2004
Úvod do časových řad
VESELÝ, VítězslavZákladní údaje
Originální název
Úvod do časových řad
Název anglicky
Introduction to time series
Autoři
VESELÝ, Vítězslav (203 Česká republika, garant)
Vydání
Pardubice (Czech Rep.), Proceedings ANALÝZA DAT'2003/II, od s. 7-31, 25 s. 2004
Nakladatel
Trilobyte, Ltd.
Další údaje
Jazyk
čeština
Typ výsledku
Stať ve sborníku
Obor
10101 Pure mathematics
Stát vydavatele
Česká republika
Utajení
není předmětem státního či obchodního tajemství
Kód RIV
RIV/00216224:14560/04:00009984
Organizační jednotka
Ekonomicko-správní fakulta
ISBN
80-239-2590-3
Klíčová slova anglicky
time series; data analysis; modeling; parameter estimation
Štítky
Změněno: 15. 1. 2007 17:18, doc. RNDr. Vítězslav Veselý, CSc.
V originále
ČASOVÁ ŘADA JAKO SPECIÁLNÍ PŘÍPAD STOCHASTICKÉHO PROCESU: definice, příklady typických procesů, konzistentní systém distribučních funkcí, momentové charakteristiky (střední hodnota, autokovarianční a autokorelační funkce), striktní a slabá stacionarita, bílý šum, vlastnosti autokovarianční, resp. autokorelační funkce, odhadnutá autokovarianční, resp. autokorelační funkce a její algebraická a statistická interpretace. NEJLEPŠÍ LINEÁRNÍ PREDIKCE V ČASOVÝCH ŘADÁCH: princip ortogonální projekce, Durbin-Levinsonův algoritmus, inovační algoritmus. DEKOMPOZIČNÍ MODEL PRO ANALÝZU ČASOVÝCH ŘAD: volba modelu a jeho identifikace, Box-Coxova transformace, identifikace periodických komponent (diskrétní Fourierova transformace, periodogram, testy periodicity), běžné metody pro odhad deterministické komponenty, a to jak parametrizované (lineární regrese), tak neparametrizované (číslicový filtr). BOX-JENKINSOVA METODOLGIE: modely (S)AR(I)MA, kauzalita a invertibilita, identifikace, odhad parametrů a verifikace modelů.
Anglicky
TIME SERIES AS A SPECIAL CASE OF RANDOM PROCESS: definition, examples of typical processes, consistent system of distribution functions, moment functions (mean, autocovariance and autocorrelation function), strict and weak stationarity, white noise, properties of the autocovariance and autocorrelation function, estimated autocovariance and autocorrelation function, the algebraic and statistical interpretation of this estimate. THE BEST LINEAR PREDICTION: the principle of orthogonal projection, Durbin-Levinson Algorithm, Innovations Algorithm. DECOMPOSITION MODEL FOR TIME SERIES ANALYSIS: choice of the model and its identification, the Box-Cox transformation, identification of periodic components (discrete Fourier transform, periodogram, periodicity tests), common methods for estimation of the deterministic components comprising both parametrized methods (linear regression) and nonparametric methods (digital filtration). BOX-JENKINS METHODOLOGY: (S)AR(I)MA models, causality and invertibility, identification, parameter estimation and verification of models.
Návaznosti
| MSM 143100001, záměr |
|