Excel parancsfájlok felhasználása a statisztikai elemzésekben Írta ...

Recommendations

Info

Az Eredmény: d = eredeti idősor, t = SABL trend, s = SABL szezonalitás, i = irreguláris rész. A SABL szoftvert a főkönyvtárba kell másolni: pl. C:/SABL vagy: D:/SABL. A program a SABLSHEL.EXE fájllal indul. Előtte az adatokat elő kell készíteni. Az Excel fájl csak egy adatsort tartalmazzon, azt amit majd a SABL-lal le kívánunk futtatni. Az oszlopnak ne legyen neve az első cellában, csak az idősort használjuk. Mentsük le módosított mentéssel: Formázott szöveg (szóközzel tagolt, kiterjesztés: *.prn) formátumban. Windows Commanderrel szerkesszük, a vesszőket cseréljük ki pontokra. Használhatjuk a jegyzettömböt (notepad-ot) is ahol megnyitjuk a *.prn fájlt és a vesszőket cseréljük ki pontokra és lementjük a szöveg állományt: *.txt. Ezt a fájlt a SABL felismeri, majd az output fájlnak nevet kell adni: pl. *.sbl és a periódus hosszát (ndp) módosítani kell az adatsor ismeretében, pl. havi adatok 12, negyedéves adatok: 4, stb. Ezt követően a szezon és a trend simítása cellákra klikkelve a közepes simítás fokát kiszámolja, amitől el lehet térni. Ha a közepes simítási fok felét vesszük akkor kis, ha dupláját akkor nagy simítási fokkal számolunk. Erőteljes irregulális hullámzás és gyakori kiugró értékek esetében célszerű a nagy simítási fokot alkalmazni. A többi paramétert [Pl.: Adatok transzformációja (p=), Kiugró értékek vágása (var=)] az előzőekben leírtak szerint lehet megadni. Ha lefutott a program az Eredmény munkalapban megjelenik a D, T, S és I oszlopvektor, amit Excelbe lehet másolni és a tizedes pontokat ki kell cserélni vesszőkre. Az adatok Excelben (pl.: T, S, I, T+S) ábrázolhatók és értékelhetők. A számításokat F a Magyarország energiafelhasználása, negyedéves adatok, 1999-2007 (PJ) alapján mutatjuk be, ahol: D: eredeti adatok, T: trend komponens, S: szezonális komponens és I: irreguláris rész. Grafikusan ábrázolva az eredeti adatokat (D) és a SABL trendet (T), a szezonalitást (S) és az irreguláris részt (I): 104
PJ 400 300 200 100 0 -100 Energia felhasználás (PJ) alakulása Magyarországon és a SABL szoftverrel végzett számítások eredményei 1999,01 2000,01 2001,01 2002,01 2003,01 2004,01 2005,01 Évek-negyedévek 1991.01-2007.04 3-23. ábra: Energia felhasználás alakulása Magyarországon 132 Az USA energiafelhasználása F esetén a számításokat elvégezve a T+S az alábbi ábrát mutatja: Milliárd kWóra/hónap 400 350 300 250 200 150 100 50 0 Az USA lakossági villamosenergia fogyasztása (milliárd kwóra/hónap) SABL: T+S 1973,01 1975,01 1977,01 1979,01 1981,01 1983,01 1985,01 1987,01 1989,01 1991,01 1993,01 Idő1973.01-2007.11 3-24. ábra: Az USA villamos energia fogyasztása Ha az adatok transzformációja s=0, akkor a trend és szezontényező közötti multiplikatív kapcsolatot additívvá alakítjuk. Milliárd kWóra/hónap 400 300 200 100 0 197… 197… 1995,01 2006,01 1997,01 1999,01 2007,01 2001,01 Az USA lakossági villamosenergia fogyasztása (milliárd kwóra/hónap) SABL (p=0): T+S 197… 197… 198… 198… 198… 198… 198… 199… 199… 199… Idő:1973.01-2007.11 3-25. ábra: Az USA villamos energia fogyasztása. A SABL trend 132 Az adatsort a szezonalitás vizsgálatánál már bemutattuk. 199… 199… 200… 200… 2003,01 200… 2005,01 200… D T S I 2007,01 105
