Загрузка...

Временные ряды


Последовательность числовых данных, которые отражают динамику изменения исследуемого явления, называют временным рядом, т.е. Временным динамическим рядом назся последов-ть вида: x1, x2, … ,xn. Индекс элемента ряда характеризует момент времени, когда проводятся измерения. Моментом ряда наз-ся такое, каждый уровень которого хар-т размер явления за определенный момент времени. Мы будем рассматривать частный случай временных рядов, когда моменты Читать далее

Характеристики ВР


1. Количество элементов временного ряда n. 2. Средний абсолютный уровень ряда . 3. Средний абсолютный прирост только для монотонных временных рядов .

Проверка гипотезы о существовании тренда


При анализе временных рядов можно выделить следующие компоненты: 1) Случайная компонента (недетерминированная компонента). 2) Неслучайная (детерминированная) компонента.

Критерий Виллиса и Мура.


Пусть есть временной ряд и пусть n>12. Если исследуемый ряд чисто случаен, то знаки разностей чисто случайные величины. H0: Тренд отсутствует H1: Тренд существует

Знаковый критерий Кокса и Стюарта.


Пусть есть временной ряд имеющий n уровней. Делят временной ряд на 3 группы. Количество элементов каждой группы . Если в результате получаем дробное, то округляем до ближайшего целого ? . Выделяют первые n’ элементов временного ряда и последние n’ элементов временного ряда. Вычисляется следующая разность: (до n’). если эта разница положительна, ставим "+", отрицательна "-", Читать далее

Метод Фостера -Стюарта.


Позволяет проверить гипотезу о тренде средних, так и о тренде дисперсий. Вводятся следующие величины. Вычисляем

Метод парных сравнений


1. Имеем общую таблицу с исходными данными, заполненную в соответствии с мнениями экспертов. 2. n- число объектов, m – число экспертов

Метод Бутстрепа (для выборок малого объема)


Имеется выборка малого объема случайной двухмерной величины. Необходимо оценить силу связи. Метод Бутстрепа заключается в следующем: 1. Находим среднее арифметическое для каждой случайной величины по формуле:

Метод МНК


Позволяет построить уравнение связи. Пусть имеется n-пар наблюдений значений СВ X и Y. Идея состоит в том, что кривая проводится таким образом, чтобы сумма квадратов отклонений экспериментальных данных от теоретической кривой была минимальной. МНК требует знание вида предполагаемой кривой.

Метод Чебышева.


Метод Чебышева позволяет аппроксимировать искомую зависимость в виде полинома некоторой степени. Исследование связи между случайными величинами начинается с вычисления смешанных моментов различных порядков. Смешанным центральным моментом порядка (hx, hy) распределения по разрядам совокупно наблюденных значений двух случайных величин X и Y называется выражение вида:

Метод прямого ранжирования (приведение ранжировки к нормированному виду)


Если мы имеем ранжировку из n объектов и ранжировка не содержит повторяющихся рангов, то сумму можно вычислить по формуле Если имеются повторяющиеся ранги, то сумма элементов отличается от заданной. Необходимо преобразовать ранжировку к нормированному виду:

Метод Тьюки


Имеем k=6 выборок (каждая объемом n=4) величин одной и той же продукции, взятые от 6 различных установок, с параметрами: Номер установки j 1 2 3 4 5 6 4.94 5.32 5.52 5.16 5.78 5.10 0.038 0.039 0.033 0.040 0.036 0.042

Методы отсева грубых промахов


1. По MAX относительного отклонения (ищем элемент с максимальным отклонением) – метод Ирвина. 2. По MIN относительного отклонения (ищем элемент с минимальным отклонением). Исходные данные: 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 182 172 180 182 180 178 178 180 178 180 175 Читать далее

Определение адекватности модели


X 1 1 2 3.3 4 4 4 4.7 5 5.6 5.6 5.6 6 6 6.5 6.9 3.3 Y 2.3 1.8 2.8 1.8 2.6 2.6 2.2 3.2 2 3.5 2.8 2.1 3.4 3.2 3.4 5.0 3.7 По этим данным имеем следующее уравнение связи: Задание: Необходимо определить, адекватна ли данная модель.

Модифицированный МСБ по пассивным данным


Любой план эксперимента должен быть представлен в виде четко очерченых точек факторного пространства. Если взять и разделить нашу область по средним,то полу- чим зону перекрытия (очень большая). Преимущества:

Метод Тьюки


Метод Тьюки позволяет проверить гипотезу о равенстве средних арифметических нескольких выборок одинакового объекта. Т.к. выборки взяты из нормальных совокупностей, то сущуствует некоторый интервал TS, внутри которого центры выборок статистически неразличимы. , где — стьюдентизированный размах..

Правило объединения выборок


Выборки можно объединить в одну, если: 1. данные качественно однородные 2. доказана статистическая неотличимость выборочных средних 3. доказана статистическая неотличимость выборочных дисперсий.

Двумерные случайные величины


Различают два вида связей: функциональная и корреляционная. Функциональная связь – когда каждому значению одной величины ставится в соответствие значение другой величины. Корреляция, когда каждому значению одной величины ставится в соответствие некоторое соответствие другой величины. Уравнениеем регрессии называют уравнение связей между значениями какой-либо характеристики распределения одной величины с значениями какой-либо характеристики распределения другой случайной величины. В Читать далее

Таблица двумерного распределения


Пусть есть двумерная СВ x, y. Разобьем область определения каждой СВ на k интервалов (как при построении гистограммы) и представим это в виде некоторой таблицы.

Метод наименьших квадратов


Пусть есть n пар экспериментальных данных состоящих из значений управляемых элементов X и значений функции отклика.