Заглавная страница Избранные статьи Случайная статья Познавательные статьи Новые добавления Обратная связь КАТЕГОРИИ: АрхеологияБиология Генетика География Информатика История Логика Маркетинг Математика Менеджмент Механика Педагогика Религия Социология Технологии Физика Философия Финансы Химия Экология ТОП 10 на сайте Приготовление дезинфицирующих растворов различной концентрацииТехника нижней прямой подачи мяча. Франко-прусская война (причины и последствия) Организация работы процедурного кабинета Смысловое и механическое запоминание, их место и роль в усвоении знаний Коммуникативные барьеры и пути их преодоления Обработка изделий медицинского назначения многократного применения Образцы текста публицистического стиля Четыре типа изменения баланса Задачи с ответами для Всероссийской олимпиады по праву Мы поможем в написании ваших работ! ЗНАЕТЕ ЛИ ВЫ?
Влияние общества на человека
Приготовление дезинфицирующих растворов различной концентрации Практические работы по географии для 6 класса Организация работы процедурного кабинета Изменения в неживой природе осенью Уборка процедурного кабинета Сольфеджио. Все правила по сольфеджио Балочные системы. Определение реакций опор и моментов защемления |
Сглаживание временного ряда методом скользящего среднего П 7 ⇐ ПредыдущаяСтр 5 из 5
Одним из методов выделения тренда является сглаживание временного ряда с помощью скользящего среднего. Метод состоит в замене уровней ряда динамики средними арифметическими- за определенный интервал (окно сглаживания), длина которого определена заранее. При этом сам выбранный интервал времени «скользит» вдоль ряда. Например, при к=2, 2к+1=5 Получаемый таким образом ряд скользящих средних ведет себя более гладко, чем исходный ряд, из-за усреднения отклонений ряда. В результате сглаживания получается ряд с меньшим количеством уровней, так как крайние значения теряются. Аналитическое выравнивание временного ряда – построение аналитической функции, характеризующей зависимость элементов ряда от времени, или тренда. Для построения тренда используются функции: § линейная § гипербола § экспонента § степенная функция § парабола второго и более высоких порядков § другие виды функций Аналитическое выравнивание временного ряда. Метод наименьших квадратов. П 7 Параметры трендов определяются обычным МНК, в качестве независимой переменной выступает время t=1, 2,…, n, а в качестве зависимой переменной – фактические уровни временного ряда yt. Для нелинейных трендов предварительно проводят стандартную процедуру их линеаризации. При аналитическом выравнивании динамического ряда возникает проблема, связанная с выбором функции тренда. Подбор выравнивающей кривой может осуществляться на основе заранее заданных критериев. Способы определения типа тенденции: § качественный анализ изучаемого процесса; § построение и визуальный анализ графика зависимости уровней ряда от времени; § расчет некоторых основных показателей динамики; § вычисление коэффициентов автокорреляции разного порядка; § перебор основных форм тренда и выбор уравнения тренда по максимальному значению коэффициента детерминации; § метод конечных разностей. Метод наименьших квадратов В большинстве экспериментальных данных, задаваемых с помощью табличной функции, имеется достаточно большой разброс точек. При этом использование кусочной или непрерывной интерполяции не всегда оправдано, поскольку ставится задача исследовать общую тенденцию изменения физической величины.
В этом общем случае аппроксимации искомая кривая не обязательно должна проходить через заданные точки. Рассмотрим рис. 1, отражающий большой разброс точек. В простейшем случае будем искать аппроксимирующую функцию ф(х) в виде полинома первой степени (прямой): Рис. 1. Аппроксимация Таким образом, данная система точек группируется вокруг искомой прямой. Эту прямую легко провести на глаз так, чтобы она наиболее близко подходила к исходным точкам. Однако можно найти уравнение прямой более строгими математическими методами. Метод наименьших квадратов наиболе часто используют для решения контрольных по эконометрике для нахождения параметров уравнений (линий, степенной функции, гиперболы и т.д.) Пусть общее количество точек равно n. Отклонение i-й точки от искомой прямой: Как видно из рис. 2, отклонения могут быть как положительными, так и отрицательными. Поэтому для того, чтобы определить близость искомой функции к табличным точкам, необходимо составить сумму квадратов всех отклонений.
|
|||||
Последнее изменение этой страницы: 2017-02-07; просмотров: 268; Нарушение авторского права страницы; Мы поможем в написании вашей работы! infopedia.su Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. Обратная связь - 18.189.2.122 (0.005 с.) |