Главная страница
Навигация по странице:

  • Статистический прогноз по двум и более точкам

  • Прогнозирование случайных процессов. Прогнозирование случайных процссов. Постановка задачи


    Скачать 102 Kb.
    НазваниеПостановка задачи
    АнкорПрогнозирование случайных процессов
    Дата23.10.2019
    Размер102 Kb.
    Формат файлаdocx
    Имя файлаПрогнозирование случайных процссов.docx
    ТипДокументы
    #91614
    страница3 из 3
    1   2   3
    , е2(∞)= σ2x. Кривая е2(θ) начинается, как аналогичная кривая для прогноза нулевого порядка, и приходит к зна­чению, присущему прогнозу по математическому ожиданию. При этом при любых θ статистический прогноз оказывается лучше обоих предыдущих, так как его е2 (θ) меньше. Это не случайно. Можно показать, что этот прогноз лучше лю­бого другого способа прогнозирования.

    Действительно, зависимость предсказанного значения как условного математического ожидания от последнего отсчета X (t0) представляет собой уравнение регрессии. Выше было показано, что уравнение регрессии является функцией наилучшего среднеквадратичного при­ближения. Следовательно, сечение пучка реализаций, про­ходящих при t0 через точку X (t0) (см. рис. 3, а), будет иметь средний квадрат отклонения относительно точки, предсказанной по (5), меньший, чем относительно любой другой, выбранной по иному, чем (5), правилу. Прогноз (5) является для гауссовых процессов оптимальным.
    Статистический прогноз по двум и более точкам
    Итак, привлечение для прогнозирования все более пол­ной информации о процессе позволяет уменьшить ошибку предсказания. По сравнению с простым переносом и прог­нозом по математическому ожиданию статистический прог­ноз более эффективен именно потому, что использует зна­чения математического ожидания, корреляционной функции и одной точки предыстории. Следует ожидать, что исполь­зование двух или более точек предыстории позволит еще больше повысить эффективность. Так и происходит.

    Пусть теперь систему образуют три случайные величи­ны— сечения X (t2) = Z, X (t0) = Х; X (t0+θ) = Y. Тогда предсказанное значение ус­ловное математическое ожидание сечения X (t0….θ) при условии, что предыдущие отсчеты приняли значения Z= X (t2) и X = X (t0).

    Выражение для предсказанного значения весьма гро­моздко:



    Средний квадрат ошибки растет медленнее, чем в пре­дыдущем случае, но в тех же пределах (см. рис. 1): е2(0) = 0, е2(∞) = σ2.
    Привлекая все новые точки предыстории, можно улуч­шить прогноз, но не беспредельно. С одной стороны, ясно, что предыстория, более удаленная чем на интервал корре­ляции, не поможет делу: отсчет и прогноз окажутся ста­тистически не связанными и информации друг о друге не дадут.

    С другой стороны, слишком «частое» расположение от­счетов внутри интервала корреляции также не имеет смыс­ла: отсчеты будут коррелированы очень сильно и будут пов­торять друг друга — то, что может быть сказано одним из них, уже сказано соседом.

    Существует предел уменьшения средней ошибки прогно­за, превзойти который принципиально невозможно.




    1   2   3


    написать администратору сайта