Χρονοσειρές Μάθημα 6
|
|
- Ασπασία Γεωργίου
- 7 χρόνια πριν
- Προβολές:
Transcript
1 Χρονοσειρές Μάθημα 6 Πρόβλεψη Χρονικών Σειρών Μοντέλα για χρονικές σειρές AR, MA, ARMA, ARIMA, SARIMA πρόβλεψη Πολλές εφαρμογές Δείκτης και όγκος συναλλαγών Χρηματιστηρίου Αξιών Αθηνών ΧΑΑ
2 Θα μπορούσαμε να προβλέψουμε τους δύο δείκτες για το Μάιο έστω τις πρώτες μέρες του μήνα γνωρίζοντας τα δεδομένα ως και το τέλος Απριλίου?
3 Geeral Ide of Comsumer Prices Γενικός δείκτης τιμών καταναλωτή GICP Geeral Ide of Comsumer Prices, eriod Ja - Aug years Πως θα μεταβληθεί δείκτης GICP τους επόμενους μήνες?
4 umber of susos umber of susos umber of susos Ηλιακές κηλίδες Aual susos, eriod 7 - Aual susos, eriod years Aual susos, eriod years years 989 Πόσες θα είναι οι ηλιακές κηλίδες τον επόμενο ή τα επόμενα χρόνια? 4 Πόσες θα είναι οι ηλιακές κηλίδες τον επόμενο ή τα επόμενα χρόνια?
5 Καρδιακός ρυθμός Ποιος είναι ο επόμενος καρδιακός ρυθμός ή οι επόμενοι καρδιακοί ρυθμοί?
6 Πρόβλημα πρόβλεψης Γνωρίζουμε τη χρονική σειρά,,, Θέλουμε να εκτιμήσουμε το + Πρόβλεψη Σφάλμα πρόβλεψης: e Στοχαστική διαδικασία { X } πρόβλεψη X είναι η εκτίμηση του στοιχείου X + της Βέλτιστη πρόβλεψη : X E[ X X, X, ] { X } Ιδιότητες καλής πρόβλεψης: η αμεροληψία ubiasedess : E[ X ] X η αποτελεσματικότητα efficiecy, δηλαδή μικρή διασπορά σφάλματος Var[ ] Var[ X X ] Συνδυασμός αμεροληψίας και αποτελεσματικότητας ελαχιστοποίηση του μέσου τετραγωνικού σφάλματος πρόβλεψης X X E
7 Αξιολόγηση απόδοσης μοντέλου πρόβλεψης: Γνωρίζουμε,,, μοντέλο πρόβλεψης σύνολο εκμάθησης learig /raiig se γνωρίζουμε επίσης {,,, } l σύνολο αξιολόγησης es / validaio se Σφάλματα πρόβλεψης χρονικά βήματα μπροστά Στατιστικά μέτρα σφάλματος,,, l e, e,, e l Ρίζα μέσου τετραγωνικού σφάλματος roo mea suare error, rmse l l mse e l l l l rmse e l l e,,, l Εκτίμηση μέσου τετραγωνικού σφάλματος mea suare error, mse Κανονικοποίηση του rmse ormalied roo mea rmse suare error, rmse l l l l rmse πολύ καλή πρόβλεψη rmse πρόβλεψη ισοδύναμη με μέση τιμή
8 Προβλέψεις: Πρόβλεψη πολλών βημάτων μπροστά για μια χρονική στιγμή Δίνεται,,,, προβλέπουμε,,, Δίνεται,,,,, ενός μοντέλου πρόβλεψης. Πρόβλεψη για κάποιο βήμα μπροστά για πολλές χρονικές στιγμές, l, θέλουμε να μετρήσουμε την απόδοση. Εκτιμούμε τις παραμέτρους του μοντέλου από τα,,,. Κάνουμε τις προβλέψεις για κάποιο βήμα,,, l 3. Υπολογίζουμε κάποιο στατιστικό μέτρο των σφαλμάτων πρόβλεψης l l rmse e l l όρια πρόβλεψης c Var e / c / / ~ N,
9 Απλές τεχνικές πρόβλεψης Αιτιοκρατική τάση Λευκός θόρυβος ~ WN, Πρόβλεψη: Τάση, συνάρτηση του χρόνου E,,, Λύση: επέκταση της συνάρτησης μ για χρόνους > Σφάλμα πρόβλεψης: e μ =? m γνωστό απλή αντικατάσταση καθολικά προσαρμογή σε,,, άγνωστο εκτίμηση π.χ. με πολυώνυμο τοπικά προσαρμογή στις m τελευταίες m c c c παρατηρήσεις m, m, m,
10 Δείκτης και όγκος ΧΑΑ, πρόβλεψη με επέκταση τάσεων εκτίμηση με πολυώνυμα
11 year cycle of GICP dereded ad deseasoed GICP Geeral Ide of Comsumer Prices dereded GICP Αιτιοκρατικός εποχικός όρος Αιτιοκρατικός εποχικός όρος και αιτιοκρατική τάση Geeral Ide of Comsumer Prices, eriod Ja - Aug { } 56 s Ίδια προσέγγιση: εκτίμηση του αιτιοκρατικού μέρους s s GICP, Ιανουάριος Αύγουστος Geeral Ide of Comsumer Prices, liear red is subraced years 4 3 s Geeral Ide of Comsumer Prices, year cycle s years Geeral Ide of Comsumer Prices, red ad eriod com. subraced 4 3 s s years Πρόβλεψη Σεπτεμβρίου *57.7 s years
12 c c c c c Εκθετική ομαλοποίηση Εκτίμηση του + ως σταθμισμένο άθροισμα των προηγούμενων παρατηρήσεων c c c Επιθυμητή συνθήκη για τα βάρη:,,,,, c Ορισμός βαρών με μια παράμετρο : Αναδρομική σχέση :
13 Πρόβλεψη με εκθετική ομαλοποίηση: Παραδείγματα Δείκτης και όγκος ΧΑΑ Πρόβλεψη με χρονικό βήμα για όλες τις μέρες του Μαΐου Σύγκριση της απόδοσης του μοντέλου εκθετικής ομαλοποίησης για διάφορα Μεγάλο βάρος στις πολύ πρόσφατες παρατηρήσεις δίνει την καλύτερη πρόβλεψη
14 Ηλιακές κηλίδες Καρδιακός ρυθμός
15 Πρόβλεψη στάσιμων χρονοσειρών με γραμμικά μοντέλα Προβλέψεις με AR, MA και ARMA Πρόβλεψη με αυτοπαλινδρομούμενα μοντέλα AR Δίνεται η χρονική σειρά,,, AR μοντέλο Λευκός θόρυβος ~ WN, Βέλτιστη πρόβλεψη για βήμα : Βέλτιστη πρόβλεψη για βήμα : Σφάλμα πρόβλεψης : e e Var Σφάλμα πρόβλεψης : e e Var Βέλτιστη πρόβλεψη για βήμα : e Σφάλμα πρόβλεψης : Var e
16 Βέλτιστη πρόβλεψη για βήμα :,,, Δίνεται η χρονική σειρά e Σφάλμα πρόβλεψης : Var e Σφάλμα πρόβλεψης : e e Var e AR μοντέλο Βέλτιστη πρόβλεψη για βήμα : Βέλτιστη πρόβλεψη για βήμα : παρατήρηση πρόβλεψη όπου Σφάλμα πρόβλεψης : e e e b e Var b e
17 Δείκτης ΧΑΑ, πρόβλεψη για Μάιο, 3.4.,,, AR AR6 AR
18 Δείκτης ΧΑΑ, ημερήσιες προβλέψεις για Μάιο,
19 Όγκος ΧΑΑ, πρόβλεψη για Μάιο, 3.4.,,, AR AR6 AR
20 Όγκος ΧΑΑ, ημερήσιες προβλέψεις για Μάιο,
21 Ηλιακές κηλίδες, πρόβλεψη από το 99 ως το, 99,,, AR AR6 AR
22 Ηλιακές κηλίδες, πρόβλεψη ενός έτους την περίοδο 99-, 99
23 Καρδιακός ρυθμός, πρόβλεψη επόμενων ρυθμών, 6,,, AR AR6 AR
24 Καρδιακός ρυθμός, πρόβλεψη επόμενου καρδιακού ρυθμού, 68
25 Ρυθμός μεταβολής του ΑΕΠ των ΗΠΑ AIC r Οι τιμές είναι τετραμηνιαίες, από το δεύτερο τετράμηνο του 947 ως το πρώτο τετράμηνο του 99 =76.4 Rae growh of GNP of USA.5 Auocorrelaio of rae growh Parial Auocorrelaio for Rae Growh -9.5 AIC for Rae Growh ,
