Методика за прогнозиране на Box-Jenkins
Към лабораторна работа No8
"Метод на Box-Jenkins (ARIMA)"
по дисциплина "Прогнозиране на дейността на предприятието"
за студенти от всички форми на обучение
Севастопол
1 Цел на работата . 3
2 Теоретична информация. 3
2.1 Същността на метода на Box-Jenkins. 3
2.2 Прилагане на стратегията за развитие на модела. 6
2.3 Критерии за избор на модел. единадесет
2.4 Модели за сезонни данни. 12
2.5 Лесно експоненциално изглаждане и моделът ARIMA . 12
2.6 Предимства и недостатъци на моделите ARIMA . 13
3 Практическа част. 14.
3.1 Изложение на проблема. 14.
3.2 Пример за използване на Minitab за Windows за изграждане на модели ARIMA 14
4 Редът на работа ... 20
5 Тестови въпроси . 21
Библиографски списък. 22.
Приложение А Коефициенти на автокорелация и частична автокорелация на моделите. 23.
Обективен
Разгледайте основните възможности за прилагане на метода Box-Jenkins за прогнозиране на данни с помощта на Minitab за Windows.
Теоретична информация
Същността на метода на Box-Jenkins
Методика за прогнозиране на Box-Jenkins
Методологията за прогнозиране на Box-Jenkins се различава от повечето методи по това, че не приема някаква конкретна структура в данните за времевите редове, за които се прави прогнозата. Той използва итеративен подход за определяне на валиден модел сред общия клас модели. След това избраният модел се сравнява с исторически данни, за да се провери дали точно описва серията. Модел се счита за приемлив, ако остатъците обикновено са малки, разпределени на случаен принцип и обикновено не съдържат полезна информация. Ако даден модел не е задоволителен, процесът се повтаря, но с използване на нов, подобрен модел. Тази итеративна процедура се повтаря, докато се намери задоволителен модел. От този момент нататък намереният модел може да се използва за прогнозни цели. На фиг. 1 илюстрира стратегията за избор на модел на Box-Jenkins.