Detail předmětu
Analýza časových řad
Akademický rok 2023/24
DA65 předmět zařazen v 12 studijních plánech
D-P-C-SI (N) / PST zimní semestr 2. ročník
D-P-C-SI (N) / FMI zimní semestr 2. ročník
D-P-C-SI (N) / KDS zimní semestr 2. ročník
D-P-C-SI (N) / MGS zimní semestr 2. ročník
D-P-C-SI (N) / VHS zimní semestr 2. ročník
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
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.
Garant předmětu
Zajišťuje ústav
Cíl
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.
Osnova
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).
Prerekvizity
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.
Jazyk studia
čeština
Kredity
10 kreditů
semestr
Způsob a kritéria hodnocení
Vymezení kontrolované výuky a způsob jejího provádění a formy nahrazování zameškané výuky
Nabízet zahraničním studentům
Předmět na webu VUT
Přednáška
13 týdnů, 3 hod./týden, nepovinné
Osnova