ISSN 1820-6794

Statistical Pocketbook of Serbia 2011СТАТИСТИЧКА АНАЛИЗАВРЕМЕНСКИХ СЕРИЈАПод временском серијом подразумевамоуређени низ података (обсервација). Притоме се уређивање најчешће, али не нужно,врши с обзиром на време и то обично уједнаким временским интервалима.Временска серија представља приказ развојанеке појаве. Анализом временске серијеутврђују се правилности у варијацијама којесу последица утицаја различитих фактора напосматрану појаву. Поједини факторидејствују нејендаким интензитом иучесталошћу током времена. Што је серијадужа, већа је могућност уочавања тенденцијаразвоја и динамике промена посматранепојаве. Временска серија се посебнимстатистичким методама може рашчланити нанеколико компонената које карактеришуразличите промене, и то: тренд (Тпредставља дугорочну тенденцију развојасерије), цикличне варијације (C јесуосцилације с променљивим периодом, који једужи од 12 месеци, и зато се често такомпонента не раздваја од тренда), сезонскеваријације (S имају периодику од 12 месеци ипоказују утицај појединих месеци у години), ислучајне или нерегуларне варијације (N), одкојих последње представљају остатаккомплекса алеаторних варијација. Петакомпонента – структурна или органскатрансформација, није у домену статистичкихистраживања.Тренд је тенденција развоја посматранепојаве у извесном периоду, који је настао каорезултат постојаних фактора чије се дејствоиспољава на дужи рок у одређеном правцу.Овакве тенденције могу се изразити помоћулинеарне и криволинијске функције. Тадефинисана линија, без обзира на то ког јеоблика, која изражава тенденцију појаве надуги рок, назива се тренд.Сезонске варијације обухватају оне променепојава које се понављају сваке године уисто време и у истом смеру (истом смислу).STATISTICAL ANALYSIS OF TIMESERIESTime series represent an ordered sequence ofdata (observations). This ordering is in mostcases done according to time, usually in equaltime intervals. Time series illustrates changes ofobserved phenomena in time. The aim of timeseries analysis is to determine regularities invariations that are the consequence of variousfactors. These factors affect the series with differentfrequency and intensity over time. If thetime series is longer there is more chance toobserve development trends and dynamics ofchanges in the studied phenomena.Time series can be decomposed by specificstatistical methods into several components thatpresent various changes: trend (T – long-termdevelopment tendency of the series), cyclicvariations (C – oscillations with changeableperiod lasting more than 12 months and thereforevery often not distinguishable from trend),seasonal variations (S – featuring 12 monthsperiodic and indicates seasonal changes) andcasual or irregular variations (N), the latter presentingthe remainder of random variations.The fifth component, i.e. structural or organictransformation, is not in the domain of statisticalresearch.Trend presents the predictable development ofthe observed phenomena that is a result offirmly established factors, the effect of which isexpressed for a long time period in certain direction.These tendencies can be shown by linearand curved-line function. The defined line, regardlessthe shape, which expresses a longtermtendency, is called trend.Seasonal variations cover those changes ofphenomena that recur every year at the sametime and in the same direction (to the same204 Statistical Office of the Republic of Serbia