Тема: СРАВНИТЕЛЬНЫЙ АНАЛИЗ ОЦЕНОК КОЭФФИЦИЕНТОВ ЛИНЕЙНЫХ АВТОРЕГРЕССИОННЫХ МОДЕЛЕЙ
Закажите новую по вашим требованиям
Представленный материал является образцом учебного исследования, примером структуры и содержания учебного исследования по заявленной теме. Размещён исключительно в информационных и ознакомительных целях.
Workspay.ru оказывает информационные услуги по сбору, обработке и структурированию материалов в соответствии с требованиями заказчика.
Размещение материала не означает публикацию произведения впервые и не предполагает передачу исключительных авторских прав третьим лицам.
Материал не предназначен для дословной сдачи в образовательные организации и требует самостоятельной переработки с соблюдением законодательства Российской Федерации об авторском праве и принципов академической добросовестности.
Авторские права на исходные материалы принадлежат их законным правообладателям. В случае возникновения вопросов, связанных с размещённым материалом, просим направить обращение через форму обратной связи.
📋 Содержание
1 ОСНОВНАЯ ЧАСТЬ
1.1 Модели авторегрессии 4
1.2 Метод моментов для оценивания параметра модели 5
1.3 Метод МНК для оценивания параметра модели 6
1.4 Метод численного оценивания точности оценок параметров
модели 7
1.5 Результаты численных экспериментов 8
ЗАКЛЮЧЕНИЕ 11
СПИСОК ЛИТЕРАТУРЫ 12
ПРИЛОЖЕНИЕ 13
📖 Введение
Сравнение оценок производилось на основании численного моделирования по методу Монте-Карло с проведением серии однотипных экспериментов, в каждом из которых независимым образом генерируется выборка заданного объема из рассматриваемой модели с фиксированными значениями параметров. По каждой из сгенерированных выборок производилось оценивание параметров обоими из рассматриваемых методов. Конечным этапом являлся подсчёт квадрата отклонения серии оценок от истинных значений параметров.
Для простоты в рамках исследования рассматривались модели с нулевым математическим ожиданием. Численная часть исследования осуществлялась на основе статистического пакета.
✅ Заключение
Из полученных результатов был сделан вывод, что для модели 1 -го порядка авторегрессии лучшее качество оценки достигается при использовании метода моментов. Для модели 2-го порядка качество оценок одинаково при применении обоих методов.