Лабораторная работа

Лабораторная работа Основные понятия теории временных рядов

Работа добавлена на сайт bukvasha.net: 2015-10-29

Поможем написать учебную работу

Если у вас возникли сложности с курсовой, контрольной, дипломной, рефератом, отчетом по практике, научно-исследовательской и любой другой работой - мы готовы помочь.

Предоплата всего

от 25%

Подписываем

договор

Выберите тип работы:

Скидка 25% при заказе до 10.11.2024



Министерство образования Российской Федерации

Новосибирский Государственный Технический Университет Кафедра теории рынка

ЛАБОРАТОРНАЯ РАБОТА №6

ОСНОВНЫЕ ПОНЯТИЯ ТЕОРИИ ВРЕМЕННЫХ РЯДОВ вариант – 17

Выполнили: Гармаева Е.А.

Харченко Т.В.

гр. ФБэ-51

Преподаватель: Фаддеенков А.В..

Новосибирск

2008

Цель: Ознакомиться с основными понятиями и статистическими характеристиками, используемыми при анализе временных рядов.
Задача: В первые годы жизни на острове Робинзон никак не мог добиться того, чтобы в самые ответственные моменты жизни у него хватало сил на работу. Задумавшись над этим, Робинзон взял себе за правило каждый месяц фиксировать количество дичи, добытое им на охоте (Х1), и свой собственный вес (Х2).
Исходные данные:

x1

x2

1

76

6

78

6

81

21

78

30

76

49

78

55

79

71

76

73

76

70

76

69

80

51

84

53

79

42

82

29

83

56

75

60

80

81

77

79

82

114

76

97

86

98

78

80

85

79

76

78

82

56

84

57

80

70

78

91

78


91

83

101

76

103

76

113

70

113

75

94

84

90

76

88

80

73

82

79

82

86

83

91

78

127

75

118

87

127

77

130

76

123

77

107

78

90

75

101

72

83

82

94

79

101

83

106

79

112

78

134

74


Задание №1 Построить график каждого временного ряда.
На графике 1 показан временной ряд, который отражает динамику количества дичи, добытой на охоте за 55 месяцев

Таким образом, график показывает, что за рассматриваемый период наблюдается устойчивый рост количества дичи, добытой на охоте, в то же время характер количества добытой дичи повторяется, имеется почти один и тот же характер (сначала уменьшение, потом увеличение) в каждом годовом периоде, т.е. каждые 12 месяцев.

График временного ряда, который отражает динамику собственного веса Робинзона за 55 месяцев

Таким образом, график показывает, что не наблюдается тенденции ни к значительному возрастанию, ни к значительному убыванию веса Робинзона. Возможно, временной ряд имеет сезонную компоненту.

Задание 2 Провести первичный статистический анализ временных рядов:

Вычислим средние значения характеристик временных рядов по формуле: .

79,94

78,83
Вычислим выборочные дисперсии характеристик временных рядов, вычисляемые по формуле: .


Вычислим выборочные стандартные отклонения по формуле: .


Ковариация между значениями и зависит только от величины сдвига по времени и не зависит от t.



Такая ковариация получила название автоковариации или автоковариационной функции.

Возможна также оценка автоковариационной функции по имеющимся наблюдениям временного ряда.



эту формулу мы будем использовать дальше при вычислении.
Вычислим автоковариационные функции:
Для количества добытой дичи:



и т.д.
Для собственного веса Робинзона



и т.д.
Для определения степени статистической взаимосвязи между элементами временного ряда вычисляют коэффициент автокорреляции или автокорреляционную функцию.
величину называют порядком функции.
Для расчета будем использовать формулу:

.
Для количества добытой дичи:

0,843

0,709 и т.д.
Для собственного веса Робинзона:
-0,025
и т.д.
Сезонные составляющие временного ряда могут быть найдены с помощью коррелограммы. Коррелограмма (автокоррелограмма) показывает численно и графически автокорреляционную функцию, иными словами коэффициенты автокорреляции (и их стандартные ошибки) для последовательности сдвигов (лагов) из определенного диапазона (от 1 до 55).

