Documente Academic
Documente Profesional
Documente Cultură
TACT07 Seriidetimp Regresie 4 1
TACT07 Seriidetimp Regresie 4 1
t t t t
! ! ! ! sau de ordinul doi .
*
- @
t t t t
x x x x 9rin aceste di+eren(e
se elimin &i trendul. Avident, se pot de+ini di+eren(e &i de alt ordin, inclusiv +rac(ionar. 6
modalitate pentru a stabili dac o serie este de tip =$9 sau '$9 este dat de testul
'ic4e>,uller. 9entru aceasta se pleac de la un model de +orma
t t t
x t a a x + + +
* * : , unde * :
, a a
&i sunt parametri iar t
este o variabil
aleatoare de medie %ero &i dispersie :
-
>
,
. ,..., - , * n t
'ac :
*
a &i * atunci
seria este de tip '$9. 'ac :
*
a &i
* <
, atunci seria este de tip =$9. Avident :
*
a
&i * implic t t t t
a x x x +
: * care este un proces sta(ionr oscilnd aleatoriu
n 7urul lui
.
:
a
Autocovarian(e &i autocorela(ii
iind dat o serie de timp sta(ionar,
{ }
t t
X
, numrul
( ) ( )
k t t
X X Cov k
+
,
este numit a
k autocovarian(, iar &irul
( ) { }
k
k
v%ut ca o +unc(ie de+init pe Z, este numit f"ncia de
a"tocovarian# a lui
{ }
t t
X
. 9entru
( ) : : >
de+inim
( )
( )
( ) :
k
k
numit a k autocorela(ie
a lui
{ }
t t
X
, se mai notea%
( )
k t t
X X Corr
+
,
. Avident
( ) * :
&i
( ) . , * k k
Birul
-
( ) { }
k
k
v%ut ca +unc(ie de+init pe Z este numit f"ncia de a"tocorelaie a lui
{ }
t t
X
.
Aste mai convenabil de lucrat cu autocorela(iile deoarece ele sunt invariante la scal.
$ considerm
{ }
Z t t
X
un proces stocastic sta(ionar. 9entru +unc(ia autocorela(ie avem
urmtoarele propriet(i.
9.*. unc(ia de autocorela(ie este par n raport cu lag,ul, adic avem
( ) ( ) . , k k k
Demonstaie.
{ }
t t
X
sta(ionar implic
( ) ( ) ( )
+ t k t k t t
X X Cov X X Cov k , ,
( ) ( ) k X X Cov
k t t
,
, re%ult
( )
( )
( )
( )
( )
( ) k
k k
k
: :
9.-.
( ) * k
Demonstraie. Avem
( )
- * - *
, , : +
+k t t
X X $ar
. Re%ult
( ) ( ) ( )
( ) : -
, -
- *
- -
-
- -
*
- *
-
-
-
*
+ +
+ +
+ +
k
X X Cov X $ar X $ar
k t t k t t
Cund *
- *
ob(inem ( ) : - -
-
+ k , ( )
-
k &i
( )
( )
( )
( )
*
:
-
-
-
k k
k
Cund *
*
&i *
-
ob(inem ( ) : - -
-
k , ( )
-
k ,
( )
( )
( )
:
k
k
( )
*
-
-
-
k
. A&adar
( ) * * k
.
Metode de extragere a trendului
*). Metoda mediilor par(iale const n urmtorii pa&i )
9asul* ) $e separ datele seriei n dou grupe ) una in+erioar &i alta superioar.
9asul - ) $e calculea% media aritmetic a +iecrei grupe.
9asul / ) $e determin mediana momentelor de timp ale +iecrei grupe. Aceasta
repre%int momentul de timp corespun%tor mediei aritmetice. 9entru +iecare
grup, se repre%int gra+ic punctul de ordonat media aritmetic &i de abscis
momentul de timp corespun%tor.
9asul 2 ) 'reapta determinat de cele dou puncte, repre%entate gra+ic, constituie
trendul cerut.
Axemplul *. .umrul contractelor de asigurare nc0eiate de o societate de asigurri n
primele *: luni ale anului -::. este dat n tabelul )
Ianuarie ebruarie Martie Aprilie Mai
-::: -2:: -D:: -1:: -/::
Iunie Iulie August $eptembrie 6ctombrie
-E:: /::: /1:: /-:: /2::
Ftili%nd metoda mediilor par(iale, s se extrag trendul.
%ol"ie& 9rimele 1 luni +ormea% grupa in+erioar avnd media -/D:
*
! cu momentul
de timp corespun%tor luna martie. !elelalte luni +ormea% grupa superioar avnd media
/*E:
-
! cu momentul luna august.
-. Metoda mediilor mobile const n calcularea mediei aritmetice a +iecrui subset de q
/
valori consecutive ale seriei date. Mrimea q este denumit perioada mediilor mobile.
ormarea unui nou subset presupune scoaterea primei valori din subsetul anterior,
pstrarea celorlalte q,* valori &i introducerea n subset a urmtoarei valori din &irul
valorilor seriei date. Mediile mobile calculate repre%int c0iar componentele (valorile)
trendului seriei cronologice date.
Ca stabilirea perioadei mediilor mobile trebuie avut n vedere necesitatea ca aceasta s
coincid cu lungimea ciclului natural al seriei. 'e exemplu, la determinarea trendului
numrului de &omeri nregistra(i trimestrial de,a lungul mai multor ani, perioada mediilor
mobile va +i 25 la determinarea trendului ncasrilor %ilnice ale unui supermar4et,
nregistrate de,a lungul mai multor luni, perioada mediilor mobile va +i G.
3n ca%ul exemplului de la punctul *, mediile mobile de perioad 1 sunt )
t
x -::: -2:: -D:: -1:: -/:: -E:: /::: /1:: /-:: /2::
=otaluri
mobile
**E:
:
*-D:
:
*/-:
:
*2*:
:
*2E:
:
*1H:
:
Medii
mobile
-/D: -1-: -D2: -E-: -HD: /*E:
3n ca%ul n care mediile mobile sunt +olosite pentru repre%entarea gra+ic a trendului
&i se vrea repre%entarea valorilor acestuia n anumite momente de timp, exist o
metod de centrare a mediilor mobile, metod care necesit calculul mediilor
aritmetice pentru perec0ile succesive de medii mobile.
