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.
1) Оценка математического ожидания ищется по формуле:
 .
.
 1239,87.
1239,87.
2) Оценка дисперсии:
 .
.
 223,85.
   223,85.
3) Для расчета тренда рассмотрим заданный ряд.
| 
 | 
 
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
 .
.
| 
 | 
 
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 | 
| 
 | 
|  | 
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 | 
| 
 | 
 
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 | 
| 
 | 
 
6) Исходя из найденного тренда, спрогнозируем следующие три члена временного ряда:
 .
.
 .
.
 .
.
 .
.
Уважаемый посетитель!
Чтобы распечатать файл, скачайте его (в формате Word).
Ссылка на скачивание - внизу страницы.