Sveriges bruttonationalprodukt Årsdata. En kraftig trend.
|
|
- Alexander Engström
- för 5 år sedan
- Visningar:
Transkript
1 Vad är tidsserier? En tidsserie är en mängd av observationer y t, där var och en har registrerats vid en specifik tidpunkt t. Vanligen görs mätningarna vid vissa tidpunkter och med samma avstånd mellan dem. T ex en gång i veckan, månaden eller året. Låt oss se på några exempel.
2 Sveriges bruttonationalprodukt Årsdata. En kraftig trend.
3 Procentuella förändringar i BNP Årsdata. Varför var det ca 6% tillväxttakt i ekonomin 1970 och ca 0% året efter? Förändringar p g a konjunktur.
4 Dödsorsak: olycksfall. USA Månadsdata. Ett tydligt säsongsmönster.
5 Orsakerna till variationen i en tidsserie Byggstenarna eller komponenterna (med olika analogier) i en tidsserie är: 1 TREND Den allmänna utveckling som föreligger under en längre period. 2 KONJUNKTUR Kring den trend vi i stora drag kan urskilja finner vi kanske att värdena fluktuerar mer eller mindre regelbundet. 3 SÄSONG Periodiska mönster som återkommer varje år. 4 SLUMP De variationer som inte kan förklaras av ovan utan snarare av tillfälligheter.
6 Vad är prognoser? En förutsägelse angående framtida händelser eller tillstånd kallas en prognos (forecast). Olika metoder: kvalitativa och kvantitativa. Behövs dem? Människan måste göra prognoser. Prognoserna kan vara punktskattningar eller intervallskattningar.
7 Vad är prognoser?-kvalitativa metoder Experters åsikter. Historiska data saknas. Subjektiv kurvanpassning. S-kurvor. Delfi-metoden: (oraklet i Delfi) Rand Corporation; en grupp experter samlas; använts för att bedöma utvecklingen inom olika teknologiska områden. Teknologiska jämförelser.
8 Vad är prognoser?-kvantitativa metoder Univariata prognosmodeller använder uteslutande tidigare värden. Kausala prognosmodeller söker finna andra variabler som påverkar den variabel som skall prognosticeras.
9 När man gör en prognos kommer framtiden troligen visa att det inte var rätt tänkt Det observerade värdet i period t betecknas y t. Prognosen betecknas ŷ t. Prognosfelet(forecast error) för prognosen ŷ t definieras som e t = y t ŷ t. Utseendet kan avslöja brister i modellvalet.
10 Mått på prognosernas noggrannhet Vi definierar även det absoluta felet(absolute deviations) Absoluta felet = e t = y t ŷ t. Genom att bilda det aritmetiska medelvärdet av de absoluta felen erhåller vi den genomsnittliga absoluta avvikelsen(mean absolute deviation (MAD)) Genomsnittliga absoluta avvikelsen = 1 n n e t = 1 n t=1 n y t ŷ t. t=1
11 Mått på prognosernas noggrannhet Vi kvadrerar prognosfelen e 2 t = (y t ŷ t ) 2 och bildar det aritmetiska medelvärdet av de kvadrerade felen. Då erhåller vi medelkvadratavvikelsen(mean squared error(mse)) Medelkvadratavvikelsen = 1 n n et 2 = 1 n t=1 n (y t ŷ t ) 2. t=1
12 Mått på prognosernas noggrannhet Absoluta procentuella felet ges som APT t = e t y t (100) = y t ŷ t y t (100). Bildar aritmetiska medelvärdet. Då erhåller vi den genomsnittliga absoluta procentavvikelsen(mean absolute percentage error(mape)) Genomsnittliga absoluta procentavvikelsen = 1 n n t=1 y t ŷ t y t (100).
13 Komponenter Vi har en tidsserie X 1, X 2,..., X n. Låt T t (trendkomponenten) S t (säsongskomponenten) C t (konjunkturkomponenten) I t (slumpkomponenten) Två modeller för X t : X t = T t + S t + C t + I t (additiv modell) X t = T t S t C t I t (multiplikativ modell) Den additiva modellen är lämpad för växande eller avtagande säsongsvariation. Den multiplikativa modellen för konstant säsongsvariation.