Изобразим на коррелограммах автокорреляционные функции:
Для количества добытой дичи:


Для веса Робинзона:


Частная автокорреляционная функцияиспользуется для измерения автокорреляции между членами временного ряда х(t) и при исключении влияния всех промежуточных членов временного ряда.

Формулы для вычисления с точностью до обозначения совпадают с корреляционным анализом.


частный коэффициент автокорреляции для количества добытой дичи: -0,12181;

частный коэффициент автокорреляции для собственного веса Робинзона: -0,01516.
Частные коэффициенты автокорреляции еще раз доказывают, что между элементами временного ряда существует взаимосвязь, и большая взаимосвязь между элементами временного ряда наблюдается в весе Робинзона.
Возможно вычисление частных автокорреляционных функций более высоких порядков. В частности, частная автокорреляция второго порядка может быть вычислена так:

, где







Вычислим частные коэффициенты автокорреляции второго порядка.

Для количества добытой дичи: - 0,28713

Для собственного веса Робинзона: -0,07 Частные коэффициенты автокорреляции более высоких порядков показывает, что наибольшая взаимосвязь между элементами временного ряда количества добытой дичи.
Задание 3. Проверка гипотезы о наличии неслучайных компонент во временных рядах:

Проверим гипотезу и ее альтернативу :





Проверка гипотезы с помощью критерия серий:

Расположим элементы временного ряда в порядке возрастания и вычислим выборочную медиану по формуле .

Получим серии знаков «+» и «−» по правилу: вместо каждого элемента временного ряда нужно поставить «+», если , и «−», если , и элементы временного ряда, равные медиане, не учитываются.

Найдем статистики и , где − количество серий, −максимальная длина серии.

, .

Т. к. неравенства





не выполняются, гипотеза отвергается с вероятностью ошибки a, такой, что 0,05 < a < 0,0975, и, тем самым, подтверждается наличие зависящей от времени неслучайной составляющей в

Проверка гипотезы с помощью критерия «восходящих» и «нисходящих» серий:

Найдем статистики и по правилу: вместо каждого элемента временного ряда нужно поставить «+», если , и «−», если . Если два или несколько наблюдений равны между собой, то учитывается только одно из них.

,

Т. к. неравенства

и



не выполняются, гипотеза отвергается, и, тем самым подтверждается наличие постепенного смещения среднего значения в не только монотонного, но и периодического характера  во временном ряду присутствует циклическая, сезонная компоненты.

Проверка гипотезы с помощью критерия Абеля:

Вычислим , где

,

,

и сравним с , где − квантиль стандартного нормального распределения.

При предельное распределение критической статистики затабулировано и представлено в статистических таблицах.

Получим и при . Так как неравенство выполняется, гипотеза отвергается и можно сделать вывод о том, что ряд содержит неслучайные компоненты.

Проверим гипотезу и ее альтернативу для ряда :





Проверка гипотезы с помощью критерия серий:

, .

Неравенства





выполняются => гипотеза не отвергается ,значит, с вероятностью ошибки 0,05 < a < 0,0975, можем утверждать, что в нашем временном ряде нет трендовой составляющей.
Проверка гипотезы с помощью критерия «восходящих» и «нисходящих» серий:

,
Неравенства

и



Неравенства выполняются, гипотеза не отвергается. Таким образом, можно утверждать, что во временном ряду нет постепенного смещения среднего значения не только монотонного, но и периодического характера, т.е. нет циклической и сезонной компонент.

Проверка гипотезы с помощью критерия Абеля:

и при . Так как неравенство не выполняется, гипотеза не отвергается и можно сделать вывод о том, что элементы ряда является случайными и независимыми.

Таким образом, мы не можем построить уравнение для неслучайных компонент временного ряда Х2(t), т. к. наличие таковых не было доказано.

Задание 4 Построить уравнения для неслучайных компонент временного ряда :

1). Исследуем выборку (количество дичи, добытой Робинзоном на охоте).

ШАГ1: Выровняем исходный ряд, используя метод скользящего среднего.

-суммируем элементы ряда последовательно за каждые 12 месяцев со сдвигом на один момент времени

- разделив полученные результаты на 12, найдем скользящие средние.

-для приведения в соответствие с фактическими моментами времени найдем центрированные скользящие средние.

Получим:

X1

шаг 1.1

шаг 1.2

шаг 1.3

1

 

 

 

6

 

 

 

6

 

 

 

21

 

 

 

30

 

 

 

49

 

 

 

55

502

41,83

44,00

71

554

46,17

47,67

73

590

49,17

50,13

70

613

51,08

52,54

69

648

54,00

55,25

51

678

56,50

57,83

53

710

59,17

60,17

42

734

61,17

62,96

29

777

64,75

65,75

56

801

66,75

67,92

60

829

69,08

69,54

81

840

70,00

71,17

79

868

72,33

73,38

114

893

74,42

75,00

97

907

75,58

76,75

98

935

77,92

78,50

80

949

79,08

80,38

79

980

81,67

82,08

78

990

82,50

83,42

56

1012

84,33

83,88

57

1001

83,42

84,08

70

1017

84,75

85,38

91

1032

86,00

86,58

91

1046

87,17

87,63

101

1057

88,08

88,50

103

1067

88,92

89,63

113

1084

90,33

91,25

113

1106

92,17

92,83

94

1122

93,50

93,50

90

1122

93,50

95,00

88

1158

96,50

97,21

73

1175

97,92

98,92

79

1199

99,92

100,63

86

1216

101,33

101,75

91

1226

102,17

102,71

127

1239

103,25

103,25

118

1239

103,25

103,79

127

1252

104,33

104,75

130

1262

105,17

105,79

123

1277

106,42

107,04

107

1292

107,67

108,29

90

1307

108,92

108,29

101

1292

107,67

108,33

83

1308

109,00

54,50

94

 

 

 

101

 

 

 

106

 

 

 

112

 

 

 

134

 

 

 

ШАГ 2: Находим оценки сезонной компоненты S, как разность между фактическими элементами ряда и центрированными скользящими средними. Получим:

 

сезон (год)

 

 

 

 

 

 

 

 

 

 

 

год

1,00

2,00

3,00

4,00

5,00

6,00

7,00

8,00

9,00

10,00

11,00

12,00

1,00

-

-

-

-

-

-

11,00

23,33

22,88

17,46

13,75

-6,83

2,00

-7,17

-20,96

-36,75

-11,92

-9,54

9,83

5,63

39,00

20,25

19,50

-0,38

-3,08

3,00

-5,42

-27,88

-27,08

-15,38

4,42

3,38

12,50

13,38

21,75

20,17

0,50

-5,00

4,00

-9,21

-25,92

-21,63

-15,75

-11,71

23,75

-

-

-

-

-

-

Siсчерт.

-7,26

-24,92

-28,49

-14,35

-5,61

12,32

9,71

25,24

21,63

19,04

4,63

-4,97

СумSi

6,96

 

 

 

 

 

 

 

 

 

 

 

k

0,58

 

 

 

 

 

 

 

 

 

 

 

Si

-7,84

-25,50

-29,07

-14,93

-6,19

11,74

9,13

24,66

21,05

18,46

4,05

-5,55


ШАГ 3: Исключим влияние сезонной компоненты (вычтем ее значения из каждого элемента временного ряда).

Получим: .
ШАГ 4: Используя регрессионный анализ, проведем аналитическое выравнивание ряда X-S.

Рассматриваем модель А:

Находим оценку уравнения по F-критерию: Т. к. F=439,1652383>F=0.82, то гипотеза Н0 отвергается, уравнение является значимым.

Находим оценки параметров и помощью МНК: =37,4349, =1,5589

Проверяем на значимость параметр : t = 15,63480272; tкр(0,05;53)=2,07.

