Documente Academic
Documente Profesional
Documente Cultură
INTRODUCERE
Observațiile din activitatea de geofizică procesele arată că perioadele de variații în
procese geofizice sunt împrăștiate haotic pe axa timpului. În funcție de programul lor, este
imposibil să vorbesc despre regularitatea în durata perioadelor de variante, și în alternanța de
perioade de seismică perioadă de acalmie , cu o perioadă de activitate seismică ridicată. Un
impuls pentru acest studiu a fost dorința de a analiza structura unui rând de metode formale
pentru a căuta modele statistice în variații ale unor parametri geofizici de-a lungul timpului.
Spațiale și modele de serii de timp pot fi utilizate pentru a studia dinamica de evenimente
geofizice. Un model spațial descrie un set de parametrii geofizici ai la un moment dat. O
serie de timp este o serie de observații regulate de un anumit parametru la puncte succesive
în timp sau la intervale de timp. În această lucrare, serii de timp, modelul este folosit pentru a
studia structura de evenimente geofizice. În general, scopul de a studia o serie de timp este de
a identifica modele în niveluri' schimbare de serie și de a construi modelul său, în scopul de a
prezice și de a studia relațiile dintre fenomene.
Teoria seriilor de timp este folosit pentru a rezolva următoarele sarcini principale:
determinarea naturii seriei; determinarea principalilor parametri de serie; de predicție a
valorilor viitoare ale seriilor de timp din datele disponibile. Seriile de timp sunt componente:
trend; componenta ciclică; sezon și componenta aleatoare. Seria de timp este format din
deterministe și aleatoare părți. Tendință; ciclice și sezoniere componente formează
deterministe parte, care este folosit pentru a prezice valorile viitoare ale seriei. Componentei
sezoniere este utilizat pentru a desemna un non-aleatoare funcția care este format pe baza de
fluctuațiile în serie în studiu, care sunt repetate periodic, la un anumit moment al anului. În
cazul nostru, este de presupus ca formă de interacțiune a componentelor enumerate pot fi
multiplicativ (1), mixt (2, 3) aditiv (4) [Anderson, 1971; Brillinger, 1981; Kendal, 1981;
Hennan, 1974]:
(1)
x t =mt c t s t ε t
(2) x t =m t c t +s t +ε t
(3) x t =m t c t s t +ε t (4)
mt – trend, de echilibru pe termen lungx tau
=m t +c t +sdecia-ul
tendința t +ε t rău;
ct – componenta ciclică, destul de lung fluctuații neregulate, cu o perioadă de mai mult de un
an; st – componenta sezoniere, destul de regulat fluctuații periodice care apar într-un interval
de timp care nu depășește un an; εt – componenta aleatoare (eroarea). Seria gt=mt+ct,
constând în suma de tendința și componenta ciclică, este numit trend - componenta ciclică
(conjunctură ciclu).
Prezența de o tendință înseamnă prezența pe termen lung a unui sistematică componentă
în serii de timp, care descrie principalele tendințe în dinamica seriilor de timp. Tendința, ca o
curbă, reflectă influența pe termen lung non-periodice factori. În mod oficial, tendința este
înțeleasă ca o succesiune de condiționată valorile medii determinate de o variabilă de timp.
Fluctuații periodice pot fi împărțite în fluctuațiile sezoniere, în care perioadă să nu
depășească un an, cauzată de condițiile climatice și ciclic, cu o perioada de fluctuațiile de mai
mulți ani. Periodicitatea înseamnă xt + kp =xt; k = 1, 2,.., și este de sezon pentru p=1 an, ciclic
pentru p = 2,3,... ani. Zgomot aleator face dificil de a detecta regulat componente, de obicei,
metode pentru studierea seriilor de timp includ diferite de zgomot algoritmi de filtrare, care
face posibilă o mai bună determina regulat componentă. Pentru reflectarea corectă de
procesul real de serii de timp, datele de prelevare trebuie să îndeplinească următoarele
condiții: comparabilitatea; uniformitate; stabilitatea și suficiență de cantitatea de date.
În această lucrare, vom folosid la SPSS20 și Excel 2016 pachete.
σ
probei, în sensul de invariabilitatea a caracteristicilor probabilistice. O măsură a omogenității
populației statistice este coeficientul de variație [Kramer, 1975].
σ
V = 100 %=28 % (5)
o
în cazul în care σ = 0,11485 – este abaterea standard, după cum spune = -0.28285 – este
valoarea medie aritmetică a eșantionului pentru 115 gravimeter și σ = 0,0069453, cum spune
= -0.26877 pentru 139 gravimeter (Tabelul 1). Eșantionul este considerat omogen, în cazul
în care coeficientul de variație nu depășește 33%. Eșantionul valoare a seriei de date
gravimetrice: Vq=28%, ceea ce confirmă omogenitatea seriei de timp a datelor gravimetrice
pentru 115 gravimeter și Vq=46%, pentru 139 gravimeter.
