Documente Academic
Documente Profesional
Documente Cultură
Previziunile punctuale se obtin pas cu pas, pentru calculul unei previziuni fiind necesare
valorile previzionate aferente perioadelor anterioare pentru termenii autoregresivi dar
si pentru erorile . Reguli de urmat:
- termenii autoregresivi pentru (adica se substituie cu
previziunile obtinute la pasii anteriori;
- termenii autoregresivi pentru se inlocuiesc cu valorile inregistate, aici
fiind cunoscuti termenii seriei ( , , );
- termenii eroare pentru (adica ) se inlocuiesc cu zero, (se
inlocuiesc cu media acestora , deoarece erorile sunt de tip zgomot alb, cu media
0; previziunile optime sunt date de media acestora).
- termenii eroare pentru (adica ) se inlocuiesc cu reziduurile
P=perioada componentei sezoniere; at=niv seriei; bt si component sezoniera sunt generate de:
Fiecare termini din aceasta suma fiind o estimatie pt panta dreptei aferente unui sezon.
- Indicele de sezonalitate este estimate prin metoda rep. la media modala:
- Cele 3 constate alba, beta, delta € (0,1) si sunt determinate din conditiile de minimizare a
erorilor de previziune.
Previziunile in afara perioadei observate, pt un orizont de timp h, sunt calculate utilizand
ultimele estimatii pt at, bt, St-p+h, calculate cu relatia de recurenta:
b) Aditiv
, cu m>0.
Un process {yt} este stationar de ordinal 2 daca sunt indeplinate urmatoarele 3
proprietati:
- E(yt)=miu, oricare t€T
- Var(yt)=sigma patrat, constant in timp; stationaritate in variant
- Cov(yt,yt+h) = gama h, stationaritatea in covarianta care depinde de lungimea intervalului
de timp care separa cele 2 covariante
Stationaritate
In cazul in care yt urmareste o repartitie normal de dimensiune m, daca nu este
introdusa proprietatea de stationaritate a procesului, atunci nr de parametric a acesteia va fi
npatrat+n. In urma aplicarii unor traansformari pt respectarea conditiei de stationaritate a
procesului, nr param se adduce la n+1, deoarece se estimeaza parametrii medie, dispersie
sin covarianta => daca seria nu este stationara, prin transformari ale datelor initiale se
obtine o serie de tip stationar.
Estimarea coeficientilor
In ipostaza stationaritatii, media miu si variant sigma patrat a procesului pot fi estimate
utilizand aceasta singura realizare prin media si dispersia de esantionare. Coeficientul de
autocorealtie rh se estimeaza:
Obs: Daca lungimea seriei este sufficient de mare, T nu difera semnificativ de T-h, atunci dispar
numitorii.(vezi sageataa)
Testarea semnificativitatii rh
Formularea ipostazei: H0: rh=0; H1: rh diferit 0
Uneori pt variant estimatorului se utilizeaza expresia : var(rh)=1/T, este adevarata cand seria
->zgomot alb.
Coef de PACF dintre 2 var separate de h unitati de timp este coeficientul de regresie al variabilei
yt-h in modelul autoregresiv AR(h). Acesta masoara informatia aditionala aduse de variabila yt-h in
exploatarea comportamentului present al lui yt.
Functia de autocorelatie PACF consta in setul de coeficienti ch cu h=1,2,3,… astfel pt
h=1 coef de autocorelatie si coef de autocorelatie partial coincid(r1=c1). Coef de
autocorelatie partial inregistreaza valori in (-1;1) si se interpreteaza la fel ca in econ : 0-leg
slaba, 1-leg puternica)
Estimarea coef de autocorelatie partial
O estimare directa a coef de autocorelatie partial consta in estimarea coef de regresie pt
mai multe regresii:
C1 se estimeaza cu coef de reg al variabilei yt-1 din AR(1) -> yt=a0+c1*yt-1+Et
C2 este coef de regresie al variabilei yt-2 din modelul AR(2) -> yt=a0+a1*yt-1+c2*yt-2+Et
C3 este coef de regresie al var yt-3 din AR(3)->yt=a0+a1*yt-1+a2*yt-2+c3*yt-3+Et
.
.
.
Ch este coef de regrestie al var yt-h din mod autoregresiei AR(h) (yt=a0+a1*yt-1+a2*yt-
2+…+ch*yt-h+Et)
In practica acesti coeficienti nu se calc dupa aceasta procedura ci pe baza rel Yule-
Walker, care exprima rel dintre coef de autocorelatie si coef de autocorelatie partiali .
Setul 2
1. Proces stationar. Definitie, particularitati; proprietati; exemple.
Seria stationara este un concept abstract ideal in plan indentic. Pt o serie de timp se
definesc diferite modele abstracte. O serie de timp stationara in sens restrans exista daca
repartitia vect. aleator (xti) i=1,n depinde numai de diferenta dintre momentele sau
intervalele de timp.Altfel spus, in sens restrans exista orice T real, vectorul al.(xti)i=1,n are
repartitie identica cu cea a vect (xti+T) i=1,n. Astfel, din definitie, se observa ca:
- O serie de timp este stationara in sens restrans daca : E(xt) – const. pt orice t
- Seriile pot avea aceeasi medie , dar caratc.diferite: defazaj, amplitudine.
- In ec, seriile de timp se intalnesc sub forma proceselor care nu prezinta tendinta de
evolutie. Aceasta situatie se poate intalni direct sau indirect dupa ce s-a eliminat
component secventiala si/sau sezoniera. Amplitudinea unei serii stationare prezinta
interes pt vectorul comp. aleator al unei serii de timp.
O serie de timp este stationara in sens larg daca sunt satisfacute urm. 2 conditii:
Proprietati+exemplu:
3.
4. Functia de autocorelatie ACF: definire, relatie de calcul, particularitati,
estimare.
Estimarea ACF este o etapa imp in identificarea unui model de tip ARIMA. Estimarea fct
revina la det unor coef de autocorelatie(corelaite liniara) pt fiecare cuplu Yt,Yt-h
Consideram un proces stationar. Functia de autocorelatie se defineste prin:
,
si masoara corelatia liniara dintre doua variabile Yt si Yt-k separate de k unitati de timp.
Pentru k=1 respectiv k=2 coeficientul de autocorelatie devine
Observatii:
3.
4. functia de autocorelatie este o functie para.
Pentru un proces de tip zgomot alb, functia de autocorelatie devine:
.
variabille fiind necorelate.
Estimarea functiei de autocorelatie este o etapa importanta in faza de identificare a unui
model de tip ARIMA modelului. Graficul functiei de autocorelatie se
numeste corelograma si ofera informatii importane privind comportamentul seriei.
Estimarea functiei revine la calculul unor coeficienti de autocorelatie (corelatie liniara)
pentru fiecare cuplu (Yt, Yt-k):
Estimarea coeficientilor de autocorelatie
In practica dispun de o serie cronologica Y1, ., YT (esantion finit in timp, si o singura
observatie pentru fiecare variabila aleatoare ). In ipoteza stationalitatii, media si
varianta procesului pot fi estimate utilizand aceasta singura realizare, prin media
respectiv varianta de esantionare:
.
Coeficientul de autocorelatie se estimeaza prin:
respectiv
daca lungimea seriei este suficient de mare (si astfel T-k nu difera foarte mult de T).
Testarea semnificativitatii rh:
Formularea ipotezei : Ho: rh=0, H1: rh diferit de 0.
Uneori pt variant estimatorului se utilizeaza expresia : var(rh)=1/T, este adevarata cand seria
->zgomot alb.
expresia (expresie adecvata de fapt doar atunci cand seria este de tip zgomt
alb).
Consideram un proecs stationar ACF este rh = gama h/gama 0 = E(Yt-miu)(yt-h –
miu)/E(yt-miu)^2 si masoara corelatiile liniare dintre variab aleatoare Yt si yt-h, separate
prin h unitati de timp.
Obs: Daca seria este stationara, fct de autocorelare este o functie para. Rh=r-h
Pt h=1 si h=2 coef de autocorelatie sunt
SISTEM
R1 = E[(yt-miu)(yt-1-miu)]/E(yt-miu)^2
R2 = E[(yt-miu)(yt-2-miu)]/E(yt-miu)^2
Rh apartine -1 1
Gama 0 = [E(yt-miu)^2] = Var(yt) = sigma^2
=delta2yt=(I-2F+F2)yt
10.
12.
13. Procese de tip TS(nestationarea de tip determinist); continut, forma
de reprezentare, paricularizare, procedura de stationalizare.
Forma: yt=pt+εt; pt-polin.in raport cu variabila timp; εt-proces stationar ce poate fi repr
printr-un process autorgr de tip ARIMA(p,q)
Dacc pt=α+βt+ εt, iar εt-un zgomot alb, at proc.se repr astfel:yt= α+βt+ εt
Caracteristici:
-media proc.este dependent de timp;
E(yt)= α+βt
-variana proc.este ct.in timp, aceasta fiind stabilita in raport cu varianta zgomotului alb; cov
este :
Var(yt)=var(α+βt+ εt)=E[yt-E(yt)]2=T2 ε
-covarianta acestui proces este:
cov(yt,yt’)=0;
Pentru acest process trendul este natura determinista, variant fiind constanta in
timp.Pentru acest process efectul produs de un soc aleator este unul tranzitoriu.Din acest
motiv variant seriei este marginita.
Ptr stationalizarea seriei se parcurg urm etape:
a) se estimeaza param pol –pt- prin MCMMP;
b) se obt seria stationara εt-yt-^yt=yt-( ^α+^βt). Aceasta serie se poate repr printr-un proces
autoregr.de tip ARIMA(p,q)
Ptr stationarizare DS-se aplica operatorul de dif de ordin 1. In general, dc proc.DS este repr
prin rel (1-L)^D *yt= β +εt, ptr obt. unui proces stat. se aplica op de diferentiere de ord D.
are o singura radacina pe cercul unitate (in modul egala cu 1). Seria este stationara prin
diferentiere sau este integrata de ordinul 1 (sau are o radacina unitate, "unit root"), si se
noteaza prin I(1). Radacinile unitate, adica radacinile polinomului autoregresiv ce se afla pe
cercul unitate se refera doar la comonenta stochastica a seriei. Majoritatea seriilor din
economie sunt nestationare in medie dar diferenta de ordin
intai devine stationara. Daca sunt necesare doua diferentieri
succesive pentru ca seria sa devina stationara:
Aceasta este cea mai importanta (mai ales ca este implicata si in strategia
BOX_JENKINS) dar si ccea mai dificila. In acest sens sunt utile functiile de
autocorelatie si de autocorelatie partiala estimate deoarce faciliteaza obtinerea valorilor
plauzibile(adecvate) pentru p,d si q.
In general, pentru validarea rezultatelor se folosescȘ
- Teste statistice
- Analizarea prop rezidului estimat pentru fiecare model autoregresiv explicitat- varianta
rezidului estimat, raportul de corelatie, statistica F etc.
- Indicatorii ce au la baza teoria informatiei determinati in functie de parametrii si
dimensiunea seriei de date
lungimea seriei fiind T=70 iar iar reziduul aferent ultimei observatii
este . Previziuni punctuale:
h = 1;
h=2; .