Úvod do analýzy časových řad

Rozměr: px
Začít zobrazení ze stránky:

Download "Úvod do analýzy časových řad"

Transkript

1 Úvod do aalýz časových řad Doc.Ig. Jaa Hačlová, CSc. Kaedra maemaických meod v ekoomice Ig. Lubor Tvrdý Kaedra regioálí ekoomik Ekoomická fakula, VŠB-TU Osrava Osrava,

2 Úvod do aalýz časových řad Obsah Úvod... 3 Teoreické základ pro aalýzu časových řad Základí pojm Druh časových řad Grafická aalýza Popisé charakerisik Základí úprav časových řad Doplěí chbějících hodo Trasformace měříka a kombiace časových řad Časový posu Sezóí diferece Kumulaiví souče Vhlazováí časových řad Problém časových řad Meod aalýz časových řad... 3 Příklad č. : Aalýza mír ezaměsaosi v okrese Karviá Grafická a saisická deskripce Očisěí časové řad od sezóích vlivů Tvorba modelu Expoeciálí vrováí druhého supě Výsledá predikce Příklad č. : Posup aalýz ukazaelů a úrovi obce Deskripce saisická a grafická Aalýza vzahů Závěr Lieraura

3 Úvod Cílem aalýz časových řad je věšiou kosrukce vhodého modelu. Sesrojeí dobrého modelu ám zpravidla umoží porozumě mechaismu, a jehož základě vzikají hodo časové řad, a pochopi podmík a vazb, keré působí a vzik ěcho hodo. Na základě změ ěcho podmíek či vazeb lze simulova jejich vliv působící změ ve vývoji časové řad. Dalším cílem je vužií ěcho získaých pozaků při předpovědi budoucího chováí. Používaé posup jsou založe a pricipu, že "hisorie se opakuje". Teo předpoklad bývá v praxi splě s růzou přesosí, a proo je vhodé u vhlazováí a předpovědí v časových řada uvádě i spolehlivos získaých výsledků a hodoi úspěšos predikce. Teoreické základ pro aalýzu časových řad. Základí pojm Časovou řadou rozumíme posloupos hodo ukazaelů, měřeých v určiých časových iervalech. To ierval jsou zpravidla rovoměré (ekvidisaí, a proo je můžeme zapsa ásledujícím způsobem:,,, eboli,,,, kde začí aalzovaý ukazael, je časová proměá s celkovým počem pozorováí... Druh časových řad Časové řad čleíme podle charakeru ukazaele: okamžikové - hodoa ukazaele k určiému okamžiku (apř. poče evidovaých uchazečů, iervalové - velikos sledovaého ukazaele závisí a délce iervalu, za kerý je sledová (apř. měsíčí áklad a rekvalifikace. Podle druhu ukazaelů rozlišujeme časové řad obsahující: absoluí ukazaele (očišěé, odvozeé ukazaele (součové, poměrové... Grafická aalýza Aalýza časových řad se v současosi provádí výhradě a počíačích pomocí vhodého sofwaru. Velká věšia saisických a ekoomerických sofwarů má algorim ěcho aalýz zabudovaé ve svých sadardích abídkách. Bohužel program EXCEL mezi ě epaří, proo - 3 -

4 se budeme muse věova relaivě jedoduchým algorimům, keré lze vsvěli. Pro pokročilejší aalýz časových řad doporučujeme saisické sofwar: SPSS, STATISTICA, S +. V programu EXCEL je ejvhodější daovou srukurou pro časové řad sadardí daová maice ve keré je prví řádek voře krákým ázvem proměé a poom ásledují aměřeé hodo. Jede řádek daové maice obsahuje pozorováí v jedom časovém okamžiku. Hodo jsou seřaze podle času, vzesupě. Ukázka daové maice v EXCELu uvádí abulka, kerá zahruje vývoj měsíčí mír ezaměsaosi v Karvié (% u_ki za období lede 995 březe 996. Tab. : Daová maice vývoje měsíčí mír ezaměsaosi v Karvié ( u_ki v % Daum Rok Měsíc u_ki I ,53 II ,38 III ,8 IV ,00 V ,84 VI ,9 VII ,30 VIII ,37 IX ,4 X ,8 XI ,9 XII ,0 I ,40 II ,37 III ,9 Kromě proměé výše defiovaé se obvkle používají další časové proměé dle pu časových řad. Pokud pracujeme s ročími údaji je vhodé zavés další proměou rok. U čvrleích da kromě proměé r i proměou q, jež abývá hodo až 4 podle čvrleí. A aalogick posupujeme i u měsíčích údajů. Vedle ěcho umerických proměých se používá v programu EXCEL i proměá ve formáu daum apř. ve varu I.99 pro grafické zázorěí časových řad. Pro zobrazeí časových řad a jejich prvoí aalýzu slouží spojicové graf. Vodorová osa u ěcho grafů zazameává časovou proměou a a svislé ose se zobrazují hodo ukazaele časové řad. Příkladem spojicového grafu vývoje mír ezaměsaosi v okrese Karviá v leech 995 až 00 je obr

5 % 5,0 0,0 5,0 0,0 5,0 0,0 Obr. : Vývoj mír ezaměsaosi v okrese Karviá I.95 IV.95 VII.95 X.95 I.96 IV.96 VII.96 X.96 I.97 IV.97 VII.97 X.97 I.98 IV.98 VII.98 X.98 I.99 IV.99 VII.99 X.99 I.00 IV.00 VII.00 X.00 I.0 IV.0 VII.0 X.0 I.0 IV.0 VII.0 X.0 Spojicový graf může zahrova i více časových řad, avšak měříko a svislé ose je sejé. Dalším důležiým grafem v EXCELu je graf XY bodový, kerý sleduje vývoj časové řad a vývoji hodo časové řad x z., že zázorí bod se souřadicemi [x, ] pro každý časový okamžik. Teo p grafu je vhodý u regresí aalýz...3 Popisé charakerisik daum Charakerisik poloh (průměr Při práci s časovými řadami je ěkd důležié zjisi jejich průměré hodo: prosý arimeický průměr vážeý arimeický průměr ; v, kde v je váha ukazaele v čase ; v d + d 3 + L + d vážeý chroologický průměr ch, d + d + Ld délka jedolivých časových iervalů. kde d je - 5 -

6 - 6 - Charakerisik variabili Nejdůležiější mír variabili ve saisice paří rozpl a směrodaá odchlka: rozpl je arimeickým průměrem kvadráů odchlek od arimeického průměru: ( s ; směrodaá odchlka je odmociou z rozplu ( s s. Mír damik Jedoduché mír damik časových řad umožňují charakerizova jejich základí rs chováí. Mezi základí mír damik časové řad paří: absoluí přírůsek (prví diferece a průměrý absoluí přírůsek ; koeficie (empo růsu, k kde,,, a průměrý koeficie růsu 3 k k k k L ; meziročí koeficie růsu apř. v případě čvrleí časové,, ( 4 4 k kde 5, 6,, ; relaiví přírůsek δ a průměrý relaiví přírůsek k δ. Korelace Korelace vjadřuje relaiví míru závislosi ve vzájemém vývoji dvou časových řad apř. a x a je dáa vzahem ( ( ; x x s s x x s. Hodo korelace blížící se ke hraičí hodoě vjadřují, že obě sledovaé časové řad mají zcela opačý směr v jejich

7 časovém vývoji. Hodo s x blížící se k prozrazují, že časové řad x a se vvíjí éměř shodě s hlediska sejých směrů pohbů a vkazují sejou relaiví míru ve vzájemém vývoji. Sacioárí a esacioárí časová řada Chováí časové řad může ze saisického hlediska buď podléha změám v průměru či variabiliě (řada esacioárí, ebo bý sále sejá (řada sacioárí. Zhruba řečeo o zameá, že u sacioárí řad ejsme schopi a základě zjišěých saisických paramerů, jako jsou arimeický průměr hodo ebo jejich rozpl, schopi odliši jede úsek řad od druhého. Nesacioárí řada aopak vkazuje změ v chováí: apříklad arimeický průměr hodo ze začáku řad je sigifikaě jiý ež průměr čleů a koci (o akové řadě říkáme, že vkazuje red. Sacioárí chováí je podsaým předpokladem ěkerých pů aalýz. Je pak řeba sacioariu esova a řadu případě vhodým způsobem rasformova s cílem odsraěí esacioari. Vývoj mír ezaměsaosi v ČR Vývoj absoluích diferecí mír ezaměsaosi v ČR,00 0,00 8,00 0,60 0,40 0,0 6,00 0,00 4,00-0, ,00-0,40 0,00-0, ,80 Obr. : Vývoj měsíčí mír ezaměsaosi v ČR od roku 995 do polovi roku 00 V grafu je vobraze průběh pické esacioárí časové řad, vkazující rosoucí red, sezóí vliv v průběhu každého roku a s časem rosoucí rozpl (sezóí odchlk od průměru se sále zvěšují. Taková řada evkazuje žádou časovou změu paramerů, proože její obecý čle ezávisí ai a čase, ai a předchozích čleech řad. V lierauře se i-ý čle časové řad s charakerem ezávislých realizací ormálě rozložeé áhodé veliči se sřeí hodoou µ 0 a kosaím rozplem ozačuje jako bílý šum. Taková řada je svým způsobem ejáhodější ze všech rozumých časových řad, proože o jejím příším čleu v podsaě evíme a základě předchozího průběhu víc, ež že půjde o ějaké číslo kolem ul. Název bílý šum vzikl z oho, že ao časový řada obsahuje rovoměrý podíl frekvečích složek všech vlových délek podobě jako bílé svělo obsahuje složk všech barev spekra

