2.1.2. Примеры временных рядов и их характеристики
Рассмотрим конкретную реализацию случайной функции x(t). В дальнейшем будем понимать под одномерным временным рядом совокупность измерений этой функции, генерируемых последовательно во времени через равные фиксированные промежутки (месяц, квартал, год) и пронумерованных аналогично выборке объема n:
x = x(1), x(2), ... , x(n) .
Для интерпретации всех последующих моделей и рассуждений в качестве экологических иллюстраций будем использовать временные ряды, получившие следующие условные идентификаторы:
-
РАСХОД - суммарный расход воды в Куйбышевском водохранилище по плотине ГЭС им. В.И.Ленина, км3/мес. (ежемесячные данные за период с 1957 по 1988 г., всего 384 измерений, пропусков нет);
-
СКОРОСТЬ и ПОВТОР - среднемесячная скорость (м/сек) и повторяемость северного ветра (%) по данным одного из метеопостов в районе г. Тольятти (ежемесячные данные за период с 1961 по 1988 г., всего 336 измерений, 3 пропущенных значения);
-
NH4+ и Fe - экспериментальные значения концентраций ионов аммония и железа (мкг/л) по данным экспедиционных исследований Института экологии Волжского бассейна РАН на одном из постов наблюдений (данные за 6 месяцев вегетационного периода, с мая по октябрь, за 24 года наблюдений - с 1958 по 1988 г., всего 144 точки, 8 пропущенных значений);
-
NCAL и NROT - экспериментальные значения численностей каляноид (Calanoida) и ротаторий (Rotatoria) (тыс.экз/м3) по данным экспедиционных исследований Института экологии Волжского бассейна РАН на одном из постов наблюдений (данные за 6 месяцев вегетационного периода, с мая по октябрь, за 21 год наблюдений - с 1958 по 1984 г., всего 126 точек, 14 пропущенных значений).
Поскольку последние четыре ряда охватывают в течение года только 6 месяцев вегетационного периода, то эти временные последовательности были сконструированы таким образом, что за наблюдением, приуроченным к октябрю, следовали данные за май следующего года, а вся временная шкала представляла собой натуральный ряд чисел.
- Глава 2. Классические методы исследования
- 2.1. Предварительная обработка и анализ рядов динамики
- 2.1.1. Общие представления о динамических рядах
- 2.1.2. Примеры временных рядов и их характеристики
- 2.1.3. Пропуски, выбросы и разрывы временных рядов
- 2.1.4. Выборочные статистические характеристики ряда
- 2.2. Методы выделения тренда временных рядов
- Булат Окуджава
- 2.2.1. Общие замечания
- 2.2.2. Метод скользящих средних
- 2.2.3. Медианное сглаживание
- 2.2.4. Метод экспоненциального сглаживания
- 2.2.5. Процедура сезонного экспоненциального сглаживания
- 2.2.6. Частотные фильтры
- 2.2.7. Тесты для оценки наличия тренда
- 2.2.8. Параметрические модели тренда
- 2.3. Автокорреляционная функция и спектр
- Булат Окуджава
- 2.3.1. Коэффициент автокорреляции и его оценка
- 2.3.2. Автокорреляционные функции
- 2.3.3. Критерий Дарбина-Уотсона
- 2.3.4. Спектральный анализ
- 2.4. Стохастические модели временных рядов
- Булат Окуджава
- 2.4.1. Основные типы стохастических моделей
- 2.4.2. Этапы построения моделей
- 2.4.3. Модель авторегрессии
- 2.4.4. Модель скользящего среднего
- 2.4.5. Модель Бокса-Дженкинса (арисс)
- 2.4.6. Сезонная модель