الانتقال من المتوسط ، الارتباط الذاتي مصفوفة

وظيفة الارتباط الذاتي لاحظ أن 0 هو تباين العملية العشوائية. وظيفة أوتوكاريفاريانس في تأخر k. وبالنسبة إلى k 0، تعرف السلسلة الزمنية بوظيفة الترابط الذاتي (أسف) عند التأخر k. بالنسبة إلى k 0، من السلاسل الزمنية معرف بواسطة التباين في السلاسل الزمنية هو r 0. ومن المعروف أن مؤامرة من r k ضد k كما كوريلوغرام. الملاحظة . تعريف التعاطي الذاتي المذكورة أعلاه يختلف قليلا عن التعريف المعتاد للتغاير بين 1. ، y n-k و k 1. ، y n من ناحيتين: (1) نقسم n بدلا من نك ونطرح المتوسط ​​العام بدلا من الوسائل 1. ، y n-k و k 1. ، y n على التوالي. لقيم n التي هي كبيرة فيما يتعلق k. فإن الفرق يكون صغيرا. مثال 1 . حساب s 2 و r 2 للبيانات في النطاق B4: B19 من الشكل 1. الشكل 1 أسف في تأخر 2 يتم عرض الصيغ لحساب s 2 و R 2 باستخدام وظائف COVARIANCE. S و كوريل المعتادة في الخلايا G4 و G5. الصيغ ل s 0. s 2 و r 2 من التعريف 2 في الخلايا G8 و G11 و G12 (جنبا إلى جنب مع صيغة بديلة في G13). لاحظ أن قيم s 2 في الخلايا E4 و E11 ليست مختلفة جدا، كما هي القيم ل r 2 هو مبين في الخلايا E5 و E12 أكبر العينة على الأرجح هذه القيم ستكون مشابهة وظيفة الإحصاءات الحقيقية. توفر حزمة الموارد الإحصائية الحقيقية الوظائف التالية: أسف (R1، k) قيمة أسف عند التأخر k للمسلسلات الزمنية في المدى R1 أكفف (R1، k) للتغاير الذاتي عند التأخر k للمسلسلات الزمنية في المدى R1 لاحظ أن أسف (R1، k) يساوي سومبرودوكت (أوفست (R1،0،0 و كونت (R1) - k) - AERAGE (R1) و أوفست (R1 و k و 0 و كونت (R1) - k) - AVERAGE )) ديفسق (R1) المراقبة. وهناك مزايا نظرية لاستخدام التقسيم بواسطة n بدلا من نك في تعريف s k. وهي أن مصفوفة التباين والترابط ستكون دائما غير سلبية (انظر المصفوفات الإيجابية الموجبة). الملاحظة . على الرغم من أن تعريف الارتباط الذاتي يختلف قليلا عن ارتباط الارتباط، فإن k (أو r k) لا يزال يأخذ قيمة بين -1 و 1، كما نرى في الخاصية 2. مثال 2. حدد أسف للتأخر من 1 إلى 10 ليغلق مؤشر داو جونز المتوسطات لشهر أكتوبر 2015، كما هو مبين في العمودين أ و ب من الشكل 2 و إنشاء الرسم البياني المقابل. تظهر النتائج في الشكل 2. يتم حساب القيم في العمود E بوضع الصيغة أسف (B4: B25، D5) في الخلية E5، وتسليط الضوء على النطاق E5: E14 والضغط على كترل-D. الشكل 2 أسف و كوريلوغرام كما يمكن أن يرى من القيم في العمود E أو الرسم البياني، قيم أسف تنحدر ببطء نحو الصفر. هذا هو نموذجي لعملية الانحدار الذاتي. الملاحظة . والقاعدة الأساسية هي تنفيذ العملية المذكورة أعلاه للتأخر 1 إلى n 3 أو n 4، والتي للبيانات المذكورة أعلاه هي 224 6 أو 223 7. هدفنا هو معرفة ما إذا كان هذا الوقت هو كبير (أي إحصائيا مختلفة من صفر). يمكننا القيام بذلك باستخدام الخاصية التالية. الخاصية 3 (بارتليت): في عينات كبيرة، إذا كانت سلسلة زمنية من حجم ن عشوائية بحتة ثم لجميع k مثال 3. تحديد ما إذا كان أسف في تأخر 7 مهم للبيانات من المثال 2. كما نرى من الشكل 3، القيمة الحرجة للاختبار في الخاصية 3 هو .417866. منذ ص 7 .303809 لتر .417866، نستنتج أنه لا يختلف كثيرا عن الصفر. الشكل 3 اختبار بارتليتس لاحظ أن قيم k حتى 5 تكون كبيرة وأعلى من 5 ليست كبيرة. يتم إعطاء نسخة أكثر إحصائيا قوية من الملكية 4، وخاصة بالنسبة لعينات أصغر، من قبل الخاصية التالية. المثال 4. استخدم اإلطارين بوكس-بيرس و لجونغ-بوكس لتحديد ما إذا كانت قيم أكف في المثال 2 مساوية إحصائيا لصفر لجميع