Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "FORECASTING" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-6 z 6
    Tytuł:
    Z badań nad metodami prognozowania na podstawie niekompletnych szeregów czasowych z wahaniami okresowymi (sezonowymi)
    Studies of methods applied to forecasting incomplete data in seasonal time series
    Autorzy:
    Szmuksta-Zawadzka, Maria
    Zawadzki, Jan
    Powiązania:
    https://bibliotekanauki.pl/articles/422819.pdf
    Data publikacji:
    2012
    Wydawca:
    Główny Urząd Statystyczny
    Tematy:
    szeregi czasowe
    wahania sezonowe
    brakujące dane
    prognozowanie
    time series
    seasonal fluctuations
    missing data
    forecasting
    Opis:
    Praca została poświęcona syntetycznemu omówieniu wyników wieloletnich badań autorów nad zastosowaniami metod prognozowania w warunkach braku pełnej informacji w szeregach czasowych z wahaniami sezonowymi. Rozważania odnosić się będą do dwóch rodzajów luk w danych: systematycznych i niesystematycznych. Z lukami systematycznymi mamy do czynienia wtedy, gdy nie są dostępne informacje liczbowe przynajmniej o jednym podokresie w całym przedziale czasowym „próby”. Rozpatrywane będą metody prognozowania zarówno dla danych oryginalnych (z sezonowością) jak i danych, z których wyeliminowano wahania sezonowe. Egzemplifikacją rozważań o charakterze teoretycznym będzie przykład empiryczny.
    This work presents discussion about results of long-term of authors research on applications of different forecasting methods in condition of lack of full information. There will be considered two types of gaps in data: systematic and unsystematic. The systematic gaps in data are only when we have not any information about at least one sub-period in the whole of analyzed data. There will be presented two types of methods applied to time series with and without seasonal component. Exemplification of theoretical considerations will be an empirical example.
    Źródło:
    Przegląd Statystyczny; 2012, 59, numer specjalny 1; 140-154
    0033-2372
    Pojawia się w:
    Przegląd Statystyczny
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    O metodzie prognozowania brakujących danych w dziennych szeregach czasowych z lukami systematycznymi
    About method of forecasting the missing data in daily time series with systematic GAPS
    Autorzy:
    Szmuksta-Zawadzka, Maria
    Zawadzki, Jan
    Powiązania:
    https://bibliotekanauki.pl/articles/453202.pdf
    Data publikacji:
    2012
    Wydawca:
    Szkoła Główna Gospodarstwa Wiejskiego w Warszawie. Katedra Ekonometrii i Statystyki
    Tematy:
    szeregi czasowe
    dane dzienne
    prognozowanie brakujących danych
    luki systematyczne
    data gaps
    daily data
    forecasting
    Opis:
    W pracy przedstawiono metodę modelowania a następnie prognozowania w sytuacji, gdy w szeregu czasowym dla danych dziennych występują luki systematyczne. Podstawą budowy prognoz były regularne hierarchiczne modele szeregu czasowego opisujące wahania o rocznym. Wahania o cyklu tygodniowym były opisywane za pomocą zmiennej grupującej, w skład której wchodziły dni podobne oraz tego rodzaju zmiennych dla pozostałych dni. W modelach wystąpiły także zmienne o charakterze migawkowym oznaczające występowanie świąt oraz dni około świątecznych. Rozważania o charakterze teoretyczne zostały zilustrowane przykładem empirycznym dla założonego wariantu luk w danych. Przeprowadzona została analiza dokładności błędów prognoz intern ekstrapolacyjnych ogółem oraz w dezagregacji na dni tygodnia, miesiące i święta oraz dni około świąteczne.
