2.2.3. Медианное сглаживание
В основе метода лежит вычисление скользящей медианы. Для того, чтобы найти значение скользящей медианы в точке t, вычисляется медиана значений ряда во временном интервале [t - q, t + q]. Соответствующее значение называется (2q + 1)-точечной скользящей медианой. Основное достоинство медианного сглаживания - устойчивость к наличию выбросов.
Очевидно, что для моментов времени t, отстоящих от начала или конца ряда менее чем на q точек, вычисление медиан становится невозможным. Чтобы не сужать область определения сглаженного ряда по сравнению с исходным, для устранения этих краевых эффектов может быть использована, например, процедура, предложенная Тьюки (Tukey, 1961), согласно которой в качестве сглаженного значения для x(0), где 0 - начальный момент времени, предлагается взять медиану трех точек: x(0), x(1) и 3*x(1)-2*x(2). Для последнего момента времени x(n) может быть использована аналогичная формула.
Пример медианного сглаживания ряда Fe 13-точечной медианой представлен на рис. 2.6.
Yandex.RTB R-A-252273-3- 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