КАТЕГОРИИ:
Архитектура-(3434)Астрономия-(809)Биология-(7483)Биотехнологии-(1457)Военное дело-(14632)Высокие технологии-(1363)География-(913)Геология-(1438)Государство-(451)Демография-(1065)Дом-(47672)Журналистика и СМИ-(912)Изобретательство-(14524)Иностранные языки-(4268)Информатика-(17799)Искусство-(1338)История-(13644)Компьютеры-(11121)Косметика-(55)Кулинария-(373)Культура-(8427)Лингвистика-(374)Литература-(1642)Маркетинг-(23702)Математика-(16968)Машиностроение-(1700)Медицина-(12668)Менеджмент-(24684)Механика-(15423)Науковедение-(506)Образование-(11852)Охрана труда-(3308)Педагогика-(5571)Полиграфия-(1312)Политика-(7869)Право-(5454)Приборостроение-(1369)Программирование-(2801)Производство-(97182)Промышленность-(8706)Психология-(18388)Религия-(3217)Связь-(10668)Сельское хозяйство-(299)Социология-(6455)Спорт-(42831)Строительство-(4793)Торговля-(5050)Транспорт-(2929)Туризм-(1568)Физика-(3942)Философия-(17015)Финансы-(26596)Химия-(22929)Экология-(12095)Экономика-(9961)Электроника-(8441)Электротехника-(4623)Энергетика-(12629)Юриспруденция-(1492)Ядерная техника-(1748)
Показатели динамики
|
|
|
|
| Базисные | Цепные |
| Абсолютный прирост | |
| Ai=yi-y1 | ai=yi-yi-1 |
| Коэффициент (темп) роста | |
| Li=yi/y1 (*100 %) | li=yi/yi-1 (*100 %) |
| Коэффициент (темп) прироста | |
| Ki=(yi-y1)/y1=Li-1 (*100 %) | ki=(yi-yi-1)/yi-1 =li-1 (*100 %) |
18. Выделение тренда. Сглаживание и выравнивание
Одним из методов выделения тренда является сглаживание временного ряда с помощью скользящего среднего. Метод состоит в замене уровней ряда динамики 
средними арифметическими- 
за определенный интервал (окно сглаживания), длина которого определена заранее. При этом сам выбранный интервал времени «скользит» вдоль ряда.
Например, при к=2, 2к+1=5 и
Получаемый таким образом ряд скользящих средних ведет себя более гладко, чем исходный ряд, из-за усреднения отклонений ряда. Действительно, если индивидуальный разброс значений члена временного ряда около своего среднего значения m характеризуется дисперсией 
, то разброс средней из 2к+1 членов временного ряда около того же значения m будет характеризоваться существенно меньшей величиной дисперсии, равной /(2к+1).
В результате сглаживания получается ряд с меньшим количеством уровней, так как крайние значения теряются.
20. Аналитическое выравнивание временного ряда. Метод наименьших квадратов
При аналитическом выравнивании подбирают математическую функцию, значения которой наиболее близки к уровням выравниваемого ряда. Выравнивание ряда сводится к определению параметров 
функции f(,t). Для этого используется метод наименьших квадратов (МНК).
|
|
|
|
|
Дата добавления: 2015-04-24; Просмотров: 438; Нарушение авторских прав?; Мы поможем в написании вашей работы!