加载中…
个人资料
  • 博客等级:
  • 博客积分:
  • 博客访问:
  • 关注人气:
  • 获赠金笔:0支
  • 赠出金笔:0支
  • 荣誉徽章:
正文 字体大小:

R学习日记——时间序列分析之各种分析模型的数据要求

(2013-08-28 15:22:07)
标签:

r语言

时间序列

指数平滑

armia

自回归移动平均

指数平滑法:
1.简单指数平滑法——处于恒定水平和没有季节性变动的时间序列,可以使用简单指数平滑法进行短期预测。
  其中的恒定水平指的是在某一数值周围波动。
   如图:从图中可以看出整个曲线处于在25数值周围波动。

2.霍尔特指数平滑法——有增长或下降趋势的,但没有季节性因素的时间序列,可以使用霍尔特指数平滑法进行短期预测。
  如图:
   
http://s1/bmiddle/70f63209gx6CcV7oavm50&690
3.霍尔特-温特指数平滑法——有增长或下降趋势,且有季节性变动趋势的时间序列,可以用霍尔特-温特指数平滑法进行预测。
  如图:
4.自回归移动平均模型( ARIMA)
    指数平滑法对于预测来说是非常有帮助的,而且它对时间序列上面连续的值之间相关性没有要求。但是,如果你想使用指数平滑法计算出预测区间, 那么预测误差必须是不相关的, 而且必须是服从零均值、 方差不变的正态分布。
    即使指数平滑法对时间序列连续数值之间相关性没有要求,在某种情况下, 我们可以通过考虑数据之间的相关性来创建更好的预测模型。
    自回归移动平均模型( ARIMA) 包含一个确定(explicit) 的统计模型用于处理时间序列的不规则部分,它也允许不规则部分可以自相关。  

0

阅读 收藏 喜欢 打印举报/Report
  

新浪BLOG意见反馈留言板 欢迎批评指正

新浪简介 | About Sina | 广告服务 | 联系我们 | 招聘信息 | 网站律师 | SINA English | 产品答疑

新浪公司 版权所有