Analysis and prediction of time series in R

The goal of this thesis is to introduce basic methods of prediction of time series and to compare suitability and precision of these methods for prediction of one particular time series in computing environment of statistical programming language R. After theoretical explanation of time series themselves, the methods of modeling time series and predictions using these are introduced. The method of trend modeling using trend (regression) functions is presented, next, the models of exponential smoothing are presented and last but not least the models of Autoregressive Integrated Moving Averages (ARIMA) are introduced as well. All of these models are applied onto three time series of author’s choice to better illustrate their differences and suitability for particular type of time series.Cílem této práce je představit základní metody předpovědi časových řad a porovnat jejich vhodnost a přesnost pro předpověď časové řady v rámci výpočetního prostředí statistického programovacího jazyka R. Po základním teoretickém vymezení časových řad jako takových, jsou představeny metody modelování časových řad a předpovědi jejich užitím. Představena je metoda modelování trendu pomocí trendových (regresních) funkcí, dále jsou představeny modely exponenciálního vyrovnávání a v neposlední řadě taktéž modely Autoregresních integrovaných pohyblivých průměrů (ARIMA). Všechny tyto modely jsou aplikovány na tři časové řady autorova výběrů, pro možnost porovnání jejich výsledků a vhodnosti pro tuto určitou časovou řadu