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 "Luki w danych" wg kryterium: Wszystkie pola

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-7 z 7
    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:
    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
    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:
    Klasyfikacja luk pomiarowych w danych rejestrowanych na stacjach monitoringu powietrza
    Classification of air monitoring data gaps
    Autorzy:
    Hoffman, S.
    Jasiński, R.
    Powiązania:
    https://bibliotekanauki.pl/articles/297005.pdf
    Data publikacji:
    2009
    Wydawca:
    Politechnika Częstochowska. Wydawnictwo Politechniki Częstochowskiej
    Tematy:
    zanieczyszczenia powietrza
    monitoring automatyczny
    dane
    stężenia chwilowe
    brakujące dane
    luki pomiarowe
    klasyfikacja
    air monitoring
    hourly concentrations
    monitoring data
    air pollution
    missing data
    measure gaps
    classification
    Opis:
    Rejestrowane na stacjach monitoringu powietrza zbiory danych nigdy nie są kompletne. W skali roku liczba odnotowywanych braków jest zmienna. Ocena jakości powietrza na podstawie niepełnych pomiarów jest utrudniona. Obowiązujące przepisy prawne dopuszczają możliwość wykorzystania modelowania w celu uzupełnienia brakujących danych. Rozpoznanie typowych struktur obszarów z brakującymi danymi umożliwia ich klasyfikację, a następnie rekomendację odpowiednich metod modelowania dla wyszczególnionych klas. Celem badań było wytypowanie charakterystycznych struktur luk pomiarowych w zbiorach danych i określenie częstości ich występowania. Klasyfikację przypadków z brakującymi danymi zaproponowano na podstawie przeglądu wieloletnich danych, pochodzących z kilku różnych stacji pomiarowych automatycznego monitoringu powietrza. Analizowano serie czasowe chwilowych stężeń podstawowych zanieczyszczeń powietrza (O3, NO2, NO, PM10, SO2, CO), zarejestrowanych w latach 2004-2008 na stacjach monitoringu powietrza Warszawa-Ursynów, Radom, Łódź-Widzew, Piotrków Trybunalski. Na podstawie wyników przeprowadzonej analizy można stwierdzić, że brakujące dane występują powszechnie w zbiorach danych pochodzących z monitoringu powietrza. Częstość ich występowania w rocznych seriach pomiarowych może wynosić od kilku do nawet kilkudziesięciu procent. Większość luk pomiarowych jest krótka - stanowią je głównie pojedyncze przypadki. Zdecydowanie rzadziej występują bloki brakujących danych, przekraczające 3-4 przypadki (dłuższe od 3-4 godzin). Największą częstość występowania przypadków z niezarejestrowanymi wynikami odnotowano dla luk najdłuższych, obejmujących więcej niż 24 przypadki (>24 godziny).
    The data gathered continuously in the air monitoring systems are never entire. In the whole year, the number of missing records is changeable. The deficiency of data could result in uncertainty of a statistical assessment, required by the air quality standards, and cause the uselessness of monitoring measurements. Air quality standards permit to use modelling in order to recreate the missing data when the completeness of the monitoring set is not sufficient. Applied modelling methods should guarantee possibly the best precision to achieve the air quality assessment being closest to reality. Single, specified method does not assure the maximal accuracy because the missing data in data matrix may create gaps of various shapes and ranges. Recognition of typical structures of missing data fields should be the base of their classification. For the specified classes of gaps the optimum modelling methods may be recommended and assigned. The main objective of the analysis was to select typical patterns of gaps in air monitoring data matrixes, and the assessment of their appearing. The missing data classification was suggested after long-term data survey. The analyzed data sets derived from 4 different air monitoring sites in the Central Poland (Warsaw-Ursynów, Radom, Lodz-Widzew, Piotrków Trybunalski). The data were gathered in the period 2004-2008. The examined time-series involved hourly concentrations of main air pollutants: O3, NO2, NO, PM10, SO2, CO. The results allow coming to some general conclusions. Missing data commonly occur in sets of air monitoring records. Gaps may include up to several or even more per cent of all expected data in yearly measuring series. For all air pollutants, the most of the gaps in monitoring time series are very short. Single (1-hour) missing values dominate among gaps of different length. Gaps lengths exceeding 3-4 hours are observed occasionally. However, the greatest frequency of single without-data cases appearing is observed in the longest gaps (>24 hours), because of their lengths.
