بخشی از پاورپوینت
اسلاید 2 :
“Time Series”
اسلاید 3 :
تعریف سری زمانی
یک سری زمانی مجموعه ای از مشاهدات درباره ی یک متغیر است که در نقاط گسسته ای از زمان که معمولا فاصله های مساوی دارند؛ اندازه گیری شده و بر حسب زمان مرتب شده اند.
بنابراین یک سری زمانی از مشاهده یک پدیده در طول زمان بدست می آید
اسلاید 5 :
چرا سری های زمانی؟
تفاوت سری های زمانی و سایر روش های مدل سازی از جمله رگرسیون:
سری های زمانی با استفاده از داده های قبلی مقادیر آینده را پیش بینی می کند؛ در حالیکه در دیگر روش های مدل سازی اغلب با استفاده از متغیر های مستقل دیگر سعی به پیش بینی متغیر مورد نظر می کنیم.
اسلاید 6 :
از مزایا و معایب
معمولا قدرت سری های زمانی در پیش بینی کمتر است
ولی
به دلیل اینکه به اطلاعات جانبی کمتری نیاز دارد تمایل به استفاده از آن زیاد می باشد.
اسلاید 7 :
همبستگی بین مشاهدات سری زمانی
همبستگی بین داده ها
لذا تحلیل اساسی در سری زمانی، بررسی وابستگی داده ها به همدیگر است.
ارائه دهنده:زینب مرادی نظر
ویژگی مهم داده های سری زمانی
تابع خود همبستگی و خود همبستگی جزیی
اسلاید 8 :
همان طور که قبلا ذکر شد اگر داده ها مستقل و تصادفی باشند برای پیش بینی مناسب نخواهد بود(مقادیر گذشته تأثیری روی مقادیر حال و آینده نداشته باشد).
White noise : به این نوع داده ها که دارای دنباله تصادفی، مستقل و هم توزیع با میانگین صفر هستند اغتشاش خالص یا نوفه سفید می گویند.
اسلاید 9 :
راهکارهای الگو سازی یا مدل سازی:
پیدا کردن الگوهای مناسب برای سری های زمانی یک اقدام مهم بشمار می رود.
الگوی چند مرحله ای که به وسیله باکس و جنکینس در سال 1976 ارائه گردید به عنوان استراتژی مهم در مدل سازی مطرح است. این الگو مشتمل بر موارد زیر است:
اسلاید 10 :
رسم نمودار
ثابت سازی واریانس
ایستایی داده ها
شناسایی مدل به کمک acfوpacf
آیا پارامتر معنی دار دارد؟
باقیمانده ها مستقل و معنی دار
باقیمانده ها نرمال
پیش بینی
بله
خیر
تبدیل داده ها
خیر
تفاضل گیری
اسلاید 11 :
ایستایی داده ها(stationary)
بعد از رسم نمودار اگر داده ها دارای روند صعودی ،نزولی یا الگوی فصلی باشند،داده ها باید ایستا شوند.
منظور از ایستایی چیست؟
قوانین احتمالی حاکم بر فرایند ،با زمان تغییر نمی کند یا به عبارتی فرایند در تعادل آماری است.
ارائه دهنده:زینب مرادی نظر
ثابت سازی واریانس و میانگین در طول زمان
اسلاید 12 :
These are Examples of Non-Stationary Time Series
اسلاید 13 :
These are Examples of Stationary Time Series
اسلاید 14 :
Time series
Un stationary
Difference
D 1=== trend
D 2===quadratic
smooth
Moving average
Exponential
Double exponential
stationary
Transformation
اسلاید 15 :
Non-Stationary in Mean
اسلاید 16 :
Non-Stationary in Variance
اسلاید 17 :
Example of a non-stationary series
اسلاید 18 :
تفاضل گیری
اسلاید 19 :
Moving Average
Year Response Moving ave
1994 2 NA
1995 5 3
1996 2 3
1997 2 3.67
1998 7 5
1999 6 NA
94 95 96 97 98 99
8
6
4
2
0
Sales
Moving Average
اسلاید 20 :
Ei = W·Yi + (1 - W)·Ei-1
Exponential Smoothing
