Cтраница 3
Что же касается анализа временных рядов, то это дисциплина статистическая, и ее методы широко используются в различных областях науки и техники. [31]
Значительная часть задач анализа временных рядов связана с преобразованием Фурье и методами его эффективного вычисления. Кроме того, преобразование Фурье можно использовать в задачах интерполяции значений. Эта глава содержит довольно краткий обзор теоретических сведений, поскольку главный упор сделан на те свойства преобразования, которые важны в приложениях и позволяют проводить вычисления разных функций наиболее быстро и экономно. Подробнее с преобразованием Фурье и его применениями читатель может ознакомиться по многим книгам. [32]
Применение количественных методов анализа временных рядов требует ( представления фактических данных в числовой форме. Процедура представления качественных признаков в числовом виде носит название ариф метизации и осущестсвля-ется за счет придания каждому типу породы строго определенного рангового номера, связанного с. Ранговые номера обычно устанавливаются так, чтобы типу породы, образовавшемуся в более подвижной среде, соответствовал больший номер. [33]
Наиболее распространенный метод анализа временного ряда - разложение его на простые составляющие, обусловленные воздействием отдельных причин. [34]
Помимо классических методов анализа временных рядов замеров параметров бурения, часто применяют специальные методы в случаях, когда необходимо провести анализ процесса с меняющимися во времени характеристиками, или перейти к другому более информативному представлению исходного временного ряда, раскладывая его на составляющие. Именно этим объясняется повышенное внимание к методу обработки временных рядов замеров параметров, вейвлет - анализу. [35]
Дополнительной проблемой при анализе временных рядов, особенно в случае прибылей на рынках капитала, является шум. При более высоком разрешении, таком, как дневные прибыли, мы обычно находимся в положении, когда имеется больше случайных флуктуации, чем при низком разрешении. [36]
Важное значение в анализе временных рядов имеют стационарные временные ряды, вероятностные свойства которых не изменяются во времени. Стационарные временные ряды применяются, в частности, при описании случайных составляющих анализируемых рядов. [37]
Среди наиболее распространенных методов анализа временных рядов выделим корреляционный и спектральный анализ, модели авторегрессии и скользящей средней. [38]
На практике в задачах анализа временных рядов обрабатываются не комплексные, а действительные величины. [39]
Полученные последовательности изучены методом анализа временных рядов, который позволяет дифференцировать ряд аналитических наблюдений на закономерную, случайную составляющие, а также выделить сезонную компоненту. [40]
Среди наиболее распространенных методов анализа временных рядов выделим корреляционный и спектральный анализ, модели авторегрессии и скользящей средней. [41]
Имеется обширная литература ло анализу гидрологических временных рядов и построению их моделей. Последующие ссылки охватывают лишь малую часть этой литературы. [42]
Распределение хи-квадрат используется в анализе временных рядов главным образом при изучении поведения выборочной дисперсии и плотностей спектра мощности. [43]
Рассмотрим основные положения метода анализе временных рядов, позволяющего получить статистичс ские характеристики потоков почтовых отправлена Некоторый процесс, характер которого меняется во вре мени, порождает упорядоченную последовательное которую принято называть временным рядом. Значенш которые принимает некоторая величина в момент вр мени t, могут быть как случайными, так и неслучайнь ми. [44]
Реже применяются используемые при анализе временных рядов различные виды сглаживания ( Smoothing), например, с помощью скользящего среднего. Однако качество получаемых графиков с помощью последнего метода проигрывает перед построенными с помощью регрессионного анализа или интерполяции. [45]