TV reitingu prognozēšana izmantojot daudzkāršo sezonālo izlīdzināšanu

Abstract

Darbs veltīts televīzijas reitingu prognozēšanai. Darbā apskatīti laikrindu analīzes pamatjēdzieni, kā arī divas atšķirīgas pieejas sezonālas laikrindas modelēšanai: Boksa-Dženkinsa sezonālais modelis un laikrindas dekompozīcijas metode. Darbā tiek izskatīts dekompozīcijas metodes vispārinājums gadījumam, ja laikrindai ir raksturīga daudzkārša sezonalitāte. Metodes pielietošanas rezultāti tiek salīdzināti ar iegūtajiem, izmantojot Boksa-Dženkinsa ARIMA metodoloģiju. Darbā tika pētīta arī datu apjoma samazināšanas problēma. Laikrindu analīzei un prognozēšanai tika izveidota algoritmiskā forma datorprogrammā MSExcel, uz kuras pamata var uzrakstīt programmu Visual Basic valodā. ARIMA modelēšana tika veikta ar datorpaketes SPSS palīdzību.

The presented diploma work is devoted to forecasting of television ratings. The basic concepts of time series analysis have been observed and two different approaches for time series modeling, namely, Box-Jenkins seasonal model and times series decomposition method, have been discussed. The generalization of decomposition method for the case when time series has multiple seasonality has been examined. Results of application of the proposed method are compared with results produced by Box-Jenkins ARIMA methodology. The problem of data reduction has been discussed, too. For analysis and forecasting of the time series algorithmic form in MSExcel has been produced, which could be used for writing program in Visual Basic. For ARIMA modeling statistical package SPSS has been used.