14 Löpande medeltal För att rensa x t, t = 1, 2,..., n på den slumpmässiga komponenten kan man använda löpande medeltal x t = 1 2m + 1 m j= m x t+j t = m + 1, m + 2,..., n m. Vi kommer att använda m = 1 (eftersom det täcker hela kalenderåret nedan), så x t = x t 1 + x t + x t+1 3
15 Ett företags omsättning Ett företag redovisar följande omsättning i miljoner kronor för en femårsperiod: År jan-apr maj-aug sep-dec ,9 12,9 14, ,9 14,5 16, ,0 16,3 18, ,0 18,4 20, ,2 20,5 22,3
16 Ett företags omsättning
17 Löpande medeltals beräkning Period Obs. 3-punkt-summa Medelvärde 1997: I 7,9 II 12,9 35,4 11,800 III 14,6 36,4 12, : I 8,9 38,0 12,667 II 14,5 39,8 13,267 III 16,4 40,9 13, : I 10,0 42,7 14,233 II 16,3 44,6 14,867 III 18,3 45,6 15, : I 11,0 47,7 15,900 II 18,4 49,8 16,600 III 20,4 51,0 17, : I 12,2 53,1 17,700 II 20,5 55,0 18,333 III 22,3
18 Observerat värde/beräknat trendvärde i % Vi jämför observationsvärdet och trendvärdet. År I II III ,3 120, ,3 109,3 120, ,3 109,6 120, ,2 110,8 120, ,9 111,8
19 Medelvärdet av varje tertial Tertial I II III Summa Medelvärde 69, , , ,085
20 Säsongsindex Tertial I II III Säsongsindex 69,7 110,1 120,2 Under första tertialet ligger omsättningen på grund av att det är lågsäsong drygt 30 % under det beräknade trendvärdet.
21 Säsongsrensade värden Säsongsrensat värde=(observerat värde)/(säsongsindex) T ex för tertial , 9 = 11, 3. 0, 697 För tertial , 9 = 11, 7. 1, 101 För övriga tidpunkter gör vi liknande beräkningar.
22 Säsongsrensade värden
23 Enkel exponentiell utjämning Antag att vi har en tidsserie x 1, x 2,..., x t utan (märkbar) trend eller säsong. Vi önskar utjämna tidsserien för att göra prognoser. Varför inte använda alla tidigare observationer från innevarande tidpunkt t, men med olika vikt? Det utjämnade värdet i t ges av ˆx t = αx t + α(1 α)x t 1 + α(1 α) 2 x t 2 + där α är ett tal mellan 0 och 1. α kallas utjämningskonstant.
24 Enkel exponentiell utjämning Man kan härleda ett rekursivt uttryck för det utjämnade värdet i t som ˆx t = (1 α) ˆx t 1 + αx t. Vi behöver ett startvärde ˆx 1 för att få igång rekursionen. Man kan välja den första observationen x 1 eller någon sorts medelvärde. I tidsperiod t gör vi prognoser för framtida värden på tidsserien genom uttrycket Prognosfelet beräknas som ˆx t+h = ˆx t h = 1, 2, 3,... e t = x t ˆx t 1.
25 Enkel exponentiell utjämning Hur ska α väljas? Man kan välja ett specifikt värde på α och beräkna kvadratsumman av prognosfelen: t ei 2 = i=2 t (x i ˆx i 1 ) 2. i=2
Sveriges bruttonationalprodukt Årsdata. En kraftig trend.
Vad är tidsserier? En tidsserie är en mängd av observationer y t, där var och en har registrerats vid en specifik tidpunkt t. Vanligen görs mätningarna vid vissa tidpunkter och med samma avstånd mellan
Läs merFinansiell statistik
Finansiell statistik Föreläsning 5 Tidsserier 4 maj 2011 14:26 Vad är tidsserier? En tidsserie är en mängd av observationer y t, där var och en har registrerats vid en specifik tidpunkt t. Vanligen görs
Läs mer732G71 Statistik B. Föreläsning 9. Bertil Wegmann. December 1, IDA, Linköpings universitet
732G71 Statistik B Föreläsning 9 Bertil Wegmann IDA, Linköpings universitet December 1, 2016 Bertil Wegmann (IDA, LiU) 732G71, Statistik B December 1, 2016 1 / 20 Metoder för att analysera tidsserier Tidsserieregression
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 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 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 merTidsserier. Data. Vi har tittat på två typer av data
F9 Tidsserier Data Vi har tittat på två typer av data Tvärsnittsdata: data som härrör från en bestämd tidpunkt eller tidsperiod Tidsseriedata: data som insamlats under en följd av tidpunkter eller tidsperioder
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 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 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 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 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 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 merFöreläsning 3. Prognostisering: Prognosprocess, efterfrågemodeller, prognosmodeller och prognosverktyg
Föreläsning 3 Prognostisering: Prognosprocess, efterfrågemodeller, prognosmodeller och prognosverktyg Kursstruktur Innehåll Föreläsning Lektion Laboration Introduktion, produktionsekonomiska Fö 1 grunder,
Läs merPrognostisering med exponentiell utjämning
Handbok i materialstyrning - Del F Prognostisering F 23 Prognostisering med exponentiell utjämning Det som karakteriserar lagerstyrda verksamheter är att leveranstiden till kund är kortare än leveranstiden
Läs merRäkneövning 5. Sebastian Andersson Statistiska institutionen Uppsala universitet 7 januari För Uppgift 2 kan man med fördel ta hjälp av Minitab.