8 ,8 0,6 0,4 0, , -0,4-0,6-0,8 - Obr. 3: Bílý šum. Základí úprav časových řad V další čási jsou shru ejčasější rasformace či úprav výchozí časové řad. Mohé sofwarové produk zahrují modul pro o auomaické výpoč... Doplěí chbějících hodo V časové řadě může ěkeré pozorováí chbě a bývá ěkd ué je před zahájeím dalších výpočů dopli. Doplěé údaje samozřejmě ejsou plohodoé a jejich příomos sižuje věrohodos aalýz. Podle účelu rasformace lze posupova ěkerým z ásledujících přísupů: Nahradi chbějící hodo ulami. Teo způsob lze doporuči ehd, evíme-li o řadě ic aebo je o, že její průměrý čle b měl bý ulový (ak omu bývá apř. u aměřeých odchlek od ějaké očekávaé hodo řízeého procesu. Nahradi chbějící hodo ějakou cerálí charakerisikou souboru aměřeých hodo, kokréě jeho arimeickým průměrem ebo mediáem. Lze přiom brá cerálí charakerisiku buď celého souboru, ebo pouze okolích bodů. Nahradi chbějící hodou lieárí ierpolací mezi sousedími bod. Hodí se pro řad, keré vkazují výrazou servačos. Nahradi chbějící hodo redem v celém souboru, získaém regresí vhodé křivk. Nahradi chbějící hodo odhadem založeým a zámém či odhaduém modelu chováí procesu... Trasformace měříka a kombiace časových řad Nelieárí rasformace měříka časové řad se používá především pro polačeí či zmírěí esacioari řad v případě, kd apř. s rosoucími hodoami řad rose i rozpl čleů. Pak může logarimováí ebo odmocěí eo problém polači. Po provedeí aalýz se - 8 -

9 k původímu měříku vráíme zpěou rasformací: v případě logarimováí je o rasformace expoeciálí fukcí, v případě odmocěí rasformace umocěím. Někd bývá vhodé zkombiova ěkolik časových řad apř. jejich sečeím ebo vděleím jedé řad druhou (vpočíáím poměru...3 Časový posu Časový posu zameá vvořeí časové řad opožděé resp. předbíhající časovou řadu, ale jiak s í oožou. Předsavuje o vlasě posuuí časové řad dopředu případě dozadu oproi původí časové řadě. Nově vvořeé proměé mají ovšem a začáku, resp. a koci olik chbějících hodo, o kolik kroků se posu prováděl...4 Sezóí diferece Sezóí diferece je diferece mezi okamžik, vzdáleými o celisvý ásobek délk period. Například u da s iervalem jede měsíc, u ichž defiujeme ročí sezóí cklus, se sezóí diferece. řádu počíá jako rozdíl údaje z leošího leda míus údaje z loňského leda, z leošího úora míus loňského úora ad. Diferece vjadřuje velikos změ, ke keré došlo mezi dvěma časovými okamžik měřeí. Je-li kladá, řada v daém čase rose, je-li záporá, řada klesá. Diferecí se daa zbavují lieárího redu, sezóí diferecí sezóích vlivů...5 Kumulaiví souče Opačou operací k difereci je kumulaiví souče časové řad. Jeho hodoa se rová souču všech hodo od počáku řad až po daý okamžik. Posupou aplikací diferece a kumulaivího souču získáme původí řadu opožděou o jede časový ierval a zvěšeou ebo zmešeou o ějakou kosau. Důležiou časovou řadou je řada vziklá kumulaivím součem bílého šumu. Říká se jí áhodá procházka, proože ikd elze předvída, zda ao fukce se obráí vzhůru ebo dolů. Někd je éž azýváa procházkou opilého ámoříka. Podle zákoiosi áhodé procházk b se měli řídi apř. ce akcií a burze. Náhodá procházka je hladší ežli bílý šum, jelikož iegrace polačuje všší frekvečí složk a zvýrazí ižší frekvece

10 ,5 3,5,5 0, ,5 - Obr. 4: Náhodá procházka j. epredikovaelá časová řada..6 Vhlazováí časových řad Pokud je ěkerá veličia měřea v příliš krákých časových iervalech, může se sá, že ásledující čle se eliší éměř ičím jiým, ež ahodilými odchlkami, jakýmsi šumem, kerý se přičíá ke správé hodoě sledovaé veliči. Pokud lze předpokláda, že ao ahodilá chba očekávaou hodou jedou zvěší a jid zase zmeší (její sředí hodoa je ulová a jedolivé chb ejsou vzájemě závislé (j. ekorelovaé, můžeme pak očekáva, že zprůměrováím ěkolika po sobě ásledujících pozorováí budou se chb mí edeci avzájem ruši, zaímco skuečá sledovaá hodoa procesu ím vike. Na omo pozorováí jsou založe meod vhlazováí časových řad. Sředové klouzavé průměr: hodoa je ahrazea arimeickým průměrem sebe a ejbližších předchozích pozorováí, ležících ejdále do daé časové vzdáleosi. Klouzavé průměr z předchozích hodo: hodoa je ahrazea arimeickým průměrem sebe a ejbližších předchozích pozorováí. Klouzavé mediá: hodoa je ahrazea mediáem sebe a ejbližších pozorováí, ležících ejdále do daé časové vzdáleosi. Jedou z aplikací ěcho meod je aké vhlazeí sezóích vlivů, pokud jako rozpěí zadáme délku jedé period. V případě měsíčích da s ročí periodiciou je rozpěí..3 Problém časových řad Při zpracováí da ve formě časové řad se poýkáme s možsvím problémů, keré jsou právě pro časové řad specifické. Jedá se především o problém: s volbou časových bodů: o okamžikové, o iervalové; - 0 -

11 s kaledářem: o růzá délka měsíců, o růzý poče víkedů v měsíci, o růzý poče pracovích dů v měsíci, o pohblivé svák; s délkou časových řad; esrovaelosí da. Diskréí časové řad obsahují pozorováí v určiých espojiých časových bodech a mohou vzika rojím způsobem: buď přímo diskréí svou povahou, ebo vzikají diskreizací spojié časové řad, případě agregací či průměrováím hodo za daé časové období. Problém s kaledářem zameají růzá délka kaledářích měsíců, růzý poče pracovích dí v měsíci, pohblivé svák (apř. velikooce. To epravidelosi mohou mí překvapivé ásledk, avšak je možé je očisi od ěcho problémů: apř. vrováí růzého poču dí v měsíci: ( očišěá p p, kde hodoa očišťovaého ukazaele, p poče pracovích dí v měsíci, p - průměrý poče pracovích dí v měsíci za rok (30,4 či jiý základ apř. 30 dí. Někeré krákodobé epravidelosi v kaledáři mohou bý odsraě pomocí agregace apř. použijeme-li čvrleě agregovaé hodo míso původích měsíčích údajů. Problém s délkou časových řad souvisí s počem pozorováí při aalýze časových řad, ale je ezbé respekova i viří srukuru řad. Na jedé sraě ěkeré aalýz časových řad vžadují určiou miimálí délku řad (apř. Boxův-Jekisův přísup předpokládá miimálě 50 pozorováí, a sraě druhé u velice dlouhých časových řad je ebezpečí, že v průběhu ohoo časového období se měí charakerisik modelu a udíž viří srukura geerující řadu se sává s rosoucí délkou obížě modelováa v případě modelů předpokládající sabilí chováí paramerů. Problém s esrovalosí jedolivých měřeí souvisí s výběrovým vzorkem a zároveň reprezeaivosí ohoo vzorku i s hlediska časového vývoje. V případě možé volb časových bodů pozorováí sledujeme cíl ašeho zkoumáí, možosi periodici původí časové řad, změ ve vývoji a viří srukuře časové řad. Při aalýza časové řad bchom měli vcháze miimálě ze 30 pozorováí, což je apř. v případě ročích - -

12 ukazaelů problemaické. Rověž bchom měli respekova ekvidisaí j. (sejě vzdáleé časové bod.. 4 Meod aalýz časových řad Výběr meod aalýz časových řad závisí a řadě fakorů, ke kerým paří: účel aalýz (apř. rozpozáí mechaismu geerováí hodo časové řad a předpovídáí jejího budoucího vývoje p časové řad, zkušeosi saisika, dosupá daabáze, sofwarové a hardwarové vbaveí. Základí meod a posup k aalýze časových řad: dekompozice časové řad, Boxova-Jekisova meodologie, lieárí damické model, spekrálí aalýza časových řad. Dekompozičí meoda rozkládá časovou řadu a redovou, cklickou, sezóí a essemaickou složku a zabývá se ideifikací i modelováím zejméa ssemaických složek, především redové a sezóí složk. Boxova-Jekisova meodologie bere v úvahu při kosrukci modelu časové řad reziduálí složku, kerá může bý vořea korelovaými (závislými áhodými veličiami. Boxova- Jekisova meodologie ed eje může zpracováva časové řad s avzájem závislými pozorováími, ale dokoce ěžišě jejich posupů spočívá právě ve všeřováí ěcho závislosí eboli zv. korelačí aalýze. Kombiují se auoregresiví model AR(p s model klouzavých průměrů reziduálí složk MA(q. V případě esacioárí časové řad se provádí sacioarizace apř. diferecováím a zjišťuje se řád s paramerem d. Výsledý model se poom ozačuje jako ARIMA(p,d,q, v případě sezóích vlivů SARIMA model. Lieárí damické model jsou zpravidla příčié (kauzálí model, kde je vsvělovaá proměá vsvělováa vývoje svých zpožděích hodo či dalších vsvělujících fakorů. Rozdíl od modelu Box-Jekise spočívá v om, že zde kromě popisovaé časové řad a bílého šumu vsupují ješě další časové řad příčié fakor. Spekrálí aalýza časových řad má a rozdíl od předcházejících ří případů odlišý přísup spočívající v om, že se zkoumaá časová řada považuje za směs siusových a kosiusových křivek s růzými ampliudami a frekvecemi. Časo se rověž hovoří o zv. fourierovské aalýze. Pomocí speciálích saisických ásrojů se zjišťuje obraz o ieziě zasoupeí jedolivých frekvecí v časové řadě (zv. spekrum řad. Dále bude pozoros věováa dekompozici časové řad. - -

