Detailed Information on Publication Record
2004
Úvod do časových řad
VESELÝ, VítězslavBasic information
Original name
Úvod do časových řad
Name (in English)
Introduction to time series
Authors
VESELÝ, Vítězslav (203 Czech Republic, guarantor)
Edition
Pardubice (Czech Rep.), Proceedings ANALÝZA DAT'2003/II, p. 7-31, 25 pp. 2004
Publisher
Trilobyte, Ltd.
Other information
Language
Czech
Type of outcome
Stať ve sborníku
Field of Study
10101 Pure mathematics
Country of publisher
Czech Republic
Confidentiality degree
není předmětem státního či obchodního tajemství
RIV identification code
RIV/00216224:14560/04:00009984
Organization unit
Faculty of Economics and Administration
ISBN
80-239-2590-3
Keywords in English
time series; data analysis; modeling; parameter estimation
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.
In English
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.
Links
| MSM 143100001, plan (intention) |
|