Cтраница 2
Такой временной ряд является примером идеального временного ряда для R / S-анализа. Он охватывает длительный период времени и имеет много наблюдений. В следующей главе ситуация будет иной. [16]
Такой временной ряд представляет собой уже случайную функцию дискретного аргумента t ( номера наблюдения), пробегающего всевозможные целые значения. Возникающие здесь случайные функции целочисленного аргумента t часто называются случайными последовательностями. [17]
Если временной ряд содержит тенденцию в форме параболы второго порядка, то для ее устранения можно заменить исходные уровни ряда на вторые разности. [18]
Этот временной ряд рассматривается с целью иллюстрации того, что члены скользящего среднего могут играть в некоторых моделях очень важную роль. График ряда Е2 изображен на рис. За. Поскольку он не содержит ни компонент роста, ни систематических колебаний, необходимо рассмотреть лишь модели типа ARM А. [19]
Получим затем временной ряд для некоторой наблюдаемой х / г ( хп) и посмотрим, удастся ли данное русло найти по временному ряду. Заметим, что именно хороший выбор наблюдаемой делает данный пример простым и избавляет нас от тяжелой процедуры поиска нужной проекции. [20]
Построение временных рядов за значительный период позволяет установить определенные экономические закономерности в хозяйственном развитии. Особое внимание обращается на анализ хозяйственной деятельности за текущий период; он является в то же время и предплановым анализом. Выводы ретроспективного анализа совмещаются с ним и в обобщенном виде используются в плановых расчетах. В связи с тем, что плановая работа опережает отчетную за текущий период, возникает необходимость предпланового анализа, изучение ожидаемого выполнения плана производится, как правило, за IV квартал. [21]
ДПФ временного ряда, усеченного посредством прямоугольной выделяющей функции, не требующей фактически умножения. Более подробное обсуждение этих вопросов вынесено в раздел о трудностях, возникающих при практическом использовании ДПФ. [22]
Модели временных рядов, как правило, могут быть выведены, если есть, по крайней мере 30 наблюдений, а с ростом числа наблюдений ошибка оценки уменьшается. [23]
Сглаживание временных рядов производится различными способами. [24]
Анализ временных рядов включает в себя очень широкий спектр проблем. [25]
Анализ временных рядов и случайных последовательностей применяется в тех случаях, когда требуется оценить поведение показателя качества во времени. [26]
Сглаживание временных рядов методами гармонического анализа основано на использовании формул Фурье. [27]
Анализ временных рядов - одна из ветвей математической статистики, представляющая ярко выраженное практическое направление. Можно утверждать, что не существует такой области деятельности, имеющей дело с наблюдениями или измерениями, в которой не использовались бы методы анализа временных рядов. [28]
Прогнозирование временных рядов является инструментом для определения тенденций изменения атрибутов рассматриваемых объектов с течением времени. Анализ поведения временных рядов позволяет прогнозировать значения исследуемых характеристик. [29]
Анализ временных рядов необходим для учета временных колебаний величины продаж товара. Он включает анализ тенденций ( экстраполяция трендов), анализ цикличности и анализ сезонности. [30]