. На основании исходных данных постройте аддитивную модель временного ряда Месяц Удельный вес частного жилья в объеме строительства % Сентябрь 37,5 Октябрь 27,5 Ноябрь 23,5 Декабрь 41,0 Январь 43,3 Февраль 37,2 Март 33,4 Апрель 29,6 Май 31,1 Решение Временной ряд – совокупность значений какого-либо показателя за несколько последовательных моментов или периодов времени. Аддитивная модель – модель вида: Y=T+S+E, где Т - трендовая компонента; S – циклическая компонента; Е – случайная компонента. Алгоритм построения аддитивной модели. Шаг1. Выравнивание исходных уровней ряда методом скользящей средней: 1. Суммируем уровни ряда последовательно за каждый промежуток времени, в котором наблюдаются колебания со сдвигом на один момент времени и определяем условные величины показателя Y. 2. Делим полученные величины на число моментов времени в промежутке и находим скользящие средние. 3. Находим средние значения из двух последовательных скользящих средних – центрированные скользящие средние. Шаг 2. Оценка сезонной компоненты: 1. Находим оценку сезонной компоненты, как разность между фактическими уровнями ряда и центрированными скользящими средними. 2. Находим средние оценки сезонной компоненты за каждый промежуток времени, в котором наблюдаются колебания . 3. Исходя из условия взаимопогашения сезонных воздействий определяем корректирующий коэффициент k: в аддитивной модели ; где n – период колебаний. 4. Рассчитываем скорректированные значения сезонных компонент: в аддитивной модели: Шаг 3. Элиминирование влияния сезонной компоненты: Находим значения Т+Е как Y-S – в аддитивной модели. Шаг 4. Определение трендовой компоненты ряда. 1. Трендовая компонента ряда определяется с построения регрессионной модели, параметры которой находятся методом наименьших квадратов. 2. С уравнения регрессии находим уровни трендовой компоненты Т для каждого момента времени t. Шаг 6. Находим значения Т+S. Шаг 7. Находим случайную компоненту Е= Y-(T+S) Шаг 8. Оценка качества модели. 1. Находим сумму квадратов случайной компоненты. 2. Находим отношение суммы квадратов случайной компоненты к общей сумме квадратов отклонений уровней ряда от его среднего значения: % Пример выполнения Шаг1. Выравнивание исходных уровней ряда методом скользящей средней: Расчеты отобразим в таблице 1. Таблица 1. Выравнивание исходных уровней ряда t Итого за 3 месяца. скользящая средняя центрированная скользящая средняя Оценка сезонной компоненты 1 36,40 - - - - 2 28,60 87,40 29,13 - - 3 22,40 93,30 31,10 30,12 -7,72 4 42,30 106,30 35,43 33,27 9,03 5 41,60 123,10 41,03 38,23 3,37 6 39,20 113,20 37,73 39,38 -0,18 7 32,40 102,40 34,13 35,93 -3,53 8 30,80 92,80 30,93 32,53 -1,73 9 29,60 60,40 - - - Итого 303,3 778,9 239,48 209,46 -0,76 Выбираем метод сглаживания скользящей средней по трем соседним компонентам ряда. Скользящая средняя . Остальные столбцы вычисляем согласно описанию
#include <cmath>
using namespace std;
void main()
{
int n,sum=0;
float y,k=0;
cin >> n;
int *mass = new int[n];
for (int i = 0;i < n;++i)
{
cin >> mass[i];
}
for (int i = 0;i < n;++i)
{
if (mass[i] >0 )
{
k++;
y=pow(mass[i],2);
cout<<y;
sum+=mas[i]
}
}
system("pause");
}
2)#include <iostream>
#include <cmath>
using namespace std;
void main()
{
int s,p,r,day=0;
cin >> s>>p>>r;
float km=s;
while(r>km)
{
km+=km*p/100;
day++;
}
cout << " km = " << km << " day = " << day << endl;
system ("pause");
}