Главная страница
Навигация по странице:

  • Показательная (экспоненциальная) модель

  • При расчёте коэффициентов моделей переходят к центрированной шкале

  • Проверка на нормальность

  • Для проверки гипотезы проверяется выполнение следующих неравенств

  • Проверка на независимость

  • Найдём расчётное значение критерия Дарбина-Уотсона по формуле

  • Пример 2

  • Ряды динамики. Т 6 Ряды динамики. Виды временных рядов


    Скачать 237.05 Kb.
    НазваниеВиды временных рядов
    АнкорРяды динамики
    Дата24.10.2022
    Размер237.05 Kb.
    Формат файлаdocx
    Имя файлаТ 6 Ряды динамики.docx
    ТипДокументы
    #751533
    страница3 из 4
    1   2   3   4

    Линейная модель: 

    Расчёт параметров модели производится по формулам:



    2. Параболическая модель: 

    Расчёт параметров модели производится по формулам:



    3. Показательная (экспоненциальная) модель: 

    Расчёт параметров модели производится по формулам:



    При расчёте коэффициентов моделей переходят к центрированной шкале:

        • в случае нечётного числа наблюдений начало координат (t=0) будет соответствовать уровню ряда с номером   . Все остальные значения строятся с шагом один вверх со знаком « + », вниз со знаком « – »;

        • в случае чётного числа наблюдений уровням ряда с номерами    и    присваиваются значения    и    и далее временная шкала строится с интервалом два, вверх со знаком « + », вниз со знаком « – ».

    Вопрос о возможности применения построенных моделей в целях анализа и прогнозирования явления или процесса может быть решён только проверки адекватности, то есть соответствия модели исследуемому процессу.

    Проверка адекватности выбранных моделей реальному процессу строится на анализе остаточной компоненты: 

    Принято считать, что модель адекватна описываемому процессу, если ряд остатков обладает следующими свойствами:

    Проверка на нормальность распределения ряда остатков осуществляется на основе расчёта коэффициентов асимметрии и эксцесса:

       – коэффициент асимметрии,

      – коэффициент эксцесса.

    Нулевая гипотеза Н0: ряд остатков имеет нормальное распределение,

    Альтернативная гипотеза Н1: ряд остатков не имеет нормального распределения.

    Для проверки гипотезы проверяется выполнение следующих неравенств:



    Если оба неравенства выполняются (верны), то гипотеза Н0 принимается, то есть ряд остатков имеет нормальное распределение. Если хотя бы одно из неравенств неверно, то гипотеза Н0 отвергается, и принимается альтернативная гипотеза Н 1.

    Проверка на независимость ряда остатков осуществляется на основе критерия Дарбина-Уотсона.

    I случай

    Нулевая гипотеза Н0: автокорреляция остатков отсутствует.

    Альтернативная гипотеза Н1: в остатках существует положительная автокорреляция первого порядка.

    Найдём расчётное значение критерия Дарбина-Уотсона по формуле:

     , в этом случае  .
    Расчётное значение критерия сравнивается с табличными значениями    и    (приложение 2):

        • если   , то гипотеза Н0 отвергается в пользу гипотезы Н1;

        • если   , то гипотеза Н0 не отвергается;

        • если   , то нельзя сделать определённого вывода об автокорреляции остатков по имеющимся данным.

    II случай

    Нулевая гипотеза Н0: автокорреляция остатков отсутствует.

    Альтернативная гипотеза Н1: в остатках существует отрицательная автокорреляция первого порядка.

    Найдём расчётное значение критерия Дарбина-Уотсона по формуле:

     , в этом случае   .

    C табличными значениями    и    сравнивается величина   :

        • если   , то гипотеза Н0 отвергается в пользу гипотезы Н1;

        • если   , то гипотеза Н0 не отвергается;

        • если   , то нельзя сделать определённого вывода об автокорреляции остатков по имеющимся данным.

    Важной характеристикой качества модели, выбранной для прогнозирования, является исследование этой модели на точность. Для этого используют ряд показателей:

    1. средняя ошибка аппроксимации   :

    2. средняя квадратическая ошибка    

    Чем меньше s, тем точнее модель.

    Пример 2. В таблице представлены данные об изменении урожайности озимой пшеницы за 9 лет (пример 1):

    t

    1

    2

    3

    4

    5

    6

    7

    8

    9

    yt

    15,3

    17,2

    18,1

    17,6

    17,3

    16,9

    20,9

    18,9

    17,8


    Требуется:

        • построить линейную, параболическую и показательную прогнозные модели;

        • проверить линейную модель на адекватность и точность;

        • найти прогнозные значения урожайности на следующие три года.

    Решение:

    1. Для построения линейной, параболической и показательной моделей (расчёта их параметров) составим сводную таблицу (второй столбец в таблице (t) – центрированная шкала).

    год

    t

    yt

    t2

    yt ·t

    t4

    yt · t2

    lnyt

    (lnyt)·t

    1

    -4

    15,3

    16

    -61,2

    256

    244,8

    2,728

    -10,912

    2

    -3

    17,2

    9

    -51,6

    81

    154,8

    2,845

    -8,535

    3

    -2

    18,1

    4

    -36,2

    16

    72,4

    2,896

    -5,792

    4

    -1

    17,6

    1

    -17,6

    1

    17,6

    2,868

    -2,868

    5

    0

    17,3

    0

    0

    0

    0

    2,851

    0

    6

    1

    16,9

    1

    16,9

    1

    16,9

    2,827

    2,827

    7

    2

    20,9

    4

    41,8

    16

    83,6

    3,04

    6,08

    8

    3

    18,9

    9

    56,7

    81

    170,1

    3,939

    8,817

    9

    4

    17,8

    16

    71,2

    256

    284,8

    2,879

    11,516

    сумма

     

    160

    60

    20

    708

    1045

    25,873

    1,133
    1   2   3   4


    написать администратору сайта