Analiza szeregów czasowych
1100-12-G12-DS-ASzCz
Wykład:
Wizualizacja i rodzaje szeregów czasowych stosowanych w biznesie. Podstawy modelowania szeregów czasowych. Typowe własności szeregów czasowych. Dekompozycja szeregu czasowego. Funkcja autokorelacji i autokorelacji cząstkowej.
Stacjonarność szeregów czasowych, procesy autoregresyjne, średniej ruchomej oraz ARMA. Miary jakości prognoz. Prognozowanie stacjonarnych szeregów czasowych.
Niestacjonarne szeregi czasowe. Typy niestacjonarności danych szeregów czasowych oraz testy identyfikujące niestacjonarność. Modele ARIMA i SARIMAX. Prognozowanie niestacjonarnych szeregów czasowych.
Ćwiczenia:
Wykorzystanie programowania (np. w języku Python, R, Gretl) do modelowania i prognozowania szeregów czasowych. Identyfikacja szeregów czasowych. Testowanie szeregów czasowych oraz ich dekompozycja. Wyznaczanie optymalnej prognozy w zależności od rodzaju szeregu czasowego. Automatyzacja prognozowania. Case study dotyczące prognozowania w biznesie.
Treści przedmiotu realizują efekty: W1, W2, U1, U2.
Całkowity nakład pracy studenta
Godziny realizowane z udziałem nauczycieli: 30 (15+15), 20 godzin konsultacji
Czas poświęcony na pracę indywidualną studenta/słuchacza/uczestnika kursu potrzebny do pomyślnego zaliczenia przedmiotu 25,
Czas wymagany do przygotowania się i do uczestnictwa w procesie oceniania (np. w egzaminach) 25
Razem nakład pracy studenta: 100 godzin
Efekty uczenia się - wiedza
Wykład:
W1: zna i rozumie w zaawansowanym stopniu metody i narzędzia analizy szeregów czasowych, pozwalające opisywać struktury i instytucje związane z gospodarką cyfrową, procesy w nich zachodzące, a także relacje między nimi (K_W01)
W2: zna i rozumie w zaawansowanym stopniu pojęcia, metody i techniki analiz szeregów czasowych, w tym gromadzenia i pozyskiwania danych ze źródeł pierwotnych i wtórnych, danych z sieci społecznych, wybrane narzędzia zaawansowanej analizy i wizualizacji szeregów czasowych, niezbędne do prowadzenia działań w ramach gospodarki cyfrowej (K_W08)
Ćwiczenia:
W2: zna i rozumie w zaawansowanym stopniu pojęcia, metody i techniki analiz szeregów czasowych, w tym gromadzenia i pozyskiwania danych ze źródeł pierwotnych i wtórnych, danych z sieci społecznych, wybrane narzędzia zaawansowanej analizy i wizualizacji szeregów czasowych, niezbędne do prowadzenia działań w ramach gospodarki cyfrowej (K_W08)
Efekty uczenia się - umiejętności
Wykład:
U1: potrafi zrozumieć i analizować przyczyny przebiegu procesów ekonomicznych zmieniających się w gospodarce i ma zdolność pogłębionej teoretycznie oceny tych zjawisk w wybranych obszarach, w tym związanych z wpływem cyfryzacji (K_U05)
U2: potrafi prognozować procesy i zjawiska gospodarcze występujące w dobie gospodarki cyfrowej z wykorzystaniem metod i narzędzi właściwych dla ekonomicznych szeregów czasowych, jak również narzędzi służących do znajdowania wzorców i korelacji w dużych zbiorach danych (K_U06)
Ćwiczenia:
U1: potrafi zrozumieć i analizować przyczyny przebiegu procesów ekonomicznych zmieniających się w gospodarce i ma zdolność pogłębionej teoretycznie oceny tych zjawisk w wybranych obszarach, w tym związanych z wpływem cyfryzacji (K_U05)
U2: potrafi prognozować procesy i zjawiska gospodarcze występujące w dobie gospodarki cyfrowej z wykorzystaniem metod i narzędzi właściwych dla ekonomicznych szeregów czasowych, jak również narzędzi służących do znajdowania wzorców i korelacji w dużych zbiorach danych (K_U06)
Efekty uczenia się - kompetencje społeczne
K1: Absolwent potrafi trafnie określić problem z zakresu analizy szeregów czasowych i znaleźć właściwą metodę jego rozwiązania, przestrzegając etycznych norm zawodowych i zasad postępowania (K_K01, K_K03)
Metody dydaktyczne
Metody dydaktyczne:
● prezentacja multimedialna
● studium przypadku
● laboratorium komputerowe
Rodzaj przedmiotu
przedmiot obligatoryjny
Wymagania wstępne
Treści przedmiotów poprzedzających w programie studiów
Koordynatorzy przedmiotu
Kryteria oceniania
Zaliczenie przedmiotu na podstawie:
egzaminu pisemnego (teoretyczno-praktycznego) – W1, W2, U1, U2.
kolokwium – W2, U1, U2.
Weryfikacja efektów kształcenia:
W1, W2 – egzamin pisemny
U1, U2 – egzamin pisemny
U1, U2 – kolokwium
W2 – kolokwium
Aktywność - K1
Praktyki zawodowe
Literatura
Literatura podstawowa
Adam Zagdański A., Suchwałko A., Analiza i prognozowanie szeregów czasowych. Praktyczne wprowadzenie na podstawie środowiska R, PWN 2022
Neusser, K. Time Series Econometrics, Springer Texts in Business and Economics, Springer, 2016
Brockwell P.J., R.A. Davis, Introduction to time series and forecasting (2nd ed.), Springer 2002.
Literatura uzupełniająca
Abbott, D., (2014), Applied Predictive Analytics: Principles and Techniques for the Professional Data Analyst, John Wiley & Sons, Inc.
Kuhn M., Johnson K., (2013), Applied Predictive Modeling, Springer
Galit S., (2016), Practical Time Series Forecasting with R: A Hands-On Guide [2nd Edition], Lightning Source Inc
Więcej informacji
Dodatkowe informacje (np. o kalendarzu rejestracji, prowadzących zajęcia, lokalizacji i
terminach zajęć) mogą być dostępne w serwisie USOSweb: