Прикладной анализ временных рядов. Посевная площадь Тульской области. Изучение методов анализа временных рядов

Страницы работы

Содержание работы

Министерство образования РФ

Тульский Государственный Университет

Кафедра Прикладной Математики и Информатики

ПРИКЛАДНОЙ АНАЛИЗ ВРЕМЕННЫХ РЯДОВ

Контрольно-курсовая работа

Выполнил: студент гр.                                                         

Принял:                                                                                                       

Тула – 2003

ЦЕЛЬ РАБОТЫ

Изучение методов анализа временных рядов.

ИСХОДНЫЕ ДАННЫЕ

Дан временной ряд

                                 Таблица 1. Посевная площадь Тульской  области

N

Годы

Посевная площадь сельскохозяйственных культур, тысяч гектаров

1

1940

1330,5

2

1946

967,4

3

1950

1298,5

4

1960

1565,9

5

1970

1481,0

6

1980

1554,0

7

1990

1448,1

8

1995

1295,5

9

1996

1274,3

10

1997

1211,2

11

1998

1133,2

12

1999

1011,1

13

2000

912,8

14

2001

874,7

ЗАДАНИЕ

  найти оценку математического ожидания;

  найти оценку дисперсии;

  построить тренд;

  найти оценку корреляционного момента;

  найти оценку спектральной плотности;

  спрогнозировать следующие члены данного временного ряда.

ВЫПОЛНЕНИЕ

1) Оценка математического ожидания ищется по формуле:

.

1239,87.

2) Оценка дисперсии:

.

*   223,85.

3)  Для расчета тренда рассмотрим заданный ряд.

Рис. 1 Временной ряд изменения количества

 посевных площадей Тульской области

 

Исходя из внешнего вида временной зависимости, будем рассчитывать  тренд в виде полинома .

Воспользуемся методом наименьших квадратов:

.

Получим систему линейных уравнений

Решая систему

получим значения коэффициентов :

Получим полиномиальный тренд вида

.

Рис.2 Временной ряд и полиномиальный тренд

 

Проведем сглаживание ряда методом скользящего среднего:

Таблица 2. Сглаживание ряда методом скользящего среднего

t

x

 

1

1330,5

1330,50

2

967,4

967,40

3

1298,5

1198,80

4

1565,9

1277,27

5

1481

1448,47

6

1554

1533,63

7

1448,1

1494,37

8

1295,5

1432,53

9

1274,3

1339,30

10

1211,2

1260,33

11

1133,2

1206,23

12

1011,1

1118,50

13

912,8

1019,03

14

874,7

932,87

Рис. 3 Исходный ряд и ряд, сглаженный методом скользящего среднего

 

4) Оценка автокорреляционной функции.

Таблица 3. Таблица значений автокорреляционной функции

m

0

13 976,8

1

797,81

2

– 1 580,84

3

1600,54

4

– 4 381,94

5

– 2 640,32

6

– 5 829,53

7

– 19 449,82

8

– 21 473,6

9

– 11163,06

10

1 050,95

11

36 820,27

12

43 719,16

13

– 43 597,52

Рис. 4 Автоковариационная функция

 

5) Оценим спектральную плотность мощности на основании дискретного преобразования     Фурье:

.

Таблица 4. Спектральная плотность

n

0

-12151,07

1

63634,43

2

-87101,38

3

-46455,24

4

6475,58

5

68257,44

6

67545,78

7

63113,09

8

67545,78

9

68257,44

10

6475,58

11

-46455,24

12

-87101,38

13

63634,43

Рис. 5 Спектральная плотность

 

6)  Исходя из найденного тренда, спрогнозируем следующие три члена временного ряда:

.

.

.

.

Похожие материалы

Информация о работе

Тип:
Курсовые работы
Размер файла:
256 Kb
Скачали:
0