Помощь по Теле2, тарифы, вопросы

Углубленный анализ временных рядов требует использования более сложных методик математической статистики. При наличии в динамических рядах значительной случайной ошибки (шума) применяют один из двух простых приемов - сглаживание или выравнивание путем укрупнения интервалови вычисления групповых средних. Этот метод позволяет повысить наглядность ряда, если большинство «шумовых» составляющих находятся внутри интервалов. Однако, если «шум» не согласуется с периодичностью, распределение уровней показателей становится грубым, что ограничивает возможности детального анализа изменения явления во времени.

Более точные характеристики получаются, если используют скользящие средние - широко применяемый способ для сглаживания показателей среднего ряда. Он основан на переходе от начальных значений ряда к средним в определенном интервале времени. В этом случае интервал времени при вычислении каждого последующего показателя как бы скользит по временному ряду.

Применение скользящего среднего полезно при неопределенных тенденциях динамического ряда или при сильном воздействии на показатели циклически повторяющихся выбросов (резко выделяющиеся варианты или интервенция).

Чем больше интервал сглаживания, тем более плавный вид имеет диаграмма скользящих средних. При выборе величины интервала сглаживания необходимо исходить из величины динамического ряда и содержательного смысла отражаемой динамики. Большая величина динамического ряда с большим числом исходных точек позволяет использовать более крупные временные интервалы сглаживания (5, 7, 10 и т.д.). Если процедура скользящего среднего используется для сглаживания не сезонного ряда, то чаще всего величину интервала сглаживания принимают равной 3 или 5. https://tvoipolet.ru/iz-moskvi-v-nyu-jork/ - отличная возможность выбрать авиакомпанию на перелет из Москвы в Нью-Йорк

Приведем пример вычисления скользящего среднего числа хозяйств с высокой урожайностью (более 30 ц/га) (табл. 10.3).

Таблица 10.3 Сглаживание динамического ряда укрупнением интервалов искользящим средним

Примеры вычисления скользящего среднего:

1982 г.(84 + 94 + 92) / 3 = 90,0;

1983 г. (94 + 92 + 83) / 3 = 89,7;

1984 г.(92 + 83 + 91) / 3 = 88,7;

1985 г.(83 + 91 + 88) / 3 = 87,3.

Составляется график. На оси абсцисс указываются годы, на оси ординат - число хозяйств с высокой урожайностью. Указываются координаты числа хозяйств на графике и соединяют полученные точки ломаной линией. Затем указываются координаты скользящей средней по годам на графике и соединяются точки плавной полужирной линией.

Более сложным и результативным методом является сглаживание (выравнивание) рядов динамики с помощью различных функций аппроксимации. Они позволяют формировать плавный уровень общей тенденции и основную ось динамики.

Наиболее эффективным методом сглаживания с помощью математических функций является простое экспоненциальное сглаживание. Этим методом учитываются все предшествующие наблюдения ряда по формуле:

S t = α∙X t + (1 - α ) ∙S t - 1 ,

где S t - каждое новое сглаживание в момент времени t ; S t - 1 - сглаженное значение в предыдущий момент времени t -1; X t - фактическое значение ряда в момент времени t ; α - параметр сглаживания.

Если α = 1, то предыдущие наблюдения полностью игнорируются; при величине α = 0 игнорируются текущие наблюдения; значения α между 0 и 1 дают промежуточные результаты. Изменяя значения этого параметраможно подобрать наиболее приемлемый вариант выравнивания. Выбор оптимального значения α осуществляется путем анализа полученных графических изображений исходной и выравненной кривых, либо на основе учета суммы квадратов ошибок (погрешностей) вычисленных точек. Практическое использование этого метода следует проводить с использованием ЭВМ в программе MS Excel . Математическое выражение закономерности динамики данных можно получить с помощью функции экспоненциального сглаживания.

