Finansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 9. Analys av Tidsserier (LLL kap 18) Tidsserie data
|
|
- Marcus Vikström
- för 5 år sedan
- Visningar:
Transkript
1 Finansiell Saisik (GN, 7,5 hp,, HT 008) Föreläsning 9 Analys av Tidsserier (LLL kap 8) Deparmen of Saisics (Gebrenegus Ghilagaber, PhD, Associae Professor) Financial Saisics (Basic-level course, 7,5 ECTS, Auumn 008) Tidsserie daa Numerisk daa ordnad över id Tidsinervall kan vara år, kvaral, dag, vecka, imme, ec. Ordningsföljden (sekvensen) av observaionerna är vikig Exempel: Year: Sales:
2 Tidsserie plo En vå-dimensionell plo med variabeln i y-axis och idsenheen i x-axis Inflaion Rae (%) 6,00 4,00,00 0,00 8,00 6,00 4,00,00 0, Year Tidsserie Komponener Tidsserie Trend Komponen Seasonaliy Komponen Cyclical Komponen Irregular Komponen
3 Trend Komponen Långsikig ökning eller minskning över iden (allmän uppå eller nedå mönser) Daa över e lång idsperiod Försäljning Uppå rend Tid Trend Komponen Trend kan vara uppå eller nedå Trend kan bli linjär eller icke-linjär Försäljning Försäljning Uppå linjär rend Tid Uppå icke-linjär rend Tid
4 Säsong Komponen Korsikig mönser som upprepas regelbunde Glass försäljning Paraply försäljning Försäljning Viner Sommar Viner Vår Sommar Hös Vår Hös Tid (kvaral) Cyclical Componen Långsikig mönser Kan vara regelbunde men kan variera i längden av id Mäs ofa från peak ill peak eller rough ill rough Försäljning Cycle År
5 Irregular Komponen Oberäknelig (oförusägbar), slumpmässig, residual skifning (variaion, osadighe) På grund av Naur Olyckor eller ovanliga händelser Brus ( noise ) i idsserien Analys av Tidsserie Komponener Används ofa i samband med prognos Observerad värde i idsserien är summan eller produken av komponenerna: Addiiv modell X = T + S + C I Muliplikaiv modell (linjär efer log-ransformaion) X = T S C I där T = värde på rend komponenen vid id S = värde på säsong komponenen vid id C = värde på cyclical komponenen vid id I = värde på irregular vid id
6 Ujämning av idsserie Beräkna glidandemedelvärde (moving averages) för a få allmän inryck på mönsre över iden Dea ujämnar bor den irregular komponenen Glidandemedelvärde: medelvärde av e anal på varandra eferföljande värden i idsserien. (m+)-punk glidandemedelvärde E serie av arimeiska medelvärden över iden Resulaen berör på vale av m (# daavärde i varje medelvärde) Exempel: För e 5 årig glidandemedelvärde är m = För e 7 årig glidandemedelvärde är m = 3 osv. Ersä x med X m * = X+ j ( = m +,m +, K,n m) m + j= m
7 Glidandemedelvärden: Exempel Exempel: 5-årig glidandemedelvärden Försa glidandemedelvärden: x + x = + x3 + x 5 Andra glidandemedelvärden: + x * 4 5 x5 x = + x + x4 + x 5 + x * x6 osv. Exempel: Årlig daa Year Sales Annual Sales osv osv Sales Year
8 Year Beräkning av glidandemedelvärden Lå m = Sales osv Average Year 5-Year Moving Average = 5 Varje glidandemedelvärde är för (m+) på varandra eferföljande år Original (årlig) daa och glidandemedelvärden Den 5-årig glidandemedelvärden ujämnar daamaeriale och visar den underliggande renden ydligare. Sales Annual vs. 5-Year Moving Average Year Annual 5-Year Moving Average
9 Glidande medelvärde (i Miniab) Cenrerade Glidande medelvärden Ana a idsserien har s perioder, där s är e jämn nummer. ex., s = 4 for kvaralsdaa och s = for månadsdaa. För a få e serie på cenrerade s-punk glidande medelvärde X *: Bilda s-punk glidande medelvärdena enlig s/ s s s x * x +.5 = j, =, +, +,, n + K s j (s/) = + Bilda cenrerade s-punk glidande medelvärdena enlig x x + x * * * = ( = s +, s +, K,n s ) s
10 Cenrerade Glidande Medelvärde Lämplig när de finns e jämn anal värde i beräkningen av glidande medelvärden. Medelperioder som.5 eller 3.5 machar ine med originella perioder, därför ar vi genomsni av vå eferföljande glidande medelvärden för a få de cenrerade glidande medelvärdena. Medel- Period 4-kvar glidande medelvärde osv Cenrerad Period Cenrerad glidande medelvärde Beräkning av kvoen ill glidande medelvärden Vi vill nu skaa säsong effeken Dividera den verkliga försäljningen med den cenrerade glidande medelvärden för samma period: x 00 x *
11 Beräkning av Säsongsindex Kvaral Försälj. Cenrerad Glidande Medelvärde Kvo ill glidande medelvärde ec ec x 5 00 (00) x * = = 83.7 Beräkning av Säsongsindex Kvaral Försäl Cenrerad Glidande Medelvärde Kvo ill glidande medelvärde Hös Hös Hös ec ec. Hia medianen av alla värden med samma säsong. Jusera så a medelvärden över alla säsong blir 00.
12 Tolkning av Säsongsindex Ana a vi fick följande säsongindex: Säsong Säsong- Index Vår 0.85 Sommar.30 Hös 0.90 Viner Tolkningen: Försäljningen i vår är i genomsni 8.5% av den genomsniliga årlig försäljningen Försäljningen under sommar är i 3.0% högre än den genomsniliga årlig försäljningen osv Σ = 4.000: fyra säsong, så blir summan 4. Enkel Exponeniell Ujämning Är e vikad glidande medelvärde Vikerna avar exponeniell Senas ( färska ) observaioner får sörre vik, medan viken minskar ju äldre observaionerna blir. Används för ujämning och korsiklig prognos (ofa e eller vå perioder framå)
13 Enkel Exponeniell Ujämning Viken (ujämningskoefficienen) är α Väljs subjekiv Är mellan 0 och Mindre α leder ill mer ujämning, sörre α leder ill mindre ujämning. Viken är: Lien (nära 0) om syfe är a jämna bor oönskad cyclical och irregular komponener Sor (nära ) om syfe är a göra prognos Enkel Exponeniell Ujämningsmodellen Enkel Exponeniell Ujämningsmodellen: x ˆ = x xˆ = x + ( )xˆ (0 < < ; =, K,n) där: xˆ = exponeniellujämna värde för period xˆ - = exponeniellujämna värde för perioden innan ( ) x = observerade värde för α = viken (ujämningskoefficienen), 0 < α <
14 Enkel Exponeniellujämning: Exempel Ana a vi använder α =. xˆ = 0.x + ( 0.)xˆ Tids Period () Försälj. (X ) Ujämna perioden innan ( ) xˆ - Exponeniellujämna värde för period ( ) xˆ osv osv osv. 3 (.)()+(.8)(3)=6.4 (.)(5)+(.8)(6.4)=6. (.)(7)+(.8)(6.)=6.96 (.)(3)+(.8)(6.96)=7.4 (.)(48)+(.8)(7.4)=3.549 (.)(48)+(.8)(3.549)=3.8 (.)(33)+(.8)(3.8)=3.87 (.)()+(.8)(3.87)= (.)(50)+(.8)(33.697)= osv. xˆ = x efersom vi har ingen annan prior info. Observerade vs. Ujämnade försäljningen Sales 30 0 Osadigheen (flucuaions) är ujämna Time Period Sales Smoohed
15 Prognos för idsperiod ( + ) Ujämnade värden vid idsperiod används som prognos för näsa idsperiod ( + ) Vid id n, vi får prognos av framida värden, X n+h enlig xˆ n h = xˆ + n (h =,,3K) Exponeniellujämning i Miniab
Föreläsning 8. Kap 7,1 7,2
Föreläsning 8 Kap 7,1 7,2 1 Kap 7: Klassisk komponenuppdelning: Denna meod fungerar bra om idsserien uppvisar e saisk mönser. De är fyra komponener i modellen: Muliplikaiv modell: Addiiv modell: där y
Läs merFöreläsning 7 Kap G71 Statistik B
Föreläsning 7 Kap 6.1-6.7 732G71 aisik B Muliplikaiv modell i Miniab Time eries Decomposiion for Försäljning Muliplicaive Model Accurac Measures Från föreläsning 6 Daa Försäljning Lengh 36 NMissing 0 MAPE
Läs merTidsserieanalys. Vad karaktäriserar data? Exempel:
Tidsserieanalys Exempel: Vad karakäriserar daa? Observaionerna är ine oberoende Observaionerna ger e mönser över iden ex sigande värden med iden ex periodisk variaion över en idsperiod av besämd längd
Läs merbättre säljprognoser med hjälp av matematiska prognosmodeller!
Whiepaper 24.9.2010 1 / 5 Jobba mindre, men smarare, och uppnå bäre säljprognoser med hjälp av maemaiska prognosmodeller! Förfaare: Johanna Småros Direkör, Skandinavien, D.Sc. (Tech.) johanna.smaros@relexsoluions.com
Läs merKursens innehåll. Ekonomin på kort sikt: IS-LM modellen. Varumarknaden, penningmarknaden
Kursens innehåll Ekonomin på kor sik: IS-LM modellen Varumarknaden, penningmarknaden Ekonomin på medellång sik Arbesmarknad och inflaion AS-AD modellen Ekonomin på lång sik Ekonomisk illväx över flera
Läs merFÖRDJUPNINGS-PM. Nr 4. 2010. Räntekostnaders bidrag till KPI-inflationen. Av Marcus Widén
FÖRDJUPNNGS-PM Nr 4. 2010 Ränekosnaders bidrag ill KP-inflaionen Av Marcus Widén 1 Ränekosnaders bidrag ill KP-inflaionen dea fördjupnings-pm redovisas a en ofa använd approximaiv meod för beräkning av
Läs merFöreläsning 2. Prognostisering: Prognosprocess, efterfrågemodeller, prognosmodeller
Föreläsning 2 Prognosisering: Prognosprocess, eferfrågemodeller, prognosmodeller Kurssrukur Innehåll Föreläsning Lek1on Labora1on Inroduk*on, produk*onsekonomiska grunder, produk*onssysem, ABC- klassificering
Läs merFinansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 3
Finansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 3 Kontinuerliga sannolikhetsfördelningar (LLL Kap 7 & 9) Department of Statistics (Gebrenegus Ghilagaber, PhD, Associate Professor) Financial Statistics
Läs mern Ekonomiska kommentarer
n Ekonomiska kommenarer Riksbanken gör löpande prognoser för löneuvecklingen i den svenska ekonomin. Den lönesaisik som används som bas för Riksbankens olika löneprognoser är den månaliga konjunkurlönesaisiken.
