Uniwersytet Warszawski - Centralny System Uwierzytelniania
Strona główna

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.
ul. Banacha 2
02-097 Warszawa
tel: +48 22 55 44 214 https://www.mimuw.edu.pl/
kontakt deklaracja dostępności mapa serwisu USOSweb 7.1.2.0-bc9fa12b9 (2025-06-25)