摘要：Wavelety jsou moderní matematický prostředek, který se využívá především při zpracovánínejrůznějších signálů. Waveletová transformace umožňuje oddělit od sebe aproximace a detaily signálua pak prostřednictvím prahování očistit signál od šumu popř. signál komprimovat.Schopnost odlišitod sebe aproximace a detaily lze využít i při analýze časových řad. Při waveletovém rozkladu časovéřady aproximace korespondují se systematickou složkou a detaily zase s nesystematickou složkouřady. V kombinaci s Boxovými-Jenkinsovými modely waveletová transformace představuje alternativnínástroj k analýze a prognózování časových řad.Článek je zaměřen na teoretickou základnu tétoproblematiky.
其他摘要：Wavelets are a recent mathematical tool that is used in the signal processing. Wavelet transformationgives possibility to separate approximations and details of a signal and then by using tresholdingto clear noise from the signal or to compress the signal.It is possible to use the ability to distinguish approximations from details by analysis of the time series.The wavelet approximations correspond to the systematic part of the series and the details correspondto the non systematic part of the series by signal processing. The wavelet transformation in combinationwith Box-Jenkins models represents an alternative tool for analysis and prediction in time series.The paper presents the theoretical basis of the corresponding issues.