Räkneövning 5 Sebastian Andersson Statistiska institutionen Uppsala universitet 7 januari 016 1 Om uppgifterna För Uppgift kan man med fördel ta hjälp av Minitab. I de fall en figur för tidsserien efterfrågas
Läs merHandbok i materialstyrning - Del F Prognostisering
Handbok i materialstyrning - Del F Prognostisering F 71 Absoluta mått på prognosfel I lagerstyrningssammanhang kan prognostisering allmänt definieras som en bedömning av framtida efterfrågan från kunder.
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 merSTOCKHOLMS UNIVERSITET HT 2008 Statistiska institutionen Johan Andersson
1 STOCKHOLMS UNIVERSITET HT 2008 Statistiska institutionen Johan Andersson Skriftlig omtentamen på momentet Statistisk dataanalys III (SDA III), 3 högskolepoäng ingående i kursen Undersökningsmetodik och
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 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 merPlanering av flygplatser
Fö 2: Prognostisering Tobias Andersson Källor Delar av materialet till denna föreläsning är hämtat från: Kap 7 av Airport Planning av Lynn S. Bezilla Edlund, Högberg, Leonardz: Beslutsmodeller redskap
Läs merÖVNINGSUPPGIFTER KAPITEL 7
ÖVNINGSUPPGIFTER KAPITEL 7 TIDSSERIEDIAGRAM OCH UTJÄMNING 1. En omdebatterad utveckling under 90-talet gäller den snabba ökningen i VDlöner. Tabellen nedan visar genomsnittlig kompensation för direktörer
Läs merModellskattningen har gjorts med hjälp av minsta kvadratmetoden (OLS).
MODELLSKATTNINGAR Modeller med bäst anpassning ger inte alltid de bästa prognoserna. Grundantaganden, till exempel vilka modeller som testas, påverkar i viss grad prognosutfallet. Modellerna har, i de
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 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 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 merDEN FRAMTIDA VERKSAMHETSVOLYMEN I RÄTTSKEDJAN - CENTRALA PROGNOSER FÖR PERIODEN : RESULTATBILAGA
DEN FRAMTIDA VERKSAMHETSVOLYMEN I RÄTTSKEDJAN - CENTRALA PROGNOSER FÖR PERIODEN 2016-2019: RESULTATBILAGA I denna bilaga beskrivs de prognosmodeller som ligger till grund för prognoserna. Tanken är att
Läs merSTOCKHOLMS UNIVERSITET HT 2007 Statistiska institutionen Johan Andersson
1 STOCKHOLMS UNIVERSITET HT 2007 Statistiska institutionen Johan Andersson Skriftlig omtentamen på momentet Statistisk dataanalys III (SDA III, statistiska metoder) 3 högskolepoäng, ingående i kursen Undersökningsmetodik
Läs merTillämpad statistik (A5), HT15 Föreläsning 22: Tidsserieanalys I
Tillämpad statistik (A5), HT15 Föreläsning 22: Tidsserieanalys I Sebastian Andersson Statistiska institutionen Senast uppdaterad: 15 december 2015 Data kan generellt sett delas in i tre kategorier: 1 Tvärsnittsdata:
Läs merHotellmarknadens konjunkturbarometer Augusti Stark hotellmarknad trots svagare konjunktur
Hotellmarknadens konjunkturbarometer Augusti 19 Stark hotellmarknad trots svagare konjunktur 1 INNEHÅLL Sammanfattning / 3 Hotellföretagens förväntningar på efterfrågan / 4 De positiva förväntningarna
Läs merAvsnitt 2. Modell: intuitiv statistisk
Avsnitt 2. Modell: intuitiv statistisk En prognos är en utsaga om en framtida händelse. Vi kommer mest att syssla med numeriska prognoser. Med det menar vanligen ett tal på en intervallskala. Exempel:
Läs merPrognostisering med glidande medelvärde
Handbok i materialstyrning - Del F Prognostisering F 21 Prognostisering med glidande medelvärde Det som karakteriserar lagerstyrda verksamheter är att leveranstiden till kund är kortare än leveranstiden
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 merVilka indikatorer kan prognostisera BNP?
