Detail předmětu
Analýza časových řad
Akademický rok 2024/25
DA65 předmět zařazen v 7 studijních plánech
D-K-C-SI (N) / VHS zimní semestr 2. ročník
D-K-C-SI (N) / MGS zimní semestr 2. ročník
D-K-C-SI (N) / PST zimní semestr 2. ročník
D-K-C-SI (N) / FMI zimní semestr 2. ročník
D-K-C-SI (N) / KDS zimní semestr 2. ročník
D-K-C-GK / GAK zimní semestr 2. ročník
D-K-E-SI (N) / PST zimní semestr 2. ročník
Pojem stochastického procesu, m-rozměrná distribuční a rozdělovací funkce stochastického procesu, číselné charakteristiky stochastických procesů a jejich odhady, stacionární procesy, ergodické procesy.
Dekompozice časové řady na trendovou, sezónní a cyklickou složku. Odhady jednotlivých složek – regresní přístupy, klouzavé průměry, exponenciální vyrovnávání, Wintersova metoda.
Spektrální hustota a periodogram.
Lineární modely – posloupnost klouzavých součtů, autoregresní proces, smíšený proces – identifikace modelu, odhad parametrů modelu, ověřování adekvátnosti modelu.
Průběžná informace o možnosti využití statistického software STATISTICA a EXCEL při aplikacích probírané látky.
Dekompozice časové řady na trendovou, sezónní a cyklickou složku. Odhady jednotlivých složek – regresní přístupy, klouzavé průměry, exponenciální vyrovnávání, Wintersova metoda.
Spektrální hustota a periodogram.
Lineární modely – posloupnost klouzavých součtů, autoregresní proces, smíšený proces – identifikace modelu, odhad parametrů modelu, ověřování adekvátnosti modelu.
Průběžná informace o možnosti využití statistického software STATISTICA a EXCEL při aplikacích probírané látky.
Kredity
10 kreditů
Jazyk studia
čeština
semestr
zimní
Garant předmětu
Zajišťuje ústav
Způsob a kritéria hodnocení
zkouška
Vstupní znalosti
Pojmy z předmětu "DA03", "DA62" - Pravděpodobnost a matematická statistika
Základní znalosti z teorie pravděpodobnosti, matematické statistiky a lineární algebry - zákon rozdělení náhodné veličiny a vektoru, číselné charakteristiky náhodných veličin a vektorů a jejich bodové a intervalové odhady, podstata testování statistických hypotéz, řešení soustavy lineárních rovnic, inverzní matice.
Základní znalosti z teorie pravděpodobnosti, matematické statistiky a lineární algebry - zákon rozdělení náhodné veličiny a vektoru, číselné charakteristiky náhodných veličin a vektorů a jejich bodové a intervalové odhady, podstata testování statistických hypotéz, řešení soustavy lineárních rovnic, inverzní matice.
Učební cíle
Pochopit základní pojmy z teorie stochastických procesů. Vědět, co je stochastický proces a kdy je určen z pravděpodobnostního hlediska.
Vědět, co jsou číselné charakteristiky stochastických procesů a jak se odhadují.
Umět provést dekompozici časové řady, odhadnout její složky a konstruovat předpovědi.
Umět posoudit periodicitu procesu.
Umět s využitím statistických programů identifikovat Box-Jenkinsovy modely, odhadnout parametry modelu, posoudit adekvátnost modelu a konstruovat předpovědi.
Vědět, co jsou číselné charakteristiky stochastických procesů a jak se odhadují.
Umět provést dekompozici časové řady, odhadnout její složky a konstruovat předpovědi.
Umět posoudit periodicitu procesu.
Umět s využitím statistických programů identifikovat Box-Jenkinsovy modely, odhadnout parametry modelu, posoudit adekvátnost modelu a konstruovat předpovědi.
Základní literatura
CIPRA, T. Analýza časových řad s aplikacemi v ekonomii. 1. vyd. Praha: SNTL, 1986. 246 s. (cs)
BROCKWELL, P.J., DAVIS, R.A. Introduction to Time Series and Forecasting. 2nd ed. New York: Springer, 2002. 434 p. ISBN 0-387-95351-5. (en)
PAPOULIS, A. Random Variables and Stochastic Processes. 3td ed. New York: McGraw-Hill. Inc. 2021. 659 p. ISBN 0-07-366011-6. (en)
BROCKWELL, P.J., DAVIS, R.A. Introduction to Time Series and Forecasting. 2nd ed. New York: Springer, 2002. 434 p. ISBN 0-387-95351-5. (en)
PAPOULIS, A. Random Variables and Stochastic Processes. 3td ed. New York: McGraw-Hill. Inc. 2021. 659 p. ISBN 0-07-366011-6. (en)
Doporučená literatura
SHUMWAY, R.H., STOFFER, D.C. Time Series Analysis and Its Applications: With R Examples (Springer Texts in Statistics) 4th ed. New York:Springer, 2017. 575 p. ISBN 3-31-952451-8 (en)
Nabízet zahraničním studentům
Nenabízet
Předmět na webu VUT
Přednáška
13 týdnů, 3 hod./týden, nepovinné
Osnova
1. Základní pojmy. M-rozměrná rozdělovací funkce, distribuční funkce. Číselné charakteristiky stochastického procesu a jejich odhady.
2. Stacionární procesy.
3. Ergodické procesy.
4. Základní lineární regresní model.
5. Základní lineární regresní model.
6. Dekompozice časové řady. Regresní přístupy k trendové složce.
7. Klouzavé průměry.
8. Exponenciální vyrovnávání.
9. Wintersovo sezónní vyrovnávání.
10. Periodické modely - spektrální hustota a peridogram.
11. Lineární proces. Proces klouzavých součtů MA(q).
12. Autoregresní proces AR(p).
13. Smíšený proces ARMA(p,q), ARIMA(p,d,q).