1. Построение детерминированной части прогнозирующей модели ВР (этап 1)
1. Введем данные в таблицу 1.
Таблица 1 – Расчетные данные
Y | t | t2 | Yпр | et | et-1 | eпр | Yпр2 |
4,121 | 4,164 | -0,043 | 4,164 | ||||
4,102 | 4,150 | -0,048 | -0,043 | -0,034 | 4,184 | ||
4,112 | 4,139 | -0,027 | -0,048 | -0,038 | 4,177 | ||
4,131 | 4,133 | -0,002 | -0,027 | -0,022 | 4,155 | ||
4,168 | 4,130 | 0,038 | -0,002 | -0,002 | 4,132 | ||
4,174 | 4,132 | 0,042 | 0,038 | 0,030 | 4,102 | ||
4,201 | 4,137 | 0,064 | 0,042 | 0,033 | 4,104 | ||
4,216 | 4,147 | 0,069 | 0,064 | 0,050 | 4,096 | ||
4,198 | 4,160 | 0,038 | 0,069 | 0,055 | 4,105 | ||
4,221 | 4,177 | 0,044 | 0,038 | 0,030 | 4,147 | ||
4,228 | 4,198 | 0,030 | 0,044 | 0,034 | 4,164 | ||
4,21 | 4,224 | -0,014 | 0,030 | 0,023 | 4,200 | ||
4,222 | 4,253 | -0,031 | -0,014 | -0,011 | 4,263 | ||
4,209 | 4,286 | -0,077 | -0,031 | -0,024 | 4,310 | ||
4,237 | 4,323 | -0,086 | -0,077 | -0,061 | 4,383 | ||
4,265 | 4,364 | -0,099 | -0,086 | -0,068 | 4,432 | ||
4,367 | 4,409 | -0,042 | -0,099 | -0,078 | 4,487 | ||
4,459 | 4,458 | 0,001 | -0,042 | -0,033 | 4,491 | ||
4,491 | 4,511 | -0,020 | 0,001 | 0,001 | 4,510 | ||
4,731 | 4,568 | 0,163 | -0,020 | -0,016 | 4,583 | ||
4,629 | 0,163 | 0,129 | 4,500 | ||||
4,693 | 0,101 | 4,592 | |||||
4,762 | 0,080 | 4,682 | |||||
4,835 | 0,063 | 4,772 |
2. Затем построили график модельных данных для t =1,2,3,...,23. (рисунок 1).
|
|
2. Построение стохастической части модели ВР (этап 2)
1. Для каждого наблюдения ряда в столбце E рассчитать отклонения ε (t), как разность между соответствующими данными столбцов A и D так, как показано на рисунке 6.2 «а».
2. Для определения коэффициента уравнения (6.9) расположим в расчетной таблице данные случайной компоненты так, как показано в столбце Fна рисунке 6.2 «а».
3. Определим коэффициент модели авторегрессии, для этого повторить пункты 3-5 раздела 6.1 с учетом того, что в данном случае определяются коэффициенты уравнения первого порядка. В окно исходных данных вставить следующие значения:
- Известные_значения_у – выделить мышью диапазон ячеек E3-E21;
- Известные_значения_х – выделить мышью диапазон ячеек F3-F21.
В ячейке I9 представлено расчетное значение коэффициента b 1= 0.6257.
В результате расчетов методом наименьших квадратов уравнение авторегрессии первого порядка имеет вид:
ε (t) = 0,6257ε (t −1). | (6.10) |
Рисунок 6.1 «а» – Расчетные данные
Уравнение (6.10) построено без свободного члена .
4. В столбце G расчетной таблицы (рисунок 6.2 «а») по выражению (6.10) рассчитать модельные значения случайной компоненты для t =2,3,4,...,21.