Konjunkturbarometern april 2016 15 FÖRDJUPNING Vilka indikatorer kan prognostisera BNP? Data från Konjunkturbarometern används ofta som underlag till prognoser för svensk ekonomi. I denna fördjupning redogörs
Läs merStokastiska processer med diskret tid
Stokastiska processer med diskret tid Vi tänker oss en följd av stokastiska variabler X 1, X 2, X 3,.... Talen 1, 2, 3,... räknar upp tidpunkter som förflutit från startpunkten 1. De stokastiska variablerna
Läs merRättningstiden är i normalfall 15 arbetsdagar, annars är det detta datum som gäller:
Statistik 2 Provmoment: Ladokkod: Tentamen ges för: TentamensKod: Tentamen SST021 ACEKO16h, ACIVE16h 7,5 högskolepoäng Tentamensdatum: 2018-05-31 Tid: 14.00-19.00 Hjälpmedel: Valfri miniräknare Linjal
Läs merPå väg mot ett rekordår på den svenska hotellmarknaden
På väg mot ett rekordår på den svenska hotellmarknaden Utveckling 1-2:a tertialet 2015 Box 3546, 103 69 Stockholm T +46 8 762 74 00 Box 404, 401 26 Göteborg T +46 31 62 94 00 Box 186, 201 21 Malmö T +46
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 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 merHotellmarknadens konjunkturbarometer April Fortsatt stark hotellkonjunktur
Hotellmarknadens konjunkturbarometer April 19 Fortsatt stark hotellkonjunktur 1 INNEHÅLL Sammanfattning / 3 Hotellföretagen förväntningar på efterfrågan / 4 Förväntningarna fortsatta positiva / 4 Hotellföretagen
Läs merF19, (Multipel linjär regression forts) och F20, Chi-två test.
Partiella t-test F19, (Multipel linjär regression forts) och F20, Chi-två test. Christian Tallberg Statistiska institutionen Stockholms universitet Då man testar om en enskild variabel X i skall vara med
Läs merÖvningshäfte till kursen Regressionsanalys och tidsserieanalys
Övningshäfte till kursen Regressionsanalys och tidsserieanalys Linda Wänström April 8, 2011 1 Enkel linjär regressionsanalys (baserad på uppgift 2.3 i Andersson, Jorner, Ågren (2009)) Antag att följande
Läs merSTOCKHOLMS UNIVERSITET HT 2008 Statistiska institutionen Linda Wänström. Omtentamen i Regressionsanalys
STOCKHOLMS UNIVERSITET HT 2008 Statistiska institutionen Linda Wänström Omtentamen i Regressionsanalys 2009-01-08 Skrivtid: 9.00-14.00 Godkända hjälpmedel: Miniräknare utan lagrade formler. Tentamen består
Läs merVälja prognosmetod En översikt
Handbok i materialstyrning - Del F Prognostisering F 01 Välja prognosmetod En översikt All materialstyrning med avseende på att bestämma när nya inleveranser till lager skall planeras in och hur stora
Läs merTentamensgenomgång och återlämning: Måndagen 24/2 kl16.00 i B497. Därefter kan skrivningarna hämtas på studentexpeditionen, plan 7 i B-huset.