Проверяем на значимость параметр : t = 20,95626967; tкр(0,05;53)=2,07

Т.к. |t| > tкр(0,05;53), то гипотеза Н0 отвергается. Значит, параметры моделии являются значимыми.

Получаем уравнение:
Рассматриваем модель В:

Находим оценку уравнения по F-критерию: Т. к. F=588,9027853>F=0.82, то гипотеза Н0 отвергается, уравнение является значимым.

Находим оценки параметров и помощью МНК: =645,3204091;

=236,2715236.

Проверяем на значимость параметр : t = 2,079235; tкр(0,05;53)=2,07.

Проверяем на значимость параметр : t = 24,26732; tкр(0,05;53)=2,07

Т.к. |t| ≥ tкр(0,05;53), то гипотеза Н0 отвергается. Значит, параметры моделии являются значимыми.

Получили уравнение:
Рассматриваем модель С:

Находим оценку уравнения по F-критерию: Т. к. F=6,16640083>F=0.82, то гипотеза Н0 отвергается, уравнение является значимым.

Находим оценки параметров и помощью МНК: =0,001414622

; =-3,44385E-05

Проверяем на значимость параметр : t = 3,169074733; tкр(0,05;53)=2,07.

Проверяем на значимость параметр : t = -2,48322388; tкр(0,05;53)=2,07

Т.к. |t| > tкр(0,05;53), то гипотеза Н0 отвергается. Следовательно, параметры моделии - значимые.

Получили уравнение:
Шаг 4: Используя регрессионный анализ, проведем аналитическое выравнивание ряда X-S. Для этого необходимо сравнить три модели.

1)

2)

3)

После применения МНК получим:

1)

2)

3)

ШАГ 5: Построим графики трех моделей










ШАГ 6: Проводим сравнительный анализ полученных моделей.

По вычисленным коэффициентам детерминации ( модели А равным 0.89, для модели B 0.917, для модели С 0.104), по найденным оценкам параметров и по полученным графикам наилучшей является модель B.

Построим графики исходных данных и прогнозов :




2). Исследуем выборку Х2 ( вес Робинзона).

ШАГ1: Выровняем исходный ряд, используя метод скользящего среднего.

Получим:

x2

год.доб.

скол.ср.

центр.ск.ср.

76

938

78,17

78,29

78

941

78,42

78,58

81

945

78,75

78,83

78

947

78,92

78,79

76

944

78,67

78,83

78

948

79,00

78,96

79

947

78,92

79,04

76

950

79,17

79,17

76

950

79,17

79,58

76

960

80,00

80,08

80

962

80,17

80,38

84

967

80,58

80,25

79

959

79,92

80,04

82

962

80,17

80,25

83

964

80,33

80,21

75

961

80,08

80,21

80

964

80,33

80,25

77

962

80,17

80,42

82

968

80,67

80,42

76

962

80,17

80,17

86

962

80,17

79,50

78

946

78,83

78,71

85

943

78,58

78,54

76

942

78,50

78,50

82

942

78,50

78,42

84

940

78,33

78,25

80

938

78,17

78,25

78

940

78,33

78,54

78

945

78,75

78,75

83

945

78,75

78,42

76

937

78,08

78,54

76

948

79,00

79,04

70

949

79,08

79,33

75

955

79,58

79,67

84

957

79,75

79,50

76

951

79,25

79,21

80

950

79,17

78,83

82

942

78,50

78,50

82

942

78,50

78,38

83

939

78,25

78,25

78

939

78,25

78,29

75

940

78,33

78,46

87

943

78,58

78,04

77

930

77,50

38,75

76










77










78










75










72










82










79










83










79










78










74













 

сезон (год)

 

 

 

 

 

 

 

 

 

 

 

год

1,00

2,00

3,00

4,00

5,00

6,00

7,00

8,00

9,00

10,00

11,00

12,00

1,00

-

-

-

-

-

-

0,71

-2,58

-2,83

-2,79

1,17

5,04

2,00

-0,04

2,83

3,42

-5,08

-0,38

-3,25

1,96

-4,25

5,79

-2,21

4,75

-4,42

3,00

1,58

3,83

0,50

-0,71

-0,54

4,50

-2,42

-2,25

-8,25

-3,54

5,25

-2,42

4,00

1,46

2,96

2,67

3,33

-1,50

-4,21

-

-

-

-

-

-

Siсчерт.

