- •В.В. Нешитой
- •Методы статистического анализа
- •На базе
- •Обобщенных распределений
- •Предисловие
- •Введение
- •I. Случайные события и их вероятности
- •1.1. Случайные события. Испытания. Относительная частота и вероятность
- •1.2. Виды случайных событий
- •1.3. Определения вероятности
- •1.4. Основные формулы комбинаторики
- •II. Основные теоремы теории вероятностей
- •2.1. Теорема сложения вероятностей (несовместных событий)
- •2.2. Теорема умножения вероятностей (независимых событий)
- •2.3. Формула полной вероятности
- •2.4. Теорема гипотез (формула Бейеса)
- •III. Дискретные случайные величины
- •3.1. Закон распределения вероятностей дискретной случайной величины
- •3.2. Числовые характеристики дискретной случайной величины
- •3.2.1. Математическое ожидание
- •3.2.2. Свойства математического ожидания
- •3.2.3. Дисперсия дискретной случайной величины
- •3.2.4. Свойства дисперсии
- •3.2.5. Среднее квадратическое отклонение
- •3.2.6. Одинаково распределенные взаимно независимые случайные величины
- •3.2.7. Моменты (начальные, центральные) дискретной случайной величины
- •4.2. Плотность распределения
- •4.3. Числовые характеристики непрерывных случайных величин
- •4.4. Примеры непрерывных распределений
- •4.4.1. Нормальный закон
- •5.2. Статистическое распределение выборки. Полигон. Гистограмма. Эмпирическая функция распределения
- •5.3. Статистические оценки параметров. Точность оценки, доверительная вероятность (надежность)
- •5.4. Метод моментов для точечной оценки параметров распределения
- •5.5. Метод наибольшего правдоподобия
- •VI. Обобщенные распределения. Системы непрерывных распределений
- •6.1. Методы построения обобщенных распределений
- •6.2. Построение системы непрерывных распределений методом обобщения
- •6.3. Классификация обобщенных распределений
- •Распределения группы а
- •Распределения группы б
- •Группа симметричных распределений
- •6.4. Распределения функций случайного аргумента
- •6.5. Три основные и три дополнительные системы непрерывных распределений в. Нешитого
- •VII. Оценивание параметров обобщенных распределений. Критерии для классификации кривых. Центральная предельная теорема
- •7.1. Метод наименьших квадратов
- •Значение функции распределения f(tc)
- •7.2. Метод наибольшего правдоподобия
- •7.3. Классический метод моментов
- •7.3.3. Симметричные распределения Ic-iiIc типов
- •7.3.4. Критерии для классификации кривых по методу моментов
- •7.4. Универсальный метод моментов
- •7.4.1. Законы распределения суммы независимых случайных величин
- •7.4.2. Центральная предельная теорема для трех систем непрерывных распределений
- •7.4.3. Законы распределения среднего выборочного
- •7.5. Общий устойчивый метод
- •VIII. Выравнивание и прогнозирование статистических распределений
- •8.1. Выбор системы непрерывных распределений для выравнивания статистических распределений
- •8.2. Построение выравнивающей кривой распределения по статистическим данным
- •8.2.1. Выравнивание по классическому методу моментов
- •8.2.2. Выравнивание по универсальному методу моментов
- •8.2.3. Выравнивание по общему устойчивому методу
- •8.2.4. Выравнивающее распределение суммы независимых случайных величин
- •8.2.5. Выравнивающее распределение среднего выборочного
- •8.3. Прогнозирование распределений
- •8.3.1. Первая система непрерывных распределений
- •8.3.2. Вторая система непрерывных распределений
- •Распределение населения страны по среднедушевому совокупному доходу, в % к итогу
- •8.3.3. Показатели стабильности и качества выборки
- •Iх. Статистический анализ точности и стабильности технологических процессов на базе обобщенных распределений
- •9.1. Показатели состояния технологического процесса
- •9.2. Пример статистической обработки результатов замера контролируемого параметра по программе
- •Контрольный листок Деталь №_____(название) ø50 мм ±0,012 Точность си 0,002 Дата________ Время_______
- •Отклонения от номинального размера детали «nn» ø50 ±0,012
- •Показатели статистического распределения ( )
- •9.3. Экономическая эффективность применения обобщенных распределений
- •9.4. Особенности применения статистических методов в области строительства
- •Х. Надежность как особый критерий качества
- •10.1. Некоторые показатели надежности для невосстанавливаемых объектов
- •Плотность распределения отказов
- •Интенсивность отказов
- •Гамма-процентный ресурс
- •10.2. Вычисление показателей надежности по обобщенным распределениям
