1 / 16

Prognozowanie na podstawie sezonowych szeregów czasowych

Prognozowanie na podstawie sezonowych szeregów czasowych. Dwuczynnikowa analiza wariancji (ANOVA) Hipotezy: o równości wartości przeciętnych między grupami dla różnych wariantów czynnika A – sezonu (występuje sezonowość),

guinevere-castro
Download Presentation

Prognozowanie na podstawie sezonowych 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. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Prognozowanie na podstawie sezonowych szeregów czasowych

  2. 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 1995 1996 1997 1998 1999 2000 kwartał A k1 3476 3785,3 5233,8 6742,5 6929,2 7807,7 k2 4753,3 5874,2 7454,3 9844,5 10222 11048,3 k3 5452,6 7273,5 9467,6 12259,6 12781 13598,4 k4 6760 9209,1 11759,8 14712,1 17782,8 18837,6 Identyfikacja składowych szeregu – trend i sezonowość

  3. Dwuczynnikowa ANOVA - obliczenia

  4. Dwuczynnikowa ANOVA - tabela H0: czynnik A nie jest istotny H0: czynnik B nie jest istotny

  5. 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) Identyfikacja składowych szeregu –charakter sezonowości

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

  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. Modelautoregresji (także w szeregu bez trendu) – oceny parametrów wyznaczone MNK

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

  15. Metody oceny dopuszczalnościprognoz

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

More Related