1,00

3,21

2,19

-0,82

-0,81

-0,99

0,08

-3,03

-1,76

-2,85

3,72

-0,60

СумSi

-0,64

 

 

 

 

 

 

 

 

 

 

 

k

-0,05

 

 

 

 

 

 

 

 

 

 

 

Si

1,05

3,26

2,25

-0,77

-0,75

-0,93

0,14

-2,97

-1,71

-2,79

3,78

-0,54

ШАГ 3: Исключим влияние сезонной компоненты (вычтем ее значения из каждого элемента временного ряда).

Получим: .

ШАГ 4: Используя регрессионный анализ, проведем аналитическое выравнивание ряда X-S.

Рассматриваем модель А:

Находим оценку уравнения по F-критерию: Т. к. F=0.082<F=0.82, то гипотеза Н0 не отвергается, уравнение не является значимым.

Находим оценки параметров и помощью МНК: = 78,98119, =-0,00799
Проверяем на значимость параметр : t = 89,6813; tкр(0,05;53)=2,07.

Проверяем на значимость параметр : t = -0.29 tкр(0,05;53)=2,07

Т.к. |t| > tкр(0,05;53), то гипотеза Н0 отвергается, параметр модели - значимый.

Т.к. |t| < tкр(0,05;53), то гипотеза Н0 не отвергается, параметр модели - незначимый, его можно исключить из уравнения.

Получили уравнение:

Рассматриваем модель В:

Находим оценку уравнения по F-критерию: Т. к. F=0,06=0.82, то гипотеза Н0 не отвергается, уравнение не является значимым.

Находим оценки параметров и помощью МНК: = 6242,815; =-1,07

Проверяем на значимость параметр : t = 44,6551; tкр(0,05;53)=2,07.

Проверяем на значимость параметр : t = -0,24; tкр(0,05;53)=2,07

Т.к. |t| > tкр(0,05;53), то гипотеза Н0 отвергается, параметр модели - значимый.

Т.к. |t| < tкр(0,05;53), то гипотеза Н0 не отвергается, параметр модели - незначимый, его можно исключить из уравнения.

Получили уравнение:

Рассматриваем модель С:

Находим оценку уравнения по F-критерию: Т. к. F=0,75<F=0.82, то гипотеза Н не отвергается, уравнение не является значимым.

Находим оценки параметров и помощью МНК: =0,000003591077; =0,000000111569

Проверяем на значимость параметр : t = 44,73360176

; tкр(0,05;53)=2,07.

Проверяем на значимость параметр : t = 0,432668926

; tкр(0,05;53)=2,07

Т.к. |t| < tкр(0,05;53), то гипотеза Н0 не отвергается, параметр модели - не значимый, , его можно исключить из уравнения.

Т.к. |t| > tкр(0,05;53), то гипотеза Н0 отвергается, параметр модели - значимый.

Получили уравнение:

ШАГ 6: Проводим сравнительный анализ полученных моделей.

Коэффициенты детерминации для двух моделей очень малы: 0,007; 0,81; 0,051 для моделей А, B, C соответственно.

Так как уравнения моделей не являются значимыми, то среди них нельзя выбрать наилучшую.

1. Курсовая на тему Анализ эффективности использования материальных ресурсов
2. Реферат Функции госслужбы
3. Реферат Виды ценных бумаг и их классификация
4. Реферат Эргономичная организация рабочего места
5. Реферат Конфликты виды и способы их разрешения
6. Курсовая на тему Проектный расчет редуктора сборочный чертеж вала ведомого и зубчатого колеса
7. Реферат Совершенная конкуренция 6
8. Реферат на тему No Future Essay Research Paper No FutureWhen
9. Реферат Малая война Куба
10. Реферат Отчет по практике в налогой инспекции