Modele de serii de timp
*. Modelul aditiv al seriilor de timp
' % T ( + +
unde ) ( este valoarea cunoscut a seriei de timp,
T este componenta trend,
% este componenta se%onier,
' este componenta re%idual.
-. Modelul multiplicativ al seriilor de timp
' % T (
unde ) (, T, %, ' au semni+ica(ia de mai sus.
/. Zgomotul alb
6 serie de timp
{ }
t t
X
+ormat din variabile aleatoare necorelate, cu media %ero &i
dispersia :
-
> , se nume&te )gomot al. Avident, ea este sta(ionar, avnd +unc(ia de
2
autocovarian( ( )
'
rest in , :
: ,
-
k
k
,
&i +unc(ia de autocorela(ie
( )
'
rest in , :
: , * k
k
$e notea% ( )
-
, : *+ (I0ite .oise), deci { } ( )
-
, : J *+ X
t
. Zgomotul alb mai este
denumit &i proces p"r aleator. 'ac elementele lui
{ }
t
X
sunt i.i.d. (independente &i
identic reparti%ate), atunci seria de timp este strict sta(ionar (se mai scrie
{ } ( )
-
, : J ,,D X
t
). !nd t
X
,urile au reparti(ia normal, spunem c %gomotul alb
este gaussian. 3n ca%ul unui %gomot alb gaussian cele dou de+ini(ii privind
sta(ionaritatea coincid, deci seria este att sta(ionar ct &i strict sta(ionar. Fn proces
{ }
t
X
este un %gomot alb cu media m dac { } ( )
-
, : J *+ m X
t
. !u %gomotul alb se
pot construi multe modele de serii de timp.
Axemplu ) $eria de timp
{ }
t
-
unde
*
t t t
. . -
, : &i { } ( )
-
, : J *+ .
t
este numit medie moil# de ordin"l /nt0i 1ordin "n"2& $e notea%
{ } ( ) * J M3 -
t
.
Aceast serie de timp este sta(ionar pentru orice , are media :, +unc(ia de
autocovarian( ( )
( )
'
t
+
rest in , :
* ,
: , *
-
- -
k
k
k
&i +unc(ia autocorela(ie ( )
'
t
+
rest in , :
* ,
*
: , *
-
k
k
k
Avident
( )
-
*
*
. 9rocesul M3(*) este cel mai simplu exemplu de filtr" liniar.
2. Mersul aleator (random Kal4)
$e consider
{ }
t
X
un proces discret pur aleator (adic
t
Z &i variabilele aleatoare
t
X
sunt independente &i identic reparti%ate) cu media m &i dispersia
-
X
. 9rocesul
{ }
t
-
unde
t t t
X - - +
*
se nume&te mers aleator. 3n mod obi&nuit procesul este
pornit de la %ero cnd : t , ast+el c
* *
X - &i
t
i
i t
X -
*
. Avem )
( ) ( ) m t m X E - E
t
i
t
i
i t
* *
&i
( ) ( )
-
*
-
*
X
t
i
X
t
i
i t
t X $ar - $ar
6bserva(ie ) !um media &i dispersia depind de t, mersul aleator este nesta(ionar.
=otu&i, este interesant c di+eren(ele de ordinul nti ale mersului aleator dau un
1
proces pur aleator care este sta(ionar, deci
{ }
t
X
unde
*
t t t
- - X
este sta(ionar.
!ele mai cunoscute exemple de serii de timp care se comport +oarte mult ca mersul
aleator (la ntmplare) sunt pre(urile ac(iunilor (s0are prices). 3n acest ca% un model
care corespunde datelor este ) Pre"l aci"nii /n )i"a t L pre"l aci"nii /n )i"a (t4*) M
o eroare aleatoare.
1. 9rocese medie mobil
$e consider
{ }
t
-
un %gomot alb (sau, mai restrictiv, un proces pur aleator, pentru
c n locul necorelrii se consider independen(a) cu media %ero &i dispersia
-
-
.
9rocesul
{ }
t
X
, unde
( ) * . 1
* * : q t q t t t
- - - X
+ + +
,
i q
, : , :
:
,urile sunt constante, se nume&te proces medie moil# de ordin q
(abreviat M3(q)).3n mod u%ual -,urile sunt scalate, ast+el c
*
:
. 9lasndu,ne n
ipote%a mai restrictiv (
t
-
,urile independente), ob(inem )
( ) :
t
X E
&i
( )
q
i
i - t
X $ar
:
- -
. Avem )
( ) ( )
+k t t
X X Cov k ,
( ) + + + + + +
+ + + q k t q k t k t q t q t t
- - - - - - Cov
* * : * * :
,
'
<
>
+
q k
q k
q k
q k
k q
i
k i i -
k q
i
k i i -
, :
, , - , * ,
, , * , : ,
, :
:
-
:
-
!um
( ) k
nu depinde de t &i media este constant, re%ult c procesul
{ }
t
X
este slab
sta(ionar (alt+el %is, sta(ionar de ordinul doi) pentru toate valorile lui
{ }
i
. Mai mult,
cnd t
-
,urile sunt reparti%ate normal, atunci &i t
X
,urile sunt reparti%ate normal.
'eci, procesul este complet determinat de medie &i +unc(ia autocovarian(. unc(ia de
autocorela(ie a procesului M3(q) este
( )
'
t t t
,
_
,
_
> <
+
q k
q k q k
k
k
q
i
i
k q
i
k i i
, , - , *
sau , :
: , *
:
-
:
D
3n particular, procesul M3(*) cu
*
:
are +unc(ia autocorela(ie ( )
'
t
+
rest in :
* ,
*
: pentru *
-
*
*
k
k
k
+
t t
- X
'
t
+
rest in , :
* ,
*
: , *
-
*
k
k
k
'
t
+
,
_
rest in :
* ,
*
*
*
*
: , *
- -
-
k
k
k
A&adar, avem
- *
. Ast+el se vede c un M3 proces nu poate +i identi+icat dup
+unc(ia autocorela(ie.