Page 1 and 2:
Kehl Dániel - Dr. Sipos Béla Exce
Page 3 and 4:
3.8 AZ ARIMA MODELLEZÉS MENETE 106
Page 5 and 6:
szoftvereket nem képesek megvásá
Page 7 and 8:
Bevezetés, az Excel beállításai
Page 9 and 10:
Excel 2007 segítség a felhasznál
Page 11 and 12:
INVERZ.F Az F-eloszlás inverzének
Page 13 and 14:
Az Analysis ToolPak betöltése. Az
Page 15 and 16:
tak: pl. nem, kor, beosztás és sz
Page 17 and 18:
A legmegfelelőbb ábrázolási mó
Page 19 and 20:
4. Elemezze az egy főre jutó GDP
Page 21 and 22:
5.1. Foglalkoztatottak számának a
Page 23 and 24:
delkezésre álló adatok jelennek
Page 25 and 26:
A legegyszerűbb statisztikai műve
Page 27 and 28:
(k) ahol q j a j-edik k-ad rendű k
Page 29 and 30:
A szóródás terjedelme: T = 70 -
Page 31 and 32:
Mindkét helyzeti középértéknek
Page 33 and 34:
(Q − Me) −(Me −Q ) 3 1 F = (Q
Page 35 and 36:
( ) ( ) 2 m3 S = 3 m2 c c = 0,037 A
Page 37 and 38:
1 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0
Page 39 and 40:
N ∑ y t t=1 y= N Az állapot idő
Page 41 and 42:
sj = a j-edik szezonhoz tartozó sz
Page 43 and 44:
- a függvény növekedésének ir
Page 45 and 46:
ˆy t b0 ˆy t =b 0 +b1lnt b 1>0 b
Page 47 and 48:
ˆy t b0 2 3 ˆy t =b 0 +b1t+b2t +
Page 49 and 50:
0 =a bázisérték, p = az éves n
Page 51 and 52:
ˆy t 1 1 ˆy = b +bt+b t b0 t 2 0
Page 53 and 54: 1 2 A mélypont T 3 A csúcspont 3-
Page 55 and 56: tunk úgy is, hogy először a tren
Page 57 and 58: tében. A tőzsdeindexek átlagolá
Page 59 and 60: nyereséget eredményezhet, de más
Page 61 and 62: 2 ei SDE = i= 1 T−1 5. Átlagos r
Page 63 and 64: e, utána az eredeti adatoknak a tr
Page 65 and 66: 80 lítődési pontok. F A Descarte
Page 67 and 68: 2 dyt 2 cm ( + t) ( − ) ( cm + ct
Page 69 and 70: A telítődési szint: lim yˆ = K
Page 71 and 72: Az 3-15 ábra mutatja be a függvé
Page 73 and 74: ˆy0= 0, lim yˆ = K. t→∞ t Joh
Page 75 and 76: ( K−A) ˆy = A + , cm ( 1+ ve ) 0
Page 77 and 78: Hubbert-trendfüggvény A Hubbert-f
Page 79 and 80: den esetben adnak tökéletes javas
Page 81 and 82: 6. Grafikusan ábrázolja az Amerik
Page 83 and 84: dosítása, vagyis a prognosztizál
Page 85 and 86: ( ) i ˆy = y × Me t+i t+− i 4
Page 87 and 88: Ha nagy α-t választunk [pl . α =
Page 89 and 90: stabilnak tekinthető és a módsze
Page 91 and 92: T- 4 Szezonalitás - nincs, Trend a
Page 93 and 94: Multiplikatív szezonalitás: D t =
Page 95 and 96: Előrejelzés m periódusra előre:
Page 97 and 98: S 1 =X 1 (X2-X 1)+(X4-X 3) b 1 = 2
Page 99 and 100: hullámzás kisebb, nagyobb, illetv
Page 101 and 102: W(-1)=B(-1/4)=[1-(-1/4) 2 ] 2 = 0,8
Page 103: sbl, out a fájl neve, amelybe az e
Page 107 and 108: ARMA modell Az ilyen típusú idős
Page 109 and 110: Nem stacionárius idősorok 135 : S
Page 111 and 112: dy ∆Y Y(t+∆t) - Y(t) =lim =lim
Page 113 and 114: 2. Az ln-transzformációt (λ=0) a
Page 115 and 116: 5. A reciprok transzformációt (λ
Page 117 and 118: Mind az elméleti idősort alkotó
Page 119 and 120: A determináns a diagonálisok szor
Page 121 and 122: 1 2 2 2 2 s(r k) = ⎡1 2( r1 r2 r
Page 123 and 124: (0, d, 1) MA(1), ha d = 0 vagy IMA
Page 125 and 126: ARIMA (0, 0, 1) vagy MA (1) modell
Page 127 and 128: Statisztikai programcsomagok össze
Page 129 and 130: (T−m) −k ∑ ( y −y)( y − y
