Professional Documents
Culture Documents
Analiza Vremenskih Serija - Trend Komponenta - 25 - 7879 - 9883 - 12953
Analiza Vremenskih Serija - Trend Komponenta - 25 - 7879 - 9883 - 12953
– TREND KOMPONENTA
-Cilj: ustanoviti i matematički izraziti zakonitost u
razvoju posmatrane pojave;
-Metod trenda: određivanje matematičke funkcije
kojom se na najbolji način izražava dugoročna
razvojna tendencija u kretanju posmatrane
pojave;
-Izbor najbolje funkcije: grafički prikaz (apriori) ili
standardna greška trenda (aposteriori).
Vrste trenda
• Najčešće korišteni su:
– Linearni;
– Parabolični;
– Eksponencijalni.
Linearni trend
• Linearni trend je
funkcija oblika: yt x
• A ocijenjena
jednačina glasi: y t a bx
Ocijena parametara a i b
• Iz sistema normalnih
jednačina
y na b x
xy a x b x 2
• Čija su riješenja n xy x y
b
n x 2 ( x ) 2
y x
a b
n n
Primjer 1
• Dati su podaci o kretanju potrošnje brašna po
stanovniku na jednom području u periodu od 2001.
– 2007.godine:
Godina 01 02 03 04 05 06 07
Potrošnja brašna
24,1 24,5 21,8 25,3 28,6 29,6 28,9
(kg/stanovniku)
Potrebno je:
a) Izraziti dugoročnu razvojnu tendeciju ove
pojave odgovarajućom funkcijom trenda;
b) Predvidjeti potrošnju brašna po
stanovniku na ovom području 2008.
godinu.
Dijagram rasipanja
• Grafički prikaz orginalnih podataka
Riješenje
Godina y x xy x²
2001 24,1 -3 -72,3 9
2002 24,5 -2 -49,0 4
2003 21,8 -1 -21,8 1
2004 25,3 0 0,0 0
2005 28,6 1 28,6 1
2006 29,6 2 59,2 4
2007 28,9 3 86,7 9
182,8 0 31,4 28
Funkcija trenda
• Izračunavanje parametara trenda
31,4
b 1,121
28
182,8
a 26,028
7
y t 26,028 1,121x
Značenje parametara
• Parametar a – prosječna vrijednost
potrošnje brašna po stanovniku u 2004.
godini iznosti će 26,028 kg
• Parametar b – 1,121 prosječno godišnje
povećanje potrošnje brašna po stanovniku
Ocjena standardne greške
Godina y yt ( y yt ) 2
Sy
( y yt ) 2
16,867836
1,837
n2 72
Za 2008. godinu
• Za 2008. godinu x = 4 iznosi:
y t (2008) 26,028 1,121 4 30,512
Prosta linearna regresija i korelacija
• Uspostavljanje međusobnih veza i odnosa
dvije ili više posmatranih pojava predmet
je regresione i korelacione analize;
• Cilj – kvantitativno izražavanje prosječan
zakonomjerni odnos posmatranih pojava,
te stepen i smjer njihove međusobne
povezanosti
• Prosta – analizira dvije pojave
Jednačina proste linearne regresije
• Glasi
y i xi i
• A ocjena
• navedene
• jednačine je y i a bxi ei
Primjer
• Dati su podaci o cijeni i veličini prodaje jednog
proizvoda na sedam područja (tabela 2).
• Potrebno je:
a. Izraziti prosječan zakonomjerni odnos cijene i prodaje,
jednačinom regresije;
b. Ocijeniti veličinu prodaje na osnovu uspostavljenog
zakonomjernog odnosa, ako bi cijena bila 15 KM;
c. Odrediti stepen i smjer međusobne povezanosti
posmatranih pojava, kao i mjeru u kojoj su varijacije
prodane količine određene varijacijama cijene
Tabela 2
Cijena KM Prodaja (000 komada)
40,0 51
37,5 76
32,0 70
26,5 87
19,0 143
11,5 198
10,0 245
176,5 870
Dijagram rasipanja
• Grafički prikaz empirijske serije
Ocjena parametara regresije
x y xy x² y² yi
( y yi ) 2
40,0 51 2040,0 1600,00 2601 38,88 146,82
37,5 76 2850,0 1406,25 5776 53,32 514,25
32,0 70 2240,0 1024,00 4900 85,09 227,74
26,5 87 2305,5 702,25 7569 116,86 891,56
19,0 143 2717,0 361,00 20449 160,18 295,12
11,5 198 2277,0 132,25 39204 203,50 30,24
10,0 245 2450,0 100,00 60025 212,17 1077,8
176,5 870 16879,5 5325,75 140524 870,00 3183,53
izračunavanje
• Parametar b
• Parametar a
870 176,5
a 5,776 269,923
7 7
Jednačina regresije
• Glasi
y i 269,923 5,776 x
Standardna greška regresije
• Iznosi
Sy
( y yi ) 2
3183,53
21,32
n2 72
Ocjena veličine prodaje
• Ukoliko cjena bude 15 KM:
y i (15) 269,923 5,776 15 183,283
Korelacija
• Izračunava se:
n xy x y
r
n x ( x ) n y ( y )
2 2 2 2
35398,5
r 0,94958664
6128 226768
r 0,94958664 0,9017
2 2
FIT
FPE