Allmänt om tidserier. Stationära och icke stationära modeller, t.ex. ARMA- och ARIMA-modeller. Projektioner och prediktion av tidserier. Spektralteori. Skattning av parametrar och av spektrum. Modeller på tillståndsform och Kalmanfiltrering.
SF2943 Tidsserieanalys 7,5 hp
Information per kursomgång
Välj termin och kursomgång för att se aktuell information och mer om kursen, såsom kursplan, studieperiod och anmälningsinformation.
Information för VT 2025 Start 2025-03-17 programstuderande
- Studielokalisering
KTH Campus
- Varaktighet
- 2025-03-17 - 2025-06-02
- Perioder
- P4 (7,5 hp)
- Studietakt
50%
- Anmälningskod
60213
- Undervisningsform
Normal Dagtid
- Undervisningsspråk
Engelska
- Kurs-PM
- Kurs-PM är inte publicerat
- Antal platser
Ingen platsbegränsning
- Målgrupp
Sökbar för alla program under förutsättning att kursen kan ingå i programmet.
- Planerade schemamoduler
- [object Object]
- Schema
- Del av program
Masterprogram, biostatistik och datavetenskap, åk 1, Villkorligt valfri
Masterprogram, inbyggda system, åk 1, INMV, Rekommenderad
Masterprogram, industriell ekonomi, åk 1, FMIB, Villkorligt valfri
Masterprogram, industriell ekonomi, åk 1, MAIG, Villkorligt valfri
Masterprogram, maskininlärning, åk 1, Villkorligt valfri
Masterprogram, matematik, åk 1, Valfri
Masterprogram, systemteknik och robotik, åk 1, Rekommenderad
Masterprogram, systemteknik och robotik, åk 2, Rekommenderad
Masterprogram, tillämpad matematik och beräkningsmatematik, åk 1, Valfri
Masterprogram, tillämpad matematik och beräkningsmatematik, åk 1, DAVE, Villkorligt valfri
Masterprogram, tillämpad matematik och beräkningsmatematik, åk 1, FMIA, Villkorligt valfri
Kontakt
Gaultier Lambert (glambert@kth.se)
Kursplan som PDF
Notera: all information från kursplanen visas i tillgängligt format på denna sida.
Kursplan SF2943 (VT 2022–)Rubriker med innehåll från kursplan SF2943 (VT 2022–) är markerade med en asterisk ( )
Innehåll och lärandemål
Kursinnehåll
Lärandemål
Kursens mål är att ge en grundläggande förståelse för teoretiska och praktiska verktyg inom tidsserieanalys. Datorbaserade projektuppgifter utgör en viktig komponent av kursen.
För att bli godkänd på kursen ska studenten kunna:
- lösa problem som kräver kännedom om grundläggande begrepp och modeller inom teorin för tidsserier, i synnerhet modeller av ARMA-typ,
- tillämpa teoretiska och praktiska verktyg för att analysera tidsseriedata, beräkna osäkerhet i skattade modeller samt prediktera framtida värden från observerade data,
- tillämpa matematiska satser och metoder för att analysera och förklara egenskaper hos olika modeller för tidsserier, och
- redogöra för slutsatser från analyser av tidsserier och kritiskt utvärdera analyser ur ett vetenskapligt perspektiv.
Kurslitteratur och förberedelser
Särskild behörighet
- Engelska B / Engelska 6
- Slutförd grundkurs i sannolikhetsteori och matematisk statistik (SF1918, SF1922 eller motsvarande).
Rekommenderade förkunskaper
Slutförda kurser i
- Numeriska metoder (SF1544, SF1545 eller liknande),
- Differentialekvationer (SF1633, SF1683 eller liknande),
- Sannolikhetsteori och matematisk statistik (SF2940 eller liknande) samt
- Regressionsanalys (SF2930 eller liknande).
Utrustning
Ingen information tillagd
Kurslitteratur
Annonseras före kursstart på kurshemsidan.
Examination och slutförande
När kurs inte längre ges har student möjlighet att examineras under ytterligare två läsår.
Betygsskala
A, B, C, D, E, FX, F
Examination
- OVN1 - Inlämningsuppgifter, 3,0 hp, betygsskala: P, F
- TENA - Tentamen, 4,5 hp, betygsskala: A, B, C, D, E, FX, F
Examinator beslutar, baserat på rekommendation från KTH:s handläggare av stöd till studenter med funktionsnedsättning, om eventuell anpassad examination för studenter med dokumenterad, varaktig funktionsnedsättning.
Examinator får medge annan examinationsform vid omexamination av enstaka studenter.
Möjlighet till komplettering
Ingen information tillagd
Möjlighet till plussning
Ingen information tillagd
Examinator
Etiskt förhållningssätt
- Vid grupparbete har alla i gruppen ansvar för gruppens arbete.
- Vid examination ska varje student ärligt redovisa hjälp som erhållits och källor som använts.
- Vid muntlig examination ska varje student kunna redogöra för hela uppgiften och hela lösningen.
Ytterligare information
Kursrum i Canvas
Registrerade studenter hittar information för genomförande av kursen i kursrummet i Canvas. En länk till kursrummet finns under fliken Studier i Personliga menyn vid kursstart.
Ges av
Huvudområde
Matematik
Utbildningsnivå
Avancerad nivå
Påbyggnad
Ingen information tillagd
Kontaktperson
Gaultier Lambert (glambert@kth.se)
Övrig information
Ersätter SF2945.