    This paper presents a method for modeling and then forecasting in situation, when in time series for daily data contain systematic gaps. Base of construction were regular hierarchical time series models describing annual fluctuations. Weekly fluctuations were described as a grouping variable, which contains similar days and this type variables for other days. In models were used also dummy variables describing holidays and days pre- and post- holidays. Theoretical considerations were illustrated by empirical example for selected variant of gaps. Based on the same estimated equations, inter- and extrapolation predictions ware built. For both types of prediction – in general and in disaggregation to weekdays and months and holidays and days pre- and post holidays.
    Źródło:
    Metody Ilościowe w Badaniach Ekonomicznych; 2012, 13, 3; 202-212
    2082-792X
    Pojawia się w:
    Metody Ilościowe w Badaniach Ekonomicznych
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Wykorzystanie modeli wyrównywania wykładniczego w prognozowaniu zmiennych o wysokiej częstotliwości w warunkach braku pełnej informacji
    Application of exponential smoothing models in forecasting high frequency time series in the condition of lack of full information
    Autorzy:
    Szmuksta-Zawadzka, Maria
    Zawadzki, Jan
    Powiązania:
    https://bibliotekanauki.pl/articles/425251.pdf
    Data publikacji:
    2015
    Wydawca:
    Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu
    Tematy:
    forecasting
    high frequency time series
    complex seasonality
    exponential smoothing models
    systematic gaps in the data
    Opis:
    The paper will present the results of the application of the modified additive and multiplicative exponential smoothing models (Brown, Holt and Holt-Winters) in the interpolation and extrapolation forecasting of demand for power energy in the agglomeration A in hour periods, based on time series with systematic gaps. The basis for the construction of forecasts will be time series, from which twelve month, weekly and twenty-four hour fluctuation cycles have been eliminated. Additionally the comparative analysis of accuracy of forecasts built for classical time series models with complex seasonal fluctuations will be conducted. There also will be presented an assess of the criteria for selecting the optimal values of the smoothing constants in terms of building an ex ante forecasts.
    Źródło:
    Econometrics. Ekonometria. Advances in Applied Data Analytics; 2015, 4 (50); 228-239
    1507-3866
    Pojawia się w:
    Econometrics. Ekonometria. Advances in Applied Data Analytics
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Modele nieklasyczne w prognozowaniu zmiennych ekonomicznych ze złożoną sezonowością z lukami systematycznymi - analiza empiryczna
    Application of nonclassical models in forecasting of economic variables with complex seasonality and systematic gaps - the empirical analysis
    Autorzy:
    Szmuksta-Zawadzka, Maria
    Zawadzki, Jan
    Powiązania:
    https://bibliotekanauki.pl/articles/592844.pdf
    Data publikacji:
    2016
    Wydawca:
    Uniwersytet Ekonomiczny w Katowicach
    Tematy:
    Prognozowanie
    Systematyczne luki w danych
    Wyrównywanie wykładnicze
    Złożona sezonowość
    Complex seasonality
    Exponential smoothing
    Forecasting
    Systematical gaps in data
    Opis:
    W artykule przedstawiono wyniki wykorzystania wybranych modeli adaptacyjnych w prognozowaniu zmiennej o wysokiej częstotliwości obserwowania z lukami systematycznymi. Modelowaniu oraz prognozowaniu poddano szeregi czasowe, z których wyeliminowano jeden lub dwa rodzaje wahań sezonowych. Prognozy końcowe były sumami (iloczynami) prognoz otrzymanych dla danych oczyszczonych i składników (wskaźników) sezonowości. Artykuł stanowi rozszerzenie rozważań autorów [Szmuksta-Zawadzka i Zawadzki, 2014] na przypadek występowania systematycznych luk w danych.
    This paper presents the results of the application of selected adaptive models in forecasting of high-frequency variable with systematic gaps. To modeling and forecasting were used time series, from which seasonal fluctuations were eliminated. Final forecasts were built as sums (products) of forecasts, for the data “cleaned” from seasonality and seasonal components (indicators). The paper is an extension of considerations authors [Szmuksta-Zawadzka and Zawadzki, 2014] on the case of the occurrence of systematic gaps in the data.