В ходе обработки динамического ряда важнейшей задачей является выявление основной тенденции развития явления (тренда) и сглаживание случайных колебаний. Закономерности изменения явления во времени не проявляются в каждом конкретном уровне ряда. Это связано с действием на явления общих и случайных причин. Поэтому для решения этой задачи в статистике существуют следующие методы обработки рядов:

• 1. Метод сглаживания путем укрупнения интервалов во времени.
• 2. Выравнивание рядов динамики методом скользящей средней.
• 3. Метод аналитического выравнивания.

Метод укрупнения интервалов - наиболее простой способ. Он заключается в преобразовании первоначальных рядов динамики в более крупные по продолжительности временных периодов, что позволяет более четко выявить действие основной тенденции изменения уровней. Новые уровни рассчитываются, как средние из укрупненных периодов. Переменная средняя рассчитывается по формулам простой средней арифметической. К примеру, если продолжительность периода равна 3, то переменная средняя будет рассчитана:

Недостатком этого приема является то, что идет потеря информации за счет укорачивания ряда.

Метод скользящей средней - это такая динамическая средняя, которая последовательно рассчитывается при передвижении на один интервал при заданной продолжительности периода.

Последовательность определения скользящей средней:

Формируются укрупненные интервалы, состоящие из одинаковых уровней. Если при расчете средней учитываются три уровня, скользящая средняя называется трехчленной, пять уровней - пятичленной и т.д. Если, предположим, продолжительность периода равна 3, то скользящие средние рассчитываются следующим образом:

Исчисляют первый средний уровень по арифметической простой:

y1 = y1/m, где

y1 - I-ый уровень ряда;

m - членность скользящей средней(продолжительность периода)

Заметим, первая средняя записывается напротив середины первого уровня.

• - Первый уровень отбрасывают, а в исчисление средней включают уровень, следующий за последним уровнем, участвующем в первом расчете. Процесс продолжается до тех пор, пока в расчет не будет включен последний уровень исследуемого ряда динамики y n .
• - По ряду динамики, построенному из средних уровней, выявляют общую тенденцию развития явления.

Отрицательной стороной использования метода скользящей средней является то, что, как и в случае с методом укрупнения идет потеря информации за счет укорачивания ряда. В дальнейшем затруднен прогноз развития явлений, так как нет достаточного математического обоснования для осуществления прогноза.

Более точным способом отображения тенденции динамического ряда является аналитическое выравнивание, т. е. выравнивание с помощью аналитических формул. В этом случае динамический ряд выражается в виде функции у (t), в которой в качестве основного фактора принимается время t, и изменения аргумента функции определяют расчетные значения у t .

Фактическими (или эмпирическими) уровнями ряда динамики называют исходные данные об изменении явления, т. е. данные, полученные опытным путем, посредством наблюдения. Они обозначаются уi. Расчетными (или выровненными теоретическими) уровнями ряда называют значения, полученные в результате подстановки в уравнение тренда значений t, и обозначают их?.

Целью аналитического выравнивания динамического ряда является определение аналитической или графической зависимости f(t). На практике по имеющемуся временному ряду задают вид и находят параметры функции f(t), а затем анализируют поведение отклонений от тенденции. Функцию f(t) выбирают таким образом, чтобы она давала содержательное объяснение изучаемого процесса.

Чаще всего при выравнивании используются следующие зависимости:

линейная;

параболическая;

экспоненциальная

• 1. Линейная зависимость выбирается в тех случаях, когда в исходном временном ряду наблюдаются более или менее постоянные абсолютные и цепные приросты, не проявляющие тенденции ни к увеличению, ни к снижению.
• 2. Параболическая зависимость используется, если абсолютные цепные приросты сами по себе обнаруживают некоторую тенденцию развития, но абсолютные цепные приросты абсолютных цепных приростов (разности второго порядка) никакой тенденции развития не проявляют.
• 3. Экспоненциальные зависимости применяются, если в исходном временном ряду наблюдается либо более или менее постоянный относительный рост (устойчивость цепных темпов роста, темпов прироста, коэффициентов роста), либо, при отсутствии такого постоянства, -устойчивость в изменении показателей относительного роста.

Таким образом, целью аналитического выравнивания является:

• - определение вида функционального уравнения;
• - нахождения параметров уравнения тренда методом наименьших квадратов, где сумма квадратов отклонений фактических уровней от выровненных теоретических на искомой линии должна быть минимальна
• ?(y i - ?) 2 >min;
• - расчет «теоретических», выровненных уровней, отображающих основную тенденцию ряда динамики.

Графическое отображение изменения уровней ряда играет большую роль в применении данного вида выравнивания. Оно позволяет ускорить процедуру анализа и увеличить степень наглядности полученных результатов.

Тенденцию развития социально-экономических явлений обычно изображают кривой, параболой, гиперболой и прямой линией.

Наиболее простой и часто встречающейся в практике является линейная зависимость, описываемая уравнением:

где у i - фактические уровни;

у t - теоретическое значение уровня;

t - периоды времени - фактор времени.

«а» и «в» - параметры уравнения.

Так как «t» известно, то для нахождения «у t » необходимо определить параметры «а» и «в». Их находят методом наименьших квадратов, где сумма квадратов отклонений фактических уровней от выровненных теоретических на искомой линии должна быть min ?(y i - ?) 2 >min; Этому требованию удовлетворяет следующая система нормальных уравнений:

n - количество уровней ряда динамики.

Эту систему уровней можно упростить, если взять t (период времени) таким, чтобы сумма периодов равнялась нулю: Уt = 0.

Для этого необходимо периоды ряда динамики пронумеровать так, чтобы перенести в середину ряда начало отчета времени. В ряду динамики с нечетным числом периодов времени нумерация начинается с середины ряда и с нуля «0», а с четным числом периодов с «-1» и «+1». Тогда уравнения примут следующий вид:

an = Уу, отсюда получим «а»

После нахождения параметров необходимо рассчитать выровненные уровни ряда путем подстановки значения номера периода.

Таким образом, аналитическое уравнение сводится к замене фактических уровней теоретическими.

Анализ рядов динамики предполагает и исследование сезонной неравномерности (сезонных колебаний), под которыми понимают устойчивые внутригодовые колебания, причиной которых являются многочисленные факторы, в том числе и природно-климатические. Сезонные колебания измеряются с помощью индексов сезонности, которые рассчитываются двумя способами в зависимости от характера динамического развития.

При относительно неизменном годовом уровне явления индекс сезонности можно рассчитать как процентное отношение средней величины из фактических уровней одноименных месяцев к общему среднему уровню за исследуемый период:

Уравнения, решающиеся непосредственным интегрированием

Рассмотрим дифференциальное уравнение следующего вида:
.
Интегрируем n раз.
;
;
и так далее. Так же можно использовать формулу:
.
См. Дифференциальные уравнения, решающиеся непосредственным интегрированием > > >

Уравнения, не содержащие зависимую переменную y в явном виде

Подстановка приводит к понижению порядка уравнения на единицу. Здесь - функция от .
См. Дифференциальные уравнения высших порядков, не содержащие функцию в явном виде > > >

Уравнения, не содержащие независимую переменную x в явном виде

.
Считаем, что является функцией от . Тогда
.
Аналогично для остальных производных. В результате порядок уравнения понижается на единицу.
См. Дифференциальные уравнения высших порядков, не содержащие переменную в явном виде > > >

Уравнения, однородные относительно y, y′, y′′, ...

