Tidsföljder
Tidsserier ( dynamiska serier , serier av dynamik ) - statistiskt material som samlats in vid olika tidpunkter om värdet av alla parametrar (i det enklaste fallet en) i den process som studeras. Varje enhet av statistiskt material kallas en mätning eller avläsning, det är också acceptabelt att kalla det nivån vid den tidpunkt som anges med den. I tidsserien, för varje prov, ska mättiden eller mätnumret i ordning anges. Tidsserien skiljer sig markant från ett enkelt dataurval , eftersom analysen tar hänsyn till förhållandet mellan mätningar över tid, och inte bara den statistiska mångfalden och statistiska egenskaperna hos urvalet [1] .
Tidsserieanalys
Tidsserieanalys är en uppsättning matematiska och statistiska analysmetoder utformade för att identifiera strukturen av tidsserier och förutsäga dem . Detta inkluderar i synnerhet metoder för regressionsanalys . Att avslöja strukturen för tidsserien är nödvändigt för att bygga en matematisk modell av fenomenet som är källan till den analyserade tidsserien. Prognosen för framtida värden för tidsserien används för effektivt beslutsfattande.
Tidsserier består av två element:
- den tidsperiod för vilken eller från och med vilken de numeriska värdena anges;
- numeriska värden för den eller den indikatorn, kallade nivåerna i serien.
Tidsserier klassificeras enligt följande egenskaper:
- i form av representation av nivåer:
- serie av absoluta indikatorer;
- relativa indikatorer;
- medelvärden .
- genom antalet indikatorer för vilka nivåer bestäms vid varje tidpunkt: endimensionella och flerdimensionella tidsserier;
- av tidsparameterns natur: moment- och intervalltidsserier. I tidsserier för ögonblick karakteriserar nivåerna värdena för indikatorn från vissa tidpunkter. I intervallserier kännetecknar nivåerna värdet på indikatorn under vissa tidsperioder. Ett viktigt inslag i intervalltidsserier av absoluta värden är möjligheten att summera deras nivåer. Separata nivåer av momentserien av absoluta värden innehåller element av upprepad räkning. Detta gör det meningslöst att summera nivåerna i momentserien;
- beroende på avståndet mellan datum och tidsintervall särskiljs de på lika avstånd - när registreringsdatumen eller slutet av perioder följer varandra med lika intervall och ofullständiga (ojämnt fördelade) - när principen om lika intervall inte iakttas;
- genom närvaron av saknade värden: fullständiga och ofullständiga tidsserier;
- tidsserier är deterministiska och slumpmässiga : de förra erhålls baserat på värdena för någon icke-slumpmässig funktion (en serie sekventiell data om antalet dagar i månader); den andra är resultatet av implementeringen av någon slumpvariabel .
- beroende på närvaron av huvudtrenden särskiljs stationära serier, där medelvärdet och variansen är konstanta, och icke-stationära , som innehåller den huvudsakliga utvecklingstrenden [1] .
Prognos och efterklokhet
Prediktiva uppskattningar med hjälp av extrapoleringsmetoder beräknas i flera steg:
- kontrollera prognosens baslinje;
- avslöjande mönster av den tidigare utvecklingen av fenomenet;
- bedömning av graden av tillförlitlighet av den avslöjade regelbundenhet i utvecklingen av fenomenet i det förflutna (val av en trendfunktion);
- extrapolering - överföringen av de identifierade mönstren till en viss period i framtiden;
- korrigering av den erhållna prognosen, med hänsyn till resultaten av en meningsfull analys av det nuvarande tillståndet.
För att få en objektiv prognos över utvecklingen av fenomenet som studeras måste baslinjedata uppfylla följande krav:
- tidssteget för hela baslinjen måste vara detsamma;
- observationer registreras vid samma ögonblick av varje tidsperiod (till exempel vid middagstid varje dag, den första dagen i varje månad);
- baslinjen måste vara fullständig, d.v.s. ingen data utelämnande är tillåten.
Om det inte finns några resultat i observationerna under en kort tidsperiod, är det nödvändigt att fylla dem med ungefärliga data för att säkerställa fullständigheten av baslinjen, till exempel använd medelvärdet för intilliggande segment.
Korrigeringen av den erhållna prognosen utförs för att förfina de erhållna långtidsprognoserna, med hänsyn till inverkan av säsongsvariationer eller krampaktig utveckling av fenomenet som studeras.
Om extrapolering används för prognoser, det vill säga att hitta okända värden för en variabel i slutet av en tidsserie, används retropolering för retrospektiv prognos, det vill säga att hitta saknade värden i början av en tidsseriebaserad på tillgängliga värden för en variabel. Retropolering kan användas både för att hitta de tidigare värdena för en variabel från dess nuvarande värden och för att hitta de nuvarande värdena från dess önskade framtida värden.
Exempel på tidsserier
Tidsserier uppstår som regel som ett resultat av att mäta någon indikator. Dessa kan vara både indikatorer (egenskaper) för tekniska system och indikatorer för naturliga, sociala, ekonomiska och andra system (till exempel väderdata ). Ett typiskt exempel på en tidsserie kan kallas en växelkurs , i analysen av vilken de försöker bestämma huvudriktningen för utvecklingen (trend eller trend ).
Se även
Anteckningar
- ↑ 1 2 Shmoylova R. A. Allmän teori om statistik: Lärobok. - M . : Finans och statistik, 2002. - ISBN 5-279-01951-8 .
Litteratur
- Mishulina OA Statistisk analys och bearbetning av tidsserier. - M .: MEPhI , 2004. - S. 180. - ISBN 5-7262-0536-7 .
 Ordböcker och uppslagsverk | |
|---|---|
| I bibliografiska kataloger |
|