Zeitreihenanalyse. Zerlegung von Zeitreihen Saisonindex, saisonbereinigte Zeitreihe Trend und zyklische Komponente Prognose Autokorrelation
|
|
- Mathias Schräder
- vor 5 Jahren
- Abrufe
Transkript
1 Zeitreihenanalyse Zerlegung von Zeitreihen Saisonindex, saisonbereinigte Zeitreihe Trend und zyklische Komponente Prognose Autokorrelation
2 Beispiel für Zeitreihe
3 Zerlegung der Zeitreihe F t Trendkomponente S t Saisonale komponente C t Zyklische Variation (längere Perioden als Saison, ev. Keine fixe Periodenlänge) E t Zufallsschwankungen
4 Zwei Modelle Multiplikative Zeitreihenstruktur X t = F t C t S t E t Additive Struktur X t = F t +C t +S t +E t Exp und Log führen die beiden Modelle ineinander über
5 Bsp. 10.1: Verkaufszahlen über 3 Wochen Woche Mo Di Mi Do Fr Frage ob der Wochentag einen Einfluss auf die Verkaufszahlen hat
6 Graphische Darstellung Verkauf Tag
7 Behandlung der saisonalen Komponente (hier: Wochentag) X t = F t C t S t E t Verwende zunächst gleitende Mittel um saisonalen Effekt zu eliminieren (d.h. ich schätze F t C t ) GM 3 = (X 1 + X 2 + X 3 + X 4 + X 5 )/5 GM 4 = (X 2 + X 3 + X 4 + X 5 + X 6 )/5 GM 5 = (X 3 + X 4 + X 5 + X 6 + X 7 )/5 etc. Beachte die ungerade Periodenlänge p=5 (Wochentage) GM 1 und GM 2 werden nicht berechnet (ebenso GM n-1 und GM n
8 Gleitendes Mittel in der Graphik Verkauf Gleitendes Mittel Tag
9 Bereinigte Zeitreihe und saisonaler Index Von Trend und Zyklus bereinigte Zeitreihe: X t (-TC) = S t E t = X t /(F t C t ) Berechnung des saisonalen Index: Ersetze F t C t durch GM t, mittle über alle so erhaltenen Werte des gleichen Wochentags und multipliziere mit 100 Bsp Mittwoch: SI 3 =100(49/ / /46) /3 = Normierter saisonaler Index: NSI j = 100 SI SI j
10 Saisonales Gewicht und saisonbereinigte Zeitreihe Saisonales Gewicht = Saisonindex / Periodenlänge = SI j / p Saisonbereinigte Zeitreihe: X t (-S) = X t 100/SI j wobei SI j der (normierte) Saisonindex des entsprechenden Tages ist! Bemerkung: Zur Berechnung von SI wird manchmal anstelle des Mittelwerts auch der Median verwendet
11 Gleitende Mittel bei gerader Periodenlänge (Bsp 10-2: p=4) Bilde zunächst die Mittel jeweils über die Periodenlänge HM 2,5 = (X 1 + X 2 + X 3 + X 4 )/4 HM 3.5 = (X 2 + X 3 + X 4 + X 5 )/4 HM 4,5 = (X 3 + X 4 + X 5 + X 6 )/4 etc. Verwende diese Hilfsgrößen um die zentrierten gleitenden Mittel zu berechnen GM 2 = (HM 2,5 +HM 3,5 ) GM 3 = (HM 3,5 +HM 4,5 ) etc.
12 Schätzung von Trend und zyklischer Komponente Schätze den Trend F t als linearen Anteil der saisonbereinigten Zeitreihe X t (-S) mittels Regression 2 Möglichkeiten: 1) Regression für die logarithmierte Zeitreihe log X t (-S) lineares Fehlermodell: log X t (-S) ~b 0 + b 1 t = log F t oder: ˆ = b0 b1t Ft e e 2) Regression direkt für X t (-S) ~c 0 + c 1 t = F t Buch S. 271ff, Bsp. 10-4, alles durchgerechnet ^ ^
13 Zyklische Komponente C t Wir haben nun also F t C t mit gleitendem Mittel und F t selbst durch lineare Regression der saisonbereinigten Zeitreihe geschätzt. Zur Bestimmung von C t können wir nun einfach diese beiden Schätzer dividieren (C t = F t C t /F t ) Abgesehen von den zufälligen Schwankungen, die ja prinzipiell nicht berechenbar sind, haben wir die Zeitreihe somit vollständig nach unserem multiplikativen Modell X t = F t C t S t E t zerlegt! Beachte, dass C t schwieriger zu schätzen und auch schwieriger zu interpretieren ist als S t.
14 Verbrauch von Brennstoffen Wie wird der Verbrauch im Jahr 2010 aussehen?
15 Deutscher Aktienkurs Wo befindet sich der DAX in 3 Monaten?
16 Konjunkturprognose
17 Erstellen von Prognosen Verwende Zerlegung der Zeitreihe! X t = F t C t S t E t Zur Bestimmung von X T verwende: F T c 0 + c 1 T S T passenden saisonalen Index (Tag, Quartal,etc.) C T geeignete Wahl am schwierigsten, erfordert zumeist spezielle Überlegungen, z. Bsp. welcher Teil der Zeitreihe sich in der Vergangenheit ähnlich verhalten hat
18 Natürlich gibt es viele weitere Verfahren zur Prognose, die hier nicht besprochen werden können. So wird häufig die Methode der exponentiellen Glättung bevorzugt. Weiterführende Literatur findest Du z.bsp hier: Beachte, dass wir hier nur Informationen aus der Zeitreihe selbst zur Prognose verwendet haben. In der Praxis wird man natürlich auch zusätzliche Informationen heranziehen (z.bsp. Diverse andere Wirtschaftsdaten zur Konjunkturprognose).