الفترات التي تقل عن أو تساوي 5) الفرضية الفارغة (. وتظهر النتائج في الشكل 4. الشكل 4 مربع-بيرس و لجونغ بوكس ​​الاختبارات ونحن نرى من هذه الاختبارات أن أسف (ك) يختلف اختلافا كبيرا عن الصفر واحد على الأقل k 5، وهو ما يتسق مع الرسم البياني في الشكل 2. وظائف الإحصاء الحقيقية. توفر حزمة ريسورسز ريسورس باك الوظائف التالية لتنفيذ الاختبارات الموضحة بالخصائص المذكورة أعلاه. بارتست (r، n، لاغ) p-فالو من اختبار بارتليتس لمعامل الارتباط r استنادا إلى سلسلة زمنية من حجم n للتخلف المحدد. بارتست (R1، لاغ) بارتست (r، n، لاغ) حيث n عدد العناصر في المدى R1 و r أسف (R1، تأخر) بيرس (R1 ،، فاغ) إحصائية مربع بيرس Q للمدى R1 والفارق المحدد ببتست (R1 ،، لاغ) p-فالو لاختبار بوكس-بيرس للمدى R1 والتأخر المحدد لجونغ (R1 ،، لاغ) Ljung - بوكس ​​الإحصائية Q للمدى R1 و لاغتيت المحدد لبتيست (R1 ،، لاغ) p - قيمة اختبار يجونغ-بوكس للمدى R1 والفارق المحدد في الوظائف المذكورة أعلاه حيث تكون الوسيطة الثانية مفقودة، يتم إجراء الاختبار باستخدام معامل الترابط الذاتي (أسف). إذا كانت القيمة المعينة بدلا من ذلك هي 1 أو باك ثم يتم إجراء الاختبار باستخدام معامل الترابط الذاتي الجزئي (باسف) كما هو موضح في القسم التالي. في الواقع إذا كانت الوسيطة الثانية تأخذ أي قيمة باستثناء 1 أو باسف، يتم استخدام قيمة أسف. مثلا بارتست (.303809،22،7) .07708 على سبيل المثال 3 و لبتيست (B4: B25، أسف، 5) 1.81E-06 على سبيل المثال 4. التنبؤ التنبؤي بالتنبؤ يشير إلى عملية استخدام الإجراءات الإحصائية للتنبؤ بالقيم المستقبلية ل سلسلة زمنية استنادا إلى الاتجاهات التاريخية. وبالنسبة للشركات، فإن قياس النتائج المتوقعة لفترة زمنية معينة أمر ضروري لإدارة التسويق والتخطيط والمالية. على سبيل المثال، قد ترغب وكالة إعلانات في استخدام توقعات المبيعات لتحديد الأشهر المقبلة التي قد تتطلب زيادة نفقات التسويق. ويمكن للشركات أيضا استخدام التنبؤات لتحديد الأشخاص الذين حققوا المبيعات أهدافهم المتوقعة للربع المالي. وهناك عدد من التقنيات التي يمكن استخدامها لتوليد تنبؤات كمية. بعض الطرق بسيطة إلى حد ما في حين أن البعض الآخر أكثر قوة وتضم عوامل خارجية. بغض النظر عن ما يتم استخدامه، يجب أن تكون الخطوة الأولى دائما لتصور البيانات باستخدام الرسم البياني الخط. كنت تريد أن تأخذ في الاعتبار كيف يتغير المقياس بمرور الوقت، سواء كان هناك اتجاه واضح، أو إذا كانت هناك أنماط متميزة جديرة بالملاحظة. هناك العديد من المفاهيم الأساسية التي يجب أن ندركها عند وصف بيانات السلاسل الزمنية. وستسترشد هذه الخصائص بكيفية معالجة البيانات المسبقة وتحديد أسلوب النمذجة والمعلمات المناسبة. في نهاية المطاف، والهدف هو تبسيط أنماط في البيانات التاريخية عن طريق إزالة مصادر معروفة من التباين وجعل أنماط أكثر اتساقا عبر مجموعة البيانات بأكملها. وستؤدي الأنماط الأبسط عموما إلى تنبؤات أكثر دقة. الاتجاه: يوجد اتجاه عندما يكون هناك زيادة أو نقصان طويل الأجل في البيانات. موسمية: يحدث نمط موسمي عندما تتأثر سلسلة زمنية بعوامل موسمية مثل وقت السنة أو يوم من أيام الأسبوع. الارتباط الذاتي: يشير إلى الظواهر حيث تتأثر قيم Y في الوقت t بالقيم السابقة لل Y في t-i. للعثور على بنية تأخر الصحيح وطبيعة القيم المترابطة السيارات في البيانات الخاصة بك، استخدم مؤامرة وظيفة الارتباط الذاتي. القرطاسية: يقال إن السلسلة الزمنية ثابتة إذا لم يكن هناك اتجاه منتظم، ولا يوجد تغيير منهجي في التباين، وإذا لم تكن هناك