Економіко-математичне моделювання
Економіко-математичне моделювання Економіко-математичне моделювання
дисперсії оцінки спектральної густини. Найкращі результати зменшення дисперсії отримують при використанні вікна Ханна, яке дає 65 % перекриття. Окрім цього, усереднення за ансамблем може проходити з використанням трьох алгоритмів: 1) лінійного: кожне нове значення додається з рівною вагою; 2) експоненціального: пізніше значення має більшу вагу; 3) пікового: нагромаджуються тільки екстремальні значення. 17.1.4. Згладжування та фільтрація Методи згладжування та фільтрації призначені для перетворення часового ряду Y(t) із вилученням з нього високочастотних, низькочастотних або сезонних коливань. Після запуску процедури в типовому бланку необхідно з ЕТ вибрати змінну, яка є аналізованим часовим рядом. У випадку робастного згладжування з меню (рис. 17.1.4.1-17.1.4.2) необхідно вибрати тип вікна, насамперед установивши значення двох параметрів: hширину вікна у вигляді числа вимірювань, які в нього потрапили; hзначення константи Хубера. Метод робастного згладжування можна використовувати також для експериментальних залежностей, оскільки він допускає, що крок для Х може бути не тільки постійним (у випадку часового ряду), але й змінним. Видача результату містить значення перетвореного часового ряду і графік згладжуючої кривої з накладанням у виді точок значень часового ряду. Отримані результати можна перенести в ЕТ для подальшого аналізу та побудови комплексних графіків з числовою видачею результатів через буфер обміну або прямо з графіків даних натисканням кнопки «Сохр.Граф». 552
Сглаживание 1=линейное 3 тчк 2=линейное 5 тчк 3=Квадратичное 5 тчк 4=экспотенциальное 5=робастное Хубера Фильтрация 6=дифференцирование 7=а-раз.дифференц. 8=а-сезон.дифференц. 9=интегрирование А=2-интегрирование В=а-шаговое интегрир C= дифференц-интегрир D=дифференц-интегрир E=интегрирование Оператор В:B[x[t]]=x[t-1] (B-1+1+B)/3 (B^-2+B^-1+1+B+B^2)/5 (B^2+2*B^-1+4+2*B+B^2)/10 WW*B+(1-W)*x(t) W=0.5 1-B (1-B)^a a= 2 1-B^a 1+B (1+B^2)/2 (1+…+B^a)/(a+1) 1-B+B^2 1-SQR(3)*B+B^2 (1+ SQR(3)*B+B^2)/(2+SQR(3)) Рис. 17.1.4.1. Меню вибору методу згладжування (фільтрація) Тип окна сглаживания 1= Прямоугольное 2= Треугольное 3= Епанечникова Ширина= 5 Константа= 10 Рис. 17.1.4.2. Меню вибору методу робастного згладжування Вибір методу згладжування залежить від характеру часового ряду і має емпіричний характер послідовного підбору. При робастному згладжуванні оптимальний вибір вікна визначається степенем гладкості відновлювального процесу (сигналу). Якщо відомо, що сигнал двічі неперервно диференційований, то рекомендується використовувати параболічне вікно. Для менш гладких сигналів виграш досягається при використанні трикутного чи прямокутного вікна. Ширину вікна бажано вибирати так, щоб у нього потрапляло не менше 2-3 значень початкового ряду, але не більше четвертини завакьмово!інтервалу значень Х. Необхідно враховувати, що збільшення вікна призводить до росту зміщення оцінки (і до збільшення обсягу обчислень), а зменшення – до росту її дисперсії. 553
- Page 501 and 502: Значення виразів A
- Page 503 and 504: Значущість коефіці
- Page 505 and 506: Оскільки tрозр < tта
- Page 507 and 508: Значення t j беремо
- Page 511 and 512: 16.7. Покрокова регре
- Page 513 and 514: = a + ar + ar + … + ar , ∗ ∗
- Page 515 and 516: 515
- Page 517 and 518: 4. Вибираємо наступ
- Page 519 and 520: процесі проводитьс
- Page 521 and 522: 2 2 R − R 2 j Pr = , (16.102) j 2
- Page 523 and 524: Гипотеза 1: Измен.R^2
- Page 525 and 526: Коэфф. Значение Ст.
- Page 527 and 528: ∗ ∗ ∗ ∗ Зробивши з
- Page 529 and 530: який має назву фонд
- Page 531 and 532: Нелінійні за змінн
- Page 533 and 534: однопараметричної
- Page 535 and 536: 6. Сформулюйте осно
- Page 537 and 538: 42. Побудуйте довірч
- Page 539 and 540: hвирахування тренд
- Page 541 and 542: Результат: ПРОСТАЯ
- Page 543 and 544: процесу до іншого а
- Page 545 and 546: hдля перевірки адек
- Page 547 and 548: Амплітудно-частотн
- Page 549 and 550: вимірювання значен
- Page 551: Стратегія вибору в
- Page 555 and 556: hочищення спектра -
- Page 557 and 558: Потім видається гр
- Page 559 and 560: cукупність коефіці
- Page 561 and 562: n−τ n−τ n−τ ( n −τ )
- Page 563 and 564: На момент часу t+1 су
- Page 565 and 566: що медіанний лаг ст
- Page 567 and 568: структура лага (17.4.1
- Page 569 and 570: Зазначена модель є
- Page 571 and 572: 1 0 , 669772 ⋅ = 0, 92924 . 1−
- Page 573 and 574: Далі виконаємо пер
- Page 575 and 576: Для поліному друго
- Page 577 and 578: ( 1 ) y ( 1 ) a ( 1 ) bx ( 1 ) ∗
- Page 579 and 580: ♦Розв’язування. Н
- Page 581 and 582: (y, тис. грн.) від сук
- Page 583 and 584: Рівняння (17.51) є мод
- Page 585 and 586: Введите параметры A
- Page 587 and 588: xt q = W ( t) + b1W ( t −1) + ...
- Page 589 and 590: При цьому ці затрим
- Page 591 and 592: T T T T T ∑αΔ K = ∑α∑β i
- Page 593 and 594: αj 0 1 2 3 T T+1 j Рис. 17.6.2.
- Page 595 and 596: виконуються не для
- Page 597 and 598: ( ΔK − ΔK ) + ρ( ΔK I ) ΔK
- Page 599 and 600: Розділ 18. Узагальне
- Page 601 and 602: 18.2. Види економетри
дисперсії оцінки спектральної густини. Найкращі результати<br />
зменшення дисперсії отримують при використанні вікна Ханна, яке<br />
дає 65 % перекриття.<br />
Окрім цього, усереднення за ансамблем може проходити з<br />
використанням трьох алгоритмів:<br />
1) лінійного: кожне нове значення додається з рівною вагою;<br />
2) експоненціального: пізніше значення має більшу вагу;<br />
3) пікового: нагромаджуються тільки екстремальні значення.<br />
17.1.4. Згладжування та фільтрація<br />
Методи згладжування та фільтрації призначені для<br />
перетворення часового ряду Y(t) із вилученням з нього<br />
високочастотних, низькочастотних або сезонних коливань.<br />
Після запуску процедури в типовому бланку необхідно з ЕТ<br />
вибрати змінну, яка є аналізованим часовим рядом. У випадку<br />
робастного згладжування з меню (рис. 17.1.4.1-17.1.4.2) необхідно<br />
вибрати тип вікна, насамперед установивши значення двох<br />
параметрів:<br />
hширину вікна у вигляді числа вимірювань, які в нього<br />
потрапили;<br />
hзначення константи Хубера.<br />
Метод робастного згладжування можна використовувати також<br />
для експериментальних залежностей, оскільки він допускає, що крок<br />
для Х може бути не тільки постійним (у випадку часового ряду), але й<br />
змінним.<br />
Видача результату містить значення перетвореного часового<br />
ряду і графік згладжуючої кривої з накладанням у виді точок значень<br />
часового ряду. Отримані результати можна перенести в ЕТ для<br />
подальшого аналізу та побудови комплексних графіків з числовою<br />
видачею результатів через буфер обміну або прямо з графіків даних<br />
натисканням кнопки «Сохр.Граф».<br />
552
Change language