《统计学—基于R》(11)第11章--时间序列预测(R3).pptxVIP

《统计学—基于R》(11)第11章--时间序列预测(R3).pptx

  1. 1、本文档共63页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多

数据分析

(方法与案例)

作者贾俊平版权所有违者必究StatisticswithR统计学R语言

第11章时间序列预测11.1时间序列的成分和预测方法11.2指数平滑预测11.3趋势外推预测11.4分解预测11.5时间序列平滑orecastF

11.1时间序列的成分和预测方法11.1.1时间序列的成分11.1.2预测方法的选择与评估第11章时间序列预测

11.1.1时间序列的成分11.1时间序列成分和预测方法

2018-9-25时间序列

(timesseries)?

2018-9-25时间序列的组成要素(components)趋势(trend)持续向上或持续向下的变动季节变动(seasonalfluctuation)在一年内重复出现的周期性波动循环波动(Cyclicalfluctuation)非固定长度的周期性变动不规则波动(irregularvariations)除去趋势、季节变动和周期波动之后的随机波动称为不规则波动只含有随机波动而不存在趋势的序列也称为平稳序列(stationaryseries)四种成分与序列的关系:?

2018-9-25含有不同成分的时间序列

2018-9-25时间序列的成分

(例题分析)【例11—1】(数据:example11_1.RData)表11—1是2000年—2015年中国粮食产量、居民消费水平、原煤产量和CPI(居民消费价格指数)的时间序列。绘制图形观察其所包含的成分年份粮食产量(万吨)居民消费水平(元)原煤产量(亿吨)CPI(上年=100)200046217.5372113.84100.4200145263.7398714.72100.7200245705.8430115.599.2200343069.5460618.35101.2200446947.0513821.23103.9200548402.2577123.65101.8200649804.2641625.7101.5200750160.3757227.6104.8200852870.9870729.03105.9200953082.1951431.1599.320105464728103.320115712064105.420125895845102.620136019374102.620146070274102.020156214347101.4

2018-9-25时间序列的成分

(例题分析)#绘制表11-1数据的时间序列图load(C:/example/ch11/example11_1.RData)example11_1-ts(example11_1,start=2000)par(mfrow=c(2,2),mai=c(0.6,0.6,0.12,0.1),cex=0.7)plot(example11_1[,2],type=o,xlab=(a)粮食产量序列,ylab=粮食产量)plot(example11_1[,3],type=o,xlab=(b)居民消费水平序列,ylab=居民消费水平)plot(example11_1[,4],type=o,xlab=(c)原煤产量序列,ylab=原煤产量)plot(example11_1[,5],type=o,xlab=(d)CPI序列,ylab=CPI)

11.1.2预测方法的选择与评估11.1时间序列成分和预测方法

2018-9-25预测方法的选择与评估预测方法适合的数据模式对数据的要求预测期简单指数平滑随机波动5个以上短期Holt指数平滑线性趋势5个以上短期至中期一元线性回归线性趋势10个以上短期至中期指数模型非线性趋势10个以上短期至中期多项式函数非线性趋势10个以上短期至中期Winter指数平滑趋势和季节成分至少有四个周期的季度或月份数据短期至中期分解预测趋势、季节和循环成分至少有四个周期的季度或月份数据短期、中期、长期

2018-9-25预测方法的评估一种预测方法的好坏取决于预测误差的大小预测误差是预测值与实际值的差距度量方法有平均误差(meanerror)、平均绝对误差(meanabsolutedeviation)、均方误差(meansquareerror)、平均百分比误差(meanpercentageerror)和平均绝对百分比误差(meanabsolutepercentageerror)较为常用的是均方误差(MSE)?

11.2指数平滑预

文档评论(0)

lookoudb + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档