З метою визначення якості моделі необхідно розрахувати випадкову компоненту, для цього з десезонолізірованних значень ряду віднімають значення розрахованого тренда (Т). Отримані значення Е представлені на малюнку 2.3. br/>В
Рис. 2.3. Розподіл значень E
Видно, що значення випадкової компоненти лежать навколо нуля, це позитивно характеризує форму її розподілу для якості моделі, тому що, наближаючись до нуля, роль цього елемента нейтралізується. Розкид значень по обидві сторони від нульового значення підкреслює випадковість розподілу помилок, що також важливо для якості моделі. p align="justify"> Для подальшого аналізу якості моделі аналітично опишемо тренд, розрахований з використанням центрованих ковзають середніх. Для визначення параметрів рівняння регресії використовуємо метод найменших квадратів та інструмент В«РегресіяВ» пакету аналізу Microsoft Excel. У результаті використання даного інструментарію отримуємо рівняння y (t) = 63710,94 + 6346,68 t. Формальний підхід до оцінки якості моделі дозволяє визначити відповідність моделі моделируемому процесу (адекватність) і ступінь близькості її до фактичних даних (точність). Обидва ці властивості визначаються на основі ан Алізе ряду залишків е. Результати розрахунку залишків представлені в таблиці 2.5.
2.2.2 Визначення якості моделі
Більш глибоке визначення якості моделі включає в себе перевірку адекватності і точності.
Перевірка адекватності полягає у визначенні наявності або відсутності систематичної помилки. Модель вважається адекватною, якщо ряд її залишків задовольняє вимогам нульового середнього та випадковості. br/>
Таблиця 2.5 Ряд залишків лінійної моделі
tТТрасч ?? t
В
Перевірка властивості нульового середнього полягає в розрахунку середнього значення ряду залишків. Якщо воно близько до нуля, то модель не містить постійної систематичної помилки і адекватна за умовою нульового середнього. У нашому випадку е = 0. p align="justify"> Перевірка випадковості ряду залишків проводиться за методом серій. Серією називається послідовність розташованих підряд значень ряду залишків, для яких різниця ? t -Me має один і той же знак. Якщо модель хороша, то вона часто перетинає лінію графіка вихідних даних і тоді серій багато, а їх довжина невелика. Для використання критерію серій по ряду залишків обчислюються медіана Me, ряд різниць, підраховується число серій N і довжина максимальної з них L; отримані значення порівнюють з критичними. Для нашого випадку ряд містить 8 спостережень, критичні значення рівні: Для того, щоб визнати модель адекватної за цим критерієм необхідн...