Ориентированный процесс случайного блуждания как метод прогнозирования

Как видно из изложенного, процедура определения характеристик прогноза при предлагаемом подходе отличается простотой, но вместе с тем характеризуется некоторой громоздкостью, обусловленной применением метода статистических испытаний. Поэтому коренным вопросом является рациональное моделирование приращений.

При наличии динамических рядов, имеющих продолжительный период основания, позволяющий получить репрезентативную выборку приращений, моделирование можно осуществлять в соответствии с определенным по этой выборке эмпирическим законом распределения приращений.

Для коротких динамических рядов можно применить допущение о нормальности отклонений значений динамического ряда от тренда. При этом допущении плотность распределения приращений также является нормальной.

При наличии на периоде основания информации малого объема (короткие динамические ряды) для моделирования приращений целесообразно использовать двумерное нормальное распределение. Двумерная плотность вероятности зависит в этом случае от пяти параметров:

,

где – случайные значения, математические ожидания и среднеквадратические отклонения предыдущих и последующих приращений переменной объекта прогнозирования соответственно; – коэффициент корреляции последующих приращений на предыдущие.

Рис. 4.2 График определения предыдущих и последующих приращений

Графически определение предыдущих и последующих приращений показано на рис. 4.2.

Очевидно, что одно и то же приращение в зависимости от того, относительно какой точки оно рассматривается, может быть как предыдущим, так и последующим. Однако первое приращение является только предыдущим.

При обработке исходного динамического ряда определяются оценки математических ожиданий и дисперсий предыдущих и последующих приращений. Множество предыдущих приращений определяется по зависимости

.

Множество последующих приращений определяется по зависимости

или

.

По множеству определяются среднее значение и оценка дисперсии предыдущих приращений:

(4.3)

Соответственно, по множеству определяются среднее значение и оценки дисперсии последующих приращений:

(4.4)

Оценка значения коэффициента корреляции определится по зависимости

. (4.5)

Для моделирования случайных приращений на периоде упреждения используется алгоритм моделирования двумерного нормального распределения. Для рассматриваемого случая моделирующая зависимость последующих приращений имеет вид

(4.6)

При моделировании случайного значения на первом шаге в каждой -й реализации предыдущее значение равно значению последнего приращения на периоде основания ,то есть

При моделировании приращений на следующих шагах периода упреждения

.

Оценка коэффициента корреляции, определяемая по выборкам малых объемов, является случайной. Плотность вероятности выборочного коэффициента корреляции имеет сложный вид. При принятом допущении о нормальности распределения приращений используется нормализующее преобразование Фишера.

Актуально о образовании:

Восприятие как свойство личности
В настоящее время восприятие изучено достаточно хорошо. С физиологической точки зрения восприятие – это целостное отражение отдельных предметов, объектов и явлений внешнего мира, возникающее при непосредственном воздействии физических раздражителей на рецепторные уровни сенсорных систем. Восприятие ...

Методы и средства воспитания этической культуры младших школьников
Наиболее распространенным методом воспитания этической культуры являются методы убеждения. К ним относятся: рассказ, беседа, разъяснения представляемых детям требований, убеждение примером взрослых, чтение художественных произведений, просмотр кинофильмов, диафильмов, театральных постановок, слушан ...

Организация процесса исправления
Действенность режимно-воспитательной работы среди осужденных во многом определяется педагогическим опытом сотрудников колонии, гибкостью, умелым и творческим применением существующих форм и методов педагогического влияния на правосознание преступников. Для получения положительных результатов важно ...