- •Введение
- •1.Главное и текущие окна анализа данных
- •2.Электронная таблица
- •Пример 4
- •Пример 6
- •3.Графическое представление данных
- •4.Пользовательский интерфейс текущего окна анализа
- •Общее знакомство с пакетом Statgraphics. Генерация временных рядов
- •Г) Рассчитайте размах тренда range и масштабный коэффициент (переменные range и scale соответственно).
- •Е) Сохраните график в отчетном документе (StatGallery).
- •1.2 Генерация реализаций абсолютно случайного временного ряда
- •1.3 Генерация временных рядов pk , sk , k
- •1.1 Генерация тренда временного ряда
- •1.4 Моделирование грубых сбоев измерений
- •1.5 Генерация обобщенной реализации временного ряда
- •Статистический анализ стационарных временных рядов
- •2.1 Подготовка данных для статистических исследований
- •А) Напишите расчетные выражения для переменных x1 – x5 с учетом синтаксиса языка пакета statgraphics Plus 5.1 и числовых значений параметров алгебраических выражений своего индивидуального задания.
- •2.2 Анализ одномерного закона распределения вероятностей
- •2.3 Сравнение экспериментального и теоретического
- •2.4 Изучение описательных статистик стационарного
- •Для временных рядов x1 – x5
- •2.5 Исследование автокорреляционной функции стационарного временного ряда
- •Анализ независимости значений временного ряда по одной реализации
- •3.1 Подготовка данных для статистических исследований
- •Результат визуального анализа временных рядов
- •3.2 Анализ независимости временного ряда по критерию
- •Результаты анализа независимости временных рядов
- •3.3 Анализ независимости временного ряда по критерию
- •Результаты анализа независимости временных рядов
- •3.4 Анализ независимости временного ряда
- •Результаты анализа независимости временных рядов
- •3.5 Анализ интервала корреляции для принятия решения
- •Результаты анализа независимости временных рядов
- •3.6 Заключение о точности и области практического применения исследованных методов
- •Сглаживание временных рядов линейными и нелинейными фильтрами
- •4.1 Исследование возможностей медианного фильтра
- •4.2 Анализ чувствительности линейного фильтра к выбросам входных данных
- •4.3 Изучение импульсной реакции линейных сглаживающих фильтров
- •4.4 Исследование динамической ошибки
- •4.5 Исследование коэффициента подавления помехи линейными сглаживающими фильтрами
- •Оптимальная обработка данных линейным фильтром с конечной памятью
- •5.1 Расчет оптимального линейного фильтра с конечной памятью
- •5.2 Исследование свойств оптимального фильтра
- •Спектральный анализ временных рядов конечной длины
- •Исследование периодограммы импульсного сигнала
- •6.2 Спектральный анализ гармонической функции
- •Расчет амплитудно-частотных характеристик
- •Исследование периодограммы реализации белого шума
- •Спектральный анализ низкочастотного временного ряда, измеренного на фоне помех
Результаты анализа независимости временных рядов
по числу пересечений уровня медианы
|
№ п/п |
Имя переменной |
Теор. свойство (H0 – белый шум, __ H0 - не белый шум) |
p - value |
Результат анализа (H0 – белый шум, __ H0- не белый шум) |
Ошибка принятия решения (ошибка отсутствует, ошибка первого рода, ошибка второго рода) |
|
1 |
noise1 |
|
|
|
|
|
2 |
X3 |
|
|
|
|
|
3 |
slow |
|
|
|
|
|
4 |
X4 |
|
|
|
|
|
5 |
l_noise |
|
|
|
|
|
6 |
g_noise |
|
|
|
|
3.3 Анализ независимости временного ряда по критерию
числа поворотных точек
Проведите анализ, аналогичный описанному в п. 3.2, методом расчета числа поворотных точек (тест Runs up and down).
Заполните таблицу по результатам анализа. Принимая во внимание значение p – value, сделайте вывод относительно того, для каких типов временных рядов метод анализа числа поворотных точек дает наиболее надежный статистический результат:
Результаты анализа независимости временных рядов
по числу поворотных точек
|
№ п/п |
Имя переменной |
Теор. свойство (H0 – белый шум, __ H0 - не белый шум) |
p - value |
Результат анализа (H0 – белый шум, __ H0- не белый шум) |
Ошибка принятия решения (ошибка отсутствует, ошибка первого рода, ошибка второго рода) |
|
1 |
noise1 |
|
|
|
|
|
2 |
x3 |
|
|
|
|
|
3 |
Slow |
|
|
|
|
|
4 |
x4 |
|
|
|
|
|
5 |
l_noise |
|
|
|
|
|
6 |
g_noise |
|
|
|
|
3.4 Анализ независимости временного ряда
по критерию Бокса - Пирса
Проведите анализ, аналогичный описанному в п. 3.2, методом Бокса – Пирса (Box – Pierce test).
Результаты анализа независимости временных рядов
по критерию Бокса - Пирса
|
№ п/п |
Имя переменной |
Теор. свойство (H0 – белый шум, __ H0 - не белый шум) |
p - value |
Результат анализа (H0 – белый шум, __ H0- не белый шум) |
Ошибка принятия решения (ошибка отсутствует, ошибка первого рода, ошибка второго рода) |
|
1 |
noise1 |
|
|
|
|
|
2 |
x3 |
|
|
|
|
|
3 |
Slow |
|
|
|
|
|
4 |
x4 |
|
|
|
|
|
5 |
l_noise |
|
|
|
|
|
6 |
g_noise |
|
|
|
|
При проведении анализа установите параметр метода L=12.
Заполните таблицу по результатам анализа. Принимая во внимание значение p – value, сделайте вывод относительно того, для каких типов временных рядов метод Бокса – Пирса дает наиболее надежный статистический результат: