АвтоАвтоматизацияАрхитектураАстрономияАудитБиологияБухгалтерияВоенное делоГенетикаГеографияГеологияГосударствоДомДругоеЖурналистика и СМИИзобретательствоИностранные языкиИнформатикаИскусствоИсторияКомпьютерыКулинарияКультураЛексикологияЛитератураЛогикаМаркетингМатематикаМашиностроениеМедицинаМенеджментМеталлы и СваркаМеханикаМузыкаНаселениеОбразованиеОхрана безопасности жизниОхрана ТрудаПедагогикаПолитикаПравоПриборостроениеПрограммированиеПроизводствоПромышленностьПсихологияРадиоРегилияСвязьСоциологияСпортСтандартизацияСтроительствоТехнологииТорговляТуризмФизикаФизиологияФилософияФинансыХимияХозяйствоЦеннообразованиеЧерчениеЭкологияЭконометрикаЭкономикаЭлектроникаЮриспунденкция

Свойства автокорреляционной функции

Читайте также:
  1. АК. Структура белков, физико-химические свойства (192 вопроса)
  2. Активные минеральные добавки. Смешанные цементы, их свойства.
  3. Анализ свойства вязкости
  4. Антигены, основные свойства. Антигены гистосовместимости. Процессинг антигенов.
  5. Арифметическая середина и ее свойства.
  6. Арифметические операции над последовательностями. Свойства пределов, связанные с арифметическими операциями над последовательностями.
  7. Артефакты как базовые элементы материальной культуры, их виды и функции.
  8. Биохимические свойства.
  9. Бытовые часы. классификация ассортимента и потребительские свойства.
  10. В 1. Строение и свойства, особенности сварки алюминиевых сплавов.
  11. В 1. Шлаковая фаза, ее образование при дуговой сварке. Основные физические свойства шлаков и их влияние на процесс сварки.
  12. В 3. Маркетинг: сущность, цели, принципы и основные функции.

- Характеризует тесноту линейной связи, поэтому можно судить о наличии линейной тенденции, он может быть равен нулю для нелинейной тенденции.

- По знаку нельзя судить о направлении монотонности тенденции.

 

График зависимости корреляционной функции от величины лага называется коррелограммой.

 

 

Анализ автокорреляционной функции позволяет выделить лаг, при котором связь между текущим и предыдущими уровнями наиболее тесная, т.е. можно выявить структуру ряда.

Если наиболее высоким оказался коэффициент первого порядка, то ряд содержит только тенденцию

Если наиболее высоким оказался коэффициент k-го порядка, то ряд содержит циклические (сезонные) колебания с периодом k.

Если ни один из коэффициентов не является значимым, то ряд либо не содержит тенденции и циклических колебаний и имеет структуру случайной компоненты, либо ряд содержит сильную нелинейную тенденцию, для выявления которой требуется дополнительный анализ.

Поэтому автокорреляционная функция широко используется при анализе временных рядов для выявления тренда и циклических (сезонных) колебаний.

 

Прогнозирование.

Основой распространения тенденции на будущее является свойство инерционности социально-экономических явлений, состоящее в том, что закономерность развития, действующая в прошлом, сохранится и в прогнозируемом будущем, т.е. прогноз базируется на перспективной экстраполяции.

Чем короче срок экстраполяции, тем более надежны и точны результаты прогнозирования.

В общем виде экстраполяцию можно представить в виде функции вида:

 

,

 

где - прогнозируемый уровень, - текущий уровень прогнозируемого ряда, - период прогноза, - параметр уравнения тренда.


1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 | 13 | 14 | 15 | 16 | 17 | 18 |

Поиск по сайту:

Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. Студалл.Орг (0.003 сек.)