Для решения этого уравнения, делаем подстановку
,
где - функция от . Тогда
.
Аналогично преобразуем производные и т.д. В результате порядок уравнения понижается на единицу.
См. Однородные относительно функции и ее производных дифференциальные уравнения высших порядков > > >

Линейные дифференциальные уравнения высших порядков

Рассмотрим линейное однородное дифференциальное уравнение n-го порядка :
(1) ,
где - функции от независимой переменной . Пусть есть n линейно независимых решений этого уравнения. Тогда общее решение уравнения (1) имеет вид:
(2) ,
где - произвольные постоянные. Сами функции образуют фундаментальную систему решений.
Фундаментальная система решений линейного однородного уравнения n-го порядка - это n линейно независимых решений этого уравнения.

Рассмотрим линейное неоднородное дифференциальное уравнение n-го порядка :
.
Пусть есть частное (любое) решение этого уравнения. Тогда общее решение имеет вид:
,
где - общее решение однородного уравнения (1).

Линейные дифференциальные уравнения с постоянными коэффициентами и приводящиеся к ним

Линейные однородные уравнения с постоянными коэффициентами

Это уравнения вида:
(3) .
Здесь - действительные числа. Чтобы найти общее решение этого уравнения, нам нужно найти n линейно независимых решений , которые образуют фундаментальную систему решений. Тогда общее решение определяется по формуле (2):
(2) .

Ищем решение в виде . Получаем характеристическое уравнение :
(4) .

Если это уравнение имеет различные корни , то фундаментальная система решений имеет вид:
.

Если имеется комплексный корень
,
то существует и комплексно сопряженный корень . Этим двум корням соответствуют решения и , которые включаем в фундаментальную систему вместо комплексных решений и .

Кратным корням кратности соответствуют линейно независимых решений: .

Кратным комплексным корням кратности и их комплексно сопряженным значениям соответствуют линейно независимых решений:
.

Линейные неоднородные уравнения со специальной неоднородной частью

Рассмотрим уравнение вида
,
где - многочлены степеней s1 и s2 ; - постоянные.

Сначала мы ищем общее решение однородного уравнения (3). Если характеристическое уравнение (4) не содержит корень , то ищем частное решение в виде:
,
где
;
;
s - наибольшее из s1 и s2 .

Если характеристическое уравнение (4) имеет корень кратности , то ищем частное решение в виде:
.

После этого получаем общее решение:
.

Линейные неоднородные уравнения с постоянными коэффициентами

Здесь возможны три способа решения.

1) Метод Бернулли .
Сначала находим любое, отличное от нуля, решение однородного уравнения
.
Затем делаем подстановку
,
где - функция от переменной x . Получаем дифференциальное уравнение для u , которое содержит только производные от u по x . Выполняя подстановку , получаем уравнение n - 1 - го порядка.

2) Метод линейной подстановки .
Сделаем подстановку
,
где - один из корней характеристического уравнения (4). В результате получим линейное неоднородное уравнение с постоянными коэффициентами порядка . Последовательно применяя такую подстановку, приведем исходное уравнение к уравнению первого порядка.

3) Метод вариации постоянных Лагранжа .
В этом методе мы сначала решаем однородное уравнение (3). Его решение имеет вид:
(2) .
Далее мы считаем, что постоянные являются функциями от переменной x . Тогда решение исходного уравнения имеет вид:
,
где - неизвестные функции. Подставляя в исходное уравнение и накладывая на некоторые ограничения, получаем уравнения, из которых можно найти вид функций .

Уравнение Эйлера

Оно сводится к линейному уравнению с постоянными коэффициентами подстановкой:
.
Однако, для решения уравнения Эйлера, делать такую подстановку нет необходимости. Можно сразу искать решение однородного уравнения в виде
.
В результате получим такие же правила, как и для уравнения с постоянными коэффициентами, в которых вместо переменной нужно подставить .

Использованная литература:
В.В. Степанов, Курс дифференциальных уравнений, «ЛКИ», 2015.
Н.М. Гюнтер, Р.О. Кузьмин, Сборник задач по высшей математике, «Лань», 2003.