Läs merFREDAGEN DEN 21 AUGUSTI 2015, KL 14-18. Ansvarig lärare: Helene Lidestam, tfn 282433 Salarna besöks ca kl 15.30
Tekniska högskolan vid LiU Insiuionen för ekonomisk och indusriell uveckling Produkionsekonomi Helene Lidesam TENTAMEN I TPPE13 PRODUKTIONSEKONOMI för I,Ii FREDAGEN DEN 21 AUGUSTI 2015, KL 14-18 Sal: Provkod:
Läs merFöreläsning 8 Kap G71 Statistik B
Föreläsning 8 Kap 6.8 732G71 Saisik B Y Saionarie 25 2 För en saionär idsserie gäller 15 1 E(y ) = Var(y ) = 2 Corr(y, y -k ) beror bara av k (idsavsånde) och allså ine av. Uryck i ord: korrelaionen på
Läs merOm antal anpassningsbara parametrar i Murry Salbys ekvation
1 Om anal anpassningsbara paramerar i Murry Salbys ekvaion Murry Salbys ekvaion beskriver a koldioxidhalen ändringshasighe är proporionell mo en drivande kraf som är en emperaurdifferens. De finns änkbara
Läs mer732G71 Statistik B. Föreläsning 8. Bertil Wegmann. IDA, Linköpings universitet. Bertil Wegmann (IDA, LiU) 732G71, Statistik B 1 / 23
732G71 Statistik B Föreläsning 8 Bertil Wegmann IDA, Linköpings universitet Bertil Wegmann (IDA, LiU) 732G71, Statistik B 1 / 23 Klassisk komponentuppdelning Klassisk komponentuppdelning bygger på en intuitiv
Läs merLaborationstillfälle 4 Numerisk lösning av ODE
Laboraionsillfälle 4 Numerisk lösning av ODE Målsäning vid labillfälle 4: Klara av laboraionsuppgif 3. Läs förs een om differensmeoder och gör övningarna. Läs avsnie Högre ordningens differenialekvaioner
Läs merRealtidsuppdaterad fristation
Realidsuppdaerad frisaion Korrelaionsanalys Juni Milan Horemuz Kungliga Tekniska högskolan, Insiuion för Samhällsplanering och miljö Avdelningen för Geodesi och geoinformaik Teknikringen 7, SE 44 Sockholm
Läs merKonsumtion, försiktighetssparande och arbetslöshetsrisker
Fördjupning i Konjunkurläge juni 12 (Konjunkurinsiue) Konjunkurläge juni 12 75 FÖRDJUPNING Konsumion, försikighessparande och arbeslöshesrisker De förvänade inkomsborfalle på grund av risk för arbeslöshe
Läs merRegressions- och Tidsserieanalys - F8
Regressions- och Tidsserieanalys - F8 Klassisk komponentuppdelning, kap 7.1.-7.2. Linda Wänström Linköpings universitet November 26 Wänström (Linköpings universitet) F8 November 26 1 / 23 Klassisk komponentuppdelning
Läs merKorttidsprediktering av restider med Holt-Winters metod
Examensarbee LITH-ITN-KTS-EX--05/050--SE Koridspredikering av resider med Hol-Winers meod Andreas Allsröm 2005-10-14 Deparmen of Science and Technology Linköpings Universie SE-601 74 Norrköping, Sweden
Läs merLektion 4 Lagerstyrning (LS) Rev 20130205 NM
ekion 4 agersyrning (S) Rev 013005 NM Nedan följer alla uppgifer som hör ill lekionen. De är indelade i fyra nivåer där nivå 1 innehåller uppgifer som hanerar en specifik problemsällning i age. Nivå innehåller
Läs merModeller och projektioner för dödlighetsintensitet
Modeller och projekioner för dödlighesinensie en anpassning ill svensk populaionsdaa 1970- Jörgen Olsén juli 005 Presenerad inför ubildningsuskoe inom Svenska Akuarieföreningen den 1 sepember 005 Modeller
Läs merPerspektiv på produktionsekonomi - en introduktion till ämnet
Perspekiv på produkionsekonomi - en inrodukion ill ämne Fredrik Olsson (fredrik.olsson@iml.lh.se) Ins. för Teknisk ekonomi och logisik LTH, Lunds universie Vad är produkionsekonomi? (eng. ~ Producion &
Läs merTidsserier, forts från F16 F17. Tidsserier Säsongrensning
Tidsserier Säsongrensning F7 Tidsserier forts från F6 Vi har en variabel som varierar över tiden Ex folkmängd omsättning antal anställda (beroende variabeln/undersökningsvariabeln) Vi studerar den varje
Läs merSkattning av respirationshastighet (R) och syreöverföring (K LA ) i en aktivslamprocess Projektförslag
Beng Carlsson I ins, Avd f sysemeknik Uppsala universie Empirisk modellering, 009 Skaning av respiraionshasighe R och syreöverföring LA i en akivslamprocess rojekförslag Foo: Björn Halvarsson . Inledning
Läs merPrognoser av ekonomiska tidsserier med säsongsmönster
Uppsala universie Saisiska Insiuionen C-uppsas i Saisik Handledare: Johan Lyhagen Prognoser av ekonomiska idsserier med säsongsmönser - En empirisk meodjämförelse Eliza Leja Jonahan Sråle 2011-05-17 Sammanfaning
Läs merPass Througheffekten i svenska importpriser
NATIONALEKONOMISKA INSTITUTIONEN 27-6-5 Uppsala Universie Magiseruppsas Förfaare: Anders Svensson Handledare: Annika Alexius VT7 Pass Througheffeken i svenska imporpriser en empirisk sudie Sammanfaning
Läs merFörord: Sammanfattning:
Förord: Denna uppsas har illkommi sedan uppsasförfaarna blivi konakade av Elecrolux med en förfrågan om a undersöka saisikmodulen i deras nyimplemenerade affärssysem. Vi vill därför acka vår handledare
Läs merVäxelkursprognoser för 2000-talet
Naionalekonomiska insiuionen Kandidauppsas Januari 28 Växelkursprognoser för 2-ale Handledare Thomas Elger Fredrik NG Andersson Förfaare Kenh Hedberg Sammanfaning Tiel: Växelkursprognoser för 2-ale Ämne/kurs:
Läs merInformationsteknologi
Föreläsning 2 och 3 Informaionseknologi Några vikiga yper av maemaiska modeller Blockschemamodeller Konsaner, variabler, paramerar Dynamiska modeller Tillsåndsmodeller en inrodkion Saiska samband Kor översik
Läs merFöljande uttryck används ofta i olika problem som leder till differentialekvationer: Formell beskrivning
OLIKA TILLÄMPNINGAR AV DIFFERENTIAL EKVATIONER Följande uryck används ofa i olika problem som leder ill differenialekvaioner: Tex Formell beskrivning A är proporionell mo B de finns e al k så a A=kB A
Läs merJämställdhet och ekonomisk tillväxt En studie av kvinnlig sysselsättning och tillväxt i EU-15
Examensarbee kandidanivå NEKK01 15 hp Sepember 2008 Naionalekonomiska insiuionen Jämsälldhe och ekonomisk illväx En sudie av kvinnlig sysselsäning och illväx i EU-15 Förfaare: Sofia Bill Handledare: Ponus
Läs merFinansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 1
Finansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 1 Sannolikhetslära (LLL Kap 5) Department of Statistics (Gebrenegus Ghilagaber, PhD, Associate Professor) Financial Statistics (Basic-level course,
Läs merAmbulanslogistik - prognostisering av ambulansuppdrag
Examensarbee LITH-ITN-KTS-EX--07/009--SE Ambulanslogisik - prognosisering av ambulansuppdrag Erik Magnusson 2007-03-20 Deparmen of Science and Technology Linköpings Universie SE-601 74 Norrköping, Sweden
Läs merFinansiell Statistik (GN, 7,5 hp,, VT 2009) Föreläsning 2. Diskreta Sannolikhetsfördelningar. (LLL Kap 6) Stokastisk Variabel
Finansiell Statistik (GN, 7,5 hp,, VT 009) Föreläsning Diskreta (LLL Kap 6) Department of Statistics (Gebrenegus Ghilagaber, PhD, Associate Professor) Financial Statistics (Basic-level course, 7,5 ECTS,
Läs merBackground Facts on Economic Statistics
Background Facs on Economic Saisics 2003:12 En illämpning av TRAMO/SEATS: Den svenska urikeshandeln 1914 2003 An applicaion of TRAMO/SEATS: The Swedish Foreign Trade Series 1914 2003 Exporen år 1914-2003
Läs merSkillnaden mellan KPI och KPIX
Fördjupning i Konjunkurläge januari 2008 (Konjunkurinsiue) Löner, vinser och priser 7 FÖRDJUPNNG Skillnaden mellan KP och KPX Den långsikiga skillnaden mellan inflaionsaken mä som KP respekive KPX anas
Läs mer2009-11-20. Prognoser
29--2 Progoser Progoser i idsserier: Gissa e framida värde i idsserie killad geemo progoser i regressio: De framida värde illhör ie daaområde. fe med e progosmodell är a göra progos, ie a förklara de hisoriska
Läs merOrdinära differentialekvationer,
Ordinära dierenialekvaioner ODE:er sean@i.uu.se I is a ruism ha nohing is permanen excep change. - George F. Simmons ODE:er är modeller som beskriver örändring oa i iden Modellen är beskriven i orm av
Läs merF11. Kvantitativa prognostekniker
F11 Kvantitativa prognostekniker samt repetition av kursen Kvantitativa prognostekniker Vi har gjort flera prognoser under kursen Prognoser baseras på antagandet att historien upprepar sig Trenden följer
Läs merFöljande uttryck används ofta i olika problem som leder till differentialekvationer: Formell beskrivning
OLIKA TILLÄMPNINGAR AV DIFFERENTIAL EKVATIONER Följande uryck används ofa i olika problem som leder ill differenialekvaioner: Tex Formell beskrivning A är proporionell mo B de finns e al k så a A=kB A
Läs merFinansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 4 (del 1)
Fiasiell Statistik (GN, 7,5 hp,, HT 008) Föreläsig 4 (del 1) Sampligfördeligar (LLL Kap 8) Departmet of Statistics (Gebreegus Ghilagaber, PhD, Associate Professor) Fiacial Statistics (Basic-level course,
Läs merRäkneövning 4. Om uppgifterna. 1 Uppgift 1. Statistiska institutionen Uppsala universitet. 14 december 2016
Räkneövning 4 Statistiska institutionen Uppsala universitet 14 december 2016 Om uppgifterna Uppgift 2 kan med fördel göras med Minitab. I de fall en gur för tidsserien efterfrågas kan du antingen göra
Läs merTjänsteprisindex för detektiv- och bevakningstjänster; säkerhetstjänster
Tjänseprisindex för deekiv- och bevakningsjänser; säkerhesjänser Branschbeskrivning för SNI-grupp 74.60 TPI- rappor nr 17 Camilla Andersson/Kamala Krishnan Tjänseprisindex, Prisprogramme, Ekonomisk saisik,
Läs merInflation: Ger kointegration bättre prognoser?
