Föreläsning 8. Kap 7,1 7,2
|
|
- Bengt Lindberg
- för 7 år sedan
- Visningar:
Transkript
1 Föreläsning 8 Kap 7,1 7,2 1
2 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 y TR TR SN TR = Trendkomponen SN = Säsongkomponen CL = Cykliska komponen IR = Slumpkomponen ( Denna har vi idigare kalla ε) SN CL CL IR IR 2
3 Trendkomponenen TR sår för en (ofa) linjär funkion av iden. Den kan också vara ex kvadraisk. Säsongkomponenen SN besår av e värde per säsong, som urycker skillnaden mellan denna säsong och årsgenomsnie (jämför säsongsdummies där man jämför med en viss säsong) Cykliska komponenen CL sår för en oregelbunden funkion som avspeglar ex konjunkursvängningar Slumpkomponenen är resen av variaionen som är hel oregelbunden och som ine kan förklaras. 3
4 Muliplikaiv eller addiiv modell? Muliplikaiv modell: Modellen används om säsongssvängningarna ökar med öka nivå i serien. För ekonomiska daa brukar denna modell ofa vara bäs. Addiiv modell: Fungerar vid mer sabila idsserier där säsongssvängningarna ej beror av nivån. 4
5 Beeckna den skaade rendkomponenen TR med r, skaad säsongskomponen SN med sn skaade cyklisk komponen CL med cl sam den skaade slumpkomponenen IR med ir. Idén är nu a vi ska skaa en komponen i age och därefer rensa bor den. Dea görs ills de endas finns slump kvar. Dea görs hel annorlunda jämför med idsserieregression där alla komponener skaas samidig.
6 Skaning och rensning av komponener Säsongrensning: Boragande av säsongsvariaion y - SN i den addiiva modellen y / SN i den muliplikaiva modellen Säsongsvariaion överskuggar ofa andra relevana komponener. Genom säsongrensningen kan man allså enklare se render och andra komponener. Derending : Boragande av renden y - TR y / TR 6
7 Skaning av säsongskomponenen 1. Säsongrensning: seg-för-seg Serien rensas från säsongkomponenen genom beräkning av cenrerade och vikade glidande medelvärden (cenered moving averages, CMA): CMA y ( L/ 2) y ( L/ 21) 2... y 2... y( L/ 21) 2 y( L/ 2) L2 där L=Anal säsonger i serien (L=2 för halvårsdaa, 4 för kvaralsdaa och 12 för månadsdaa) 7
8 Exempel (sales daa från idigare) id månad anal CMA * * * * * * ( ) / 24 8
9 En försa skaning av sk grova säsongkomponener erhålls genom a beräkna y /CMA i en muliplikaiv modell y CMA i en addiiv modell Ger n olika värden och sen beräkna medelvärden för alla värden som avser samma säsong. (.ex. alla januari-värden av y /CMA, ec.) Toal L medelvärden. 9
10 Exempel, fors Tid Mån. Sold CMA Grova säs.kom. Tid Mån. Sold CMA Grova säs.kom * * * * * * * * * * * * * * * * * * * * * * * * * *
11 Medelvärden av grova säsongskomponener: Juli: ( )/ Aug: ( )/ Sep: ( )/ Ok: ( )/ Nov: ( )/ Dec: ( )/ Jan: ( )/ Feb: ( )/ Mar: ( )/ Apr: ( )/ Maj: ( )/ Juni: ( )/ Obs! Bara vå värden här! och här! 11
12 Medelvärdena måse dessuom juseras så a de vid muliplikaiv modell får medelvärde 1, dvs summan av alla juserade säsongmedelvärden ska bli L vid addiiv modell får medelvärde 0, dvs summan av alla juserade säsongmedelvärden ska bli 0. De juserade värdena kallas för säsongskomponener sn 1,...,sn L 12
13 Summan av de beräknade medelvärdena: ) Summan skall bli L=12 För a få den ill 12 mulipliceras samliga medelvärden med 12/
14 Slulig skaade säsongkomponener: Jan: sn 1 = Feb: sn 2 = Mar: sn 3 = Apr: sn 4 = Maj: sn 5 = Juni: sn 6 = Juli: sn 7 = Aug: sn 8 = Sep: sn 9 = Ok: sn 10 = Nov: sn 11 = Dec: sn 12 =
15 Tidsserien säsongrensas genom: d y / sn vid muliplikaiv modell d y sn vid addiiv modell där sn är någo av värdena sn, 1, snl beroende på vilken av säsongerna som mosvarar. 15
16 Exempel, fors Tid Mån. Sold y sn d Tid Mån. Sold y sn d
17 DESE1 2. Använd de säsongrensade värdena och skaa rendkomponenen på dessa. Skaa en linjär (eller kvadraisk) rend TR med hjälp av regressionsanalys Regression Plo DESE1 = id S = R-Sq = 3.0 % R-Sq(adj) = 0.9 % id
18 3. Cyklisk och oregelbunden komponen: Om cyklisk komponen ine finns med: Residualerna från regressionsanalysen ugör skaning av ermen IR i den klassiska modellen. Om cyklisk komponen finns med: Skaa cyklisk och oregelbunden komponen som en komponen (CLIR ) ( clir) ( clir) r y y sn ( r vid muliplikaiv modell sn ) vid addiiv modell 18
19 Den cykliska komponenen skaas nu genom e cenrera ovika glidande medelvärde: Gäller både addiiv och muliplikaiv modell cl ( clir) m ( clir) ( m1)... ( clir) ( clir) 1 2 m 1 ( clir) m och den oregelbundna komponenen skaas sluligen som ir ir ( clir) cl ( clir) cl vid vid muliplikaiv modell addiiv modell 19
20 Vilka glidande medelvärden ska användas? 2m+1 väljs i regel ill någo av värdena 3, 5, 7, 9, 11, 13 Hur m skall väljas besäms genom a ia på den sluliga skaningen av IR m väljs så a auokorrelaionen och variansen för dessa värden blir så låg som möjlig. I boken används bara 3. 2m+1 kallas anal punker i de glidande medelvärde 20
21 Miniab kan användas för komponenuppdelning med SaTime seriesdecomposiion Muliplikaiv modell är dock någo annorlunda: y = TR SN +IR Val av modellyp Möjlighe a välja komponener, men dock begränsa 21
22 Säsongrensade daa 22
23 Time Series Decomposiion Daa Sold Lengh 47,0000 NMissing 0 Trend Line Equaion Y = 5, ,30E-02* Seasonal Indices Period Index 1 0, , , , , , , , , , , , Dessa blir någo annorlunda jämför med handräkningen idigare p g a a modellen är annorlunda Accuracy of Model MAPE: 16,8643 MAD: 0,9057 MSD: 1,
24 24
25 25
26 Time Series Plo of TREN1; SEAS1; FITS TREN1 SEAS1 7,2 7,0 6,8 6,6 6, FITS1 1,50 1,25 1,00 0,75 0, Index
27 27
28 Skaade rend- och säsongkomponener har lagras i kolumnerna TREN1 resp. SEAS1 Beräkning av (clir) kan göras genom a dividera originaldaa med produken av dessa vå CLIR1=Sold/(TREN1 SEAS1) Den cykliska komponenen ska nu skaas genom beräkning av glidande medelvärden på CLIR1 28
29 SaTime SeriesMoving Average Anal punker i de glidande medelvärde 29
30 Sparar de glidande medelvärdena, dvs den skaade cykliska komponenen i en ny kolumn, som får namne AVER1 30
31 31
32 Den oregelbundna komponenen (IR) skaas sluligen genom a dividera CLIR1 med AVER1 De resulerade värdena suderas sedan med avseende på spridning, s och seriell korrelaion, Corr ( ir, ir -1 ) 2m+1 s Corr(ir,ir -1 )
33 33
34 Seriella korrelaioner kan enkel beräknas med SaTime serieslag och sedan SaBasic saisicscorrelaion eller manuell i Session window: MTB > lag RESI4 c50 MTB > corr RESI4 c50 34
35 Analys med addiiv modell: 35
36 Time Series Decomposiion Daa Sold Lengh 47,0000 NMissing 0 Trend Line Equaion Y = 5, ,30E-02* Seasonal Indices Period Index 1-4, , , , , , , , , , , ,17361 Accuracy of Model MAPE: 16,4122 MAD: 0,9025 MSD: 1,
37 Vad Beyder måen MAPE, MAD och MSD? Alla re är må på hur bra anpassningen är och kan användas för a jämföra olika modeller. Den modell som har lägs MAPE, MAD och/eller MSD har bäs anpassning. Ofas visar alla 3 måen å samma håll. Men i vissa fall kan man vara vungen a välja e av dem. Vid val mellan ex addiiv modell och muliplikaiv modell kan de hända a någo av måen är högre för den ena modellen medan e anna må är lägre. De gäller allså a olka måen med viss förnuf.