19 Autokorrelation Heuer nicht mehr durchgenommen Weiterführende Links zur Statistik auf meiner Homepage unter dem Link Weiterführende Literatur im Internet
Zeitreihenanalyse. Zerlegung von Zeitreihen Saisonindex, saisonbereinigte Zeitreihe Trend und zyklische Komponente Prognose Autokorrelation
Zeitreihenanalyse Zerlegung von Zeitreihen Saisonindex, saisonbereinigte Zeitreihe Trend und zyklische Komponente Prognose Autokorrelation Beispiel für Zeitreihe Andere Anwendungen Inventarmanagment Produktionsplanung
MehrDynamische Systeme und Zeitreihenanalyse // Saisonbereinigung und Glättung 10 p.2/??
Dynamische Systeme und Zeitreihenanalyse Saisonbereinigung und Glättung Kapitel 10 Statistik und Mathematik WU Wien Michael Hauser Dynamische Systeme und Zeitreihenanalyse // Saisonbereinigung und Glättung
MehrZerlegung von Zeitreihen
Kapitel 7 Zerlegung von Zeitreihen Josef Leydold c 2006 Mathematische Methoden VII Zerlegung von Zeitreihen 1 / 39 Lernziele Klassische Zerlegung von Zeitreihen Saisonbereinigungsverfahren: Gleitende Durchschnitte
MehrEinführung in die Statistik für Wirtschaftswissenschaftler für Betriebswirtschaft und Internationales Management
Einführung in die Statistik für Wirtschaftswissenschaftler für Betriebswirtschaft und Internationales Management Sommersemester 2013 Hochschule Augsburg Regression: 4 eindimensionale Beispiele Berühmte
MehrKapitel XII - Einführung in die Zeitreihenanalyse
Institut für Volkswirtschaftslehre (ECON) Lehrstuhl für Ökonometrie und Statistik Kapitel XII - Einführung in die Zeitreihenanalyse Deskriptive Statistik Prof. Dr. W.-D. Heller Hartwig Senska Carlo Siebenschuh
Mehr6. Das klassische Komponentenmodell. 6. Das klassische Komponentenmodell. 6. Das klassische Komponentenmodell. 6. Das klassische Komponentenmodell
6. Das klassische Komponentenmodell Gegeben sei eine ZR x t für die Zeitpunkte t = 1,..., T. Im additiven klassischen Komponentenmodell wird sie folgendermaßen zerlegt: x t = ˆm t + ŝ t + ε t ˆm t ist
MehrÜberschrift. Titel Prognosemethoden
Überschrift Prognosemethoden Überschrift Inhalt 1. Einleitung 2. Subjektive Planzahlenbestimmung 3. Extrapolierende Verfahren 3.1 Trendanalyse 3.2 Berücksichtigung von Zyklus und Saison 4. Kausale Prognosen
MehrExplorative Zeitreihenanalyse
Einheit 11 Explorative Zeitreihenanalyse Department of Statistics and Mathematics WU Wien c 2007 Statistik 11 Explorative Zeitreihenanalyse 0 / 53 Inhalt Beschreiben von Zeitreihen Klassische Zeitreihenzerlegung
Mehr11. Zeitreihen mit Trend und Saisonalität
In diesem Abschnitt geht es um ZR, die in eine Trend-, eine Saisonund eine Restkomponente zerlegt werden können. (Das Niveau sei in der Trendkomponente enthalten.) Beispiele für solche ZR sind in Abb.
MehrExplorative Zeitreihenanalyse
Kapitel 11 Explorative reihenanalyse Department of Statistics and Mathematics WU Wien c 2008 Statistik 11 Explorative reihenanalyse 0 / 66 Inhalt Beschreiben von reihen Klassische reihenzerlegung Trend,
Mehr5.6 Empirische Wirtschaftsforschung
5.6.0 Vorbemerkungen Literatur Winker, P. (2010): Empirische Wirtschaftsforschung und Ökonometrie. 3. Auflage. Springer. Insbesondere Kapitel 1, 4 und 10. Volltext-Download im Rahmen des LRZ-Netzes. Rinne,
Mehr1 Prognoseverfahren F H
1 Prognoseverfahren 1.1 Zielsetzung 1.2 Bedarfsverlauf von Verbrauchsfaktoren 1.3 Prognose bei regelmäßigen Bedarf 1.4 Prognosemodelle in Standard-ERP-Software 1.5 Ausblick Herrmann, Frank: Operative Planung
MehrBPL II Ü bung. Aufgabe 1. Aufgabe 2. Andreas Schwab
BPL II Ü bung Andreas Schwab Andreas.schwab1@uni-wuerzburg.de 24.4.213 Aufgabe 1 a) Einfacher gleitender Durchschnitt Prognosewert der Periode t+1 in t gleitender Durchschnitt in Periode t unter Berücksichtigung
MehrIn konstanten Modellen wird davon ausgegangen, dass die zu prognostizierende Größe sich über die Zeit hinweg nicht verändert.