În conformitate cu graficul de serie (Fig. 1), se poate observa că datele de gravimeter
139 sunt mai compacte și staționaritatea este observat. Statistici Descriptive (Tabelul 2)
conține o serie de proceduri statistice descriptive. Frecvențe (Tab. 2,3) este un mijloc de
descriere detaliată a datelor. Această procedură începe analiza primară a seriilor de timp, care
rezultă primar distribuții da o idee despre frecvența de apariție a variabilele analizate. Tabele
de frecvență sunt potrivite pentru rezumarea și afișarea datelor. Statistici Descriptive oferă o
descriere a valoarea medie, abaterea standard, varianța, și alte statistici pentru o distribuție
normală, precum și valoarea minimă, gama, și suma pentru denaturate de distribuție o
variabilă cantitativă.
Tabel 1
Statisticile
Gravimeter115 Gravimeter139
Valabile 130 130
N
Lipsește 1 1
Înseamnă -.28285 -.26877
Median -.28200 -.27750
Modul -.281 -.278
Std. Abaterea .011485 .069453
Skewness -.513 7.758
Std. Eroare de Asimetrie .212 .212
Kurtosis 5.609 60.240
Std. Eroare de Kurtosis .422 .422
10 -.29300 -.28590
20 -.28900 -.28300
25 -.28725 -.28200
30 -.28600 -.28070
40 -.28400 -.27900
70 -.27900 -.27400
75 -.27700 -.27300
80 -.27520 -.27100
90 -.27200 -.26700
Tabel 3
Corelații
De Corelație
1 -,034 ,282**
Pearson
Pearson
-,034 1 ,087
Correlation
de Corelație
,282** ,087 1
Pearson
-0.05
-0.1
-0.15
-0.2
-0.25
-0.3
-0.35
-0.4
1 10 19 28 37 46 55 64 73 82 91 100 109 118 127 136 145 154 163 172 181 190 199 208 217 226 235 244 253
1.5
0.5
-0.5
1 6 11 16 21 26 31 36 41 46 51 56 61 66 71 76 81 86 91 96 101106111116121126131136141146151156161
forecast (Gravimeter 139)
Gravimeter139 Прогноз(Gravimeter139)
probabilitate scăzută de legare (Gravimeter mare probabilitate de legare (Gravimeter 139)
Привязка низкой вероятности(Gravimeter139) Привязка высокой вероятности(Gravimeter139)
139)
Figura: 5. Serii de timp zile (Gravimeter 139)
Testul Kolmogorov – Smirnov
Baza testului este de a calcula diferența maximă între cumulative rate de eșantionare și
funcția de distribuție normală. Această diferență este notată cu valoarea z, pe baza cărora
probabilitatea de semnificație se calculează (Tabel 5) Potrivit Kolmogorov – Smirnov
criteriu, ipoteza nulă Н0: conformitatea cu distribuția normală a datelor gravimetrice este
confirmat [Seigno, 2007; Bernhardt 2007; SPSS Tendințele 14.0, 2006]. Unul dintre
indicatorii de normalitatea distribuției eșantionului este kurtosis și asimetrie. (Tabelul 2)
Tabel 5. One-Sample Kolmogorov-Smirnov Test
Gravimeter115 Gravimeter139
N 130 130
Înseamnă -.28285 -.26877
Parametri Normalia,b
Std. Abaterea .011485 .069453
Absolute .119 .428
cele Mai Extreme
Pozitiv .082 .428
Diferențe
Negativ -.119 -.350
Kolmogorov-Smirnov Z 1.358 4.885
Asymp. Sig. (2-tailed) .050 .000
- o. - Testul de distribuție este Normală; b. - Calculată din date.
Statistică descriptivă
Aceste caracteristici centrale tendință, care descrie poziția de distribuție și
răspândirea, sunt afișate în mod implicit. Central tendință caracteristicile includ valoarea
medie, mediana, și 5% trimmed mean. Scatter caracteristici reflectă gradul de diferența între
valorile de studiat date; acestea includ eroarea standard, varianța, abaterea standard, valorile
minime și maxime ale variabilelor, gama și interval de variație. Statistici Descriptive includ,
de asemenea, caracteristicile de forma de distribuție, cum ar fi skewness și kurtosis, care
sunt raportate împreună cu erori standard. 95% interval de încredere pentru media este, de
asemenea, afișate; puteți specifica o valoare diferită pentru nivelul de încredere.
M-estimări. Alternative de Robust pentru a proba medie și mediană pentru poziția de
estimare. Acestea diferă în ponderile atribuite observații. Următoarele estimări sunt derivate:
Huber M-estimare, Andrews val estimare, Hampel coboară M-estimarea lui Tukey biwees
estimare.
