МНОГОМЕРНЫЕ СТАТИСТИЧЕСКИЕ МЕТОДЫ И АНАЛИЗ ВРЕМЕННЫХ РЯДОВ

Глава знакомит с применением указанных методов анализа с использованием статистических пакетов программ, но даже не с основами теории этих методов. Сами же теории многомерных статистических и эффективных методов анализа временных рядов весьма не просты. Но, зная возможности этих методов и используя статистические программные макеты, их может и должен уметь применять каждый аналитик, даже не знающий деталей самой математической теории, на которой он основывается, — подобно тому, как он может водить автомобиль, не зная устройства его двигателя.  [c.95]


Курс Статистика имеет целью дать студентам представление о содержании статистики как научной дисциплины, познакомить с ее основными понятиями, методологией и методиками расчета важнейших статистических аналитических показателей. В соответствии с этим данное учебное пособие охватывает самые общие начальные элементы статистической науки, и прежде всего важнейшие направления анализа социально-экономических процессов. В дальнейшем на базе курса Статистика изучаются конкретные статистические дисциплины теория статистического наблюдения, анализ и прогнозирование временных рядов, классификации и группировки, многомерные статистические методы, экономическая и отраслевые статистики, анализ хозяйственной и финансовой деятельности. Что касается общеэкономических специальностей, данный курс служит основой для разработки и совершенствования методов экономического анализа.  [c.3]


В предлагаемом учебном пособии мы даем краткое введение в современные методы эконометрического анализа статистических данных, представленных в виде временных рядов, которые учитывают возможное наличие у рассматриваемых переменных стохастического тренда. Основные акценты, как и в работе [Носко (2000)], смещены в сторону разъяснения базовых понятий и основных процедур статистического анализа данных с привлечением смоделированных и реальных экономических данных. Вместе с тем, от читателя требуется несколько большая осведомленность в отношении вероятностно-статистических методов исследования. Предполагается, что читатель имеет представление о совместной функции распределения, многомерном нормальном распределении, методе максимального правдоподобия, свойстве состоятельности оценок, характеристиках статистических критериев (ошибки первого и второго рода, мощность), а также владеет методами регрессионного анализа в рамках начального курса эконометрики. Кроме того он должен иметь некоторое представление о комплексных числах и комплексных корнях полиномов.  [c.6]

Рассмотрим пример применения сетей к анализу классического временного ряда— ряда данных о пятнах на Солнце. Регулярные ежегодные записи этого явления ведутся с 1700 года. Ряд много раз анализировался в статистической литературе, и выяснилось, что он не является ни стационарным, ни линейным, ни гауссовым. Были испробованы различные одномерные методы моделирования временных рядов. Габр и Рао [119] применяли авторегрессионную модель 9-го порядка (с 4 ненулевыми коэффициентами) и билинейную модель. Льюис и Стивене [179] разработали модель на основе метода многомерных адаптивных регрессионных сплайнов (MARS), а Пристли [221] исследовал модель TAR. В последнее время несколько групп исследователей предприняли попытки проделать анализ ряда с помощью нейронно-сетевого подхода (см. [275], [170], [84]). Результаты, полученные различными методами, собраны в табл. 2.2.  [c.67]


Смотреть страницы где упоминается термин МНОГОМЕРНЫЕ СТАТИСТИЧЕСКИЕ МЕТОДЫ И АНАЛИЗ ВРЕМЕННЫХ РЯДОВ

: [c.176]    [c.184]