Professional Documents
Culture Documents
Wprowadzenie Do Analizy Szeregów Czasowych: Stacjonarne Szeregi Czasowe I Ich Własności
Wprowadzenie Do Analizy Szeregów Czasowych: Stacjonarne Szeregi Czasowe I Ich Własności
Adam Zagdański
Wydział Matematyki,
Politechnika Wrocławska
6 III 2023
Sprawy organizacyjne
Wprowadzenie
Proste modele szeregów czasowych
Modele stacjonarne szeregów czasowych
Plan
1 Sprawy organizacyjne
2 Wprowadzenie
Przykłady szeregów
Typowe oznaczenia
Główne zadania analizy szeregów czasowych
Etapy w analizie szeregu czasowego
Kontakt
Zasady zaliczenia
Zasady zaliczenia
Zasady zaliczenia
Zasady zaliczenia
Zasady zaliczenia
Zalecana literatura
Literatura podstawowa
1) Brockwell P., Davis R., Introduction to Time Series and Forecasting.
Springer, 2nd edition, 2010.
2) Chatfield M. B., The Analysis of Time Series: An Introduction. Taylor
Francis Inc, 2003.
3) Hyndman, R.J., Athanasopoulos, G., Forecasting: principles and practice,
2nd edition. http://otexts.org/fpp2/, 2018.
4) Shumway R. H., Stoffer D. S., Time Series Analysis and its Applications
With R Examples. Springer, 3rd edition, 2011.
5) Zagdański A., Suchwałko A., Analiza i prognozowanie szeregów
czasowych. Praktyczne wprowadzenie na podstawie środowiska R. PWN,
2015.
Literatura uzupełniająca
W czasie wykładu będą przekazywane Państwu informacje dotyczące
dodatkowych artykułów do lektury i zreferowania.
Wprowadzenie do analizy szeregów czasowych 9/49
Sprawy organizacyjne
Wprowadzenie
Proste modele szeregów czasowych
Modele stacjonarne szeregów czasowych
Podziękowania
500
70000
4e+05
450
5.5
65000
400
5.0
3e+05
60000
350
benzyna
AirPass
ukcars
pkb
4.5
55000
300
2e+05
250
50000
4.0
200
1e+05
45000
3.5
2002 2006 2010 2014 1995 2000 2005 2010 2015 1980 1985 1990 1995 2000 2005 2006 2008 2010 2012 2014
E F G H
200
12000
8
150
10000
7
150
sunspot.year
dji[, "Close"]
8000
6
100
bonds
uspop
100
6000
5
50
50
4000
4
0
0
1994 1996 1998 2000 2002 2004 1990 1995 2000 2005 1800 1850 1900 1950 1700 1800 1900
Typowe oznaczenia
Typowe oznaczenia
Typowe oznaczenia
Typowe oznaczenia
21
18
bezrobocie
15
12
18
20
data
15
12
9
20.0
17.5
trend
15.0
15
12.5
bezrobocie
10.0
0.5
seasonal
0.0
−0.5 10
0.5
remainder
0.0
−0.5
a) dekompozycja b) prognozowanie
Uwaga
Często określenie szereg czasowy jest używane zarówno na
oznaczenie danych, jak i samego procesu (modelu), którego jest on
realizacją.
Uwaga
Często określenie szereg czasowy jest używane zarówno na
oznaczenie danych, jak i samego procesu (modelu), którego jest on
realizacją.
Uwaga
Często określenie szereg czasowy jest używane zarówno na
oznaczenie danych, jak i samego procesu (modelu), którego jest on
realizacją.
2
X
−2
0 20 40 60 80 100
czas (t)
gdzie p = 1/2.
gdzie p = 1/2.
1.0
0.5
X
0.0
−0.5
−1.0
0 5 10 15 20 25 30
czas (t)
10
5
X
−5
0 20 40 60 80 100
czas (t)
Xt = mt + Yt ,
gdzie
mt jest trendem wielomianowym postaci
mt = a0 + a1 t + a2 t 2 + . . . + ap t p (np. trend liniowy:
mt = a0 + a1 t, trend kwadratowy: mt = a0 + a1 t + a2 t 2 ),
Yt jest szeregiem o średniej zero.