Kandidauppsas Januari, 006 Naionalekonomiska insiuionen Inflaion: Ger koinegraion bäre prognoser? Krisofer Månsson 836-3938 Handledare: Thomas Elger Sammanfaning Tiel: Inflaion: Ger koinegraion bäre prognoser
Läs merFöljande uttryck används ofta i olika problem som leder till differentialekvationer: A=kB. A= k (för ett tal k)
TILLÄMPNINGAR AV DIFFERENTIAL EKVATIONER Följande uryck används ofa i olika problem som leder ill differenialekvaioner: Tex A är proporionell mo B A är omvän proporionell mo B Formell beskrivning de finns
Läs merOm exponentialfunktioner och logaritmer
Om eponenialfunkioner och logarimer Anals360 (Grundkurs) Insuderingsuppgifer Dessa övningar är de änk du ska göra i ansluning ill a du läser huvudeen. Den änka gången är som följer: a) Läs igenom huvudeens
Läs merARMA-, ARIMA, (S)ARIMA Modernare metoder för tidsserieanalys och prognoser. Något om val mellan olika metoder
Någo om val mellan olia meoder Give är en observerad idsserie: y 1 y 2 y n ARMA- ARIMA (S)ARIMA Modernare meoder för idsserieanalys och prognoser Säsonger? Ja Tidsserieregression Klassis omponenuppdelning
Läs merTentamen TEN1, HF1012, 16 aug Matematisk statistik Kurskod HF1012 Skrivtid: 8:15-12:15 Lärare och examinator : Armin Halilovic
Tenamen TEN, HF, 6 aug 6 Maemaisk saisik Kurskod HF Skrivid: 8:5-:5 Lärare och examinaor : Armin Halilovic Hjälmedel: Bifoga formelhäfe ("Formler och abeller i saisik ") och miniräknare av vilken y som
Läs merFöreläsning 1. Grundläggande begrepp
Finansiell Statistik (GN, 7,5 hp,, VT 2009) Föreläsning 1 Sannolikhetsteori (LLL Kap 5) Department of Statistics (Gebrenegus Ghilagaber, PhD, Associate Professor) Financial Statistics (Basic-level course,
Läs merRegelstyrd penningpolitik i realtid
Naionalekonomiska Insiuionen Regelsyrd penningpoliik i realid En konrafakisk simulering med realidsdaa Magiseruppsas 4 juni 2008 Handledare: Klas Freger Förfaare: Marin Henriksson Handledare: Jesper Hansson
Läs merSäsongrensning i tidsserier.
Senast ändrad 200-03-23. Säsongrensning i tidsserier. Kompletterande text till kapitel.5 i Tamhane och Dunlop. Inledning. Syftet med säsongrensning är att dela upp en tidsserie i en trend u t, en säsongkomponent
Läs merAtt studera eller inte studera. Vad påverkar efterfrågan av högskole- och universitetsutbildningar i Sverige?
NATIONALEKONOMISKA INSTITUTIONEN Uppsala universie Examensarbee C Förfaare: Ameli Frenne Handledare: Björn Öcker Termin och år: VT 2009 A sudera eller ine sudera. Vad påverkar eferfrågan av högskole- och
Läs merFinansiering. Föreläsning 2 Nuvärdeberäkningar BMA: Kap. 2. Jonas Råsbrant
Finansiering Föreläsning 2 Nuvärdeberäkningar BMA: Kap. 2 Jonas Råsbran jonas.rasbran@fek.uu.se Värdering av illgångar. Akier Obligaioner Fasigheer Exempel på nuvärdeberäkningar Inveseringsbedömning (bedömning
Läs merTillämpad statistik (A5), HT15 Föreläsning 24: Tidsserieanalys III
Tillämpad statistik (A5), HT15 Föreläsning 24: Tidsserieanalys III Sebastian Andersson Statistiska institutionen Senast uppdaterad: 16 december 2015 är en prognosmetod vi kan använda för serier med en
Läs merSTOCKHOLMS UNIVERSITET HT 2007 Statistiska institutionen Johan Andersson
1 STOCKHOLMS UNIVERSITET HT 2007 Statistiska institutionen Johan Andersson Skriftlig tentamen på momentet Statistisk dataanalys III (SDA III, statistiska metoder) 3 högskolepoäng, ingående i kursen Undersökningsmetodik
Läs merFrekvensanalys. Systemteknik/Processreglering Föreläsning 8. Exempel: experiment på ögats pupill. Frekvenssvar. Exempel:G(s)= 2
Frekvensanals Frekvenssvar Ssemeknik/Processreglering Föreläsning 8 Bode- och Nqisdiagram Sabilie och sabiliesmarginaler Läsanvisning: Process Conrol: 6. 6. Frekvensanals Sdera hr ssem reagerar på signaler
Läs merFinansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 7. Multipel regression. (LLL Kap 15) Multipel Regressionsmodellen
Finansiell Statistik (GN, 7,5 hp,, HT 8) Föreläsning 7 Multipel regression (LLL Kap 5) Department of Statistics (Gebrenegus Ghilagaber, PhD, Associate Professor) Financial Statistics (Basic-level course,
Läs merInflation och relativa prisförändringar i den svenska ekonomin
Inflaion och relaiva prisförändringar i den svenska ekonomin AV BENGT ASSARSSON Beng Assarsson är verksam på avdelningen för penningpoliik vid Sveriges riksbank och vid Naionalekonomiska insiuionen vid
Läs merVad Betyder måtten MAPE, MAD och MSD?