9unnd n cele dou modele t
-
n termeni de
, ,
* t t
X X
, prin substituiri
succesive ob(inem ) A).
( )
- * * t t t t t t
- X X - X -
+ +
/
/
-
-
* t t t t
X X X X
N).
+
,
_
-
-
* - * *
* * * * *
t t t t t t t t t
X X X - X X - X -
'ac
* <
, atunci seria de la A este convergent iar seria de la N este divergent.
Ast+el, o procedur de estimare care implic estimarea re%iduurilor, duce n mod
natural la modelul A, care se %ice c este invertibil (n acest ca% modelul N nu este
invertibil). !ondi(ia de invertibilitate ne asigur unicitatea procesului M3 pentru o
+unc(ie autocorela(ie dat. Aceast condi(ie pentru un proces M3 de ordin general este
exprimat cel mai bine +olosind operatorul de sc0imbare (mutare, dare) napoi, notat
cu N, care este de+init prin
5 X X 6
5 t t
5
. Ast+el, ecua(ia (1.*) se va scrie
G
( ) ( )
t t
q
q t
- 6 - 6 6 6 X + + + +
-
- * :
, unde
( ) 6
este un polinom de
ordin q n 6. Fn M3 proces de ordin q este invertibil dac toate rdcinile ecua(iei
( ) ( ) - . 1 :
-
- * :
+ + + +
q
q
6 6 6 6
se a+l n a+ara cercului unitate. 'e notat c n ecua(ia (1.-) 6 este v%ut ca o variabil
complex &i nu ca un operator. 'e asemenea, se poate aduga n (1.*) o constant
arbitrar m n membrul drept, ceea ce d un proces de medie m. !um aceasta nu
sc0imb +unc(ia autocorela(ie pentru simpli+icare va +i omis.
9rivitor la +ormali%area matematic, se nume&te proces medie moil# finit# procesul
stocastic
{ t X
t
5
ZO, unde
M - X
M
M 5
5 t 5 t
,
N,
5
R,
: , :
M M
&i
t
-
,urile sunt variabile aleatoare necorelate ( )
-
, : , adic
( ) :
t
- E
&i ( )
-
t
- $ar (mai restrictiv, sunt considerate independente). Proces"l
medie moil# infinit#
{ }
t
X
este dat de repre%entarea
5
5 t 5 t
- X
, unde nu
exist un numr natural M ast+el nct 5
5
, : Z cu
. M 5 >
9rocesul de+init
de
,
:
q
5
5 t 5 t
- X
unde
:
:
&i
:
q
+
+
q
i
i t i
q
i
q i t q i
q 5 i
q
q 5
5 t 5 t
- - X
-
:
-
:
, deci nu se pierde din
generalitate dac se consider numai repre%entarea cu o latur.
Fn proces medie mobil de ordin in+init cu media nenul
, dat de
: i
i t i t
- X
este numit proces liniar general (aceasta pentru c procesele de
acest tip se ob(in trecnd un proces pur aleator printr,un sistem liniar.
!teva cuvinte despre sistemele liniare. $ considerm c sunt date observa(ii
(nregistrri) asupra intrrilor (inputurilor) &i ie&irilor (outputurilor) unui sistem,
notate n ca%ul n care timpul este discret cu
{ } { }
t t
! x ,
&i cu ( ) { } ( ) { } t ! t x , n ca%ul
timpului continuu.
Definiie. ie ( ) ( ) t ! t !
- *
, ie&irile corespun%toare intrrilor ( ) ( ). ,
- *
t x t x $istemul
se nume&te sistem liniar dac &i numai dac orice combina(ie liniar de intrri (s
%icem ( ) ( ) t x t x
- - * *
+ ) produce aceea&i combina(ie liniar de ie&iri, adic
( ) ( ) t ! t !
- - * *
+ ,
- *
, +iind constante.
Definiie& 'ac intrarea
( ) t x
produce ie&irea
( ) t !
, atunci sistemul se %ice c este
invariant /n timp dac o ntr%iere de timp
k
k t k t
x h !
pentru
ca%ul timpului discret, sau sub +orma
( ) ( ) ( )
d" " t x " h t !
pentru ca%ul timpului
continuu. unc(ia de ponderare
( ) " h
(pentru timpul continuu) sau
{ }
k
h
(pentru
timpul discret) arat o caracteri%are (descriere) a sistemului n timp &i este cunoscut
sub numele de F,' (unc(ia Impuls Rspuns). Fn exemplu +oarte simplu de sistem
liniar este dat de ;ntr%ierea simpl<, adic d t t
x !
'
rest in :
pentru * d k
h
k
Alt exemplu de sistem liniar este ;c07tig"l p"r<, adic t t
x c !
unde constanta c
repre%int c&tigul. F,' Pul acestui sistem este )
'
rest in :
: pentru k c
h
k
b). %isteme liniare /n frecven#
6 alt cale de descriere a unui sistem liniar este prin intermediul unei +unc(ii
denumit f"ncia de transfer (F'F P unc(ia Rspuns recven(). Aceasta este
trans+ormata ourier a +unc(iei F,', adic este
( ) ( ) : , >
d" e " h 8
" i
n
ca%ul timpului continuu &i este
( )
k
k i
k
e h 8
, < < : .
3ntrun sistem liniar o intrare exponen(ial complex ( ) t i t e t x
t i
sin cos +
d
o ie&ire
( ) ( ) ( ) t x 8 t !