13 Dekompozice časové řad Při klasické aalýze časových řad se vchází z předpokladu, že každá časová řada může obsahova čři složk: a red (Tr, b sezóí složku (Sz, c cklickou složku (C, d áhodou složku (E. Prováděí rozkladu (dekompozice si klade za cíl saději ideifikova pravidelé chováí časové řad ež původí erozložeé řad. Tred vjadřuje obecou edeci vývoje zkoumaého jevu za dlouhé období. Je výsledkem dlouhodobých a sálých procesů. Tred může bý rosoucí, klesající ebo může exisova řada bez redu. Tredová složka se věšiou modeluje pomocí maemaických křivek. Sezóí složka je pravidelě se opakující odchlka od redové složk. Perioda éo složk je meší ež celková velikos sledovaého období. Rověž se ao složka může měi svůj charaker. % 5,0 0,0 5,0 0,0 5,0 0,0 Obr. 5: Vývoj mír ezaměsaosi v okrese Zojmo I.95 IV.95 VII.95 X.95 I.96 IV.96 VII.96 X.96 I.97 IV.97 VII.97 X.97 I.98 IV.98 VII.98 X.98 I.99 IV.99 VII.99 X.99 I.00 IV.00 VII.00 X.00 I.0 IV.0 VII.0 X.0 I.0 IV.0 VII X.0 daum Cklická složka udává kolísáí okolo redu v důsledku dlouhodobého cklického vývoje, kd dochází ke sřídáí fází růsu a poklesu. Jedolivé ckl se vvářejí za zpravidla období delší ež jede rok a mohou mí epravidelý charaker z. růzou ampliudu. Ckl jsou v ekoomických časových řadách způsobe ekoomickými i eekoomickými fakor a časo

14 jsou obížě pozorovaelé. V posledích leech se věuje pozoros zejméa echologickým, iovačím či demografickým cklům. Obrázek 6 zobrazuje vývoj cklické složk pro hrubý árodí produk v USA mld. $ rok Obr. 6: Vývoj hrubého árodího produku USA a leech (reálé ce k roku 98 v mld. $ Náhodá (sochasická složka vjadřuje ahodilé a jié essemaické essemaické výkv (apř. chb měřeí. Předpokládá se, že áhodá složka je vořea zv. bílým šumem s ormálím rozděleím. Pod pojmem bílý šum rozumíme ekorelovaé (vzájemě ezávislé áhodé veliči s ulovou sředí hodoou a kosaím rozplem. Vlasí dekompozice časové řad může zhrova formu adiiví ebo muliplikaiví. Adiiví dekompozice má var : Tr + C + Sz + E. Při adiivím rozkladu jsou jedolivé složk uvažová ve svých skuečých absoluích hodoách a jsou měře v jedokách řad. Na obrázku č. 7 je schemaik zázorě příklad dekompozice adiiví form časové řad

15 Obr. 7: Adiiví dekompozice časové řad Muliplikaiví forma má var: Tr C Sz E. Po adiiví dekompozici jsou jedolivé složk časové řad ve sejých měrých jedokách jako původí řada. Adiiví dekompozice se používá v případě, že variabilia hodo časové řad je přibližě kosaí v čase. Po muliplikaiví dekompozici je redová složka časové řad ve sejých měrých jedokách jako původí časová řada, ale osaí složk (cklická, sezóí, essemaická jsou v relaivím vjádřeí. Teo způsob dekompozice se používá v případě, že variabilia časové řad rose v čase, ebo se v čase měí. Na jedé sraě kladou dekompozičí meod pozoros zejméa a ssemaické složk časové řad a předpokládá se, že jedolivá pozorováí jsou avzájem ekorelováa. V omo případě je maemaickým ásrojem v dekompozičích meodách zejméa regresí aalýza. Aalýza redu Tred v časových řadách je možé popsa pomocí redových fukcí a klouzavých průměrů. Modelováí redu pomocí redových fukcí se používá v případě, kd red odpovídá určié - 5 -

16 fukci apř. lieárí, kvadraické, expoeciálí, S-křivk apod. Modelováí redu pomocí klouzavých průměrů se používá, jesliže je vývoj časové řad v důsledku silého vlivu essemaické složk erovoměrý ebo má exrémí hodo. Při modelováí redu pomocí redových fukcí se vchází z ásledujících předpokladů: Časová řada je pro,,..., uspořádaá posloupos hodo v čase, keré získáme měřeím určiého ukazaele ve sejě dlouhých časových iervalech. Časovou řadu je možé zapsa ve varu Y + E, kde Y předsavuje eoreický model ssemaické složk vývoje ekoomického ukazaele Y v čase a E vjadřuje essemaickou složku. Tao essemaická složka má charaker bílého šumu (ulová sředí hodoa, kosaí rozpl, vzájemá lieárí ezávislos, kerý se avíc řídí ormálím rozděleím. V aalýze časových řad lze vjádři Y f(. Pokud se jedá pouze o časovou řadu s redovou složkou, poom fukce f je redová fukce. Je-li v časové řadě rověž sezóí složka ebo cklická složka, poom je Y kompozicí modelů ěcho složek. Exisují dva základí přísup k elimiaci redu (vrováí, vhlazeí časové řad, kd se odsraňují sezóí, cklické a áhodé flukuace: klasické posup elimiace redu (maemaické aalické přísup, adapiví posup, keré auomaick reagují a případé změ v charakeru redu (apř. a změ ve směrici lieárího redu. Maemaické aalické přísup zahrují meod, při ichž se sažíme popsa red aalick ěkerou jedoduchou křivkou. Po odhadu paramerů éo křivk lze poom kosruova bodovou ebo iervalovou předpověď za předpokladu, že charaker redové fukce se eměí. Při omo posupu se předpokládá, že aalzovaá časová řada má var: Tr + E, ebo bla a eo var převedea. Základí redové fukce pro,,..., : Kosaí red má var Tr β 0, odhad redu je Tr, odhad rozplu essemaické složk je s. E s Lieárí redová fukce Tr β 0 + β, Odhad lieárího redu je Tr β + β, odhad rozplu essemaické složk je s E (

17 Kvadraická redová fukce (parabola má var Tr β 0 + β + β, odhad redu je Tr β + β + β, odhad rozplu essemaické složk je s E ( 3. 0 Expoeciálí redová fukce má var Tr β 0 β, kde paramer β 0, β > 0 se odhadují meodou ejmeších čverců, proože redová fukce se po logarimické úpravě převede a lieárí fukci. Odhad redu je Tr β 0β a odhad rozplu essemaické složk upraveé po logarimické rasformaci je s E (. ( β 0 +β S-křivka má var Tr e, kerý se po logarimické rasformaci dá převés a var hperbol ltr β 0 + β. Paramer odhadujeme opě meodou ejmeších čverců. Odhad redu je logarimováím s a odhad rozplu essemaické složk je po liearizaci (. ( β0 + β Tr e E Modifikovaý expoeciálí red má var Tr γ + β 0 β, kde β 0 < 0, 0 < β < a γ > 0. Kosaa γ je asmpoou (úroví saurace, hladiou asceí, ke keré red časové řad pro koverguje. Přírůsek expoeciálího redu β je pomalejší, ež přírůsek lieárího redu. Modifikovaý expoeciálí red je populárí v markeigu. Je o však elieárí fukce, kerou eí možé liearizova žádou rasformací, a proo se její paramer odhadují ieraivími meodou. To meod vžadují výpoče počáečích odhadů paramerů fukce, keré se dají získa apř. meodou čásečých součů ebo meodou vbraých bodů. Logisický red je uvede ve varu Pearlov-Reedov redové fukce Tr, γ + β 0β jejíž iverzí fukce γ + β 0β má var modifikovaého expoeciálího redu. Tr Paramer se po iverzí rasformaci odhadují sejým způsobem, jako pro modifikovaý expoeciálí red

18 β * * * Gomperzův red má var Tr γβ 0, resp. Tr γ + β 0 β. Křivka má horí asmpou γ * lγ a vjadřuje hraici asceí pro. Paramer původího redového modelu se po rasformaci odhadují jako u modifikovaého expoeciálího redu ebo jedoduchého expoeciálího redu. Předpovídáí pomocí redových fukcí Jedím ze základích účelů modelováí časových řad v čase,,..., je vužií ěcho modelů, v případě jejich saisické výzamosi, k předvídáí apř. předpověď exrapolací. Exrapolací se rozumí kvaiaiví odhad budoucích hodo časové řad, keré vzikají prodloužeím vývoje z miulosi a příomosi do budoucosi s horizoem +, +,..., T, za předpokladu, že se eo vývoj ezměí. Exrapolačí předpovědi rozdělujeme a bodové a iervalové. Bodová předpověď exrapolace ex ae se určuje v čase do okamžiku T a ozačuje se ( T. Horizoem předpovídáí se rozumí poče období (T- od bodu do budoucosi. ( α 00% ierval předpovědi (apř. 95% je ierval, ve kerém se s pravděpodobosí ( α 00% (apř. 95% achází skuečá hodoa T z. T ( ± α / ( ( + s p l α je ( 00%, kde ( l / ( α kvail Sudeova rozděleí s -(l+ supi volosi, kde (l+ je poče odhaduých paramerů v polomiálích fukcích, s p je směrodaá chba předpovědi v horizou (T-. Kdž určujeme exrapolace, a se předpokládá, že vbraý model je správý a skuečé paramer modelu se v čase eměí. V moha siuacích jsou o předpoklad ereálé, proože proces, kerý geeruje vývoj časové řad se měí v čase. Čím je horizo předpovědi delší, ím je možé očekáva věší chb předpovědi. Chba předpovědi při exrapolaci je dáa vzahem: ET T ( T, kde ( T je bodová předpověď v čase T a T je skuečá hodoa v čase T. Chbu předpovědi lze rozloži a dvě složk: ET ( T YT + ( YT ( T, kde ( T YT je chba způsobeá volbou modelu( předpokládá se správá volba j. ao složka 0 a ( YT ( T je chba způsobeá odhadem paramerů modelu. Příklad bodové a iervalové předpovědi pro lieárí redovou fukci: bodová předpověď : T β + β (, ( 0 T ( α 00% předpovědí ierval : v ( T ( T ± se / ( + + α, ( /

