Ocena dokładności i trafności prognoz

Slides:



Advertisements
Podobne prezentacje
Modele szeregów czasowych z tendencją rozwojową
Advertisements

Regresja i korelacja materiały dydaktyczne.
Excel Narzędzia do analizy regresji
ESTYMACJA PRZEDZIAŁOWA
Estymacja. Przedziały ufności.
Analiza współzależności zjawisk
dr Małgorzata Radziukiewicz
Skale pomiarowe – BARDZO WAŻNE
Treść wykładu Wstęp Przewidywanie - prognoza Klasyfikacja prognoz
BUDOWA MODELU EKONOMETRYCZNEGO
Jak mierzyć zróżnicowanie zjawiska? Wykład 4. Miary jednej cechy Miary poziomu Miary dyspersji (zmienności, zróżnicowania, rozproszenia) Miary asymetrii.
Krzysztof Jurek Statystyka Spotkanie 4. Miary zmienności m ó wią na ile wyniki są rozproszone na konkretne jednostki, pokazują na ile wyniki odbiegają
Ekonometria prognozowanie.
Podstawowe pojęcia prognozowania i symulacji na podstawie modeli ekonometrycznych Przewidywaniem nazywać będziemy wnioskowanie o zdarzeniach nieznanych.
Jakość sieci geodezyjnych. Pomiary wykonane z największą starannością, nie dostarczają nam prawdziwej wartości mierzonej wielkości, lecz są zwykle obarczone.
Analiza korelacji.
Niepewności przypadkowe
Wykład 5 Przedziały ufności
Wykład 4 Przedziały ufności
Prognozowanie na podstawie sezonowych szeregów czasowych
Prognozowanie na podstawie modelu ekonometrycznego
Prognozowanie i symulacje (semestr zimowy)
Rozkład normalny Cecha posiada rozkład normalny jeśli na jej wielkość ma wpływ wiele niezależnych czynników, a wpływ każdego z nich nie jest zbyt duży.
Średnie i miary zmienności
Estymacja przedziałowa i korzystanie z tablic rozkładów statystycznych
AGH Wydział Zarządzania
dr Grzegorz Szafrański
Jak mierzyć i od czego zależy?
Prognozowanie (finanse 2011)
BADANIE STATYSTYCZNE Badanie statystyczne to proces pozyskiwania danych na temat rozkładu cechy statystycznej w populacji. Badanie może mieć charakter:
Irena Woroniecka EKONOMIA MENEDŻERSKA - dodatek do W2
Elementy Rachunku Prawdopodobieństwa i Statystyki
Prognozowanie z wykorzystaniem modeli ekonometrycznych
Statystyka – zadania 4 Janusz Górczyński.
1 Kilka wybranych uzupełnień do zagadnień regresji Janusz Górczyński.
Prognozowanie i symulacje
NIEPEWNOŚĆ POMIARU Politechnika Łódzka
Finanse 2009/2010 dr Grzegorz Szafrański pokój B106 Termin konsultacji poniedziałek:
Elementy Rachunku Prawdopodobieństwa i Statystyki
Kilka wybranych uzupelnień
Źródła błędów w obliczeniach numerycznych
Przedmiot: Ekonometria Temat: Szeregi czasowe. Dekompozycja szeregów
Dopasowanie rozkładów
Wnioskowanie statystyczne
D. Ciołek EKONOMETRIA – wykład 6
Wykład 5 Przedziały ufności
Statystyczna analiza danych w praktyce
Jak mierzyć asymetrię zjawiska? Wykład 5. Miary jednej cechy  Miary poziomu  Miary dyspersji (zmienności, zróżnicowania, rozproszenia)  Miary asymetrii.
Statystyczna analiza danych
Statystyczna analiza danych
Model trendu liniowego
Treść dzisiejszego wykładu l Weryfikacja statystyczna modelu ekonometrycznego –błędy szacunku parametrów, –istotność zmiennych objaśniających, –autokorelacja,
STATYSTYKA – kurs podstawowy wykład 5 dr Dorota Węziak-Białowolska Instytut Statystyki i Demografii.
Przeprowadzenie badań niewyczerpujących, (częściowych – prowadzonych na podstawie próby losowej), nie daje podstaw do formułowania stanowczych stwierdzeń.
ze statystyki opisowej
Estymacja parametrów populacji. Estymacja polega na szacowaniu wartości parametrów rozkładu lub postaci samego rozkładu zmiennej losowej, na podstawie.
WYKŁAD Teoria błędów Katedra Geodezji im. K. Weigla ul. Poznańska 2
Wprowadzenie do inwestycji. Inwestycja Inwestycja – zaangażowanie określonej kwoty kapitału na pewien okres czasu w celu osiągnięcia w przyszłości przychodu.
Modele nieliniowe sprowadzane do liniowych
STATYSTYKA – kurs podstawowy wykład 11
Estymacja parametryczna dr Marta Marszałek Zakład Statystyki Stosowanej Instytut Statystyki i Demografii Kolegium Analiz.
Dokładność NMT modelowanie dokładności NMT oszacowanie a priori badanie a posteriori.
Niepewności pomiarów. Błąd pomiaru - różnica między wynikiem pomiaru a wartością mierzonej wielkości fizycznej. Bywa też nazywany błędem bezwzględnym.
Jak mierzyć zróżnicowanie zjawiska?
Wprowadzenie do inwestycji
Statystyka matematyczna
Jednorównaniowy model regresji liniowej
Analiza niepewności pomiarów Zagadnienia statystyki matematycznej
MNK – podejście algebraiczne
Analiza niepewności pomiarów
Zapis prezentacji:

Ocena dokładności i trafności prognoz dr Małgorzata Radziukiewicz

Długość okresu prognozy zależy od: okres prognozy Okres, którego dotyczy sporządzana prognoza nazywa się okresem prognozy (T). Długość okresu prognozy zależy od:  od charakteru prognozowanego zjawiska,  od praktycznych potrzeb prognozowania. Liczba jednostek czasu, jaka upływa od teraźniejszości do okresu prognozowania nazywa się wyprzedzeniem prognozy (τ).  

horyzont prognozy Horyzontem prognozy jest najdłuższy okres lub moment w przyszłości, w którym prognoza jest dopuszczalna w świetle przyjętego kryterium. Przyjmujemy następujące oznaczenia; n – ostatni okres, dla którego dysponuje się danymi statystycznymi dotyczącymi rzeczywistych realizacji zmiennej prognozowanej,  - przedział czasu oddzielający okres n od najdalszego okresu w przyszłości, dla którego prognoza jest dopuszczalna, T – okres prognozy. Horyzontem prognozy jest zatem taki przedział czasowy [ n, n+ ], w którym dla każdego okresu t = n+1, n+2, ..., n+ można w sposób uzasadniony sporządzać dopuszczalne prognozy badanego zjawiska. Dopuszczalne są więc prognozy dla takich okresów T, które nie wybiegają poza okres n + .

dokładność i trafność prognozy Prognoza jest naukowo uzasadnionym sądem o stanie zjawiska w określonym momencie (okresie) należącym do przyszłości. Słowo „sąd” sygnalizuje niepewność prognozy. Prognoza jest więc sądem o nieznanym. Sądy bywają fałszywe lub prawdziwe. O prognozach powiemy zaś, że są: trafne – gdy okazują się wystarczająco bliskie realizacji prognozowanej zmiennej; nietrafne (chybione) – gdy rozbieżność prognozy i wielkości prognozowanej okazuje się zbyt wielka jak na nasze potrzeby.

■ Błąd predykcji można oszacować tylko dla prognoz ilościowych.

dokładność i trafność prognozy ■ Ocenę dokładności i trafności prognoz dokonujemy stosując: mierniki dokładności ex post mierniki dokładności ex ante mierniki bezwzględne (zachowujące jednostkę pomiaru zmiennej prognozowanej) mierniki względne (umożliwiające porównanie prognoz uzyskanych różnymi metodami prognostycznymi)

trafność prognozy Trafność prognozy określa się po upływie czasu, na który prognoza była wyznaczona Stopień trafności prognozy ilościowej mierzy się za pomocą błędów ex post Błąd ex post to wartość odchylenia rzeczywistych realizacji zmiennej prognozowanej od obliczonych prognoz Błędy ex post można obliczać dla każdego momentu lub okresu należącego do przedziału czasu [n+1,…., T]

Błędy prognoz ex post błąd (ang. error) błąd procentowy (ang. percentage error) ■ Różnica Y - YP (odchylenie realizacji zmiennej prognozowanej od wartości prognozy) jest miarą błędu prognozy dla okresu  ■ PE określa, jaki procent rzeczywistej realizacji zmiennej prognozowanej wynosi błąd prognozy

Błędy prognoz ex-post Załóżmy, iż wyznaczono m prognoz wartości zmiennej endogenicznej YP oraz znane są rzeczywiste wartości zmiennej prognozowanej Y dla  = 1, 2, ..., m. ● wartość ME powinna być równa zero lub bliska zeru; ● średnie obciążenie predykcji przyjmuje wartość zero w przypadku predykcji nieobciążonej; ● odchylenia wartości miernika ME od zera świadczą, że zasada predykcji nieobciążonej nie została zachowana; ● gdy zaobserwowane odchylenie od zera jest dodatnie, wnioskujemy, że prognozy wygasłe są niedoszacowane; ● gdy zaobserwowane odchylenie od zera jest ujemne, wnioskujemy, że prognozy wygasłe są przeszacowane. średni błąd (ang. mean error):