26 Ρυθμός μεταβολής του ΑΕΠ των ΗΠΑ AR3 ˆ.77 ˆ.35 ˆ.8 ˆ 3.4 ˆ ˆ ˆ ˆ ˆ , 7,,,6 Predicio of rae growh wih AR s ˆ AR s ˆ Predicio of rae growh wih AR
27 Ρυθμός μεταβολής του ΑΕΠ των ΗΠΑ rmse rmse Απόδοση πρόβλεψης βημάτων AR, =,,, 6 76, rmse o he las 5 daa. rmse o he las 3 daa = =.9.8 = =
28 ~ WN, E,, αν αν MA μοντέλο Βέλτιστη πρόβλεψη για βήμα : Σφάλμα πρόβλεψης : e Var e Βέλτιστη πρόβλεψη για βήμα : Var Σφάλμα πρόβλεψης : e e Var Γενικά για βήμα πρόβλεψης : για για e για για
29 e Σφάλμα πρόβλεψης : Var e Σφάλμα πρόβλεψης : e Var e Σφάλμα πρόβλεψης : e e Var e MA μοντέλο Βέλτιστη πρόβλεψη για βήμα : Βέλτιστη πρόβλεψη για βήμα : Βέλτιστη πρόβλεψη για βήμα : αν αν
30 Ρυθμός μεταβολής του ΑΕΠ των ΗΠΑ rmse Οι τιμές είναι τετραμηνιαίες, από το δεύτερο τετράμηνο του 947 ως το πρώτο τετράμηνο του 99 =76 ΜΑ s ˆ.9, 7,,,6, Predicio of rae growh wih MA. rmse wih MA o he las 3 daa = =
31 ARMA, μοντέλο Βέλτιστη πρόβλεψη για βήμα : e Σφάλμα πρόβλεψης : Var e αν αν Γενικά για βήμα πρόβλεψης : Πρόβλεψη με ARMA: σύνθεση των προβλέψεων με AR και MA
32 Ρυθμός μεταβολής του ΑΕΠ των ΗΠΑ rmse ARMA3, s 3 ˆ.5, 7,,,6, Predicio of rae growh wih ARMA3,. rmse wih ARMA, o he las 3 daa = =
33 Πρόβλεψη μη-στάσιμων χρονικών σειρών Μη-στάσιμη χρονική σειρά Βήματα πρόβλεψης:. μετασχηματισμός σε στάσιμη y, y,, y. πρόβλεψη του + με κάποιο μοντέλο 3. αντίστροφος μετασχηματισμός για την πρόβλεψη y, y,, y,,, y 3 Κλασικό μοντέλο για το y : y s Πρόβλεψη του y + : y s. Εκτίμηση των μ και s ως συναρτήσεις του χρόνου y s. : πρόβλεψη τύπου ARMA του + 3. y s Απαλοιφή των μ και s χρησιμοποιώντας διαφορές πρόβλεψη με μοντέλα ARIMA ή SARIMA
34 ARIMA,, Βήματα πρόβλεψης του y :. μετασχηματισμός: y y. πρόβλεψη του + με ARMA, 3. αντίστροφος μετασχηματισμός: y, y,, y,, 3 y y y στάσιμη Σφάλμα πρόβλεψης : e e~ σφάλμα πρόβλεψης του Γενικά για βήμα πρόβλεψης : y y γνωστό από την πρόβλεψη του y +- ARMA, πρόβλεψη του + Παρόμοια διαδικασία πρόβλεψης για ARIMA,d, ή SARIMA,d,P,D,Q s
35 close ide reurs r close ide r Γενικός δείκτης Χρηματιστηρίου Αθηνών Περίοδος Ιανουάριος Σεπτέμβριος 5 35 ASE Geeral Ide, Ja - Se 5 Auocorrelaio of ASE Geeral Ide years Απόδοση y y y Reurs of ASE Geeral Ide Auocorrelaio of reurs of ASE Geeral Ide years
36 reurs of ide close ide AIC Γενικός δείκτης Χρηματιστηρίου Αθηνών Περίοδος Ιανουάριος Σεπτέμβριος 5 Τάξη AR μοντέλου y y Parial auocorrelaio of reurs of geeral ide AIC of reurs of geeral ide. y , Πρόβλεψη πολλών βημάτων με αφετηρία.9.5 αποδόσεις γενικού δείκτη γενικός δείκτης y of ide reur, =.9.5 reur of ide y T, AR days y y y y Πρόβλεψη y y y y of geeral ide, =.9.5 geeral ide T, AR days
37 close ide Γενικός δείκτης Χρηματιστηρίου Αθηνών Περίοδος Ιανουάριος Σεπτέμβριος 5 rmse Πρόβλεψη ενός βήματος την περίοδο Εκτίμηση του σφάλματος πρόβλεψης με ΑR μοντέλα για την περίοδο of geeral ide =.9.5 o..5.5 rmse of AR for geeral ide, = = = geeral ide AR AR days.5 5 5
38 8 Μη-παραμετρικά όρια πρόβλεψης μοντέλου AR με χρήση της τεχνικής boosra. 9 Μοντέλα χώρου κατάστασης sae sace models και σχέση τους με μοντέλα ARMA Πρόβλεψη με φίλτρο Kalma Kalma filer Απόμακρα σημεία ouliers σε χρονοσειρές: τύποι απόμακρων σημείων, εντοπισμός και εκτίμηση τους Σύγκριση πρόβλεψης από δύο ή περισσότερα μοντέλα
Μάθημα 4: Πρόβλεψη χρονοσειρών Απλές τεχνικές πρόβλεψης Πρόβλεψη στάσιμων χρονοσειρών με γραμμικά μοντέλα Πρόβλεψη μη-στάσιμων χρονοσειρών Ασκήσεις
Μάθημα 4: Πρόβλεψη χρονοσειρών Απλές τεχνικές πρόβλεψης Πρόβλεψη στάσιμων χρονοσειρών με γραμμικά μοντέλα Πρόβλεψη μη-στάσιμων χρονοσειρών Ασκήσεις Πρόβλεψη Χρονοσειρών Μοντέλα για χρονικές σειρές AR,
Διαβάστε περισσότεραmin Προσαρμογή AR μοντέλου τάξη p, εκτίμηση παραμέτρων Προσδιορισμός τάξης AR μοντέλου συσχέτιση των χωρίς τη συσχέτιση με
= φ + φ + + φ + Προσδιορισμός τάξης AR μοντέλου Προσαρμογή AR μοντέλου - μερική αυτοσυσχέτιση για υστέρηση τ: = φ + w, = φ + φ + w,, = φ + φ + φ + w,3,3 3,3 3 ˆ φ, kk, τάξη, εκτίμηση παραμέτρων συσχέτιση
Διαβάστε περισσότεραΧρονοσειρές, Μέρος Β 1 Πρόβλεψη Χρονικών Σειρών
Χρονοσειρές, Μέρος Β Πρόβλεψη Χρονικών Σειρών Ο βασικός σκοπός της μελέτης των μοντέλων για χρονικές σειρές (όπως AR, MA, ARMA, ARIMA, SARIMA) είναι η πρόβλεψη (predicio, forecasig) Η πρόβλεψη των μελλοντικών
Διαβάστε περισσότεραΜάθημα 2: Mη-στάσιμη χρονοσειρά, έλεγχος μοναδιαίας ρίζας και έλεγχος ανεξαρτησίας
close index close index Μάθημα : Mη-στάσιμη χρονοσειρά, έλεγχος μοναδιαίας ρίζας και έλεγχος ανεξαρτησίας Σταθεροποίηση διασποράς Απαλοιφή τάσης και περιοδικότητας / εποχικότητας Έλεγχοι μοναδιαίας ρίζας
Διαβάστε περισσότεραΧρονοσειρές - Μάθημα 5
Χρονοσειρές - Μάθημα 5 Εκτίμηση μοντέλου MA(q) στοχαστική διαδικασία AR(p) p p ~ WN(, ) στοχαστική διαδικασία MA(q) q q στοχαστική διαδικασία ARMA(p,q) p p q q Εκτίμηση διαδικασίας (μοντέλο) AR, MA ή ARMA?
Διαβάστε περισσότεραΧρονοσειρές - Μάθημα 5
Χρονοσειρές - Μάθημα 5 Εκτίμηση μοντέλου MA(q) στοχαστική διαδικασία AR() X X X X Z Z ~ WN(, Z) στοχαστική διαδικασία MA(q) X Z Z Z Z q q στοχαστική διαδικασία ARMA(,q) X X X X Z Z Z Z q q Εκτίμηση διαδικασίας
Διαβάστε περισσότεραΧρονοσειρές Μάθημα 2. Μη-στασιμότητα. Τάση? Εποχικότητα / περιοδικότητα? Ασταθή διασπορά? Αυτοσυσχέτιση?
