🗊Презентация Моделирование временных рядов. (Лекция 8)

Категория: Математика
Нажмите для полного просмотра!
Моделирование временных рядов. (Лекция 8), слайд №1Моделирование временных рядов. (Лекция 8), слайд №2Моделирование временных рядов. (Лекция 8), слайд №3Моделирование временных рядов. (Лекция 8), слайд №4Моделирование временных рядов. (Лекция 8), слайд №5Моделирование временных рядов. (Лекция 8), слайд №6Моделирование временных рядов. (Лекция 8), слайд №7Моделирование временных рядов. (Лекция 8), слайд №8Моделирование временных рядов. (Лекция 8), слайд №9Моделирование временных рядов. (Лекция 8), слайд №10Моделирование временных рядов. (Лекция 8), слайд №11Моделирование временных рядов. (Лекция 8), слайд №12Моделирование временных рядов. (Лекция 8), слайд №13Моделирование временных рядов. (Лекция 8), слайд №14Моделирование временных рядов. (Лекция 8), слайд №15Моделирование временных рядов. (Лекция 8), слайд №16Моделирование временных рядов. (Лекция 8), слайд №17Моделирование временных рядов. (Лекция 8), слайд №18
Скачать
Вы можете ознакомиться и скачать презентацию на тему Моделирование временных рядов. (Лекция 8). Доклад-сообщение содержит 18 слайдов. Презентации для любого класса можно скачать бесплатно. Если материал и наш сайт презентаций Mypresentation Вам понравились – поделитесь им с друзьями с помощью социальных кнопок и добавьте в закладки в своем браузере.

Слайды и текст этой презентации

Слайд 1


Лекция 8. Моделирование временных рядов
Описание слайда:
Лекция 8. Моделирование временных рядов

Слайд 2


Моделирование колебаний Рассмотрим процесс построения аддитивной модели*: Y=T+S+E, где Т – трендовая компонента S – сезонная компонента Е – случайнвя компонента ___________________ * речь идет о моделях временного ряда с отсутствием циклической компоненты.
Описание слайда:
Моделирование колебаний Рассмотрим процесс построения аддитивной модели*: Y=T+S+E, где Т – трендовая компонента S – сезонная компонента Е – случайнвя компонента ___________________ * речь идет о моделях временного ряда с отсутствием циклической компоненты.

Слайд 3


Шаги построения моделей:
Описание слайда:
Шаги построения моделей:

Слайд 4


Аддитивная модель Если временной ряд содержит сезонные колебания с определенной периодичностью и амплитуда этих колебаний приблизительно одинакова, значит, для моделирования подходит аддитивная модель. Для её построения выполним необходимые расчеты и сведем их в таблицу.
Описание слайда:
Аддитивная модель Если временной ряд содержит сезонные колебания с определенной периодичностью и амплитуда этих колебаний приблизительно одинакова, значит, для моделирования подходит аддитивная модель. Для её построения выполним необходимые расчеты и сведем их в таблицу.

Слайд 5


Моделирование временных рядов. (Лекция 8), слайд №5
Описание слайда:

Слайд 6


Шаг 1. Проведем выравнивание исходных уровней ряда методом скользящей средней: 1.1. Просуммируем уровни ряда последовательно за каждые четыре квартала со сдвигом на один момент времени ( у1+у2+у3+у4, затем у2+у3+у4+у5, затем у3+у4+у5+у6 и т.д.) и определим условные годовые объемы потребления. (см. столбец 3) 1.2. Разделим полученные суммы на 4 – находим скользящие средние (см. столбец 4)
Описание слайда:
Шаг 1. Проведем выравнивание исходных уровней ряда методом скользящей средней: 1.1. Просуммируем уровни ряда последовательно за каждые четыре квартала со сдвигом на один момент времени ( у1+у2+у3+у4, затем у2+у3+у4+у5, затем у3+у4+у5+у6 и т.д.) и определим условные годовые объемы потребления. (см. столбец 3) 1.2. Разделим полученные суммы на 4 – находим скользящие средние (см. столбец 4)

Слайд 7


1.3. Приведем эти значения в соответствие с фактическими моментами времени, для чего найдем средние значения из двух последовательных скользящих средних – центрированные скользящие средние (см. столбец 5) 1.3. Приведем эти значения в соответствие с фактическими моментами времени, для чего найдем средние значения из двух последовательных скользящих средних – центрированные скользящие средние (см. столбец 5)
Описание слайда:
1.3. Приведем эти значения в соответствие с фактическими моментами времени, для чего найдем средние значения из двух последовательных скользящих средних – центрированные скользящие средние (см. столбец 5) 1.3. Приведем эти значения в соответствие с фактическими моментами времени, для чего найдем средние значения из двух последовательных скользящих средних – центрированные скользящие средние (см. столбец 5)

Слайд 8


Шаг 2.
Описание слайда:
Шаг 2.