اختلافات دورية أو موسمية بشكل دوري، فإن تقنيات التنبؤ الكمي تعتمد عادة على تحليل الريسيون أو تقنيات السلاسل الزمنية. تدرس مقاربات الانحدار العلاقة بين المتغيرات المتوقعة والمتغيرات التفسيرية الأخرى باستخدام البيانات المقطعية. وتستخدم نماذج السلاسل الزمنية بيانات هزلية تم جمعها 8217 على فترات منتظمة على مر الزمن بهدف تغيير القيم المستهدفة في المستقبل. هناك وقت 8217t لتغطية النظرية وراء كل من هذه النهج في هذا المنصب، لذلك I8217ve اختارت لتغطية المفاهيم عالية المستوى وتوفير رمز لأداء سلسلة زمنية التنبؤ في R. أقترح بشدة فهم نظرية إحصائية وراء تقنية قبل تشغيل التعليمات البرمجية. أولا، يمكننا استخدام الدالة ما في حزمة التنبؤات لتنفيذ التنبؤ باستخدام طريقة المتوسط ​​المتحرك. وتقدر هذه التقنية القيم المستقبلية في الوقت t من خلال حساب متوسط ​​السلاسل الزمنية ضمن الفترات k من t. عندما تكون السلاسل الزمنية ثابتة، يمكن أن يكون المتوسط ​​المتحرك فعالا جدا حيث تكون الملاحظات قريبة من الزمن. بسيطة الأسية اطلاق النار هو أيضا جيدة عندما البيانات لا يوجد لديه اتجاه أو أنماط الموسمية. وخلافا للمتوسط ​​المتحرك، فإن هذه التقنية تعطي وزنا أكبر لملاحظات أحدث السلاسل الزمنية. في حزمة التوقعات، هناك وظيفة التنبؤ التلقائي التي سيتم تشغيلها من خلال النماذج الممكنة واختيار النموذج الأنسب إعطاء البيانات. يمكن أن يكون هذا نموذجا رجعية للسيارات من أول أودر (أر (1))، وهو نموذج أريما مع القيم الصحيحة لل p، d، و q، أو أي شيء آخر هو أنسب. هناك تذهب، مقدمة أساسية غير التقنية للتنبؤ. هذا ينبغي أن تحصل على دراية واحدة المفاهيم الأساسية وكيفية تنفيذ بعض التنبؤ الأساسي في R لا يفوتون التحديث الاشتراك في المدونين R لتلقي رسائل البريد الإلكتروني مع أحدث المشاركات R. (لن ترى هذه الرسالة مرة أخرى.) كراك غاتيبوسيس مجموع إيس-2016 سيلكتيونس: 159 أعلى التحديدات من قبل أي معهد من هذا القبيل الذي يوفر إيس الهندسة الخدمات التدريب. إجمالي مؤهل غيت-2016: 2225 1138 سجل الطلاب أعلى من 99 النسبة المئوية بما في ذلك 11 أعلى النتائج تحت إير-20. أكثر من 300 E. I.I. تخدم الطلاب سمعة طيبة وحدات القطاع العام مثل أونغك، نتبك، إوكل، إيسرو، دردو، شبكة الكهرباء، نهك، بهيل، بيل، هال وغيرها الكثير من المنظمات. 429 بسنل-جتو التحديدات في توظيف واحد من عام 2016. إنجازاتنا هي نتائج الجهد المشترك من كل فرد. فريق من إيس مخصصة للغاية (السكك الحديدية، كبود، سيس، المرسوم، برو) أمب بوابة المؤهلين أمبير المهنيين من كلية الهندسة المختلفة. لدينا وحدة التدريس المقرر تعزيز المعرفة الفنية أمب غير التقنية، والتي تساعدك في الحفاظ على الزخم جرا. لكراك أي امتحان تنافسي تحتاج إلى أن تركز على المنهج وجميع المواضيع ذات الصلة سوف تكون مغطاة بشكل جيد في وحدة التدريب لدينا. ونحافظ على وتيرة عالية إلى أساسيات التصحيح أساسيات، والتي تلعب دورا حيويا للقضاء الامتحانات مثل غيت، إيس أمبير PSU39s. قدرة جلوس محدودة لكل دفعة (40 طالبا) يساعدك على مسح الشكوك سخيفة الخاص بك. لتحفيز جهدكم ونحن نقدم لكم Topper39s التفاعل أمب المنح الدراسية التي تبقيك ضيق في اتجاه التعلم. فحص دراسة المواد المنحى، اختبار سلسلة الموضوع الحكمة اختبار سوف تساعدك على الحفاظ على قدراتك. الرائدة وأفضل معهد التدريب غيت في شمال الهند الذين يقدمون أقصى عدد من التحديدات في غيت، إيس أمب PSU39s غيت 2018 دورة العادية غيت 2018 دورة نهاية الأسبوع غيت 2018 الصيف دفعة وسائل الاعلام الاجتماعية اتصل بنا