Cтраница 4
Уп можно охарактеризовать парой ( г, т), где г - значение последнего наблюдения Yn, a т т0 п характеризует число проведенных наблюдений. [46]
АДАПТИВНЫЕ МЕТОДЫ ПРИ КРАТКОСРОЧНОМ ПРОГНОЗИРОВАНИИ заключаются в наиболее широком использовании информации, содержащейся в последних наблюдениях. Эта информация позволяет корректировать параметры принятой модели, т.е. модель адаптируется к изменившимся условиям. Прогнозирование с помощью адаптивных методов дает хорошие результаты в малых промежутках времени. [47]
Разница между начальным и конечным положениями конденсатора изменяет величину Vn почти на 3 %; так как последние наблюдения соответствуют установившемуся тепловому состоянию и не дают систематического хода, то правильнее будет исходить из значения Fre - 2.020 4, даваемого последними семью измерениями. [48]
На всяком шаге процесса выбора после того, как сделано хотя бы одно наблюдение, состояние статистика задается значением х последнего наблюдения и числом j наблюдений, оставшихся до-момента обязательного прекращения выбора. [49]
На каждом шаге процесса выбора информация статистика характеризуется тройкой ( г, i, т), где г - значение последнего наблюдения, а и и т - среднее и мера точности текущего апостериорного распределения параметра W. Таким образом, если процесс выбора заканчивается, г представляет собой выигрыш статистика без учета стоимости проведенных наблюдений. Как мы уже замечали, сумма, истраченная на наблюдения, не влияет на решение статистика о том, продолжать или нет процесс выбора. [50]
Схема СС-моделей обеспечивается путем вычисления взвешенных средних всех предыдущих значений, причем весовые коэффициенты, как правило, убывают по мере удаления от последнего значения ряда, т.е. последним наблюдениям придается большее значение или больший вес. [51]
По этому методу, если в результате резких изменений показателя применяемый прогностический метод становится неудовлетворительным, значение следящего контрольного сигнала автоматически увеличивается, вследствие чего ббльший вес придается последним наблюдениям, а прогноз переходит на новый уровень среднего. После того как система перестроилась на новый уровень, значение Tt автоматически уменьшится и прогнозы станут менее чувствительны к изменению данных. Метод адаптивной скорости реакции значительно быстрее приспосабливается к резким колебаниям показателя, чем простейший метод экспоненциального сглаживания ( рис. 5.3), и может с успехом применяться и для прогнозирования сезонной и трендовой компоненты. [52]
Во-вторых, в любой момент / 0 график р ( х, t) - колоколообразная кривая с максимумом при х 0; это означает, что наиболее вероятным местом нахождения частицы всегда оказывается то, где она находилась в момент последнего наблюдения. [53]
Движение цен, начавшееся от одной из границ полосы, обычно достигает противоположной границы. Последнее наблюдение полезно для прогнозирования ценовых ориентиров. [54]