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 |
Тренд и сезонные составляющие
Оценивание тренда может производиться в параметрической и в непараметрической форме. Выше была рассмотрена процедура выделения тренда в параметрической форме, причем гипотезу о классе возможных моделей удалось выдвинуть на основе априорной информации. Основные параметры периодических составляющих сезонной компоненты обычно удается оценить вместе с параметрами тренда с помощью МНК (или одного из родственных методов), используя преобразования типа C cos (w t + f) = C cos(f)cos(w t) - C sin(f) sin(w t) = = A cos(w t) + B sin(w t). При использовании МНК одно из основных исходных предположений состоит в некоррелированности случайных погрешностей измерений. При анализе временных рядов это предположение, как правило, не выполняется. В инженерной практике корреляциями случайных погрешностей при оценивании тренда и сезонной составляющей приходится пренебрегать. Обычно при этом ссылаются на асимптотические результаты, оправдывающие такую практику. В действительности при конечном размере выборок корреляции погрешностей могут существенно снижать ожидаемую точность оценивания. Процедуры непараметрического оценивания тренда называют сглаживанием. Наибольшее распространение имеют два подхода : локально-полиномиальное сглаживание и экспоненциальное сглаживание. 2.3. Локально-полиномиальное сглаживание При локально-полиномиальном сглаживании ряда { xk }, k = 1 ,..., n задаются двумя параметрами: шириной сглаживающего окна (2 l + 1) и степенью аппроксимирующего полинома р. Для получения сглаженного значения в точке t k берут члены ряда xk - l, xk - l + 1 ,..., xk,..., xk + l и аппроксимируют их по МНК полиномом степени р. Сглаженное значение в точке tk получается как значение этого полинома в точке tk. Сглаженные значения в крайних правых и в крайних левых точках получаются так же, но точка xk уже не является центром окна. Легко доказать, что в вычислительном отношении эта процедура сводится к суммированию членов ряда, попавших в выбранное окно, с весами, которые определены заранее и зависят от параметров l и p. Таблицы таких весов можно найти во всех основных книгах по анализу временных рядов. Эта процедура проиллюстрирована на рис.3, соответствующие сценарии, в том числе программа вычисления весов weights, приведены в Документе 2. 1.
Рис. 2.1. Локально-полиномиальное сглаживание
|
|||||
Последнее изменение этой страницы: 2021-04-05; просмотров: 60; 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 - 18.118.0.240 (0.004 с.) |