ПОЗНАВАТЕЛЬНОЕ

Сила воли ведет к действию, а позитивные действия формируют позитивное отношение

Как определить диапазон голоса - ваш вокал

Игровые автоматы с быстрым выводом

Как цель узнает о ваших желаниях прежде, чем вы начнете действовать. Как компании прогнозируют привычки и манипулируют ими

Целительная привычка

Как самому избавиться от обидчивости

Противоречивые взгляды на качества, присущие мужчинам

Тренинг уверенности в себе

Вкуснейший "Салат из свеклы с чесноком"

Натюрморт и его изобразительные возможности

Применение, как принимать мумие? Мумие для волос, лица, при переломах, при кровотечении и т.д.

Как научиться брать на себя ответственность

Зачем нужны границы в отношениях с детьми?

Световозвращающие элементы на детской одежде

Как победить свой возраст? Восемь уникальных способов, которые помогут достичь долголетия

Как слышать голос Бога

Классификация ожирения по ИМТ (ВОЗ)

Глава 3. Завет мужчины с женщиной

Оси и плоскости тела человека - Тело человека состоит из определенных топографических частей и участков, в которых расположены органы, мышцы, сосуды, нервы и т.д.

Отёска стен и прирубка косяков - Когда на доме не достаёт окон и дверей, красивое высокое крыльцо ещё только в воображении, приходится подниматься с улицы в дом по трапу.

Дифференциальные уравнения второго порядка (модель рынка с прогнозируемыми ценами) - В простых моделях рынка спрос и предложение обычно полагают зависящими только от текущей цены на товар.

Статистика Дарбина-Уотсона

Аддитивная модель:

1) Степенная d=0,9362

2) Экспоненциальная d=0,7037

Мультипликативная модель:

1)Степенная d=0,5935

2) Экспоненциальная d=0,3686

Нулевая гипотеза (Н0) – отсутствии автокорреляции 1-го порядка, если предполагается в качестве альтернативной гипотезы – наличие положительной автокорреляции, то есть d<2, тогда возможны следующие варианты: d<dl принимается Н1 о положительной автокорреляции, d>du-принимается Н0.

dl= 1,49; du=1,64 ( для 53 данных) следовательно,принимается гипотеза Н1 о положительной автокорреляции, остатки значительны.

Рис. 8 Гистограмма остаточной компоненты степенной аддитивной модели

Рис. 9 Гистограмма остаточной компоненты аддитивной экспоненциальной модели

Рис. 10 Гистограмма остаточной компоненты степенной мультипликативной модели

Рис. 11 Гистограмма остаточной компоненты экспоненциальной мультипликативной модели

Рис.12 Нормально вероятностное распределение остатков аддитивной степенной модели

Рис.13 Нормально вероятностное распределение остатков аддитивной экспоненциальной модели

Рис.14 Нормально вероятностное распределение остатков мультипликативной степенной модели

Рис.15 Нормально вероятностное распределение остатков мультипликативной экспоненциальной модели

Таблица 13.

Ошибки прогнозирования

Рис 16. Автокорреляционная функция остатков сезонной декомпозиции аддитивной модели

Рис 17. Автокорреляционная функция остатков сезонной декомпозиции мультипликативной модели

Статистика Дарбина-Уотсона

Сезонная декомпозиция аддитивная модель:

d=3,0364 4-d=4-3,0364=0,9636

Сезонная декомпозиция мультипликативная модель:

d=2,9243 4-d=4-2,9243=1,0757

Нулевая гипотеза (Н0) – отсутствии автокорреляции остатков, если предполагается в качестве альтернативной гипотезы – наличие отрицательной автокорреляции, то есть d>2, то с пороговыми значениямиdu и dl сравнивается величина 4-d, тогда возможны следующие варианты:

1) 4-d<dl, то принимается Н1 об отрицательной автокорреляции;

2) 4- d>du, то принимается Н0.

Для 53 данных: dl= 1,49; du=1,64, следовательно, принимается гипотеза Н1 об отрицательной автокорреляции, остатки значительны.

Рис 18. Гистограмма остаточной компоненты

Рис. 19 Нормально вероятностное распределение остатков сезонной декомпозиции аддитивной модели

Рис 20. Гистограмма остаточной компоненты

Рис. 21 Нормально вероятностное распределение остатков сезонной декомпозиции мультипликативной модели

Вывод:После проведения сезонной декомпозиции по аддитивной и мультипликативной моделям, мы можем сравнить их с выбранной нами ранее мультипликативной степенной и между собой. Мультипликативная сезонная по всем параметрам точности уступает моделям, созданным с помощью сезонной декомпозиции. Если сравнить между собой аддитивную и мультипликативную, то мультипликативная более точно по всем характеристикам приближенна к фактическим значениям, то есть в среднем расчетное отклоняется от фактического на 4,48226 (%) или на 0,018 %. Из автокорреляционной функции остатков, гистограммы остаточной компоненты и нормальному вероятностному распределению остатков сезонной декомпозиции мультипликативной модели так же видно, что визуально распределение остатков достаточно близко к нормальному, поскольку гистограмма хорошо укладывается в форму плотности нормального распределения. Кроме того, на нормальном вероятностном графике значения остатков расположены приближенно по прямой, то можно предположить нормальность характера распределения остатков.