19 kde s E je směrodaá odchlka reziduí. Při výběru redové fukce je ué respekova : graf časové řad resp. její rasformace, ierpolačí kriéria ( směrodaá odchlka reziduí, koeficie deermiace, koeficie auokorelace reziduí, es paramerů, exrapolačí kriéria (průměré charakerisik chb předpovědí ex pos, graf předpověď-skuečos. Grafická aalýza slouží k předběžému výběru vhodé redové fukce: kolísá-li řada prvích diferecí okolo ul, volíme kosaí red; kolísá-li řada prvích diferecí kolem eulové kosa, použijeme lieárí red; jesliže má řada prvích diferecí přibližě lieárí red a řada druhých diferecí kosaí red, volíme kvadraický red; kolísá-li řada koeficieů růsu ebo řada prvích diferecí okolo eulové hodo, volíme jedoduchý expoeciálí red; jesliže má řada l přibližě hperbolický průběh, volíme S-křivku; jesliže řada podílů sousedích diferecí ( ( / kolísá okolo eulové kosa, volíme modifikovaý expoeciálí red; jesliže řada podílů sousedích diferecí ( l l /( l l kolísá okolo eulové hodo, volíme Gomperzovu křivku. Ierpolačí kriéria zkoumají charaker rozdílů skuečých hodo a vrovaých hodo. Mezi mír přesosi vrováí áleží ásledující charakerisik reziduí: souče čvercových chb (Sum of Squared Error ( SSE E, SSE průměrá (sředí čvercová chba MSE a průměrá absoluí chba MAE

20 Klasická aalýza časových řad předpokládá, že redová fukce má v čase kosaí paramer. V delším časovém období je eo předpoklad ereálý, proo je vhodé vužíva adapiví echik, jako je meoda klouzavých průměrů a expoeciálí vrováváí. Klouzavý průměr Meoda klouzavých průměrů se zakládá a mšlece, že časovou řadu pro,,..., rozdělíme a kraší časové úsek o poču hodo m+, a kerých odhadujeme lokálí polomické red určiého supě. Např. kosaí red se popisuje polomem ulého supě, lieárí red polomem prvího supě. Prví čás časové řad má m+ hodo, keré ozačujeme,,..., m+, z ich odhademe paramer lokálího redu vhodým polomem a vpočíáme jeho odhad T r m+, sejý polom odhademe a druhé skupiě hodo řad,, 3,..., m+ a vpočíáme odhad lokálího redu T r m+, ímo klouzavým způsobem pokračujeme až do koce časové řad. V sezóích časových řadách se redová složka odhaduje pomocí cerovaých klouzavých průměrů, proože délka klouzavé čási je sudé číslo

21 Expoeciálí vhlazováí Je vhodé zejméa pro krákodobou predikci redů. Tao echika, eáročá a čas a eoreické zalosi, rozvíjí mšleku vhlazováí pomocí klouzavých průměrů. Meoda expoeciálího vrováváí je založea a všech předchozích pozorováích, přičemž jejich váha (w směrem do miulosi klesá podle expoeciálí fukce: w ( α α (viz obrázek 8, kde je poče pozorováí a α je vrovávací kosaa v iervalu (0;. w 0,4 0,3 0, 0, 0, Obr. 8: Vývoj váh (w dle expoeciálí fukce v čase ( pro α 0,7 a 3. Iezia zapomíaí, vjádřeá velikosí alf, se saoví a základě charakeru časové řad. Hledá se aková hodoa α, u keré je ejmeší SSE příp. MSE. V programu EXCEL se pro hledáí exrému fukcí používá ásroj Řešiel. Expoeciálí vrováí prvího supě. Teo ejjedodušší způsob vrováí lze použí pouze a časové řad, keré evkazují žádý red, avšak při aalýze ukazaelů rhu práce se věšiou epoužívá, ale uvádíme ho pro pochopeí složiějších form. U časových řad, keré jsou ve varu Tr + E, lze v případě kosaího redu ahradi redovou složku (Tr kosaou, j. Tr β 0. Úkolem je ed aléz odhad parameru β 0, kerý se v omo případě rová vrovaé hodoě. Vrovaá časová řada se vpočíá podle ásledujícího rekureího vzorce: ˆ ( ˆ α + α. Pokud se α blíží k hodoě ak rose vliv miulých pozorováí. Pro hledáí vhodé α se věšiou doporučuje ierval <0,7;. Výše uvedeý vzorec lze přepsa i do ásledujícího varu: ˆ ˆ ( ( ˆ + α, kerý vsvěluje vvářeí ové vrovaé hodo z předchozí vrovaé hodo, opraveou o chbu daou rozdílem mezi skuečou a předcházející vrovaou hodoou. Problémem rekureích vzorců je saovi odhad vrovaé hodo pro, kerou ezáme. Exisují sice algorim jak uo hodou saovi, ale ejjedodušší je aproximova ji skuečou hodoou v čase. Meoda expoeciálího vrováí brz a uo epřesos zapomee, z. že po případém počáečím odklou se vrovaé hodo brz přiblíží k aměřeým pozorováím. Příklad expoeciálího vrováí ukazuje a simulovaých daech obrázek

22 Obr. 9: Expoeciálí vrováí prvího supě s predikcí. Expoeciálí vrováí druhého supě Dvojié expoeciálí vrováí používáme v případě, kd lze předpokláda, že v krákém období bude mí redová složka lieárí formu: Tr β 0 + β.. Předpoklad lieari v krákém období je v praxi velice rozšíře. Posup si předvedeme a ásledujícím příkladu. - -

23 3 Příklad č. : Aalýza mír ezaměsaosi v okrese Karviá V éo časi si ukážeme pický posup při aalýze časových řad z ásledou predikcí a příkladu vývoje mír ezaměsaosi v okrese Karviá v období Budou sledová ásledující krok aalýz časové řad:. grafická a saisická deskripce,. očisěí časové řad od sezóích vlivů, 3. vorba modelu (expoeciálí vrováí druhého supě s predikcí, 4. kosrukce výsledé predikce. 3. Grafická a saisická deskripce Kromě klasického zobrazei časové řad, jak jej můžee vidě a obr č.. Je vhodé pro saoveí sezóosi provés resrukuralizaci da pomoci koigečí abulk. Novou daovou maici je zapořebí vvoři ak, ab rok bl ve sloupcích a měsíce v řádcích, viz ásledující abulka. Tab. : Resrukurovaá daová maice. Rok Měsíc ,53 7,40 8,4 0,67 4,63 8,6 7,88 8,63 7,38 7,37 8,55 0,6 5,09 8,69 7,78 8,57 3 7,8 7,9 8,56 0,78 5,53 8,80 7,7 8,46 4 7,00 7,4 8,59 0,8 5,75 8,36 7,49 8,46 5 6,84 7,04 8,6 0,9 5,88 8,8 7, 8, 6 6,9 7,3 9,07,59 6,36 8,53 7,46 8,49 7 7,30 7,67 9,76,0 7,5 8,73 8,04 9,03 8 7,37 7,85 0,06,60 7,39 8,7 8,06 9,9 9 7,4 8, 0, 3,00 7,57 8,64 7,79 9,3 0 7,8 8,0 0, 3,07 7,76 8,05 7,76 9,3 7,9 8,6 0,5 3,33 7,87 7,87 7,70 9,4 7,0 8,40 0,39 3,76 8, 8,04 8,0 9,58 Z éo abulk pak lze vvoři ásledující graf 0, ve kerém lze pozorova sezóos, kerá se eprojevuje ak výrazě jak apř. u okresu Zojmo (viz. obr 5. Je vidě že charaker sezóosi je u okresu Karviá ovlivě především od 5. měsíce árůsem poču absolveů. Z důvodu srukur zaměsaosi v okrese se zde eprojevuje pická variabilia způsobeá sezóími pracemi

Úvod do analýzy časových řad

Úvod do analýzy časových řad Úvod do aalýzy časových řad Obsah Úvod... Teoreické základy pro aalýzu časových řad.... Základí pojmy..... Druhy časových řad..... Grafická aalýza.....3 Popisé charakerisiky... 4. Základí úpravy časových

Více

Deskriptivní statistika 1

Deskriptivní statistika 1 Deskriptiví statistika 1 1 Tyto materiály byly vytvořey za pomoci gratu FRVŠ číslo 1145/2004. Základí charakteristiky souboru Pro lepší představu používáme k popisu vlastostí zkoumaého jevu určité charakteristiky

Více

Časová zátěž Na prostudování této kapitoly a splnění úkolů s ní spojených budete potřebovat asi 8 hodin studia.

Časová zátěž Na prostudování této kapitoly a splnění úkolů s ní spojených budete potřebovat asi 8 hodin studia. Kapiola 0.: Úvod do aalýzy časových řad Cíl kapioly Po prosudováí éo kapioly budee umě - očisi časovou řadu od důsledků kaledářích variací - graficky zázori okamžikovou i iervalovou časovou řadu - vypočía

Více

Časové řady elementární charakteristiky

Časové řady elementární charakteristiky Časové řad elemeárí charakerisik Elemeárí charakerisik vývoje časové řad Příklad: Časová řada ročích produkcí elekrické eergie v Jihomoravském kraji bazický Výroba elekři.. empo růsu empo přírůsku idex

Více

FINANČNÍ MATEMATIKA- JEDNODUCHÉ ÚROKOVÁNÍ

FINANČNÍ MATEMATIKA- JEDNODUCHÉ ÚROKOVÁNÍ Projek ŠABLONY NA GVM Gymázium Velké Meziříčí regisračí číslo projeku: CZ..7/.5./34.948 IV-2 Iovace a zkvaliěí výuky směřující k rozvoji maemaické gramoosi žáků sředích škol FINANČNÍ MATEMATIA- JEDNODCHÉ

Více

Analýza časových řad. Informační a komunikační technologie ve zdravotnictví. Biomedical Data Processing G r o u p

Analýza časových řad. Informační a komunikační technologie ve zdravotnictví. Biomedical Data Processing G r o u p Analýza časových řad Informační a komunikační echnologie ve zdravonicví Definice Řada je posloupnos hodno Časová řada chronologicky uspořádaná posloupnos hodno určiého saisického ukazaele formálně je realizací

Více

FINANČNÍ MATEMATIKA- SLOŽENÉ ÚROKOVÁNÍ

FINANČNÍ MATEMATIKA- SLOŽENÉ ÚROKOVÁNÍ Projek ŠABLONY NA GVM Gymázium Velké Meziříčí regisračí číslo projeku: CZ..7/../.98 IV- Iovace a zkvaliěí výuky směřující k rozvoji maemaické gramoosi žáků sředích škol FINANČNÍ MATEMATIA- SLOŽENÉ ÚROOVÁNÍ

Více

6 Intervalové odhady. spočteme aritmetický průměr, pak tyto průměry se budou chovat jako by pocházely z normálního. nekonečna.

