Статистический анализ и моделирование процессов авторегресии и скользящего среднего

Автор: Пользователь скрыл имя, 25 Февраля 2013 в 23:23, курсовая работа

Описание работы

Дана реализация стационарного в широком смысле эргодического случайного процесса с дискретным временем (стационарная случайная последовательность, временной ряд) – выборка из 5000 последовательных значений (отсчётов) процесса.
1.Оценить моментные функции случайного процесса, рассчитав выборочное среднее, выборочную дисперсию и выборочную нормированную корреляционную функцию. Оценить радиус корреляции случайного процесса. Изобразить графически оценку нормированной корреляционной функции.
2.Построить модели авторегрессии (АР), модели скользящего среднего (СС) и смешанные модели авторегрессии и скользящего среднего (АРСС) до третьего порядка включительно: АРСС (M, N), M = 0, 1, 2, 3; N = 0, 1, 2, 3. Каждую из построенных моделей записать в явном виде с численными значениями параметров.

Содержание

Задание 3
1. Моментные функции исходного процесса 4
2. Построение моделей АРСС 6
2.1 Описание метода 6
2.2 Примеры расчетов. 7
3.Теоретические нормированные корреляционные функции моделей 9
4. Оценка спектральной плотности мощности 10
5. Моделирование 12
6. Оценка моментных функций смоделированного процесса 13
Заключение 14
Список использованной литературы 15
Приложение A Текст программы 16

Скачать полностью (161.83 Кб) Сколько стоит заказать работу?
Работа содержит 1 файл

638-Валиев Рамис-2.docx

— 179.01 Кб (Скачать)

  plot2d(w,ma_model(1:121), axesflag = 5,style = 13);

  plot2d(w,mx, axesflag = 5,style = 2);

  plot2d(w,dx1, axesflag = 5,style = 5);

  plot2d(w,dx2, axesflag = 5,style = 5);

  scf(7);

  plot2d(w,source(1:121), axesflag = 5,style = 1);

  plot2d(w,arma_model(1:121), axesflag = 5,style = 13);

  plot2d(w,mx, axesflag = 5,style = 2);

  plot2d(w,dx1, axesflag = 5,style = 5);

  plot2d(w,dx2, axesflag = 5,style = 5);

  scf(8);

  plot2d(0:10,RX(1:11)/RX(1),axesflag = 5,style = 5);

  plot2d(0:10,ARMA_corr,axesflag = 5,style = 13);

  plot2d(0:10,model_corr/model_corr(1),axesflag = 5,style = 2);

endfunction;

 

//ЗАДАНИЕ 6:

//Построить оценки  моментных функций смоделированного  процесса,

//сравнить их  с оценками моментных функций  исходного процесса 

//и с теоретическими  моментными функциями, соответствующими  выбранной модели АРСС.

function sixth(X,a,m,am,ar_best,ma_best,arma_best)

  printf("Статистика исходной выборки :\n");

  [RX,MX] = Analiz(X);

  printf("Статистика модели АР("+I+"):\n",ar_best);

  [rA,mA] = Analiz(a);

  printf("Ошибка мат.ожидания :"+F+"\n",abs(MX-mA));

  printf("Ошибка дисперсии    :"+F+"\n",abs(RX(1)-rA(1)));

  printf("Ошибка корреляции   :"+F+"\n\n",T_error(RX/RX(1),rA/rA(1)));

  printf("Статистика модели CC("+I+"):\n",ma_best);

  [rM,mM] = Analiz(m);

  printf("Ошибка мат.ожидания :"+F+"\n",abs(MX-mM));

  printf("Ошибка дисперсии    :"+F+"\n",abs(RX(1)-rM(1)));

  printf("Ошибка корреляции   :"+F+"\n\n",T_error(RX/RX(1),rM/rM(1)));

  printf("Статистика модели АРCC("+I+","+I+"):\n",arma_best(1),arma_best(2));

  [rAM,mAM] = Analiz(am);

  printf("Ошибка мат.ожидания :"+F+"\n",abs(MX-mAM));

  printf("Ошибка дисперсии    :"+F+"\n",abs(RX(1)-rAM(1)));

  printf("Ошибка корреляции   :"+F+"\n",T_error(RX/RX(1),rAM/rAM(1)));

endfunction

 

[RX, MX] = first(X);

second(RX);

[errors,ar_best,ma_best,arma_best] = third(RX,11);

errors

printf("\n")

SPM(RX,ar_best,ma_best,arma_best);

[a,m,am] = fifth(X,ar_best,ma_best,arma_best);

sixth(X,a,m,am,ar_best,ma_best,arma_best);

Статистический анализ и моделирование процессов АРСС. Валиев Р.Ф., гр.638. Вариант №2


Информация о работе Статистический анализ и моделирование процессов авторегресии и скользящего среднего