- •Результаты наблюдений о наработке до отказа двигателей панелевозов (ti – пробег до отказа в тыс. Км.; mi – число панелевозов, имеющих наработку ti)
- •Показатели статистического распределения (snr2v97)
- •Логарифмическое распределение типа 1.1 с параметрами
- •XI. Временные (динамические) ряды
- •11.1. Методы выделения тренда
- •11.2. Построение кривых роста для выравнивания временных рядов
- •11.2.1. Построение кривых роста с заданными свойствами
- •11.2.2. Метод обобщения
- •11.2.3. Кривые роста на базе обобщенных распределений
- •11.3. Оценивание параметров кривых роста
- •11.3.1. Уравнение прямой
- •11.3.2. Экспонента
- •11.3.3. Обобщенная кривая роста
- •11.4. Прогнозирование временных рядов
- •11.4.1. Параметрический метод прогнозирования
- •11.4.2. Непараметрический метод прогнозирования
- •Заключение
- •Номограмма для установления типа выравнивающего распределения и нахождения оценок параметров k, u по методу моментов
- •Номограмма для установления типа выравнивающего распределения и нахождения оценок параметров k, u по общему устойчивому методу
- •Значения квантили в зависимости от уровня вероятности и числа степеней свободы r
- •Приложение 5
- •Литература
- •Содержание
11.1. Методы выделения тренда
Выделение тренда представляет собой весьма трудную и в то же время очень важную задачу, поскольку ее решение позволяет осуществлять прогноз, при этом случайная составляющая временного ряда используется для оценки точности прогноза.
В настоящее время известны два метода выделения тренда. Первый метод заключается в том, что по эмпирическим данным временного ряда подбирается выравнивающая кривая (математическая модель), которая с наибольшей точностью описывает временной ряд. При этом в качестве математических моделей используются различные функции: уравнения прямой и экспоненты, парабола (квадратная, кубическая и более высоких степеней), логистическая кривая, кривая Гомпертца и др. При выбранной математической модели оценки ее параметров на основании эмпирических данных вычисляются по методу наименьших квадратов.
Второй метод выделения тренда заключается в сглаживании ряда по методу скользящей средней. При этом обычно находят среднее значение трех (или пяти) первых членов, далее берутся следующие три члена со смещением на единицу и находится среднее. Таким образом удается уменьшить случайную составляющую.
Сглаживание можно осуществить один или несколько раз (желательно от 1 до 3). В случае сглаживания по прямой используются формулы
(11.1.1)
Первая формула предназначена для сглаживания средних членов ряда, вторая и третья – для сглаживания начального и конечного членов ряда.
Следует отметить, что множество математических моделей, обычно используемых на практике, не гарантирует установления подходящей выравнивающей кривой. Некоторые из них дадут близкие, но недостаточно точные результаты.
Обойти эти трудности (по крайней мере частично) можно путем разработки более гибкой системы выравнивающих кривых.
Для того чтобы иметь представление, какие математические модели требуется разработать, необходимо знать свойства исследуемых временных рядов, которые проявляются в таких характеристиках, как скорость роста, темп роста и темп прироста. Математические модели тоже должны обладать такими же свойствами.
Пусть тренд задается общей формулой
.
Этот тренд в каждой точке t имеет скорость роста, которая равна первой производной
.
Мгновенный темп прироста задается формулой
.
Скорость роста и мгновенный темп прироста связаны соотношениями
.
Мгновенный темп роста равен
.
11.2. Построение кривых роста для выравнивания временных рядов
11.2.1. Построение кривых роста с заданными свойствами
Пусть имеется некоторый временной ряд. Как правило, он задается таблицей, в которой приводятся моменты времени t и соответствующие им значения уровней ряда . Требуется построить его математическую модель. Для этого необходимо исследовать свойства статистического временного ряда.
Вычислим темпы прироста и построим график зависимости . Рассмотрим два случая.
Случай 1. Пусть темп прироста колеблется около некоторого постоянного значения α. Приравнивая эмпирический темп прироста теоретическому мгновенному темпу прироста, можем записать следующее дифференциальное уравнение
.
Отсюда имеем
Здесь при t = 0.
Таким образом, постоянному темпу прироста удовлетворяет показательная функция (экспонента).
Случай 2. Пусть темп прироста изменяется по прямой. Тогда
.
Решая это дифференциальное уравнение, найдем
.