38 MSD kan också jämföras med MSE i den mulipla regressionen: MSD 1 n n y yˆ 1 2 Mean Square Deviaion MSE 1 n k 1 n y yˆ 1 2 Mean Square Error 38
39 MAD 1 n n 1 y yˆ Mean Absolue Deviaion Skillnaden mellan MAD och MSD är a MAD använder absoluavvikelser isälle för kvadraiska avvikelser. MAD är mindre känslig för avvikande värden och blir mer användbar när vi har någo ensaka värde som uppräder konsig. Yerligare en fördel med MAD är a dess värde är i samma skala som y - observaionerna själva, vilke gör de läare a olka. 39
40 MAPE 1 n n 1 y y yˆ Mean Absolue Percenage Error Måe använder också absolua avvikelser, men mäer dem relaiv nivån hos y. Vi får allså relaiva (procenuella) avvikelser. Måe är prakisk för muliplikaiva modeller där den oregelbundna komponenen (IR ) är ganska beydande, efersom avvikelserna då blir sora när vi har sora värden på y. 40
41 Muliplikaiv Addiiv 41
42 Trend Line Equaion Y = E-02* Seasonal Indices Period Index muliplikaiv addiiv Trend Line Equaion Y = E-02* Seasonal Indices Period Index
43 Prognoser Regression/Komponenuppdelning Saiska modeller (med rend, säsongskomponener) som gör prognoser genom a använda samma rend och samma säsongskomponeneer som under hela den observerade perioden. Bäre prognosmodeller Dynamiska modeller som anpassar sig efer de senase endenserna i idsserien. Prognoserna görs främs med hjälp av idpunkerna i slue av serien, äldre värden har ine lika sark beydelse. Trend och säsongskomponenerna uppdaeras över iden. 43
44 Prognoser i saiska modeller 44
45 Prognoser i idsserieregressionen Predicor Coef Consan ime jan feb mar apr maj jun jul aug sep ok nov Prognos för december 1999 id : 48; jan-nov: 0 yˆ Prognos för januari 2000 id : 49; jan: 1; feb-nov: 0 yˆ
46 Prognoser i en komponenuppdelningsmodell Trend Line Equaion Y = E-02* Seasonal Indices Period Index Prognos för december 1999 id =48, säsong=1 muliplikaiv modell Prognos för januari 2000: ŷ ŷ
47 47
Tidsserieanalys. 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 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 merFinansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 9. Analys av Tidsserier (LLL kap 18) Tidsserie data
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,
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 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 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 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 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 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 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 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 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 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 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 merFastbasindex--Kedjeindex. Index av de slag vi hitintills tagit upp kallas fastbasindex. Viktbestämningar utgår från
Fasbasindex--Kedjeindex Index av de slag vi hiinills agi upp kallas fasbasindex. Vikbesämningar ugår från priser och/eller kvanieer under basåre. Vid långa indexserier blir dea e problem. Vikerna måse
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 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 merTENTAMEN I STATISTIK B,
732G7 Tentamen. hp TENTAMEN I STATISTIK B, 24-2- Skrivtid: kl: -2 Tillåtna hjälpmedel: Ett A4-blad med egna handskrivna anteckningar samt räknedosa Jourhavande lärare: Lotta Hallberg Betygsgränser: Tentamen
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 2015-02-06, 8-12 Bertil Wegmann
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 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 merPreliminär elmarknadsstatistik per månad för Sverige 2014
jan feb mar apr maj jun GWh GWh GWh GWh GWh GWh 6 859,6 6 342,1 6 814,5 5 965,4 5 706,5 5 382,4 1 213,7 872,3 1 200,3 902,0 681,7 611,8 6 374,9 5 876,2 6 247,9 4 875,8 3 487,7 3 395,2 529,2 496,2 557,8
Läs merDiskussion om rörelse på banan (ändras hastigheten, behövs någon kraft för att upprätthålla hastigheten, spelar massan på skytteln någon roll?