Konstante Modelle: In konstanten Modellen wird davon ausgegangen, dass die zu prognostizierende Größe sich über die Zeit hinweg nicht verändert. Der prognostizierte Wert für die Periode T+i entspricht
MehrPrognoseverfahren von Michaela Simon 7.Semester Spezialisierung Finanzwirtschaft
Prognoseverfahren von Michaela Simon 7.Semester Spezialisierung Finanzwirtschaft Inhaltsverzeichnis I. Allgemeine Aussagen II. Subjektive Planzahlenbestimmung III. Extrapolierende Verfahren 1. Trendanalyse:
Mehr5. Zeitreihenanalyse und Prognoseverfahren
5. Zeitreihenanalyse und Prognoseverfahren Stichwörter: Trend, Saisonalität, Noise, additives Modell, multiplikatives Modell, Trendfunktion, Autokorrelationsfunktion, Korrelogramm, Prognosehorizont, Prognoseintervall,
MehrVorlage zur Dokumentation der täglichen Arbeitszeit
Monat/Jahr: Januar 2016 Fr, 01 0:00 Sa, 02 0:00 So, 03 0:00 Mo, 04 0:00 Di, 05 0:00 Mi, 06 0:00 Do, 07 0:00 Fr, 08 0:00 Sa, 09 0:00 So, 10 0:00 Mo, 11 0:00 Di, 12 0:00 Mi, 13 0:00 Do, 14 0:00 Fr, 15 0:00
MehrZeitreihenanalyse Das Holt-Winters-Verfahren
Zeitreihenanalyse Das Holt-Winters-Verfahren Worum geht es in diesem Lernmodul? Einleitung Modellannahmen Die Prognoseformel des Holt-Winters-Verfahren Die Glättungskoeffizienten Die Startwerte Weiterführende
Mehr[ 1 ] Welche der folgenden Aussagen sind WAHR? Kreuzen Sie sie an.
13 Zeitreihenanalyse 1 Kapitel 13: Zeitreihenanalyse A: Übungsaufgaben: [ 1 ] 1 a a) Nach der Formel x t+i berechnet man einen ein f achen gleitenden Durchschnitt. 2a + 1 i= a b) Die Residuale berechnet
MehrKapitel 5. Prognose. Zeitreihenanalyse wird aus drei Gründen betrieben: Beschreibung des Verlaufs von Zeitreihen.
Kapitel 5 Prognose Josef Leydold c 2006 Mathematische Methoden V Prognose 1 / 14 Lernziele Aufgabe der Prognose Problemtypen Ablauf einer Prognoseaufgabe Zeitreihe Josef Leydold c 2006 Mathematische Methoden
MehrMath. II, Statistik, Uebung2, Termin (AI), (BI) 1-Logistischer Trend, 2-Faktoren, 3-Expon. Glätten, 4-Häufigkeit
Math. II, Statistik, Uebung2, Termin 11.04.2013 (AI), 15.04.2013 (BI) 1-Logistischer Trend, 2-Faktoren, 3-Expon. Glätten, 4-Häufigkeit ALLGEMEINES 1d) 94,2% der Zunahme der Sättigung mit Smartphones ist
MehrZeitreihenökonometrie
Zeitreihenökonometrie Kapitel 11 - Filterverfahren Unterscheidung zwischen Wachstum und Konjunktur Wachstum: langfristige Entwicklung des Bruttoinlandsproduktes bei voller oder normaler Auslastung der
MehrVorlage zur Dokumentation der täglichen Arbeitszeit
Monat/Jahr: Januar 2015 Do, 01 Fr, 02 Sa, 03 So, 04 Mo, 05 Di, 06 Mi, 07 Do, 08 Fr, 09 Sa, 10 So, 11 Mo, 12 Di, 13 Mi, 14 Do, 15 Fr, 16 Sa, 17 So, 18 Mo, 19 Di, 20 Mi, 21 Do, 22 Fr, 23 Sa, 24 So, 25 Mo,
MehrMakroökonomie: Übung 1
Makroökonomie: Übung 1 3.5.2010 1 Ziele der Übung Umgang mit Daten MS Excel verwenden Ergebnisse interpretieren Konzepte aus der Vorlesung anwenden 2 Aufgabe 2 Logarithmierte Zeitreihen Einen Ordner auf
Mehr9.1. Lineare und nichtlineare Trends. 9. Zeitreihen mit Trend Lineare und nichtlineare Trends Transformation der Daten
9. Zeitreihen mit Trend 9.1. Lineare und nichtlineare Trends In diesem Abschnitt beschäftigen wir uns mit ZR, die einen langfristigen linearen Trend, aber keine saisonalen Schwankungen, enthalten. Das
MehrKapitel 1 Beschreibende Statistik
Beispiel 1.25: fiktive Aktienkurse Zeitpunkt i 0 1 2 Aktienkurs x i 100 160 100 Frage: Wie hoch ist die durchschnittliche Wachstumsrate? Dr. Karsten Webel 53 Beispiel 1.25: fiktive Aktienkurse (Fortsetzung)
MehrZeitreihenanalyse Der einfache gleitende Durchschnitt