    Źródło:
    Inżynieria i Ochrona Środowiska; 2009, 12, 2; 101-117
    1505-3695
    2391-7253
    Pojawia się w:
    Inżynieria i Ochrona Środowiska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Prognozowanie brakujących danych w szeregach czasowych przy zastosowaniu modeli hybrydowych – podejście teoretyczne i empiryczne
    Forecasting missing data in time series with the application of hybrid models – theoretical and empirical approach
    Autorzy:
    Zawadzki, Jan
    Powiązania:
    https://bibliotekanauki.pl/articles/1042759.pdf
    Data publikacji:
    2020-10-30
    Wydawca:
    Główny Urząd Statystyczny
    Tematy:
    dane godzinne
    sezonowość złożona
    modele hybrydowe
    luki niesystematyczne
    hourly data
    complex seasonality
    hybrid models
    non-systematic gaps
    Opis:
    Celem artykułu jest przedstawienie możliwości prognozowania brakujących danych w szeregach czasowych dla danych godzinnych przy zastosowaniu modeli hybrydowych. W badaniu wykorzystano hybrydowe modele szeregu czasowego oraz modele regresyjne ze złożonymi wahaniami sezonowymi. Wahania złożone dla danych godzinnych mogą być sumą lub iloczynem wahań o cyklach rocznym, tygodniowym i dobowym, a wahania o długości cyklu wyrażonej liczbą parzystą (12-miesięczne i 24-godzinne) mogą być opisywane za pomocą regularnych modeli hierarchicznych. Rozważania o charakterze teoretycznym podparto analizą empiryczną zapotrzebowania na energię elektryczną w okresach godzinnych w wybranej aglomeracji. Wykorzystano dane statystyczne obejmujące trzy kolejne lata pierwszej dekady XXI w., które zostały udostępnione przez przedsiębiorstwo zajmujące się dystrybucją energii elektrycznej i włączone do Banku Danych Katedry Zastosowań Matematyki w Ekonomii Zachodniopomorskiego Uniwersytetu Technologicznego w Szczecinie. Przyjęto założenie, że luki niesystematyczne będą występowały w przypadku każdego rodzaju wahań sezonowych. Otrzymane wyniki wskazują na użyteczność modeli hybrydowych w prognozowaniu zjawisk ekonomicznych o bardzo dużej częstotliwości prowadzenia obserwacji.
    The main goal of the article is to present the possibilities of forecasting missing observations in time series for hourly data with the application of hybrid models. Hybrid time series models and regression models with complex seasonal fluctuations were used in the study. Complex fluctuations for hourly data can be either a sum or a product of fluctuations of annual, weekly and daily cycles, while fluctuations the length of a cycle expressed by an even number (12-month and 24-hour ones) can be described using regular hierarchical models. The theoretical considerations were illustrated by an empirical analysis of the demand for electricity in hourly periods in a selected agglomeration. The statistical data covered three consecutive years of the first decade of the 2000s. The data were provided by an electricity distribution company and included in the Data Bank of the Department of Applied Mathematics in Economics of the West Pomeranian University of Technology in Szczecin. It was assumed that non-systematic gaps occur with regard to all types of seasonal fluctuations. The obtained results indicate the usefulness of hybrid models in forecasting economic phenomena subject to very frequent observations.
