итивно і мультиплікативно. p align="justify"> Аддитивна модель:
= TCt + St + It
Мультиплікативна модель:
Xt = TCt * St * It
Тут Xt позначає значення часового ряду в момент часу t. Якщо є якісь апріорні відомості про циклічні фактори, що впливають на ряд (наприклад, цикли ділової кон'юнктури), то можна використовувати оцінки для різних компонент для складання прогнозу майбутніх значень ряду. p align="center"> тренд сезонність тимчасовий ряд
В
Так як графік не має яскраво вираженої схильності до зростанню, а коливається приблизно в одному і тому ж діапазоні, я взяв аддитивную модель. p align="justify"> Побудуємо аддитивную модель.
Для того щоб визначити порядок сезонності, виконаємо ряд обчислень:
КварталСумма разностейЧісло повторень кварталаСредняя разностьВичетаніе Середній-19, 240,00
Сезонна компонента S КварталSI-596, 00II-473, 26III-311, 77IV1381, 03
Побудуємо графік Y і T + S щоб подивитися на якість адитивної моделі
В
Вибір типу залишків і коректування моделі
Для кожного значення t визначимо помилку моделі (залишкову компоненту часового ряду) за такою формулою:
В
Для того, щоб вибрати тип залишків: e = y -? або e = (y /?) - 1, побудуємо обидва графіка
В В
Бо на першому графіку дімперсія більш постійна, виберемо e = y -?.
За допомогою процедури В«Пошук рішенняВ» визначимо нові параметри моделі
Нові параметри моделі: -0,41401117213,53396-76,87362000,126
? = -0,41 * X 3 +13,53 * x 2 -76,87 * x +2000,13
Перевірка гіпотези про нормальний закон розподілу залишків за асиметрії і ексцесу:
В В
0,470,220,59
-0,760,76 H0: залишки розподілені відповідно з нормальним законом
0,22 <0,710,55 <1,14
H1: залишки не розподілені відповідно з нормальним законом Отже, залишки нормально розподілені
Перевірка сталості дисперсії залишків:
n 1 = 10D 1 < span align = "justify"> = 10892,72291??? 0,05 n 2 = 10D 2 = 17834,30861 F = 0,61077349 F 1КР = 4,025994158 F кр = 3,178893105 F 2кр