. 9entru sistemul liniar ;ntr%ierea simpl<,
( ) ( ) t x t !
unde
'
:
: , :
t
t
t
, ast+el nct
( ) *
dt t
(alt+el %is, pentru orice +unc(ie
( ) t
care este continu n : t , +unc(ia delta 'irac este +unc(ia care veri+ic
( ) ( ) ( ) :
dt t t
. unc(ia de trans+er este dat de
( ) ( )
i " i
e d" e " 8
.
D. Procese a"toregresive
'ac
{ }
t
-
este un proces pur aleator cu media : &i dispersia
-
-
, atunci un proces
{ }
t
X
se %ice c este proces a"toregresiv de ordin p dac
H
) * . D (
- - * * t p t p t t t
- X X X X + + + +
Acest model seamn cu modelul regresiei multiple, dar di+eren(a const n +aptul c
t
X
nu este regresat peste variabile independente ci peste valorile din trecut. $e
utili%ea% abrevierea 3'(p) proces.
9rocese de ordinul nti )
* p
&i
) - . D (
* t t t
- X X +
unc(ia autocovarian( este )
( ) ( )
1
1
]
1
,
_
,
_
+ +
5
5 k t
5
i
i t
i
k t t
- - E X X E k
+
:
-
i
i k i
-
pt. : k Aceasta converge n ca%ul
* <
la
( )
-
-
-
*
X
k - k
k
9entru : < k gsim
( ) ( ) k k
.
'eoarece
( ) k
nu depinde de t, un proces 3'(*) este slab sta(ionar dac
* <
.
unc(ia autocorela(ie este )
( )
( )
( )
, - , * , : ,
:
-
-
k
k
k
k
X
X
k
+
t
t
)
!
sau varianta
- -
* * :
-
p t p t
t
)
) )
+ + +
.
$pre deosebire de modelul 3' n care eroarea t
)
este considerat aleatoare,
reparti%at normal &i cu dispersia constant, iar
( )
* *
t t t
! a ! ! E
(media
condi(ionat este dependent de timp), n versiunea lui Angle dispersia erorii este
dependent de timp (de aici ini(ialele C8 adugate lui 3'). 6 variant simpl a
modelului este )
t t t t
) x ! a ! + +
*
, unde ( )
-
* * :
- -
, , : J
+
t
t
)
t
) t
) + )
6 limitare important a modelelor 3'M3 este dat de +aptul c tratea% prea rigid
varian(a condi(ionat a lui k t
X
+ . !lasa proceselor 3'M3 c" heteroscedasticitate
condiional a"toregresiv# sau 3'M343'C8 procese permite varian(ei condi(ionate a lui
t
X
s depind de istoria procesului. 6 serie de timp cu media %ero,
{ }
t
X
, este un
proces p"r 3'C8(*) dac
{ } ( ) * , : J , ,,D ( ( X
t t t t
, (se scrie
{ }
t
X
J3'C8(*)), unde
t
+
t t
X , cu : &i : > . 'eoarece
( )
-
*
- -
*
-
+
t t t t
X % X E
, un
proces 3'C8(*) pentru
t
X
corespunde unui proces 3'(*) pentru .
-
t
X 'ac * : < ,
atunci procesul 3'C8(*) este sta(ionar &i varian(a sa necondi(ionat este
*
-
-
.
'i+eren(a dintre varian(a condi(ionat &i necondi(ionat este ( )
-
-
*
-
-
t t
X .
Avem ( ) ( ) ( ) ( )
-
-
*
-
-
-
*
-
*
+ t t t t t
% X E % X E
**
Repetnd aceast +ormula ob(inem ( ) ( ) , - , * ,
-
-
*
*
-
*
-
+
+
k X % X E
t
k
t k t
Ast+el, ( )
-
*
-
+ k t k t
% X E .
6 generali%are simpl a procesului pur
( ) * 3'C8
este procesul pur
( ) m 3'C8
, unde
- -
* *
- -
m t m t t
X X
+ + + cu
, * , * , : m 5
5
&i
, : >
m
pentru
. r 5 >
'eci un proces
( ) m r ;3'C8 ,
pentru
t
X
corespunde unui proces
( ) r p 3'M3 ,
pentru .
-
t
X
Definiie& 6 serie de timp
{ }
t
X
este numit proces
( ) ( ) m r ;3'C8 q p 3'M3 , ,
dac
satis+ace rela(ia
( ) ( ) ,
t t
( 6 9 X 6 :
{ } ( ) m r ;3'C8 (
t
, J
.
9entru exempli+icarea no(iunilor legate de modelele autoregresive, am +cut in+eren(
statistic pentru determinarea coe+icien(ilor prin metoda celor mai mici ptrate pe datele
din rapoartele anuale ale !omisiei de $upraveg0ere a Asigurrilor &i apoi am e+ectuat
predic(iile ( )
- * *
J
,
?
+ + +
t t t t t
X X X X X , valorilor de interes n dou
ca%uri ) nti predic(ia pas cu pas (adic datele din anul anterior sau din anii anteriori sunt
cele raportate de !$A), apoi predic(ia pe termen lung (ca% n care, n predic(ie, se
+olosesc predic(iile anterioare &i nu datele raportate, deci ar +i ca%ul elaborrii unor
progno%e pe termen lung).
Tabel. 1. 8aloarea total a primelor de asigurare brute ncasate din asigurri directe )
An 9rime totale ncasate
(lei noi)
9rime ncasate n
asigurrile de via(
9rime ncasate
asig. generale
*HHG */:2:--:: E:G/H:: *--/-E/::
*HHE -2*2E2::: *HH22G:: --*1/H/::
*HHH 2-G/H/::: 1:1DH::: /GDE-2:::
-::: DG/EEG/:: *:DD1ED:: 1DG--EG::
-::* *::*-2-1:: -**2G//:: GEHGDH-::
-::- *D21HD1D:: 2*21*2::: *-/*21*D::
-::/ -2--1:EE*:.- 1GH::/:*- *E2/1:1GHE.-
-::2 /-*D/H/HG*.1 DH/22/E/D.- -1--H1:*/1./
$ursa ) Rapoartele Anuale ale !$A
Tabelul 2. 9redic(ii pentru primele brute ncasate din asigurrile directe
Anul 9rime brute
ncasate
S
(X
t
)
9redic(ii pas cu pas
t
X
?
