TPtimeseries.pdf
(
980 KB
)
Pobierz
Microsoft Word - TPDTimeSeries2009folie.doc
Analiza Szeregów Czasowych
Plan
1.
Uwagi wstępne
(szeregi, przykłady, prognozowanie,…)
2.
Cel analizy szeregów czasowych
3.
Struktura szeregów czasowych
(trend/składowa stała, wahania sezonowe, wahania
cykliczne, wahania przypadkowe)
4.
Podstawowe modele matematyczne
− addytywne
− multiplikatywne
5.
Szereg czasowy bez trendu
6.
Szereg czasowy z trendem (wyodrębnianie trendu)
7.
Analiza sezonowości
8.
Zagadnienia prognozowania
@Jerzy Stefanowski, Inst.. Informatyki PP
Poznań 2002/3, aktualizacja 2009 dla TPD - ZED
Wprowadzenie
Time-Series Data
,
Time-related data
– dane zmieniające się wraz
z upływem czasu; dane zawierające serie (szeregi) wartości /
wielkości zmieniających się w czasie.
Szereg czasowy
– ciąg obserwacji pewnego zjawiska w
kolejnych jednostkach czasu [def. statystyczna].
Wielkości mierzone na skalach liczbowych, na ogól w równych
odstępach czasu; Kształt wykresu niesie istotną informacje.
Ogólna postać szeregu czasowego
Czas (
t
)
Zjawisko (
y
t
)
t
1
y
1
t
2
y
2
.
.
.
.
t
n
y
n
Szeregi czasowe są podstawą analizy
dynamiki
zjawisk.
Metody indeksowe (popularne w zastosowaniach
ekonomicznych).
Identyfikacja struktury szeregu czasowego.
.
.
Przykłady szeregów czasowych
Date Stock Price$
June 11, 93 IBM 98.5
June 11, 93 MSFT 78.0
June 11, 93 INTC 76.5
June 12, 93 IBM 99.5
June 12, 93 MFST 80.0
June 12, 93 INTC 77.0
June 13, 93 IBM 98.0
:
:
:
:
:
:
Szeregi czasowe
Dane reprezentowane w postaci szeregów czasowych są
popularne w wielu zastosowaniach, np.:
¾
Analiza danych giełdowych.
¾
Opracowywanie danych GUS (spójrz
Roczniki
Statystyczne
lub
Biuletyny Statystyczne
).
¾
Wspomaganie decyzji w zarządzaniu przedsiębiorstwami, w
szczególności tworzenie
prognozy sprzedaży
a także analiza
dynamiki
procesów produkcyjnych, zaopatrzenia, zapasów,
finansów, siły roboczej.
¾
Analiza danych diagnostycznych i prognozy postępowania
w medycynie.
¾
Analiza wyników eksperymentów naukowych.
¾
…
Analiza szeregów czasowych (ang.
time series
) jest powiązana z
metodami
prognozowania
(ang.
forecasting
).
Należy odróżnić
time-series data
od
sequence data
.
Cel analizy szeregów czasowych
Zbudowanie modelu pewnego zjawiska/procesu w oparciu
o obserwowane zmiany w czasie pewnych mierzalnych
wielkości opisujących ten proces.
Ogólne założenie: obserwowany przebieg składa się z:
¾
Części systematycznej
(trend, składowa stała, wahania
sezonowe i cykliczne) – w oparciu, o które buduje się
model.
¾
Części przypadkowej
(szumu, wahań przypadkowych).
Wymienione składniki
–
czynniki determinujące
rozważane zjawisko; W analizie szeregów dąży się do
ich wyodrębnienia i pomiaru
–
dekompozycja szeregu
czasowego.
Przy użyciu otrzymanego modelu można dokonywać
predykcji (eksploracji) przebiegu szeregu lub jego
składowych.
Plik z chomika:
Lexor2
Inne pliki z tego folderu:
cwicz-inddrzew.pdf
(128 KB)
DMpreprocessingdodatkowe.pdf
(2240 KB)
DMwstep.pdf
(699 KB)
DMmultipleclassifiers.pdf
(1715 KB)
CASESTUDY12.pdf
(183 KB)
Inne foldery tego chomika:
Bazy danych 1 (BD1)
HDA - Hurtownie Danych
Zgłoś jeśli
naruszono regulamin