Vad Betyder måtten MAPE, MAD och MSD? Alla tre är mått på hur bra anpassningen är och kan användas för att jämföra olika modeller. Den modell som har lägst MAPE, MAD och/eller MSD har bäst anpassning.
Läs merTENTAMEN I REGRESSIONS- OCH TIDSSERIEANALYS,
TENTAMEN I REGRESSIONS- OCH TIDSSERIEANALYS, 204-0-3 Skrivtid: kl 8-2 Hjälpmedel: Räknedosa. Bowerman, B.J., O'Connell, R, Koehler, A.: Forecasting, Time Series and Regression. 4th ed. Duxbury, 2005 som
Läs merVad är den naturliga räntan?
penning- och valuapoliik 20:2 Vad är den naurliga ränan? Henrik Lundvall och Andreas Wesermark Förfaarna är verksamma vid avdelningen för penningpoliik, Sveriges riksbank. Vilken realräna bör en cenralbank
Läs mer3 Rörelse och krafter 1
3 Rörelse och krafer 1 Hasighe och acceleraion 1 Hur lång id ar de dig a cykla 5 m om din medelhasighe är 5, km/h? 2 En moorcykel accelererar från sillasående ill 28 m/s på 5, s. Vilken är moorcykelns
Läs merJobbflöden i svensk industri 1972-1996
Jobbflöden i svensk induri 1972-1996 av Fredrik Andersson 1999-10-12 Bilaga ill Projeke arbeslöshesförsäkring vid Näringsdeparemene Sammanfaning Denna udie dokumenerar heerogenieen i induriella arbesällens
Läs merStokastiska Processer och ARIMA. Patrik Zetterberg. 19 december 2012
Föreläsning 7 Stokastiska Processer och ARIMA Patrik Zetterberg 19 december 2012 1 / 22 Stokastiska processer Stokastiska processer är ett samlingsnamn för Sannolikhetsmodeller för olika tidsförlopp. Stokastisk=slumpmässig
Läs merMultipel Regressionsmodellen
Multipel Regressionsmodellen Koefficienterna i multipel regression skattas från ett stickprov enligt: Multipel Regressionsmodell med k förklarande variabler: Skattad (predicerad) Värde på y y ˆ = b + b
Läs merLaboration D158. Sekvenskretsar. Namn: Datum: Kurs:
UMEÅ UNIVERSITET Tillämpad fysik och elekronik Digialeknik Lars Wållberg/Håkan Joëlson 2001-02-28 v 3.1 ELEKTRONIK Digialeknik Laboraion D158 Sekvenskresar Namn: Daum: Eposadr: Kurs: Sudieprogram: Innehåll
Läs mer2004:17 Den svenska konsumentprisindexserien (KPI), En empirisk studie av säsongsmönstret En tillämpning av TRAMO/SEATS
2004:17 Den svenska konsumenprisindexserien (KPI), 1955 2004 En empirisk sudie av säsongsmönsre En illämpning av TRAMO/SEATS Avdelningen för Ekonomisk saisik I serien Bakgrundsfaka preseneras bakgrundsmaerial
Läs mershetstalet och BNP Arbetslöshetstalet lag Blanchard kapitel 10 Penningmängd, inflation och sysselsättning Effekter av penningpolitik.
Kap 10: sid. 1 Blanchard kapiel 10 Penninmänd, inflaion och ssselsänin Effeker av penninpoliik. Tre relaioner: Phillipskurvan Okuns la AD-relaionen Effeken av penninpoliik på kor och medellån sik Tar hänsn
Läs merDagens förelf. Arbetslöshetstalet. shetstalet och BNP. lag. Effekter av penningpolitik. Tre relationer:
Blanchard kapiel 9 Penninmänd, Inflaion och Ssselsänin Daens förelf reläsnin Effeker av penninpoliik. Tre relaioner: Kap 9: sid. 2 Phillipskurvan Okuns la AD-relaionen Effeken av penninpoliik på kor och
Läs merSTOCKHOLMS UNIVERSITET HT 2008 Statistiska institutionen Johan Andersson
1 STOCKHOLMS UNIVERSITET HT 2008 Statistiska institutionen Johan Andersson Skriftlig tentamen på momentet Statistisk dataanalys III (SDA III), 3 högskolepoäng ingående i kursen Undersökningsmetodik och
Läs mer3. Matematisk modellering
3. Maemaisk modellering 3. Modelleringsprinciper 3. Maemaisk modellering 3. Modelleringsprinciper 3.. Modellyper För design oc analys av reglersysem beöver man en maemaisk modell, som beskriver sysemes
Läs merBetalningsbalansen. Andra kvartalet 2012
Bealningsbalansen Andra kvarale 2012 Bealningsbalansen Andra kvarale 2012 Saisiska cenralbyrån 2012 Balance of Paymens. Second quarer 2012 Saisics Sweden 2012 Producen Producer Saisiska cenralbyrån, enheen
Läs merBÖR RIKSBANKEN ANVÄNDA TAYLORREGELN?
NATIONALEKONOMISKA INSTITUTIONEN Uppsala universie Examensarbee C Förfaare: Shubila Balaile och Rober Rajnak Handledare: Nils Gofries V 2005 BÖR RIKSBANKEN ANVÄNDA TAYLORREGELN? -En illämpning av aylorregeln
Läs merTISDAGEN DEN 20 AUGUSTI 2013, KL 8-12. Ansvarig lärare: Helene Lidestam, tfn 282433 Salarna besöks ca kl 9
ekniska högskolan vid Li Insiuionen för ekonomisk och indusriell uveckling Produkionsekonomi Helene Lidesam EAME I PPE08 PROKIOSEKOOMI för M ISAGE E 20 AGSI 203, KL 8-2 Sal: ER Provkod: E2 Anal uppgifer:
Läs merSkriftlig Tentamen i Finansiell Statistik Grundnivå 7.5 hp, HT2012
Statistiska Institutionen Patrik Zetterberg Skriftlig Tentamen i Finansiell Statistik Grundnivå 7.5 hp, HT2012 2013-01-18 Skrivtid: 9.00-14.00 Hjälpmedel: Godkänd miniräknare utan lagrade formler eller
Läs merFinansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 4 (del 2)
Fiasiell Statistik (GN, 7,5 hp,, HT 008) Föreläsig 4 (del ) Pukt- och itervallskattig (LLL Kap 10) Departmet of Statistics (Gebreegus Ghilagaber, PhD, Associate Professor) Fiacial Statistics (Basic-level
Läs meruhx, 0L f HxL, u t Hx, 0L ghxl, 0 < x < a
Vågekvaionen Vågekvaionen beskriver vågors ubredning vare sig de gäller ljudvågor, elekromagneiska vågor eller vibraioner i en sräng. Lå oss för enkelhes skull änka oss en horisonell uppspänd sräng som
Läs merKONTROLLSKRIVNING 3. Kurs: HF1012 Matematisk statistik Lärare: Armin Halilovic
KONTROLLSKRIVNING Version B Kurs: HF Maemaisk saisik Lärare: Armin Halilovic Daum: 7 maj 6 Skrivid: 8:-: Tillåna hjälmedel: Miniräknare av vilken y som hels och formelblad (som delas u i salen) Förbjudna
Läs merPensionsåldern och individens konsumtion och sparande
Pensionsåldern och individens konsumion och sparande Om hur en höjning av pensionsåldern kan ändra konsumionen och sparande. Maria Nilsson Magiseruppsas Naionalekonomiska insiuionen Handledare: Ponus Hansson
Läs mer{ } = F(s). Efter lång tid blir hastigheten lika med mg. SVAR: Föremålets hastighet efter lång tid är mg. Modul 2. y 1
ösningsförslag ill enamensskrivning i SF1633 Differenialekvaioner I Tisdagen den 7 maj 14, kl 8-13 Hjälpmedel: BETA, Mahemaics Handbook Redovisa lösningarna på e sådan sä a beräkningar och resonemang är
Läs merFinansiell Statistik (GN, 7,5 hp, HT 2008) Föreläsning 2
Finansiell Statistik (GN, 7,5 hp, HT 008) Föreläsning Diskreta sannolikhetsfördelningar (LLL kap. 6) Department of Statistics (Gebrenegus Ghilagaber, PhD, Associate Professor) Financial Statistics (Basic-level
Läs mer1 Elektromagnetisk induktion
1 Elekromagneisk indukion Elfäl accelererar laddningar och magneiska fäl ändrar laddningars rörelserikning. en elekrisk kres är de baerie som gör arbee på elekronerna som ger upphov ill en sröm i kresen.
Läs mer2 Laboration 2. Positionsmätning
2 Laboraion 2. Posiionsmäning 2.1 Laboraionens syfe A sudera olika yper av lägesgivare A sudera givarnas saiska och dynamiska egenskaper 2.2 Förberedelser Läs laboraionshandledningen och mosvarande avsni
Läs merDirektinvesteringar och risk
NATIONALEKONOMISKA INSTITUTIONEN Uppsala Universie Examensarbee D Förfaare: Per Haldén Handledare: Marin Holmén H 07 Direkinveseringar och risk Finns e samband? Sammanfaning Beslu om och var man ska genomföra
Läs merFrån kap. 25: Man får alltid ett spänningsfall i strömmens riktning i ett motstånd.