9redic(ii pe termen
lung
t
X
?
?
*-
*HHG */:,2:-,-:: ,,, ,,,
*HHE -2*,2E2,::: /**,G-H,:DD.H /**,G-H,:DD.H
*HHH 2-G,/H/,::: 21E,D12,D**.* 11*,1DD,-G/./
-::: DG/,EEG,/:: G:2,11-,1:G.E EDE,GH/,EDD.2
-::* *,::*,-2-,1:: *,:/:,1E1,-HE *,-EE,/E2,:E1
-::- *,D21,HD1,D:: *,2D/,1G*,:EG *,E2/,/DG,*E:
-::/ -,2--,1:E,E*:.- -,/*D,//-,DGD -,1GG,2/*,1D1
-::2 /,-*D,/H/,HG*.1 /,/2/,22H,H// /,12E,/D-,HE:
-::1 2,/E2,HEG,--G
SS
2,/H/,1:1,:-* 2,E/-,1H/,/HH
S
$ursa ) Rapoartele Anuale ale !$A,
SS
9rime brute subscrise.
Aroarea relativ pentru predic(iile din -::1 este de :.-T n ca%ul pas cu pas &i de -.GT pe
termen lung. 9entru predic(ia ndemni%a(iilor brute pltite de asigurtori pentru
asigurrile directe generale &i de via(, att cumulate ct &i separate, am +olosit dou
modele lineare.
Tabelul 2. $itua(ia pe date de+latate
Anul
9rime brute ncasate
de+latate (X
t
)
9redic(ii
t
X
?
9redic(ii
t
X
J
*HHG */:,2:-,-:: ,,, ,,,
*HHE *G*,G1-,2EH./ *1G,G-H,2G*.G1 ,,,
*HHH *HD,/DE,*E1.E -*:,:E/,1::.-- -:/,H2D,/E-.2*
-::: --:,:1G,EDD.* -2*,-2H,DEG.E- -/D,G:D,///./*
-::* -1:,H-1,/*H.1 -G*,-2/,2/D.GG -DG,DDG,HD:.DD
-::- /1:,*G*,2:* /*:,/-1,:/E.// /:G,DHE,*::./E
-::/ 21*,DEH,*/:.E 2/1,HE*,1-G.2* 2/2,G*1,/HE.HE
-::2 12E,DE1,//2.D 1D2,1*2,*G/.ED 1DG,*D/,:D-.:G
-::1 DEE,GHH,*GE.2 DEG,/--,:DH.21 DH/,HD*,*:2.*:
Aroarea relativ pentru predic(ia din -::1 este de :,-T la modelul de ordinul nti &i de
:,G1T la modelul de ordin doi, iar eroarea relativ total a predic(iilor este de -T la
ambele modele. 9redic(ia pentru -::D este de EG1,-G/,2G2.-/ pentru date de+latate
(1,HH:,:*1,2D2 lei).
Tabelul 3. 9redic(ii pentru ndemni%a(iile (despgubirile) brute pltite
Anul 3ndemni%a(ii
S
(X
t
)
9redic(ii pas cu pas
t
X
?
9redic(ii pas cu pas
t
X
J
*HHG DH,H-1,*:: ,,, ,,,
*HHE *:-,-*-,G:: **2,:--,*/:.H:* ,,,,
*HHH *EH,1EH,H:: *D*,--H,H-2.:HH *H/,2:/,DHD.*H
-::: -2E,HGE,H:: -EE,HE2,/E:.1/H -G/,D::,G*-./G
-::* 2:D,-H/,H:: /G1,E*G,-:E.H/G 2-:,HD1,H/-.:2
-::- D2H,E/-,D:: D:1,E-G,H-2.G*E 1DG,*/E,H*/.E*
-::/ E2-,-DG,H:* HD*,H:D,1D*.-1E EED,-:2,GE-.2D
-::2 *,/**,EGH,::: *,-2/,-DD,GG:.12E *,/:G,1-E,*D2.*/
-::1 *,G1E,G21,1*: *.H-H,EED,1*2.2HE *,GD1,/GG,1-:.E:
S
$ursa ) Rapoartele Anuale ale !$A.
Aroarea relativ a predic(ie
t
X
?
pentru anul -::1 este de H.GT. 'e+inind eroarea relativ
*/
total (AR=) a predic(iilor
t
X
?
ca
( )
t
t
t
t t
X
X X
E'T
-
?
, re%ult c E'T este egal cu
2.-T. Aroarea relativ a predic(iei
t
X
J
pentru anul -::1 este egal cu *.ET.
olosind modelul autoregresiv linear de ordinul nti pentru primele brute ncasate n
contractele directe de asigurri generale (non,li+e) am ob(inut
*
/*-G/ . * 11 . *:/:/21:1
+
t t
X X
cu care am +cut predic(iile din tabelul 2.
Tabelul . 9redic(ii pentru primele brute ncasate din asigurrile generale directe
Anul 9rime brute
ncasate
S
(X
t
)
9redic(ii pas cu pas
t
X
?
9redic(ii pe date
de+latate
*HHG *--,/-E,/:: ,,, ,,,,
*HHE --*,1/H,/:: -D/,D*E,1EH.- *2*,-E2,2DH.E2
*HHH /GD,E-2,::: /H/,E11,EEH.2 *ED,21*,:G:.12
-::: 1DG,--E,G:: 1HG,G:-,E2-.G -:D,2:/,D/2./G
-::* GEH,GDH,-:: E2G,D1-,EEH./ --*,H:1,1G-.*/
-::- *,-/*,21*,D:: *,*/H,GEE,1GE.H -/E,*E*,E-E.E/
-::/ *,E2/,1:1,GHE.- *,G*H,1HE,1*-.2 /-:,-EG,/1:.E-
-::2 -,1--,H1:,*/1./ -,1-/,:D:,DH-./ 2-1,:D/,**-.H1
-::1 /,/2D,HHG,--:
SS
/,2*2,HEG,H1H./ 1/D,*/G,-G/./:
SSS
S
$ursa ) Rapoartele Anuale ale !$A,
SS
9rime brute subscrise,
SSS
/,2*/,*-*,--2.E- lei.
