Uniwersytet Mikołaja Kopernika w Toruniu - Centralny punkt logowania
Strona główna

Analiza szeregów czasowych

Informacje ogólne

Kod przedmiotu: 1000-AD-AnSzCz
Kod Erasmus / ISCED: (brak danych) / (0541) Matematyka Kod ISCED - Międzynarodowa Standardowa Klasyfikacja Kształcenia (International Standard Classification of Education) została opracowana przez UNESCO.
Nazwa przedmiotu: Analiza szeregów czasowych
Jednostka: Wydział Matematyki i Informatyki
Grupy:
Punkty ECTS i inne: 6.00 Podstawowe informacje o zasadach przyporządkowania punktów ECTS:
  • roczny wymiar godzinowy nakładu pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się dla danego etapu studiów wynosi 1500-1800 h, co odpowiada 60 ECTS;
  • tygodniowy wymiar godzinowy nakładu pracy studenta wynosi 45 h;
  • 1 punkt ECTS odpowiada 25-30 godzinom pracy studenta potrzebnej do osiągnięcia zakładanych efektów uczenia się;
  • tygodniowy nakład pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się pozwala uzyskać 1,5 ECTS;
  • nakład pracy potrzebny do zaliczenia przedmiotu, któremu przypisano 3 ECTS, stanowi 10% semestralnego obciążenia studenta.
Język prowadzenia: polski
Wymagania wstępne:

Zaliczenie przedmiotów Rachunek prawdopodobieństwa i Statystyka matematyczna
Całkowity nakład pracy studenta:

1. Godziny realizowane z udziałem nauczycieli:

a. wykład – 30 godzin,

b. laboratorium – 30 godzin,

c. bieżące przygotowanie do zajęć, w tym rozwiązywanie zadań zleconych przez prowadzących, zapoznanie się z informacją zwrotną dotyczącą rozwiązanych zadań oraz konsultacje z prowadzącymi zajęcia – 40 godzin.

2. Czas poświęcony na pracę indywidualną studenta/słuchacza/uczestnika kursu potrzebny do pomyślnego zaliczenia przedmiotu:

a. studiowanie literatury – 10 godzin,

b. zapoznanie się z materiałami dodatkowymi, m.in. dokumentacją bibliotek i pakietów – 10 godzin,

c. wykonanie projektu zaliczeniowego – 10 godzin.

3. Czas wymagany do przygotowania się do uczestnictwa w procesie oceniania (np. w egzaminach): 20 godzin.
Efekty uczenia się - wiedza:

W1: Rozumie potrzebę analizy szeregów czasowych (K_W03).

W2: Zna metody wyodrębniania trendu szeregu czasowego i podstawowe modele szeregów czasowych: stacjonarnych i niestacjonarnych (K_W06, K_W05, K_W01).

W3: Zna elementy analizy widmowej i techniki prognozowania szeregów czasowych (K_W05, K_W06).

W4: Orientuje się w dostępnym na rynku oprogramowaniu do analizy szeregów czasowych, zna w stopniu podstawowym przynajmniej jeden taki program (K_W10, K_W11).
Efekty uczenia się - umiejętności:

U1: Umie zrobić wstępną diagnozę szeregów czasowych (K_U05).

U2: Umie zaproponować odpowiednie narzędzia analizy szeregów czasowych do konkretnego zagadnienia i wybrać najlepsze (K_U07).

U3: Potrafi wyodrębnić trend i składnik sezonowy szeregu czasowego oraz zastosować techniki identyfikacji szeregów czasowych, umie zbudować prognozę szeregu czasowego i ocenić jej jakość (K_U07, K_U08).

U4. Umie posługiwać się w stopniu podstawowym przynajmniej jednym programem do analizy i prognozy szeregów czasowych i potrafi przygotować raport z wynikami swoich analiz (K_U07, K_U11, K_U13).
Efekty uczenia się - kompetencje społeczne:

K1: Ocenia jakość analizowanych danych w sposób krytyczny (K_K02).

K2: Potrafi w sposób zrozumiały dla innych formułować wyniki przeprowadzonych analiz (K_K05).
Metody dydaktyczne:

Wykład informacyjny (konwencjonalny), pokaz, studium przypadku, metody laboratoryjna, projektu.
Metody dydaktyczne eksponujące:

- pokaz
Metody dydaktyczne podające:

- wykład informacyjny (konwencjonalny)
Metody dydaktyczne poszukujące:

- laboratoryjna
- projektu
- studium przypadku
Skrócony opis:

Analiza szeregów czasowych jest związana z teorią procesów stochastycznych i zawiera praktyczne narzędzia dotyczące analizy danych zmieniających się w czasie.

Celem przedmiotu jest zapoznanie studentów z klasycznymi zagadnieniami analizy szeregów czasowych oraz jej podstawowymi modelami ze szczególnym naciskiem na zagadnienia praktyczne.
Pełny opis:

Wykład:

Program wykładu obejmuje wprowadzenie w tematykę analizy szeregów czasowych z przedstawieniem licznych przykładów i omówieniem podstawowych pojęć. Zostaną szczegółowo omówione typy szeregów czasowych, ich struktura oraz podstawowe charakterystyki. Przedstawione będą podstawowe modele szeregów czasowych z omówieniem zagadnienia ich identyfikacji. Na koniec omówione będą zagadnienia prognozowanie wskaźników ekonomicznych za pomocą szeregów czasowych.

Laboratorium:

Zajęcia laboratoryjne będą prowadzone z użyciem programów statystycznych (PS IMAGO PRO, R). Szczegółowo będą przedstawione możliwości tych programów w zakresie analizy szeregów czasowych. Otrzymana na wykładzie wiedza zostanie wykorzystana do analizy danych rzeczywistych.
Literatura:

Podstawowa:

1. Brockwell P.J., Davis R.A. Time Series: Theory and Methods, New York, Springer-Verlag, 1987.

2. Brockwell P.J., Davis R.A. Introduction to Time Series and Forecasting, New York, Springer-Verlag, 1996.

3. Palma W. Time Series Analysis, Wiley, 2016.

4. Aktualna dokumentacja narzędzi informatycznych wykorzystywanych na laboratoriach.

Uzupełniająca:

1. Lutkepohl H., Kratzig M. Applied Time Series Econometrics, Cambridge University Press, 2004.

2. Zagdański A., Suchwałko A. Analiza i prognozowanie szeregów czasowych: praktyczne wprowadzenie na podstawie środowiska R, Warszawa, PWN, 2016.

3. Żądło T., Wywiał J. Prognozowanie szeregów czasowych za pomocą pakietu SPSS, SPSS, 2008.
Metody i kryteria oceniania:

Egzamin pisemny – uzyskanie oceny pozytywnej z egzaminu zgodnie z kryterium określonym przez prowadzącego zajęcia – W1, W2, W3, U2, K2.

Zadania o charakterze analitycznym - kryterium zaliczenia ustala prowadzący na początkowych zajęciach – W4, U1, U2, U3, U4, K2.

Projekt końcowy – kryterium zaliczenia ustala prowadzący na początkowych zajęciach - W4, U1, U2, U3, U4, K1, K2.

Zajęcia w cyklu "Semestr letni 2021/22" (zakończony)

Okres: 2022-02-21 - 2022-09-30
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Laboratorium, 30 godzin, 16 miejsc więcej informacji
Wykład, 30 godzin, 30 miejsc więcej informacji
Koordynatorzy: Aleksander Zaigrajew
Prowadzący grup: Aleksander Zaigrajew
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Egzamin
Laboratorium - Zaliczenie na ocenę
Wykład - Egzamin
Skrócony opis:

Analiza szeregów czasowych jest związana z teorią procesów stochastycznych i zawiera praktyczne narzędzia dotyczące analizy danych zmieniających się w czasie.

Celem przedmiotu jest zapoznanie studentów z klasycznymi zagadnieniami analizy szeregów czasowych oraz jej podstawowymi modelami ze szczególnym naciskiem na zagadnienia praktyczne.
Pełny opis:

Wykład

1. Szeregi czasowe: przykłady, podstawowe pojęcia.

2. Stacjonarne szeregi czasowe i ich podstawowe charakterystyki.

3. Estymacja i eliminacja trendu i współrzędnej sezonowej szeregu czasowego.

4. Podstawowe modele stacjonarnych szeregów czasowych i ich identyfikacja.

5. Podstawowe modele niestacjonarnych szeregów czasowych i ich identyfikacja.

6. Elementy analizy widmowej.

7. Prognozowanie szeregów czasowych.

Laboratorium

1. Diagnostyka danych za pomocą właściwych statystyk oraz różnych metod wizualizacji.

2. Estymacja i eliminacja trendu i współrzędnej sezonowej szeregu czasowego.

3. Identyfikacja stacjonarnych szeregów czasowych.

4. Identyfikacja niestacjonarnych szeregów czasowych.

5. Prognozowanie szeregów czasowych oraz ocena jakości budowanych prognoz.
Literatura:

Podstawowa:

1. Brockwell P.J., Davis R.A. Time Series: Theory and Methods, New York, Springer-Verlag, 1987.

2. Brockwell P.J., Davis R.A. Introduction to Time Series and Forecasting, New York, Springer-Verlag, 1996.

3. Palma W. Time Series Analysis, Wiley, 2016.

4. Aktualna dokumentacja narzędzi informatycznych wykorzystywanych na laboratoriach.

Uzupełniająca:

1. Lutkepohl H., Kratzig M. Applied Time Series Econometrics, Cambridge University Press, 2004.

2. Zagdański A., Suchwałko A. Analiza i prognozowanie szeregów czasowych: praktyczne wprowadzenie na podstawie środowiska R, Warszawa, PWN, 2016.

3. Żądło T., Wywiał J. Prognozowanie szeregów czasowych za pomocą pakietu SPSS, SPSS, 2008.

Zajęcia w cyklu "Semestr letni 2022/23" (zakończony)

Okres: 2023-02-20 - 2023-09-30
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Laboratorium, 30 godzin, 16 miejsc więcej informacji
Wykład, 30 godzin, 30 miejsc więcej informacji
Koordynatorzy: Aleksander Zaigrajew
Prowadzący grup: Aleksander Zaigrajew
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Egzamin
Laboratorium - Zaliczenie na ocenę
Wykład - Egzamin
Skrócony opis:

Analiza szeregów czasowych jest związana z teorią procesów stochastycznych i zawiera praktyczne narzędzia dotyczące analizy danych zmieniających się w czasie.

Celem przedmiotu jest zapoznanie studentów z klasycznymi zagadnieniami analizy szeregów czasowych oraz jej podstawowymi modelami ze szczególnym naciskiem na zagadnienia praktyczne.
Pełny opis:

Wykład

1. Szeregi czasowe: przykłady, podstawowe pojęcia.

2. Stacjonarne szeregi czasowe i ich podstawowe charakterystyki.

3. Estymacja i eliminacja trendu i współrzędnej sezonowej szeregu czasowego.

4. Podstawowe modele stacjonarnych szeregów czasowych i ich identyfikacja.

5. Podstawowe modele niestacjonarnych szeregów czasowych i ich identyfikacja.

6. Elementy analizy widmowej.

7. Prognozowanie szeregów czasowych.

Laboratorium

1. Diagnostyka danych za pomocą właściwych statystyk oraz różnych metod wizualizacji.

2. Estymacja i eliminacja trendu i współrzędnej sezonowej szeregu czasowego.

3. Identyfikacja stacjonarnych szeregów czasowych.

4. Identyfikacja niestacjonarnych szeregów czasowych.

5. Prognozowanie szeregów czasowych oraz ocena jakości budowanych prognoz.
Literatura:

Podstawowa:

1. Brockwell P.J., Davis R.A. Time Series: Theory and Methods, New York, Springer-Verlag, 1987.

2. Brockwell P.J., Davis R.A. Introduction to Time Series and Forecasting, New York, Springer-Verlag, 1996.

3. Palma W. Time Series Analysis, Wiley, 2016.

4. Aktualna dokumentacja narzędzi informatycznych wykorzystywanych na laboratoriach.

Uzupełniająca:

1. Lutkepohl H., Kratzig M. Applied Time Series Econometrics, Cambridge University Press, 2004.

2. Zagdański A., Suchwałko A. Analiza i prognozowanie szeregów czasowych: praktyczne wprowadzenie na podstawie środowiska R, Warszawa, PWN, 2016.

3. Żądło T., Wywiał J. Prognozowanie szeregów czasowych za pomocą pakietu SPSS, SPSS, 2008.

Zajęcia w cyklu "Semestr letni 2023/24" (w trakcie)

Okres: 2024-02-20 - 2024-09-30
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Laboratorium, 30 godzin, 16 miejsc więcej informacji
Wykład, 30 godzin, 30 miejsc więcej informacji
Koordynatorzy: Aleksander Zaigrajew
Prowadzący grup: Aleksander Zaigrajew
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Egzamin
Laboratorium - Zaliczenie na ocenę
Wykład - Egzamin
Skrócony opis:

Analiza szeregów czasowych jest związana z teorią procesów stochastycznych i zawiera praktyczne narzędzia dotyczące analizy danych zmieniających się w czasie.

Celem przedmiotu jest zapoznanie studentów z klasycznymi zagadnieniami analizy szeregów czasowych oraz jej podstawowymi modelami ze szczególnym naciskiem na zagadnienia praktyczne.
Pełny opis:

Wykład

1. Szeregi czasowe: przykłady, podstawowe pojęcia.

2. Stacjonarne szeregi czasowe i ich podstawowe charakterystyki.

3. Estymacja i eliminacja trendu i współrzędnej sezonowej szeregu czasowego.

4. Podstawowe modele stacjonarnych szeregów czasowych i ich identyfikacja.

5. Podstawowe modele niestacjonarnych szeregów czasowych i ich identyfikacja.

6. Elementy analizy widmowej.

7. Prognozowanie szeregów czasowych.

Laboratorium

1. Diagnostyka danych za pomocą właściwych statystyk oraz różnych metod wizualizacji.

2. Estymacja i eliminacja trendu i współrzędnej sezonowej szeregu czasowego.

3. Identyfikacja stacjonarnych szeregów czasowych.

4. Identyfikacja niestacjonarnych szeregów czasowych.

5. Prognozowanie szeregów czasowych oraz ocena jakości budowanych prognoz.
Literatura:

Podstawowa:

1. Brockwell P.J., Davis R.A. Time Series: Theory and Methods, New York, Springer-Verlag, 1987.

2. Brockwell P.J., Davis R.A. Introduction to Time Series and Forecasting, New York, Springer-Verlag, 1996.

3. Palma W. Time Series Analysis, Wiley, 2016.

4. Aktualna dokumentacja narzędzi informatycznych wykorzystywanych na laboratoriach.

Uzupełniająca:

1. Lutkepohl H., Kratzig M. Applied Time Series Econometrics, Cambridge University Press, 2004.

2. Zagdański A., Suchwałko A. Analiza i prognozowanie szeregów czasowych: praktyczne wprowadzenie na podstawie środowiska R, Warszawa, PWN, 2016.

3. Żądło T., Wywiał J. Prognozowanie szeregów czasowych za pomocą pakietu SPSS, SPSS, 2008.

Zajęcia w cyklu "Semestr letni 2024/25" (jeszcze nie rozpoczęty)

Okres: 2025-02-17 - 2025-09-30
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Laboratorium, 30 godzin, 16 miejsc więcej informacji
Wykład, 30 godzin, 30 miejsc więcej informacji
Koordynatorzy: (brak danych)
Prowadzący grup: Aleksander Zaigrajew
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Egzamin
Laboratorium - Zaliczenie na ocenę
Wykład - Egzamin
Skrócony opis:

Analiza szeregów czasowych jest związana z teorią procesów stochastycznych i zawiera praktyczne narzędzia dotyczące analizy danych zmieniających się w czasie.

Celem przedmiotu jest zapoznanie studentów z klasycznymi zagadnieniami analizy szeregów czasowych oraz jej podstawowymi modelami ze szczególnym naciskiem na zagadnienia praktyczne.
Pełny opis:

Wykład

1. Szeregi czasowe: przykłady, podstawowe pojęcia.

2. Stacjonarne szeregi czasowe i ich podstawowe charakterystyki.

3. Estymacja i eliminacja trendu i współrzędnej sezonowej szeregu czasowego.

4. Podstawowe modele stacjonarnych szeregów czasowych i ich identyfikacja.

5. Podstawowe modele niestacjonarnych szeregów czasowych i ich identyfikacja.

6. Elementy analizy widmowej.

7. Prognozowanie szeregów czasowych.

Laboratorium

1. Diagnostyka danych za pomocą właściwych statystyk oraz różnych metod wizualizacji.

2. Estymacja i eliminacja trendu i współrzędnej sezonowej szeregu czasowego.

3. Identyfikacja stacjonarnych szeregów czasowych.

4. Identyfikacja niestacjonarnych szeregów czasowych.

5. Prognozowanie szeregów czasowych oraz ocena jakości budowanych prognoz.
Literatura:

Podstawowa:

1. Brockwell P.J., Davis R.A. Time Series: Theory and Methods, New York, Springer-Verlag, 1987.

2. Brockwell P.J., Davis R.A. Introduction to Time Series and Forecasting, New York, Springer-Verlag, 1996.

3. Palma W. Time Series Analysis, Wiley, 2016.

4. Aktualna dokumentacja narzędzi informatycznych wykorzystywanych na laboratoriach.

Uzupełniająca:

1. Lutkepohl H., Kratzig M. Applied Time Series Econometrics, Cambridge University Press, 2004.

2. Zagdański A., Suchwałko A. Analiza i prognozowanie szeregów czasowych: praktyczne wprowadzenie na podstawie środowiska R, Warszawa, PWN, 2016.

3. Żądło T., Wywiał J. Prognozowanie szeregów czasowych za pomocą pakietu SPSS, SPSS, 2008.
Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Uniwersytet Mikołaja Kopernika w Toruniu.
ul. Jurija Gagarina 11, 87-100 Toruń tel: +48 56 611-40-10 https://usosweb.umk.pl/ kontakt deklaracja dostępności USOSweb 7.0.3.0-1 (2024-04-02)