Основной идеей этого метода является построение прямой, которая «в среднем» наименее уклоняется от массива точек (t,x)заданного временного ряда (рис. 2.10), описываемого уравнением
х = аt +b, (2.13)
где а,b — постоянные коэффициенты.
|
Коэффициент β обычно выбирают методом проб и ошибок с учетом практической деятельности.
Допустим, что на первый день работы в цехе прогноз дефектов был равен 8. Тогда прогноз по каждому следующему дню от предшествующего можно сосчитать по формуле (2.12). Результаты расчета сводим в табл. 2.9.

Отразим полученные результаты и на графике (рис. 2.9). Как видно из графика, прогнозируемый тренд более сглажен, чем на рис. 2.8

Рис. 2.10. Регрессионная тенденция тренда (а)
Расчет коэффициентов а и b ведется по методу наименьших квадратов, т.е. решается система уравнений
|
(2.14)
Эта система имеет единственное решение. Допустим, что массив данных (t,x), принятый ранее (см. анализ временных рядов), сохраняется. Для расчета коэффициентов заполним таблицу (табл. 2.10).

Решение уравнений
28а + 7b = 56,
140а + 28b= 233
даст значение постоянных коэффициентов а = -0,04, b= 8,14.
Таким образом, уравнение (2.13), позволяющее дать прогноз количества дефектов в цехе на любой момент времени, принадлежащий динамическому ряду, является уравнением регрессии и имеет вид
х = -0,04t + 8,14.
Так, например, на восьмой день производства прогноз числа дефектных изделий составит
f8 = -0,04x8 + 8,14 = 7,82.
Отразим массив реальных показателей и прогноз на графике (рис. 2.11).
Следует отметить, что приведенные методы не исчерпывают всего многообразия методов анализа временных рядов.