Aroarea relativ pentru predic(ia din anul -::1 este de -,:/T, iar eroarea relativ total a
predic(iilor este de *,G:HT. 9redic(ia pentru volumul primelor brute ncasate din
asigurrile generale directe n -::D este de 2,2HD,G/H,D11.2- lei. 3n ca%ul datelor
de+latate, eroarea relativ a predic(iei pentru -::1 este de *,HG1T, iar eroarea relativ
total a predic(iilor este de -,-H*T.
3n ca%ul asigurrilor de via( modelul ob(inut este *
*H/::G . * /2 . 1H1GGG22
+
t t
X X
,
iar pentru date de+latate este
*
:G:21 . * */-22 . *-2/::**
?
+
t t
X X
.
Tabelul !. 9redic(ii pentru primele brute ncasate din asigurrile de via( directe
Anul 9rime brute
ncasate
S
(X
t
)
9redic(ii pas cu pas
t
X
?
9redic(ii pe date
de+latate
*HHG E,:G/,H:: ,,, ,,,,
*HHE *H,H22,G:: DH,-:H,HD1.1E -*,:G-,G*D.::
*HHH 1:,1DH,::: E/,/G*,H*D.:2 -G,D*2,GH*.*/
-::: *:D,D1E,D:: **H,H:D,H-G.HD /G,/:*,:GG.2-
-::* -**,2G/,/:: *ED,E--,--G.2: 2H,G*/,:EH.G/
-::- 2*2,1*2,::: /**,EDD,H-2./H DH,*D*,EGH.2*
-::/ 1GH,::/,:*- 112,:H1,H1*.2H *:D,E-E,1E1.1/
-::2 DH/,22/,E/D.- G1:,//-,1/1./- *-G,HH/,G*/./*
-::1 *,:/G,HH:,::G
SS
EED,ED*,-DE.-G */H,:1E,1ED.2:
SSS
S
$ursa ) Rapoartele Anuale ale !$A,
SS
9rime brute subscrise,
SSS
EE1,-D1,211.E2 lei.
Aroarea relativ total a predic(iilor este de D,12T, eroarea predic(iei pentru -::1 este de
*2,1T (mare, deci modelul linear de ordinul * nu e recomandabil pentru progno%e aici),
iar predic(ia pentru -::D este de *,-HG,H:G,/2G.H- lei. 3n ca%ul datelor de+latate eroarea
*2
relativ a predic(iei pe -::1 este de *2,GT, iar eroarea relativ total a predic(iilor este de
1,12T.
olosind modelul autoregresiv linear de ordinul doi pentru primele brute ncasate n
contractele directe de asigurri generale (non,li+e) am ob(inut
- *
/2DEED . : *-2*:* . * /- . EE-:ED:D
+ +
t t t
X X X
cu care am +cut predic(iile din
tabelul D.
Tabelul ". 9redic(ii pentru primele brute ncasate din asigurrile generale directe
Anu
l
9rime brute
ncasate
S
(X
t
)
9redic(ii
t
X
J
*HH
G
*--,/-E,/:: ,,,
*HH
E
--*,1/H,/:: ,,,
*HH
H
/GD,E-2,::: /GH,DG1,::*.HH
-::
:
1DG,--E,G:: 1EE,D21,1:*.*1
-::
*
GEH,GDH,-:: E1D,121,1G1.21
-::
-
*,-/*,21*,D:: *,*G-,G1-,*2D.*H
-::
/
*,E2/,1:1,GHE.- *,G2D,22/,G*:.GE
-::
2
-,1--,H1:,*/1./ -,1EG,DDG,2HG.H*
-::
1
/,/2D,HHG,--:
SS
/,1D/,G22,**-.-D
$ursa ) Rapoartele Anuale ale !$A,
SS
9rime brute subscrise.
Aroarea relativ pentru predic(ia din anul -::1 este de D,2T, iar eroarea relativ total a
predic(iilor este de -,21T. 9redic(ia pentru volumul primelor brute ncasate n asigurrile
generale directe este de 2,G-1,G21,2/D.DE R6..
olosind modelul autoregresiv linear de ordinul doi pentru ndemni%a(iile brute &i valorile
de rscumprare pltite n contractele directe de asigurri de via( am ob(inut
- *
:*:1H- . : /G*/E/ . : E*D . *22 , 1H/ , 2*
+ +
t t t
X X X
cu care am +cut predic(iile
din tabelul G.
Tabelul #. 9redic(ii pentru ndemni%a(iile brute &i rscumprrile pltite
n asigurrile de via( directe
Anu
l
3ndemni%a(ii brute
pltite
S
(X
t
)
9redic(ii
t
X
J
*HH
G
*,E1E,G:: ,,,
*HH
E
2,:E-,E:: ,,,
*HH *-,:1/,-:: 2/,*-H,**/.2G
*1
H
-::
:
E,/2/,G:: 2D,**-,G2:./G
-::
*
1G,D//,-:: 22,E*H,1*1.:1
-::
-
*2-,H2G,-:: D/,:E1,1:*.G1
-::
/
D-,2HH,:HE H1,-H*,G*D.*2
-::
2
G1,-E:,2G* DD,/*E,-E-.*2
-::
1
HG,/E1,1-* G:,-*-,HEH.21
S
$ursa ) Rapoartele Anuale ale !$A
Aroarea relativ pentru predic(ia din anul -::1 este de -G,HT (mare R), iar eroarea
relativ total a predic(iilor este de --,E*T. 9redic(ia pentru volumul ndemni%a(iilor
brute pltite n asigurrile de via( directe este de GE,11G,E:*.HG R6.. Avident, erorile
mari arat neadecvarea modelului pentru progno%e. Aceast evolu(ie prea sinuoas a
acestor sume se explic n parte &i prin in+luen(a sc0imbrilor din legisla(ie, care au
rencadrat anumite produse la alt categorie de asigurri, &i prin +aptul c evolu(ia
asigurrilor de via( a nregistrat explo%ii &i prbu&iri.
