Pobieranie prezentacji. Proszę czekać

Pobieranie prezentacji. Proszę czekać

Prognozowanie na podstawie szeregów czasowych wybrane metody.

Коpie: 1
Prognozowanie na podstawie szeregów czasowych wybrane metody.

Podobne prezentacje


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

1 Prognozowanie na podstawie szeregów czasowych wybrane metody

2 Składowe szeregu czasowego trend cykl sezonowość składnik losowy skł. systematyczne skł. niesystematyczna stały poziom

3 Identyfikacja składowych szeregu Trend: istotność współczynnika korelacji r Pearsonalub R Spearmana sprawdzian testu (n-2 st. sw.):

4 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

5 Średnia ruchoma prosta Prognoza naiwna

6 Średnia ruchoma ważona liniowo w 1,w 2,...,w k >0– waga w okresie i, w 1

7 Wygładzanie wykładnicze - parametr wygładzania

8 Model autoregresji - oceny parametrów wyznaczone MNK

9 Metody oceny dopuszczalności prognoz Metoda ocenyZakres zastosowań średni względny błąd dopasowania modelu metoda naiwna średnia ruchoma prosta średnia ruchoma ważona wygładzanie wykładnicze, model Holta, Wintersa metoda wskaźników względny błąd ex ante model trendu, m. trendu ze zmiennymi sezonowymi model autoregresji

10 Błądex ante prognozy Błąd ex ante prognozy Dla modelu trendu liniowego: Dla modelu liniowego ze znanymi wartościami zmiennych objaśniających dla okresu prognozy:

11 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

12 Metoda naiwna

13 Model trendu liniowego

14 Model Holta Model Holta jest wartością wygładzoną szeregu (bez elementu trendu), jest to wygładzona wartość przyrostu wynikającego z trendu szeregu

15 Model autoregresji - oceny parametrów wyznaczone MNK

16 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

17 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


Pobierz ppt "Prognozowanie na podstawie szeregów czasowych wybrane metody."

Podobne prezentacje


Reklamy Google