Statistiska institutionen Nicklas Pettersson Skriftlig tentamen i Finansiell Statistik Grundnivå 7.5hp, HT2013 2014-02-07 Skrivtid: 13.00-18.00 Hjälpmedel: Godkänd miniräknare utan lagrade formler eller
Läs merEnvägs variansanalys (ANOVA) för test av olika väntevärde i flera grupper
Envägs variansanalys (ANOVA) för test av olika väntevärde i flera grupper Tobias Abenius February 21, 2012 Envägs variansanalys (ANOVA) I envägs variansanalys utnyttjas att
Läs merLektionsanteckningar 11-12: Normalfördelningen
Lektionsanteckningar 11-12: Normalfördelningen När utfallsrummet för en slumpvariabel kan anta vilket värde som helst i ett givet intervall är variabeln kontinuerlig. Det är väsentligt att utfallsrummet
Läs merFöreläsning G70 Statistik A
Föreläsning 1 732G70 Statistik A 1 Population och stickprov Population = den samling enheter (exempelvis individer) som vi vill dra slutsatser om. Populationen definieras på logisk väg med utgångspunkt
Läs merTSL 2014:12 Inflödet beror inte enbart på det ekonomiska läget
TSL 2014:12 Inflödet beror inte enbart på det ekonomiska läget TSL-rapport november 2014 Trygghetsfonden TSL är en kollektivavtalsstiftelse med Svenskt Näringsliv och LO som ägare och vår uppgift är att
Läs merEtt A4-blad med egna handskrivna anteckningar (båda sidor) samt räknedosa.
Tentamen Linköpings universitet, Institutionen för datavetenskap, Statistik Kurskod och namn: Datum och tid: Jourhavande lärare: Tillåtna hjälpmedel: 732G71 Statistik B 2016-12-13, 8-12 Bertil Wegmann
Läs merMALLAR PÅ NÅGRA FRÅGOR I TENTAMEN (OBS! EJ KVALITETSÄKRADE)
MALLAR PÅ NÅGRA FRÅGOR I TENTAMEN 160318 (OBS! EJ KVALITETSÄKRADE) FRÅGA 1 (2p) Ett sätt att bedöma en prognos lämplighet är att beräkna hur väl en presterar relativt en naiv prognos, d.v.s. om man gör
Läs merTentamensgenomgång och återlämning: Måndagen 9/6 kl12.00 i B413. Därefter kan skrivningarna hämtas på studentexpeditionen, plan 7 i B-huset.
Statistiska institutionen Nicklas Pettersson Skriftlig tentamen i Finansiell Statistik Grundnivå 7.5hp, VT2014 2014-05-26 Skrivtid: 9.00-14.00 Hjälpmedel: Godkänd miniräknare utan lagrade formler eller
Läs merEXEMPEL PÅ FRÅGESTÄLLNINGAR INOM STATISTIK- TEORIN (INFERENSTEORIN):
Lunds tekniska högskola Matematikcentrum Matematisk statistik FMSF50: Matematisk statistik för L och V OH-bilder på föreläsning 7, 2017-11-20 EXEMPEL PÅ FRÅGESTÄLLNINGAR INOM STATISTIK- TEORIN (INFERENSTEORIN):
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 merMetod för beräkning av potentiella variabler
Promemoria 2017-09-20 Finansdepartementet Ekonomiska avdelningen Metod för beräkning av potentiella variabler Potentiell BNP definieras som den produktionsnivå som kan upprätthållas vid ett balanserat
Läs merFöreläsning 2. Kap 3,7-3,8 4,1-4,6 5,2 5,3
Föreläsning Kap 3,7-3,8 4,1-4,6 5, 5,3 1 Kap 3,7 och 3,8 Hur bra är modellen som vi har anpassat? Vi bedömer modellen med hjälp av ett antal kriterier: visuell bedömning, om möjligt F-test, signifikanstest
Läs merUtvärdering av Transportstyrelsens flygtrafiksmodeller
Kandidatuppsats i Statistik Utvärdering av Transportstyrelsens flygtrafiksmodeller Arvid Odencrants & Dennis Dahl Abstract The Swedish Transport Agency has for a long time collected data on a monthly
Läs merHandbok i materialstyrning - Del F Prognostisering
Handbok i materialstyrning - Del F Prognostisering F 31 Focus forecasting Lagerstyrda verksamheter karakteriseras av att leveranstiden till kund är kortare än leveranstiden från den egna produktionen eller
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 merPreliminärt lösningsförslag - omtentamen i Finansiell statistik,
Preliminärt lösningsförslag - omtentamen i Finansiell statistik, 2012-08-22 Uppgift 1a) y x -1 0 1 P(Y = y) -1 1/16 3/16 1/16 5/16 0 3/16 0 3/16 6/16 1 1/16 3/16 1/16 5/16 P(X = y) 5/16 6/16 5/16 1 E[X]