AE index General Index of Comsumer Prices Χρονοσειρές Μάθημα General Index of Comsumer Prices, period Jan - Aug 5 5 Μη-στασιμότητα 5 Τάση? Εποχικότητα / περιοδικότητα? 5 4 5 6 4 Auroral Elecroje Index
Διαβάστε περισσότεραΧρονοσειρές Μάθημα 1
Χρονοσειρές Μάθημα Περιεχόμενα - Στασιμότητα, αυτοσυσχέτιση, μερική αυτοσυσχέτιση, απομάκρυνση στοιχείων μη-στατικότητας, έλεγχος ανεξαρτησίας για χρονικές σειρές - Γραμμικές στοχαστικές διαδικασίες: αυτοπαλινδρομούμενη
Διαβάστε περισσότεραΜάθημα 1: Εισαγωγή στην ανα λυση χρονοσειρω ν, στασιμο τητα και αυτοσυσχε τιση
«Ποσοτικε ς Με θοδοι στα Οικονομικα : Ανα λυση οικονομικω ν χρονοσειρω ν με γραμμικε ς μεθο δους» - Με ρος Α, Διδάσκων: Κουγιουμτζής Δημήτρης Quaiaive Topics i Ecoomics: Time Series Aalysis wih Liear Mehods
Διαβάστε περισσότεραΕκτίμηση μη-γραμμικών χαρακτηριστικών
Εκτίμηση μη-γραμμικών χαρακτηριστικών Μη-γραμμικά χαρακτηριστικά ή αναλλοίωτα μέτρα Διάσταση. Ευκλείδια. Τοπολογική 3. Μορφοκλασματική (συσχέτισης, πληροφορίας, μέτρησης κουτιών, ) Εκθέτες Lypunov (μεγαλύτερος,
Διαβάστε περισσότεραΧρονοσειρές - Μάθημα 9 Aνάλυση χρονοσειρών και δυναμικά συστήματα
Χρονοσειρές - Μάθημα 9 Aνάλυση χρονοσειρών και δυναμικά συστήματα - Ανακατασκευή του χώρου καταστάσεων παρατήρηση της πολυπλοκότητας / στοχαστικότητας / δομής του συστήματος - Εκτίμηση χαρακτηριστικών
Διαβάστε περισσότεραΧρονοσειρές Μάθημα 1
Χρονοσειρές Μάθημα Μάθημα του προπτυχιακού προγράμματος σπουδών του Τμήματος Ηλεκτρολόγων Μηχανικών και Μηχανικών Η/Υ (ΤΗΜΜΥ) ΑΠΘ Κουγιουμτζής Δημήτρης Αν. Καθηγητής Τμήμα Ηλεκτρολόγων Μηχανικών και Μηχανικών
Διαβάστε περισσότεραΤΜΗΜΑ ΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥ ΣΧΕΔΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ
ΤΜΗΜΑ ΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥ ΣΧΕΔΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ ΤΕΧΝΙΚΕΣ ΠΡΟΒΛΕΨΕΩΝ & ΕΛΕΓΧΟΥ ΜΑΘΗΜΑ ΘΕΩΡΙΑΣ-ΥΠΟΔΕΙΓΜΑΤΑ ΚΙΝΗΤΟΥ ΜΕΣΟΥ MA(q) ΚΑΙ ΜΙΚΤΑ ΥΠΟΔΕΙΓΜΑΤΑ ARMA (p,q) ΕΠΙΧ - Τεχνικές Προβλέψεων & Ελέγχου
Διαβάστε περισσότεραΧρονοσειρές Μάθημα 3. Γραμμικές στάσιμες διαδικασίες. Γραμμική χρονοσειρά (στοχαστική διαδικασία) Z Z ~ WN(0, ) είναι στάσιμη. Θεωρούμε μ=0 E[ X ] 0
Γραμμικές στάσιμες διαδικασίες Γραμμική χρονοσειρά (στοχαστική διαδικασία) ~ WN(, ) i i i E[ ] είναι στάσιμη? i () Θεωρούμε μ= i i i Χρονοσειρές Μάθημα 3 i Θεωρώντας τον τελεστή υστέρησης: ( B) ( B) ib
Διαβάστε περισσότεραΧρονοσειρές, Μέρος Β 1 Πρόβλεψη Χρονικών Σειρών
Χρονοσειρές, Μέρος Β Πρόβλεψη Χρονικών Σειρών Ο βασικός σκοπός της μελέτης των μοντέλων για χρονικές σειρές (όπως AR, MA, ARMA, ARIMA, SARIMA) είναι η πρόβλεψη (redco, forecasg) Η πρόβλεψη των μελλοντικών
Διαβάστε περισσότεραΠραγματικές χρονοσειρές
3. 4.. 5... Γενικά για χρονοσειρές (πειραματικά δεδομένα και θόρυβος). Ανακατασκευή χώρου φάσεων 3. Υπολογισμός διάστασης χαοτικών ελκυστών 4. Υπολογισμός εκθετών Lyapunov 5. Μέθοδοι πρόβλεψης φυσιολογία
Διαβάστε περισσότεραΑΝΑΛΥΣΗ ΧΡΟΝΟΣΕΙΡΩΝ Κουγιουμτζής Δημήτρης
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΑΛΥΣΗ ΧΡΟΝΟΣΕΙΡΩΝ Μάθημα του μεταπτυχιακού προγράμματος ειδίκευσης Στατιστική και Μοντελοποίηση του Τμήματος Μαθηματικών ΑΠΘ Κουγιουμτζής Δημήτρης Αν. Καθηγητής
Διαβάστε περισσότεραΑστάθεια (volatility)
Αστάθεια volly N Χρονοσειρά πρώτων διαφορών ή σχετικών μεταβολών { } Μεταβλητότητα ή αστάθεια σε κάθε χρονική στιγμή σ ή σ y y y y y Ηαστάθειαs δίνεται με αναφορά σε κάποια περίοδο T vol : - στιγμιαία
Διαβάστε περισσότεραΕφαρμοσμένη Στατιστική: Συντελεστής συσχέτισης. Παλινδρόμηση απλή γραμμική, πολλαπλή γραμμική
ΕΦΑΡΜΟΣΜΕΝΗ ΣΤΑΤΙΣΤΙΚΗ ΑΝΑΛΥΣΗ ΜΕΡΟΣ B Δημήτρης Κουγιουμτζής e-mal: dkugu@auth.gr Ιστοσελίδα αυτού του τμήματος του μαθήματος: http://uer.auth.gr/~dkugu/teach/cvltraport/dex.html Εφαρμοσμένη Στατιστική:
Διαβάστε περισσότεραΤΜΗΜΑΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥΣΧΕΔΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝΣΥΣΤΗΜΑΤΩΝ
ΤΜΗΜΑΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥΣΧΕΔΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝΣΥΣΤΗΜΑΤΩΝ ΤΕΧΝΙΚΕΣ ΠΡΟΒΛΕΨΕΩΝ& ΕΛΕΓΧΟΥ ΜΑΘΗΜΑ ΘΕΩΡΙΑΣ-ΣΤΑΣΙΜΕΣ ΔΙΑΔΙΚΑΣΙΕΣ-ΥΠΟΔΕΙΓΜΑΤΑ SARIMA (sp,sd,qs) ARIMA (p,d,q) ΕΠΙΧ - Τεχνικές Προβλέψεων & Ελέγχου
Διαβάστε περισσότεραΧρονοσειρές - Μάθημα 8. Μη-γραμμική ανάλυση χρονοσειρών
Χρονοσειρές - Μάθημα 8 Μη-γραμμική ανάλυση χρονοσειρών Γραμμική ανάλυση / Γραμμικά μοντέλα αυτοσυσχέτιση AR μοντέλο ARMA(,q) μοντέλο x x x z z z q q Πλεονεκτήματα:. Απλά. Κανονική διαδικασία, ανεπτυγμένη
Διαβάστε περισσότεραAnalyze/Forecasting/Create Models
(εκδ 11) (εκδ 11) Σχολή Κοινωνικών Επιστημών Τμήμα Οικονομικών Επιστημών 24 Οκτωβρίου 2014 1 / 12 Εισαγωγή (εκδ 11) 1 2 2 / 12 ΧΣ (εκδ 11) ΧΣ μέσω υποδειγμάτων ARIM A/SARIM A Αϕου δημιουργήσουμε τον χώρο
Διαβάστε περισσότερα1.2 Απλός Κινητός Μέσος (Simple -equally-weighted- Moving Average)
Μέθοδοι Εξομάλυνσης Οι διαδικασίες της εξομάλυνσης (smoohig και της παρεμβολής (ierpolaio αποτελούν ένα περίπλοκο πεδίο έρευνας και γνώσης και έχουν άμεση πρακτική εφαρμογή στις οικονομικές επιστήμες..
Διαβάστε περισσότεραΚΕΦΑΛΑΙΟ 5 ΣΤΟΧΑΣΤΙΚΕΣ ΔΙΑΔΙΚΑΣΙΕΣ ΔΙΑΚΡΙΤΟΥ ΧΡΟΝΟΥ, ΥΠΟΔΕΙΓΜΑΤΑ ARIMA ΚΑΙ SARIMA, ΜΕΘΟΔΟΛΟΓΙΑ BOX-JENKINS
ΚΕΦΑΛΑΙΟ 5 ΣΤΟΧΑΣΤΙΚΕΣ ΔΙΑΔΙΚΑΣΙΕΣ ΔΙΑΚΡΙΤΟΥ ΧΡΟΝΟΥ, ΥΠΟΔΕΙΓΜΑΤΑ ARIMA ΚΑΙ SARIMA, ΜΕΘΟΔΟΛΟΓΙΑ BOX-JENKINS 5. Η γενική μορφή στάσιμης γραμμικής στοχαστικής διαδικασίας διακριτού χρόνου 5. Υποδείγματα ARIMA
Διαβάστε περισσότεραΧρονοσειρές Μάθημα 3
Χρονοσειρές Μάθημα 3 Ασυσχέτιστες (λευκός θόρυβος) και ανεξάρτητες (iid) παρατηρήσεις Chafield C., The Analysis of Time Series, An Inroducion, 6 h ediion,. 38 (Chaer 3): Some auhors refer o make he weaker
Διαβάστε περισσότεραΚΕΦΑΛΑΙΟ 2 ΑΝΑΣΚΟΠΗΣΗ ΑΠΑΡΑΙΤΗΤΩΝ ΓΝΩΣΕΩΝ: ΕΚΤΙΜΗΤΕΣ
ΚΕΦΑΛΑΙΟ ΑΝΑΣΚΟΠΗΣΗ ΑΠΑΡΑΙΤΗΤΩΝ ΓΝΩΣΕΩΝ: ΕΚΤΙΜΗΤΕΣ Ως γνωστό δείγμα είναι ένα σύνολο παρατηρήσεων από ένα πληθυσμό. Αν ο πληθυσμός αυτός θεωρηθεί μονοδιάστατος τότε μπορεί να εκφρασθεί με τη συνάρτηση
Διαβάστε περισσότεραΧρονικές σειρές 11 Ο μάθημα: Προβλέψεις
Χρονικές σειρές 11 Ο μάθημα: Προβλέψεις Εαρινό εξάμηνο 2018-2019 Τμήμα Μαθηματικών ΑΠΘ Διδάσκουσα: Αγγελική Παπάνα Μεταδιδακτορική Ερευνήτρια Πολυτεχνική σχολή, Α.Π.Θ. & Οικονομικό Τμήμα, Πανεπιστήμιο
Διαβάστε περισσότεραΕΦΑΡΜΟΣΜΕΝΗ ΣΤΑΤΙΣΤΙΚΗ Ι Συμπληρωματικές Σημειώσεις Δημήτριος Παντελής
ΕΦΑΡΜΟΣΜΕΝΗ ΣΤΑΤΙΣΤΙΚΗ Ι Συμπληρωματικές Σημειώσεις Δημήτριος Παντελής ΣΤΑΤΙΣΤΙΚΕΣ ΕΚΤΙΜΗΣΕΙΣ Οι συναρτήσεις πιθανότητας ή πυκνότητας πιθανότητας των διαφόρων τυχαίων μεταβλητών χαρακτηρίζονται από κάποιες
Διαβάστε περισσότεραΚΕΦΑΛΑΙΟ 6 ΠΡΟΒΛΕΨΕΙΣ ΜΕ ΥΠΟΔΕΙΓΜΑΤΑ ΧΡΟΝΟΣΕΙΡΩΝ
ΚΕΦΑΛΑΙΟ 6 ΠΡΟΒΛΕΨΕΙΣ ΜΕ ΥΠΟΔΕΙΓΜΑΤΑ ΧΡΟΝΟΣΕΙΡΩΝ 6. Εισαγωγή 6. Μονομεταβλητές προβλέψεις Βέλτιστη πρόβλεψη και Θεώρημα βέλτιστης πρόβλεψης Διαστήματα εμπιστοσύνης 6.3 Εφαρμογές A. MILIONIS KEF. 6 08 BEA
Διαβάστε περισσότεραΣτοχαστικά Σήματα και Τηλεπικοινωνιές
Στοχαστικά Σήματα και Τηλεπικοινωνιές Ενότητα 5: Προσαρμοστική Επεξεργασία Καθηγητής Κώστας Μπερμπερίδης Πολυτεχνική Σχολή Τμήμα Μηχανικών Η/Υ και Πληροφορικής Σκοποί ενότητας Παρουσίαση των βασικών εννοιών
Διαβάστε περισσότεραΤΜΗΜΑΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥΣΧΕΔΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝΣΥΣΤΗΜΑΤΩΝ
ΤΜΗΜΑΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥΣΧΕΔΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝΣΥΣΤΗΜΑΤΩΝ ΕΡΓΑΣΤΗΡΙΟ ΤΕΧΝΙΚΩΝ ΠΡΟΒΛΕΨΕΩΝ& ΕΛΕΓΧΟΥ ΜΑΘΗΜΑ ΠΡΩΤΟ-ΔΕΥΤΕΡΟ-ΣΤΑΣΙΜΟΤΗΤΑ- ΕΠΟΧΙΚΟΤΗΤΑ-ΚΥΚΛΙΚΗ ΤΑΣΗ ΧΡΗΣΙΜΟΙΟΡΙΣΜΟΙ Χρονολογική Σειρά (χρονοσειρά)
Διαβάστε περισσότεραΧρονικές σειρές 8 Ο μάθημα: Μοντέλα κινητού μέσου
Χρονικές σειρές 8 Ο μάθημα: Μοντέλα κινητού μέσου Εαρινό εξάμηνο 2018-2019 Τμήμα Μαθηματικών ΑΠΘ Διδάσκουσα: Αγγελική Παπάνα Μεταδιδακτορική Ερευνήτρια Πολυτεχνική σχολή, Α.Π.Θ. & Οικονομικό Τμήμα, Πανεπιστήμιο
Διαβάστε περισσότερα1. Ποιες είναι οι διαφορές μεταξύ αυτοπαλίνδρομων υποδειγμάτων (AR) και υποδειγμάτων κινητού μέσου (MA);
Ερωτήσεις: 1. Ποιες είναι οι διαφορές μεταξύ αυτοπαλίνδρομων υποδειγμάτων (AR) και υποδειγμάτων κινητού μέσου (MA); Στα αυτοπαλίνδρομα υποδείγματα η τρέχουσα τιμή της y είναι συνάρτηση p υστερήσεων της
Διαβάστε περισσότεραΒΑΣΙΚΑ ΧΑΡΑΚΤΗΡΙΣΤΙΚΑ ΧΡΟΝΟΣΕΙΡΑΣ
ΚΕΦΑΛΑΙΟ ΒΑΣΙΚΑ ΧΑΡΑΚΤΗΡΙΣΤΙΚΑ ΧΡΟΝΟΣΕΙΡΑΣ Στο κεφάλαιο αυτό θα μελετήσουμε κάποια βασικά χαρακτηριστικά των χρονοσειρών μέσα από πραγματικά παραδείγματα. Συγκεκριμένα θα μελετήσουμε στοιχεία μη-στασιμότητας,
Διαβάστε περισσότεραΠροσδιοριστικοί όροι και μοναδιαία ρίζα (από κοινού υποθέσεις)
ΜΑΘΗΜΑ 6ο Προσδιοριστικοί όροι και μοναδιαία ρίζα (από κοινού υποθέσεις) Είδαμε στους παραπάνω ελέγχους (DF και ADF) που κάναμε προηγουμένως ότι εξετάζουμε στη μηδενικήυπόθεσημόνοτοσυντελεστήδ 2. Δεν αναφερόμαστε
Διαβάστε περισσότεραΜΑΘΗΜΑ 4 ο. Μοναδιαία ρίζα
ΜΑΘΗΜΑ 4 ο Μοναδιαία ρίζα Είδαμε προηγουμένως πως ο έλεγχος της στασιμότητας μιας χρονικής σειράς μπορεί να γίνει με τη συνάρτηση αυτοσυσχέτισης. Ένας άλλος τρόπος που χρησιμοποιείται ευρύτατα στην ανάλυση
Διαβάστε περισσότερα2 Ανάλυση Χρονοσειρών στο Πεδίο των Συχνοτήτων
Ανάλυση Χρονοσειρών στο Πεδίο των Συχνοτήτων Η ανάλυση χρονοσειρών στο πεδίο των συχνοτήτων είναι συμπληρωματική της ανάλυσης στο πεδίο του χρόνου, αλλά μπορεί να διερευνήσει χαρακτηριστικά που δεν εντοπίζονται
Διαβάστε περισσότεραΣυνολοκλήρωση και μηχανισμός διόρθωσης σφάλματος
ΜΑΘΗΜΑ 10 ο Συνολοκλήρωση και μηχανισμός διόρθωσης σφάλματος Η μέθοδος της συνολοκλήρωσης είναι ένας τρόπος με τον οποίο μπορούμε να εκτιμήσουμε τη μακροχρόνια σχέση ισορροπίας που υπάρχει μεταξύ δύο ή
Διαβάστε περισσότεραΧρονικές σειρές 10 Ο μάθημα: Μη στάσιμα μοντέλα ARIMA Μεθοδολογία Box-Jenkins Εαρινό εξάμηνο Τμήμα Μαθηματικών ΑΠΘ
Χρονικές σειρές 10 Ο μάθημα: Μη στάσιμα μοντέλα ARIMA Μεθοδολογία Box-Jenkins Εαρινό εξάμηνο 2018-2019 Τμήμα Μαθηματικών ΑΠΘ Διδάσκουσα: Αγγελική Παπάνα Μεταδιδακτορική Ερευνήτρια Πολυτεχνική σχολή, Α.Π.Θ.
Διαβάστε περισσότεραΜάθημα 5-6: Στάσιμες πολυμεταβλητές χρονοσειρές και μοντέλα Διασυσχέτιση Διανυσματικά αυτοπαλίνδρομα μοντέλα Δίκτυα από πολυμεταβλητές χρονοσειρές
Μάθημα 5-6: Στάσιμες πολυμεταβλητές χρονοσειρές και μοντέλα Διασυσχέτιση Διανυσματικά αυτοπαλίνδρομα μοντέλα Δίκτυα από πολυμεταβλητές χρονοσειρές Αιτιότητα κατά Granger Ασκήσεις Ανάλυση μονομεταβλητής
Διαβάστε περισσότεραΟΙΚΟΝΟΜΕΤΡΙΑ. Ενότητα 1: Εκτιμητές και Ιδιότητες. Αναπλ. Καθηγητής Νικόλαος Σαριαννίδης Τμήμα Διοίκησης Επιχειρήσεων (Γρεβενά)
ΟΙΚΟΝΟΜΕΤΡΙΑ Ενότητα 1: Εκτιμητές και Ιδιότητες. Αναπλ. Καθηγητής Νικόλαος Σαριαννίδης Τμήμα Διοίκησης Επιχειρήσεων (Γρεβενά) Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative
Διαβάστε περισσότεραΤεχνικές Προβλέψεων Αυτοπαλινδρομικά Μοντέλα Κινητού Μέσου Όρου (ARIMA)
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΚΑΙ ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ Μονάδα Προβλέψεων & Στρατηγικής Forecasting & Strategy Unit Τεχνικές Προβλέψεων Αυτοπαλινδρομικά Μοντέλα Κινητού Μέσου
Διαβάστε περισσότεραΧρονοσειρές - Μάθημα 4
Χρονοσειρές - Μάθημα 4 Sysem is a se of ieracig or ierdeede comoes formig a iegraed whole. Fields ha sudy he geeral roeries of sysems iclude sysems heory, cybereics, dyamical sysems, hermodyamics ad comlex
Διαβάστε περισσότεραΤεχνικές Προβλέψεων. Προβλέψεις
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΚΑΙ ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ Μονάδα Προβλέψεων & Στρατηγικής Forecasting & Strategy Unit Τεχνικές Προβλέψεων Προβλέψεις http://www.fsu.gr - lesson@fsu.gr
Διαβάστε περισσότεραΤεχνικές Προβλέψεων Αυτοπαλινδρομικά Μοντέλα Κινητού Μέσου Όρου (ARIMA)
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΚΑΙ ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ Μονάδα Προβλέψεων & Στρατηγικής Forecasting & Strategy Unit Τεχνικές Προβλέψεων Αυτοπαλινδρομικά Μοντέλα Κινητού Μέσου
Διαβάστε περισσότεραΤΜΗΜΑΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥΣΧΕΔΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝΣΥΣΤΗΜΑΤΩΝ
ΤΜΗΜΑΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥΣΧΕΔΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝΣΥΣΤΗΜΑΤΩΝ ΤΕΧΝΙΚΕΣ ΠΡΟΒΛΕΨΕΩΝ& ΕΛΕΓΧΟΥ ΜΑΘΗΜΑ ΤΡΙΤΟ ΣΥΝΑΡΤΗΣΗ ΑΥΤΟΣΥΣΧΕΤΙΣΗΣ-ΕΛΕΓΧΟΣ ΣΤΑΣΙΜΟΤΗΤΑΣ Δρ. Κουνετάς Η Κωνσταντίνος ΕΠΙΧ Τεχνικές Προβλέψεων & Ελέγχου
Διαβάστε περισσότεραHMY 799 1: Αναγνώριση Συστημάτων
HMY 799 : Αναγνώριση Συστημάτων Διάλεξη Γραμμική παλινδρόμηση (Linear regression) Εμπειρική συνάρτηση μεταφοράς Ομαλοποίηση (smoothing) Y ( ) ( ) ω G ω = U ( ω) ω +Δ ω γ ω Δω = ω +Δω W ( ξ ω ) U ( ξ) G(
Διαβάστε περισσότεραΣτασιμότητα χρονοσειρών Νόθα αποτελέσματα-spurious regression Ο έλεγχος στασιμότητας είναι απαραίτητος ώστε η στοχαστική ανάλυση να οδηγεί σε ασφαλή
Χρονικές σειρές 12 Ο μάθημα: Έλεγχοι στασιμότητας ΑΝΑΚΕΦΑΛΑΙΩΣΗ: Εκτίμηση παραμέτρων γραμμικών μοντέλων Συνάρτηση μερικής αυτοσυσχέτισης Εαρινό εξάμηνο 2018-2019 Τμήμα Μαθηματικών ΑΠΘ Διδάσκουσα: Αγγελική
Διαβάστε περισσότεραΘΕΩΡΙΑ ΟΙΚΟΝΟΜΕΤΡΙΑΣ ΣΥΝΟΠΤΙΚΕΣ ΣΗΜΕΙΩΣΕΙΣ
ΘΕΩΡΙΑ ΟΙΚΟΝΟΜΕΤΡΙΑΣ ΣΥΝΟΠΤΙΚΕΣ ΣΗΜΕΙΩΣΕΙΣ ΑΠΛΟ ΓΡΑΜΜΙΚΟ ΥΠΟΔΕΙΓΜΑ Συντελεστής συσχέτισης (εκτιμητής Person: r, Y ( ( Y Y xy ( ( Y Y x y, όπου r, Y (ισχυρή θετική γραμμική συσχέτιση όταν, ισχυρή αρνητική
Διαβάστε περισσότεραΒέλτιστα Ψηφιακά Φίλτρα: Φίλτρα Wiener, Ευθεία και αντίστροφη γραµµική πρόβλεψη
ΒΕΣ 6 Προσαρµοστικά Συστήµατα στις Τηλεπικοινωνίες Βέλτιστα Ψηφιακά Φίλτρα: Φίλτρα Wiener, Ευθεία και αντίστροφη γραµµική πρόβλεψη 7 Nicolas sapatsoulis Βιβλιογραφία Ενότητας Benvenuto []: Κεφάλαιo Wirow
Διαβάστε περισσότεραEΦΑΡΜΟΓΕΣ ΤΗΣ ΨΗΦΙΑΚΗΣ ΕΠΕΞΕΡΓΑΣΙΑΣ ΣΗΜΑΤΩΝ Γραµµική Εκτίµηση Τυχαίων Σηµάτων Φίλτρο Kalman
EΦΑΡΜΟΓΕΣ ΤΗΣ ΨΗΦΙΑΚΗΣ ΕΠΕΞΕΡΓΑΣΙΑΣ ΣΗΜΑΤΩΝ Γραµµική Εκτίµηση Τυχαίων Σηµάτων Φίλτρο Kalma Εµµανουήλ Ζ. Ψαράκης Πολυτεχνική Σχολή Τµήµα Μηχανικών Η/Υ & Πληροφορικής Ακολουθιακή Επεξεργασία Τα δείγµατα
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ Ακαδ. Έτος 06-07 Διδάσκων: Βασίλης ΚΟΥΤΡΑΣ Λέκτορας v.koutras@fme.aegea.gr Τηλ: 7035468 Εκτίμηση Παραμέτρων
Διαβάστε περισσότεραEΦΑΡΜΟΓΕΣ ΤΗΣ ΨΗΦΙΑΚΗΣ ΕΠΕΞΕΡΓΑΣΙΑΣ ΣΗΜΑΤΩΝ. Διαφορική Παλµοκωδική Διαµόρφωση (DPCM)
EΦΑΡΜΟΓΕΣ ΤΗΣ ΨΗΦΙΑΚΗΣ ΕΠΕΞΕΡΓΑΣΙΑΣ ΣΗΜΑΤΩΝ Διαφορική Παλµοκωδική Διαµόρφωση (DCM) Εµµανουήλ Ζ. Ψαράκης Πολυτεχνική Σχολή Τµήµα Μηχανικών Η/Υ & Πληροφορικής Προεπισκόπηση Διαφορική Παλµοκωδική Διαµόρφωση
Διαβάστε περισσότεραΠολλαπλή παλινδρόμηση (Multivariate regression)
ΜΑΘΗΜΑ 3 ο 1 Πολλαπλή παλινδρόμηση (Multivariate regression) Η συμπεριφορά των περισσότερων οικονομικών μεταβλητών είναι συνάρτηση όχι μιας αλλά πολλών μεταβλητών Υ = f ( X 1, X 2,... X n ) δηλαδή η Υ
Διαβάστε περισσότεραΚινητά Δίκτυα Επικοινωνιών. Συμπληρωματικό υλικό. Προσαρμοστική Ισοστάθμιση Καναλιού
Κινητά Δίκτυα Επικοινωνιών Συμπληρωματικό υλικό Προσαρμοστική Ισοστάθμιση Καναλιού Προσαρμοστικοί Ισοσταθμιστές Για να υπολογίσουμε τους συντελεστές του ισοσταθμιστή MMSE, απαιτείται να λύσουμε ένα γραμμικό
Διαβάστε περισσότεραΧρονικές σειρές 5 Ο μάθημα: Γραμμικά στοχαστικά μοντέλα (1) Αυτοπαλίνδρομα μοντέλα Εαρινό εξάμηνο Τμήμα Μαθηματικών ΑΠΘ
