- •Оглавление
- •1 Исходные данные
- •2 Оценка моментных функций
- •3 Построение моделей Модели ar(m).
- •Модели ma(n).
- •Модели arma(m,n)
- •4 Моделирование сп.
- •Анализ лучших моделей.
- •Заключение.
- •Список использованных источников.
- •Приложение а. Код программы на языке Java se.
- •Приложение б. Код программы на языке Scilab.
2 Оценка моментных функций
Дана выборка иззначений стационарного в широком смысле эргодического случайного процесса. Оценим его моментные функции.
Выборочное среднее – оценка математического ожидания, рассчитывается по формуле
Где – соответствующие компоненты вектора,
–объем выборки.
Формула для расчета несмещенной выборочной дисперсии имеет вид
где – выборочное среднее.
В соответствие с оценкой дисперсии формула для оценки нормированной корреляционной функции имеет вид:
где – выборочная несмещенная дисперсия,
–выборочное среднее,
–объем выборки.
Радиус корреляции случайного процесса рассчитывается по формуле:
Изобразим графически на рисунке 1 фрагмент исходного случайного процесса:
Рисунок 1 – фрагмент исходного случайного процесса.
Вычисленные моментные функции показаны в таблице 1:
Таблица 1 – Статистика по исходной выборке
Максимальное значение в выборке |
126.934 | ||||
Минимальное значение в выборке |
-28.269 | ||||
Выборочное среднее |
49.947 | ||||
Выборочная дисперсия |
420.8077 | ||||
Радиус корреляции |
10 | ||||
Выборочная нормированная корреляционная функция: | |||||
1.0000 |
0.5881 |
-0.1595 |
-0.6378 |
-0.4615 | |
0.1273 |
0.5032 |
0.3591 |
-0.1067 |
-0.3977 | |
-0.2765 |
0.0926 |
0.3229 |
0.2212 |
-0.0746 |
Рисунок 2 - Оценка нормированной корреляционной функции.
3 Построение моделей Модели ar(m).
Построим модели авторегрессии AR(M) = ARMA(M, 0) порядков M = 1, 2, 3.
Здесь – значение k-ого элемента выходной последовательности модели авторегрессии M-ого порядка, ,– коэффициенты системы уравнений, -входная некоррелированная случайная последовательность с нулевым математическим ожиданием и единичной дисперсией.
Коэффициенты для данной модели найдем из системы уравнений Юла–Уокера.
Для модели AR(3):
Для модели AR(2):
Для модели AR(1):
где – значения корреляционной функции в точке .
Найденные коэффициенты моделей AR(M) запишем в таблицу 2.
Таблица 2 – коэффициенты моделей AR(M)
Порядок модели |
Коэффициенты модели AR(M)
|
1 |
0.5881 |
|
|
16.5908 | |||
2 |
1.0425 |
- 0.7726 |
|
10.5326 | |||
3 |
0.9923 |
- 0.7050 |
- 0.0649 |
12.0546 |
Здесь же проверим устойчивость полученных моделей AR(М)
модель ARMA (0,N) = MA (N) устойчива всегда,
модель ARMA (1,N) устойчива только, если
модель ARMA (2,N) устойчива только, если
модель ARMA (3,N) устойчива только, если
Проведя расчеты, было выяснено, все модели являются устойчивыми.
Теперь найдем первые 10 теоретических значений НКФ для полученных моделей AR(M).
Таблица - 3 теоретические НКФ.
AR(1) |
AR(2) |
AR(3) | ||
0.5881 |
0.5881 |
0.5881 |
0.5881 | |
0.3459 |
-0.1595 |
-0.1595 |
-0.1595 | |
0.2034 |
-0.6206 |
-0.6378 |
-0.6378 | |
0.1196 |
-0.5238 |
-0.5587 |
-0.4615 | |
0.0703 |
-0.0665 |
-0.0944 |
0.1273 | |
0.0414 |
0.3353 |
0.3415 |
0.5032 | |
0.0243 |
0.4010 |
0.4418 |
0.3591 | |
0.0143 |
0.1590 |
0.2038 |
-0.1067 | |
0.0084 |
-0.1441 |
-0.1314 |
-0.3977 | |
0.0049 |
-0.2730 |
-0.3028 |
-0.2765 | |
Погрешности: |
1.8881 |
0.2066 |
0.2593 |
|
Погрешность модели мы считали по следующей формуле:
Здесь – это выборочная нормированная корреляционная функция, а – подсчитанная теоретическая корреляционная функция.
Таким образом видим, что среди всех моделей AR(M) лучшая модель AR(2).