Läs merBesöksnäringens Konjunkturbarometer
Besöksnäringens Konjunkturbarometer Konjunkturinstitutets konfidensindikator för utvecklingen bland företag verksamma inom den svenska besöksnäringen Mars 2017 FAKTA OM KONJUNKTURBAROMETERN Konjunkturinstitutet
Läs merStokastiska processer med diskret tid
Stokastiska processer med diskret tid Vi tänker oss en följd av stokastiska variabler X 1, X 2, X 3,.... Talen 1, 2, 3,... räknar upp tidpunkter som förflutit från startpunkten 1. De stokastiska variablerna
Läs merFinansiering. Föreläsning 6 Risk och avkastning BMA: Kap. 7. Jonas Råsbrant
Finansiering Föreläsning 6 Risk och avkastning BMA: Kap. 7 Jonas Råsbrant jonas.rasbrant@fek.uu.se Föreläsningens innehåll Historisk avkastning för finansiella tillgångar Beräkning av avkastning och risk
Läs merRegressions- och Tidsserieanalys - F1
Regressions- och Tidsserieanalys - F1 Kap 3: Enkel linjär regression Linda Wänström Linköpings universitet November 4, 2013 Wänström (Linköpings universitet) F1 November 4, 2013 1 / 25 Statistik B, 8 hp
Läs merFlexibel inflationsmålspolitik. Flexibel inflationsmålspolitik och senaste räntebeslutet. Varning
Flexibel inflationsmålspolitik och senaste räntebeslutet Flexibel inflationsmålspolitik Inflationsmål, % för Stabilisera inflationen runt inflationsmålet Stabilisera resursutnyttjandet Lars E.O. Svensson
Läs mer732G71 Statistik B. Föreläsning 1, kap Bertil Wegmann. IDA, Linköpings universitet. Bertil Wegmann (IDA, LiU) 732G71, Statistik B 1 / 20
732G71 Statistik B Föreläsning 1, kap. 3.1-3.7 Bertil Wegmann IDA, Linköpings universitet Bertil Wegmann (IDA, LiU) 732G71, Statistik B 1 / 20 Exempel, enkel linjär regressionsanalys Ett företag vill veta
Läs merStatistiska Institutionen Gebrenegus Ghilagaber (docent)
Statistiska Institutionen Gebrenegus Ghilagaber (docent) Lösningsförslag till skriftlig tentamen i FINANSIELL STATISTIK, grundnivå, 7,5 hp, VT09. Onsdagen 3 juni 2009-1 Sannolkhetslära Mobiltelefoner tillverkas
Läs merDags att köpa aktier? Om aktiesparande på turbulenta finansmarknader Urban Bäckström
Dags att köpa aktier? Om aktiesparande på turbulenta finansmarknader Urban Bäckström Aktiespararnas Summer Campus 2009 22-24 juni i Tällberg, Dalarna 1 Utkommer den 19 augusti 2009 Ekerlids Förlag 2 Turbulenta
Läs merStockholms Univ., Statistiska Inst. Finansiell Statistik, GN, 7,5 hp, VT2009 Inlämningsuppgift (1,5hp)
Stockholms Univ., Statistiska Inst. Finansiell Statistik, GN, 7,5 hp, VT009 Inlämningsuppgift (1,5hp) Nicklas Pettersson 1 Anvisningar och hålltider Uppgiften löses i grupper om -3 personer och godkänt
Läs merRegressions- och Tidsserieanalys - F1
Regressions- och Tidsserieanalys - F1 Kap 3: Enkel linjär regression Linda Wänström Linköpings universitet May 4, 2015 Wänström (Linköpings universitet) F1 May 4, 2015 1 / 25 Regressions- och tidsserieanalys,
Läs merRegressions- och Tidsserieanalys - F7
Regressions- och Tidsserieanalys - F7 Tidsserieregression, kap 6.1-6.4 Linda Wänström Linköpings universitet November 25 Wänström (Linköpings universitet) F7 November 25 1 / 28 Tidsserieregressionsanalys
Läs merStatistiska Institutionen Gebrenegus Ghilagaber (docent) Skriftlig tentamen i FINANSIELL STATISTIK, grundnivå, 7,5 hp, HT08. Torsdagen 15 januari 2009
Statistiska Institutionen Gebrenegus Ghilagaber (docent) Skriftlig tentamen i FINANSIELL STATISTIK, grundnivå, 7,5 hp, HT08. Torsdagen 15 januari 009 Skrivtid: 5 timmar (13-18) Hjälpmedel: Miniräknare,
Läs merPrediktera. Statistik för modellval och prediktion. Trend? - Syrehalt beroende på kovariater. Sambands- och trendanalys
Statistik för modellval och prediktion att beskriva, förklara och förutsäga Georg Lindgren Prediktera Matematisk statistik, Lunds universitet stik för modellval och prediktion p.1/28 Statistik för modellval
