Решение непараметрической задачи восстановления зависимости, которая описывается суммой линейного тренда и периодической функции с известным периодом. Асимптотические распределения параметров и трендовой составляющей, построение интервального прогноза.
Аннотация к работе
Московский государственный технический университет им. Н.Э. Баумана ВОССТАНОВЛЕНИЕ ЗАВИСИМОСТИ МЕТОДОМ НАИМЕНЬШИХ КВАДРАТОВ НА ОСНОВЕ НЕПАРАМЕТРИЧЕСКОЙ МОДЕЛИ С ПЕРИОДИЧЕСКОЙ СОСТАВЛЯЮЩЕЙ Орлов Александр Иванович д.э.н., д.т.н., к.ф.-м.н., профессор г. Москва Аннотация Рассмотрена непараметрическая задача восстановления зависимости, которая описывается суммой линейного тренда и периодической функции с известным периодом. В частности, установлена асимптотическая несмещенность оценки коэффициента линейного члена Ключевые слова: метод наименьших квадратов, непараметрические методы, периодическая составляющая, оценивание, прогнозирование We consider the nonparametric problem of reneval dependence, which is described by the sum of a linear trend and periodic function with a known period. We obtain the asymptotic distribution of the parameter estimates and the trend component. The methods of estimating the periodic component and designing interval forecast. In the model of the points of observation, natural for applications, justified by the conditions of use. In particular, we prove an asymptotically unbiased estimate of the coefficient of the linear term Keywords: method of least squares, nonparametric methods, periodic component, estimatiom, forecasting Метод наименьших квадратов восстановления зависимости - один из наиболее распространенных статистических методов анализа данных. (1) Здесь трендовая составляющая - линейная функция a (tk - ) d (такая запись тренда предпочтительнее для облегчения выкладок); периодическая составляющая f(t) обычно описывает сезонность, т.е период известен (в зависимости от моделируемой ситуации он равен году, неделе, суткам и т.п.); случайная составляющая представлена слагаемыми Ek, которые являются реализациями независимых одинаково распределенных случайных величин с нулевым математическим ожиданием и дисперсией , неизвестной статистику. Метод наименьших квадратов был разработан К. Гауссом в 1794 г. [2]. (6) Условие (6) выполнено, например, если tk образуют (полную, т.е. без пропусков) арифметическую прогрессию, число членов которой безгранично растет. Пример применения непараметрического метода наименьших квадратов в модели с периодической составляющей Обработаем фактические данные ОАО Магнитогорский металлургический комбинат о закупочных ценах на лом черных металлов [3].