Modely nestacionárních časových řad
Diplomová práce shrnuje tři základní přístupy k modelování nestacionárních časových řad a klade důraz na jejich aplikaci na reálnou časovou řadu v programovém prostředí R-language. První přístup - přístup deterministický používá lineární regresi a modeluje nestacionaritu trendu jako funkci času. Box...
Uloženo v:
| Hlavní autor: | |
|---|---|
| Další autoři: | |
| Typ dokumentu: | VŠ práce nebo rukopis |
| Jazyk: | Čeština |
| Vydáno: |
2014
|
| Témata: | |
| On-line přístup: | http://is.muni.cz/th/323713/prif_m/ |
| Shrnutí: | Diplomová práce shrnuje tři základní přístupy k modelování nestacionárních časových řad a klade důraz na jejich aplikaci na reálnou časovou řadu v programovém prostředí R-language. První přístup - přístup deterministický používá lineární regresi a modeluje nestacionaritu trendu jako funkci času. Box - Jenkinsova metodologie chápe celou časovou řadu jako řadu stochastického charakteru a modeluje ji na základě studie vnitřních autokorelačních vztahů. Dynamické lineární modely data modelují prostřednictvím datové a stavové rovnice. This thesis summarizes three basic aproaches to the modelling of non-stationary time series. The emphasis is placed on application to a real time series using the R programming language. The first approach is deterministic, utilizes the linear regression and models the non-stationariness of trend as a time function. The Box-Jenkins methodology understands the whole time series as a series of stochastic character. A model is then created based on a study of it's inner autocorrelation relationships. Finally, dynamic linear models describes data using state space equations. |
|---|---|
| Popis jednotky: | Vedoucí práce: Marie Forbelská |
| Fyzický popis: | 64 l. + 1 CD-ROM |