Professional Documents
Culture Documents
II. Sem.
II. Sem.
Intervalni vremenski niz se moe grafiki prikazati povrinskim grafikonom (uz pomo jednostavnih stupaca) i linijskim grafikonom. Kod intervalnog niza u grafikonu toke unosimo sa sredine vremenskog razreda. Trenutani vremenski niz moe se grafiki prikazati samo linijskim grafikonom. Kod trenutanog niza u grafikonu toke nanosimo na os apscise na mjesto promatranja. Grafikon prekidamo horizontalno ako su velike razlike. Moe se prekinuti i okomito ako nemamo podataka, npr. podataka u ratnom razdoblju, ili kad mjenjamo vremensku definiciju, vremensku grupu.
INDEKSI
Indekse moemo podjeliti na dva dijela: skupni indeksi i individualni indeksi
Skupne indekse imamo onda kada elimo usporeivati skupnu pojavu, a imamo: indeks vrijednosti, indeks koliina, indeks cijena Indeks vrijednosti se rauna pomou sljedee formule:
Iv =
q p q p
1 0
1 0
100
ono s im usporeujemo
pri emu su: p cijene q koliine Ako je npr. Iv = 84% u nekoj tvornici, kaemo da je proizvodnja opala za 16% u odnosu na promatrano razdoblje. Iv = Ik Ic
Indeksi koliina
Ik =
q p q p
1 0
0 1
100
Skupni indeks koliina tako izraunat naziva se agregatni skupni indeks koliina
Ik =
q p q p
1 0
1 1
100
Ik =
q1
q p q0 1 0 100 q0 p0 W q0 0 100 W0
q1
Ik =
Indeksi cijena
Ic =
pq p q
1 0 1 0
0 0
100
ponderi baznog razdoblja
Ic =
pq p q
1 1
100
p q0 0 Ic = 100 q0 p0 Ic =
p1
p1
W p0 0 100 W0
Individualni indeksi analiza jedne, individualne pojave Individualni indeksi Indeksi stalne baze Indeksi promjenjive baze
Indeksi stalne baze dobiju se tako da se uvijek stave u odnos sa istom bazom
I1 =
3
y1 y3
I2 =
3
y2 y3
I3 =
3
y3 y3
I4 =
3
y4 y3
Kod izbora baze treba uvijek uzeti neki koji je u sredini Indeksi sa promjenjivom bazom (lanani i verini) - lanani I 10 =
y1 y0
I2 =
1
y2 y1
I3 =
2
y3 y2
I4 =
3
y4 y3
Primjer: Godina 1997 1998 1999 2000 2001 Indeks 120 141 92 85
1997 98
99
00
01
Statike srednje vrijednosti paralelne su s apscisom. Dijele se na: - aritmetiku sredinu vremenskog niza, y - kod intervalnih vrem. nizova - kronoloku sredinu vrmemeskog niza, KS - kod trenutanih vrem. nizova geometrijsku sredinu vremenskog niza, G - kod intervalnih i trenutanih
KS G
Geometrijska sredina primjenjuje se samo dak aritmetika i kronoloka nisu reprezentativne, kada neki lan jako odskae, kad postoji ekstremna vrijednost ona ublaava utjecaj ekstremne vrijednosti, jer tada je ona bolji reprezentant od aritmetike i kronoloke. Izraunava se pomou formule:
G = k y1 y 2 y3 ... yi
G = k 1
yi y1
y=
y
N
Kronoloka sredina pomou nje nalazimo stanje trenutanog vremenskog niza u definiranoj jedinici vremena. Svaka se frekvencija mora mnoiti s vremenskim ponderom, tj. s duinom razdoblja za koje se pretpostavlja da ima frekvenciju na razini koju pokazuje pojava u definiranom trenutku vremena. To je ponderirana srednja vrijednost. Izraunava se pomou formule:
KS =
V Y V
i i
Kad nemamo preskoka u nizu (npr. od sijeanj do prosinac), prvom i zadnjem ponderu u nizu dajemo vrijednost 0,5, a svim ostalima 1. Primjer: kad nemamo preskoke u nizu
Yi * * * * * * Vi 0,5 1 1 1 1 0,5 Vi Yi * * * * * *
TREND
Trend je opepojavna tendencija promatrana u nekom razdoblju. Za dinamike pojave moemo raunati i statike srednje vrijednosti. S obzirom na oblik trend moe biti linijski i krivolinijski. Na smjer: pozitivan i negativan smjer kretanja pojave Na intenzitet: jaki i slabi intenzitet pojave Postoje dvije vrste trendova: linearni trend i eksponencijalni trend
Linearni trend
Kod linearnog trenda ishodite moe biti na poetku ili u sredini.
yt = a + bx
b=
x y x y x x x
i i 2 i i
a = y xb
xi 0 1 2 3 4 5 6
Ako pojava raste ili pada za priblino istu vrijednost, dobro je primjeniti linearni trend. Parametar a nam pokazuje vrijednost trenda u ishoditu. U primjeru oekujemo da a bude oko 1050, 20-30 manje ili vie, parametar mora biti blizu one vrijednosti gdje je ishodite. Parametar b nam pokazuje pad ili porast promatrane pojave u odreenom razdoblju. Ako su nam ishodita u sredini:
b=
a =y
xi y i 2 xi
k2 =
(y
yt ) N
i
k =
Vk =
( y
k
y
yt ) N
= yt
100 k = k2
Eksponencijalni trend
Ako pojava raste ili pada za priblino isti relatvni niz, za isti postotak. Da bi to ustanovili, trebamo izraunati indekse.
yt
a
i
+
i
b x
i
log B =
x log y x log y x x x
2 i i
xi log yi 2 xi
i
log A =
log y
N
Primjer:
Godina 1995 1996 1997 1998 1999 proizvodnja 1080 1120 1240 1700 2200
xi
0 1 2 3 4
xi
log y
xi log yi
yt = A B x yt = 1075,22 1,0427 x
Ishodite je 30.06.1995. Jedinica za y je mil. tona. Jedinica za x je 1. god. Proizvodnja je rasla prosjeno godinje za 4.27 %. (stopa rasta je B100-100
parametar A vrijednost u ishoditu parametar B pokazuje nam prosjeni pad ili prosjeni porast u promatranom razdoblju. B nam pokazuje prosjean relativan pad ili porast (dok kod linearnog trenda pokazuje prosjean pad ili porast. Primjer: ako ima porast: B=1,0427, a ako ima pad: B=0,9471
k2 log =
k log =
Vk log =
(log y i log yt ) 2 N
i
(log y
log yt ) 2 N
- relativna mjera reprezentativnosti trenda
Kad se trai raunanje prosjene godinje stope, to se ne rauna preko B, ve se rauna preko G (preko projenog verinog indeksa).
Sezonska pojava
Njome se smatra ona periodina pojava koja se javlja u jednom odreenom periodu, npr. noenje stranih turista. Grafiki prikaz uglavnom je linijski (brijegovi prikazuju sezonu, a doline podsezonu. Analiza ovih pojava izvodi se sezonskim indeksima koji pokazuju smjer i intenzitet promjena uzrokovanih sezonskim imbenicima.
Regresija i korelacija
Ako znamo da je neka pojava zavisna uzrok (y), a neka druga pojava nezavisna, posljedica (x), onda kaemo da je y = f(x) Ako nam je svejedno da li je y = f(x) ili x = f(y), ili ako ne znamo koja je pojava uzrok, a koja posljedica, govorimo o korelacijskim modelima. Kada znamo koja je pojava uzrok, a koja posljedica, govorimo o regresijskim modelima. Korelacija se moe promatrati po obliku, po smjeru i po intenzitetu. Po obliku moe biti linearna-ako se vidi da rast jedne pojave prati priblino jednaki rast druge pojave (bilo da se poveava ili smanjuje te krivolinijska ako prati pojave za jako razliite iznose. Po smjeru moe biti: - pozitivna ako rast jedne pojave prati rast druge pojave ili ako pad jedne pojave prati pad druge pojave - negativna ako pad jedne pojave prati rast druge pojave i obrnuto Po intenzitetu moe biti: - funkcionalna veza ako rast jedne pojave prati rast ili pad druge pojave za potpuno isti iznos. - Dijagram rasipanja pojave x i y, svaku toku ini pad y, koliko modaliteta imamo, toliko imamo i toaka.
Y1
X1
Y1 x
- stohastika veza (statistika) (moe biti razliitog intenziteta prema funkcionalnoj - jaa ili slabija, dalja ili blia funkcionalnoj X1
b=
x y x
i i
i 2
kx y kx
2
pokazuje nam za koliko e se promjeniti zavisna varijabla y ako se nezavisna varijabla y promjeni za jednu jedinicu.
a = y x b
( y
( y
( y
=ukupna odstupanja ST
( y
= protumaena odstupanja SP
( y
ST=SP+SR
r
2
( y = ( y
r i
) y)
y
2 2
0 r2 1
r2 =1
( y y ) ( y y)
i r i
k 1 (1 r 2 ) k 2
da li je regresijski model dobar ili nije moe biti jednak ili manji od koeficijenta alijenacije, vii nikada, a moe biti i negativan
Viestruka linearna regresija1 - sve se ponavlja kao i kod jednostavne, samo ima vie varijabli. Ukoliko pojava y ovisi o vie neovisnih pojava x, postavlja se model viestruke linearne regresije ako su ovisne varijable dane kao linearne kombinacije nepoznatih parametara K neovisnih varijabli te nepoznatih vrijednosti varijable u. Jednostavna linearna korelacija kad imamo dvije pojave, a ne znamo je li x posljedica od y ili y posljedica od x.
y r = a + bx xr = a '+b' y
a , b, b ' =
x y y
i
k x y k y
2
a ' =x y b '
Jakost veze izmeu pojava x i y mjere se preko koeficijenta determinacije i koeficijenta korelacije Koeficijent korelacije (Pierconov koeficijent korelacije)
r = r 2 - moe zauzeti bilo koju vrijednost izmeu 1
Krivolinijska korelacija2 - veza meu pojavama x i y moe biti definirana i nekom krivom linijom. U tom sluaju, oblik te veze analitiki e se izraziti modelom
1 2
Ne pojavljuje se na pismenom ispitu, dok se na usmenom moe pojaviti Ne pojavljuje se na pismenom ispitu, dok se na usmenom moe pojaviti
krivolinijske korelacije. Jakost veze mjeri se, pak, koeficijentom krivolinijske korelacije koga se alternativno naziva indeksom korelacije. Viestruka linearna korelacija3 - potpuno ista viestrukoj linearnoj regresiji, samo se tu ne zna koja je pojava uzrok, a koja posljedica.
Korelacija ranga