Hello world!
Welcome to WordPress. This is your first post. Edit or delete it, then start writing!
Uncategorized
Welcome to WordPress. This is your first post. Edit or delete it, then start writing!
Stochastická regresia umožňuje modelovať situácie, kde sa koeficienty regresie menia v čase. Je užitočná pri analýze systémov s nestálym správaním, ako sú ekonomické procesy, kde sa vzťahy medzi premennými dynamicky vyvíjajú.
🔍 Začať zisťovať viacMetóda skúmajúca frekvenčné zložky časových radov. Pomáha odhaliť skryté cykly, periodickosť a štruktúru v dátach, ktoré nie sú na prvý pohľad viditeľné. Využíva sa najmä pri spracovaní signálov, v ekonómii a meteorológii.
🔍 Začať zisťovať viacDynamická metóda odhadu stavu systému v čase na základe postupne prichádzajúcich dát. Využíva sa pri modelovaní systémov s neistotou, ako sú navigácia, ekonómia či senzorové merania, kde umožňuje kombinovať predikciu s novými pozorovaniami.
🔍 Začať zisťovať viacModely vhodné na analýzu časových radov s kolísavou volatilitou, napríklad vo finančných trhoch. Umožňujú predpovedať meniacu sa variabilitu v čase a lepšie zachytiť rizikové správanie dát, kde sa štandardné metódy neosvedčujú.
🔍 Začať zisťovať viacPokročilé štatistické modely pre analýzu a predikciu časových radov, ktoré kombinujú autoregresiu (AR), integrovanie (I) a kĺzavý priemer (MA). Sú vhodné pre neštruktúrované dáta bez výraznej sezónnosti alebo trendu, ale aj pre upravené časové rady.
🔍 Začať zisťovať viacRozšírenie jednoduchého exponenciálneho vyrovnávania, ktoré dokáže modelovať aj lineárne trendy v dátach. Vhodné pre časové rady, kde sa očakáva stály nárast alebo pokles hodnôt v čase.
🔍 Začať zisťovať viacUmožňuje skúmať správanie dát v čase – zisťovať trendy, sezónnosť alebo náhodné výkyvy. Využíva sa pri predikcii predaja, teploty, návštevnosti webu či ekonomických ukazovateľov.
🔍 Začať zisťovať viacJednoduchá, ale účinná metóda predikcie, ktorá váži novšie údaje viac než staršie. Používa sa na vyrovnávanie výkyvov v časových radoch a tvorbu krátkodobých prognóz.
🔍 Začať zisťovať viacGRETL je voľne dostupný, open‑source softvér zameraný na ekonometriu a analýzu časových radov. Vznikol ako projekt pod licenciou GPL a vďaka aktívnej komunite vychádzajú každý rok nové verzie s rozšírenými funkciami.
🔍 Začať zisťovať viacLineárna regresia je štatistická metóda, ktorá sa používa na modelovanie vzťahu medzi závislou premennou (označovanou ako 𝑦) a jednou alebo viacerými nezávislými premennými (označovanými ako 𝑥).
🔍 Začať zisťovať viacAutokorelácia je pojem zo štatistiky a časových radov, ktorý popisuje, do akej miery je hodnota premennej v určitom čase podobná jej vlastným predchádzajúcim hodnotám.
🔍 Začať zisťovať viacJe to nekonštantnosť rozptylu náhodných porúch, a teda aj rezíduí. S týmto javom sa stretávame vtedy, keď dochádza k veľkým zmenám v hodnotách vysvetľujúcich premenných, ale aj v prípade, ak bola vynechaná podstatná premenná modelu. Opačný jav, konštantnosť rozptylu náhodných porúch, a teda aj rezíduí, sa nazýva homoskedasticita.
🔍 Začať zisťovať viacMultikolinearita je jav, ktorý nastáva v lineárnej regresii, keď sú dve alebo viaceré nezávislé premenné silno navzájom korelované – teda medzi nimi existuje silný lineárny vzťah.
🔍 Začať zisťovať viacSimultánne modely (alebo simultánne rovnice, prípadne sústavy simultánnych rovníc) sú štatistické alebo ekonometrické modely, kde viacero premenných súčasne ovplyvňuje jedna druhú – teda závislé premenné sú zároveň aj nezávislými v iných rovniciach.
🔍 Začať zisťovať viacDynamické modelovanie je spôsob, ako simulovať zmeny v čase – teda ako sa systém vyvíja, keď sa menia jeho vstupy, stav alebo prostredie. Používa sa všade tam, kde čas hrá dôležitú úlohu a chceme pochopiť dynamiku správania sa systému.
🔍 Začať zisťovať viacARIMA modely (AutoRegressive Integrated Moving Average) predstavujú pokročilý prístup na modelovanie a predikciu časových radov. Zachytávajú vplyv minulých hodnôt (autoregresívna zložka AR), náhodných vplyvov (zložka MA) a umožňujú pracovať s nestacionárnymi radmi (integrovanie I).
Typická syntax v R:
arima(x, order = c(p, d, q))
kde p je stupeň AR (autoregresie), d počet diferencií na dosiahnutie stacionarity, a q je stupeň MA (kĺzavého priemeru).
kpss.test().arima() a výpis parametrov modelu.ArchTest()).predict().Pri výbere modelu možno využiť AIC kritérium – nižšia hodnota AIC znamená lepší model.
ARIMA modely sú veľmi univerzálne a vhodné pre množstvo praktických aplikácií v oblasti ekonómie, financií, priemyslu či demografie.
Brownovo exponenciálne vyrovnávanie je skupina metód, ktoré sa využívajú na vyhladzovanie časových radov a predikcie budúcich hodnôt. Metódy pracujú s parametrom α, ktorý určuje váhu nových pozorovaní.
α. Vhodné pre dáta s lineárnym trendom.α pre dvojité vyrovnávanie na základe minimalizácie MSE. Užitočné, ak parameter nie je známy.α. Presnejšie výsledky pre komplexné dáta.Každá metóda poskytuje odhadované hodnoty, predpoveď na ďalšie obdobie a vizuálny graf porovnávajúci pôvodné a vyhladené dáta.
Sₜ = αyₜ + (1 − α)Sₜ₋₁
yₜ = (lₜ + bₜ) + sₜyₜ = (lₜ + bₜ) × sₜHoltWinters() pre oba typy modelov (sezónne aj nesezónne).predict() a dajú sa vizualizovať cez plot() a lines().summary(premenna)yt = scan()yt <- ts(yt, start=1956, freq=12)plot(yt, type="l") – čiarový grafseasonplot(yt, col=rainbow(40), type="b", xlab="Mesiac") – sezónny grafspec.pgram(yt, log="no", taper=0)
plot(stl(log(yt), s.window="periodic"))
Všetko to začalo v okamihu, keď pani Pančíková vyslovila jednoduchú, ale výstižnú vetu:
„Mohli by sme spraviť niečo, čo študentom naozaj pomôže.“
A tak sa zrodila myšlienka na túto stránku.
Do akcie sa odvážne zapojili dvaja „špecialisti“: Daniel Dziaba a Mário Stachera.
Nie úplne dobrovoľne, ale zato s úsmevom – prijali túto výzvu, plní odhodlania, kávy a nekonečných riadkov kódu.
Cieľ? Jednoduchý. Vytvoriť miesto, kde sa študenti nestratia v predikciách, trendoch a grafoch.
A kde ani prognostika neznie ako strašidelná kapitola z učebnice.
Tak teraz už vieš všetko podstatné. Môžeš sa s chuťou pustiť do prognostiky – alebo si vybrať úplne inú tému, ktorá ťa zaujme.
Držíme ti palce a veríme, že ti táto stránka uľahčí učenie, pochopenie aj zvládnutie predmetov, ktoré kedysi zneli neprekonateľne.