книги / Статистический анализ временных рядов
..pdf3.4. |
МЕТОД ПЕРЕМЕННЫХ РАЗНОСТЕЙ |
|
93 |
Здесь |
Д7 (t) = 0 означает выполнение равенства для |
всех t, |
а |
Лг/ (О Ф 0 означает нарушение равенства хотя бы для |
одного |
t. |
Эта совокупность предположений подобна (16) из § 3.2. Соответст вующие решающие процедуры должны быть основаны на статисти
ках Vm+i.......Vq+\- Предположим, что Д?+1/ (t) = 0. Как уже отме чалось, общая теория § 3.2 в данном случае неприменима. Дело в том, что Vтне являются здесь достаточными статистиками. Тем не
менее в соответствии с методикой |
§ 3.2 исследователь может дейст |
|
вовать последовательно, начиная |
с проверки гипотезы Д?/ (t) = 0 |
|
с помощью отношения (Vq — V?+i)/F?+i |
так, как это было указано |
|
выше. Если эта гипотеза принимается, |
то проверяется гипотеза |
Дq~lf (/) = 0 по значениям (Ffl_i — Vg)/Vg. На каждом конкретном
шаге используется (Vr — Vr+\)l-Vr+i. Если гипотеза Дm+,f ( 0 = 0 принимается, то на этом процедура заканчивается. Для длинных рядов (т. е. при больших Т) эти критерии могут основываться на асимптотической теории, приведенной выше. Однако числители не
являются |
асимптотически независимыми. Поэтому |
предельная ве |
роятность |
принятия гипотезы Д4f (0 = 0 , а |
затем гипотезы |
&Tlf (0 = 0 описывается двумерным нормальным распределением. Предельная вероятность для г решений требует привлечения г-мер- ного нормального распределения. На практике обычно обходят эту трудность, производя проверку по каждому критерию в отдельнос ти.
Будем, как уже однажды предполагалось, совершать последо вательные действия в обратном порядке. Сначала рассмотрим от ношение (Km+i — Vm+2j/Vm+2- Если оно велико, то примем решение
Дт+7 (t) Ф 0. После этого рассмотрим (Vm+2 — Fm+зУУт+з и т. д. Практически эта процедура может быть проведена следующим обра зом. Применяя оператор вычисления разностей к исходной после довательности, получают последовательность {kyt) и вычисляют ]/г. Затем, применяя разностный оператор к {Дyt), получают последовательность (Д2^ ) и вычисляют V2. Поскольку величины V, определяются одна за другой, то каждую из них можно сравни вать с предыдущей. Критерии значимости могут быть применены, только когда задана последовательность уровней значимости. Одна ко, помимо трудности определения вероятностей ошибок из-за за висимости составляющих критериев значимости, осложняющим обстоятельством является еще и положительность вероятности того,
Т - г |
Т - г |
что, например, величина 2 |
1Д7 (012 мала, а 2 1Аг+7 (012 ве* |
<=1 |
<=1 |
лика, а это может привести к ошибочному заключению о том, что
Д 7 (0 = о.
94 ТРЕНДЫ И СГЛАЖИВАНИЕ Гл. 3.
Тинтнер (1952, стр. 320) привел для ряда из табл. 3.1 разности до 5-го порядка. (Последние числа в каждом столбце таблицы Тинтнера ошибочны.)
Таблица 3.5
ДИСПЕРСИИ ДЛЯ РАЗНОСТЕЙ ИЗ ТАБЛ. 3.1
Порядок |
s , |
(т ~ ') 0 |
Vr |
|
|||
0 |
|
|
62.2517 |
1 |
905.64 |
44 |
20.5827 |
2 |
1 860.23 |
126 |
14.7637 |
3 |
5 411.77 |
400 |
13.5294 |
4 |
17 321.25 |
1330 |
13.0235 |
5 |
58 446.06 |
4536 |
12.8849 |
Значения статистик Vr, вычисленные по этим разностям, помещены
23
в табл. 3.5. При г = О статистика V, равна 2 (У/ — у)У22 и сов-
ы 1
падает со средней остаточной суммой квадратов для k = 0 в нижней половине табл. 3.2. Заметим, что оценка V, для а2, основанная на аппроксимирующем полиноме степени г — 1, значительно меньше оценки, являющейся средней суммой квадратов остатков относитель но выравнивающего полинома степени г — 1.