Från kap. 5: Ohm s lag Hög poenial på den sida där srömmen går in Låg poenial på den sida där srömmen går u Man får allid e spänningsfall i srömmens rikning i e mosånd. Från kap. 5: Poenialskillnaden över
Läs merSTOCKHOLMS UNIVERSITET VT 2009 Statistiska institutionen Jörgen Säve-Söderbergh
1 STOCKHOLMS UNIVERSITET VT 2009 Statistiska institutionen Jörgen Säve-Söderbergh Skriftlig tentamen på momentet Statistisk dataanalys III (SDA III), 3 högskolepoäng ingående i kursen Undersökningsmetodik
Läs merTjänsteprisindex (TPI) 2010 PR0801
Ekonomisk saisik/ Enheen för prissaisik 2010-06-22 1(12) Tjänseprisindex (TP) 2010 PR0801 denna beskrivning redovisas förs allmänna uppgifer om undersökningen sam dess syfe, regelverk och hisorik. Därefer
Läs merEn modell för optimal tobaksbeskattning
En modell för opimal obaksbeskaning under idsinkonsisena preferenser och imperfek informaion Krisofer Törner* 1 Engelsk iel: A model for opimal obacco excise axaion under imeinconsisen preferences and
Läs merVolatilitetsmodeller - En utvärdering av prestation enligt Model Confidence Set
Naionalekonomiska insiuionen Magiseruppsas Volailiesmodeller - En uvärdering av presaion enlig Model Confidence Se Förfaare: Tomas Johansson Arvid Lezén SAMMANFATTNING Uppsasens iel: Volailiesmodeller-
Läs merTentamen på grundkursen EC1201: Makroteori med tillämpningar, 15 högskolepoäng, lördagen den 14 februari 2009 kl 9-14.
STOCKHOLMS UNIVERSITET Naionalekonomiska insiuionen Mas Persson Tenamen på grundkursen EC1201: Makroeori med illämpningar, 15 högskolepoäng, lördagen den 14 februari 2009 kl 9-14. Tenamen besår av io frågor
Läs merTidsserier. Tre modeller för tidsserier är den multiplikativa, additiva och säsongdummymetoden.
Tidsserier Tre modeller för tidsserier är den multiplikativa, additiva och säsongdummymetoden. Den allmänna formeln för den additiva modellen:, och för den multiplikativa modellen:, där T står för trend,
Läs merPrognoser. ekonomisk-teoretisk synvinkel. Sunt förnuft i kombination med effektiv matematik ger i regel de bästa prognoserna.
Prognoser Prognoser i tidsserier: Gissa ett framtida värde i tidsserien killnad gentemot prognoser i regression: Det framtida värdet tillhör inte dataområdet. ftet med en prognosmodell är att göra prognos,
Läs merFAQ. frequently asked questions
FAQ frequenly asked quesions På de följande sidorna har jag samla ihop några av de frågor jag under årens lopp få av sudener när diverse olika problem uppså i arbee med SPSS. De saisiska problemen har
Läs mer3D vattenanimering Joakim Julin Department of Computer Science Åbo Akademi University, FIN-20520 Åbo, Finland e-mail: jjulin@nojunk.abo.
3D vaenanimering Joakim Julin Deparmen of Compuer Science Åbo Akademi Universiy, FIN-20520 Åbo, Finland e-mail: jjulin@nojunk.abo.fi Absrak Denna arikel kommer a presenera e anal olika algorimer för a
Läs merSTOCKHOLMS UNIVERSITET VT 2007 Statistiska institutionen Johan Andersson
1 STOCKHOLMS UNIVERSITET VT 2007 Statistiska institutionen Johan Andersson Skriftlig omtentamen på momentet Statistiska metoder SDA III, 2 poäng ingående i kurserna Grundkurs i statistik 20 p samt Undersökningsmetodik
Läs merDet prediktiva värdet hos den implicerade volatiliteten
Föreagsekonomiska insiuionen STOCKHOLMS UNIVERSITET Magiseruppsas HT 2005 De predikiva värde hos den implicerade volailieen en jämförelse mellan Black-Scholes och Cox-Ross-Rubinsein Förfaare: Saphiro Flügge
Läs merEn flashestimator för den privata konsumtionen i Sverige med hjälpvariablerna HIP och detaljhandeln
Bakgrundsfaka En flashesimaor för den privaa konsumionen i Sverige med hjälpvariablerna HIP och dealjhandeln En idsserieanalys med hjälp av saisikprogramme TRAMO 006: Ekonomisk saisik I serien Bakgrundsfaka
Läs merAutokorrelation och Durbin-Watson testet. Patrik Zetterberg. 17 december 2012
Föreläsning 6 Autokorrelation och Durbin-Watson testet Patrik Zetterberg 17 december 2012 1 / 14 Korrelation och autokorrelation På tidigare föreläsningar har vi analyserat korrelationer för stickprov
Läs merFöreläsning 19: Fria svängningar I
1 KOMIHÅG 18: --------------------------------- Ellipsbanans soraxel och mekaniska energin E = " mgm 2a ------------------------------------------------------ Föreläsning 19: Fria svängningar I Fjäderkrafen
Läs merInflation och penningmängd
EKONOMSK DEBAT BO AXELL nflaion och penningmängd Vilka är inflaionens besämningsfakorer? Dea är själva ugångspunken for flerale ariklar i dea emanummer.. Somliga hävdar a inflaionen speciell i e lie land
Läs mer