6 Intervalové odhady. spočteme aritmetický průměr, pak tyto průměry se budou chovat jako by pocházely z normálního. nekonečna. 6 Itervalové odhady parametrů základího souboru V předchozích kapitolách jsme se zabývali ejprve základím zpracováím experimetálích dat: grafické zobrazeí dat, výpočty výběrových charakteristik kapitola

Více

12. N á h o d n ý v ý b ě r

12. N á h o d n ý v ý b ě r 12. N á h o d ý v ý b ě r Při sledováí a studiu vlastostí áhodých výsledků pozáme charakter rozděleí z toho, že opakovaý áhodý pokus ám dává za stejých podmíek růzé výsledky. Ty odpovídají hodotám jedotlivých

Více

OBJEKTOVÁ ALGEBRA. Zdeněk Pezlar. Ústav Informatiky, Provozně-ekonomická fakulta MZLU, Brno, ČR. Abstrakt

OBJEKTOVÁ ALGEBRA. Zdeněk Pezlar. Ústav Informatiky, Provozně-ekonomická fakulta MZLU, Brno, ČR. Abstrakt OBEKTOVÁ ALGEBRA Zdeěk Pezlar Úsav Iformaiky, Provozě-ekoomická fakula MZLU, Bro, ČR Absrak V objekovém modelu da defiujeme objekové schéma (řídu) jako čveřici skládající se ze jméa řídy, aribuů, domé

Více

3. POJIŠTĚNÍ OSOB (ŽIVOTNÍ POJIŠTĚNÍ)

3. POJIŠTĚNÍ OSOB (ŽIVOTNÍ POJIŠTĚNÍ) 3. POJIŠTĚÍ OSOB (ŽIVOTÍ POJIŠTĚÍ) 3.. EMOELOVÝ PŘÍSTUP 3... ekremeí řád vymíráí populace Úmrosí abulky a) Smr je áhodým jevem, kerý se pojišťuje pro účely ŽP sačí pracova s průměrými hodoami záko velkých

Více

1.6. Srovnání empirických a teoretických parametrů (4.-5.předn.)

1.6. Srovnání empirických a teoretických parametrů (4.-5.předn.) .6. rováí empirických a eoreických paramerů (4.-5.před.) Cíle: - pravděpodobosí zkoumáí výběrového saisického souboru: kvaifikace eoreických paramerů, srováí eoreických a empirických paramerů (Probable

Více

Sekvenční logické obvody(lso)

Sekvenční logické obvody(lso) Sekvečí logické obvody(lso) 1. Logické sekvečí obvody, tzv. paměťové čley, jsou obvody u kterých výstupí stavy ezávisí je a okamžitých hodotách vstupích sigálů, ale jsou závislé i a předcházejících hodotách

Více

Tržní ceny odrážejí a zahrnují veškeré informace předpokládá se efektivní trh, pro cenu c t tedy platí c t = c t + ε t.

Tržní ceny odrážejí a zahrnují veškeré informace předpokládá se efektivní trh, pro cenu c t tedy platí c t = c t + ε t. Techická aalýza Techická aalýza z vývoje cey a obchodovaých objemů akcie odvozuje odhad budoucího vývoje cey. Dalšími metodami odhadu vývoje ce akcií jsou apř. fudametálí aalýza (zkoumá podrobě účetictví

Více

Odezva na obecnou periodickou budící funkci. Iva Petríková Katedra mechaniky, pružnosti a pevnosti

Odezva na obecnou periodickou budící funkci. Iva Petríková Katedra mechaniky, pružnosti a pevnosti Odezva a obecou periodickou budící fukci Iva Períková Kaedra mechaiky, pružosi a pevosi Obsah Fourierovy řady Odezva a polyharmoickou fukci Odezva a obecou periodickou fukci Odezva a jedokový skok Příklad

Více

1 POPISNÁ STATISTIKA V PROGRAMU MS EXCEL

1 POPISNÁ STATISTIKA V PROGRAMU MS EXCEL Elea Mielcová, Radmila Stoklasová a Jaroslav Ramík; Statistické programy POPISNÁ STATISTIKA V PROGRAMU MS EXCEL RYCHLÝ NÁHLED KAPITOLY Žádý výzkum se v deší době evyhe statistickému zpracováí dat. Je jedo,

Více

T t. S t krátkodobé náhodná složka. sezónní. Trend + periodická složka = deterministická složka

T t. S t krátkodobé náhodná složka. sezónní. Trend + periodická složka = deterministická složka Analýza časových řad Klasický přísup k analýze ČŘ dekompozice časové řady - rozklad ČŘ na složky charakerizující různé druhy pohybů v ČŘ, keré umíme popsa a kvanifikova rend periodické kolísání cyklické

Více

6 Algoritmy ořezávání a testování polohy

6 Algoritmy ořezávání a testování polohy 6 lgorim ořezáváí a esováí poloh Sudijí íl Teo blok je věová problemaie vzájemé poloh grafikýh primiiv, zejméa poloze bodu vzhledem k mohoúhelíku včeě jedolivýh speifikýh varia jako jsou čřúhelík, jehož

Více

Přijímací zkouška na navazující magisterské studium 2016

Přijímací zkouška na navazující magisterské studium 2016 Přijímací zkouška a avazující magiserské sudium 2016 Sudijí program: Sudijí obor: Maemaika Fiačí a pojisá maemaika Variaa A Řešeí příkladů pečlivě odůvoděe. Věuje pozoros ověřeí předpokladů použiých maemaických

Více

Modelování vlivu parametrického buzení na kmitání vetknutého nosníku

Modelování vlivu parametrického buzení na kmitání vetknutého nosníku . ročík echické koferece ARaP, 4. a 5.. 4, Praha Modelováí vlivu paramerického buzeí a kmiáí vekuého osíku Jiří TŮMA, Per Ferfecki, Pavel ŠURÁNE, Miroslav MAHDA VŠB - Techická uiverzia Osrava ARaP 4 Osova

Více

Odhady parametrů 1. Odhady parametrů

Odhady parametrů 1. Odhady parametrů Odhady parametrů 1 Odhady parametrů Na statistický soubor (x 1,..., x, který dostaeme statistickým šetřeím, se můžeme dívat jako a výběrový soubor získaý realizací áhodého výběru z áhodé veličiy X. Obdobě:

Více

Závislost slovních znaků

Závislost slovních znaků Závislost slovích zaků Závislost slovích (kvalitativích) zaků Obměy slovího zaku Alterativí zaky Možé zaky Tříděí věcé sloví řady: seřazeí obmě je subjektiví záležitostí (podle abecedy), možé i objektiví

Více

Náhodný výběr 1. Náhodný výběr

Náhodný výběr 1. Náhodný výběr Náhodý výběr 1 Náhodý výběr Matematická statistika poskytuje metody pro popis veliči áhodého charakteru pomocí jejich pozorovaých hodot, přesěji řečeo jde o určeí důležitých vlastostí rozděleí pravděpodobosti

Více

Volba vhodného modelu trendu

Volba vhodného modelu trendu 8. Splinové funkce Trend mění v čase svůj charaker Nelze jej v sledovaném období popsa jedinou maemaickou křivkou aplikace echniky zv. splinových funkcí: o Řadu rozdělíme na několik úseků o V každém úseku

Více

Investiční činnost. Existují různá pojetí investiční činnosti: Z pohledu ekonomické teorie. Podnikové pojetí investic

Investiční činnost. Existují různá pojetí investiční činnosti: Z pohledu ekonomické teorie. Podnikové pojetí investic Ivesičí čios Exisují růzá pojeí ivesičí čiosi: Z pohledu ekoomické eorie Podikové pojeí ivesic Klasifikace ivesic v podiku 1) Hmoé (věcé, fyzické, kapiálové) ivesice 2) Nehmoé (emaeriálí) ivesice 3) Fiačí

Více

Modelování časových řad akciových výnosů #

Modelování časových řad akciových výnosů # Aca Oecoomica Pragesia, roč. 5, č., 2007 Modelováí časových řad akciových výosů # Jiří Trešl Dagmar Blaá * Cílem předložeého příspěvku je ukáza možosi použií růzých modelů vhodých pro aalýzu časových řad

Více

Analýza stavebního spoření, jako metody zhodnocení volných prostředků

Analýza stavebního spoření, jako metody zhodnocení volných prostředků Medelova zemědělsk{ a lesick{ uiverzia v Brě Provozě ekoomick{ fakula Úsav saisik a operačího výzkumu Aalýza savebího spořeí, jako meod zhodoceí volých prosředků Bakal{řsk{ pr{ce Vedoucí pr{ce Ig. V{clav

Více

6. Posloupnosti a jejich limity, řady

6. Posloupnosti a jejich limity, řady Moderí techologie ve studiu aplikovaé fyziky CZ..07/..00/07.008 6. Poslouposti a jejich limity, řady Posloupost je speciálí, důležitý příklad fukce. Při praktickém měřeí hodot určité fyzikálí veličiy dostáváme

Více

Odhady parametrů polohy a rozptýlení pro často se vyskytující rozdělení dat v laboratoři se vyčíslují podle následujících vztahů:

Odhady parametrů polohy a rozptýlení pro často se vyskytující rozdělení dat v laboratoři se vyčíslují podle následujících vztahů: Odhady parametrů polohy a rozptýleí pro často se vyskytující rozděleí dat v laboratoři se vyčíslují podle ásledujících vztahů: a : Laplaceovo (oboustraé expoeciálí rozděleí se vyskytuje v případech, kdy

Více

Lineární a adaptivní zpracování dat. 9. Modely časových řad II.