Χρονικές σειρές 5 Ο μάθημα: Γραμμικά στοχαστικά μοντέλα (1) Αυτοπαλίνδρομα μοντέλα Εαρινό εξάμηνο 2018-2019 Τμήμα Μαθηματικών ΑΠΘ Διδάσκουσα: Αγγελική Παπάνα Μεταδιδακτορική Ερευνήτρια Πολυτεχνική σχολή,
Διαβάστε περισσότεραE [ -x ^2 z] = E[x z]
1 1.ΦΙΛΤΡΟ KALMAN ΔΙΑΚΡΙΤΟΥ ΧΡΟΝΟΥ Σε αυτήν την διάλεξη θα πάμε στο φίλτρο με περισσότερες λεπτομέρειες, και θα παράσχουμε μια νέα παραγωγή για το φίλτρο Kalman, αυτή τη φορά βασισμένο στην ιδέα της γραμμικής
Διαβάστε περισσότεραΣτοχαστικά Σήµατα και Εφαρµογές. Προσαρµοστικά φίλτρα. ιδάσκων: Ν. Παπανδρέου (Π.. 407/80) Πανεπιστήµιο Πατρών ΤµήµαΜηχανικώνΗ/Υ και Πληροφορικής
Στοχαστικά Σήµατα & Εφαρµογές Προσαρµοστικά φίλτρα ιδάσκων: Ν. Παπανδρέου (Π.. 47/8) Πανεπιστήµιο Πατρών ΤµήµαΜηχανικώνΗ/Υ και Πληροφορικής CEID 7-8 Εισαγωγή Υπολογισµός FIR φίλτρου Wieer σε στάσιµο περιβάλλον:
Διαβάστε περισσότεραΧρονοσειρές - Μάθημα 7. Μη-γραμμική ανάλυση χρονοσειρών
Χρονοσειρές - Μάθημα 7 Μη-γραμμική ανάλυση χρονοσειρών Γραμμική ανάλυση / Γραμμικά μοντέλα αυτοσυσχέτιση AR μοντέλο ARMA(p,q) μοντέλο x x px p z z z q q Πλεονεκτήματα:. Απλά 2. Κανονική διαδικασία, ανεπτυγμένη
Διαβάστε περισσότεραΧρονικές σειρές 2 Ο μάθημα: Εισαγωγή στις χρονοσειρές
Χρονικές σειρές 2 Ο μάθημα: Εισαγωγή στις χρονοσειρές Εαρινό εξάμηνο 2018-2019 μήμα Μαθηματικών ΑΠΘ Διδάσκουσα: Αγγελική Παπάνα Μεταδιδακτορική Ερευνήτρια Πολυτεχνική σχολή, Α.Π.Θ. & Οικονομικό μήμα, Πανεπιστήμιο
Διαβάστε περισσότεραΣΤΟΧΑΣΤΙΚΑ ΣΗΜΑΤΑ ΚΑΙ ΕΦΑΡΜΟΓΕΣ
ΣΤΟΧΑΣΤΙΚΑ ΣΗΜΑΤΑ ΚΑΙ ΕΦΑΡΜΟΓΕΣ Ακαδηµαϊκό Έτος 007-008 ιδάσκων: Ν. Παπανδρέου (Π.. 407/80) Πανεπιστήµιο Πατρών Τµήµα Μηχανικών Ηλεκτρονικών Υπολογιστών και Πληροφορικής 1η Εργαστηριακή Άσκηση Αναγνώριση
Διαβάστε περισσότεραΚεϕάλαιο 6. Χρονοσειρές
Κεϕάλαιο 6 Χρονοσειρές Στο προηγούµενο κεϕάλαιο µελετήσαµε τη σχέση ενός µεγέθους µε άλλα µεγέθη καθώς και την εξάρτηση του µεγέθους (της εξαρτηµένης τυχαίας µεταβλητής) από άλλα µεγέθη (τις ανεξάρτητες
Διαβάστε περισσότεραΜια εισαγωγή στο φίλτρο Kalman
1 Μια εισαγωγή στο φίλτρο Kalman Το 1960, R.E. Kalman δημόσιευσε το διάσημο έγγραφό του περιγράφοντας μια επαναλαμβανόμενη λύση στο γραμμικό πρόβλημα φιλτραρίσματος διακριτών δεδομένων. Από εκείνη τη στιγμή,
Διαβάστε περισσότεραΠροσαρµοστικοί Αλγόριθµοι Υλοποίησης Βέλτιστων Ψηφιακών Φίλτρων: Ο αναδροµικός αλγόριθµος ελάχιστων τετραγώνων (RLS Recursive Least Squares)
ΒΕΣ 6 Προσαρµοστικά Συστήµατα στις Τηλεπικοινωνίες Προσαρµοστικοί Αλγόριθµοι Υλοποίησης Βέλτιστων Ψηφιακών Φίλτρων: Ο αναδροµικός αλγόριθµος ελάχιστων τετραγώνων RLS Rcrsiv Last Sqars 27 iclas sapatslis
Διαβάστε περισσότεραΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ. ΜΑΘΗΜΑ 10ο
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΜΑΘΗΜΑ 10ο Έλεγχοι συνολοκλήρωσης Αφού διαπιστωθεί πως οι εξεταζόμενες μεταβλητές είναι ολοκληρωμένες της ίδιας τάξης, τότε εκτελείται ο έλεγχος
Διαβάστε περισσότεραΦΙΛΤΡΟ KALMAN ΔΙΑΚΡΙΤΟΥ ΧΡΟΝΟΥ
1 ΦΙΛΤΡΟ KALMAN ΔΙΑΚΡΙΤΟΥ ΧΡΟΝΟΥ Σε αυτό το μέρος της πτυχιακής θα ασχοληθούμε λεπτομερώς με το φίλτρο kalman και θα δούμε μια καινούρια έκδοση του φίλτρου πάνω στην εφαρμογή της γραμμικής εκτίμησης διακριτού
Διαβάστε περισσότεραΤΕΛΕΣΤΕΣ ΚΑΙ ΣΤΑΤΙΣΤΙΚΑ ΕΡΓΑΛΕΙΑ ΑΝΑΛΥΣΗΣ ΧΡΟΝΟΣΕΙΡΩΝ
ΚΕΦΑΛΑΙΟ 4ο ΧΡΟΝΙΚΟΙ ΤΕΛΕΣΤΕΣ ΚΑΙ ΣΤΑΤΙΣΤΙΚΑ ΕΡΓΑΛΕΙΑ ΑΝΑΛΥΣΗΣ ΧΡΟΝΟΣΕΙΡΩΝ 4.1 ΕΙΣΑΓΩΓΗ 4. ΔΙΑΔΙΚΑΣΙΕΣ ΛΕΥΚΟΥ ΘΟΡΥΒΟΥ 4.3 ΥΠΟΔΕΙΓΜΑΤΑ ΤΥΧΑΙΟΥ ΠΕΡΙΠΑΤΟΥ 4.4 Η ΣΥΝΑΡΤΗΣΗ ΑΥΤΟΣΥΣΧΕΤΙΣΗΣ 4.5 ΜΕΡΙΚΗ ΑΥΤΟΣΥΣΧΕΤΙΣΗ
Διαβάστε περισσότεραΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ. ΜΑΘΗΜΑ 5ο
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΜΑΘΗΜΑ 5ο Μοναδιαία ρίζα Είδαμε προηγουμένως πως ο έλεγχος της στασιμότητας μιας χρονικής σειράς μπορεί να γίνει με τη συνάρτηση αυτοσυσχέτισης.
Διαβάστε περισσότεραΕπιχειρηματικές Προβλέψεις: Μέθοδοι & Τεχνικές Επιλογή Μεθόδου Συνδυασμός Μεθόδου Διάλεξη 10
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΚΑΙ ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ Μονάδα Προβλέψεων & Στρατηγικής Forecasting & Strategy Unit Επιλογή Μεθόδου Συνδυασμός Μεθόδου Διάλεξη 10 Επιλογή κατάλληλης
Διαβάστε περισσότεραE[ (x- ) ]= trace[(x-x)(x- ) ]
1 ΦΙΛΤΡΟ KALMAN ΔΙΑΚΡΙΤΟΥ ΧΡΟΝΟΥ Σε αυτό το μέρος της πτυχιακής θα ασχοληθούμε λεπτομερώς με το φίλτρο kalman και θα δούμε μια καινούρια έκδοση του φίλτρου πάνω στην εφαρμογή της γραμμικής εκτίμησης διακριτού
Διαβάστε περισσότεραΕπαυξημένος έλεγχος Dickey - Fuller (ADF)
ΜΑΘΗΜΑ 5ο Επαυξημένος έλεγχος Dickey - Fuller (ADF) Στον έλεγχο των Dickey Fuller (DF) και στα τρία υποδείγματα που χρησιμοποιήσαμε προηγουμένως κάνουμε την υπόθεση ότι ο διαταρακτικός όρος e είναι μια
Διαβάστε περισσότεραΤεχνικές Προβλέψεων Αυτοπαλινδρομικά Μοντέλα Κινητού Μέσου Όρου (ARIMA)
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΚΑΙ ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ Μονάδα Προβλέψεων & Στρατηγικής Forecasting & Strategy Unit Τεχνικές Προβλέψεων Αυτοπαλινδρομικά Μοντέλα Κινητού Μέσου
Διαβάστε περισσότεραData Analytics Και Ευφυή Συστήματα Πρόβλεψης Δεδομένων Σε Χρονοσειρά. Εφαρμογή Στον Εναρμονισμένο Δείκτη Τιμών Καταναλωτή.
