Фрактальні моделі економічних процесів



Сторінка17/35
Дата конвертації09.09.2018
Розмір1.77 Mb.
ТипРеферат
1   ...   13   14   15   16   17   18   19   20   ...   35


Рисунок 3.8 - Результати оцінювання моделі ARMA(1,3)


Вибрані статистичні характеристики адекватності цієї моделі:
(3.10)
Характеристики якості однокрокового прогнозу:
(3.11)
Модель ARMA(1,3) є більш точною, порівнюючи характеристики прогнозу та адекватності моделі, у порівняння з моделями ARMA(1,1), AR(3), AR(2) та AR(1), але , у порівнянні з моделю AR(4), має менший ступінь адекватності. Тобто найкращою за характеристиками прогнозу та адекватності серед побудованих моделей є модель AR(4). Відповідну модель будемо використовувати для побудови ймовірнісної оцінки прогнозу за допомогою мережі Байєса.

Для побудови мережі Байєса спочатку знайдемо відповідний прогноз за вибраною моделю авторегресії четвертого порядку AR(4). На рисунку 3.9 зображені результати прогнозування з використанням моделі AR(4).







Рисунок 3.9 - Результати прогнозування з використанням моделі AR(4)

Відповідно значення прогнозу ми будемо використовувати у якості залежної змінної у мережі Байєса. Опишемо структуру мережі.

Мережа буде складатися з 6 вершин, які будуть являти собою відповідні ендогенні та екзогенні змінні, які відповідають структурі вибраної для побудови прогнозу моделі AR(4). У таблиці 3.1 представлені назви відповідних вершин мережі Байєса та їх опис.



Назва вершини

Опис

Lag1

Відповідає значенню змінної ar(1)

Lag2

Відповідає значенню змінної ar(2)

Lag4

Відповідає значенню змінної ar(4)

Lag10

Відповідає значенню змінної ar(10)

Curr

Відповідає значенню змінної y(k)

Predict

Відповідає значенню змінної y(k+1)


Таблиця 3.1 - Назви відповідних вершин мережі Байєса та їх опис

Для побудови мережі Байєса треба імпортувати дані, які представляють значення майбутніх вершин мережі за деякий проміжок часу. На рисунку 3.10 зображені імпортовані дані для побудови мережі Байєса.



Оскільки мережа не може бути побудована на неперервних даних, вхідні дані треба дискретизувати, тобто розбити на відповідні інтервали за приналежністю. На рисунку 3.11 зображена дискретизація вхідних даних.


Рисунок 3.10 - Імпортовані дані для побудови мережі Байєса



Каталог: bitstream -> 123456789
123456789 -> 1. Коротко про симетрію…
123456789 -> Звіт про науково-дослідну роботу регіональні особливості стану кишкової мікрофлори у дітей із соматичними захворюваннями Оцінка стану кишкової мікрофлори у дітей раннього віку, хворих на пневмонію на фоні залізодефіцитної анемії
123456789 -> Звіт про науково-дослідну роботу регіональні особливості стану кишкової мікрофлори у дітей із соматичними захворюваннями зміни мікробіоценозу кишечника у дітей, хворих на гострий обструктивний бронхіт бронхіальну астму (проміжний)
123456789 -> Використання науково-технічних бд у наукових дослідженнях Васильєв О. В., к т. н
123456789 -> Розвиток банківського споживчого кредитування
123456789 -> Реферат дипломна робота містить 128 сторінок, 17 таблиць, 21 рисунок, список використаних джерел з 108 найменувань, 6 додатків
123456789 -> Урок з хімії у 9-му класі на тему: "Жири. Склад жирів, їх утворення. Жири в природі. Біологічна роль жирів"


Поділіться з Вашими друзьями:
1   ...   13   14   15   16   17   18   19   20   ...   35




База даних захищена авторським правом ©uchika.in.ua 2020
звернутися до адміністрації

    Головна сторінка