Lineární a adaptivní zpracování dat. 9. Modely časových řad II. Lieárí a adaptiví zpracováí dat 9. Modely časových řad II. Daiel Schwarz Ivestice do rozvoje vzděláváí Opakováí K čemu je dobré vytvářet modely procesů geerující časové řady? Dekompozice časový řad: jaké

Více

Úvod do analýzy časových řad

Úvod do analýzy časových řad VŠB TU OSTRAVA, FEI, KATEDRA APLIKOVANÉ MATEMATIKY Úvod do lýz čsových řd [Zdeje podiul dokueu.] Mri Lischová Popis čsových řd Čsová řd je uerická proěá, jejíž hodo podsě závisí čse, v ěž bl získá (posloupos

Více

Pravděpodobnost a aplikovaná statistika

Pravděpodobnost a aplikovaná statistika Pravděpodobost a aplikovaá statistika MGR. JANA SEKNIČKOVÁ, PH.D. 4. KAPITOLA STATISTICKÉ CHARAKTERISTIKY 16.10.2017 23.10.2017 Přehled témat 1. Pravděpodobost (defiice, využití, výpočet pravděpodobostí

Více

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA SP Teováí hypoéz PRAVDĚPODOBNOST A STATISTIKA SP Teováí hypoéz Teováí hypoéz Nechť je áhodá proměá, kerá má diribučí fukci Fx, ϑ. Předpokládejme, že záme var diribučí fukce víme jaké má rozděleí a ezáme

Více

Metody odhadu poptávky a nabídky v podmínkách nerovnovážného modelu

Metody odhadu poptávky a nabídky v podmínkách nerovnovážného modelu 4. eziárodí koferece Řízeí a odelováí fiačích rizik Osrava VŠB-TU Osrava, Ekooická fakula, kaedra Fiací.-. září 8 Meody odhadu popávky a abídky v podíkách erovovážého odelu Pavla Vodová Absrak Cíle ohoo

Více

Fakulta strojního inženýrství VUT v Brně Ústav konstruování. KONSTRUOVÁNÍ STROJŮ převody. Přednáška 5

Fakulta strojního inženýrství VUT v Brně Ústav konstruování. KONSTRUOVÁNÍ STROJŮ převody. Přednáška 5 Fakula srojího ižeýrsví VUT v Brě Úsav kosruováí KONSTRUOVÁNÍ STROJŮ převody Předáška 5 Čelí soukolí se šikmými zuby hp://www.audiforum.l/ Moderaio is bes, ad o avoid all exremes. PLUTARCHOS Čelí soukolí

Více

Řešení soustav lineárních rovnic

Řešení soustav lineárních rovnic Řešeí sousv lieáríc rovic Sousv lieáríc rovic Sousvou m lieáríc rovic o ezámýc rozumíme sousvu : Kde ij i R M m m Čísl ij zýváme koeficiey sousvy čísl i soluí čley Uvedeou sousvu udeme zči Sm m M m Homogeí

Více

Vývoj cen vybraných zemědělských komodit v ČR

Vývoj cen vybraných zemědělských komodit v ČR MENDELOVA ZEMĚDĚLSKÁ A LESNICKÁ UNIVERZITA V BRNĚ Provozě ekoomická fakula Úsav saisik a operačího výzkumu Vývoj ce vbraých zemědělských komodi v ČR Diplomová práce Vedoucí práce: prof. Ig. Mila Palá,

Více

10.3 GEOMERTICKÝ PRŮMĚR

10.3 GEOMERTICKÝ PRŮMĚR Středí hodoty, geometrický průměr Aleš Drobík straa 1 10.3 GEOMERTICKÝ PRŮMĚR V matematice se geometrický průměr prostý staoví obdobě jako aritmetický průměr prostý, pouze operace jsou o řád vyšší: místo

Více

STATISTIKA. Statistika se těší pochybnému vyznamenání tím, že je nejvíce nepochopeným vědním oborem. H. Levinson

STATISTIKA. Statistika se těší pochybnému vyznamenání tím, že je nejvíce nepochopeným vědním oborem. H. Levinson STATISTIKA Statistika se těší pochybému vyzameáí tím, že je ejvíce epochopeým vědím oborem. H. Leviso Charakterizace statistického souboru Statistický soubor Prvek souboru Zak prvku kvatitativí teplota,

Více

DIMENZOVÁNÍ KOMPOZITNÍCH PROFILŮ PREFEN

DIMENZOVÁNÍ KOMPOZITNÍCH PROFILŮ PREFEN DIMNZOVÁNÍ KOMPOZITNÍCH PROFILŮ PRFN 1 Kulkova 10/4231, 615 00 Bro el.: 541 583 208, 297, fa.: 549 254 556 e-mail: kompozi@prefa.cz hp://www.prefa-kompozi.cz DIMNZOVÁNÍ PROFILŮ Maeriálová srukura, základí

Více

8. Analýza rozptylu.

8. Analýza rozptylu. 8. Aalýza rozptylu. Lieárí model je popis závislosti, který je využívá v řadě disciplí matematické statistiky. Uvedeme jeho popis a tvrzeí, která budeme využívat. Setkáme se s ím jedak v aalýze rozptylu,

Více

Číslo materiálu VY_32_INOVACE_CTE_2.MA_17_Klopné obvody RS, JK, D, T. Střední odborná škola a Střední odborné učiliště, Dubno Ing.

Číslo materiálu VY_32_INOVACE_CTE_2.MA_17_Klopné obvody RS, JK, D, T. Střední odborná škola a Střední odborné učiliště, Dubno Ing. Číslo projeku CZ..7/.5./34.58 Číslo maeriálu VY_32_INOVACE_CTE_2.MA_7_Klopé obvody RS, JK, D, T. Název školy Auor Temaická oblas Ročík Sředí odborá škola a Sředí odboré učilišě, Dubo Ig. Miroslav Krýdl

Více

6. FUNKCE A POSLOUPNOSTI

6. FUNKCE A POSLOUPNOSTI 6. FUNKCE A POSLOUPNOSTI Fukce Dovedosti:. Základí pozatky o fukcích -Chápat defiici fukce,obvyklý způsob jejího zadáváí a pojmy defiičí obor hodot fukce. U fukcí zadaých předpisem umět správě operovat

Více

7 ANALÝZA ČASOVÝCH ŘAD TRENDOVÁ SLOŽKA

7 ANALÝZA ČASOVÝCH ŘAD TRENDOVÁ SLOŽKA Elea Mielcová Radmila Soklasová a Jaroslav Ramík; Saisické program 7 ANALÝZA ČASOVÝCH ŘAD TRENDOVÁ SLOŽKA RYCHLÝ NÁHLED KAPITOLY Aalýza časových řad umožňuje maemaickým modelem popsa jev a základě časově

Více

OKRUŽNÍ A ROZVOZNÍ ÚLOHY: OBCHODNÍ CESTUJÍCÍ. FORMULACE PŘI RESPEKTOVÁNÍ ČASOVÝCH OKEN

OKRUŽNÍ A ROZVOZNÍ ÚLOHY: OBCHODNÍ CESTUJÍCÍ. FORMULACE PŘI RESPEKTOVÁNÍ ČASOVÝCH OKEN Úloha obchodího cestujícího OKRUŽNÍ A ROZVOZNÍ ÚLOHY: OBCHODNÍ CESTUJÍCÍ. FORMULACE PŘI RESPEKTOVÁNÍ ČASOVÝCH OKEN Nejprve k pojmům používaým v okružích a rozvozích úlohách: HAMILTONŮV CYKLUS je typ cesty,

Více

veličiny má stejný řád jako je řád poslední číslice nejistoty. Nejistotu píšeme obvykle jenom jednou

veličiny má stejný řád jako je řád poslední číslice nejistoty. Nejistotu píšeme obvykle jenom jednou 1 Zápis číselých hodot a ejistoty měřeí Zápis číselých hodot Naměřeé hodoty zapisujeme jako číselý údaj s určitým koečým počtem číslic. Očekáváme, že všechy zapsaé číslice jsou správé a vyjadřují tak i

Více

Lineární a adaptivní zpracování dat. 8. Modely časových řad I.

Lineární a adaptivní zpracování dat. 8. Modely časových řad I. Lieárí a adaptiví zpracováí dat 8. Modely časových řad I. Daiel Schwarz Ivestice do rozvoje vzděláváí Cíl, motivace Popis a idetifikace systémů BLACK BOX Cíl, motivace Popis a idetifikace systémů BLACK

Více

K čemu slouží regrese?

K čemu slouží regrese? REGRESE K čemu slouží regrese? C = Ca + c. Y C = 00 + 0,6. Y + e Budeme zjišťovat jak jeda proměá (ezávislá) Ovlivňuje jiou proměou (závislou) C Y 950 1000 910 150 1130 1500 1150 1750 1475 000 1550 50

Více

11. Časové řady. 11.1. Pojem a klasifikace časových řad

11. Časové řady. 11.1. Pojem a klasifikace časových řad . Časové řad.. Pojem a klasfkace časových řad Specfckým statstckým dat jsou časové řad pomocí chž můžeme zkoumat damku jevů v čase. Časovou řadou (damcká řada, vývojová řada) rozumíme v čase uspořádaé

Více

odhady parametrů. Jednostranné a oboustranné odhady. Intervalový odhad střední hodnoty, rozptylu, relativní četnosti.

odhady parametrů. Jednostranné a oboustranné odhady. Intervalový odhad střední hodnoty, rozptylu, relativní četnosti. 10 Cvičeí 10 Statistický soubor. Náhodý výběr a výběrové statistiky aritmetický průměr, geometrický průměr, výběrový rozptyl,...). Bodové odhady parametrů. Itervalové odhady parametrů. Jedostraé a oboustraé

Více

jsou reálná a m, n jsou čísla přirozená.

jsou reálná a m, n jsou čísla přirozená. .7.5 Racioálí a polomické fukce Předpoklad: 704 Pedagogická pozámka: Při opisováí defiic racioálí a polomické fukce si ěkteří studeti stěžovali, že je to příliš těžké. Ve skutečosti je sstém, kterým jsou

Více

A. Rozdělení ČŘ podle časového hlediska rozhodného pro zjišťování údajů

A. Rozdělení ČŘ podle časového hlediska rozhodného pro zjišťování údajů ČASOVÉ ŘADY - oslouosi věcě a rosorově srovaelých ozorováí, kerá jsou jedozačě usořádáa z hlediska času - ČŘ ekoomických ukazaelů vkazují určié secifické rs, akže je řeba zá adekváí osu, vhodé k jejich

Více

Příklady časových řad a jejich použití. Z2069 Statistické metody a zpracování dat II Analýza časových řad vývoj cen akcií objem obchodování na burze

Příklady časových řad a jejich použití. Z2069 Statistické metody a zpracování dat II Analýza časových řad vývoj cen akcií objem obchodování na burze Přílad časových řad a jejich použií hp://www.cru.uea.ac.u/cru/ifo/warmig/ 3 Objem obchodu (iervalová řada Kurz acie (oamžiová řada 5 Z69 Saisicé meod a zpracováí da II Aalýza časových řad vývoj ce acií

Více

Využijeme znalostí z předchozích kapitol, především z 9. kapitoly, která pojednávala o regresní analýze, a rozšíříme je.