Likformig och accelererad rörelse - Fysik 1 för NA11FM under perioden veckorna 35 och 36, 011 Lekion 1 och, Rörelse, 31 augusi och sepember Tema: Likformig rörelse och medelhasighe Sroboskopfoo av likformig-
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 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 2015-12-09, 8-12 Bertil Wegmann
Läs merLINJÄRA DIFFERENTIALEKVATIONER AV FÖRSTA ORDNINGEN
LINJÄRA DIFFERENTIALEKVATIONER AV FÖRSTA ORDNINGEN Linjär differenialekvaion (DE) av försa ordningen är en DE som kan skrivas på följande form ( = Q( () Formen kallas sandard form eller normaliserad form
Läs mer1. Man tror sig veta att en viss variabel, y, i genomsnitt beror av en annan variabel, x, enligt sambandet:
LINKÖPINGS UNIVERSITET Institutionen för datavetenskap Statistik, ANd 732G71 STATISTIK B, 8hp Civilekonomprogrammet, t3, Ht 09 Extra övningsuppgifter Extra övningsuppgifter 1. Man tror sig veta att en
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 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 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 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 merBetalningsbalansen. Fjärde kvartalet 2012
Bealningsbalansen Fjärde kvarale 212 Bealningsbalansen Fjärde kvarale 212 Saisiska cenralbyrån 213 Balance of Paymens. Fourh quarer 212 Saisics Sweden 213 Producen Producer Saisiska cenralbyrån, enheen
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 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 merLektion 3 Projektplanering (PP) Fast position Projektplanering. Uppgift PP1.1. Uppgift PP1.2. Uppgift PP2.3. Nivå 1. Nivå 2
Lekion 3 Projekplanering (PP) as posiion Projekplanering Rev. 834 MR Nivå 1 Uppgif PP1.1 Lieraur: Olhager () del II, kap. 5. Nedan följer alla uppgifer som hör ill lekionen. e är indelade i fyra nivåer
Läs merBetalningsbalansen. Tredje kvartalet 2010
Bealningsbalansen Tredje kvarale 2010 Bealningsbalansen Tredje kvarale 2010 Saisiska cenralbyrån 2010 Balance of Paymens. Third quarer 2010 Saisics Sweden 2010 Producen Producer Saisiska cenralbyrån,
Läs mer2016, Arbetslösa samt arbetslösa i program i GR i åldrarna år
216, Arbetslösa samt arbetslösa i program i GR i åldrarna 16-64 år Öppet arbetslösa i GR (16-64år) Göteborg Totalt Göteborg Totalt jan 328 514 13 351 418 743 372 351 169 762 422 31 155 93 17 988 jan 342
Läs merPreliminär elmarknadsstatistik per månad för Sverige 2014
jan feb mar apr maj jun GWh GWh GWh GWh GWh GWh 6 859,6 6 342,1 6 814,5 0,0 0,0 0,0 1 213,7 872,3 1 200,3 0,0 0,0 0,0 6 374,9 5 876,2 6 247,9 0,0 0,0 0,0 529,2 496,2 557,8 0,0 0,0 0,0 5,5 4,3 6,3 0,0 0,0
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 merHur simuleras Differential-Algebraiska Ekvationer?
Hur simuleras Differenial-Algebraiska Ekvaioner? Jonas Elbornsson December 2, 2000 1 Inledning Dea är en sammanfaning av meoder för simulering av Differenial-Algebraiska Ekvaioner (DAE) för kursen i Modellering
Läs mer732G71 Statistik B. Föreläsning 7. Bertil Wegmann. IDA, Linköpings universitet. Bertil Wegmann (IDA, LiU) 732G71, Statistik B 1 / 29
732G71 Statistik B Föreläsning 7 Bertil Wegmann IDA, Linköpings universitet Bertil Wegmann (IDA, LiU) 732G71, Statistik B 1 / 29 Detaljhandelns försäljning (fasta priser, kalenderkorrigerat) Bertil Wegmann
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 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 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 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 merFöreläsning 19: Fria svängningar I
1 KOMIHÅG 18: --------------------------------- Ellipsbanans soraxel och mekaniska energin E = " mgm 2a ------------------------------------------------------ Föreläsning 19: Fria svängningar I Fjäderkrafen
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 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 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 merLösningar till Matematisk analys IV,
Lösningar ill Maemaisk anals IV, 85. Vi börjar med kurvinegralen 5 5 dx + 5 x5 + x d. Sä P x, = 5 5 och Qx, = 5 x5 + x. Vi använder Greens formel för a beräkna den givna kurvinegralen. Efersom ine är en
Läs merLivförsäkringsmatematik II
Livförsäkringsmaemaik II iskrea kommuaionsfunkioner Erik Alm, Hannover Re Sockholm 2013 iskre eknik Premier och annuieer bealas diskre ödligheen definieras ofas i en diskre abell (Undanag: de Nordiska
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 merDemodulering av digitalt modulerade signaler
Kompleeringsmaeriel ill TSEI67 Telekommunikaion Demodulering av digial modulerade signaler Mikael Olofsson Insiuionen för sysemeknik Linköpings universie, 581 83 Linköping Februari 27 No: Denna uppsas
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 merDiverse 2(26) Laborationer 4(26)
Diverse 2(26) (Reglereknik) Marin Enqvis Reglereknik Insiuionen för sysemeknik Linköpings universie Föreläsare och examinaorer: Marin Enqvis (ISY) Simin Nadjm-Tehrani (IDA) Lekionsassisener: Jonas Callmer
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 merSäsongrensning av Nationalräkenskaperna -Översikt- Sven Öhlén
1(63) Säsongrensning av Naionalräkenskaperna -Översik- Sven Öhlén 2003-03-18 Bruonaionalproduken (BNP) Förändring från föregående kvaral, uppräkna ill årsak, %. Säsongrensade värden och rend 7 6 5 4 3
Läs merBetalningsbalansen. Tredje kvartalet 2008
Bealningsbalansen Tredje kvarale 2008 Bealningsbalansen Tredje kvarale 2008 Saisiska cenralbyrån 2008 Balance of Paymens. Third quarer 2008 Saisics Sweden 2008 Producen Producer Saisiska cenralbyrån,
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 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 merKonsumentprisindex för kläder och skor
Saisiska Insiuionen STA03:2 Lunds Universie HT 2007 Kandidauppsas, 0poäng Konsumenprisindex för kläder och skor 986-2005 Dekomponering och prognosisering Förfaare: Henrik Svansröm 79063-4098 Samuel Roos
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 merHedgefonder och aktiefonder - En studie av riskexponering och market-timing på den svenska marknaden
Magiseruppsas i finansiering Föreagsekonomiska insiuionen FEK 591 Lunds Universie Hedgefonder och akiefonder - En sudie av riskexponering och marke-iming på den svenska marknaden Handledare Hossein Asgharian
Läs mer8.4 De i kärnan ingående partiklarnas massa är
LÖSIGSFÖRSLAG Fysik: Fysik och Kapiel 8 8 Kärnfysik Aomkärnans sabilie 8. Läa kärnor är sabila om de har samma anal prooner som neuroner. Sörre kärnor kräver fler neuroner än prooner för a sark växelverkan
Läs merPreliminär elmarknadsstatistik per månad för Sverige 2013
jan feb mar apr maj jun GWh GWh GWh GWh GWh GWh 7 272,1 6 462,7 6 116,8 4 575,2 5 211,6 3 621,7 764,6 561,7 889,7 889,4 696,7 541,5 6 319,3 5 844,7 6 405,3 6 241,9 4 070,0 4 686,4 608,1 545,0 617,1 534,3
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 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 merEN BÄTTRE BALANS MED SVAGT SJUNKANDE TRÄVARUPRISER 2015 OCH EN NY PRISUPPGÅNG I MITTEN AV 2016
juni 2015 Timber EN BÄTTRE BALANS MED SVAGT SJUNKANDE TRÄVARUPRISER 2015 OCH EN NY PRISUPPGÅNG I MITTEN AV 2016 Swedish Production m 3 2 1.8 1.6 1.4 1.2 1 0.8 0.6 0.4 Jun/12 x 10 6 Oct/12 Feb/13 Jun/13
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 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 mer2003:11. Säsongrensning av Nationalräkenskaperna Översikt
2003:11 Säsongrensning av Naionalräkenskaperna Översik Bruonaionalproduken (BNP) Förändring från föregående kvaral, uppräkna ill årsak, procen. Säsongrensade värden och rend 7 6 5 4 3 2 1 0 1993 1994 1995
Läs merMät upp- och urladdning av kondensatorer
elab011a Namn Daum Handledarens sign. Laboraion Mä upp- och urladdning av kondensaorer Varför denna laboraion? Oscilloskope är e vikig insrumen för a sudera kurvformer. Avsiken med den här laboraionen
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 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 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 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 merF7 Polynomregression och Dummyvariabler
F7 Polnomregression och Dummvariabler Antag att man börjar med enkel linjär regression. Kap Polnomregression Emellanåt upptäcker man samband som är kvadratiska, kubiska osv. Allmänt: polnom av k:te ordningen
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 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 merByggeboNytt. Kenth. i hyresgästernas tjänst. Getingplåga Arbetsförmedlingen på plats i Alvarsberg. Nr 3 2012 Byggebo AB, Box 34, 572 21 Oskarshamn
ByggeboNy Nr 3 2012 Byggebo AB, Box 34, 572 21 Oskarshamn Geingplåga Arbesförmedlingen på plas i Alvarsberg Kenh i hyresgäsernas jäns Sark posiiv rend Den posiiva renden håller i sig. Under sommaren har
Läs merSveriges 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 merLite grundläggande läkemedelskinetik
Lie grundläggande läkemedelskineik Maemaisk Modellering med Saisiska Tillämpningar (FMAF25) Anders Källén Inrodukion Farmakokineik eller mer svensk läkemedelskineik är en vikig disiplin vid uveklande av
Läs merEN BÄTTRE BALANS MED SVAGT SJUNKANDE TRÄVARUPRISER 2015 OCH EN NY PRISUPPGÅNG I MITTEN AV 2016
maj 2015 Timber EN BÄTTRE BALANS MED SVAGT SJUNKANDE TRÄVARUPRISER 2015 OCH EN NY PRISUPPGÅNG I MITTEN AV 2016 Swedish Production m 3 2 1.8 1.6 1.4 1.2 1 0.8 0.6 0.4 Apr/12 x 10 6 Aug/12 Dec/12 Apr/13
Läs merBetalningsbalansen. Tredje kvartalet 2012
Bealningsbalansen Tredje kvarale 2012 Bealningsbalansen Tredje kvarale 2012 Saisiska cenralbyrån 2012 Balance of Paymens. Third quarer 2012 Saisics Sweden 2012 Producen Producer Saisiska cenralbyrån,
Läs merDet svenska konsumtionsbeteendet
NATIONALEKONOMISKA INSTITUTIONEN Kandidauppsas i makroekonomi, 2008 De svenska konsumionsbeeende En ekonomerisk analys av den permanena inkomshypoesen Handledare : Fredrik NG Andersson Förfaare: Ida Hedlund
Läs merAnalys och modellering av ljusbåglängdsregleringen i pulsad MIG/MAG-svetsning
Analys och modellering av ljusbåglängdsregleringen i pulsad MIG/MAG-svesning Examensarbee uför i Reglereknik av Andreas Pilkvis LiTH-ISY-EX-- Linköping Analys och modellering av ljusbåglängdsregleringen
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 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 merEN BÄTTRE BALANS MED SVAGT SJUNKANDE TRÄVARUPRISER 2015 OCH EN NY PRISUPPGÅNG I MITTEN AV 2016
augusti 2015 Timber EN BÄTTRE BALANS MED SVAGT SJUNKANDE TRÄVARUPRISER 2015 OCH EN NY PRISUPPGÅNG I MITTEN AV 2016 Swedish Production m 3 2 1.8 1.6 1.4 1.2 1 0.8 0.6 0.4 x 10 6 Jul 1350 Aug 1590 Sep 1770
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 merProgramvara. Dimmer KNX: 1, 3 och 4 utgångar Elektriska/mekaniska egenskaper: se produktens användarhandbok. TP-anordning Radioanordning
Programvara Dimmer KNX: 1, 3 och 4 ugångar Elekriska/mekaniska egenskaper: se produkens användarhandbok Produkreferens Produkbeskrivning Programvarans ref TP-anordning Radioanordning TXA661A TXA661B Dimakor
Läs merOm de trigonometriska funktionerna
Analys 360 En webbaserad analyskurs Grundbok Om de rigonomeriska funkionerna Anders Källén MaemaikCenrum LTH anderskallen@gmail.com Om de rigonomeriska funkionerna () Inrodukion I de här kapile ska vi
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 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 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 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 mer