- •1. Линейные оптимизационные модели эконом. Задач.
- •2.Виды записи задачи лп. Способы преобразования.
- •1. Произвольная форма злп имеет вид (4.2):
- •2. Симметричная форма злп на максимум имеет вид (4.3):
- •3. Каноническая форма злп представлена ниже (4.5 :
- •4.Симплекс-метод численного решения задачи лп.
- •5.Признак оптимальности опорного плана задачи лп.
- •6.Основные теоремы двойственности в лп и их эконом. Содержание
- •12.Метод множителей Лагранжа для задач нелинейного и выпуклого программирования.
- •13.Формулировка теоремы Куна-Такера
- •13.Градиентные методы для задач нелинейного и выпуклого программирования.
- •14.Матричные игры и методы их решения.
- •15. Производственная функция. Основные понятия, свойства
- •16.Общая схема моб, модели моб, решение системы ур-ний моб.
- •20. Оптимизационные модели на основе межотраслевого баланса.
- •21. Агрегирование моб.
- •Вопрос 22. Модель прогноза межотраслевых связей.
- •24.Оптимизац. Динамическая модель моб.
- •Вопрос 23 Динамич. Модели моб.
- •25.Природа моделей экономич. Роста.
- •26. Модель экон. Роста Домара
- •27. Модель экон. Роста Харрода
- •28. Модель экон. Роста Солоу
- •29. Модель расширяющейся эк-ки Неймана.
- •30.Общее понятие о равновесии.
- •32. Модель макроэкономического равновесия Модильяни
- •34. Условия оптимальности по Парето
- •36. Общая характеристика эконометрического подхода
- •37. Произв функция. Основные
- •40. Множестввенная регрессия
- •41. Модель авторегрессии и скользящего среднего
41. Модель авторегрессии и скользящего среднего
Модель авторегрессии — скользящего среднего
[править]Материал из Википедии — свободной энциклопедии
Модель авторегрессии — скользящего среднего (англ. autoregressive moving-average model, ARMA) — одна из математических моделей, использующихся для анализа и прогнозирования стационарных временных рядов в статистике. Модель ARMA обобщает две более простые модели временных рядов — модель авторегрессии (AR) и модель скользящего среднего (MA).
Содержание [убрать]
1 Определение
2 Построение модели
3 Примечания
4 См. также
[править]Определение
Моделью ARMA(p, q), где p и q — целые числа, задающие порядок модели, называется следующий процесс генерации временного ряда {Xt}:
где c — константа, {εt} — белый шум, то есть последовательность независимых и одинаково распределённых случайных величин (как правило, нормальных), с нулевым средним, а и — действительные числа, авторегрессионные коэффициенты и коэффициенты скользящего среднего, соответственно.
Такая модель может интерпретироваться как линейная модель множественной регрессии, в которой в качестве объясняющих переменных выступают прошлые значения самой зависимой переменной, а в качестве регрессионного остатка — скользящие средние из элементов белого шума. ARMA-процессы имеют более сложную структуру по сравнению со схожими по поведению AR- или MA-процессами в чистом виде, но при этом ARMA-процессы характеризуются меньшим количеством параметров, что является одним из их преимуществ.[1]
[править]Построение модели
Для построения модели ARMA по серии наблюдений необходимо определить порядок модели (числа p и q), а затем и сами коэффициенты. Для определения порядка модели может применяться исследование таких характеристик временного ряда, как его автокорреляционная функция и частная автокорреляционная функция. Для определения коэффициентов применяются такие методы, как метод наименьших квадратов и метод максимального правдоподобия.