Využijeme znalostí z předchozích kapitol, především z 9. kapitoly, která pojednávala o regresní analýze, a rozšíříme je. Pravděpodobnos a saisika 0. ČASOVÉ ŘADY Průvodce sudiem Využijeme znalosí z předchozích kapiol, především z 9. kapioly, kerá pojednávala o regresní analýze, a rozšíříme je. Předpokládané znalosi Pojmy

Více

23. Mechanické vlnění

23. Mechanické vlnění 3. Mechaické vlěí Mechaické vlěí je děj, při kterém částice pružého prostředí kmitají kolem svých rovovážých poloh a teto kmitavý pohyb se přeáší (postupuje) od jedé částice k druhé vlěí může vzikout pouze

Více

7. Analytická geometrie

7. Analytická geometrie 7. Aaltická geoetrie Studijí tet 7. Aaltická geoetrie A. Příka v roviě ϕ s A s ϕ s 2 s 1 B p s ϕ = (s1, s 2 ) sěrový vektor přík p orálový vektor přík p sěrový úhel přík p k = tgϕ = s 2 s 1 sěrice příkp

Více

Geometrické modelování. Diferenciáln

Geometrické modelování. Diferenciáln Geomerické modelováí Difereciál lí geomerie křivekk Křivky v očía ačové grafice Geomerická ierreace Každý krok algorimu má svůj geomerický výzam Flexibilia korola ad růběhem křivky, možos iuiiví ediace

Více

NEPARAMETRICKÉ METODY

NEPARAMETRICKÉ METODY NEPARAMETRICKÉ METODY Jsou to metody, dy předmětem testu hypotézy eí tvrzeí o hodotě parametru ějaého orétího rozděleí, ale ulová hypotéza je formulováa obecěji, apř. jao shoda rozděleí ebo ezávislost

Více

} kvantitativní znaky. korelace, regrese. Prof. RNDr. Jana Zvárov. Obecné principy

} kvantitativní znaky. korelace, regrese. Prof. RNDr. Jana Zvárov. Obecné principy Měřeí statistické závislosti, korelace, regrese Prof. RNDr. Jaa Zvárov rová,, DrSc. MĚŘENÍZÁVISLOSTI Cílem statistické aalýzy vepidemiologii bývá eje staovit, zda oemocěí závisí a výskytu rizikového faktoru,

Více

Přijímací řízení akademický rok 2013/2014 Bc. studium Kompletní znění testových otázek matematika

Přijímací řízení akademický rok 2013/2014 Bc. studium Kompletní znění testových otázek matematika Přijímací řízeí akademický rok 0/0 c. studium Kompletí zěí testových otázek matematika Koš Zěí otázky Odpověď a) Odpověď b) Odpověď c) Odpověď d) Správá. Které číslo doplíte místo 8? 6 6 8 C. Které číslo

Více

Základy teorie chyb a zpracování fyzikálních měření Jiří Novák

Základy teorie chyb a zpracování fyzikálních měření Jiří Novák Zálad eore chb a zpracováí zálích měřeí Jří ová Teo e je zamýšle jao pomůca pro vpracováí laboraorích úloh z z Je urče pouze pro sudjí účel a jeho účelem je objas meod zpracováí měřeí Chb měřeí Druh chb

Více

Cvičení 6.: Výpočet střední hodnoty a rozptylu, bodové a intervalové odhady střední hodnoty a rozptylu

Cvičení 6.: Výpočet střední hodnoty a rozptylu, bodové a intervalové odhady střední hodnoty a rozptylu Cvičeí 6: Výpočet středí hodoty a rozptylu, bodové a itervalové odhady středí hodoty a rozptylu Příklad 1: Postupě se zkouší spolehlivost čtyř přístrojů Další se zkouší je tehdy, když předchozí je spolehlivý

Více

Pravděpodobnostní modely

Pravděpodobnostní modely Pravděpodobostí modely Meu: QCEpert Pravděpodobostí modely Modul hledá metodou maimálí věrohodosti (MLE Maimum Likelihood Estimate) statistický model (rozděleí) který ejlépe popisuje data. Je přitom k

Více

ANALÝZA VÝROBY ELEKTRICKÉ ENERGIE V ČR Bakalářská práce

ANALÝZA VÝROBY ELEKTRICKÉ ENERGIE V ČR Bakalářská práce MENDELOVA ZEMĚDĚLSKÁ A LESNICKÁ UNIVERZITA V BRNĚ PROVOZNĚ EKONOMICKÁ FAKULTA ÚSTAV STATISTIKY A OPERAČNÍHO VÝZKUMU ANALÝZA VÝROBY ELEKTRICKÉ ENERGIE V ČR Bakalářská práce Vedoucí bakalářské práce Mgr.

Více

Část IV. Analýza časových řad. Ing. Michal Dorda, Ph.D.

Část IV. Analýza časových řad. Ing. Michal Dorda, Ph.D. Čás IV. Aalýza časových řad Ig. Michal Dorda, Ph.D. Časovou řadou rozuíe posloupos věcě a prosorově srovaelých pozorováí (da), kerá jsou jedozačě uspořádáa z hlediska času ve sěru iulos příoos. Časovou

Více

DERIVACE FUNKCÍ JEDNÉ REÁLNÉ PROM

DERIVACE FUNKCÍ JEDNÉ REÁLNÉ PROM Difereciálí počet fukcí jedé reálé proměé - - DERIVACE FUNKCÍ JEDNÉ REÁLNÉ PROMĚNNÉ ÚVODNÍ POZNÁMKY I derivace podobě jako limity můžeme počítat ěkolikerým způsobem a to kokrétě pomocí: defiice vět o algebře

Více

1.3. POLYNOMY. V této kapitole se dozvíte:

1.3. POLYNOMY. V této kapitole se dozvíte: 1.3. POLYNOMY V této kapitole se dozvíte: co rozumíme pod pojmem polyom ebo-li mohočle -tého stupě jak provádět základí početí úkoy s polyomy, kokrétě součet a rozdíl polyomů, ásobeí, umocňováí a děleí

Více

Základní požadavky a pravidla měření

Základní požadavky a pravidla měření Základí požadavky a pravidla měřeí Základí požadavky pro správé měřeí jsou: bezpečost práce teoretické a praktické zalosti získaé přípravou a měřeí přesost a spolehlivost měřeí optimálí orgaizace průběhu

Více

f(x) f(x 0 ) = a lim x x0 f f(x 0 + h) f(x 0 ) (x 0 ) = lim f(x + h) f(x) (x) = lim

f(x) f(x 0 ) = a lim x x0 f f(x 0 + h) f(x 0 ) (x 0 ) = lim f(x + h) f(x) (x) = lim KAPITOLA 4: 4 Úvod Derivace fkce [MA-8:P4] Moivačí příklady: okamžiá ryclos, směrice ečy Defiice: Řekeme, že fkce f má v bodě derivaci [ derivaci zleva derivaci zprava ] rov čísl a, jesliže exisje [ x

Více

Přijímací řízení akademický rok 2012/2013 Kompletní znění testových otázek matematické myšlení

Přijímací řízení akademický rok 2012/2013 Kompletní znění testových otázek matematické myšlení Přijímací řízeí akademický rok 0/0 Kompletí zěí testových otázek matematické myšleí Koš Zěí otázky Odpověď a) Odpověď b) Odpověď c) Odpověď d) Správá odpověď. Které číslo doplíte místo otazíku? 6 8 8 6?.

Více

Popisná statistika - zavedení pojmů. 1 Jednorozměrný statistický soubor s kvantitativním znakem

Popisná statistika - zavedení pojmů. 1 Jednorozměrný statistický soubor s kvantitativním znakem Popisá statistika - zavedeí pojmů Popisá statistika - zavedeí pojmů Soubor idividuálích údajů o objektech azýváme základí soubor ebo také populace. Zkoumaé objekty jsou tzv. statistické jedotky a sledujeme

Více

U klasifikace podle minimální vzdálenosti je nutno zvolit:

U klasifikace podle minimální vzdálenosti je nutno zvolit: .3. Klasifikace podle miimálí vzdáleosti Tato podkapitola je věováa popisu podstaty klasifikace podle miimálí vzdáleosti, jež úzce souvisí s klasifikací pomocí etaloů klasifikačích tříd. Představíme si

Více

Evakuace osob v objektech zdravotnických zařízení

Evakuace osob v objektech zdravotnických zařízení Evakuace osob v objekech zdravoických zařízeí Ig. Libor Folwarczy, Ph.D., Ig. Jiří Pokorý, Ph.D. Hasičský záchraý sbor Moravskoslezského kraje, Výškovická 40, 700 0 Osrava-Zábřeh E-mail: libor.folwarczy@hzsmsk.cz,

Více

VYSOCE PŘESNÉ METODY OBRÁBĚNÍ

VYSOCE PŘESNÉ METODY OBRÁBĚNÍ VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ Fakulta strojího ižeýrství Ústav strojíreské techologie ISBN 978-80-214-4352-5 VYSOCE PŘESNÉ METODY OBRÁBĚNÍ doc. Ig. Jaroslav PROKOP, CSc. 1 1 Fakulta strojího ižeýrství,

Více

Intervalové odhady parametrů některých rozdělení.

