网上资源第3篇-14章基于MINITAB现代实用统计

第14章时间序列光滑方法移动平均光滑法14-160个月内就业数据，其中包含贸易行业、食品行业.MTW表14- 123456789单参数指数移动平均移动平均权的分析14-7显示的是以等比级数为权重的情况。两张图内的公比分别为0.5(二分之一)及0.33333(三分之一)为分布14-7单参数指数移动平均概念均其实就等价于ARIMA模型的一个特例，即ARIMA(0,1,1)。LnYn(1-)Ln- 其中，Yt是原来给定的时间序列，Ln是平滑后的序列值，01是一个给定的常数。我们要对公式（14-4）n=1算起的，下面将所有的式子都列出

L1Y1(1-)L0L2Y2(1-)L1L3Y3(1-Ln2Yn2(1-)Ln-3Ln1Yn1(1-)Ln-2LnYn(1-)Ln-1

LnYn(1-)Ln-Yn(1-)(Yn1(1-)Ln-2Yn(1-)Yn1(1-)2Ln-

LnYn(1-)Yn1(1-)2Yn2(1-)3...(1-)n1Y1(1-)n

中0.5时，其的系数就如图（14-7）中左图的权一样。下面我们绘制0.1分布图分布图分布图14-80.10.2，也就是实际参加光滑的项数越实际参加光滑的项数越少，光滑的效果就差些，保真的效果就更好些。如何选取之值？按统计学家的建议，通常取0.2况会很复杂，我们可以先用0.2再调小些；如果需要更加保真时，可将再调大些。对于（14-7）中的L0之估计方法也有很多代表整个序列的平均值，在单参数指数移动平均的计算.MTW例14-3商业的零售指数。这里收集到自1953年到1970年的18年中每月平均物价零售指数记录，列表如下（数据见表14-W2），数据文件为：TS_商业.MTW。希望分123456789双参数指数移动平均双参数指数平滑概念

Yt01t 时刻t有一新的观测值Yt,我们希望用这个观测值更新参数01的估计。我们可以用两个常数权重，或称平滑参数及

LtYt(1-)[Lt-1Tt-1 Tt[Lt-Lt-1](1-)Tt- Yˆ t- t-估计。对于平滑参数及如何确定，可以有两种方法。降低，因而参加滑动平均的序列越短、数据量越少，保真效果越好；及取值较小，则双参数指数移动平均的计算WintersWinters方法的原理乘法的Winters方法Yt(01t)St St是个季节模式变量。注意到我们这里假设得到。Winters乘法模型平滑等式为：乘法模型：Lt(Yt/Stp)(1-)[Lt-1Tt-1 Tt[Lt-Lt-1](1-)Tt- St(Yt/Lt)(1-)St （14-Yˆ T t- t- t

是时刻t的水平,是时刻t

St是时刻t的季节成分,p 是时刻ttt形式的大小或固定或与数据成比例；只进行短期或中期的预测。加法的Winters方法模型。下面我们给出Winters加法模型的平滑等式：加法模型：Lt(YtStp)(1-)[Lt-1Tt-1 Tt[Lt-Lt-1](1-)Tt- St(YtLt)(1-)St Yˆ t- t- t

是时刻t的水平,是时刻t

St是时刻t的季节成分,