Тинтнер вместе с разностью Vг — Vr-\-\ в качестве состоятельной оценки для о2 использует вместо статистики Кг+1 статистику Vr. Последняя представляется более предпочтительной ввиду того, что она состоятельна при Arf (f) ф 0 и Ar+lf (t) — 0.
3.5. НЕЛИНЕЙНЫЕ ТРЕНДЫ
Иногда во временных рядах проявляются тренды, которые лучше всего описываются функциями, нелинейными по параметрам, подлежащим оценке. Например, при изучении популяций часто обнаруживается характерный тренд, связанный с ростом популяций, который можно достаточно хорошо описать так называемой «логи стической» кривой роста. [См. Дэвис (1941, стр. 247—271).] Логи стическая кривая как функция времени выражается формулой
о) |
n t, |
3 .5 . |
НЕЛИНЕЙНЫЕ ТРЕНДЫ |
95 |
При построении модели ошибок предполагают, что наблюдаемые значения размера популяции уъ ..., ут отличаются от тренда некор релированными случайными величинами, так что для оценивания параметров а ь а 2, а 3 можно привлечь критерий наименьших квад ратов, так fee как это было сделано в линейном случае. В связи с этим потребуем, чтобы выражение
т
(2) |
2 [& — / |
а1* |
аз)]а = 5 (alt а2, а3) |
|
t=1 |
|
|
принимало минимально возможное значение по параметрам ах, а2, а3. Минимизирующие значения аъ а2 и а3 будут при этом оценками наименьших квадратов параметров а х, а2и а3 соответственно. Задачу вычисления этих оценок часто можно решить итерационным ме тодом с использованием первых членов тейлоровского разложения
/ (t; |
ах, а2, а3) в окрестности |
некоторых |
подходящих значений а?, |
||||||||||
о |
о |
|
|
|
|
|
|
|
|
|
|
|
|
а2, а3: |
|
|
|
|
|
|
|
|
|
|
|
|
|
(3) |
f(t; |
ax, |
а2, |
а3) = |
|
|
|
|
|
|
|
||
|
|
|
|
= |
/(*; |
а\, |
в®, |
аз) + |
2 ( а/ ~ а/) |
d f ( t \ a ) |
,о „о о + R, |
||
|
|
|
|
d d j |
|||||||||
|
|
|
|
|
|
|
|
|
|
/=1 |
|
|
a l ,a2'a3 |
|
R — остаточный |
|
|
|
|
|
|
|
|||||
где |
член. |
При |
выбранных |
начальных оценках |
|||||||||
а®, а®, аз можно воспользоваться линейной техникой |
наименьших |
||||||||||||
квадратов |
применительно |
к |
|
соотношению (3) и получить новые |
|||||||||
оценки а’, а\, |
а3. Линейные |
уравнения относительно а , — а®, полу |
|||||||||||
чаемые при отбрасывании остаточного члена R, имеют вид |
|||||||||||||
(4) |
d f ( t \ |
а » ) |
d f (t; а ° ) |
I |
(а— а0) = ^ |
[<// — f (^; а»)] |
d f ( t ; а » ) |
||||||
2 |
д а » |
|
|
З а 0 |
|
|
<=t |
|
I V » “ п |
а а ° |
|||
|
t = 1 |
|
|
|
|
• |
1 |
|
|
|
|
|
|
где f (/; а°) = |
f |
(t\ a?, a®, a®), (a — a°) есть вектор-столбец с элемента |
|||||||||||
ми |
(а,- — a?), |
a |
df (t; |
а0)/(За0 — вектор, элементами которого явля |
ются частные производные по ах, а2, а3, вычисленные при выбранных начальных значениях этих параметров. Чтобы получить более точ ные решения, указанную процедуру можно повторить, используя
вместо а®, а® и а® соответственно значения а}, а[ и а3 и т. д. Полу чаемая таким образом последовательность решений во многих слу чаях сходится к значениям, минимизирующим (2).
Можно поступать и иначе. Именно, формулу (2) использовать в точном виде, продифференцировать ее по ах, а2, а3 и приравнять ну лю соответствующие частные производные. При этом получаются соотношения
да 2 / № < н . - ц . |
|
yt |
d f ( t ; |
а ) |
I = 1, 2, 3. |
‘ |
д щ |
|
|||
м |
Я |
|
|
|
96 |
ТРЕНДЫ И СГЛАЖИВАНИЕ |
Гл. 3. |
Если теперь разложить исходную функцию и ее частные произ водные в ряды Тейлора в окрестности точки (а?, а°, аз) и опустить
члены второго порядка малости относительно (щ — а?), то в резуль тате получатся уравнения
|
Т d f |
((; |
а ° ) Г |
а/ (t- |
а » ) |
|
|
|
|
|
|
(6) |
2 |
д а 0 |
[ |
д а 0 |
|
|
|
|
|
|
|
|
|
|
т |
|
|
а0)] |
|
|
(а — а0) = |
||
|
|
|
|
— H |
(t’ |
а<>) |
|||||
|
|
|
|
t • я < П 1 |
|
|
|
||||
|
|
|
/=1 |
|
|
д а ° д а ° ' |
|
|
|
||
|
|
|
|
|
|
|
|
|
|
||
в которых |
|
|
|
|
|
|
|
2t=\i |
» < |
- № a " > i i £ S £ L ’ |
|
|
|
а3/ ( / ; |
|
/ a2/ |
|
|
|
|
|
||
(7) |
|
|
|
а ° ) |
(t; а ) |
„о „о |
о ) |
• |
|||
|
|
|
а а ° а а 0 ' |
\ d a t d a j |
|||||||
|
|
|
|
а1»а2,а3 ' |
|
||||||
Если |
предполагается, |
что |
случайные |
составляющие — независи |
мые нормально распределенные случайные величины с одинаковыми дисперсиями, то методы наименьших квадратов и максимального правдоподобия совпадают и данный итерационный метод эквива лентен методу Ньютона — Рафсона отыскания максимума. Если в (6) вместо (7) используется его математическое ожидание, то соответствующая процедура известна как метод меток. [См. С. Рао (1952, разд. 4с.2).]
Для минимизации выражения (2) можно воспользоваться и ины ми способами. В начальной точке а0 функция 5 (ах, а2, Оз) убывает наиболее быстро в направлении —dSldalt —dS/da2, —dS/da3. Из менение вектора а в этом направлении приводит к уменьшению S (сх, а2, а3). Для оценки перемещения, приводящего к наибольше му убыванию, применяются методы наискорейшего спуска. На прак тике частные производные могут быть приближенно заменены ко нечными разностями. Отправляясь от начального приближения
(а?, <з“, аз), вычисляют S для а, = — XdS/dfy при возрастающих зна чениях %до тех пор, пока S не перестанет убывать. При этом полу чают вторую точку а1 и повторяют процедуру. Дрейпер и Смит (1966, разд. 10.3) обсуждают метод («компромисс Маркардта»), ба зирующийся одновременно на линеаризации функции f (t\ а) и на методе наискорейшего спуска. (Нелинейная регрессия рассматрива лась также Уильямсом (1959).)
Мы указали на некоторые общие подходы к отысканию прибли женных решений задачи наименьших квадратов итерационным пу тем. При этом формулы выписывались только для случая трех па раметров лишь из соображений удобства. В этой области сделано
3.6. |
о б с у ж д е н и е |
97 |
довольно многое, но в настоящей книге не представляется целесо образным давать обзор сделанного.
Много результатов получено также в области выравнивания наблюдаемых данных с помощью специальных функций, таких, как логистическая. [См., например, Дэвис (1941, стр. 250—254).] Мы не будем пытаться обрисовать эту деятельность даже в общих чер тах. Некоторые из методов используют порядок наблюдений во времени. Например, можно минимизировать
(8) |
2 [А0, — А/(<; аъ а 2> «з)12- |
|
ш |
При этом допускается, что функция, подлежащая оценке, опреде ляется другим способом. Такие методы могут основываться не толь ко на модели с некоррелированными случайными ошибками, но и на других моделях, оказывающихся во многих случаях более под ходящими.
