- •Самарский государственный университет.
- •Глава 5. Анализ временных рядов. 29
- •Глава 6. Дисперсионный анализ. 34
- •Глава 7. Метод главных компонент 47
- •Глава 8. Факторный анализ 53
- •Глава 1. Математические модели.
- •1.1. Классификация моделей.
- •1.2. Этапы построения математических моделей
- •Глава 2. Корреляционный анализ: вид связи и проверка гипотез.
- •2.1.Коэффициент парной корреляции
- •2.2. Коэффициент детерминации
- •2.3. Статистическая оценка значимости коэффициентов корреляции.
- •2.4. Интервальные оценки для значимых парных коэффициентов корреляции.
- •2.5. Коэффициент корреляции рангов.
- •Решение
- •Глава 3. Регрессионный анализ: парная линейная регрессия.
- •3.1. Общие сведения. Парная линейная регрессия.
- •3.1.1. Функция регрессии
- •3.1.2. Последовательность проведения регрессионного анализа
- •3.1.3. Предпосылки к проведению регрессионного анализа
- •3.2. Метод наименьших квадратов
- •3.2.1. Проверка адекватности модели
- •3.2.2. Проверка значимости параметров модели
- •3.3. Описание типового примера. Алгоритм построения регрессионной модели.
- •3.4. Использование оцененной модели для прогнозирования
- •Глава 4. Множественная линейная регрессия
- •4.1. Корреляционно - регрессионный анализ.
- •4.2. Некоторые нелинейные модели, сводящиеся к линейным
- •4.3. Проверка предпосылок регрессионного анализа
- •1. Проверка нормальности закона распределения ошибок
- •3. Проверка на автокорреляцию случайных ошибок
- •Замечание. Если в модели много незначимых коэффициентов - ее надо упростить, т.Е. Уменьшить число искомых величин b. Если модель неадекватна, ее надо усложнить, т.Е. Добавить новые члены.
- •4.4. Пример решения задачи моделирования с использованием метода наименьших квадратов.
- •4.5. Метод наименьших квадратов (мнк) – общий случай
- •Глава 5. Анализ временных рядов.
- •5.1. Проверка законов распределения.
- •1. Проверка подчинения эмпирического распределения нормальному закону распределения
- •2. Проверка подчинения эмпирического распределения закону распределения Пуассона.
- •5.2. Изучение динамики
- •5.2.1. Средние показатели тенденции динамики
- •5.2.2. Выявление типа тенденции динамики тренда
- •5.2.3. Определение оптимального значения тренда
- •Глава 6. Дисперсионный анализ.
- •Однофакторный дисперсионный анализ.
- •6.2. Применение однофакторного анализа.
- •6.3. Проверка гипотезы об отсутствии влияния факторов на параметр
- •Можно показать [5], что, как и в случае однофакторного анализа, разность
- •Трехфакторный дисперсионный анализ.
- •6.5. Отсеивающие эксперименты и дисперсионный анализ
- •6.6. Рандомизация эксперимента
- •6.7. Определение аналитического вида зависимости параметра от факторов.
- •6.7.1. Матрица планирования
- •Глава 7. Метод главных компонент
- •7.1. Математическая модель метода главных компонент.
- •7.2. Алгоритм метода главных компонент
- •7.3. Нахождение коэффициентов характеристического уравнения
- •Глава 8. Факторный анализ
- •8.1. Модель факторного анализа.
- •8.2. Вращение факторов.
- •8.3. Применение факторного анализа.
- •8.4. Некоторые результаты факторного анализа
- •Приложение 1. Статистические таблицы
- •При числе степеней свободы
- •Критические точки распределения критерия g
- •Значения верхнего предела n2 в зависимости от уровня значимости
Глава 5. Анализ временных рядов.
Методом исследования временных рядов является трендовый анализ, который позволяет выявить тенденцию и решить задачу прогнозирования. Поэтому основная задача, которая рассматривается в этой главе – это задача выявления тренда. Решение задачи состоит из следующих двух этапов:
проверка законов распределения,
изучение динамики.
5.1. Проверка законов распределения.
Рассмотрим первый этап, он состоит из следующих задач:
нахождение математического ожидания, дисперсии и среднеквадратичного отклонения,
исключение выбросов,
нахождение размаха выборки,
нахождение эмпирического распределения,
проверка законов распределения.
Шаг 1. Нахождение математического ожидания, дисперсии и среднеквадратического отклонения.
Вычислим значения математического ожидания, дисперсии и среднеквадратического отклонения по формулам:
, (5.1.1.)
где М[y]- математическое ожидание
– среднее арифметическое от всех значений,
- значение, введённое пользователем,
n– число этих значений,
, (5.1.2)
где D[y] - дисперсия – сумма квадратов разностей между значениями и математическим ожиданием (средним арифметическим),
- значение, введённое пользователем,
n– число этих значений,
-среднее арифметическое от всех значений
, (5.1.3)
где - среднеквадратичное отклонение (корень из дисперсии).
Шаг 2. Исключение выбросов
Для исключения выбросов применим правило трех сигм. Для этого проверяется условие по : если, то- выброс и его следует исключить из выборки.
Получим ряд новых значений, уже без выбросов.
Для новой выборки вновь находим среднеквадратическое отклонение и исключаем выбросы.
Процедуру исключения выбросов повторяем до тех пор, пока все выбросы не будут исключены из выборки.
Шаг 3. Нахождение эмпирического распределения
По новой выборке (новому ряду, без выбросов) находим yмаксимальное иyминимальное. Затем строим размах выборки:
(5.1.4)
Разбиваем выборку на kинтервалов(k = 1 + 3,32 lg n)с шагомy=.Найдем границы каждого интервала и подсчитаем частоту попадания случайной величины () в каждый интервал. Найдем значения относительной частоты по формуле
(5.1.5)
Все полученные результаты занесем в таблицу 5.1.
Таблица 5.1.
Номер нтервала, N |
Интервал, i [ymin, ymin+ y) |
|
|
1 |
начиная с ymin прибавляем к y, строим интервалы |
в этой графе пишем число наблюдений, попавших в данный интервал- частота попадания |
Делим это число наблюдений на число всех значений – плотность частоты |
2 |
… |
.... |
... |
… |
… |
.... |
... |
k |
.... |
.... |
... |
Шаг 4. Проверка законов распределения.
Рассмотрим два закона распределения: нормальный закон распределения и закон распределения Пуассона. Проверим, какому из этих двух законов подчиняется наша выборка.