Xt = mt + Yt ,
gdzie
mt jest trendem wielomianowym postaci
mt = a0 + a1 t + a2 t 2 + . . . + ap t p (np. trend liniowy:
mt = a0 + a1 t, trend kwadratowy: mt = a0 + a1 t + a2 t 2 ),
Yt jest szeregiem o średniej zero.
20
15
series
X
X
10
trend
400
300
200 series
X
X
trend
100
St = δ + St−1 + Xt , dla t = 1, 2, . . . ,
St = δ + St−1 + Xt , dla t = 1, 2, . . . ,
St = δ + St−1 + Xt , dla t = 1, 2, . . . ,
St = δ + St−1 + Xt , dla t = 1, 2, . . . ,
St = δ + St−1 + Xt , dla t = 1, 2, . . . ,
100
75
series
X
50
trend
25
µX (t) = E (Xt ).
µX (t) = E (Xt ).
µX (t) = E (Xt ).
Uwaga
Powyższa definicja stacjonarności jest nazywana w literaturze
także: słabą stacjonarnością, stacjonarnością w szerszym sensie,
stacjonarnością w sensie kowariancyjnym lub stacjonarnością
drugiego rzędu.
Wprowadzenie do analizy szeregów czasowych 41/49
Sprawy organizacyjne
Wprowadzenie Funkcje średniej, kowariancji i autokowariancji
Proste modele szeregów czasowych Funkcja autokorelacji
Modele stacjonarne szeregów czasowych
Uwaga
Powyższa definicja stacjonarności jest nazywana w literaturze
także: słabą stacjonarnością, stacjonarnością w szerszym sensie,
stacjonarnością w sensie kowariancyjnym lub stacjonarnością
drugiego rzędu.
Wprowadzenie do analizy szeregów czasowych 41/49
Sprawy organizacyjne
Wprowadzenie Funkcje średniej, kowariancji i autokowariancji
Proste modele szeregów czasowych Funkcja autokorelacji
Modele stacjonarne szeregów czasowych
Uwaga
Powyższa definicja stacjonarności jest nazywana w literaturze
także: słabą stacjonarnością, stacjonarnością w szerszym sensie,
stacjonarnością w sensie kowariancyjnym lub stacjonarnością
drugiego rzędu.
Wprowadzenie do analizy szeregów czasowych 41/49
Sprawy organizacyjne
Wprowadzenie Funkcje średniej, kowariancji i autokowariancji
Proste modele szeregów czasowych Funkcja autokorelacji
Modele stacjonarne szeregów czasowych
Szereg stacjonarny
Uwagi do definicji
Szereg stacjonarny
Uwagi do definicji
Szereg stacjonarny
Uwagi do definicji
Szereg stacjonarny
Uwagi do definicji
Szereg stacjonarny
Uwagi do definicji
Szereg stacjonarny
Uwagi do definicji
Szereg stacjonarny
Uwagi do definicji
Szereg stacjonarny
Uwagi do definicji
Szereg stacjonarny
Uwagi do definicji
Szereg stacjonarny
Uwagi do definicji
Szereg stacjonarny
Uwagi do definicji
Szereg stacjonarny
Uwagi do definicji
Szereg stacjonarny
Uwagi do definicji
Szereg stacjonarny
Uwagi do definicji
Szereg stacjonarny
Uwagi do definicji
Szereg stacjonarny
Uwagi do definicji
Szereg stacjonarny
Uwagi do definicji
γX (h) γX (h)
ρX (h) = = = Cor (Xt+h , Xt ).
γX (0) σX2
γX (h) γX (h)
ρX (h) = = = Cor (Xt+h , Xt ).
γX (0) σX2
γX (h) γX (h)
ρX (h) = = = Cor (Xt+h , Xt ).
γX (0) σX2
Dziękuję za uwagę!