Zeitreihenanalyse Der einfache gleitende Durchschnitt Worum geht es in diesem Lernmodul? Einleitung Erläuterung der Methode Berechnung des einfachen gleitenden Durchschnitts Der einfache gleitende Durchschnitt
MehrWangerooge Fahrplan 2016
Fahrplan Dezember 2015 Januar Januar Januar Februar Februar März So, 13.12. 10.15 11.00 12.45 12.30 13.45 14.20 Mo, 14.12. 11.30 13.00 15.30 Di, 15.12. 12.30 13.05 14.45 13.30 15.00 Mi, 16.12. 14.45 16.00
MehrZeitreihenanalyse. H.P. Nachtnebel. Institut für Wasserwirtschaft, Hydrologie und konstruktiver Wasserbau. Definitionen und Anwendung
.. Zeitreihenanalyse H.P. Nachtnebel Institut für Wasserwirtschaft, Hydrologie und konstruktiver Wasserbau Definitionen und Anwendung Definition Zeitreihe zeitliche Abfolge von Messwerten, deren Auftreten
MehrHaushaltsbuch Jänner 2013
Haushaltsbuch Jänner 2013 Di 1 Mi 2 Do 3 Fr 4 Sa 5 So 6 Mo 7 Di 8 Mi 9 Do 02 Fr 11 Sa 12 So 13 Mo 14 Di 15 Mi 16 Do 17 Fr 28 Sa 19 So 20 Mo 21 Di 22 Mi 23 Do 24 Fr 25 Sa 26 So 27 Mo28 Di 29 Mi 30 Do 31
MehrHauptseminar Technische Informationssysteme
Hauptseminar Technische Informationssysteme Residualanalyse zur Fehlerlokalisierung und prädikativen Steuerung Vortragender: Betreuer: Tobias Fechter Dr.-Ing. Heinz-Dieter Ribbecke, Dipl.-Inf. Jakob Krause
MehrZeitreihenanalyse Saisonbereinigung
Zeitreihenanalyse Saisonbereinigung Worum geht es in diesem Lernmodul? Einleitung Die starre Saisonfigur Saisonbereinigung für Zeitreihen ohne Trend Saisonbereinigung für Zeitreihen mit Trend Warum müssen
Mehr3 Trend- und Saisonkomponenten
3 Trend- und Saisonkomponenten Schritte bei der Analyse von Zeitreihendaten : Plot ; Identifikation von Strukturbrüchen, Ausreißern etc. ; Modellansatz, z.b. klassisches Komponentenmodell X t = m t + s
MehrTechnische Universität München. Prognoseverfahren. Mit PC-Unterstützung Tendenzen und Prognose in der Forstwirtschaft erkennen
Prognoseverfahren Mit PC-Unterstützung Tendenzen und Prognose in der Forstwirtschaft erkennen Definition und Fragen Was ist eine Prognose, was ein Trend Wo werden sie angewandt und zu welchem Zweck Relevanz
MehrWangerooge Fahrplan 2015 Fahrzeit Tidebus 50 Minuten, Schiff und Inselbahn ca. 90 Minuten.
Fahrplan Dezember 2014 Januar Januar Februar Februar März März Sa, 27.12. 12.30 13.30 11.30 13.30 16.00 14.00 15.45 15.30 16.30 16.50 So, 28.12. 12.30 14.15 12.15 14.30 15.30 16.45 14.45 16.30 17.15 17.35
Mehr3 Trend- und Saisonkomponenten
3 Trend- und Saisonkomponenten Schritte bei der Analyse von Zeitreihendaten : Plot ; Identifikation von Strukturbrüchen, Ausreißern etc. ; Modellansatz, z.b. klassisches Komponentenmodell X t = m t + s
MehrStatistik für Wirtschaftswissenschaftler
Ulrich Erhard Rainer Fischbach Hans Weiler Statistik für Wirtschaftswissenschaftler - anwendungsorientierte Einführung in die Betriebsstatistik - verlag moderne industrie Inhaltsverzeichnis Vorwort 1.
MehrMethoden der Zeitreihenanalyse
Winfried Stier Methoden der Zeitreihenanalyse Mit 237 Abbildungen und 6 Tabellen Springer Inhaltsverzeichnis I. Elementare Zeitreihenanalyse 1 1.1. Definitionen, Grundkonzepte, Beispiele 1 1.2. Das traditionelle
MehrZeit Umsatz. t U=U(t) BS - 13 BS Modul : Analyse zeitabhängiger Daten z.b. Prof. Dr. W. Laufner Beschreibende Statistik
BS - 1 1 Modul 1 : Analyse zeitabhängiger Daten z.b. Zeit Umsatz t UU(t) BS - 1 2 Modul 1: Zeitreihenanalyse 0 70 60 Zeitreihenanalyse Umsatz (Mio ) 0 40 0 0 Q1 Q2 Q Q4 Q1 Q2 Q Q4 Q1 Q2 Q Q4 Q1 Q2 Q Q4
MehrDatum Wochen Band DVD Band eingelegt Protokoll kontr. Recovery kontr. Tag Nr. RW Sign. Sign. Sign.
