Tidsserier
Tidsserier ( dynamiske serier , serier af dynamikker ) - statistisk materiale indsamlet på forskellige tidspunkter om værdien af alle parametre (i det enkleste tilfælde en) af den proces, der undersøges. Hver enhed af statistisk materiale kaldes en måling eller aflæsning, det er også acceptabelt at kalde det niveauet på det tidspunkt, der er angivet med det. I tidsserien skal for hver prøve angives måletidspunktet eller målenummeret i rækkefølge. Tidsserien adskiller sig væsentligt fra en simpel dataprøve , da analysen tager højde for forholdet mellem målinger over tid og ikke kun den statistiske diversitet og statistiske karakteristika for prøven [1] .
Tidsserieanalyse
Tidsserieanalyse er et sæt matematiske og statistiske analysemetoder designet til at identificere strukturen af tidsserier og forudsige dem . Dette omfatter især metoder til regressionsanalyse . Det er nødvendigt at afsløre strukturen af tidsserien for at opbygge en matematisk model af det fænomen, der er kilden til den analyserede tidsserie. Prognosen for fremtidige værdier af tidsserien bruges til effektiv beslutningstagning.
Tidsserier består af to elementer:
- den tidsperiode, for hvilken eller fra hvilken de numeriske værdier er givet;
- numeriske værdier af denne eller den indikator, kaldet seriens niveauer.
Tidsserier klassificeres efter følgende kriterier:
- i form af repræsentation af niveauer:
- række absolutte indikatorer;
- relative indikatorer;
- gennemsnitsværdier .
- ved antallet af indikatorer, for hvilke niveauer er bestemt på hvert tidspunkt: endimensionelle og flerdimensionelle tidsserier;
- efter arten af tidsparameteren: moment og interval tidsserier. I øjebliks tidsserier karakteriserer niveauerne værdierne af indikatoren fra bestemte tidspunkter. I intervalserier karakteriserer niveauerne værdien af indikatoren i bestemte tidsrum. Et vigtigt træk ved intervaltidsserier af absolutte værdier er muligheden for at summere deres niveauer. Separate niveauer af momentrækken af absolutte værdier indeholder elementer af gentagen optælling. Dette gør det meningsløst at summere niveauerne af momentserien;
- i henhold til afstanden mellem datoer og tidsintervaller skelnes der med lige store afstande - når registreringsdatoerne eller slutningen af perioder følger hinanden med lige store intervaller og ufuldstændige (ulige fordelt) - når princippet om lige intervaller ikke overholdes;
- ved tilstedeværelsen af manglende værdier: komplette og ufuldstændige tidsserier;
- tidsserier er deterministiske og tilfældige : førstnævnte opnås baseret på værdierne af en eller anden ikke-tilfældig funktion (en række sekventielle data om antallet af dage i måneder); den anden er resultatet af implementeringen af en eller anden tilfældig variabel .
- afhængigt af tilstedeværelsen af hovedtrenden skelnes der mellem stationære serier, hvor middelværdien og variansen er konstant, og ikke-stationære , der indeholder hovedudviklingstendensen [ 1] .
Forecasting og bagklogskab
Forudsigende estimater ved hjælp af ekstrapolationsmetoder beregnes i flere faser:
- kontrol af prognosens basislinje;
- afsløre mønstre for tidligere udvikling af fænomenet;
- vurdering af graden af pålidelighed af den afslørede regelmæssighed i udviklingen af fænomenet i fortiden (valg af en trendfunktion);
- ekstrapolation - overførslen af de identificerede mønstre til en bestemt periode i fremtiden;
- korrektion af den opnåede prognose under hensyntagen til resultaterne af en meningsfuld analyse af den nuværende tilstand.
For at opnå en objektiv prognose for udviklingen af det undersøgte fænomen skal basisdataene opfylde følgende krav:
- tidstrinnet for hele basislinjen skal være det samme;
- observationer registreres på samme tidspunkt i hver tidsperiode (for eksempel ved middagstid hver dag, den første dag i hver måned);
- basislinjen skal være fuldstændig, dvs. ingen dataudeladelse er tilladt.
Hvis der ikke er resultater i observationerne i en lille periode, så for at sikre fuldstændigheden af basislinjen, er det nødvendigt at udfylde dem med omtrentlige data, for eksempel brug gennemsnitsværdien af tilstødende segmenter.
Korrektionen af den opnåede prognose udføres for at forfine de opnåede langsigtede prognoser under hensyntagen til indflydelsen af sæsonbestemt eller krampagtig udvikling af det undersøgte fænomen.
Hvis ekstrapolering bruges til prognoser, det vil sige at finde ukendte værdier af en variabel i slutningen af en tidsserie, så bruges retropolation til retrospektiv prognose, det vil sige at finde manglende værdier i begyndelsen af en tidsserie baseret på de tilgængelige værdier af en variabel. Retropolering kan bruges både til at finde de tidligere værdier af en variabel fra dens nuværende værdier og til at finde de nuværende værdier fra dens ønskede fremtidige værdier.
Eksempler på tidsserier
Tidsserier opstår som regel som et resultat af måling af en eller anden indikator. Disse kan både være indikatorer (karakteristika) for tekniske systemer og indikatorer for naturlige, sociale, økonomiske og andre systemer (f.eks. vejrdata ). Et typisk eksempel på en tidsserie kan kaldes en valutakurs , i analysen af hvilken de forsøger at bestemme udviklingens hovedretning (trend eller trend ).
Se også
Noter
- ↑ 1 2 Shmoylova R. A. Generel teori om statistik: Lærebog. - M . : Finans og statistik, 2002. - ISBN 5-279-01951-8 .
Litteratur
- Mishulina OA Statistisk analyse og bearbejdning af tidsserier. - M .: MEPhI , 2004. - S. 180. - ISBN 5-7262-0536-7 .
 Ordbøger og encyklopædier | |
|---|---|
| I bibliografiske kataloger |
|