Временной ряд как совокупность значений какого-либо показателя за несколько последовательных моментов или периодов времени. Основные свойства коэффициента автокорреляции. Сущность метода наименьших квадратов. Расчет линейного уравнения регрессии.
При низкой оригинальности работы "Анализ модели временного ряда, в которой на тренд накладывается случайная составляющая, образующая случайный стационарный процесс", Вы можете повысить уникальность этой работы до 80-100%
Почти в каждой области встречаются явления, которые интересно и важно изучать в их развитии и изменении во времени. Совокупность существующих методов анализа таких рядов наблюдений называется анализом временных рядов. Основной чертой, выделяющей анализ временных рядов среди других видов статистического анализа, является существенность порядка, в котором производятся наблюдения. Природа ряда и структура порождающего ряд процесса могут предопределять порядок образования последовательности. Цель работы состоит в получении модели для дискретного временного ряда во временной области, обладающей максимальной простотой и минимальным числом параметров и при этом адекватно описывающей наблюдения. Кроме того, временные ряды, связанные с экономикой , часто обладают заметными сезонными, или периодическими , компонентами; эти компоненты могут меняться во времени и должны описываться циклическими статистическими (возможно, нестационарными) моделями. Имеется Т чисел, представляющих собой наблюдение некоторой переменной в Т равноотстоящих моментов времени. В этой модели наблюдаемый ряд рассматривается как сумма некоторой полностью детерминированной последовательности {f(t)}, которую можно назвать математической составляющей, и случайной последовательности {ut}, подчиняющейся некоторому вероятностному закону. В этом случае её называют «функцией регрессии». Корреляционную зависимость между последовательными уровнями временного ряда называют автокорреляцией уровней ряда. Количественно её можно измерить с помощью линейного коэффициента корреляции между уровнями исходного временного ряда и уровнями этого ряда, сдвинутыми на несколько шагов во времени. Для некоторых временных рядов, имеющих сильную нелинейную тенденцию (например, параболу второго порядка или экспоненту), коэффициент автокорреляции уровней исходного ряда может приближаться к нулю. В связи с этим коэффициент автокорреляции уровней и автокорреляционную функцию целесообразно использовать для выявления во временном ряде наличия или отсутствия трендовой компоненты и циклической, сезонной компоненты. 1.3 Моделирование тенденции временного ряда Одним из наиболее распространенных способов моделирования тенденции временного ряда является построение аналитической функции, характеризующей зависимость уровней ряда от времени, или тренда. Нашей задачей является нахождение такой простой математической формулы, которая давала бы возможность вычислить теоретические уровни.
Вы можете ЗАГРУЗИТЬ и ПОВЫСИТЬ уникальность своей работы