    Źródło:
    Studia Ekonomiczne; 2016, 291; 102-115
    2083-8611
    Pojawia się w:
    Studia Ekonomiczne
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    WYKORZYSTANIE DANYCH OCZYSZCZONYCH O WYSOKIEJ CZĘSTOTLIWOŚCI W PROGNOZOWANIU ZMIENNYCH ZE ZŁOŻONĄ SEZONOWOŚCIĄ
    APPLICATION OF SEASONALLY ADJUSTED HIGH FREQUENCY DATA TO FORECASTING VARIABLES WITH COMPLEX SEASONALITY
    Autorzy:
    Szmuksta-Zawadzka, Maria
    Zawadzki, Jan
    Powiązania:
    https://bibliotekanauki.pl/articles/452810.pdf
    Data publikacji:
    2015
    Wydawca:
    Szkoła Główna Gospodarstwa Wiejskiego w Warszawie. Katedra Ekonometrii i Statystyki
    Tematy:
    prognozowanie
    dane o wysokiej częstotliwości
    złożona sezonowość
    wyrównywanie wykładnicze
    forecasting
    high frequency data
    complex seasonality
    exponential smoothing models
    Opis:
    W pracy przedstawione zostanie procedura modelowania i prognozowania zmiennej o bardzo wysokiej częstotliwości obserwowania na podstawie szeregów, z których wyeliminowano dwa lub trzy rodzaje sezonowości. Do budowy prognoz zostaną wykorzystane wybrane modele adaptacyjne. Rozważania teoretyczne zilustrowane zostaną przykładem empirycznym dotyczącym, kształtowania się zapotrzebowania na moc energetyczną w okresach godzinnych w aglomeracji A.
    In the article will be presented procedure to modeling and forecasting of the high frequency variable, based on series, from which was eliminated two or three types of seasonality. Forecasts will be built on the basis of exponential smoothing models. The theoretical considerations will be illustrated with empirical example about demand for electricity in hour periods in the agglomeration A.
    Źródło:
    Metody Ilościowe w Badaniach Ekonomicznych; 2015, 16, 4; 147-159
    2082-792X
    Pojawia się w:
    Metody Ilościowe w Badaniach Ekonomicznych
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Prognozowanie brakujących danych dla szeregów o wysokiej częstotliwości oczyszczonych z sezonowości
    Forecasting missing data for seasonal adjusted high frequency time series
    Autorzy:
    Szmuksta-Zawadzka, Maria
    Zawadzki, Jan
    Powiązania:
    https://bibliotekanauki.pl/articles/585670.pdf
    Data publikacji:
    2016
    Wydawca:
    Uniwersytet Ekonomiczny w Katowicach
    Tematy:
    Dane o wysokiej częstotliwości
    Luki w danych
    Prognozowanie
    Wyrównywanie wykładnicze
    Złożona sezonowość
    Complex seasonality
    Exponential smoothing
    Forecasting
    High frequency time series
    Unsystematic gaps
    Opis:
    W pracy przedstawione zostało wykorzystanie wybranych modeli adaptacyjnych w prognozowania zmiennych o bardzo wysokiej częstotliwości obserwowania, na podstawie szeregów z lukami niesystematycznymi, z których wyeliminowano dwa lub trzy rodzaje sezonowości. Egzemplifikacją rozważań teoretycznych stanowi przykład empiryczny, dotyczący kształtowania się zapotrzebowania na moc energetyczną w okresach godzinnych w aglomeracji A.
    In this paper was presented application of selected exponential smoothing models in forecasting very high frequency variables on the basis of time series with unsystematic gaps, from which two or three types of seasonal fluctuations were eliminated. Exemplification of theoretical considerations will be an empirical example, concerning the power demand in agglomeration A in hourly periods.
    Źródło:
    Studia Ekonomiczne; 2016, 289; 205-217
    2083-8611
    Pojawia się w:
    Studia Ekonomiczne
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-6 z 6

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies