Formelsammlung für die Vorlesung Statistik A - Universität Bonn
Formelsammlung für die Vorlesung Statistik A - Universität Bonn
Formelsammlung für die Vorlesung Statistik A - Universität Bonn
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
<strong>Formelsammlung</strong> <strong>Statistik</strong> I Seite 16<br />
4 Zeitreihenanalyse<br />
Gegeben sei eine zeitlich geordnete Folge von n Beobachtungen eines Merkmals<br />
X: x 1 , x 2 , . . . , x n<br />
Graphische Darstellung<br />
• Zeitreihenpolygon: Darstellung der Werte {x t } 1≤t≤n in Abhängigkeit<br />
von t mit anschlieÿender linearer Interpolation.<br />
• Alternativ: Darstellung von x t in Abhängigkeit vom Datum der t-ten<br />
Messung mit anschlieÿender linearer Interpolation.<br />
Komponentenmodelle<br />
• Additives Komponentenmodell:<br />
Modellierung der Zeitreihe als: x t =<br />
g t<br />
}{{}<br />
Trend<br />
+ s t }{{}<br />
Saison<br />
• Multiplikatives Komponentenmodell:<br />
Modellierung der Zeitreihe als: x t = g t · s t · z t .<br />
+ z t }{{}<br />
Durch Logarithmieren kann ein multiplikatives Modell auf ein additives<br />
Komponentenmodell zurückgeführt werden: ln x }{{} t = ln g t + ln s }{{} t + ln z }{{} }{{} t<br />
x ⋆ t gt<br />
⋆ s ⋆ t zt<br />
⋆<br />
Schätzung eines linearen Trends<br />
• Modell: g t = β 0 + β 1 · t<br />
• Schätzung der Parameter durch <strong>die</strong> KQ-Methode:<br />
Rest<br />
ˆβ 0 und ˆβ1 minimieren<br />
• Lösungen: (für t = 1, 2, . . . , n)<br />
ˆβ 1 =<br />
∑<br />
12 n x t · t<br />
t=1<br />
n(n 2 − 1) −<br />
6¯x<br />
n − 1<br />
n∑<br />
(x t − β 0 − β 1 · t) 2<br />
t=1<br />
und ˆβ0 = ¯x − ˆβ 1<br />
n + 1<br />
2<br />
• Geschätzte Trendfunktion: ĝ t = ˆβ 0 + ˆβ 1 · t<br />
• Trendbereinigte Zeitreihe: x t − ĝ t<br />
<strong>Statistik</strong>_A@statistik.uni-bonn