3.6.ОБСУЖДЕНИЕ
Вмоделях, изучавшихся в настоящей главе, предполагалось, что наблюдения yt получаются как результат наложения на некото рую функцию времени f (t) не коррелированных с ней ошибок щ. Кроме того, допускалось, что эта функция времени не возмущена нерегулярностями. Такое предположение может быть оправдано в
тех ситуациях, когда случайный характер нерегулярностей связан с процессом измерения. Одной из классических областей, в которых исследуются временные ряды, является астрономия. Пусть произво дятся последовательные наблюдения расположения какой-либо пла неты. Наблюдаемые нерегулярности обусловлены главным образом изменениями в земной атмосфере и в установке телескопа. Эти случайные факторы не влияют на курс планет. Более того, можно считать, что эти факторы изо дня в день или из недели в неделю яв ляются некоррелированными.
Вдругих прикладных задачах указанные предположения могут
ине выполняться. Так, регистрируемое количество мяса, ежегодно потребляемого в Соединенных Штатах, подвержено ошибкам изме рений. Часть продукта не учитывается, часть потребления ошибоч но приписывается другому году и т. п. Эти ошибки в известной ме ре коррелированы. В гл. 10 мы рассмотрим влияние коррелированности ошибок. Будет развита теория больших выборок для случая, когда ошибки образуют стационарный случайный процесс.
Во временных рядах, описывающих потребление мяса, сущест
вуют, однако, и другие нерегулярности, которые могут привести к тому, что представление действительного потребления мяса про стой функцией времени окажется неудовлетворительным. Сущей*
98 |
ТРЕНДЫ И СГЛАЖИВАНИЕ |
гл. а. |
вует, например, воздействие общих экономических условий, кото рые влияют и на доход потребителей, и на цены на мясо. Эти воз действия не относятся ни к упомянутой функции времени, ни к не коррелированным случайным членам. Если такие воздействия не принимаются в расчет явно (как переменные регрессии), то они по падают в рассмотрение неявным образом (в f (t) или, щ) и представ ляют собой нерегулярности, которые оказываются включенными в изучаемую величину. Если потребление мяса в какой-то год возра стает в силу случайного стечения обстоятельств, то потребители могут изменить свои вкусы, склоняясь к длительному увеличению потребления мяса. Такое поведение не отражено в моделях, рас смотренных в настоящей главе, но будет учитываться в моделях; изучаемых ниже. В гл. 5 будут объединены регрессионная модель для систематической составляющей и процесс авторегрессии для случайной составляющей.
ЛИТЕРАТУРА |
|
|
§ 3.2. Р. Андерсон и Хаузман (1942), Леман (1959), Тйнтнер (1952), |
Фишер |
|
и Иэйтс (1963). |
(1970), Вальд (1936), Дурбин (1963), Кендалл и |
|
§ 3.3. Бокс и Дженкинс |
||
Стьюарт (1966), Коуден (1962), |
Уиттекер и Робинсон (1926), Хеннан (1964). |
|
§ 3.4. О. Андерсон (1929), Гейссер (1956), Жордан (1939), Камат(1955), Кейв- |
||
Браун-Кейв (1904), Кендалл (1946а), Кендалл и Стьюарт (1966), Кенуй |
(1953), |
|
Миллер (1960), Тйнтнер (1940, |
1952, 1955), Стьюдент (1914), Хукер (1905). |
|
§ 3.5. Дрейпер и Смит (1966), Дэвис (1941), С. Рао (1952), Уилльямс |
(1959). |
УПРАЖНЕНИЯ
1. (Разд. 3.2.1) В полиноме f (/), заданном соотношением (1), замена перемен ного t на + т приводит к Изменению начала отсчета. Найдите коэффициенты полученного полинома от t*. (Заметьте, что если a q Ф 0, то в каждом полиноме, получающемся в результате такой подстановки, присутствуют все степени t*, меньшие q.)
= |
2. (Разд. 3.2.1) Найдите ортогональный полином третьей степени для |
/=* |
|
1, ..., Т. |
|
||
= |
3. |
(Разд. 3.2.1) Найдите ортогональный полином третьей степени для |
t = |
1, ...» 17. |
|
||
= |
4. |
(Разд. 3.2.1) Найдите ортогональный полином третьей степени |
для / — |
1, ..., 23. |
|
||
|
|
т |
|
|
5. |
(Разд. 3.2.1) Пусть % (Т) = 2 tk. Покажите, что |
|
т |
т |
(Указание. Показать, что обе части уравнения равны 2 (t + l ) ^ *1234— ^ |
•) |
|
|
|
|
|
УПРАЖНЕНИЯ |
99 |
в, |
(Разд. |
3.2.1) |
Покажите, |
что |
|
|
|
|
|
2 i |
(2?2t ') |
<т) = (т + ‘)2?+i+ T2q+' ~ |
i, |
где |
(Т) определено в упр. 5. (Указание. Показать, что обе части уравнения равны |
|||||
Z, |
|
|
г |
(/ —1)2?+1 о |
|
|
2 (/ + |
1)2<г+| — у; |
|
||||
7. |
|
(Разд. |
3.2.1) |
Проверьте приведенную ниже таблицу значений функций |
||
Фб (Т) = |
2 |
k *= 0, ..., 8, используя упр. 5: |
|
|||
г |
|
*=1 |
|
|
|
|
1 - т |
|
|
|
|
||
2 |
|
|
|
|
/«=1
(2Т + 1)Г (Т + 1) ^
*=1 |
|
|
|
|
|
|
|
Т2(Г + |
I)2 |
|
|
|
|
|
|
4 |
|
|
|
|
|
|
|
(2Т + |
1) Т (Т + |
1) (ЗТ2 + |
ЗТ — 1) |
|
|
|
|
|
|
|
30 |
|
|
|
|
Г2 (Т + |
I)2 (2Г2 + 2Т — 1) |
|
|
|
|||
|
|
12 |
|
|
|
|
|
(2Т + |
1) Г (Г + |
1) (ЗТ4+ |
бТ3— ЗТ + |
1) |
|
||
|
|
|
42 |
|
|
|
|
Т2(Т + |
|
I)2(ЗТ4+ 6Т3— Т2— 4Т + |
2) |
|
|
||
|
|
|
24 |
|
|
|
|
Т (Т + |
|
1) (2Т + |
1) (5Т6+ |
15Т5 + 5Т4— 15Т3 — Т2+ 9Т — 3) |
|||
|
|
|
|
90 |
|
|
|
8. (Разд. 3.2.1) Найдите значения ф2л (П ~ |
т |
|
2, 3, 4, исполь- |
||||
2 |
^ для ^ ~ |
||||||
„ |
|
|
|
|
Я |
|
|
зуя упр. 6. |
|
|
|
|
|
|
|
9. (Разд. 3.2.2) Пусть *i, ..., — независимые, нормально распределенные случайные величины с дисперсией а 2 и математическими ожиданиями g*/ = р*;
100 |
ТРЕНДЫ И СГЛАЖИВАНИЕ |
Гл. 3. |
i = 1, |
..., п, %Xi = 0, / = |
жества |
R из Димерного |
п + 1,..., N. Докажите, что для любого измеримого мно пространства xv ...» xN соотношение
(О |
|
|
|
|
|
Рг| я |
|*1............хп, |
2 |
*?] = |
в |
|
|||
влечет |
за |
собой |
|
|
I |
|
|
i=n+ 1 |
J |
|
|
|||
|
|
|
|
|
|
|
|
|
|
|||||
(И) |
|
|
|
|
|
|
|
Рг {/?} = |
е. |
|
|
|
|
|
| У казание. Взять |
математическое ожидание (i) относительно распределения вели- |
|||||||||||||
|
|
|
|
2 |
N |
у |
|
|
|
|
|
|
|
|
чин |
.......хп и |
|
*?• | |
|
|
|
|
|
|
|
|
|||
|
|
|
|
/=/1+1 ' |
|
|
|
|
|
|
|
|
||
10. (Разд. 3.2.2) |
В формулировке упр. 9 докажите, что из (и) (тождественного |
|||||||||||||
по pi, ... >р„ иа2) следует, |
что (i) выполняется почти всюду (т. е. с вероятностью 1). |
|||||||||||||
(У казание, |
(ii) |
равно |
|
|
|
|
п |
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
||
(Ш) |
i = |
J |
j ... |
J |
|
|
|
|
П n ( x t \ w , o 2) h ( - ^ - ) X |
|||||
|
|
0 |
— со |
— оо |
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
X |
П * » - £ - |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
/=1 |
|
|
|
|
|
тождественно по pi, |
...» р« и о2, где /г — плотность распределения |
а п |
||||||||||||
о?) — плотность нормального распределения со средним р£- и дисперсией |
а2. Если |
|||||||||||||
в (iii) |
1/а 2заменить на (1/о 2) — 20о |
и р£- на [р//о2+ |
0J /[(l/a 2) — 20о], то можно |
|||||||||||
получить производящую |
функцию для моментов |
подынтегрального выражения; |
||||||||||||
она оказывается производящей |
функцией для моментов плотности совместного рас |
|||||||||||||
пределения величин хи ..., |
хп и v.) |
|
|
|
|
|
|
|||||||
11. (Разд. 3.2.2) Пусть xi, ...» xN независимы и нормально распределены с дис |
||||||||||||||
персиями о 2 и |
математическими ожиданиями %xi = |
р/, |
i = 1, . п + |
1, Ядг/ = |
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
N |
|
|
= 0, i = п + |
2, |
|
|
Докажите, что хи .♦> *„j_i и |
|
2 |
образуют достаточное |
1=п-\-2
множество статистик для pi, ..., pn^_j и a2.
