Szeregi czasowe I

Informacje ogólne

Kod przedmiotu:	1000-135SC1
Kod Erasmus / ISCED:	11.923 Kod klasyfikacyjny przedmiotu składa się z trzech do pięciu cyfr, przy czym trzy pierwsze oznaczają klasyfikację dziedziny wg. Listy kodów dziedzin obowiązującej w programie Socrates/Erasmus, czwarta (dotąd na ogół 0) – ewentualne uszczegółowienie informacji o dyscyplinie, piąta – stopień zaawansowania przedmiotu ustalony na podstawie roku studiów, dla którego przedmiot jest przeznaczony. / (0619) Komputeryzacja (inne) Kod ISCED - Międzynarodowa Standardowa Klasyfikacja Kształcenia (International Standard Classification of Education) została opracowana przez UNESCO.
Nazwa przedmiotu:	Szeregi czasowe I
Jednostka:	Wydział Matematyki, Informatyki i Mechaniki
Grupy:
Punkty ECTS i inne:	(brak) Podstawowe informacje o zasadach przyporządkowania punktów ECTS: roczny wymiar godzinowy nakładu pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się dla danego etapu studiów wynosi 1500-1800 h, co odpowiada 60 ECTS; tygodniowy wymiar godzinowy nakładu pracy studenta wynosi 45 h; 1 punkt ECTS odpowiada 25-30 godzinom pracy studenta potrzebnej do osiągnięcia zakładanych efektów uczenia się; tygodniowy nakład pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się pozwala uzyskać 1,5 ECTS; nakład pracy potrzebny do zaliczenia przedmiotu, któremu przypisano 3 ECTS, stanowi 10% semestralnego obciążenia studenta. zobacz reguły punktacji
Język prowadzenia:	angielski
Rodzaj przedmiotu:	fakultatywne
Założenia (lista przedmiotów):	Rachunek prawdopodobieństwa II (potok I) 1000-115aRP2a
Skrócony opis:	Wykład ma na celu zapoznanie słuchaczy z podstawowymi metodami konstruowania modeli szeregów czasowych oraz sposobami wykorzystania tych modeli w prognozowaniu.
Pełny opis:	Wykład ma na celu zapoznanie słuchaczy z podstawowymi metodami konstruowania modeli szeregów czasowych oraz sposobami wykorzystania tych modeli w prognozowaniu. Dobór problematyki omawianej na wykładzie został podporządkowany ćwiczeniom, stanowiącym integralną część kursu, które będą odbywać się w laboratorium komputerowym. W trakcie ćwiczeń szczegołowo zapoznamy sie z możliwosciami modułu "Szeregi czasowe i prognozowanie" programu Statistica 5. Będziemy rownież używać internetowych narzędzi służących analizie szeregów czasowych oraz systemu R. Na zajęciach zostaną omówione: 1. liniowe i nieliniowe modele regresyjne (z różnymi funkcjami strat); 2. modele wygładzania wykładniczego: średnie ruchome, sezonowe i niesezonowe wygładzanie wykładnicze; 3. modele dekompozycji sezonowej (metody Census); 4. modele liniowe autoregresyjne, średniej ruchomej, mieszane (tj. ARMA), ARIMA, ARIMA z interwencją, SARIMA.
Literatura:	P.J. Brockwell, R.A. Davis - Introduction to time series and forecasting. Springer-Verlag, New York, 1996. W. Vandaele - Applied time series and Box-Jenkins models. New York, Academic Press, 1983. G.E.P. Box, G.M. Jenkins - Analiza szeregów czasowych. PWN, Warszawa, 1983. Literatura dodatkowa: P.J. Brockwell, R.A. Davis - Time series: theory and methods. Springer-Verlag, New York, 1987. J.D. Hamilton - Time series analysis. Princeton University Press, Princeton, 1994. R. Tsay - Analysis of financial time series. John Wiley & Sons, Inc., New York, 2002. S. Makridakis, S.C. Wheelwright, R.J. Hyndman - Forecasting methods and applications. John Wiley and Sons, New York, 1998.
Efekty uczenia się:	Wiedza i umiejętności: 1. Zna pojęcie procesu stochastycznego, koncepcję silnej i słabej stacjonarności szeregów czasowych, błądzenia losowego. 2. Zna metody analizy z użyciem procesu autoregresyjnego i średniej ruchomej; wyrównywania wykładniczego. 3. Poznał metody prognoz i miary ich precyzji. 4. Zna zasady analizy spektralnej szeregu czasowego. 5. Zna metody estymacji wielorównaniowych modeli szeregów czasowych, w tym z użyciem metody największej wiarygodności. 6. Zna metody wektorowej autoregresji, estymacji funkcji reakcji na impulsy; zna pojęcie przyczynowości w sensie Grangera i metody jej testowania. 7. Zna warunki stacjonarności i metody jej testowania, sposoby sprowadzania szeregów do postaci stacjonarnej. 8. Poznał metody analizy zmienności, w tym metody ARCH i pochodne. 9. Umie analizować współzależności z użyciem metod kointegracji. Kompetencje społeczne: 1. Umiejętność analizy szeregów czasowych w badaniu zjawisk społeczno-ekonomicznych i finansowych

Przedmiot nie jest oferowany w żadnym z aktualnych cykli dydaktycznych.

Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Uniwersytet Warszawski.