Błędy prognoz ex post średni procentowy błąd (ang. mean percentage error): ● MPE informuje, jaki procent rzeczywistych realizacji zmiennej prognozowanej stanowią błędy prognozy w okresie predykcji

Błędy prognoz ex post średni błąd bezwzględny (ang. mean absolute error): ● MAE informuje o ile średnio - w okresie predykcji - rzeczywiste realizacje zmiennej prognozowanej będą się odchylać – co do bezwzględnej wartości – od prognoz

Błędy prognoz ex post średni bezwzględny błąd procentowy (ang. mean absolute percentage error): lub ● MAPE informuje o średniej wielkości błędów prognoz dla okresu  = 1, 2, ..., m, wyrażonych w procentach rzeczywistych wartości zmiennej prognozowanej. ● Wartości MAPE pozwalają porównać dokładność prognoz otrzymywanych różnych modeli.

Błędy prognoz ex post średni błąd predykcji ex post - pierwiastek błędu średniokwadratowego (ang. root mean square error) ● RMSE mierzy, o ile średnio odchylają się realizacje zmiennej prognozowanej od obliczonych prognoz ● znacząca różnica wartości między MAE i RMSE wskazuje na występowanie w okresie prognozy błędów o bardzo dużych wartościach.  

względny błąd predykcji ex post Błędy prognoz ex post względny błąd predykcji ex post VRMSE określa, jaki procent przeciętnej rzeczywistej realizacji zmiennej prognozowanej stanowi średni błąd predykcji ex post

Błędy prognoz ex ante ▲ Ponieważ w chwili wyznaczania prognozy nie jest znana wartość rzeczywista zmiennej prognozowanej błąd prognozy ex ante może być tylko oszacowany. ▲ Wartość błędu ex ante przynosi informacje o oczekiwanych przeciętnych odchyleniach realizacji zmiennej prognozowanej od prognoz w czasie t>n. ▲Błąd ex ante służy określeniu dokładności prognozy.

dopuszczalność prognozy Prognoza jest dopuszczalna, gdy jest obdarzona przez jej odbiorcę stopniem zaufania wystarczającym do tego, by mogła być wykorzystana do celu, dla którego została ustalona. Dopuszczalność prognozy jest określona w tym samym czasie , w którym wyznacza się prognozę.

Błędy prognoz ex ante ○ średni błąd predykcji ex ante gdzie: S2(e) – wariancja resztowa D2(aj) – ocena wariancji estymatorów aj (ocen parametrów strukturalnych) ○ względny błąd predykcji ex ante ● wartość Vτ przynosi informację o oczekiwanych przeciętnych odchyleniach realizacji zmiennej prognozowanej od prognoz w czasie t>n ● wartość ητ informuje jak wielki będzie w chwili t>n oczekiwany błąd Vτ (odchylenie liczone w procentach wartości prognoz)

Błędy prognoz ex ante Dla modelu trendu liniowego wzór na błąd prognozy ex ante przybiera postać:

Kryteria dopuszczalności prognoz ● subiektywne kryteria dopuszczalności formułowane przez odbiorców prognozy; ● prognoza jest dopuszczalna, gdy spełniona jest jedna z poniższych relacji: gdzie: Vτ* i ητ* to progowe wartości błędów zadane np. przez odbiorcę prognozy

Kryteria dopuszczalności prognoz ● obiektywne – przyjmuje się, że jeżeli względny miernik dokładności predykcji ex ante (lub ex post) spełnia nierówność: Vτ ≤ 3%, to prognozy są bardzo dokładne; 3%< Vτ ≤ 5%, to prognozy uznajemy za dokładne; 5%< Vτ ≤ 10%, to prognozy mogą być dopuszczalne; Vτ >10%, to prognozy są niedopuszczalne.

Prognoza przedziałowa Prognozę przedziałową, czyli przedział ufności dla prognozy, formułuje się wykorzystując średni błąd prognozy ex ante Vτ. Prognoza przedziałowa dla YτP jest następująca: gdzie: t jest wartością z tablic t-Studenta dla n-(k+1) stopni swobody oraz przyjętego poziomu ufności (wiarygodności prognozy) 1-. Powyższy przedział z prawdopodobieństwem równym współczynnikowi ufności zawiera nieznaną przyszłą (tj. w okresie T) wartość zmiennej Y.