Слайд 9


Таблица 9
Описание слайда:
Таблица 9

Слайд 10


В моделях с сезонной компонентой предполагают, что сезонные воздействия за период взаимопогашаются, это означает, что в аддитивной модели сумма значений сезонной компоненты по всем кварталам должна быть равна нулю. Просуммируем Si: В моделях с сезонной компонентой предполагают, что сезонные воздействия за период взаимопогашаются, это означает, что в аддитивной модели сумма значений сезонной компоненты по всем кварталам должна быть равна нулю. Просуммируем Si:
Описание слайда:
В моделях с сезонной компонентой предполагают, что сезонные воздействия за период взаимопогашаются, это означает, что в аддитивной модели сумма значений сезонной компоненты по всем кварталам должна быть равна нулю. Просуммируем Si: В моделях с сезонной компонентой предполагают, что сезонные воздействия за период взаимопогашаются, это означает, что в аддитивной модели сумма значений сезонной компоненты по всем кварталам должна быть равна нулю. Просуммируем Si:

Слайд 11


Проверим их еще раз, просуммируем: Проверим их еще раз, просуммируем: 0,581 – 1,977 – 1,294 + 2,690=0. Теперь сумма равна 0. Окончательно, получены значения сезонной компоненты:
Описание слайда:
Проверим их еще раз, просуммируем: Проверим их еще раз, просуммируем: 0,581 – 1,977 – 1,294 + 2,690=0. Теперь сумма равна 0. Окончательно, получены значения сезонной компоненты:

Слайд 12


Шаг 3.
Описание слайда:
Шаг 3.

Слайд 13


Моделирование временных рядов. (Лекция 8), слайд №13
Описание слайда:

Слайд 14


Шаг 4. Определим компоненту T модели. Для этого проведем аналитическое выравнивание ряда (T+E) модели с помощью линейного тренда: определяем уравнение парной линейной регрессии y = a + bx, в котором роль y играет T + E, а роль x – время t. Найдем коэффициенты уравнения, стандартную ошибку коэффициента регрессии b и коэффициент детерминации ( например, используя программу «Регрессия» в Exсel). Получим:
Описание слайда:
Шаг 4. Определим компоненту T модели. Для этого проведем аналитическое выравнивание ряда (T+E) модели с помощью линейного тренда: определяем уравнение парной линейной регрессии y = a + bx, в котором роль y играет T + E, а роль x – время t. Найдем коэффициенты уравнения, стандартную ошибку коэффициента регрессии b и коэффициент детерминации ( например, используя программу «Регрессия» в Exсel). Получим:

Слайд 15


Стандартная ошибка коэффициента регрессии Стандартная ошибка коэффициента регрессии
Описание слайда:
Стандартная ошибка коэффициента регрессии Стандартная ошибка коэффициента регрессии

Слайд 16


Шаг 5. Для вычисления ошибки (остатков) E найдем значения уравнений ряда ŷt, вычисленные по модели, т. е. посчитаем сумму T + S, добавляя к каждому значению тренда T соответствующее значение сезонной компоненты Si по кварталам. Полученные значения внесем в столбец 6 таблицы 10.
Описание слайда:
Шаг 5. Для вычисления ошибки (остатков) E найдем значения уравнений ряда ŷt, вычисленные по модели, т. е. посчитаем сумму T + S, добавляя к каждому значению тренда T соответствующее значение сезонной компоненты Si по кварталам. Полученные значения внесем в столбец 6 таблицы 10.

Слайд 17


Шаг 6.Рассчитываем ошибку: Е=Y-(T+S) Для оценки качества модели используем анализ суммы квадратов ошибки Е2 (см. столбец 7) . Подсчитаем значения∑Е2=1,10 и вычислим сумму квадратов отклонений уровня ряда от среднего значения:∑(уt-уt)2 =71,59. Вычислим долю ошибки: 1,1/71,59=0,015365 или 1,536%. Оставшиеся - 98,46%-доля дисперсии уровней временного ряда, объясненная аддитивной моделью.
Описание слайда:
Шаг 6.Рассчитываем ошибку: Е=Y-(T+S) Для оценки качества модели используем анализ суммы квадратов ошибки Е2 (см. столбец 7) . Подсчитаем значения∑Е2=1,10 и вычислим сумму квадратов отклонений уровня ряда от среднего значения:∑(уt-уt)2 =71,59. Вычислим долю ошибки: 1,1/71,59=0,015365 или 1,536%. Оставшиеся - 98,46%-доля дисперсии уровней временного ряда, объясненная аддитивной моделью.

Слайд 18


Вывод Полученная аддитивная модель Y=T+S+E, в которой тренд Т=5,715+0,186t , сезонная компонента S составляет по кварталам: I квартал:S1=0,581;II квартал:S2=-1,977; III квартал S3=-1,294; IV квартал: S4=2,690, объясняет около 98,5 % общей вариации уровней временного ряда потребления электроэнергии за последние 16 кварталов.
Описание слайда:
Вывод Полученная аддитивная модель Y=T+S+E, в которой тренд Т=5,715+0,186t , сезонная компонента S составляет по кварталам: I квартал:S1=0,581;II квартал:S2=-1,977; III квартал S3=-1,294; IV квартал: S4=2,690, объясняет около 98,5 % общей вариации уровней временного ряда потребления электроэнергии за последние 16 кварталов.

Скачать

Похожие презентации
Mypresentation.ru
Загрузить презентацию