12. |
(Разд. 3.2.2) Докажите, |
что в формулировке упр. И наилучший критерий |
|||||
для проверки гипотезы рп_ц = |
0 с уровнем значимости е (т. е. с вероятностью е |
||||||
отвержения гипотезы равномерно по pi, ..., рл и а2 при pn_j_j = |
0) против альтер |
||||||
нативы рп_ц > 0имеет критическую область вида |
|
|
|
|
|||
(iv) |
V 4 + .+ |
+ 4 |
>k. |
|
|
|
|
|
|
|
|
|
|||
(Указание. П оскольку в упр. 10 показано, |
что эта критическая область удовлет- |
||||||
|
(1), рассмотрите плотность при данных xi, |
..., хп и |
N |
|
|
||
воряет |
^ |
А ' |
Сравните пере- |
||||
сечение |
множества хг = а, ...» хп = сп> |
+ |
... + х \ |
= |
с с |
областью R, |
определенной выше, и его пересечение с любой другой областью R*, удовлетворя ющей (i).)
УПРАЖНЕНИЯ |
101 |
13. (Разд. 3.2.2) Докажите, что в формулировке упр. |
11 равномерно наиболее |
мощный критерий для проверки гипотезы \ъп+\ — 0 с уровнем значимости е про тив альтернативы > 0имеет критическую область (iv) из упр.' 12.
14. (Разд. 3.2.2) Пусть хг, ...» хп независимы и нормально распределены с ну левыми средними и единичными дисперсиями, aS не зависит от xi, ..., хп и имеет распределение %2 с т степенями свободы. Пусть
Докажите, что ti, ..., tn — независимые случайные величины, имеющие f-pacnpe- деления с т + п — i степенями'|свободы соответственно. (Указание. Преобразовать совместную плотность вероятностей значений xi, ...» хп и 5 к плотности вероятнос
тей значений tv .., tn и и = х\ + ... + х \ + 5.)
15.(Разд. 3.2.2) Покажите, что соотношения (19) и (20) эквивалентны.
16.(Разд. 3.2.2) Покажите, что ацу определенное соотношением (22), равно
(»!)* Т (Т2— 1) (Г2— 4) (Г2— 9) . . . (Г2— Р)
(20 I (2i + 1) I
17. (Разд. 3.2.2) Представьте подобранный тренд из примера 3.1 в виде поли нома от t (где t — год, предшествующий 1918-му).