Monat: Januar Anzahl Bänder: 9 01.01.2015 Donnerstag Do DO 02.01.2015 Freitag Fr FR 03.01.2015 Samstag 04.01.2015 Sonntag 05.01.2015 Montag Mo1 MO 06.01.2015 Dienstag Di DI 07.01.2015 Mittwoch Mi MI 08.01.2015
MehrBasiswerkzeuge. Kapitel 6. Lernziele. Zeitreihen-Plot. Beschreiben von Zeitreihen. Graphische Darstellungen. Univariate und bivariate Maßzahlen
Kapitel 6 Basiswerkzeuge Josef Leydold c 2006 Mathematische Methoden VI Basiswerkzeuge 1 / 29 Lernziele Beschreiben von Zeitreihen Graphische Darstellungen Univariate und bivariate Maßzahlen Transformationen
MehrGrundlagen der Statistik I
NWB-Studienbücher Wirtschaftswissenschaften Grundlagen der Statistik I Beschreibende Verfahren Von Professor Dr. Jochen Schwarze 10. Auflage Verlag Neue Wirtschafts-Briefe Herne/Berlin Inhaltsverzeichnis
MehrZeitreihen/Skalen. Homogenität, Inhomogenität, Datenlücken, Plausibilität. vorgetragen von Nico Beez
Zeitreihen/Skalen Homogenität, Inhomogenität, Datenlücken, Plausibilität vorgetragen von Nico Beez 28.04.2009 Gliederung 1 Charakterisierung von Zeitreihen 1.1 Was sind Zeitreihen? 1.2 Graphische Darstellung
MehrGrundlagen der Statistik
www.nwb.de NWB Studium Betriebswirtschaft Grundlagen der Statistik Band 1: Beschreibende Verfahren Von Professor Dr. Jochen Schwarze 12., vollständig überarbeitete Auflage nwb STUDIUM Inhaltsverzeichnis
MehrZeitreihenanalyse Exponentielles Glätten
Zeitreihenanalyse Exponentielles Glätten Worum geht es in diesem Lernmodul? Einleitung Prognose mit der Methode des exponentiellen Glättens Die Prognoseformel des exponentiellen Glättens Die Wirkung der
MehrWohnungen (2)* Aufgabennummer: B_424. Technologieeinsatz: möglich erforderlich T
Wohnungen (2)* Aufgabennummer: B_424 Technologieeinsatz: möglich erforderlich T Der Fachverband der Immobilien- und Vermögenstreuhänder erstellt Statistiken zu den Trends auf dem Immobilienmarkt. Es werden
Mehr19 Punkte. Aufgabe 1. Einkommen niedrig mittel hoch Männer Frauen Geschlecht. a) Bestimmen Sie die fehlenden Werte!
Aufgabe 1 19 Punkte Sie haben die Einkommensdaten von 369 Personen gegeben. Diese wurden in die Gehaltsgruppen niedrige, mittlere und hohe Einkommensklassen kategorisiert - jeweils nach Frauen und Männer
MehrOscar A. G. Treyer. Business Forecasting. Anwendungsorientierte Theorie quantitativer Prognoseverfahren. Haupt Verlag Bern Stuttgart - Wien
Oscar A. G. Treyer Business Forecasting Anwendungsorientierte Theorie quantitativer Prognoseverfahren Haupt Verlag Bern Stuttgart - Wien INHALTSVERZEICHNIS Vorwort 5 Abkürzungsverzeichnis 13 Abbildungs-
MehrBeispiel in R: Verfahren zur Modellierung von ZR mit Saison und Trend
Beispiel in R: Verfahren zur Modellierung von ZR mit Saison und Trend Regina Tüchler November 2, 2009 Beispiel: Zeitreihenanalyse der Übernachtungs-Daten: Wir haben Daten mit monatlichen Übernachtungszahlen
MehrAusgewählte Probleme der Ökonometrie
Ausgewählte Probleme der Ökonometrie Bernd Süßmuth IEW Institute für Empirische Wirtschaftsforschung Universität Leipzig November 28, 2011 Bernd Süßmuth (Universität Leipzig) APÖ November 28, 2011 1 /
MehrRegionale Arbeitslosenprognosen: Die Leistungsfähigkeit ausgewählter Zeitreihenverfahren
Institut für Arbeitsmarkt- und Berufsforschung Folie 1 Regionale Arbeitslosenprognosen: Die Leistungsfähigkeit ausgewählter Zeitreihenverfahren Katharina Hampel Marcus Kunz Norbert Schanne Antje Weyh Dr.
MehrBestandsmanagement. Prognoseverfahren und Lagerhaltungspolitiken
Bestandsmanagement Prognoseverfahren und Lagerhaltungspolitiken Inhalt Bestandsmanagement in Supply Chains Prognoseverfahren Prognose bei regelmäßigem Bedarf Konstantes Bedarfsniveau Trendförmiges Bedarfsniveau
MehrJohann Wolfgang Goethe-Universität Frankfurt am Main
Johann Wolfgang Goethe-Universität Frankfurt am Main Fachbereich Wirtschaftswissenschaften Professur für Statistik und Ökonometrie (Empirische Wirtschaftsforschung) Prof. Dr. Reinhard Hujer Mertonstraße
MehrAusgewählte Probleme der Ökonometrie
Ausgewählte Probleme der Ökonometrie Bernd Süßmuth IEW Institute für Empirische Wirtschaftsforschung Universität Leipzig October 16, 2012 Bernd Süßmuth (Universität Leipzig) APÖ October 16, 2012 1 / 13
Mehr1. Filterung im Ortsbereich 1.1 Grundbegriffe 1.2 Lineare Filter 1.3 Nicht-Lineare Filter 1.4 Separabele Filter 1.
. Filterung im Ortsbereich. Grundbegriffe. Lineare Filter.3 Nicht-Lineare Filter.4 Separabele Filter.5 Implementierung. Filterung im Frequenzbereich. Fouriertransformation. Hoch-, Tief- und Bandpassfilter.3
MehrIntermediate Macroeconomics: Übungsveranstaltung
Ziele der Übungsveranstaltung Umgang mit Daten, insbesondere Zeitreihen Intermediate Macroeconomics: Übungsveranstaltung MS Excel verwenden, einfache Datentransformationen und Berechnungen durchführen
MehrZeitreihenanalyse in den Wirtschafts Wissenschaften
Klaus Neusser Zeitreihenanalyse in den Wirtschafts Wissenschaften 2., aktualisierte Auflage STUDIUM VIEWEG+ TEUBNER Abbildungsverzeichnis Tabellenverzeichnis Zeichenerklärung XI XIII XV I Univariate Zeitreihenanalyse
MehrW09 p. 1. Prof. Dr. Christoph Kleinn Institut für Waldinventur und Waldwachstum Arbeitsbereich Waldinventur und Fernerkundung
Der Verhältnisschätzer - Ratio estimator Beispiel: Schätzung der Anzahl Objekte (Bäume) in einem bestimmten Gebiet. Situation: Die Fläche ist unterteilt in Streifen / Transekte. Man wählt zufällig n =
MehrStatistik im Betrieb
Prof. Dr. Kurt Schambacher Statistik im Betrieb Lehrbuch mit praktischen Beispielen 6. Auflage GABLER Inhaltsverzeichnis Erstes Kapitel Grundlagen betrieblicher Statistik 15 1. Statistik als Mittel der
Mehrswiss marketing academy GmbH Seite 1 von 11
AUFGABE 1a Nennen Sie 3 fallbezogene Gliederungszahlen und beschreiben Sie pro Gliederungszahl die Aussagekraft. 6 Punkte Gliederungszahl = Verhältnis eines Teiles zum gleichartigen Ganzen. Nennung Beschreibung
MehrDynamische Systeme und Zeitreihenanalyse // Beschreiben von Zeitreihen 9 p.2/??
Dynamische Systeme und Zeitreihenanalyse Beschreiben von Zeitreihen Kapitel 9 Statistik und Mathematik WU Wien Michael Hauser Dynamische Systeme und Zeitreihenanalyse // Beschreiben von Zeitreihen 9 p.0/??
MehrML-Schätzung. Likelihood Quotienten-Test. Zusammenhang Reparametrisierung und Modell unter linearer Restriktion. Es gilt: β = Bγ + d (3.
Reparametrisierung des Modells Gegeben sei das Modell (2.1) mit (2.5) unter der linearen Restriktion Aβ = c mit A R a p, rg(a) = a, c R a. Wir betrachten die lineare Restriktion als Gleichungssystem. Die
MehrQUANTITATIVE STATISTICAL METHODS: REGRESSION AND FORECASTING JOHANNES LEDOLTER VIENNA UNIVERSITY OF ECONOMICS AND BUSINESS ADMINISTRATION SPRING 2013
QUANTITATIVE STATISTICAL METHODS: REGRESSION AND FORECASTING JOHANNES LEDOLTER VIENNA UNIVERSITY OF ECONOMICS AND BUSINESS ADMINISTRATION SPRING 2013 ZEITREIHEN 1 Viele Beobachtungen in den Wirtschaftswissenschaften
MehrPrüfung aus Wahrscheinlichkeitstheorie und Statistik MASCHINENBAU 2002
Prüfung aus Wahrscheinlichkeitstheorie und Statistik MASCHINENBAU 2002 1. Ein Chemiestudent hat ein Set von 10 Gefäßen vor sich stehen, von denen vier mit Salpetersäure Stoff A), vier mit Glyzerin Stoff
MehrEmpirische Wirtschaftsforschung und Ökonometrie
Peter Winker Empirische Wirtschaftsforschung und Ökonometrie 2., vollständig überarbeitete Auflage Mit 99 Abbildungen und 13 Tabellen Springer Inhaltsverzeichnis Vorwort V Teill Einleitung 1 Aufgabe und
MehrGewöhnliche Autokorrelationsfunktion (ACF) eines stationären Prozesses {X t } t Z zum Lag h
5. Die partielle Autokorrelationsfunktion 5.1 Definition, Berechnung, Schätzung Bisher: Gewöhnliche Autokorrelationsfunktion (ACF) eines stationären Prozesses {X t } t Z zum Lag h ρ X (h) = Corr(X t, X
MehrLösung parametrischer Bootstrap
Lösung parametrischer Bootstrap Aus Statistik II ist der Momentenschätzer für die Exponentialverteilung bekannt: ˆλ = 1 x = 1 1 n n 1 x. i Damit ergibt sich der Schätzer ˆλ = 1/mean(x) 0.00289 aus den
MehrEinführung in die Zeitreihenanalyse
Bernhard Schmitz Einführung in die Zeitreihenanalyse Modelle, Softwarebeschreibung, Anwendungen Verlag Hans Huber Bern Stuttgart Toronto Inhaltsverzeichnis Vorwort 9 Einführung 11 Teil I: Univariate Zeitreihenanalyse
Mehri =1 i =2 i =3 x i y i 4 0 1
Aufgabe (5+5=0 Punkte) (a) Bei einem Minigolfturnier traten 6 Spieler gegeneinander an. Die Anzahlen der von ihnen über das gesamte Turnier hinweg benötigten Schläge betrugen x = 24, x 2 = 27, x = 2, x
MehrIntermediate Macroeconomics: Übung 1
Intermediate Macroeconomics: Übung 1 Matthias Gubler WWZ, Universität Basel 4. April 2011 Matthias Gubler Intermediate Macroeconomics: Übung 1 1/62 Ziele der Übungen Umgang mit Daten, insbesondere Zeitreihen
MehrSeminar zur Energiewirtschaft:
Seminar zur Energiewirtschaft: Ermittlung der Zahlungsbereitschaft für erneuerbare Energien bzw. bessere Umwelt Vladimir Udalov 1 Modelle mit diskreten abhängigen Variablen 2 - Ausgangssituation Eine Dummy-Variable
MehrBeschreibende Statistik
Gunther Bourier Beschreibende Statistik Praxisorientierte Einfuhrung Mit Aufgaben und Losungen 7., uberarbeitete Auflage GABIER Inhaltsverzeichnis Vorwort Inhaltsverzeichnis V VII 1 Einfuhrung 1 1.1 Begriff
Mehra) Nennen Sie die verschiedenen Ebenen der amtlichen Statistik in Deutschland und die dafür zuständigen Behörden.