Рисунок 6.1 «б» – Графики детерминированной части прогнозирующей модели ВР
5. Используя выражение (6.10), в ячейках G23-G25 рассчитать прогнозные значения случайной компоненты для t =22,23,24. При вычислении ε(22) в ячейке G23 использовать значение ε(21) из ячейки G 22, при вычислении ε(23) в ячейке G24 использовать значение ε(22) из ячейки G24 и так далее.
|
|
3. Расчет оценок полного прогноза (этап 3)
Расчет оценок полного прогноза производится по выражению (6.1) для t =21,22,23,24 в ячейках H22-H25 по данным ячеек D22 и G22, D23 и G23, D24 и G24, D25 и G25. По результатам расчетов, представленных в колонках A,D и H построить графики исходного ВР, прогноза на основе детерминированной модели и графика оценок прогноза с учетом случайной компоненты. На рисунке 6.2 «б» для выбранного примера эти графики обозначены как Y, и .
Как видно из рисунка, график более близок к графику Y, что свидетельствует о повышении точности прогнозных оценок при учете случайной компоненты. Дать анализ графиков, полученных в результате выполнения заданного варианта.
Рисунок 6.2 «а» – Расчетные данные
Рисунок 6.2 «б» - Графики полного прогноза ВР
В таблице 6.1 представлены данные временных рядов для прогнозирования.
Таблица 6.1 – Варианты заданий
t\Y | Y1(t) | Y2(t) | Y3(t) | Y4(t) | Y5(t) | Y6(t) | Y7(t) | Y8(t) | Y9(t) | Y10(t) |
4,545 | 4,100 | 4,121 | 4,181 | 4,152 | 4,156 | 4,587 | 4,301 | 4,584 | 4,623 | |
4,544 | 4,215 | 4,102 | 4,148 | 4,159 | 4,141 | 4,589 | 4,303 | 4,592 | 4,633 | |
4,578 | 4,228 | 4,112 | 4,153 | 4,164 | 4,139 | 4,584 | 4,316 | 4,584 | 4,638 | |
4,579 | 4,213 | 4,131 | 4,156 | 4,165 | 4,120 | 4,587 | 4,304 | 4,592 | 4,641 | |
4,574 | 4,235 | 4,168 | 4,146 | 4,166 | 4,087 | 4,599 | 4,316 | 4,584 | 4,645 | |
4,574 | 4,233 | 4,174 | 4,143 | 4,169 | 4,031 | 4,580 | 4,200 | 4,586 | 4,648 | |
4,584 | 4,251 | 4,201 | 4,161 | 4,167 | 4,018 | 4,577 | 4,206 | 4,589 | 4,645 | |
4,585 | 4,225 | 4,216 | 4,139 | 4,151 | 3,987 | 4,580 | 4,200 | 4,589 | 4,647 | |
4,569 | 4,245 | 4,198 | 4,128 | 4,153 | 4,072 | 4,572 | 4,313 | 4,592 | 4,648 | |
4,577 | 4,253 | 4,221 | 4,155 | 4,132 | 4,138 | 4,582 | 4,300 | 4,594 | 4,653 | |
4,601 | 4,259 | 4,228 | 4,143 | 4,135 | 4,164 | 4,584 | 4,309 | 4,597 | 4,650 | |
4,588 | 4,243 | 4,210 | 4,155 | 4,131 | 4,190 | 4,575 | 4,289 | 4,594 | 4,655 | |
4,580 | 4,261 | 4,222 | 4,145 | 4,099 | 4,216 | 4,565 | 4,316 | 4,602 | 4,653 | |
4,592 | 4,245 | 4,209 | 4,172 | 4,103 | 4,203 | 4,575 | 4,323 | 4,604 | 4,648 | |
4,616 | 4,276 | 4,237 | 4,216 | 4,096 | 4,189 | 4,575 | 4,343 | 4,616 | 4,650 | |
4,613 | 4,280 | 4,265 | 4,245 | 4,083 | 4,190 | 4,580 | 4,358 | 4,626 | 4,649 | |
4,632 | 4,274 | 4,367 | 4,262 | 4,057 | 4,243 | 4,580 | 4,353 | 4,626 | 4,648 | |
4,680 | 4,292 | 4,459 | 4,256 | 4,062 | 4,277 | 4,584 | 4,361 | 4,631 | 4,650 | |
4,938 | 4,289 | 4,491 | 4,267 | 4,009 | 4,287 | 4,584 | 4,376 | 4,636 | 4,658 | |
4,978 | 4,113 | 4,731 | 4,276 | 4,013 | 4,167 | 4,577 | 4,311 | 4,645 | 4,658 |