Data Analytics Και Ευφυή Συστήματα Πρόβλεψης Δεδομένων Σε Χρονοσειρά. Εφαρμογή Στον Εναρμονισμένο Δείκτη Τιμών Καταναλωτή. Τόγιας Παναγιώτης ΤΕΙ Δυτικής Ελλάδας ptogias@outlook.com Μαργαρίτης Σωτήρης ΤΕΙ
Διαβάστε περισσότεραΧρονικές σειρές 6 Ο μάθημα: Αυτοπαλίνδρομα μοντέλα (2)
Χρονικές σειρές 6 Ο μάθημα: Αυτοπαλίνδρομα μοντέλα (2) Εαρινό εξάμηνο 2018-2019 Τμήμα Μαθηματικών ΑΠΘ Διδάσκουσα: Αγγελική Παπάνα Μεταδιδακτορική Ερευνήτρια Πολυτεχνική σχολή, Α.Π.Θ. & Οικονομικό Τμήμα,
Διαβάστε περισσότεραGranger Αιτιότητα και Πρόβλεψη σε Πολυ-μεταβλητές Χρονοσειρές Χαρακτηριστικών Ταλάντωσης
Ελληνικό Στατιστικό Ινστιτούτο Πρακτικά 9 ου Πανελληνίου Συνεδρίου Στατιστικής (006), σελ 47-54 Granger Αιτιότητα και Πρόβλεψη σε Πολυ-μεταβλητές Χρονοσειρές Χαρακτηριστικών Ταλάντωσης Βλάχος Ιωάννης,
Διαβάστε περισσότεραΧρονικές σειρές 9 Ο μάθημα: Μεικτά μοντέλα ARMA
Χρονικές σειρές 9 Ο μάθημα: Μεικτά μοντέλα ARMA Εαρινό εξάμηνο 2018-2019 Τμήμα Μαθηματικών ΑΠΘ Διδάσκουσα: Αγγελική Παπάνα Μεταδιδακτορική Ερευνήτρια Πολυτεχνική σχολή, Α.Π.Θ. & Οικονομικό Τμήμα, Πανεπιστήμιο
Διαβάστε περισσότεραΣτοχαστικά Σήματα και Τηλεπικοινωνιές
Στοχαστικά Σήματα και Τηλεπικοινωνιές Ενότητα 4: Βέλτιστα Φίλτρα Wiener Καθηγητής Κώστας Μπερμπερίδης Πολυτεχνική Σχολή Τμήμα Μηχανικών Η/Υ και Πληροφορικής Σκοποί ενότητας Παρουσίαση βασικών εννοιών των
Διαβάστε περισσότεραΕΦΑΡΜΟΣΜΕΝΗ ΑΝΑΛΥΣΗ ΠΑΛΙΝΔΡΟΜΗΣΗΣ ΚΑΙ ΔΙΑΣΠΟΡΑΣ (ΝΠΣ) & ΕΦΑΡΜΟΣΜΕΝΗ ΣΤΑΤΙΣΤΙΚΗ (ΠΠΣ) (6o Εξάμηνο Μαθηματικών) Ιανουάριος 2008
ΕΦΑΡΜΟΣΜΕΝΗ ΑΝΑΛΥΣΗ ΠΑΛΙΝΔΡΟΜΗΣΗΣ ΚΑΙ ΔΙΑΣΠΟΡΑΣ (ΝΠΣ) & ΕΦΑΡΜΟΣΜΕΝΗ ΣΤΑΤΙΣΤΙΚΗ (ΠΠΣ) (6o Εξάμηνο Μαθηματικών) Ιανουάριος 008 Επώνυμο... Όνομα... A.E.M.... Εξάμηνο... Θέμα Θέμα Θέμα 3 Θέμα 4 Βαθμός ΝΠΣ
Διαβάστε περισσότεραΣτατιστική ΙΙΙ-Εφαρμογές Χρονολογικές Σειρές(Μέθοδοι Εξομάλυνσης ΙΙΙ-Εφαρμογές)
Στατιστική ΙΙΙ-Εφαρμογές Χρονολογικές Σειρές(Μέθοδοι Εξομάλυνσης ΙΙΙ-Εφαρμογές) Γεώργιος Τσιώτας Τμήμα Οικονομικών Επιστημών Σχολή Κοινωνικών Επιστημών Πανεπιστήμιο Κρήτης Στατιστική ΙΙΙ(ΣΤΑΟ 230) Περιγραφή
Διαβάστε περισσότεραΤΜΗΜΑΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥΣΧΕΔΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝΣΥΣΤΗΜΑΤΩΝ. ΕΡΓΑΣΤΗΡΙΟ ΤΕΧΝΙΚΩΝ ΠΡΟΒΛΕΨΕΩΝ& ΕΛΕΓΧΟΥ ΜΑΘΗΜΑ ΠΕΜΠΤΟ-ΑΥTOΠΑΛΙΝΔΡΟΜΑ ΥΠΟΔΕΙΓΜΑΤΑ(AR(p))
ΤΜΗΜΑΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥΣΧΕΔΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝΣΥΣΤΗΜΑΤΩΝ ΕΡΓΑΣΤΗΡΙΟ ΤΕΧΝΙΚΩΝ ΠΡΟΒΛΕΨΕΩΝ& ΕΛΕΓΧΟΥ ΜΑΘΗΜΑ ΠΕΜΠΤΟ-ΑΥTOΠΑΛΙΝΔΡΟΜΑ ΥΠΟΔΕΙΓΜΑΤΑ(AR(p)) ΑΥTOΠΑΛΙΝΔΡΟΜΑ ΥΠΟΔΕΙΓΜΑΤΑ(AR(p)) O όρος αυτοπαλίνδρομο
Διαβάστε περισσότεραΑνάλυση και Πρόβλεψη Χρονοσειρών
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΣΧΟΛΗ ΘΕΤΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΦΥΣΙΚΗΣ ΜΕΤΑΠΤΥΧΙΑΚΟ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥΔΩΝ ΣΤΗΝ ΥΠΟΛΟΓΙΣΤΙΚΗ ΦΥΣΙΚΗ Ανάλυση και Πρόβλεψη Χρονοσειρών Διπλωματική εργασία της Γεωργίας Μαργιά
Διαβάστε περισσότεραΣέργιος Θεοδωρίδης Κωνσταντίνος Κουτρούμπας. Version 2
Σέργιος Θεοδωρίδης Κωνσταντίνος Κουτρούμπας Versio A ΠΑΡΑΜΕΤΡΙΚΟΙ ΤΑΞΙΝΟΜΗΤΕΣ ΒΑΣΙΣΜΕΝΟΙ ΣΕ ΣΥΝΑΡΤΗΣΕΙΣ ΔΙΑΚΡΙΣΗΣ Η περίπτωση του ταξινομητή Bayes Εκτίμηση μέγιστης εκ των υστέρων πιθανότητας Maimum Aoseriori
Διαβάστε περισσότεραΜεταπτυχιακό Πρόγραμμα «Γεωχωρικές Τεχνολογίες» Ψηφιακή Επεξεργασία Εικόνας. Εισηγητής Αναστάσιος Κεσίδης
Μεταπτυχιακό Πρόγραμμα «Γεωχωρικές Τεχνολογίες» Ψηφιακή Επεξεργασία Εικόνας Εισηγητής Αναστάσιος Κεσίδης Χωρικά φίλτρα Χωρικά φίλτρα Γενικά Σε αντίθεση με τις σημειακές πράξεις και μετασχηματισμούς, στα
Διαβάστε περισσότεραΑκαδηµαϊκό Έτος , Εαρινό Εξάµηνο ιδάσκων Καθ.: Νίκος Τσαπατσούλης
ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΛΟΠΟΝΝΗΣΟΥ, ΤΜΗΜΑ ΤΕΧΝΟΛΟΓΙΑΣ ΤΗΛΕΠΙΚΟΙΝΩΝΙΩΝ ΒΕΣ 6: ΠΡΟΣΑΡΜΟΣΤΙΚΑ ΣΥΣΤΗΜΑΤΑ ΣΤΙΣ ΤΗΛΕΠΙΚΟΙΝΩΝΙΕΣ Ακαδηµαϊκό Έτος 26 27, Εαρινό Εξάµηνο Καθ.: Νίκος Τσαπατσούλης ΕΡΩΤΗΣΕΙΣ ΓΙΑ ΕΠΑΝΑΛΗΨΗ Το
Διαβάστε περισσότεραΥπολογιστική Νοημοσύνη. Μάθημα 9: Γενίκευση
Υπολογιστική Νοημοσύνη Μάθημα 9: Γενίκευση Υπερπροσαρμογή (Overfitting) Ένα από τα βασικά προβλήματα που μπορεί να εμφανιστεί κατά την εκπαίδευση νευρωνικών δικτύων είναι αυτό της υπερβολικής εκπαίδευσης.
Διαβάστε περισσότεραΒασικές Έννοιες Στατιστικής & Μέθοδοι Πρόβλεψης
ΜΕΡΟΣ Βασικές Έννοιες Στατιστικής & Μέθοδοι Πρόβλεψης Εισαγωγή Περιγραφή μεθόδων πρόβλεψης Οι μέθοδοι προβλέψεων χωρίζονται σε 3 μεγάλες κατηγορίες Α. Με βάση τον ορίζοντα προγραμματισμού. βραχυπρόθεσμες.