Statistik I, SS 2005, Seite 1 von 9 Statistik I Hinweise zur Bearbeitung Hilfsmittel: - Taschenrechner (ohne Datenbank oder die Möglichkeit diesen zu programmieren) - selbst erstellte Formelsammlung für
MehrGünther Bourier. Beschreibende Statistik. Praxisorientierte Einführung - Mit. Aufgaben und Lösungen. 12., überarbeitete und aktualisierte Auflage
i Günther Bourier Beschreibende Statistik Praxisorientierte Einführung - Mit Aufgaben und Lösungen 12., überarbeitete und aktualisierte Auflage 4^ Springer Gabler Inhaltsverzeichnis Vorwort V 1 Einführung
MehrDeskriptive Statistik
Helge Toutenburg Christian Heumann Deskriptive Statistik Eine Einführung in Methoden und Anwendungen mit R und SPSS Siebte, aktualisierte und erweiterte Auflage Mit Beiträgen von Michael Schomaker 4ü Springer
MehrKonfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert
Konfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert Beispiel für Konfidenzintervall Im Prinzip haben wir
MehrHeteroskedastie. Test auf Heteroskedastie. Heteroskedastie bedeutet, dass die Varianz der Residuen in der Stichprobe nicht konstant ist.
Heteroskedastie Heteroskedastie bedeutet, dass die Varianz der Residuen in der Stichprobe nicht konstant ist. Beispiele: Bei Zeitreihendaten : Ansteigen der Varianz über die Zeit, Anstieg der Varianz mit
MehrGütebewertung und Performanceanalyse von Prognosealgorithmen bei unterschiedlichen Signalklassen
Gütebewertung und Performanceanalyse von Prognosealgorithmen bei unterschiedlichen Signallassen Diplomverteidigung Yongrui Qiao 25. 06. 2009 1/33 Gliederung Motivation und Problemstellung Testverfahren
Mehr6. Tutoriumsserie Statistik II
6. Tutoriumsserie Statistik II 1. Aufgabe: Eine Unternehmensabteilung ist ausschließlich mit der Herstellung eines einzigen Produktes beschäftigt. Für 10 Perioden wurden folgende Produktmenge y und Gesamtkosten
MehrStatistik I für Wirtschaftswissenschaftler Klausur am ,
1 Statistik I für Wirtschaftswissenschaftler Klausur am 07.03.2006, 14.00 16.00. Bitte unbedingt beachten: a) Gewertet werden alle 9 gestellten Aufgaben. b) Lösungswege sind anzugeben. Die Angabe des Endergebnisses
MehrStatistik am PC Lösungen mit Excel
Michael Monka, Werner Voß, Nadine M. Schöneck Statistik am PC Lösungen mit Excel ISBN-10: 3-446-41555-6 ISBN-13: 978-3-446-41555-3 Inhaltsverzeichnis Weitere Informationen oder Bestellungen unter http://www.hanser.de/978-3-446-41555-3
MehrSBWL Tourismusanalyse und Freizeitmarketing, Vertiefungskurs 2
SBWL Tourismusanalyse und Freizeitmarketing, Vertiefungskurs 2 1. Teil: Zerlegungsmodelle und naive Prognosemethoden für Zeitreihen Regina Tüchler Department für Statistik & Mathematik Inhalt Einleitung
MehrÜbungsaufgaben zu Statistik II
Übungsaufgaben zu Statistik II Prof. Dr. Irene Prof. Dr. Albrecht Ungerer Die Kapitel beziehen sich auf das Buch: /Ungerer (2016): Statistik für Wirtschaftswissenschaftler Springer Gabler 4 Übungsaufgaben
MehrGeburtenentwicklung 2004 eine kleine Zeitreihenanalyse
Geburtenentwicklung 24 eine kleine Zeitreihenanalyse Von Günter Ickler Im Jahr 24 erblickten in Rheinland-Pfalz 33 421 Kinder das Licht der Welt. Damit hat sich der rückläufige Trend der vergangenen Jahre
MehrMicrosoft Excel für Windows W-EX2000S. Autorin: Bettina Uebe. Inhaltliches Lektorat: Christian Münster. Überarbeitete Ausgabe vom 25.
W-EX2000S Autorin: Bettina Uebe Inhaltliches Lektorat: Christian Münster Überarbeitete Ausgabe vom 25. Mai 2007 by HERDT-Verlag für Bildungsmedien GmbH, Bodenheim Microsoft Excel 2000 für Windows Themen-Special:
MehrAnalysis für Informatiker
Analysis für Informatiker Wintersemester 2017/2018 Carsten.Schneider@risc.jku.at 1 Bemerkung: Dies ist kein Skript, welches den gesamten Inhalt der Vorlesung abdeckt. Es soll den Studierenden aber während
MehrWolf-Gert Matthäus, Jörg Schulze. Statistik mit Excel. Beschreibende Statistik für jedermann. 3./ überarbeitete und erweiterte Auflage.
Wolf-Gert Matthäus, Jörg Schulze Statistik mit Excel Beschreibende Statistik für jedermann 3./ überarbeitete und erweiterte Auflage Teubner Inhaltsverzeichnis Einleitung 11 1 Grundlagen 17 1.1 Statistische
MehrInhalt. I. Deskriptive Statistik Einführung Die Grundgesamtheit Merkmale und Verteilungen Tabellen und Grafiken...
I. Deskriptive Statistik 1 1. Einführung 3 1.1. Die Grundgesamtheit......................... 5 1.2. Merkmale und Verteilungen..................... 6 1.3. Tabellen und Grafiken........................ 10
MehrNotiz zur Schätzung des strukturellen Defizits mit Hilfe der langfristigen Aufkommenselastizität. von: Carsten Colombier
Notiz des Ökonomenteams EFV, Nr. 01, Juli 2003 Notiz zur Schätzung des strukturellen Defizits mit Hilfe der langfristigen Aufkommenselastizität von: Carsten Colombier Intention Diese Notiz ist als Ergänzung
MehrStochastische Prozesse und Zeitreihenmodelle
Kapitel 12 Stochastische Prozesse und Zeitreihenmodelle Department of Statistics and Mathematics WU Wien c 2008 Statistik 12 Stochastische Prozesse und Zeitreihenmodelle 0 / 53 Inhalt Notation Zusammenhang
MehrLösungsvorschläge zur Klausur Beschreibende Statistik und Wirtschaftsstatistik (Sommersemester 2013)
Lösungsvorschläge zur Klausur Beschreibende Statistik und Wirtschaftsstatistik (Sommersemester 203) Aufgabe (9 Punkte) Ein metrisches Merkmal X sei in einer Grundgesamtheit vom Umfang n = 200 diskret klassiert.
MehrMakroökonomie: Übung 2
Makroökonomie: Übung 2 17.5.2010 Aufgabe 2 Beschäftigung und Arbeitslosigkeit 2a) Stellen Sie die Ausgangslage für einen Arbeitsmarkt im (Effizienzlohnmodell-) Gleichgewicht grafisch dar w (Reallohn) ND
MehrInferenz im multiplen Regressionsmodell
1 / 29 Inferenz im multiplen Regressionsmodell Kapitel 4, Teil 1 Ökonometrie I Michael Hauser 2 / 29 Inhalt Annahme normalverteilter Fehler Stichprobenverteilung des OLS Schätzers t-test und Konfidenzintervall
MehrLandgerichtsbezirk Wiesbaden Datum Thema Dozent U-Std. Zeit
Koordinatorin: Mo. 11.01.16 6 Di. 1.01.16 6 Mi. 13.01.16 6 Do. 1.01.16 Der Anwalt im Zivilprozeß RAuN Alexander Hüttenrauch 6 Fr. 15.01.16 Der Anwalt im Zivilprozeß RAuN Alexander Hüttenrauch 6 Mo. 18.01.16
MehrKapitel 40 Zeitreihen: Autokorrelation und Kreuzkorrelation
Kapitel 40 Zeitreihen: Autokorrelation und Kreuzkorrelation Bei Zeitreihendaten ist häufig das Phänomen zu beobachten, daß die Werte der Zeitreihe zeitverzögert mit sich selbst korreliert sind. Dies bedeutet,
MehrI.V. Methoden 4: Regressionsund Pfadanalyse WiSe 02/03
I.V. Methoden 4: Regressionsund Pfadanalyse WiSe 02/03 Vorlesung: 17.12.2002 Life is the art of drawing sufficient conclusions from insufficient premises. Samuel Butler Dr. Wolfgang Langer Institut für
MehrTeekonsum in den USA (in 1000 Tonnen), Nimmt den Wert 1 an für alle Perioden, Durchschnittlicher Preis des Tees in Periode t (in Tausend $/Tonne).
Aufgabe 1 (5 Punkte) Gegeben sei ein lineares Regressionsmodell in der Form. Dabei ist y t = x t1 β 1 + x t β + e t, t = 1,..., 10 (1) y t : x t1 : x t : Teekonsum in den USA (in 1000 Tonnen), Nimmt den
Mehr