    Źródło:
    Wiadomości Statystyczne. The Polish Statistician; 2020, 65, 10; 24-48
    0043-518X
    Pojawia się w:
    Wiadomości Statystyczne. The Polish Statistician
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Symulacyjne badanie wpływu liczby i rozmieszczenia luk na dokładność prognoz w szeregu czasowym dla danych dziennych
    The simulation analysis of impact of number and distribution of gaps on accuracy of forecasts in daily time series
    Autorzy:
    Oesterreich, Maciej
    Powiązania:
    https://bibliotekanauki.pl/articles/425187.pdf
    Data publikacji:
    2017
    Wydawca:
    Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu
    Tematy:
    zmienne o wysokiej częstotliwości obserwowania
    złożone wahania sezonowe
    luki
    prognozowanie
    modele szeregu czasowego
    Opis:
    W pracy przedstawione zostaną wyniki symulacyjnej analizy wpływu występowania luk na dokładność prognoz inter- i ekstrapolacyjnych dla szeregów charakteryzujących się wysoką częstotliwością obserwowania oraz złożoną sezonowością. Do budowy prognoz wykorzystano klasyczne modele szeregu czasowego, w którym wahania sezonowe o cyklu zarówno tygodniowym, jak i rocznym były opisane za pomocą zmiennych zero-jedynkowych. Zmienną, którą poddano analizie, była dzienna sprzedaż w litrach paliw płynnych na stacji paliw X w latach 2012-2014, przy czym lata 2012-2013 stanowiły przedział czasowy próby, a rok 2014 był okresem empirycznej weryfikacji prognoz. Rozpatrywanych było sześć wariantów luk różniących się odsetkami, z których każdy zawierał po dziesięć tysięcy wariantów luk. Obliczenia zostały wykonane z wykorzystaniem pakietu R oraz Statistica 12.
    Źródło:
    Econometrics. Ekonometria. Advances in Applied Data Analytics; 2017, 1 (55); 57-68
    1507-3866
    Pojawia się w:
    Econometrics. Ekonometria. Advances in Applied Data Analytics
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    SYMULACYJNE BADANIE WPŁYWU WYSTĘPOWANIA LUK SYSTEMATYCZNYCH W SZEREGU CZASOWYM DLA DANYCH DZIENNYCH NA DOKŁADNOŚĆ PROGNOZ
    THE SIMULATION ANALYSIS OF THE IMPACT OF THE SYSTEMATIC GAPS IN THE DAILY TIME SERIES ON ACCURACY OF FORECASTS
    Autorzy:
    Oesterreich, Maciej
    Powiązania:
    https://bibliotekanauki.pl/articles/452983.pdf
    Data publikacji:
    2017
    Wydawca:
    Szkoła Główna Gospodarstwa Wiejskiego w Warszawie. Katedra Ekonometrii i Statystyki
    Tematy:
    zmienne o wysokiej częstotliwości obserwowania
    złożone wahania sezonowe
    luki systematyczne
    prognozowanie
    modele szeregu czasowego
    high frequency time series
    complex seasonal fluctuations
    systematic gaps
    forecasting
    time series models
    Opis:
    W pracy przedstawiono wyniki symulacyjnej analizy wpływu występowania luk systematycznych na dokładność prognoz inter- i ekstrapolacyjnych w dziennych szeregach czasowych. Do budowy prognoz wykorzystano klasyczny model szeregu czasowego, w którym wahania sezonowe o cyklach: tygodniowym i rocznym, były opisane za pomocą zmiennych zero-jedynkowych. Zmienną, którą poddano analizie, była dzienna sprzedaż paliw płynnych na stacji paliw X w latach 2012-2014. Pierwsze trzydzieści miesięcy stanowiło przedział czasowy próby, a ostatnie sześć były okresem empirycznej weryfikacji prognoz. Rozpatrywanych było jedenaście wariantów luk systematycznych. Obliczenia zostały wykonane z wykorzystaniem pakietu R oraz Statistica 12.
    In the paper was presented the simulation analysis of the impact of systematic gaps on the accuracy of inter- and extrapolative forecasts for daily time series. To forecasts construction were used classical time series model, in which a weekly and an annual seasonality was described by dummy variables. The analysed variable was daily sale of liquid fuels in liters in petrol station X in years 2012-2014. Data in years 2012-2013 were used in model construction and year 2014 was a period of empirical validation of forecasts. Eleven different variants of systematic gaps were examined. Calculations were made using the R statistical environment and the Statsoft Statistica12.
    Źródło:
    Metody Ilościowe w Badaniach Ekonomicznych; 2017, 18, 2; 293-303
    2082-792X
    Pojawia się w:
    Metody Ilościowe w Badaniach Ekonomicznych
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-7 z 7

      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