Tidsrækkeanalyse og forecasting

2023/2024

Modulets indhold, forløb og pædagogik

Læringsmål

Viden

  • kender til betingning i den flerdimensionale normalfordeling samt sædvanlig og generaliseret mindste kvadraters metode og de derved fremkomne OLS og GLS estimatorer

  • kan forstå tidsrækkeanalyse som en stokastisk proces og forstå sammenhængen mellem stokastiske processer og dynamiske systemer og kender til de stokastiske processer kendt som Box-Jenkins modellerne, herunder især ARMA modellerne

  • Exponential smoothing

  • Forecasting metoder for tidsrækker

Færdigheder

  • er i stand til teoretisk at fortolke tidsrækkemodellernes statistiske egenskaber

  • kan foretage alle faserne i en klassisk tidsrækkenalyse: Identifikation, estimation, modelkontrol, forecasting og statistisk fortolkning

  • kan bruge korrelogrammer og andre grafiske hjælpemidler i identifikationsfasen

  • kan anvende og sætte sig ind i nyere statistiske metoder til analyse af tidsrækker

Kompetencer

  • er i stand til at anvende tidsrækkeanalysens begreber for en konkret problemstilling

  • kan foretage estimation og forecasting i praksis vha. statistisk software

Undervisningsform

Forelæsninger med tilhørende opgaveregning

Omfang og forventet arbejdsindsats

Det forventes at den studerende bruger 30 timer per ECTS, hvilket for denne aktivitet betyder 150 timer.

Eksamen

Prøver

Prøvens navnTidsrækkeanalyse og forecasting
Prøveform
Skriftlig eller mundtlig
ECTS5
Bedømmelsesform7-trins-skala
CensurIntern prøve
VurderingskriterierVurderingskriterierne er angivet i Universitetets eksamensordning

Yderligere informationer

Kontakt: Studienævn for datalogi via cs-sn@cs.aau.dk eller 9940 8854

 

Fakta om modulet

Engelsk titelTime Series and Forecasting
ModulkodeDSNDVK202
ModultypeKursus
Varighed1 semester
SemesterForår
ECTS5
UndervisningssprogDansk og engelsk
TompladsJa
UndervisningsstedCampus Aalborg
Modulansvarlig

Organisation

UddannelsesejerCand.scient. i datavidenskab og machine learning
StudienævnStudienævn for Datalogi
InstitutInstitut for Datalogi
FakultetDet Teknisk Fakultet for IT og Design