Hoppa till innehållet

Tidsserieanalys och prognostik, 5 ECTS, ETKS004

Publicerad: 10 mars 2022

Utbildningsnivå: forskarnivå.

Behörighetskrav: antagen till forskarutbildning vid LTU.

Förkunskapskrav:
Antagen till forskarutbildning.

Kursinnehåll:
Kursen introducerar analys av tidsseriedata. Tidsserieanalys avviker från antagandet om tidsoberoende som används i många datamodelleringsmetoder. Det finns olika tillvägagångssätt för att modellera tidsseriedata; i den här kursen kommer främst att beröra autoregressiva integrerade glidande medelvärde (ARIMA). Dessa modeller har testats under lång tid och kan användas för många typer av tidsserier och med relativ enkelhet på grund av deras utbredda implementering i statistisk programvara, som i denna kurs kommer att vara R.

Lärandemål:
Efter avslutad kurs förväntas studenten visualisera och modellera tidsberoende data med hjälp av ARIMA-modeller. Studenten förväntas också tolka autokorrelationsfunktionen och den partiella autokorrelationsfunktion av en given tidsberoende data och att skapa preliminära modeller baserade på dessa funktioner. Studenten kommer att lära sig och tillämpa goodness-of-fit-kriterier för tidsseriemodeller. Studenten ska kunna särskilja stationära och icke-stationära tidsserier samt potentiell säsongsvariation i data. Studenten förväntas att kunna urskilja effekterna av olika tidsserier även i form av över- och underdifferensiering. Studenten ska även bedöma behovet av att inkludera exogena, yttre variabler i tidsseriemodellerna och hur man därefter kan erhålla överföringsfunktioner. Relaterat till detta förväntas studenten att grundläggande förståelse för modellering av multivariat tidsseriedata.

Kursens lärandemål stödjer följande av högskoleförordningens lärandemål som en doktor ska uppnå för doktorer vars forskning kan vara experimentell. 

Kunskap och förståelse:  

  • visa förtrogenhet med vetenskaplig metodik i allmänhet och med det specifika forskningsområdets metoder i synnerhet. 

Färdighet och förmåga:  

  • visa förmåga till vetenskaplig analys och syntes samt till självständig kritisk granskning och bedömning av nya och komplexa företeelser, frågeställningar och situationer, 
  • visa förmåga att kritiskt, självständigt, kreativt och med vetenskaplig noggrannhet identifiera och formulera frågeställningar samt att planera och med adekvata metoder bedriva forskning och andra kvalificerade uppgifter inom givna tidsramar och att granska och värdera sådant arbete. 
  • visa förmåga att i såväl nationella som internationella sammanhang muntligt och skriftligt med auktoritet presentera och diskutera forskning och forskningsresultat i dialog med vetenskapssamhället och samhället i övrigt, 
  • visa förmåga att identifiera behov av ytterligare kunskap. 

Ovanstående lärandemål innebär att kursen adresserar de följande nationella kriterierna för doktorsexamen, enligt numrering i Bilaga B till den individuella studieplanen: 1.2; 2.1; 2.2; 2.4; samt 2.5. 

Genomförande:
Kursens examinator ger föreläsningar där studenterna förväntas deltaga och vara aktiva. Seminarierna kommer att följa lärobokens kapitelindelning med undantag för det sista kapitlet, som studenterna förväntas presentera. Studenterna ska välja en tidsserie att analysera och förväntas skriva en rapport som beskriver analysen. Förutom denna rapport kommer små övningsdataset att tillhandahållas som studenterna förväntas arbeta under hela kursen. Studenterna kommer att erbjudas feedback på sina lösningar på övningarna.

Examinationsform:
Kursens lärandemål kan endast uppnås om studenterna aktivt deltar under seminarierna och utför de obligatoriska uppgifterna i form av en liten presentation av ett avsnitt av det sista kapitlet samt en korrekt rapport av bestående av analysen av deras valda tidsserier. Vidare kommer studenternas prestationer i veckovisa uppgiftslösningar också att beaktas i den slutliga betygssättningen.

Betygsskala: G/U.

Kurslitteratur:
Bisgaard, S. and Kulahci, M. (2011), Time Series Analysis and Forecasting by Example, New York: Wiley

Kursen genomförs:
Lp 4, 2022, 19 april till 21 juni

Kursen ges återkommande:
Nej

Ansökan till: murat.kulahci@ltu.se
Doktorand anger i ansökan namn, personnummer, epost-adress, avdelning samt institutionstillhörighet.

Ansökan senast:
2022-03-21

Kurs öppen för doktorander antagna vid annat lärosäte än LTU:
Ja

Max antal doktorander:
10

Kursavgift:
Ingen kursavgift för doktorander antagna vid Luleå tekniska universitet. För doktorand antagen vid annat lärosäte är kursavgiften 7500 kr.
 

Kontaktperson/Kursansvarig:
Prof. Murat Kulahci, murat.kulahci@ltu.se, (+45) 30 72 30 58

Examinator:
Prof. Murat Kulahci

Kursplan fastställd av:
Sara Thorgren

Datum för fastställande: 2022-03-08