Informationen zur Vorlesung
Zeitreihenanalyse (Pruscha)

Vorlesung Mi. 9-11 Uhr, Do. 14-16 Uhr, Hs E 47 (B047)
(Beginn Mi. 18. Okt.)
Übungen dazu Di. 14-16 Uhr, Hs E 47 (Beginn Di. 24. Okt.)

Sprechstunden:
H. Pruscha: Di., 11.00-12.00 Uhr, Zi. 226, Tel 4488, und in der
Vorlesungspause

Literatur

Schlittgen & Streitberg. Zeitreihenanalyse, 9.te Aufl. Oldenbourg 2001
Kreiss & Neuhaus. Einführung in die Zeitreihenanalyse. Springer 2006
Brockwell & Davies. Time Series, 2nd ed. Springer 1991
Falk et. al. A first Course on Time Series. open-source-book:
        http://statistik.mathematik.uni-wuerzburg.de/timeseries/
Fuller. Introduction to Statistical Time Series. Wiley 1976
Pruscha. Statistisches Methodenbuch. Kap. 9. Springer 2005.

Übungen

Leistungskriterium: Klausur am Mi. 31. Jan. 2007.
(Erlaubt: ein Taschenrechner und ein DIN A4 Blatt mit doppelseitig handgeschriebenen Notizen)
Als Zulassung zur Klausur gelten 40 % der Übungspunkte (30 % bei Einzelbearbeitung)

Übungsblätter als pdf files hier:

Inhalt (vorläufig)

Kap. I   Einführung
  1. Beispiele von ZRn   2. Komponentenmodell & Aufgaben der ZR-Analyse
Kap. II   Trend- & Saison-Komponenten
  1. Ausgleichspolynome   2. Gleitende Durchschnitte   3. Saisonkomponente   4. Differenzieren einer ZR
Kap. III   Stationäre Prozesse
  0. Exkurs: Hilbertraum-Theorie   1. Stationarität   2. Filter   3. ARMA-Prozesse
Kap. IV   Spektralanalyse stationärer Prozesse
  0. Exkurs: Fourieranalyse   1. Spektraldichten   2. Spektraldichten von ARMA-Prozesse
Kap. V   Statistik im Zeitbereich
  0. Exkurs: Grenzwertsätze   1. Zeitreihen-Mittelwerte   2. empirische Autokovarianz/-korrelation
  3. Parameter in ARMA-Modellen
Kap. VI   Statistik im Frequenzbereich
  0. Exkurs: Fourierdarstellung einer ZR   1. Fourierkoeff. und Periodogramm   2. Periodogramm-Analyse
  3. Spektraldichte-Schätzung
Kap. VII   Modell-Diagnose und Prognose
  1. Mittelwertkorrektur, ARIMA-Modelle   2. Modell-Identifikation   3. Lineare Prognose von ZRn
Kap. VIII   ZRn mit bedingter Heteroskedastizität
  1. ARCH/GARCH-Modelle   2. Strikte Stationarit"at