Implementacja metody Detrended Fluctuation Analysis z trendami liniowymi i kwadratowymi w języku Python

licenciate
dc.abstract.enPython's implementation of the Detrended Fluctuation Analysis is discussed. This algorithm verifies if from given time series based on past data we can predict future values (so called Joseph effect). As a measure of this phenomenon in practical application is being used Hurst exponent.pl
dc.abstract.plW pracy omówiono implementacje metody w języku Python Detrended Fluctuation Analysis. Algorytm ten weryfikuje czy z danego szeregu czasowego na podstawie danych z przeszłości jesteśmy w stanie przewidzieć wartości z przyszłości (tzw. efekt Józefa). Jako miary tego zjawiska w zastosowaniach praktycznych używa się współczynnika Hursta.pl
dc.affiliationWydział Fizyki, Astronomii i Informatyki Stosowanejpl
dc.areaobszar nauk ścisłychpl
dc.contributor.advisorGóra, Paweł - 100071 pl
dc.contributor.authorKsiążkiewicz, Maciejpl
dc.contributor.departmentbycodeUJK/WFAISpl
dc.contributor.reviewerGóra, Paweł - 100071 pl
dc.contributor.reviewerKapanowski, Andrzej - 100452 pl
dc.date.accessioned2020-07-27T16:31:35Z
dc.date.available2020-07-27T16:31:35Z
dc.date.submitted2018-06-29pl
dc.fieldofstudyinformatykapl
dc.identifier.apddiploma-123934-211890pl
dc.identifier.projectAPD / Opl
dc.identifier.urihttps://ruj.uj.edu.pl/xmlui/handle/item/228245
dc.languagepolpl
dc.subject.enDFA, Detrended Fluctuation Analysis, time series, Hurst, Hurst exponent, Pythonpl
dc.subject.plDFA, Detrended Fluctuation Analysis, szeregi czasowe, Hurst, współczynnik Hursta, Pythonpl
dc.titleImplementacja metody Detrended Fluctuation Analysis z trendami liniowymi i kwadratowymi w języku Pythonpl
dc.title.alternativeImplementation of the Detrended Fluctuation Analysis method with linear and square trends in Pythonpl
dc.typelicenciatepl
dspace.entity.typePublication
dc.abstract.enpl
Python's implementation of the Detrended Fluctuation Analysis is discussed. This algorithm verifies if from given time series based on past data we can predict future values (so called Joseph effect). As a measure of this phenomenon in practical application is being used Hurst exponent.
dc.abstract.plpl
W pracy omówiono implementacje metody w języku Python Detrended Fluctuation Analysis. Algorytm ten weryfikuje czy z danego szeregu czasowego na podstawie danych z przeszłości jesteśmy w stanie przewidzieć wartości z przyszłości (tzw. efekt Józefa). Jako miary tego zjawiska w zastosowaniach praktycznych używa się współczynnika Hursta.
dc.affiliationpl
Wydział Fizyki, Astronomii i Informatyki Stosowanej
dc.areapl
obszar nauk ścisłych
dc.contributor.advisorpl
Góra, Paweł - 100071
dc.contributor.authorpl
Książkiewicz, Maciej
dc.contributor.departmentbycodepl
UJK/WFAIS
dc.contributor.reviewerpl
Góra, Paweł - 100071
dc.contributor.reviewerpl
Kapanowski, Andrzej - 100452
dc.date.accessioned
2020-07-27T16:31:35Z
dc.date.available
2020-07-27T16:31:35Z
dc.date.submittedpl
2018-06-29
dc.fieldofstudypl
informatyka
dc.identifier.apdpl
diploma-123934-211890
dc.identifier.projectpl
APD / O
dc.identifier.uri
https://ruj.uj.edu.pl/xmlui/handle/item/228245
dc.languagepl
pol
dc.subject.enpl
DFA, Detrended Fluctuation Analysis, time series, Hurst, Hurst exponent, Python
dc.subject.plpl
DFA, Detrended Fluctuation Analysis, szeregi czasowe, Hurst, współczynnik Hursta, Python
dc.titlepl
Implementacja metody Detrended Fluctuation Analysis z trendami liniowymi i kwadratowymi w języku Python
dc.title.alternativepl
Implementation of the Detrended Fluctuation Analysis method with linear and square trends in Python
dc.typepl
licenciate
dspace.entity.type
Publication

* The migration of download and view statistics prior to the date of April 8, 2024 is in progress.

Views
16
Views per month
Views per city
Wroclaw
3
Zabrze
3
Dublin
2
Krakow
2
Olesnica
1
Psary
1
Rzeszów
1
Siemianowice Śląskie
1
Warsaw
1

No access

No Thumbnail Available