- •4.1. Метод наименьших квадратов
- •4.2. Простая линейная регрессия
- •4.3. Простая нелинейная регрессия
- •4.4. Регрессия, нелинейная относительно параметров
- •4.5. Примеры решения задач
- •5. Временные ряды
- •5.1. Определения
- •5.2. Постановка задач сглаживания и прогноза
- •5.3. Решение задач сглаживания и прогноза методом наименьших квадратов
- •Пример выполнения задания 1
- •Программа
- •Результаты работы программы
- •Пример выполнения задания 2
- •Пример выполнения задания 1
- •Результаты работы программы
- •Пример выполнения задания 2
- •Результаты работы программы
- •Обработка экспериментальных данных на эвм Учебное пособие
- •Редакционно-издательский отдел гоувпо «Комсомольский-
- •681013, Комсомольск-на-Амуре, пр. Ленина, 27.
- •681013, Комсомольск-на-Амуре, пр. Ленина, 27.
5. Временные ряды
Временной ряд – это числовая последовательность, характеризующая изменение явления во времени. Другими словами, временной ряд, ряд динамики, хронологический ряд, динамический ряд – это упорядоченная по времени последовательность числовых значений: y1, y2,…, yn. Временной ряд включает последовательность значений времени t1, t2,…, tn и последовательность измерений значений переменной в эти моменты времени: y1, y2,…, yn. Значение yi называют i-тым уровнем временного ряда. Таким образом, уровень временного ряда – это отдельное наблюдение временного ряда.
Многие явления в окружающем нас мире можно интерпретировать как временные ряды: изменение курса доллара, изменение цен и спроса на продукцию или сырьё, изменение уровня воды в реке и т.д.
Рекомендуемая литература: /3, 5, 6/.
5.1. Определения
Выделяют интервальные и моментные временные ряды. Интервальные временные ряды – это такие временные ряды, в которых каждый уровень характеризует величину изучаемого явления за соответствующий интервал времени. Например, объем выпущенной продукции по месяцам года, объем продаж по дням и т.д. В моментных временных рядах каждый уровень временного ряда отражает величину изучаемого явления на определенный момент времени. Например, численность населения на 01 января 2000 года, запас продовольствия на такое-то число и т.д. Отличие моментных рядов от интервальных заключается в том, что сумма уровней интервального ряда является некоторым реальным показателем – общий выпуск продукции за год, объем продаж за месяц, год и т.д. Сумма уровней моментного ряда реального содержания, как правило, не имеет /5/.
Пример. Временной ряд, составленный из значений курса доллара в определенные дни – это моментный временной ряд.
Часто рассматриваются временные ряды, в которых измерения производятся через равные моменты времени.
Для характеристики временных рядов вводятся следующие показатели: абсолютный прирост, коэффициент роста, темпы роста, коэффициент прироста, темп прироста. Когда i-тый уровень временного ряда yi сравнивается с начальным уровнем ряда y1, получаем базисные показатели. Если же yi сравнивается с yi-1 (текущий уровень сравнивается с предыдущим), то получаем цепные показатели.
Абсолютный прирост i
(базисный), (цепной).
Коэффициент роста Кi(р)
(базисный), (цепной).
Темп роста Тi(р)
(базисный), (цепной).
Коэффициент прироста Кi(пр)
, .
(базисный), (цепной).
Темп прироста Тi(пр)
(базисный), (цепной).
5.2. Постановка задач сглаживания и прогноза
Всякий временной ряд теоретически может быть представлен в виде суммы составляющих yi = f(ti) + i + i, где f(t) – некоторая функция, называемая трендом, i - циклические (периодические) колебания, в том числе сезонные, i – случайные отклонения. Сезонные колебания – это возрастание или убывание уровней ряда, повторяющиеся регулярно с определенным интервалом (например, потребление топлива и электроэнергии, сезонная продажа товаров и т.д.). В дальнейшем мы не будем рассматривать влияние сезонных колебаний, т.е. будем полагать, что yi = f(ti) + i. Полагаем, что i – независимые нормально распределенные случайные величины с нулевым математическим ожиданием (Mi = 0) и дисперсией Di = i2 = i.
Одной из важных задач анализа временных рядов является выделение тренда, т.е. построение функции g(t), которая достаточно близка к f(t). Эту задачу называют задачей сглаживания.
Задача сглаживания. Задача сглаживания заключается в построении функции g(t), которая приближает неизвестный нам тренд f(t) на основании имеющегося у нас временного ряда (ti, yi), 1 i n.
Задача прогноза. По имеющимся значениям уровней временного ряда (ti, yi), 1 i n предсказать значения временного ряда (tn+1, yn+1), (tn+2, yn+2),…, (tn+p, yn+p).
Отметим, что при решении задачи прогноза сначала, как правило, решается задача сглаживания, а затем, используя тренд, строится прогноз. Функцию f(t) выбирают таким образом, чтобы она давала содержательное объяснение изучаемого процесса /5/.