Διαβάστε περισσότεραΒραχυχρόνιες προβλέψεις του πραγματικού ΑΕΠ χρησιμοποιώντας δυναμικά υποδείγματα παραγόντων
Βραχυχρόνιες προβλέψεις του πραγματικού ΑΕΠ χρησιμοποιώντας δυναμικά υποδείγματα παραγόντων 1. Εισαγωγή Αθανάσιος Καζάνας και Ευθύμιος Τσιώνας Τα υποδείγματα παραγόντων χρησιμοποιούνται ευρέως στη διαδικασία
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΙΡΑΙΩΣ ΤΜΗΜΑ ΝΑΥΤΙΛΙΑΚΩΝ ΣΠΟΥΔΩΝ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΙΡΑΙΩΣ ΤΜΗΜΑ ΝΑΥΤΙΛΙΑΚΩΝ ΣΠΟΥΔΩΝ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ ΣΤΗΝ ΝΑΥΤΙΛΙΑ Η ΕΠΟΧΙΚΟΤΗΤΑ ΣΤΙΣ ΤΙΜΕΣ ΤΟΥ ΑΝΘΡΑΚΑ, ΤΟΥ ΠΕΤΡΕΛΑΙΟΥ, ΤΟΥ ΧΑΛΥΒΑ ΚΑΙ ΤΟΥ ΧΡΥΣΟΥ Δαμιανού Χριστίνα Διπλωματική
Διαβάστε περισσότεραΤΜΗΜΑΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥΣΧΕΔΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝΣΥΣΤΗΜΑΤΩΝ
ΤΜΗΜΑΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥΣΧΕΔΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝΣΥΣΤΗΜΑΤΩΝ ΤΕΧΝΙΚΕΣ ΠΡΟΒΛΕΨΕΩΝ& ΕΛΕΓΧΟΥ ΜΑΘΗΜΑ ΤΡΙΤΟ ΣΥΝΑΡΤΗΣΗ ΑΥΤΟΣΥΣΧΕΤΙΣΗΣ-ΕΛΕΓΧΟΣ ΣΤΑΣΙΜΟΤΗΤΑΣ Δρ. Κουνετάς Η Κωνσταντίνος ΕΠΙΧ Τεχνικές Προβλέψεων & Ελέγχου
Διαβάστε περισσότεραΣτοχαστικά Σήµατα και Εφαρµογές. ιδάσκων: Ν. Παπανδρέου (Π.. 407/80) Πανεπιστήµιο Πατρών ΤµήµαΜηχανικώνΗ/Υ και Πληροφορικής
Στοχαστικά Σήµατα & Εφαρµογές Βέλτιστα Φίλτρα Wiener ιδάσκων: Ν. Παπανδρέου (Π.. 7/8) Πανεπιστήµιο Πατρών ΤµήµαΜηχανικώνΗ/Υ και Πληροφορικής CEID 7-8 Εισαγωγή ιατύπωση του προβλήµατος: οθέντος των από
Διαβάστε περισσότεραΕΛΛΗΝΙΚΗ ΕΤΑΙΡΕΙΑ ΠΕΡΙΦΕΡΕΙΑΚΗΣ ΕΠΙΣΤΗΜΗΣ ERSA
ΕΛΛΗΝΙΚΗ ΕΤΑΙΡΕΙΑ ΠΕΡΙΦΕΡΕΙΑΚΗΣ ΕΠΙΣΤΗΜΗΣ ERSA ΜΕΛΟΣ ΤΗΣ ΔΙΕΘΝΟΥΣ ΚΑΙ ΕΥΡΩΠΑΪΚΗΣ ΕΤΑΙΡΕΙΑΣ ΠΕΡΙΦΕΡΕΙΑΚΗΣ ΕΠΙΣΤΗΜΗΣ (RSAI, ERSA) Οικονομική Κρίση και Πολιτικές Ανάπτυξης και Συνοχής 10ο Τακτικό Επιστημονικό
Διαβάστε περισσότεραΕισαγωγή στα Προσαρµοστικά Συστήµατα
ΒΕΣ 06 Προσαρµοστικά Συστήµατα στις Τηλεπικοινωνίες Εισαγωγή στα Προσαρµοστικά Συστήµατα Νικόλας Τσαπατσούλης Επίκουρος Καθηγητής Π..407/80 Τµήµα Επιστήµη και Τεχνολογίας Τηλεπικοινωνιών Πανεπιστήµιο Πελοποννήσου
Διαβάστε περισσότεραΤΜΗΜΑΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥΣΧΕΔΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝΣΥΣΤΗΜΑΤΩΝ
ΤΜΗΜΑΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥΣΧΕΔΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝΣΥΣΤΗΜΑΤΩΝ ΕΡΓΑΣΤΗΡΙΟ ΤΕΧΝΙΚΩΝ ΠΡΟΒΛΕΨΕΩΝ& ΕΛΕΓΧΟΥ ΜΑΘΗΜΑΟΓΔΟΟ-ΥΠΟΔΕΙΓΜΑΤΑ ARIMA & ΜΗ ΣΤΑΣΙΜΕΣ ΔΙΑΔΙΚΑΣΙΕΣ ΤΥΧΑΙΑΔΙΑΔΡΟΜΗ (RANDOM WALK) Έστω η αυτοπαλίνδρομη
Διαβάστε περισσότερα, 1. Παράδειγμα: 1) Όχι σύγχρονη εξωγένεια: Cov y, u Cov y, u 0. 2) Έλλειψη Δυναμικής Πληρότητας: ~ AR(2)
αυτοσυσχέτιση Παράδειγμα: e ) Όχι σύγχρονη εξωγένεια: Cov Cov 2) Έλλειψη Δυναμικής Πληρότητας: 2 e 2 (προφανώς αφού έχουμε δείξει ότι Δ.Π. Υ5 ) ~ AR(2) 2 Έλεγχος για αυτοσυσχέτιση με τη στατιστική (Ασυμπτωτικός)...
Διαβάστε περισσότεραΣύγχρονα συστήµατα προβλέψεων και µοντελοποίησης
Σύγχρονα συστήµατα προβλέψεων και µοντελοποίησης ηµήτρης Λέκκας 3 η διάλεξη Τµήµα Στατιστικής και Αναλογιστικών Χρηµατοοικονοµικών Μαθηµατικών Περιγραφή Πρόγνωση Μέθοδοι Πρόγνωση µε Συναρτήσεις Μεταφοράς
Διαβάστε περισσότεραΦίλτρα Kalman. Αναλυτικές μέθοδοι στη Γεωπληροφορική. ιατύπωση του βασικού προβλήματος. προβλήματος. μοντέλο. Πρωτεύων μοντέλο
Φίλτρα Kalman Εξαγωγή των εξισώσεων τους με βάση το κριτήριο ελαχιστοποίησης της Μεθόδου των Ελαχίστων Τετραγώνων. Αναλυτικές Μέθοδοι στη Γεωπληροφορική Μεταπτυχιακό Πρόγραμμα ΓΕΩΠΛΗΡΟΦΟΡΙΚΗ ιατύπωση του
Διαβάστε περισσότεραΑνάλυση Χρονοσειρών. Κεφάλαιο Ανάλυση Χρονοσειρών
Κεφάλαιο 22 Ανάλυση Χρονοσειρών 22.1 Ανάλυση Χρονοσειρών Με τον όρο Χρονοσειρά εννοούµε µια σειρά από παρατηρήσεις που παίρνονται σε ορισµένες χρονικές στιγµές ή περιόδους που ισαπέχουν µεταξύ τους. Υπάρχουν
Διαβάστε περισσότεραEΦΑΡΜΟΓΕΣ ΤΗΣ ΨΗΦΙΑΚΗΣ ΕΠΕΞΕΡΓΑΣΙΑΣ ΣΗΜΑΤΩΝ. Γραµµική Εκτίµηση Τυχαίων Σηµάτων
EΦΑΡΜΟΓΕΣ ΤΗΣ ΨΗΦΙΑΚΗΣ ΕΠΕΞΕΡΓΑΣΙΑΣ ΣΗΜΑΤΩΝ Γραµµική Εκτίµηση Τυχαίων Σηµάτων Εµµανουήλ Ζ. Ψαράκης Πολυτεχνική Σχολή Τµήµα Μηχανικών Η/Υ & Πληροφορικής Γραµµική Εκτίµηση Τυχαίων Σηµάτων FIR φίλτρα: Ορίζουµε
Διαβάστε περισσότεραΠρογραμματισμός Ζήτησης και Προμηθειών της ΕΑ. Δημοκρίτειο Πανεπιστήμιο, Τμήμα Μηχανικών Παραγωγής & Διοίκησης 1
Προγραμματισμός Ζήτησης και Προμηθειών της ΕΑ Δημοκρίτειο Πανεπιστήμιο, Τμήμα Μηχανικών Παραγωγής & Διοίκησης 1 4. Πρόβλεψη Ζήτησης στην ΕΑ Δημοκρίτειο Πανεπιστήμιο, Τμήμα Μηχανικών Παραγωγής & Διοίκησης
Διαβάστε περισσότεραΓραμμικά Μοντέλα Χρονοσειρών και Αυτοσυσχέτισης ΜΕΤΑΠΤΥΧΙΑΚΗ ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ. Σταυρούλα Γαζή
ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ ΣΧΟΛΗ ΘΕΤΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΜΑΘΗΜΑΤΙΚΩΝ Δ.Π.Μ.Σ. : «ΜΑΘΗΜΑΤΙΚΑ των ΥΠΟΛΟΓΙΣΤΩΝ και των ΑΠΟΦΑΣΕΩΝ» Κατεύθυνση : ΣΤΑΤΙΣΤΙΚΗ και ΕΠΙΧΕΙΡΙΣΙΑΚΗ ΕΡΕΥΝΑ Γραμμικά Μοντέλα Χρονοσειρών και
Διαβάστε περισσότερα