732G52 · 7.5 credits · Basic level (G1F) · Statistik
Time Series Analysis
Active · next start HT 2026
59%
passed the latest ordinary exam
TEN2 · 17 Jan 2026 · 22 students
47%
passed the ordinary exams, all sittings over the last 5 years
TEN2 · 47 students
92%
Harder than 92% of courses at basic level
Compared with 874 courses at the same level, ordinary exams over the last three academic years. 47 students.
Part of 1 programme
Exam
TEN2 Examination
- VG
- G
- U
Ordinary exams
47% passed · 47 students
- 59%22
- 36%25
Re-exams
30% passed · 53 students
- 15%13
- 8%12
- 67%12
- 31%16
- Pass the re-exam: 30% (53 students), compared with 47% (47 students) on the ordinary exam
- Get VG: 8% (100 students)
Other modules
Partial exams, hand-ins and labs. They are not part of the figures at the top.
Hand-in or lab
PRO1 Project
- G
Main rounds
100% passed · 30 students
- 100%14
- 100%16
Later rounds
100% passed · 11 students
- 100%11
- Pass a later round: 100% (11 students), compared with 100% (30 students) on the ordinary exam
Show small sittings (3)
Sittings with fewer than 5 students, often credit transfers or special sittings. They are not part of any figure on this page.
- 100%2
- 100%3
- 100%4
About the course
Aim
Efter avslutad kurs ska den studerande kunna:
- redogöra för olika metoder för analys av tidsserier
- bedöma kvaliteten hos tidsseriedata
- använda metoder för att konstruera och använda olika typer av index
- anpassa och göra inferens för tidsseriemodeller, göra prognoser och beräkna dess statistiska osäkerhet
- använda statistisk mjukvara för att hantera tidsseriedata och anpassa tidsseriemodeller
- kritiskt diskutera lämpligheten i val av tidsseriemodell
- tolka resultat av genomförda analyser
- genomföra uppgifter inom givna tidsramar
Content
I kursen behandlas:
- Indexteori som exempelvis fastbasindex och kedjeindex
- Tidsserieanalys:
- tidsserieregression - komponentuppdelning, främst säsongskomponenter för säsongsrensning - exponentiella utjämningsmetoder, Holt Winters metodik - stationäritet, autokorrelation, differentiering - modeller som Autoregressive Integrated Moving Average (ARIMA) och Seasonal Autoregressive Integrated Moving Average (SARIMA) - transferfunktions- och interventionsmodeller - vektor autoregression (VAR) modeller - volatilitetsmodeller ARCH och GARCH - prognoser och prognosintervall för olika tidsseriemodeller
- Examiner
- Ann-Charlotte Hallberg
- Main field of study
- Statistik