będzie rosła wraz ze wzrostem średniego poziomu (nie będzie z nim dodatnio skorelowana)

6 Szereg z sezonowością (bez trendu) Metody prognozowania: metoda naiwna metoda wskaźników model autoregresji model regresji ze zmiennymi sezonowymi analiza harmoniczna

7 Szereg z trendem i sezonowością Charakter sezonowości: –addytywny –multiplikatywny Metody prognozowania: – metoda naiwna – metoda wskaźników dla wygładzonego szeregu – model regresji ze zmiennymi czasową i sezonowymi – model Wintersa – model autoregresji –model trendów jednoimiennych okresów

8 Metoda naiwna (bez trendu) Metoda naiwna (z trendem, dla wahań addytywnych)

9 Addytywne wskaźniki sezonowości (także w szeregu bez trendu) surowe oczyszczone (suma równa 0) jest wartością wygładzoną szeregu (np. trendem liniowym, a w szeregach bez trendu - średnią) i=1,...,k jest numerem sezonu T i – zbiór wszystkich numerów obserwacji (momentów w czasie) reprezentujących i-ty sezon

10 Multiplikatywne wskaźniki sezonowości (także w szeregu bez trendu) surowe oczyszczone (ich suma jest równa k)

11 Model regresji ze zmiennymi sezonowymi

12 Model regresji ze zmiennymi czasową i sezonowymi (addytywnymi)

13 Model autoregresji (także w szeregu bez trendu) – oceny parametrów wyznaczone MNK

14 Model Wintersa Model Wintersa 1. wahania addytywne, niezależne od poziomu zjawiska: 2. wahania multiplikatywne, proporcjonalne do poziomu zjaw.:

15 Metody oceny dopuszczalności prognoz Metoda ocenyZakres zastosowań średni względny błąd dopasowania modelu metoda naiwna model Wintersa metoda wskaźników względny błąd ex ante model regresji model autoregresji

16 Błądex ante prognozy Błąd ex ante prognozy Dla modelu liniowego ze znanymi wartościami zmiennych objaśniających dla okresu prognozy: Przedział wiarygodności prognozy:


Pobierz ppt "Prognozowanie na podstawie sezonowych szeregów czasowych."

Podobne prezentacje


Reklamy Google