- •Теория информационных процессов и систем
- •Санкт-Петербург
- •СПбГиэу, 2008 Содержание
- •Введение
- •Лабораторная работа № 1 Кластерный анализ
- •Задача 1. Метод k-средних.
- •Общая логика
- •Вычисления
- •Интерпретация результатов
- •Выполнение работы
- •Шаг 1. Загрузка файла данных
- •Шаг 2. Выбор метода анализа данных
- •Вывод результатов и их анализ
- •Задача 2. Иерархические алгоритмы.
- •Общая логика
- •Иерархическое дерево
- •Меры расстояния
- •Правила объединения или связи
- •Выполнение работы
- •Вывод результатов и их анализ
- •Задача 3.
- •Лабораторная работа № 2 Анализ временных рядов
- •Основные цели
- •Идентификация модели временных рядов
- •Анализ тренда
- •Анализ сезонности
- •Модель арпсс
- •Идентификация
- •Оценивание параметров
- •Оценивание модели
- •Экспоненциальное сглаживание
- •Сезонная и несезонная модели с трендом или без тренда
- •Задача 1. Определение тренда методом скользящих средних. Анализ сезонной составляющей.
- •Выполнение работы
- •Расчет сезонных индексов исходного ряда по аддитивной модели ряда
- •Расчет сезонных индексов исходного ряда по мультипликативной модели ряда
- •Задача 2. Прогнозирование по тренду и сезонной составляющей. Прогнозирование временного ряда методом экспоненциального сглаживания.
- •Выполнение работы
- •Дополнительно:
- •Задача 3.
- •Лабораторная работа № 3 Регрессионный анализ
- •Задача 1. Пошаговая регрессия.
- •Выполнение работы
- •Процедура пошаговой регрессии Backward stepwise:
- •Процедура пошаговой регрессии Forward stepwise:
- •Результаты регрессионного анализа:
- •Дисперсионный анализ:
- •Вычисление предсказанных значений доверительных интервалов:
- •Задача 2. Корреляционный анализ.
- •Выполнение работы
- •Задача 3. Нелинейная регрессия.
- •Выполнение работы:
- •Лабораторная работа № 4 Непараметрические методы математической статистики Основная цель
- •Краткий обзор непараметрических процедур
- •Выбор метода
- •Большие массивы данных и непараметрические методы
- •Задача 1. Таблицы сопряженности 22, статистики , , критерий Макнимара, точный критерий Фишера.
- •Выполнение работы
- •Задача 2. Статистика для сравнения наблюдаемых и ожидаемых частот.
- •Выполнение работы
- •Задача 3. Коэффициенты ранговой корреляции Спирмена и Кендалла.
- •Выполнение работы
- •Задача 4. Критерий серий Вальда-Вольфовица.
- •Выполнение работы:
- •Задача 5. Критерий Манна-Уитни.
- •Выполнение работы:
- •Задача 6. Однофакторный дисперсионный анализ Краскела-Уоллиса и медианный критерий.
- •Выполнение работы:
- •Задача 7. Критерий знаков. Критерий Вилкоксона для связанных пар наблюдений.
- •Выполнение работы:
- •Задача 8. Двухфакторный анализ Фридмана и коэффициент конкордации Кендалла.
- •Выполнение работы:
- •Задача 9. Q-критерий Кокрена.
- •Выполнение работы:
- •Лабораторная работа № 5 Однофакторный дисперсионный анализ
- •Цель дисперсионного анализа
- •Задача 1
- •Выполнение работы:
- •Задача 2
- •Выполнение работы:
- •Задача 3
- •Список литературы
- •Приложение 1 Содержание дисциплины
- •Приложение 2 Пример оформления титульного листа лабораторной работы
Расчет сезонных индексов исходного ряда по аддитивной модели ряда
В диалоговом окне Time series analysis (рис. 2.16) задайте переменную для анализа и нажмите кнопку OK (transformations, autocorrelations, …).
Слева от имени анализируемой переменной стоит значок L в графе Lock, означающий, что переменная закрыта на ключ и не может быть удалена без прерывания анализа.
Для выделения в ряде сезонной компоненты, тренд-циклической компоненты, нерегулярной составляющей выбираем Seasonal decomposition (Census 1).
Рис. 2.16. Диалоговое окно Time series analysis
Модель ряда может быть мультипликативной и аддитивной. Расчет сезонных индексов исходного ряда по аддитивной модели ряда осуществляется следующим образом (рис. 2.17).
Рис. 2.17. Расчет сезонных индексов исходного ряда по аддитивной модели ряда
Вкладка Seasonal model (Сезонная модель): Additive (Аддитивная).
Moving Averages – простые скользящие средние по четырем точкам.
Seasonal Factors – скорректированные сезонные индексы.
Seasonally Adjusted Series – ряд, скорректированный на сезонные индексы, т. е. ряд без сезонной составляющей.
Smoothed Trend Cycle – сглаженная тренд-циклическая составляющая, т. е. результаты сглаживания ряда, скорректированного на сезонные индексы.
Irregular Component – остаточная (случайная) компонента ряда.
Запустим процедуру сезонной декомпозиции, нажав кнопку ОК (Perform seasonal decomposition).
Рис. 2.18. Таблица с результатами сезонной декомпозиции по аддитивной модели ряда
В таблице (рис. 2.18) получаем в первом столбце саму переменную, во втором приведены простые скользящие средние по четырем точкам временного ряда (без центрирования), в четвертом – коррелированные сезонные индексы, в пятом – ряд без сезонной составляющей, в шестом – результаты сглаживания ряда скорректированного на сезонные индексы, в седьмом – остаточная компонента ряда.
Для того чтобы на один график вывести графики нескольких компонент (рис. 2.19), надо отметить их с помощью кнопки Review Multiple Variables.
Рис. 2.19. Графики сезонных компонент
при аддитивной модели ряда
Расчет сезонных индексов исходного ряда по мультипликативной модели ряда
Расчет сезонных индексов исходного ряда по мультипликативной модели ряда осуществляется следующим образом (рис. 2.20).
Вкладка Seasonal model (Сезонная модель): Multiplicative (Мультипликативная).
Moving Averages – простые скользящие средние по четырем точкам.
Seasonal Factors – скорректированные сезонные индексы.
Seasonally Adjusted Series – ряд, скорректированный на сезонные индексы, т. е. ряд без сезонной составляющей.
Smoothed Trend Cycle – сглаженная тренд-циклическая составляющая, т. е. результаты сглаживания ряда, скорректированного на сезонные индексы.
Irregular Component – остаточная (случайная) компонента ряда.
Рис. 2.20. Расчет сезонных индексов исходного ряда по мультипликативной модели ряда
Запустим процедуру сезонной декомпозиции, нажав кнопку ОК (Perform seasonal decomposition).
В таблице (рис. 2.21) получаем в первом столбце саму переменную, во втором приведены простые скользящие средние по четырем точкам временного ряда (без центрирования),в третьем – отношение элементов исходного ряда к скользящему среднему, в четвертом – коррелированные сезонные индексы, в пятом – ряд без сезонной составляющей, в шестом – результаты сглаживания ряда скорректированного на сезонные индексы, в седьмом – остаточная компонента ряда.
Рис. 2.21. Таблица с результатами сезонной декомпозиции по мультипликативной модели ряда
Рис. 2.22. Графики сезонных компонент
при мультипликативной модели ряда
Для получения соответствующих статистик по каждой модели ряда необходимо нажать кнопку Descriptive Statistics в диалоговом окне Ratios-to-Moving Averages Classical Seasonal Decomposition (Census Method 1).
Статистики для аддитивной модели:
Статистики для мультипликативной модели: