Prognosemetoder – en oversikt - Telenor
Prognosemetoder – en oversikt - Telenor
Prognosemetoder – en oversikt - Telenor
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
e t<br />
0<br />
99.9<br />
Figur 7.13 Plott av residualer med outlier og to ganger<br />
standardavvik som usikkerhetsintervall<br />
Kumulativ %<br />
99<br />
95<br />
80<br />
50<br />
20<br />
5<br />
1<br />
0.1<br />
-1.9 -0.9 0.1 1.1 2.1 3.1<br />
Residualet<br />
Figur 7.14 Normalfordelingsplott<br />
t<br />
2 s<br />
2 s<br />
det ikke grunnlag for å<br />
foreta transformasjon av<br />
tidsrekk<strong>en</strong>.<br />
Det bør imidlertid nevnes<br />
at ikke alle prognosespesialister<br />
er for å transformere<br />
tidsrekk<strong>en</strong> under modellbygging<strong>en</strong>.<br />
Dersom dette<br />
gjøres må all modellbygging<br />
foregå med de transformerte<br />
observasjon<strong>en</strong>e.<br />
Når så analys<strong>en</strong>e, modell<strong>en</strong><br />
og prognos<strong>en</strong>e er<br />
laget, transformeres det tilbake,<br />
og vi får de originale<br />
prognos<strong>en</strong>e. Under tilbaketransformasjon<br />
mistes<br />
no<strong>en</strong> statistiske eg<strong>en</strong>skaper.<br />
Det er derfor <strong>en</strong><br />
avveiing om <strong>en</strong> skal transformere<br />
tidsrekk<strong>en</strong> eller<br />
ikke. I dette komp<strong>en</strong>diet<br />
anbefales det transformasjoner<br />
av tidsrekk<strong>en</strong> dersom<br />
variasjon<strong>en</strong> i tidsrekk<strong>en</strong><br />
øker markant med<br />
øk<strong>en</strong>de nivå på tidsrekk<strong>en</strong>.<br />
Tabell 7.1 Gj<strong>en</strong>nomsnitt og variasjon på et sett med kvartalsvise observasjoner som er<br />
delt opp i grupper på 4<br />
År Kvartal1 Kvartal2 Kvartal3 Kvartal4 Gj.snitt Variasjon<br />
1981 35 52 28 33 37 24<br />
1982 38 57 31 33 40 26<br />
1983 36 58 33 32 40 26<br />
1984 40 63 34 35 43 29<br />
1985 37 64 36 38 44 28<br />
1986 42 68 35 39 48 33<br />
1987 44 65 38 40 47 27<br />
1988 47 71 35 42 49 36<br />
1989 45 68 36 44 48 32<br />
1990 51 74 38 42 51 34<br />
e t<br />
0<br />
Figur 7.15 Residualplott der støy<strong>en</strong> er tilfeldig fordelt<br />
7.6 Autokorrelasjon<br />
Ett av de viktige kriteria for støy<strong>en</strong> er at<br />
støyledd<strong>en</strong>e skal være ukorrelerte <strong>–</strong> det<br />
vil si at det ikke er autokorrelasjon i<br />
støyledd<strong>en</strong>e. Dette betyr at det ikke skal<br />
være avh<strong>en</strong>gighet mellom støyledd<strong>en</strong>e.<br />
Hvordan opptrer avh<strong>en</strong>gighet i <strong>en</strong> serie<br />
med observasjoner? Dette kan beskrives<br />
ved at størrels<strong>en</strong> av <strong>en</strong> observasjon<br />
påvirker størrels<strong>en</strong> på neste observasjon.<br />
Hvis vi har <strong>en</strong> positiv avh<strong>en</strong>gighet eller<br />
positiv korrelasjon, vil <strong>en</strong> vekst i <strong>en</strong><br />
observasjon påvirke til vekst i d<strong>en</strong> andre<br />
observasjon<strong>en</strong>. Analogt vil <strong>en</strong> avtagning<br />
av <strong>en</strong> observasjon påvirke til avtagning i<br />
d<strong>en</strong> andre observasjon<strong>en</strong>.<br />
Dersom vi har negativ avh<strong>en</strong>gighet eller<br />
negativ korrelasjon, vil <strong>en</strong> vekst i <strong>en</strong><br />
observasjon påvirke til avtagning i d<strong>en</strong><br />
andre observasjon<strong>en</strong> og vice versa.<br />
Vanligvis brukes begrepet korrelasjon,<br />
m<strong>en</strong> hvis de observasjon<strong>en</strong>e som vi analyserer<br />
ligger på tidsaks<strong>en</strong> <strong>–</strong> det vil si at<br />
de er observert etter hverandre i tid,<br />
b<strong>en</strong>yttes isted<strong>en</strong> begrepet autokorrelasjon.<br />
Hvis vi ønsker å analysere avh<strong>en</strong>gighet<strong>en</strong><br />
mellom to på hverandre følg<strong>en</strong>de<br />
observasjoner, så uttrykker vi det som<br />
autokorrelasjon<strong>en</strong> i avstand 1. Hvis vi<br />
ønsker å analysere avh<strong>en</strong>gighet<strong>en</strong><br />
mellom to observasjoner som ligger i<br />
avstand to fra hverandre, så uttrykker vi<br />
det som autokorrelasjon i avstand 2, etc.<br />
D<strong>en</strong> rekk<strong>en</strong> med autokorrelasjoner som<br />
vi får i avstand 1, avstand 2, avstand 3,<br />
..., kalles autokorrelasjonsfunksjon<strong>en</strong>.<br />
Vi vil i det følg<strong>en</strong>de forutsette at tidsrekk<strong>en</strong>e<br />
fluktuerer rundt <strong>en</strong> gj<strong>en</strong>nomsnittsverdi.<br />
D<strong>en</strong> beregnede autokorrelasjonsfunksjon<strong>en</strong><br />
er gitt ved:<br />
t<br />
2 s<br />
2 s<br />
33