Page 131 and 132: A következő szöveg jelenik meg:
Page 133 and 134: DW statisztika. (Durbin-Watson d-pr
Page 135 and 136: Az illesztésre (becslésre) felhas
Page 137 and 138: A reziduumok száma: Becslésre fel
Page 139 and 140: 4. szezonális autoregressziós mod
Page 141 and 142: Kieső adatok száma= p+d+q+s(P+D+Q
Page 143 and 144: 3.8.6 R+ interneten elérhető: Fre
Page 145 and 146: transzformált adatok ábráit és
Page 147 and 148: The R code is based on : Borghers,
Page 149 and 150: 4.1 A regresszió.xls parancsfájl
Page 151 and 152: ⎡q q q q ⎤ yy y1 y2 yk ⎢ q1y
Page 153 and 154: A bj regressziós paraméter konfid
Page 155 and 156:
yj n−2 t = 2 1−r yj Ahol: n =
Page 157 and 158:
157 magyar nyelvű összefoglalój
Page 159 and 160:
togonális, tehát nincs multikolli
Page 161 and 162:
2 R /(k−1) F= < F 2 ( 1−R ) / (
Page 163 and 164:
z 1 =a11x 1+a21x 2 +...+ak1xk z 2 =
Page 165 and 166:
A fenti autoregresszív modellben,
Page 167 and 168:
sziós együtthatók becslése torz
Page 169 and 170:
A regresszio.xls parancsfájl minde
Page 171 and 172:
Regressziós együtthatók Eható S
Page 173 and 174:
600 400 200 e t 0 -600 -400 -200 0
Page 175 and 176:
pen azt kaptuk, hogy az első háro
Page 177 and 178:
Ezt az egyenletet átírhatjuk a k
Page 179 and 180:
ahol a hi súlyszámokat az alábbi
Page 181 and 182:
3.1 Ha nincs konstans a lineáris r
Page 183 and 184:
5. A próbafüggvény: 2 2 F= 2 1
Page 185 and 186:
A b 12 = x1 és x2 változók egysz
Page 187 and 188:
ugyanis ez nem más, mint X margin
Page 189 and 190:
Súly Súly 0,30 0,25 0,20 0,15 0,1
Page 191 and 192:
A paraméterek közötti összefüg
Page 193 and 194:
( ) ( ) Y − λ Y =α 1−λ +β X
Page 195 and 196:
4.7 A hatványkitevős, Cobb-Dougla
Page 197 and 198:
fizikaiak említett kategóriáit.
Page 199 and 200:
Átlagtermelékenységek (y/x1 és
Page 201 and 202:
yˆ = MPx * x 1 1+ MPx * x ˆ 2 2 /
Page 203 and 204:
A termelési tényező hozadéka n
Page 205 and 206:
Évek (t) y x1 x2 1 1009 1787 1008
Page 207 and 208:
1. A cipőgyár adatainak felhaszn
Page 209 and 210:
⎧ 1 -P -P ⎫ ln y = ln h + e v
Page 211 and 212:
ln h h = e transzformációval az e
Page 213 and 214:
A homoszkedaszticitás tesztelésé
Page 215 and 216:
4-6. tábla: Feltételes megoszlás
Page 217 and 218:
A min jelöli, hogy az s és o köz
Page 219 and 220:
A Yule-féle asszociációs együtt
Page 221 and 222:
= 0, 267 ≈ 0,3 A függetlenség v
Page 223 and 224:
Függelék F.1 Internetes ingyenes
Page 225 and 226:
age and sex) és az összes évet (
Page 227 and 228:
Egységmátrix (E): egy négyzetes
Page 229 and 230:
Karl Pearson időskori képe F 284
Page 231 and 232:
R. Aylmer Fisher F 294 Kvantilis. (
Page 233 and 234:
Oil Company alkalmazottja, ezután
Page 235 and 236:
Standard normális eloszlás sűrű
Page 237 and 238:
2 n χ 310 -eloszlás kritikus ért
Page 239 and 240:
F-eloszlás kritikus értékei 2,5%
Page 241 and 242:
5% k = 11 k = 12 k = 13 k = 14 k =
Page 243 and 244:
1% k = 11 k = 12 k = 13 k = 14 k =
Page 245 and 246:
Colin P. D. Birch [1999]: A New Gen
Page 247 and 248:
Kehl Dániel - Sipos Béla [2007b]:
Page 249 and 250:
John C. Nash [2008] Teaching statis
show all

Excel parancsfájlok felhasználása a statisztikai elemzésekben Írta ...

Create successful ePaper yourself

Delete template?

Save as template?