- •Теоретическая часть. Временные ряды.
- •Классифицируются временные ряды по следующим признакам:
- •Основные элементы любого временного ряда:
- •Структурный временной ряд и его элементы.
- •Анализ временных рядов. Предворительный анализ и сглаживание.
- •Определение наличия тренда.
- •Сглаживание (выравнивание) временного ряда.
- •Трендовые модели (аналитическое сглаживание).
- •Проверить модель на адекватность.
- •I. Критерий серий
- •Критерий Стьюдента.
- •Критерий Дарбина – Уотсона.
- •Прогнозирование на основе выбранной модели.
Проверить модель на адекватность.
Независимо от вида и способа построения трендовой модели возможность её применения для анализа и прогнозирования может быть решена только после проверки её адекватности и точности. Трендовая модель считается адекватной, если правильно отражает систематические компоненты временного ряда.
Эти требования эквивалентны следующему требованию:
Остаточная компонента (случайная): (исходный временной ряд минус найденная модель – ряд остатков) должна отвечать (соответствовать) следующим условиям (свойствам):
Случайность колебаний уровней ( - случайная величина)
Соответствие распределения случайной компоненты нормальному закону распределения
( - подчиняется нормальному закону распределения)
Равенство математического ожидания случайной компоненты нулю
( – при 2-ом условии = 0)
Независимость значений уровней случайной компоненты (отсутствие автокорреляции)
(уровни – независимые, т.е. внутренняя корреляция отсутствует)
Свойство №1. О случайность колебаний уровней.
I. Критерий серий
Основан на медиане выборки: - медиана выборки
(Расставить ряд в порядке возрастания и найти середину)
Создается новый ряд, состоящий, в основном из + и – :
Если > =>
Если < =>
Если = =>
Получаем серии из плюсов и минусов. Один + => серия количества 1, затем считаем количество серия и обозначаем
Выбираем серию максимальной длины, и обозначаем как K max.
Чтобы модель считалась адекватной и верной, должно выполняться:
Если соответствуют условиям, то с вероятностью наша выборка считается случайной, т.е. гипотеза о случайности выбранных данных будет иметь место.
Если хотя бы одно из условий будет нарушено, модель считается неверной, неадекватной.
II. Критерий поворотных точек (критерий пиков).
Каждый элемент ряда сравниваем с двумя соседними значениями . Если , больше, чем и , то считается максимумом (+).Если , меньше, чем и , то считается максимумом (-).
И в том и в другом случает значение , отличное от других, является поворотной точкой. Общее количество поворотных точек (min и max) обозначается как .
Математическое ожидание числа поворотных точек определяется по таблице или по формуле: .
Дисперсия числа поворотных точек определяется, также, по таблице или по формуле:
При проверяется следующее условие: . Если это условие выполняется, то считается, что выборка случайная и 1ое условие выполнилось, иначе – выборка не случайная и модель не адекватна.
Свойство №2. Проверка соответствия распределения случайной компоненты нормальному закону распределения.
1ый способ. Это свойство может проверяться с помощью показателей асимметрии и эксцесса.
Находятся коэффициенты асимметрии и эксцесса для ряда . Затем для этих коэффициентов находятся дисперсии по формулам:
А далее должно выполняться следующее условие:
Если это условие выполняется, то второе свойство верно и распределение случайной компоненты соответствует нормальному закону распределения.
Если же , модель не адекватна.
2ой способ. Также свойство №2 может проверяться с помощью критерия согласия .
Последовательность действий:
Разбиваем на группы по формуле: , где , соответственно, количество групп (но чаще всего количество групп принимается равным 6, для упрощения расчетов).
Находим размах вариации:
и длину интервала: ,
Затем разбиваем нашу выборку на интервалы:
и т.д. до
После разбиения выборки на интервалы считаем количество значений , попадающих в интервалы (или так, чтобы .
Находим вероятность попадания значений в , при этом считаем, что
Т.к. мы проверяем нормальное распределение, то берем вместо функцию нормального распределения:
После того, как мы нашли все вероятности попадания в интервалы нужно проверить условие: . Если это условие не выполняется, нужно объединять соседние интервалы так, чтобы это условие выполнилось.
Затем находим критерий :
При заданном уровне значимости и числом степеней свободы находим и сравниваем его с .
Если , то основная гипотеза принимается, распределение случайной компоненты соответствует нормальному закону распределения.
Свойство №3. О равенстве математического ожидания случайной компоненты нулю.