Intervalové odhady parametrů některých rozdělení. 4. Itervalové odhady parametrů rozděleí. Jedou ze základích úloh mtematické statistiky je staoveí hodot parametrů rozděleí, ze kterého máme k dispozici áhodý výběr. Nejčastěji hledáme odhady dvou druhů:

Více

Metody zkoumání závislosti numerických proměnných

Metody zkoumání závislosti numerických proměnných Metody zkoumáí závslost umerckých proměých závslost pevá (fukčí) změě jedoho zaku jedozačě odpovídá změa druhého zaku (podle ějakého fukčího vztahu) (matematka, fyzka... statstcká (volá) změám jedé velčy

Více

2 STEJNORODOST BETONU KONSTRUKCE

2 STEJNORODOST BETONU KONSTRUKCE STEJNORODOST BETONU KONSTRUKCE Cíl kapitoly a časová áročost studia V této kapitole se sezámíte s možostmi hodoceí stejorodosti betou železobetoové kostrukce a prakticky provedete jede z možých způsobů

Více

Popisná statistika. Zdeněk Janák 9. prosince 2007

Popisná statistika. Zdeněk Janák 9. prosince 2007 Popisá statistika Zdeěk Jaák jaak@physics.mui.cz 9. prosice 007 Výsledkem měřeí atmosférické extikce z pozorováí komet a observatoři Skalaté Pleso jsou tyto hodoty extikčích koeficietů ve vlové délce 46

Více

8.2.1 Aritmetická posloupnost I

8.2.1 Aritmetická posloupnost I 8.2. Aritmetická posloupost I Předpoklady: 80, 802, 803, 807 Pedagogická pozámka: V hodiě rozdělím třídu a dvě skupiy a každá z ich dělá jede z prvích dvou příkladů. Čley posloupostí pak při kotrole vypíšu

Více

P2: Statistické zpracování dat

P2: Statistické zpracování dat P: Statistické zpracováí dat Úvodem - Statistika: věda, zabývající se shromažďováím, tříděím a ásledým popisem velkých datových souborů. - Základem statistiky je teorie pravděpodobosti, založeá a popisu

Více

Univerzita Karlova v Praze Matematicko-fyzikální fakulta DIPLOMOVÁ PRÁCE. Tomáš Hanzák

Univerzita Karlova v Praze Matematicko-fyzikální fakulta DIPLOMOVÁ PRÁCE. Tomáš Hanzák Uiverzia Karlova v Praze Maemaico-fziálí faula DIPLOMOVÁ PRÁCE omáš Hazá Deompozičí meod pro časové řad s epravidelě pozorovaými hodoami Kaedra pravděpodoosi a maemaicé saisi Vedoucí diplomové práce :

Více

EKONOMETRIE 6. přednáška Modely národního důchodu

EKONOMETRIE 6. přednáška Modely národního důchodu EKONOMETRIE 6. přednáška Modely národního důchodu Makroekonomické modely se zabývají modelováním a analýzou vzahů mezi agregáními ekonomickými veličinami jako je důchod, spořeba, invesice, vládní výdaje,

Více

8.2.1 Aritmetická posloupnost

8.2.1 Aritmetická posloupnost 8.. Aritmetická posloupost Předpoklady: 80, 80, 803, 807 Pedagogická pozámka: V hodiě rozdělím třídu a dvě skupiy a každá z ich dělá jede z prvích dvou příkladů. Př. : V továrě dokočí každou hodiu motáž

Více

Pravděpodobnostní model doby setrvání ministra školství ve funkci

Pravděpodobnostní model doby setrvání ministra školství ve funkci Pravděpodobostí model doby setrváí miistra školství ve fukci Základí statistická iferece Data Zdro: http://www.msmt.cz/miisterstvo/miistri-skolstvi-od-roku-848. Ke statistickému zpracováí byla vzata pozorováí

Více

Demografické projekce počtu žáků mateřských a základních škol pro malé územní celky

Demografické projekce počtu žáků mateřských a základních škol pro malé územní celky Demografické projekce poču žáků maeřských a základních škol pro malé územní celky Tomáš Fiala, Jika Langhamrová Kaedra demografie Fakula informaiky a saisiky Vysoká škola ekonomická v Praze Pořebná daa

Více

Seznámíte se s principem integrace substituční metodou a se základními typy integrálů, které lze touto metodou vypočítat.

Seznámíte se s principem integrace substituční metodou a se základními typy integrálů, které lze touto metodou vypočítat. 4 Inegrace subsiucí 4 Inegrace subsiucí Průvodce sudiem Inegrály, keré nelze řeši pomocí základních vzorců, lze velmi časo řeši subsiuční meodou Vzorce pro derivace elemenárních funkcí a věy o derivaci

Více

3 - Póly, nuly a odezvy

3 - Póly, nuly a odezvy 3 - Póly, uly a odezvy Michael Šebek Automatické řízeí 5 3--5 Automatické řízeí - Kyberetika a robotika Póly přeosu jsou kořey jmeovatele pro gs () = bs () as () jsou to komplexí čísla si: as ( i) = pokud

Více

i 1 n 1 výběrový rozptyl, pro libovolné, ale pevně dané x Roznačme n 1 Téma 6.: Základní pojmy matematické statistiky

i 1 n 1 výběrový rozptyl, pro libovolné, ale pevně dané x Roznačme n 1 Téma 6.: Základní pojmy matematické statistiky Téma 6.: Základí pojmy matematické statistiky Vlastosti důležitých statistik odvozeých z jedorozměrého áhodého výběru: Nechť X,..., X je áhodý výběr z rozložeí se středí hodotou μ, rozptylem σ a distribučí

Více

OVMT Přesnost měření a teorie chyb

OVMT Přesnost měření a teorie chyb Přesost měřeí a teorie chyb Základí pojmy Naměřeé údaje ejsou ikdy absolutě přesé, protože skutečé podmíky pro měřeí se odlišují od ideálích. Při každém měřeí vzikají odchylky od správých hodot chyby.

Více

V EKONOMETRICKÉM MODELU

V EKONOMETRICKÉM MODELU J. Arl, Š. Radkovský ANALÝZA ZPOŽDĚNÍ V EKONOMETRICKÉM MODELU VP č. Praha Auoři: doc. Ing. Josef Arl, CSc. Ing. Šěpán Radkovský Názor a sanoviska v éo sudii jsou názor auorů a nemusí nuně odpovída názorům

Více

ÚVOD DO DYNAMIKY HMOTNÉHO BODU

ÚVOD DO DYNAMIKY HMOTNÉHO BODU ÚVOD DO DYNAMIKY HMOTNÉHO BODU Obsah Co je o dnamika? 1 Základní veličin dnamik 1 Hmonos 1 Hbnos 1 Síla Newonov pohbové zákon První Newonův zákon - zákon servačnosi Druhý Newonův zákon - zákon síl Třeí

Více

L A B O R A T O R N Í C V I Č E N Í Z F Y Z I K Y

L A B O R A T O R N Í C V I Č E N Í Z F Y Z I K Y ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE KATED RA F YZIKY L A B O R A T O R N Í C V I Č E N Í Z F Y Z I K Y Jméo TUREČEK Daiel Datum měřeí 8.11.2006 Stud. rok 2006/2007 Ročík 2. Datum odevzdáí 15.11.2006 Stud.

Více

1.1. Definice Reálným vektorovým prostorem nazýváme množinu V, pro jejíž prvky jsou definovány operace sčítání + :V V V a násobení skalárem : R V V

1.1. Definice Reálným vektorovým prostorem nazýváme množinu V, pro jejíž prvky jsou definovány operace sčítání + :V V V a násobení skalárem : R V V Předáška 1: Vektorové prostory Vektorový prostor Pro abstraktí defiici vektorového prostoru jsou podstaté vlastosti dvou operací, sčítáí vektorů a ásobeí vektoru (reálým číslem) Tyto dvě operace musí být

Více

České vysoké učení technické v Praze. Fakulta dopravní. Semestrální práce. Statistika

České vysoké učení technické v Praze. Fakulta dopravní. Semestrální práce. Statistika České vysoké učeí techické v Praze Fakulta dopraví Semestrálí práce Statistika Čekáí vlaku ve staicích a trase Klado Ostrovec Praha Masarykovo ádraží Zouzalová Barbora 2 35 Michálek Tomáš 2 35 sk. 2 35

Více

základním prvkem teorie křivek v počítačové grafice křivky polynomiální n

základním prvkem teorie křivek v počítačové grafice křivky polynomiální n Petra Suryková Modelováí křivek základím prvkem teorie křivek v počítačové grafice křivky polyomiálí Q( t) a a t... a t polyomiálí křivky můžeme sado vyčíslit sado diferecovatelé lze z ich skládat křivky

Více

Elementární zpracování statistického souboru

Elementární zpracování statistického souboru Elemetárí zpracováí statistického souboru Obsah kapitoly 4. Elemetárí statistické zpracováí - parametrizace vhodými empirickými parametry Studijí cíle Naučit se výsledky měřeí parametrizovat vhodými empirickými

Více

Spojitost a limita funkcí jedné reálné proměnné

Spojitost a limita funkcí jedné reálné proměnné Spojitost a limita fukcí jedé reálé proměé Pozámka Vyšetřeí spojitosti fukce je možo podle defiice převést a výpočet limity V dalším se proto soustředíme je problém výpočtu limit Pozámka Limitu fukce v

Více

2. Náhodná veličina. je konečná nebo spočetná množina;

2. Náhodná veličina. je konečná nebo spočetná množina; . Náhodá veličia Většia áhodých pokusů koaých v přírodích ebo společeských vědách má iterpretaci pomocí reálé hodoty. Při takovýchto dějích přiřazujeme tedy reálá čísla áhodým jevům. Proto je důležité

Více

Přednáška VI. Intervalové odhady. Motivace Směrodatná odchylka a směrodatná chyba Centrální limitní věta Intervaly spolehlivosti

Přednáška VI. Intervalové odhady. Motivace Směrodatná odchylka a směrodatná chyba Centrální limitní věta Intervaly spolehlivosti Předáška VI. Itervalové odhady Motivace Směrodatá odchylka a směrodatá chyba Cetrálí limití věta Itervaly spolehlivosti Opakováí estraé a MLE Jaký je pricip estraých odhadů? Jaký je pricip odhadů metodou

Více

FUNKCÍ JEDNÉ REÁLNÉ PROMĚNNÉ PRVNÍ DIFERENCIÁL

FUNKCÍ JEDNÉ REÁLNÉ PROMĚNNÉ PRVNÍ DIFERENCIÁL Difereciálí počet fukcí jedé reálé proměé - 6. - PRVNÍ DIFERENCIÁL TAYLORŮV ROZVOJ FUNKCÍ JEDNÉ REÁLNÉ PROMĚNNÉ PRVNÍ DIFERENCIÁL PŘÍKLAD Pomocí věty o prvím difereciálu ukažte že platí přibližá rovost

Více