Professional Documents
Culture Documents
W7
W7
Wprowadzenie
Szeregi czasowe w R
Daty w R
Oznaczenie Działanie
%d dzień miesiąca (liczba)
%m miesiąc (liczba)
%b miesiąc (skrót nazwy)
%B miesiąc (pełna nazwa)
%y rok (2 cyfry)
%Y rok (4 cyfry)
Daty w R
Trend
Średnia ruchoma
Średnia ruchoma
Filtry wygładzające
Filtry wygładzające
Filtry wygładzające
Filtry wygładzające w R
Metoda analityczna
Yt = α0 + α1 · t + εt ,
Ŷt = a0 + a1 · t,
Autokorelacja
γ(k)
ρ(k) = ,
γ(0)
gdzie
Autokorelacja
Autokorelacja – wykresy
Test Durbina-Watsona w R
Stacjonarność
Stacjonarność
Stacjonarność
Stacjonarność
Stacjonarność
Równania Yule’a-Walkera
Theorem
Jeśli Yt = pz=1 αz Yt−z + εt jest stacjonarnym procesem AR(p),
P
wtedy jego funkcja autokorelacji spełnia następujące równanie
rekurencyjne
p
X
ρ(s) = αz ρ(s − z), s = 1, 2, . . .
z=1
Równania Yule’a-Walkera
Yt = α1 Yt−1 + α2 Yt−2 + εt .
Mamy:
1, dla k = 0,
α1 , dla k = 1,
ρ(k) = 1−α 2
2
α1 + α2 , dla k = 2,
1−α2
0, w p.p.
Niech
Yt = 10 + Zt + Zt−1 ,
gdzie Zt , Zt−1 , . . . jest ciągiem niezależnych zmiennych losowych o
wartości oczekiwanej zero oraz jednostkowej wariancji. Mamy:
E (Yt ) = E (Yt+k ) = 10,
γ(0) = Var (Yt ) = 2,
γ(1) = E [(Yt − µ)(Yt+1 − µ)] = 1,
γ(2) = E [(Yt − µ)(Yt+2 − µ)] = 0.
Oraz
ρ(0) = 1,
ρ(1) = 0,5,
ρ(2) = 0.
Tomasz Górecki Analiza danych (W8)
Analiza dynamiki zjawisk masowych
Mamy zatem
αx 2 − (α + 1)x + 1 = 0.
Flowchart