Puteți alege una sau mai multe dintre următoarele subgrup statisticile calculate pentru
variabile din fiecare categorie separată de fiecare variabila de grupare: suma, numărul de
cazuri, media, mediana, grupul median, eroarea standard a mediei, valorile minime și
maxime, gama, valoarea din variabila de grupare pentru prima categorie, valoarea din
variabila de grupare pentru ultima categorie, abaterea standard, varianța, kurtosis, eroarea
standard a kurtosis, skewness, eroarea standard skewness, % din total, la sută din totalul de
N, % din sumă, la suta de N în, media geometrică , armonică spun. Puteți schimba ordinea
în care subgrup statistici sunt afișate.
Concluzii
În această lucrare, o serie de timp modelul este folosit pentru a studia structura de
gravimetrice seria de date pentru a identifica modele în schimbare de la serie de niveluri și
de a construi modelul său, în scopul de a anticipa și de a studia relațiile dintre nivelurile de
gravity date. Observațiile din activitatea de geofizică procese au arătat că perioadele de
variații în procese geofizice sunt împrăștiate haotic pe axa timpului. În funcție de programul
lor, este imposibil să vorbim cu siguranta despre regularitatea în durata perioadelor de
variante, și în alternanța de perioade de seismică perioadă de acalmie , cu o perioadă de
activitate seismică ridicată. Un impuls pentru acest studiu a fost dorința de a analiza
structura unui număr de metode formale pentru a căuta modele statistice în variații ale unor
parametri geofizici de-a lungul timpului. Modele de serii de timp au fost folosite pentru a
studia dinamica de evenimente geofizice. Prognoza a fost realizată folosind EXCEL 2016
(Fig. 4). Precizia prognozei este indicat prin compararea prognoza serie cu datele reale.
Valorile prezise de gravitate sunt date în intervale de încredere (Fig. 4). Dacă în prognoză
este început prea devreme, prognoza poate furniza rezultate eronate din cauza lipsei de date
statistice. Dacă datele arată tendințele sezoniere, este recomandat să înceapă de prognoză de
la data înainte de ultimul punct de statistică.
REFERINȚE
Андерсон Т., Статистический анализ временных рядов. Мир, Москва, 1971, 746.
Бокс Дж., Дженкинс Г., Анализ временных рядов. Прогноз и управление. Вып. Eu.
Москва. Мир. 1974. 406.
Бриллинджер Д., Временные ряды. Обработка данных и теория. Мир, Москва, 1980,
532.
Володин И. Н., Лекции по теории вероятностей и математической статистике, Казань,
2006, 270.
Кендал М., Временные ряды. Москва. 1981. 198.
Кисляк Н. В. Эконометрика. Екатеринбург. 2007, 157.
Колмогоров А.Н., Фомин С. В., Элементы теории функций и функционального
анализа. Москва, Наука, 1976, 542.
Крамер Гаральд. Математические методы статистики. Москва. Мир. 1975. 648.
Марно Вербик. Путеводитель по современной эконометрике. Москва 2008, 616.
Сеньо П. С., Теорamя ймовamрностей та математична статистика. Киïв, Знання, 2007,
558.
Смирнов, И.В. Дунин-Барковский Н.В., Курс теории вероятностей и математической
статистики. Наука, Москва, 1965, 511
Пискунов Н.С., Дифференциальное и интегральное исчисление. Москва, Наука, 1964,
312.
Хеннан Э., Многомерные временные ряды. Мир, Москва, 1974, 575.
Христиановский В.В. Анализ временных рядов в экономике: практика применения:
2011, 127.
Цапаева С. А. Ряды Фурье, Великий Новгород, 2011.
Шанченко Н. И., Лекции по эконометрике. Ульяновск. 2008, 139.
Ющенко Д.П., О. В. Якубович, Математический Анализ. Ряды Фурье, Гомель, 2008,
148.
Backhaus K. et al., Multivariată Analysemethoden, Springer – Verlag Berlin Heidelberg,
2011, 120-154.
Bernhardt Christine. Modellierung von Elektrizitätspreisen durch lineare Zeitreihenmodelle
und Valoare–la–Risc–Schätzung mittels Methoden aus der Extremwerttheorie Technische
Universität München. Zentrum Mathematik. München. 2007, 97.
Burtiev R. Z., Serii de Timp, în Studiul Regimului Seismic din zona Vrancea (România)
Zonă Seismică. Globale De Mediu, Ingineri, 2014, Volum. 1. N2, Karachi, Pakistan, 54-63.
Spezialvorlesung Zeitreihenanalyse–Mit Beispielen în Mathematica Institut fur
Stochastik, Johannes Kepler Din Linz. Linz, 2006, 277.
SPSS Tendințele 14.0. Copyright © 2005 SPSS Inc. Chicago. 2006, 165.