Läs merFull fart på den svenska hotellmarknaden
Full fart på den svenska hotellmarknaden Utveckling första tertialet 2015 Box 3546, 103 69 Stockholm T +46 8 762 74 00 Box 404, 401 26 Göteborg T +46 31 62 94 00 Box 186, 201 21 Malmö T +46 40 35 25 00
Läs merFacit till Extra övningsuppgifter
LINKÖPINGS UNIVERSITET Institutionen för datavetenskap Statistik, ANd 732G71 STATISTIK B, 8hp Civilekonomprogrammet, t3, Ht 09 Extra övningsuppgifter Facit till Extra övningsuppgifter 1. Modellen är en
Läs merTillämpad statistik (A5), HT15 Föreläsning 11: Multipel linjär regression 2
Tillämpad statistik (A5), HT15 Föreläsning 11: Multipel linjär regression 2 Ronnie Pingel Statistiska institutionen Senast uppdaterad: 2015-11-23 Faktum är att vi i praktiken nästan alltid har en blandning
Läs merPrognos inom sjukvården
Prognos inom sjukvården Forecast in healthcare Författare: Jesper Haarala Jose Galdo Uppdragsgivare: Aregab, Stockholm Handledare: Henrik Linglöf, Aregab AB Peter Franzen, Aregab AB Johanna Strömgren,
Läs merUtvärdering av regeringens prognoser
Rapport till Finanspolitiska rådet 2017/3 Utvärdering av regeringens prognoser Pär Stockhammar Konjunkturinstitutet De åsikter som uttrycks i denna rapport är författar[ens/nas] egna och speglar inte nödvändigtvis
Läs merUtvärdering av Konjunkturinstitutets prognoser
Utvärdering av Konjunkturinstitutets prognoser Anders Bergvall Specialstudie Nr 5, mars 5 Utgiven av Konjunkturinstitutet Stockholm 5 Konjunkturinstitutet (KI) gör analyser och prognoser över den svenska
Läs merKorrelation och autokorrelation
Korrelation och autokorrelation Låt oss begrunda uttrycket r = i=1 (x i x) (y i y) n i=1 (x i x) 2 n. i=1 (y i y) 2 De kvadratsummor kring de aritmetiska medelvärdena som står i nämnaren är alltid positiva.
Läs merPMI sjönk till 59,3 i oktober men kvarstår på en hög nivå
2017-11-01 PMI sjönk till 59,3 i oktober men kvarstår på en hög nivå PMI-total sjönk till 59,3 i oktober, vilket är en minskning med 4,4 indexenheter jämfört med september som var den näst högsta nivån
Läs merBEFOLKNINGSPROGNOS KALMAR KOMMUN
BEFOLKNINGS KALMAR KOMMUN 216-225 Befolkningsprognos för Kalmar kommun 216-225 Innehåll Prognosresultat... 3 Närmare 7 2 fler invånare i Kalmar kommun 225 jämfört med idag... 3 Befolkningsförändringar
Läs merBEFOLKNINGSPROGNOS. 2015 2024 för Sollentuna kommun och dess kommundelar. www.sollentuna.se
BEFOLKNINGSPROGNOS 2015 2024 för Sollentuna kommun och dess kommundelar www.sollentuna.se Förord På uppdrag av Sollentuna kommun har Sweco Strategy beräknat en befolkningsprognos för perioden 2015-2024.
Läs merIntroduktion till statistik för statsvetare
Stockholms universitet November 2011 Data på annat sätt - I Stolpdiagram Data på annat sätt - II Histogram För kvalitativa data som nominal- och ordinaldata infördes stapeldiagram. För kvantitativa data
Läs merInnehåll. Frekvenstabell. II. Beskrivande statistik, sid 53 i E
Innehåll I. Grundläggande begrepp II. Deskriptiv statistik (sid 53 i E) III. Statistisk inferens Hypotesprövnig Statistiska analyser Parametriska analyser Icke-parametriska analyser 1 II. Beskrivande statistik,
Läs merEtt A4-blad med egna handskrivna anteckningar (båda sidor) samt räknedosa.
Tentamen Linköpings universitet, Institutionen för datavetenskap, Statistik Kurskod och namn: Datum och tid: Jourhavande lärare: Tillåtna hjälpmedel: 732G71 Statistik B 2017-12-08, 8-12 Bertil Wegmann
Läs merSTATISTIKUNDERLAG för befolkningsprognoser
STATISTIKUNDERLAG för befolkningsprognoser Statistiska centralbyrån (SCB) är en statlig myndighet. Vår uppgift är att framställa och sprida statistik till bland andra beslutsfattare, forskare och allmänhet.
Läs merSTOCKHOLMS UNIVERSITET VT 2007 Statistiska institutionen Johan Andersson
1 STOCKHOLMS UNIVERSITET VT 2007 Statistiska institutionen Johan Andersson Skriftlig tentamen på momentet Statistiska metoder SDA III, 2 poäng ingående i kurserna Grundkurs i statistik 20 p samt Undersökningsmetodik
Läs merStrategisk Logistik 20 YHp Dag 2(8)
Strategisk Logistik 20 YHp Dag 2(8) Affärslogistik 400 YH-poäng Dag 2(8) Repetition Lagerkurva Säkerhetslager Kapitalbindning/Kapitalomsättning Flexibilitet Prognostisering, intro 2 1 Lagerspelet Lagerspelet
Läs merKapitel 4: SAMBANDET MELLAN VARIABLER: REGRESSIONSLINJEN
Kapitel 4: SAMBANDET MELLAN VARIABLER: REGRESSIONSLINJEN Spridningsdiagrammen nedan representerar samma korrelationskoefficient, r = 0,8. 80 80 60 60 40 40 20 20 0 0 20 40 0 0 20 40 Det finns dock två
Läs merMatematisk statistik för D, I, Π och Fysiker
Matematisk statistik för D, I, Π och Fysiker Föreläsning 15 Johan Lindström 4 december 218 Johan Lindström - johanl@maths.lth.se FMSF45/MASB3 F15 1/28 Repetition Linjär regression Modell Parameterskattningar
Läs merFöreläsningsmanus i matematisk statistik för lantmätare, vecka 5 HT06
Föreläsningsmanus i matematisk statistik för lantmätare, vecka 5 HT06 Bengt Ringnér September 20, 2006 Inledning Detta är preliminärt undervisningsmaterial. Synpunkter är välkomna. 2 Väntevärde standardavvikelse
Läs merAnalytisk statistik. Mattias Nilsson Benfatto, PhD.
Analytisk statistik Mattias Nilsson Benfatto, PhD Mattias.nilsson@ki.se Beskrivande statistik kort repetition Centralmått Spridningsmått Normalfördelning Konfidensintervall Korrelation Analytisk statistik
Läs merStatistik 1 för biologer, logopeder och psykologer
Innehåll 1 2 Diskreta observationer Kontinuerliga observationer 3 Centralmått Spridningsmått Innehåll 1 2 Diskreta observationer Kontinuerliga observationer 3 Centralmått Spridningsmått Vad är statistik?
Läs merTeknisk not: Lönealgoritmen
Teknisk not: Lönealgoritmen Konjunkturlönestatistiken, som räknas till den officiella lönestatistiken, har som huvudsyfte att belysa nivån på arbetstagarnas löner i Sverige och hur dessa utvecklas. Konjunkturlönestatistiken
Läs merPROGRAMFÖRKLARING I. Statistik för modellval och prediktion. Ett exempel: vågriktning och våghöjd
Statistik för modellval och prediktion att beskriva, förklara och förutsäga Georg Lindgren PROGRAMFÖRKLARING I Matematisk statistik, Lunds universitet stik för modellval och prediktion p.1/4 Statistik
Läs merRegressions- och Tidsserieanalys - F3
Regressions- och Tidsserieanalys - F3 Multipel regressionsanalys kap 4.8-4.10 Linda Wänström Linköpings universitet 7 maj Wänström (Linköpings universitet) F3 7 maj 1 / 26 Lite som vi inte hann med när
Läs merGrundläggande matematisk statistik
Grundläggande matematisk statistik Kontinuerliga fördelningar Uwe Menzel, 8 www.matstat.de Begrepp fördelning Hur beter sig en variabel slumpmässigt? En slumpvariabel (s.v.) har en viss fördelning, d.v.s.
Läs merSTOCKHOLMS UNIVERSITET HT 2007 Statistiska institutionen Johan Andersson
1 STOCKHOLMS UNIVERSITET HT 2007 Statistiska institutionen Johan Andersson Skriftlig omtentamen på momentet Statistisk dataanalys III (SDA III, statistiska metoder) 3 högskolepoäng, ingående i kursen Undersökningsmetodik
Läs mer