18. (Разд. 3.2.2)
ИНДЕКС ДОУ-ДЖОНСА СРЕДНИХ ЦЕН НА АКЦИИ РЯДА ПРОМЫШЛЕННЫХ КОМПАНИЙ
|
Год |
Цена |
Год |
Цена |
Год |
Цена |
|
1897 |
45.5 |
1903 |
55.5 |
1909 |
92.8 |
|
1898 |
52.8 |
1904 |
55.1 |
1910 |
84.3 |
|
1899 |
71.6 |
1905 |
80.3 |
1911 |
82.4 |
|
1900 |
61.4 |
1906 |
93.9 |
1912 |
88.7 |
|
1901 |
69.9 |
1907 |
74.9 |
1913 |
79.2 |
|
1902 |
65.4 |
1908 |
75.6 |
|
|
Используя эти данные, проделайте следующее: |
|
|||||
(a) |
Изобразите данные графически. |
|
|
|
||
(B) |
Принимая модель наименьших квадратов с %yt = у0+ ViTir (0 + 7?Ф2г(^» |
|||||
где |
(f) — ортогональные полиномы, найдите оценки для у0, yi и у2- |
|||||
|
Найдите доверительный интервал для у2с коэффициентом доверия 1 — е = |
|||||
(d) Проверьте гипотезу Н : у 2 — 0 с У р о в н е м значимости 0.05. |
||||||
(e) В предположении, что %уt = |
Р0+ |
Pi* + |
fM2> найдите оценки наименьших |
|||
<вадратов для |30, Pi и Р2. (Указание. Эти оценки можно найти из (Ь).) |
||||||
(f) |
Вычислите и изобразите графически остатки от оценки линейного тренда |
|||||
<ь + аф1г(0- |
|
|
|
|
|
|
19. |
(Разд. 3.2.2) Пусть |
регрессия |
полиномиальна |
Sy* = Po + Pi'+ ••• +fW*
102 |
ТРЕНДЫ И СГЛАЖИВАНИЕ |
Гл. 3. |
и требуется определить степень полинома по методу, изложенному в разд. 3.2.2. Покажите, как можно эффективно произвести вычисления с использованием пря мого решения нормальных уравнений.
20. |
(Разд. 3.3.1) Пусть в (1) а — 1 и к = 3. |
|
, (а) |
Постройте таблицу значений |
и график f (t). |
(b) Проверьте, что производные |
df/dt обеих составляющих функций в точке |
/= 2k = 6 совпадают.
(c)Найдите параболу, которая в интервале / = 0, 1, ..., 12 приближает f (f)
нацлучшим образом в том смысле, что минимизируется сумма квадратов откло нении.
(d)Постройте таблицу значений и график этой параболы.
(e)Постройте таблицу отклонений.
(f)Какая парабола лучше выравнивает наблюдения в точках t = 5, 6, 7 и
каковы ее значения в этих точках?
(е) |
Каково значение первой |
из составляющих парабол в точке t = |
12? |
||
(п) Какова парабола, наилучшим образом выравнивающая значения в точках |
|||||
/ = 4, 5, 6, 7, 8, и каковы ее значения в этих точках? |
1, ...» 12? |
||||
(i) |
Каково наилучшее кубическое приближение в интервале = 0, |
||||
(flr Постройте таблицу значений и график этого кубического приближения. |
|||||
|
|
|
т |
|
|
21. |
(Разд. 3.3.1) Покажите, что если |
2 |
£в =* 1, то |
|
|
|
т |
s= —т |
|
|
|
|
|
|
|
||
|
2 |
С* > |
2т + |
Г • |
|
|
$=—т |
|
|
|
Покажите, что если к тому же cs > 0, то
т
2 и s= —т
и что знак равенства имеет место в том и только в том случае, когда все cSt кроме одного, равны нулю.
22. (Разд. 3.3.1) Найдите я0при k = 2. (Указание. Найти полиномы (s),
i = 0, 2, 4, ортогональные на множестве s = —m, ..., т, и представить а0в виде их соответствующей линейной комбинации.)
23.(Разд. 3.3.1) Произведите сглаживание ряда из примера 3.1 с помощью процедуры, основывающейся на k = 1 и т = 2. Сравните результат с соответ ствующим кубическим приближением.
24.(Разд. 3.3.1)
(a) Произведите сглаживание ряда в упр. 18 с помощью процедуры, основы-
вакйцёйся на k = 0 и т — 3. |
|
|
|
|
|
|
6 |
(B) Произведите сглаживание |
с помощью процедуры, основывающейся на |
||||
— 1 и m = 2. |
|
|
|
|
|
|
|
(c) Сравните сглаженный ряд с трендом, подобранным в упр. 18. |
|||||
|
35vj(Pa3A- 3.3.1) Пусть |
- 1 |
1 |
1 |
. . . 1 |
~ |
|
|
|||||
|
|
1 |
22 |
З2 . . . т2 |
|
|
|
с = |
1 |
24 З4 . . . /л4 |
|
||
|
|
_1 |
22* |
З2* |
. . . т |
_ |