II. R$%R$SII
(note de curs)
=ermenul a +ost introdus de rancis #alton (*E--,*H**) ntr,o lucrare din *EED n care a
studiat legtura dintre nl(imea ta(ilor &i nl(imea +iilor. Al a observat c din prin(i cu
nl(ime mai mare dect media grupului considerat se nasc copii cu nl(ime mai mic
dect a prin(ilor, iar din prin(i cu nl(ime mai mic dect media grupului se nasc copii
cu nl(ime mai mare dect a prin(ilor. 9rin urmare exist o regresie (;ntoarcere<) ctre
valoarea medie. 3n general, este vorba de modelarea rela(iei de dependen( a unei
variabile de una sau mai multe variabile independente, analog n ca%ul dependen(ei unui
+enomen de unul sau mai mul(i +actori. Ca stabilirea ecua(iei de regresie care s
aproxime%e cel mai bine +orma real a dependen(ei cercetate, concur o serie de procedee
statistice. !el mai simplu este repre%entarea gra+ic a distribu(iilor statistice corelate
(corelograma), gra+icul sugerea% uneori +orma legturii. Alte cerin(e pentru un calcul
statistic corect sunt repre%entate de omogenitatea datelor &i de numrul mare de
observa(ii. 3n calcule se operea% cu mrimi medii, iar media va re+lecta mai bine
propriet(ile tipice ale popula(iei cu ct aceasta este mai omogen. !aracterul omogen sau
neomogen al popula(iei repre%entate prin datele statistice se sesi%ea% prin examinarea
diagramei de dispersie a unit(ilor de observare n raport cu valorile variabilelor corelate.
=endin(a punctelor de a se strnge n dou sau mai multe grupuri ori situarea unor puncte
cu mult n a+ara norilor de puncte eviden(ia% eterogenitatea popula(iei. 3n primul ca%,
solu(ia este de a de%membra distribu(iile statistice con+orm grupelor conturate, urmnd s
se re%olve modelul pentru +iecare grup ob(inut. 3n al doilea ca%, solu(ia este dat de
eliminarea din calcule a observa(iilor ;aberante< +a( de masa observa(iilor.
*D
.otnd cu ! variabila dependent de p variabile independente p
x x x , , ,
- *
, legtura
stocastic poate +i redat printr,o rela(ie de +orma
( ) +
p
x x x f ! , , ,
- *
, unde
este
o variabil aleatoare ce repre%int erorile de observa(ie sau de msurare, iar f este o
+unc(ie determinist denumit f"ncia de regresie. $e consider
( ) : M
(operatorul M
desemnea% media, la +el ca &i operatorul E, aici vom +olosi pentru medie doar M).
8om considera +unc(ia de regresie liniar
( )
p p p
x x x x x x f + + +
- - * * - *
, , ,
$e dispune de n seturi de observa(ii )
n i x !
i
p
5
5 i5 i
, * ,
*
+
, unde
( ) , :
i
M
( ) n i D
i
, * ,
- -
&i
( ) : ,
5 i
Cov
pentru orice
5 i
. .otnd cu x matricea
observa(iilor asupra variabilelor independente, cu
coe+icientul de regresie, cu !
vectorul observa(iilor asupra variabilei rspuns (dependente) &i cu
vectorul
re%iduurilor (abaterilor, erorilor), rela(iile se scriu matriceal sub +orma )
+ x !
Astima(ia coe+icientului de regresie se ob(ine prin metoda celor mai mici ptrate, adic
?
este dat de solu(ia problemei )
( ) ( )
x ! x !
t t
n
i
i
min min min
*
-
Reamintim regulile de derivare pentru vectorul gradient )
( ) ( )
t t
,
&i
( )
P P
t
-
$e ob(ine sistemul ecua(iilor normale ) ! x x x
t t
, unde
t
x este transpusa matricei
x. 3n ca%ul rangului complet, adic
n p x rang
, atunci ( ) p x x rang
t
&i exist
inversa ( )
*
x x
t
. 'eci, solu(ia unic a sistemului de ecua(ii normale este )
( ) ! x x x
t t
*
?
*
*
*
?
?
este nedeplasat, adic ( )
?
M
3ntr,adevr, avem ( ) ( ) ( ) ( )
x * x x * x ! M * x x * x M
t t t t *
*
* *
*
*
?
-). Astima(ia
?
are matricea covarian(elor ) ( ) ( )
*
* -
?
,
?
x * x Cov
t
3ntr,adevr, avem ) ( )
! * x x * x
t t *
*
*
?
( ) ( ) ( ) + +
*
*
* *
*
*
* x x * x x * x x * x
t t t t
,
( ) ( ) ( ) ( ) ( ) [ ]
1
]
1
*
* * *
*
*
? ? ?
,
?
x * x x * * x x * x M M Cov
t t t t
t
( ) ( ) ( )
*
* * *
*
*
x * x x * M * x x * x
t t t t
( ) ( ) ( )
*
* -
*
* * - *
*
*
x * x x * x x * * * x x * x
t t t t
9resupunnd c vectorul erorilor are o reparti(ie normal cu media : &i matricea de
covarian( * $
-
, atunci +unc(ia de verosimilitate a selec(iei este )
*G
( ) ( )
( ) ( )
x ! $
t
x !
n n
n
e $ ! ! ! =
*
-
*
- -
- *
- , , , ,
, unde
$
este determinantul
matricei 8. !utm estima(ia de verosimilitate maxim, notat cu
J
. Avem ecua(ia de
verosimilitate maxim )
( )
:
, , , , ln
- *
n
! ! ! =
Maximi%area +unc(iei de verosimilitate nseamn minimi%area expresiei
( ) ( ) ( )
x ! $ x ! T
t *
A&adar, estima(ia de verosimilitate maxim coincide cu estima(ia dat de metoda celor
mai mici ptrate generali%ate. Astima(ia valorii medii a observa(iilor este
( )
?
x ! M
!omponentele vectorului
( )
! M
se numesc valori a5"state ale lui ! sau valori estimate
ale lui !.
3n ca%ul n care matricea covarian(elor vectorului erorilor este de +orma ,
-
(a&a
numitul ca% al msurtorilor de preci%ii egale), statistica
( ) ( )
? ?
*
-
x ! x !
p n
t
este o estima(ie nedeplasat pentru
-
. 3ntr,adevr, avem ) ( )
t t
x x x x x !
*
?
,
notnd ( ) = , > x x x x =
t t
,
*
re%ult
( ) ( )
? ?
, , , ,
?
- -
x ! x ! > > = = > = , = , > > x !
t
t t
( )
+
5 i
5 i i5
n
i
i ii
t t t
k k > > > >
*
- -
!um ( ) ( ) ( ) ( ) ( ) p , Tr x x x x Tr x x x x Tr Tr=
p p
t t t t
* *
&i
p n Tr= Tr, Tr>
n n
(Tr= este urma matricei =, adic suma elementelor de pe
diagonala principal a matricei), re%ult
( ) ( )
- -
*
- -
*
* *
,
_
,
_
,
_
n
i
k
p n
5 i
M k M k
p n
M
ii 5 i i5
n
i
i ii
Estimaia ridge a parametr"l"i de regresie
n p x rang
Am v%ut c estima(ia celor mai mici ptrate este ( ) ! x x x
t t
*
?
.
$,a constatat c atunci cnd valorile proprii ale matricei x x
t
sunt apropiate de %ero,
distan(a medie dintre vectorul coe+icien(ilor de regresie
&i estima(ia
?
cre&te +oarte
mult &i prin urmare
?
nu mai estimea% bine pe
p
i
t
i
x x Tr
*
* *
.otnd cu = distan(a dintre
?
&i
avem ) ( ) ( )
? ?
-
t
= &i
( ) ( ) ( ) ( ) [ ]
p
i i
t t
x x Tr > Tr > M = M
*
-
*
- - -
*
*E
$e vede c apropierea de %ero a unei valori proprii mre&te distan(a ( ),
-
= M
( )
-
:
lim = M
p
, unde ( ) : ,
*
+
k , k x x *
p
t
.
Aa este o trans+ormare liniar a estima(iei celor mai mici ptrate. 3ntr,adevr, cum
?
x x ! x
t t
avem )
( ) +
?
*
S
x x , k x x
t
p
t
( ) ( ) [ ]
? ?
*
*
+
- , k x x x x
p
t t
,
unde ( ) ( )
*
*
+ x x k , -
t
p
.
8alorile proprii ale matricelor * &i - sunt
( )
i
i
k
*
*
&i
( )
i
i
i
k
-
, unde
p i
i
, * ,
sunt valorile proprii ale matricei x x
t
.
3ntr,adevr,
( ) *
i
veri+ic ecua(ia
:
p
, *
!a%ul
*
este ca%ul degenerat (particular) p
, - k , :
, ca% n care estima(ia ridge
coincide cu
?
.
Avem )
( ) +
,
_
x x , k x x M
t
p
t
*
S
, deci estima(ia ridge este deplasat pentru : > k
. 'e asemenea, avem )
( ) ( ) ( )
?
,
?
,
* *
- S S
Cov , k x x x x , k x x Cov
p
t t
p
t
+ +
,
_
9ier%nd proprietatea de nedeplasare a estima(iei, se pune ntrebarea dac exist o metod
care s mbunt(easc estima(iile prin reducerea deplasrii. 6 asemenea metod este
metoda 5ackknife, prin care se ob(in estima(iile cu acela&i nume. ie
&i
estima(ii
ale lui , atunci estima(ia
* ,
*
,
- *
- *
,
_
r
r
r
?
, este numit estimaie
5ackknife& Aa are deplasarea redus +a( de deplasrile estima(iilor din care provine. 3ntr,
adevr, considernd n volumul selec(iei, parametrul estimat &i
( ) - , * , , +
,
_
i n M
i i
unde ( ) : ,
-
n , pentru
( )
( )
*
,
,
-
*
n
n
r
avem
,
_
,
_
- *
, ? M
. $e veri+ic pritr,un calcul simplu )
( )
( ) ( )
( )
( )
( )
(
+ +
,
_
,
_
,
_
,
_
,
_
,
,
,
, ,
,
*
*
,
-
*
*
* -
-
- * - *
n
n
n
n n
n
M r M
r
? M
( ) )] ,
-
n
9arametrul r poate +i bine ales pentru clase ntregi de estima(ii. Ast+el, cnd
este o
estima(ie deplasat a lui , ba%at pe o selec(ie de volum n, ast+el nct
( ) ( ) n f M +
,
_
* , iar
n f M
atunci din condi(ia
,
_
,
_
- *
, ? M
ob(inem
( )
( ) *
n f
n f
r
.
Axerci(iu )
*H
*). $e dispune de datele lunare privind numrul poli(elor vndute ( t
(
L numrul
poli(elor vndute n luna t),&i c0eltuielile pentru publicitate n mii u.m. ( t
X
) ale unei
societ(i de asigurri )
t
( -1: --: /:: //:
t
X -: -1 /- 2/
a) $ se scrie ecua(ia de regresie a lui ( n raport cu X.
b) olosind metoda mediilor mobile de perioad /, s se extrag trendul seriei
{ }
t t
X
, s
se repre%inte gra+ic &i considernd
:
:
X
, s se determine a &i din procesul
autoregresiv t t t
- X a X + +
* care s minimi%e%e suma ptratelor erorilor, unde
( ) * , : J + -
t
.
-: