делей, частным
случаем
которого являются модели,
paccMOf-
ренные в данном параграфе. Однако на практике метод
Р.
Брауна благодаря своей простоте может быть полезен на
этапе
грубых
прикидок или для обработки большого коли-
чества
сходных
рядов, когда проведение полной процедуры
идентификации
и оценки параметров модели, предусмот-
ренной
в гл. 7, для каждого ряда невозможно. Но и в этих
случаях
метод Р. Брауна
лучше
использовать не в чистом
виде, а с модификациями, рассмотренными в гл. 4 и 5.
§
5.
ПРИМЕРЫ
Пример
2.1
Проведен эксперимент, целью которого было вы-
явление влияния величины периода упреждения т на выбор
порядка полиномиальной модели и величину оптимального
а в моделях многократного сглаживания. Результаты пред-
ставлены в табл. 2.10. В этой таблице номера моделей озна-
чают:
№ 1 — полиномиальная модель нулевого порядка,
№ 2 — полиномиальная модель первого порядка, № 3—
полиномиальная модель второго порядка.
Как-видно
из таблицы, в экспериментах № 4, 8, 9, 10 с
увеличением т произошла замена одной модели
другой.
В
экспериментах №11,
14,16,17,
18, 22 значение оптималь-
ного а с ростом
%
заметно падает. Это означает, что с увели-
чением периода упреждения веса, приписываемые членам
ряда, перераспределяются в пользу более ранних наблюде-
ний.
В остальных
случаях
величина
а
0Пт
остается прибли-
зительно постоянной.
Пример
2.2
На
рис. 2.7 изображены прогнозы курса акций ИБМ,
полученные по полиномиальной модели Брауна второго по-
рядка с h — 0,1. Доверительные уровни прогнозов, нане-
сенные на график, определялись адаптивно методом экс-
поненциального сглаживания квадратов ошибок прогно-
зов с постоянной сглаживания а = 0,1. Анализ графика
по-
казывает, что реальный процесс укладывается в получен-
ные таким образом доверительные уровни. Однако для луч-
шего выравнивания квадратов ошибок целесообразно ис-
пользовать а< 0,1.
88