МОДЕЛИРОВАНИЕ ВРЕМЕННЫХ РЯДОВ С ПОМОЩЬЮ МЕТОДА НАИМЕНЬШИХ КВАДРАТОВ

Ilhomjon Qodirov

Авторы

 

Низамитдинов А.И. – доктор философии по специальности (PhD), старший преподаватель, кафедра программирования и информационныех технологий, Политехнический институт Таджикского технического университета имени  академика М.С. Осими, г. Худжанд, Республика Таджикистан, ahlidin@gmail.com

Лашена Т.В. – магистрант, Политехнический институт Таджикского технического университета имени академика М.С. Осими, г. Худжанд, Республика Таджикистан, lashena_t@mail.ru

 

Аннотация

 

 Для построения моделей временных рядов, наиболее часто используемыми группами методов, являются детерминированное моделирование, стохастическое моделирование и моделирование пространства состояния.

В данной статье рассматривается моделирование временного ряда с использованием детерминированного моделирования неизвестного значения временных рядов с использованием метода наименьших квадратов.

Часто функции, которые используются для оценивания набора реальных значений временных рядов, создают ошибки оценивания, или же данные могут быть получены из набора экспериментальных измерений, которые подвержены ошибкам. В таких случаях обычно используется метод наименьших квадратов.

Основанный на статистической теории, этот метод находит многочлен, который с большей вероятностью может приблизиться к истинным значениям временного ряда. Основная цель в построении моделей временного ряда оценивание недостающих значений с использованием метода наименьших квадратов. Как пример применения данного метода, приводятся имитационные данные с тремя последовательными пропущенными значениями. Дается последовательность построения модели для оценивания неизвестных значений временного ряда.

 

Ключевые слова

 

временной ряд, оценивание, детерминистическое моделирование, стохастическое моделирование, метод наименьших квадратов, аппроксимация

 

Список использованной литературы

 

  1. Nizamitdinov, M. Memmedli, O. Ozdemir (2010) Comparison Study Of P-Spline and Univariate Additive Model (Cubic Smoothing Spline) In Time-Series Prediction, In Proceedings: International Conference 24th Mini EURO Conference “Continuous Optimization and Information-Based Technologies in the Financial Sector” (MEC EurOPT 2010), Izmir, TURKEY(2010), P. 34 – 39.
  2. Nizamitdinov, M. Memmedli, O. Ozdemir (2010), Time Series Forecasting using Fuzzy Time Series Approach, Neural Network Models and Regression Splines чопӣ In Abstract Book: 24th European Conference on Operational Research, Lisbon, Portugal, (2010), P. 257.
  3. Nizamitdinov, M. Memmedli, O. Ozdemir (2013), ANN models and bayesian spline models for analysis of exchange rates and gold price. International Econometric Review, 5(2), Р. 53 – 69.
  4. Nizamitdinov, A. Shamilov, Forecasting time series data with spline functions, In Proceedings: The 17th International Symposium on Econometrics, Operations Research and Statistics, Sivas, Turkey, (2016), P. 360 – 361.
  5. Nizamitdinov, Ozer Ozdemir, Neuro approaches and spline models in time series analysis, In Proceedings: The 17th International Symposium on Econometrics, Operations Research and Statistics, Sivas, Turkey, (2016), P. 366 – 367.
  6. Abraham B. (1981). Missing Observations in Time Series. Communications in statistics Theory A, 10, Р. 1643 –
  7. Beveridge S. (1992). Least Squares Estimation of Missing Values in Time Series.
  8. Brockwell P.J., & Davis, R. A. (1991). Time Series: Theory and Methods. New York, USA: Springer-Verlag.
  9. Chatfield C. (2003). The Analysis of Time Series: An Introduction (6thed.). New York, USA: John Wiley and Sons.
  10. Damsleth E. (1979). Interpolating Missing Values in a Time Series. Scand J Statist., 7, Р. 33 –
  11. Ferreiro O. (1987). Methodologies for the Estimation of Missing Observations in Time Series. Statistics & Probability Letters, 5(1), Р. 65 –
  12. Gardner G., Harvey A.C. & Phillips, G. D. A. (1980). An Algorithm for Exact Maximum Likelihood Estimation of Autoregressive-Moving Average Models by Means of Kalman. Applied Statistics, 29, Р. 311 –

 

Дата публикация

2023-10-26