Временные ряды

Cтраница 1

Временные ряды делятся на два важнейших класса - стационарные и нестационарные. Ряд называется стацио-нарым, если находится в статистическом равновесии, то есть вероятностные характеристики ряда во времени не изменяются. Иными словами, случайная функция стационара - если ее математическое ожидание и дисперсия имеют одинаковые значения во всех точках временной оси. [1]

Временные ряды, порождаемые такой генерацией, служат источником резкого увеличения результирующей информации. При такой технологии малые по объему изменения исходной информации приводят к необходимости анализа новых результатов расчета в полном объеме. [2]

Временные ряды, которые встречаются в практике промыс-лово-геологических исследований, являются дискретными или непрерывными. Примерами дискретных рядов могут служить распределения пород по признаку коллектор - неколлектор или литологических типов пород ( арифметизированных определенным образом) в разрезе скважины. Примерами непрерывных рядов служат показания геофизических приборов, регистрирующих изменение физических свойств пород в процессе каротажа. Другая, более существенная особенность временных рядов в геологии определяется тем, что они получаются в результате запланированного эксперимента. Это в принципе дает возможность, как и в технике, повторить эксперимент при аналогичных условиях, с тем, чтобы проверить справедливость анализа временных рядов. [3]

Временные ряды отражают колебания какой-либо переменной на промежутке времени. Например, данные о цене акции, обменном курсе валюты или уровне индекса за каждый день ( неделю или месяц) в течение двух лет будут ежедневным ( еженедельным или ежемесячным) временным рядом. [4]

Временные ряды называются белым шумом, если лежащая в их основе переменная имеет среднюю, равную нулю, постоянную дисперсию и нулевую корреляцию последовательных наблюдений, т.е. нулевую автокорреляцию. [5]

Временные ряды, как правило, зависимы по времени, поэтому алгоритмы обнаружения должны учитывать и использовать эту статистическую зависимость. [6]

Временные ряды: одномерные и многомерные. [7]

Временные ряды, зависящие от нескольких переменных. [8]

Прогнозирование объема продаж велосипедов. [9]

Временные ряды помимо простой экстраполяции могут использоваться также в целях более глубокого прогнозного анализа - например, объема продаж. Целью анализа в данном случае является разложение временного ряда продаж на главные компоненты, измерение эволюции каждой составляющей в прошлом и ее экстраполяция на будущее. В основе метода лежат идеи стабильности причинно-следственных связей и регулярности эволюции факторов внешней среды, что и делает возможным использование экстраполяции. [10]

Временные ряды могут становиться ненадежной основой для разработки прогнозов по мере того, как экономика приобретает все более международный характер и все в большей степени подвергается крупной технологической перестройке. В связи с этим необходимо в первую очередь развивать способности предвидения, что подразумевает хорошее знание ключевых факторов и оценку чувствительности организации к внешним угрозам. [11]

Временные ряды - группа методов, позволяющих производить экстраполяцию данных предыдущих периодов на будущее. [12]

Временные ряды позволяют судить о динамике развития, структурных сдвигах и др. Например, резкое падение продолжительности жизни, рост смертности ( в том числе детской и лиц трудоспособного возраста) в обобщающем виде свидетельствуют о снижении качества жизни в стране, а значит, и социальной эффективности. [14]

Персистентные временные ряды являют собой более интересный класс, так как оказалось, что они не только в изобилии обнаруживаются в природе, - это открытие принадлежит Херсту, - но и свойственны рынкам капитала. Однако, что выступает причиной персистентности. Почему ряды обладают эффектом памяти. [15]

Страницы: 1 2 3 4