ឧទាហរណ៍. ការសិក្សាស្ថិតិនៃសក្ដានុពលប្រជាជន។
ដោយមានជំនួយពីខ្សែសង្វាក់មូលដ្ឋានសូចនាករមធ្យមនៃឌីណាមិកវាយតម្លៃការផ្លាស់ប្តូរលេខសរសេរការសន្និដ្ឋាន។
ដោយប្រើវិធីសាស្រ្តនៃការតម្រឹមវិភាគ (តាមបន្ទាត់ត្រង់មួយនិងប៉ារ៉ាបូឡាដោយបានកំណត់មេគុណដោយប្រើការ៉េតិចបំផុត) កំណត់និន្នាការចម្បងក្នុងការអភិវឌ្ឍន៍បាតុភូត (ចំនួនប្រជាជននៃសាធារណរដ្ឋកូមី) ។ វាយតម្លៃគុណភាពនៃគំរូលទ្ធផលដោយប្រើកំហុស និងកត្តាប្រហាក់ប្រហែល។
កំណត់មេគុណនិន្នាការលីនេអ៊ែរ និងប៉ារ៉ាបូល ដោយប្រើអ្នកជំនួយការគំនូសតាង។ ផ្តល់ការព្យាករណ៍ចំនួនប្រជាជន និងចន្លោះពេលសម្រាប់ឆ្នាំ 2010។ សរសេរការសន្និដ្ឋាន។
វិធីសាស្រ្តតម្រឹមវិភាគ ក) សមីការនិន្នាការលីនេអ៊ែរគឺ y = bt + a 1. ស្វែងរកប៉ារ៉ាម៉ែត្រនៃសមីការដោយវិធីសាស្ត្រការេតិចបំផុត។. យើងប្រើវិធីរាប់ម៉ោងចាប់ពីដើមតាមលក្ខខណ្ឌ។ ប្រព័ន្ធនៃសមីការការេតិចបំផុតសម្រាប់និន្នាការលីនេអ៊ែរមានទម្រង់៖ a 0 n + a 1 ∑t = ∑y a 0 ∑t + a 1 ∑t 2 = ∑y t
សម្រាប់ទិន្នន័យរបស់យើង ប្រព័ន្ធសមីការនឹងយកទម្រង់៖ 10a 0 + 0a 1 = 10400 0a 0 + 330a 1 = -4038 -12.236t + 1040
អនុញ្ញាតឱ្យយើងវាយតម្លៃគុណភាពនៃសមីការនិន្នាការដោយប្រើកំហុសប្រហាក់ប្រហែលដាច់ខាត។ កំហុសប៉ាន់ស្មានក្នុងរង្វង់ 5%-7% បង្ហាញពីជម្រើសដ៏ល្អនៃសមីការនិន្នាការទៅនឹងទិន្នន័យដើម។
b) ការតម្រឹមប៉ារ៉ាបូល សមីការនិន្នាការមានទម្រង់ y = នៅ 2 + bt + c 1. យើងរកឃើញប៉ារ៉ាម៉ែត្រនៃសមីការដោយប្រើវិធីសាស្ត្រការ៉េតិចបំផុត។ ប្រព័ន្ធនៃសមីការការេតិចបំផុត៖ a 0 n + a 1 ∑t + a 2 ∑t 2 = ∑y a 0 ∑t + a 1 ∑t 2 + a 2 ∑t 3 = ∑yt a 0 ∑t 2 + a 1 ∑t 3 + a 2 ∑t 4 = ∑yt 2
សម្រាប់ទិន្នន័យរបស់យើង ប្រព័ន្ធសមីការមានទម្រង់ 2 = 998.5 សមីការនិន្នាការ៖ y = 1.258t 2 -12.236t + 998.5
កំហុសប្រហាក់ប្រហែលសម្រាប់សមីការនិន្នាការប៉ារ៉ាបូល ដោយសារកំហុសមានតិចជាង 7% សមីការនេះអាចត្រូវបានប្រើជានិន្នាការ។
កំហុសប្រហាក់ប្រហែលអប្បបរមាសម្រាប់ការតម្រឹមប៉ារ៉ាបូល លើសពីនេះទៀតមេគុណនៃការកំណត់ R 2 គឺខ្ពស់ជាងជាមួយលីនេអ៊ែរ។ ដូច្នេះសម្រាប់ការព្យាករណ៍ ចាំបាច់ត្រូវប្រើសមីការប៉ារ៉ាបូលិក។
ការព្យាករណ៍ចន្លោះពេល។ អនុញ្ញាតឱ្យយើងកំណត់កំហុសការ៉េមធ្យមនៃសូចនាករដែលបានព្យាករណ៍។ m = 1 - ចំនួននៃកត្តាដែលមានឥទ្ធិពលនៅក្នុងសមីការនិន្នាការ។ Uy = y n+L ± K ដែល L - ពេលវេលានាំមុខ; n + L - ការព្យាករណ៍ចំណុចយោងទៅតាមគំរូនៅចំនុច (n + L) -th នៅក្នុងពេលវេលា; n គឺជាចំនួននៃការសង្កេតនៅក្នុងស៊េរីពេលវេលា; Sy គឺជាកំហុសស្តង់ដារនៃសូចនាករដែលបានព្យាករណ៍; តារាង T - តម្លៃតារាងនៃលក្ខណៈវិនិច្ឆ័យរបស់សិស្សសម្រាប់កម្រិតសារៈសំខាន់α និងសម្រាប់ចំនួនដឺក្រេនៃសេរីភាពស្មើនឹង n-2. យោងតាមតារាងរបស់សិស្ស យើងរកឃើញ Ttable Ttable (n-m-1;α/2) = (8; 0.025) = 2.306 Point forecast, t = 10: y(10) = 1.26*10 2 -12.24*10 + 998.5 = 1001.89 ពាន់នាក់។ 1001.89 - 71.13 = 930.76; 1001.89 + 71.13 = 1073.02 ការព្យាករណ៍ចន្លោះពេល៖ t = 9+1 = 10: (930.76; 1073.02)
យោងតាមរូបមន្ត (9.29) ប៉ារ៉ាម៉ែត្រនៃនិន្នាការលីនេអ៊ែរគឺ ក = 1894/11 = 172.2 q/ha; ខ= 486/110 = 4.418 q/ha ។ សមីការនិន្នាការលីនេអ៊ែរគឺ៖
យូ = 172,2 + 4,418tកន្លែងណា t = 0 ក្នុងឆ្នាំ 1987 នេះមានន័យថា កម្រិតជាក់ស្តែង និងកែតម្រូវជាមធ្យម សំដៅទៅលើពាក់កណ្តាលនៃអំឡុងពេល ពោលគឺឧ។ នៅឆ្នាំ 1991 ស្មើនឹង 172 សេនក្នុង 1 រ៉ា ការកើនឡើងប្រចាំឆ្នាំជាមធ្យមគឺ 4.418 សេន/ហិកតាក្នុងមួយឆ្នាំ
ប៉ារ៉ាម៉ែត្រនិន្នាការ Parabolic យោងតាម (9.23) គឺ b= 4,418; ក = 177,75; គ =-0.5571 ។ សមីការនិន្នាការប៉ារ៉ាបូលមានទម្រង់ ũ = 177,75 + 4,418t - 0.5571t2; t= 0 ក្នុងឆ្នាំ 1991។ នេះមានន័យថាការកើនឡើងដាច់ខាតនៃទិន្នផលថយចុះជាមធ្យម 2·0.56 c/ha ក្នុងមួយឆ្នាំក្នុងមួយឆ្នាំ។ កំណើនដាច់ខាតខ្លួនវាមិនមែនជាថេរនៃនិន្នាការប៉ារ៉ាបូលទេ ប៉ុន្តែជាតម្លៃមធ្យមសម្រាប់រយៈពេល។ នៅក្នុងឆ្នាំដែលបានយកជាចំណុចយោង, i.e. ឆ្នាំ 1991 ទំនោរឆ្លងកាត់ចំណុចជាមួយនឹងការតែងតាំង 77.75 c/ha; រយៈពេលឥតគិតថ្លៃនៃនិន្នាការប៉ារ៉ាបូលមិនមែនជាកម្រិតមធ្យមសម្រាប់រយៈពេលនោះទេ។ ប៉ារ៉ាម៉ែត្រនិន្នាការអិចស្ប៉ូណង់ស្យែលត្រូវបានគណនាដោយរូបមន្ត (9.32) និង (9.33) ln ក= 56.5658/11 = 5.1423; សក្តានុពលយើងទទួលបាន ក= 171.1; ln k= 2.853:110 = 0.025936; សក្តានុពលយើងទទួលបាន k = 1,02628.
សមីការនិន្នាការអិចស្ប៉ូណង់ស្យែលគឺ៖ y =១៧១.១ ១.០២៦២៨ t
នេះមានន័យថា អត្រាទិន្នផលក្រោយប្រចាំឆ្នាំជាមធ្យមសម្រាប់រយៈពេលនេះគឺ 102.63% ។ នៅចំណុចដែលនាំយកទៅប្រភពដើម និន្នាការឆ្លងកាត់ចំណុចជាមួយនឹងការកំណត់ 171.1 q/ha ។
កម្រិតដែលត្រូវបានគណនាដោយសមីការនិន្នាការត្រូវបានកត់ត្រានៅក្នុងជួរចុងក្រោយទាំងបីនៃតារាង។ ៩.៥. ដូចដែលអាចមើលឃើញពីទិន្នន័យទាំងនេះ។ តម្លៃដែលបានគណនានៃកម្រិតសម្រាប់និន្នាការទាំងបីប្រភេទមិនខុសគ្នាច្រើនទេ ដោយសារទាំងការបង្កើនល្បឿននៃប៉ារ៉ាបូឡា និងអត្រាកំណើននៃនិទស្សន្តគឺតូច។ ប៉ារ៉ាបូឡាមានភាពខុសគ្នាគួរឱ្យកត់សម្គាល់ - កំណើននៃកម្រិតបានឈប់តាំងពីឆ្នាំ 1995 ខណៈពេលដែលនិន្នាការលីនេអ៊ែរ កម្រិតបន្តកើនឡើង ហើយជាមួយនឹងនិទស្សន្ត OST របស់ពួកគេបង្កើនល្បឿន។ ដូច្នេះហើយ សម្រាប់ការព្យាករណ៍សម្រាប់អនាគត និន្នាការទាំងបីនេះមិនស្មើគ្នាទេ៖ នៅពេលបន្ថែមប៉ារ៉ាបូឡាសម្រាប់ឆ្នាំអនាគត កម្រិតនឹងខុសគ្នាយ៉ាងខ្លាំងពីបន្ទាត់ត្រង់ និងនិទស្សន្ត ដូចដែលអាចមើលឃើញពីតារាង។ ៩.៦. តារាងនេះបង្ហាញការបោះពុម្ពនៃដំណោះស្រាយនៅលើកុំព្យូទ័រដោយប្រើកម្មវិធី Statgraphics សម្រាប់និន្នាការបីដូចគ្នា។ ភាពខុសគ្នារវាងលក្ខខណ្ឌឥតគិតថ្លៃរបស់ពួកគេ និងលក្ខខណ្ឌដែលបានផ្តល់ឱ្យខាងលើត្រូវបានពន្យល់ដោយការពិតដែលថាកម្មវិធីលេខឆ្នាំមិនមែនមកពីកណ្តាលទេ ប៉ុន្តែតាំងពីដើមមក ដូច្នេះលក្ខខណ្ឌឥតគិតថ្លៃនៃនិន្នាការសំដៅទៅលើឆ្នាំ 1986 ដែល t = 0 ។ សមីការអិចស្ប៉ូណង់ស្យែលនៅលើសន្លឹកបោះពុម្ពត្រូវបានទុកជាទម្រង់លោការីត។ ការព្យាករណ៍ត្រូវបានធ្វើឡើងសម្រាប់ 5 ឆ្នាំខាងមុខ i.е. រហូតដល់ឆ្នាំ 2001 ។ នៅពេលដែលប្រភពដើមនៃកូអរដោនេ (សេចក្តីយោងពេលវេលា) ផ្លាស់ប្តូរនៅក្នុងសមីការប៉ារ៉ាបូឡា ការកើនឡើងដាច់ខាតជាមធ្យម ប៉ារ៉ាម៉ែត្រ ខ.ដោយហេតុថា ជាលទ្ធផលនៃការបង្កើនល្បឿនអវិជ្ជមាន កំណើនកំពុងថយចុះគ្រប់ពេលវេលា ហើយអតិបរមារបស់វាគឺនៅដើមដំបូងនៃរយៈពេល។ ថេរនៃប៉ារ៉ាបូឡាគឺគ្រាន់តែជាការបង្កើនល្បឿនប៉ុណ្ណោះ។
បន្ទាត់ "ទិន្នន័យ" មានកម្រិតនៃស៊េរីដើម; "ការសង្ខេបការព្យាករណ៍" មានន័យថាទិន្នន័យសង្ខេបសម្រាប់ការព្យាករណ៍។ នៅក្នុងបន្ទាត់ខាងក្រោម - សមីការនៃបន្ទាត់ត្រង់ ប៉ារ៉ាបូឡា និទស្សន្ត - ក្នុងទម្រង់លោការីត។ ជួរឈរ ME មានន័យថាភាពខុសគ្នាជាមធ្យមរវាងកម្រិតនៃស៊េរីដើម និងកម្រិតនៃនិន្នាការ (បានកែតម្រូវ)។ សម្រាប់បន្ទាត់ត្រង់ និងប៉ារ៉ាបូឡា ភាពខុសគ្នានេះគឺតែងតែជាសូន្យ។ កម្រិតនៃនិទស្សន្តគឺជាមធ្យម 0.48852 ទាបជាងកម្រិតនៃស៊េរីដើម។ ការផ្គូផ្គងពិតប្រាកដគឺអាចធ្វើទៅបានប្រសិនបើនិន្នាការពិតគឺអិចស្ប៉ូណង់ស្យែល។ ក្នុងករណីនេះមិនមានភាពចៃដន្យទេប៉ុន្តែភាពខុសគ្នាគឺតូច។ ជួរ MAE គឺជាភាពខុសគ្នា ស២-រង្វាស់នៃភាពប្រែប្រួលនៃកម្រិតជាក់ស្តែងទាក់ទងទៅនឹងនិន្នាការ ដូចដែលបានពិពណ៌នានៅក្នុងកថាខណ្ឌ 9.7 ។ ជួរ MAE - គម្លាតលីនេអ៊ែរជាមធ្យមនៃកម្រិតពីម៉ូឌុលនិន្នាការ (សូមមើលកថាខណ្ឌ 5.8); ជួរ MARE - គម្លាតលីនេអ៊ែរទាក់ទងគិតជាភាគរយ។ នៅទីនេះពួកគេត្រូវបានផ្តល់ជាសូចនាករនៃភាពសមស្របនៃប្រភេទនិន្នាការដែលបានជ្រើសរើស។ ប៉ារ៉ាបូឡាមានបំរែបំរួលតូចជាងនិងម៉ូឌុលគម្លាត៖ វាគឺសម្រាប់រយៈពេល 1986 - 1996 ។ ខិតទៅជិតកម្រិតជាក់ស្តែង។ ប៉ុន្តែជម្រើសនៃប្រភេទនៃនិន្នាការមិនអាចកាត់បន្ថយទៅជាលក្ខណៈវិនិច្ឆ័យនេះតែម្នាក់ឯងបានទេ។ តាមពិត ការថយចុះនៃការលូតលាស់ គឺជាលទ្ធផលនៃគម្លាតអវិជ្ជមានដ៏ធំមួយ ពោលគឺការបរាជ័យដំណាំក្នុងឆ្នាំ ១៩៩៦។
តារាងពាក់កណ្តាលទីពីរគឺជាការព្យាករណ៍នៃកម្រិតទិន្នផលសម្រាប់និន្នាការបីប្រភេទសម្រាប់ឆ្នាំ។ t = 12, 13, 14, 15 និង 16 ពីប្រភពដើម (1986) ។ កម្រិតនៃការព្យាករណ៍អិចស្ប៉ូណង់ស្យែលរហូតដល់ឆ្នាំ 16 គឺមិនខ្ពស់ជាងនៅក្នុងបន្ទាត់ត្រង់នោះទេ។ កម្រិតនៃនិន្នាការ-ប៉ារ៉ាបូឡាកំពុងថយចុះ កាន់តែខុសប្លែកពីនិន្នាការផ្សេងទៀត។
ដូចដែលអាចមើលឃើញនៅក្នុងតារាង។ 9.4 នៅពេលគណនាប៉ារ៉ាម៉ែត្រនិន្នាការ កម្រិតនៃស៊េរីដំបូងបញ្ចូលជាមួយទម្ងន់ខុសៗគ្នា - តម្លៃ tpនិងការ៉េរបស់ពួកគេ។ ដូច្នេះ ឥទ្ធិពលនៃកម្រិតប្រែប្រួលលើប៉ារ៉ាម៉ែត្រនិន្នាការអាស្រ័យលើចំនួនឆ្នាំដែលធ្លាក់លើឆ្នាំផលិតភាព ឬគ្មានខ្លាញ់។ ប្រសិនបើគម្លាតខ្លាំងកើតឡើងក្នុងមួយឆ្នាំជាមួយនឹងលេខសូន្យ ( ti = 0), បន្ទាប់មកវានឹងមិនមានផលប៉ះពាល់ណាមួយលើប៉ារ៉ាម៉ែត្រនិន្នាការទេ ហើយប្រសិនបើវាប៉ះដល់ការចាប់ផ្តើម និងចុងបញ្ចប់នៃស៊េរី វានឹងមានឥទ្ធិពលខ្លាំង។ អាស្រ័យហេតុនេះ ការតម្រឹមការវិភាគតែមួយមិនដោះលែងទាំងស្រុងនូវប៉ារ៉ាម៉ែត្រនិន្នាការពីឥទ្ធិពលនៃការប្រែប្រួលនោះទេ ហើយជាមួយនឹងការប្រែប្រួលខ្លាំង ពួកគេអាចមានការបង្ខូចទ្រង់ទ្រាយយ៉ាងខ្លាំង ដែលបានកើតឡើងជាមួយប៉ារ៉ាបូឡាក្នុងឧទាហរណ៍របស់យើង។ ដើម្បីលុបបំបាត់បន្ថែមទៀតនូវឥទ្ធិពលបង្ខូចទ្រង់ទ្រាយនៃការប្រែប្រួលលើប៉ារ៉ាម៉ែត្រនិន្នាការ មួយគួរតែអនុវត្ត វិធីសាស្រ្តតម្រឹមរអិលច្រើន។
បច្ចេកទេសនេះមាននៅក្នុងការពិតដែលថាប៉ារ៉ាម៉ែត្រនិន្នាការត្រូវបានគណនាមិនភ្លាមៗលើស៊េរីទាំងមូលនោះទេប៉ុន្តែដោយវិធីសាស្ត្ររអិលដំបូងសម្រាប់ដំបូង។ tកំឡុងពេល ឬពេលណាមួយ បន្ទាប់មកសម្រាប់រយៈពេលពីថ្ងៃទី 2 ដល់ t+ទី 1, ទី 3 ដល់ (t + 2) កម្រិត។ល។ ប្រសិនបើចំនួននៃកម្រិតដំបូងនៃស៊េរីគឺ Pនិងប្រវែងនៃមូលដ្ឋានគណនាប៉ារ៉ាម៉ែត្ររអិលនីមួយៗគឺស្មើនឹង t,បន្ទាប់មកចំនួននៃមូលដ្ឋានផ្លាស់ទីបែបនេះ t ឬតម្លៃបុគ្គលនៃប៉ារ៉ាម៉ែត្រដែលនឹងត្រូវបានកំណត់ពីពួកវានឹងមានៈ
អិល = n+ 1 - t.
ការប្រើប្រាស់បច្ចេកទេសនៃការរអិលការតម្រឹមច្រើនអាចត្រូវបានពិចារណាដូចដែលអាចមើលឃើញពីការគណនាខាងលើលុះត្រាតែចំនួននៃកម្រិតនៅក្នុងស៊េរីមានទំហំធំគ្រប់គ្រាន់ជាធម្មតា 15 ឬច្រើនជាងនេះ។ ពិចារណាបច្ចេកទេសនេះលើឧទាហរណ៍នៃទិន្នន័យក្នុងតារាង។ 9.4 បង្ហាញពីសក្ដានុពលតម្លៃនៃទំនិញមិនមែនឥន្ធនៈនៅក្នុងប្រទេសកំពុងអភិវឌ្ឍន៍ ដែលផ្តល់ឱ្យអ្នកអានម្តងទៀតនូវឱកាសដើម្បីចូលរួមក្នុងការសិក្សាបែបវិទ្យាសាស្ត្រតូចមួយ។ នៅលើឧទាហរណ៍ដូចគ្នា យើងនឹងបន្តបច្ចេកទេសព្យាករណ៍នៅក្នុងផ្នែកទី 9.10 ។
ប្រសិនបើយើងគណនាប៉ារ៉ាម៉ែត្រនៅក្នុងស៊េរីរបស់យើងសម្រាប់រយៈពេល 11 ឆ្នាំ (សម្រាប់ 11 កម្រិត) បន្ទាប់មក t= 17 + 1 - 11 = 7. អត្ថន័យនៃកម្រិតរអិលច្រើនគឺថាជាមួយនឹងការផ្លាស់ប្តូរជាបន្តបន្ទាប់នៃមូលដ្ឋានគណនាប៉ារ៉ាម៉ែត្រនៅចុងរបស់វានិងនៅកណ្តាលនឹងមានកម្រិតផ្សេងគ្នាជាមួយនឹងសញ្ញាផ្សេងគ្នានិងទំហំនៃគម្លាតពីនិន្នាការ។ ដូច្នេះជាមួយនឹងការផ្លាស់ប្តូរមួយចំនួននៅក្នុងមូលដ្ឋាន ប៉ារ៉ាម៉ែត្រនឹងត្រូវបានប៉ាន់ប្រមាណលើស ជាមួយនឹងការផ្សេងទៀតពួកគេនឹងត្រូវបានគេប៉ាន់ស្មានមិនដល់ ហើយជាមួយនឹងការផ្លាស់ប្តូរជាបន្តបន្ទាប់នៃតម្លៃប៉ារ៉ាម៉ែត្រលើការផ្លាស់ប្តូរទាំងអស់នៅក្នុងមូលដ្ឋានគណនា ការបង្ខូចទ្រង់ទ្រាយនៃប៉ារ៉ាម៉ែត្រនិន្នាការនឹងមានបន្ថែមទៀត។ ទូទាត់ដោយការប្រែប្រួលកម្រិត។
ការតម្រឹមរអិលច្រើនមិនត្រឹមតែអនុញ្ញាតឱ្យទទួលបាននូវការប៉ាន់ប្រមាណត្រឹមត្រូវ និងអាចទុកចិត្តបាននៃប៉ារ៉ាម៉ែត្រនិន្នាការប៉ុណ្ណោះទេ ប៉ុន្តែថែមទាំងគ្រប់គ្រងជម្រើសត្រឹមត្រូវនៃប្រភេទនៃសមីការនិន្នាការផងដែរ។ ប្រសិនបើវាប្រែថាប៉ារ៉ាម៉ែត្រនិន្នាការឈានមុខគេថេររបស់វានៅពេលគណនាដោយការផ្លាស់ប្តូរមូលដ្ឋានមិនប្រែប្រួលដោយចៃដន្យទេប៉ុន្តែផ្លាស់ប្តូរតម្លៃរបស់វាជាប្រព័ន្ធតាមវិធីសំខាន់បន្ទាប់មកប្រភេទនិន្នាការត្រូវបានជ្រើសរើសមិនត្រឹមត្រូវ ប៉ារ៉ាម៉ែត្រនេះមិនថេរទេ។
សម្រាប់ពាក្យឥតគិតថ្លៃជាមួយនឹងការតម្រឹមច្រើន វាមិនចាំបាច់ទេ ហើយលើសពីនេះទៅទៀត វាគឺមិនត្រឹមត្រូវទេក្នុងការគណនាតម្លៃរបស់វាជាមធ្យមលើការផ្លាស់ប្តូរទាំងអស់នៃមូលដ្ឋាន ពីព្រោះជាមួយនឹងវិធីសាស្ត្រនេះ កម្រិតបុគ្គលនៃស៊េរីដើមនឹងត្រូវបានរួមបញ្ចូលនៅក្នុង ការគណនាជាមធ្យមដែលមានទម្ងន់ខុសៗគ្នា ហើយផលបូកនៃកម្រិតដែលបានតម្រឹមនឹងខុសគ្នានឹងផលបូកនៃលក្ខខណ្ឌនៃស៊េរីដើម។ រយៈពេលឥតគិតថ្លៃនៃនិន្នាការគឺជាតម្លៃមធ្យមនៃកម្រិតសម្រាប់រយៈពេលនេះ ផ្តល់ថាពេលវេលាត្រូវបានរាប់ពីពាក់កណ្តាលនៃអំឡុងពេល។ ពេលរាប់តាំងពីដើមមក បើកម្រិតទី១ t ខ្ញុំ= 1, រយៈពេលឥតគិតថ្លៃនឹងស្មើនឹង៖ a 0 = у̅ − ខ((N-1)/2) ។ វាត្រូវបានផ្ដល់អនុសាសន៍ឱ្យជ្រើសរើសប្រវែងនៃមូលដ្ឋានផ្លាស់ទីសម្រាប់ការគណនាប៉ារ៉ាម៉ែត្រនិន្នាការយ៉ាងហោចណាស់កម្រិត 9-11 ដើម្បីកាត់បន្ថយការប្រែប្រួលកម្រិតសំណើមគ្រប់គ្រាន់។ ប្រសិនបើជួរដើមវែងខ្លាំង មូលដ្ឋានអាចឡើងដល់ 0.7 - 0.8 នៃប្រវែងរបស់វា។ ដើម្បីលុបបំបាត់ឥទ្ធិពលនៃការប្រែប្រួលរយៈពេលវែង (វដ្ត) លើប៉ារ៉ាម៉ែត្រនិន្នាការ ចំនួននៃការផ្លាស់ប្តូរមូលដ្ឋានត្រូវតែស្មើនឹង ឬពហុគុណនៃប្រវែងនៃវដ្តប្រែប្រួល។ បន្ទាប់មកការចាប់ផ្តើម និងចុងបញ្ចប់នៃមូលដ្ឋាននឹងបន្ត "រត់តាម" ដំណាក់កាលទាំងអស់នៃវដ្ត ហើយនៅពេលដែលប៉ារ៉ាម៉ែត្រត្រូវបានគណនាជាមធ្យមលើការផ្លាស់ប្តូរទាំងអស់ ការបង្ខូចទ្រង់ទ្រាយរបស់វាពីការប្រែប្រួលនៃវដ្តនឹងលុបចោលគ្នាទៅវិញទៅមក។ វិធីមួយទៀតគឺត្រូវយកប្រវែងនៃមូលដ្ឋានរអិលស្មើនឹងប្រវែងនៃវដ្ត ដូច្នេះការចាប់ផ្តើមនៃមូលដ្ឋាន និងចុងបញ្ចប់នៃមូលដ្ឋានតែងតែធ្លាក់លើដំណាក់កាលដូចគ្នានៃវដ្តនៃលំយោល។
ចាប់តាំងពីយោងទៅតាមតារាង។ 9.4 វាត្រូវបានបង្កើតឡើងរួចហើយថានិន្នាការមានទម្រង់លីនេអ៊ែរ យើងគណនាការកើនឡើងដាច់ខាតប្រចាំឆ្នាំជាមធ្យម ពោលគឺ ប៉ារ៉ាម៉ែត្រ ខសមីការនិន្នាការលីនេអ៊ែរនៅក្នុងវិធីរំកិលលើមូលដ្ឋាន 11 ឆ្នាំ (សូមមើលតារាង 9.7) ។ វាក៏រួមបញ្ចូលផងដែរនូវការគណនាទិន្នន័យដែលចាំបាច់សម្រាប់ការសិក្សាជាបន្តបន្ទាប់នៃភាពប្រែប្រួលនៅក្នុងកថាខណ្ឌ 9.7 ។ អនុញ្ញាតឱ្យយើងរស់នៅក្នុងលម្អិតបន្ថែមទៀតអំពីវិធីសាស្រ្តនៃការតម្រឹមច្រើនដោយ sliding bases ។ គណនាប៉ារ៉ាម៉ែត្រ ខសម្រាប់មូលដ្ឋានទាំងអស់៖
បន្ទាត់និន្នាការត្រូវបានប្រើដើម្បីបង្ហាញឱ្យឃើញនូវនិន្នាការតម្លៃ។ ធាតុនៃការវិភាគបច្ចេកទេសគឺជាតំណាងធរណីមាត្រនៃតម្លៃមធ្យមនៃសូចនាករដែលបានវិភាគ។
តោះមើលរបៀបបន្ថែមបន្ទាត់និន្នាការទៅតារាងក្នុង Excel ។
ការបន្ថែមបន្ទាត់និន្នាការទៅគំនូសតាង
ជាឧទាហរណ៍ ចូរយើងយកតម្លៃប្រេងជាមធ្យមតាំងពីឆ្នាំ 2000 ពីប្រភពបើកចំហ។ យើងនឹងបញ្ចូលទិន្នន័យសម្រាប់ការវិភាគក្នុងតារាង៖
បន្ទាត់និន្នាការនៅក្នុង Excel គឺជាក្រាហ្វនៃមុខងារប្រហាក់ប្រហែល។ ហេតុអ្វីបានជាវាត្រូវការ - ដើម្បីធ្វើការព្យាករណ៍ដោយផ្អែកលើទិន្នន័យស្ថិតិ។ ដល់ទីបញ្ចប់នេះ វាចាំបាច់ក្នុងការពង្រីកបន្ទាត់ និងកំណត់តម្លៃរបស់វា។
ប្រសិនបើ R2 = 1 នោះ កំហុសប្រហាក់ប្រហែលគឺសូន្យ។ ក្នុងឧទាហរណ៍របស់យើង ការជ្រើសរើសការប៉ាន់ស្មានលីនេអ៊ែរបានផ្តល់ទំនុកចិត្តទាប និងលទ្ធផលមិនល្អ។ ការព្យាករណ៍នឹងមានភាពមិនត្រឹមត្រូវ។
ប្រយ័ត្ន!!! បន្ទាត់និន្នាការមិនអាចបញ្ចូលទៅក្នុងប្រភេទក្រាហ្វ និងគំនូសតាងខាងក្រោមបានទេ៖
- ផ្កាថ្ម;
- រាងជារង្វង់;
- ផ្ទៃ;
- annular;
- កម្រិតសំឡេង;
- ជាមួយនឹងការប្រមូលផ្តុំ។
សមីការនិន្នាការក្នុង Excel
ក្នុងឧទាហរណ៍ខាងលើ ការប៉ាន់ស្មានលីនេអ៊ែរត្រូវបានជ្រើសរើសសម្រាប់តែបង្ហាញក្បួនដោះស្រាយប៉ុណ្ណោះ។ ដូចដែលបានបង្ហាញដោយតម្លៃភាពជឿជាក់ ជម្រើសមិនជោគជ័យទាំងស្រុងទេ។
អ្នកគួរតែជ្រើសរើសប្រភេទការបង្ហាញដែលបង្ហាញយ៉ាងត្រឹមត្រូវបំផុតអំពីនិន្នាការក្នុងការបញ្ចូលរបស់អ្នកប្រើប្រាស់។ តោះមើលជម្រើស។
ការប៉ាន់ស្មានលីនេអ៊ែរ
តំណាងធរណីមាត្ររបស់វាគឺជាបន្ទាត់ត្រង់។ ដូច្នេះ ការប៉ាន់ប្រមាណលីនេអ៊ែរត្រូវបានប្រើដើម្បីបង្ហាញពីសូចនាករដែលកើនឡើង ឬថយចុះក្នុងអត្រាថេរ។
ពិចារណាលើចំនួនកិច្ចសន្យាដែលបានបញ្ចប់ដោយអ្នកគ្រប់គ្រងរយៈពេល 10 ខែ៖
ដោយផ្អែកលើទិន្នន័យនៅក្នុងតារាង Excel យើងនឹងបង្កើតគ្រោងមួយ (វានឹងជួយបង្ហាញប្រភេទលីនេអ៊ែរ)៖
ជ្រើសរើសគំនូសតាង - "បន្ថែមបន្ទាត់និន្នាការ" ។ នៅក្នុងប៉ារ៉ាម៉ែត្រ ជ្រើសរើសប្រភេទលីនេអ៊ែរ។ យើងបន្ថែមតម្លៃនៃភាពអាចជឿជាក់បានប្រហាក់ប្រហែល និងសមីការនៃបន្ទាត់និន្នាការក្នុង Excel (គ្រាន់តែធីកប្រអប់នៅខាងក្រោមបង្អួច "ប៉ារ៉ាម៉ែត្រ")។
យើងទទួលបានលទ្ធផល៖
ចំណាំ! ជាមួយនឹងប្រភេទលីនេអ៊ែរនៃការប៉ាន់ស្មាន ចំណុចទិន្នន័យមានទីតាំងនៅជិតបន្ទាត់ត្រង់តាមដែលអាចធ្វើទៅបាន។ ទិដ្ឋភាពនេះប្រើសមីការខាងក្រោម៖
y = 4.503x + 6.1333
- ដែល 4.503 គឺជាសូចនាករជម្រាល;
- 6.1333 - អុហ្វសិត;
- y គឺជាលំដាប់នៃតម្លៃ
- x ជាលេខចន្លោះ។
បន្ទាត់ត្រង់នៅលើក្រាហ្វបង្ហាញពីការកើនឡើងជាលំដាប់នៃគុណភាពការងាររបស់អ្នកគ្រប់គ្រង។ តម្លៃភាពជឿជាក់ប្រហាក់ប្រហែលគឺ 0.9929 ដែលបង្ហាញពីកិច្ចព្រមព្រៀងដ៏ល្អរវាងបន្ទាត់ត្រង់ដែលបានគណនា និងទិន្នន័យដើម។ ការព្យាករណ៍ត្រូវតែត្រឹមត្រូវ។
ដើម្បីទស្សន៍ទាយចំនួនកិច្ចសន្យាដែលបានបញ្ចប់ ជាឧទាហរណ៍ ក្នុងកំឡុងទី 11 អ្នកត្រូវជំនួសលេខ 11 ជំនួសឱ្យ x ទៅក្នុងសមីការ។ នៅក្នុងវគ្គសិក្សានៃការគណនាយើងរៀនថានៅក្នុងដំណាក់កាលទី 11 អ្នកគ្រប់គ្រងនេះនឹងបញ្ចប់កិច្ចសន្យា 55-56 ។
បន្ទាត់និន្នាការអិចស្ប៉ូណង់ស្យែល
ប្រភេទនេះនឹងមានប្រយោជន៍ប្រសិនបើតម្លៃបញ្ចូលផ្លាស់ប្តូរក្នុងអត្រាកើនឡើងជាបន្តបន្ទាប់។ ការប៉ាន់ស្មានអិចស្ប៉ូណង់ស្យែលមិនត្រូវបានអនុវត្តនៅក្នុងវត្តមាននៃលក្ខណៈសូន្យ ឬអវិជ្ជមានទេ។
តោះបង្កើតបន្ទាត់និន្នាការអិចស្ប៉ូណង់ស្យែលក្នុង Excel ។ ចូរយើងយកឧទាហរណ៍តម្លៃតាមលក្ខខណ្ឌនៃការផ្គត់ផ្គង់អគ្គិសនីដែលមានប្រយោជន៍នៅក្នុងតំបន់ X៖
យើងបង្កើតគំនូសតាង។ បន្ថែមបន្ទាត់អិចស្ប៉ូណង់ស្យែល។
សមីការមានទម្រង់ដូចខាងក្រោមៈ
y = 7.6403е^-0.084x
- ដែល 7.6403 និង -0.084 ជាថេរ;
- e គឺជាមូលដ្ឋាននៃលោការីតធម្មជាតិ។
សន្ទស្សន៍ភាពជឿជាក់ប្រហាក់ប្រហែលគឺ 0.938 - ខ្សែកោងត្រូវគ្នានឹងទិន្នន័យ កំហុសគឺតិចតួច ការព្យាករណ៍នឹងមានភាពត្រឹមត្រូវ។
កំណត់ហេតុនិន្នាការក្នុង Excel
វាត្រូវបានប្រើសម្រាប់ការផ្លាស់ប្តូរដូចខាងក្រោមនៅក្នុងសូចនាករ: ជាដំបូងការកើនឡើងឬថយចុះយ៉ាងឆាប់រហ័សបន្ទាប់មកស្ថិរភាពដែលទាក់ទង។ ខ្សែកោងដែលបានធ្វើឱ្យប្រសើរឡើងសម្របខ្លួនបានយ៉ាងល្អទៅនឹង "អាកប្បកិរិយា" នៃបរិមាណនេះ។ និន្នាការលោការីតគឺសមរម្យសម្រាប់ការទស្សន៍ទាយការលក់ផលិតផលថ្មីដែលទើបតែត្រូវបានណែនាំទៅកាន់ទីផ្សារ។
នៅដំណាក់កាលដំបូងភារកិច្ចរបស់អ្នកផលិតគឺដើម្បីបង្កើនមូលដ្ឋានអតិថិជន។ នៅពេលដែលផលិតផលមានអ្នកទិញរបស់ខ្លួន វាត្រូវតែរក្សាទុក បម្រើ។
តោះបង្កើតក្រាហ្វ ហើយបន្ថែមបន្ទាត់និន្នាការលោការីត ដើម្បីទស្សន៍ទាយការលក់ផលិតផលតាមលក្ខខណ្ឌ៖
R2 គឺនៅជិតតម្លៃ 1 (0.9633) ដែលបង្ហាញពីកំហុសប្រហាក់ប្រហែលអប្បបរមា។ យើងនឹងព្យាករណ៍បរិមាណលក់ក្នុងរយៈពេលបន្តបន្ទាប់ទៀត។ ដើម្បីធ្វើដូចនេះអ្នកត្រូវជំនួសចំនួននៃរយៈពេលនៅក្នុងសមីការជំនួសឱ្យ x ។
ឧទាហរណ៍:
រយៈពេល | 14 | 15 | 16 | 17 | 18 | 19 | 20 |
ការព្យាករណ៍ | 1005,4 | 1024,18 | 1041,74 | 1058,24 | 1073,8 | 1088,51 | 1102,47 |
ដើម្បីគណនាតួលេខព្យាករណ៍ រូបមន្តខាងក្រោមត្រូវបានប្រើ៖ =272.14*LN(B18)+287.21។ កន្លែងដែល B18 គឺជាលេខអំឡុងពេល។
បន្ទាត់និន្នាការពហុនាមក្នុង Excel
ខ្សែកោងនេះមានអថេរឡើង និងចុះ។ សម្រាប់ពហុនាម (ពហុនាម) ដឺក្រេត្រូវបានកំណត់ (ដោយចំនួនអតិបរមា និងតម្លៃអប្បបរមា)។ ឧទាហរណ៍ ឧត្តមគតិមួយ (អប្បរមា និងអតិបរិមា) គឺសញ្ញាបត្រទីពីរ ឧត្តមពីរគឺសញ្ញាបត្រទី ៣ ទី ៣ គឺទី ៤ ។
និន្នាការពហុនាមនៅក្នុង Excel ត្រូវបានប្រើដើម្បីវិភាគសំណុំទិន្នន័យធំអំពីតម្លៃមិនស្ថិតស្ថេរ។ សូមក្រឡេកមើលឧទាហរណ៍នៃសំណុំតម្លៃដំបូង (តម្លៃប្រេង) ។
ដើម្បីទទួលបានតម្លៃនៃភាពអាចជឿជាក់បានប្រហាក់ប្រហែល (0.9256) ខ្ញុំត្រូវដាក់សញ្ញាប័ត្រទី 6 ។
ប៉ុន្តែនិន្នាការបែបនេះអនុញ្ញាតឱ្យអ្នកធ្វើការព្យាករណ៍ត្រឹមត្រូវតិចឬច្រើន។
23. ការគណនាប៉ារ៉ាម៉ែត្រនិន្នាការលីនេអ៊ែរ។
និន្នាការអភិវឌ្ឍន៍ចម្បង (និន្នាការ) គឺជាការផ្លាស់ប្តូរដោយរលូន និងស្ថិរភាពនៅក្នុងកម្រិតនៃបាតុភូតទាន់ពេល ដោយមិនមានការឡើងចុះដោយចៃដន្យ។
ភារកិច្ចគឺដើម្បីកំណត់និន្នាការទូទៅក្នុងការផ្លាស់ប្តូរកម្រិតនៃស៊េរីដោយដោះលែងពីសកម្មភាពនៃកត្តាចៃដន្យផ្សេងៗ។ ចំពោះគោលបំណងនេះ ស៊េរីពេលវេលាត្រូវបានដំណើរការដោយវិធីសាស្រ្តនៃការពង្រីកចន្លោះពេល ការផ្លាស់ប្តូរមធ្យម និងការតម្រឹមវិភាគ។
*វិធីសាស្រ្តសាមញ្ញបំផុតមួយសម្រាប់សិក្សានិន្នាការចម្បងនៅក្នុងស៊េរីពេលវេលាគឺពង្រីកចន្លោះពេល។ វាត្រូវបានផ្អែកលើការពង្រីកនៃរយៈពេលដែលរួមបញ្ចូលកម្រិតនៃស៊េរីនៃថាមវន្ត (នៅពេលជាមួយគ្នានេះចំនួននៃចន្លោះពេលមានការថយចុះ) ។ ឧទាហរណ៍ ស៊េរីទិន្នផលប្រចាំថ្ងៃត្រូវបានជំនួសដោយស៊េរីលទ្ធផលប្រចាំខែ ហើយដូច្នេះនៅលើ។ ជាមធ្យម គណនាលើចន្លោះពេលពង្រីក ធ្វើឱ្យវាអាចកំណត់ទិសដៅ និងធម្មជាតិ (ការបង្កើនល្បឿន ឬការថយចុះនៃកំណើន) នៃនិន្នាការអភិវឌ្ឍន៍ចម្បង។
* ការកំណត់អត្តសញ្ញាណនិន្នាការចម្បងក៏អាចត្រូវបានអនុវត្តដោយប្រើវិធីសាស្ត្រមធ្យមផ្លាស់ទី (ផ្លាស់ទី) ។ ខ្លឹមសាររបស់វាស្ថិតនៅក្នុងការពិតដែលថាកម្រិតមធ្យមត្រូវបានគណនាពីចំនួនជាក់លាក់មួយ ជាធម្មតាសេស (3, 5, 7, ល) នៃកម្រិតទីមួយក្នុងមួយជួរ បន្ទាប់មកពីចំនួនកម្រិតដូចគ្នា ប៉ុន្តែចាប់ផ្តើមពី ទីពីរក្នុងមួយជួរបន្ទាប់មក - ចាប់ផ្តើមពីទីបី។ ដូច្នេះជាមធ្យម, ដូចដែលវាគឺ "ស្លាយ" តាមស៊េរីនៃថាមវន្ត, ផ្លាស់ទីសម្រាប់រយៈពេលមួយ។
ទៅជាសមាជិកពីរនាក់នៅដើម និងចុងជួរ។ វាតិចជាងប្រធានបទជាក់ស្តែងចំពោះការប្រែប្រួលដោយសារមូលហេតុចៃដន្យ ហើយច្បាស់ជាងនេះទៅទៀត ក្នុងទម្រង់ជាបន្ទាត់រលោងនៅលើក្រាហ្វ វាបង្ហាញពីនិន្នាការចម្បងក្នុងកំណើននៃទិន្នផលក្នុងរយៈពេលដែលកំពុងសិក្សា ដែលត្រូវបានផ្សារភ្ជាប់ជាមួយនឹងសកម្មភាព នៃបុព្វហេតុដែលមានស្រាប់ និងលក្ខខណ្ឌអភិវឌ្ឍន៍រយៈពេលវែង។
គុណវិបត្តិនៃការធ្វើឱ្យស៊េរីរលូនគឺ "ការធ្វើឱ្យខ្លី" នៃស៊េរីរលូនបើប្រៀបធៀបទៅនឹងស៊េរីជាក់ស្តែង ហើយជាលទ្ធផលការបាត់បង់ព័ត៌មាន។
វិធីសាស្រ្តដែលបានពិចារណានៃការធ្វើឱ្យរលូននៃស៊េរីថាមវន្ត (ចន្លោះពេលរដុប និងវិធីសាស្ត្រមធ្យមផ្លាស់ទី) ធ្វើឱ្យវាអាចកំណត់បានតែនិន្នាការទូទៅក្នុងការអភិវឌ្ឍបាតុភូតនេះ ច្រើនឬតិចរួចផុតពីការប្រែប្រួលចៃដន្យ និងអសកម្ម។ ទោះយ៉ាងណាក៏ដោយ វាមិនអាចទៅរួចទេក្នុងការទទួលបានគំរូនិន្នាការស្ថិតិទូទៅដោយប្រើវិធីសាស្ត្រទាំងនេះ។
* ដើម្បីផ្តល់នូវគំរូបរិមាណដែលបង្ហាញពីនិន្នាការចម្បងនៃការផ្លាស់ប្តូរកម្រិតនៃស៊េរីពេលវេលាតាមពេលវេលា កម្រិតនៃការវិភាគនៃស៊េរីពេលវេលាត្រូវបានប្រើប្រាស់។
ដែល yt គឺជាកម្រិតនៃស៊េរីថាមវន្តដែលបានគណនាដោយយោងទៅតាមសមីការវិភាគដែលត្រូវគ្នានៅពេល t ។
កម្រិតទ្រឹស្តី (គណនា) នៃ yt ត្រូវបានកំណត់នៅលើមូលដ្ឋាននៃអ្វីដែលហៅថា គំរូគណិតវិទ្យាគ្រប់គ្រាន់ ដែលឆ្លុះបញ្ចាំងយ៉ាងល្អបំផុត (ប្រហាក់ប្រហែល) និន្នាការចម្បងនៃស៊េរីពេលវេលា។ ជម្រើសនៃប្រភេទនៃគំរូអាស្រ័យលើគោលបំណងនៃការសិក្សាហើយគួរតែផ្អែកលើការវិភាគទ្រឹស្តីដែលបង្ហាញពីធម្មជាតិនៃការអភិវឌ្ឍន៍នៃបាតុភូតក៏ដូចជាការបង្ហាញក្រាហ្វិកនៃស៊េរីនៃឌីណាមិក (ដ្យាក្រាមលីនេអ៊ែរ) ។
ឧទាហរណ៍ គំរូសាមញ្ញបំផុត (រូបមន្ត) ដែលបង្ហាញពីនិន្នាការអភិវឌ្ឍន៍គឺ៖
មុខងារលីនេអ៊ែរ - ដោយផ្ទាល់ yt = a0 + a1t,
ដែល a0,a1 ជាប៉ារ៉ាម៉ែត្រនៃសមីការ; t - ពេលវេលា;
អនុគមន៍អិចស្ប៉ូណង់ស្យែល yt = A0A1t
មុខងារថាមពល - ខ្សែកោងលំដាប់ទីពីរ (ប៉ារ៉ាបូឡា)
ក្នុងករណីដែលការសិក្សាត្រឹមត្រូវជាពិសេសនៃនិន្នាការអភិវឌ្ឍន៍ត្រូវបានទាមទារ (ឧទាហរណ៍ គំរូនិន្នាការសម្រាប់ការព្យាករណ៍) នៅពេលជ្រើសរើសប្រភេទនៃមុខងារគ្រប់គ្រាន់ លក្ខណៈវិនិច្ឆ័យពិសេសនៃស្ថិតិគណិតវិទ្យាអាចត្រូវបានប្រើ។
ប៉ារ៉ាម៉ែត្រអនុគមន៍ជាធម្មតាត្រូវបានគណនាដោយប្រើវិធីសាស្ត្រការេតិចបំផុត ដែលក្នុងនោះចំនុចអប្បបរមានៃផលបូកនៃគម្លាតការេរវាងកម្រិតទ្រឹស្តី និងជាក់ស្តែងត្រូវបានយកជាដំណោះស្រាយ៖
ដែល yt - តម្រឹម (គណនា) កម្រិត; yt - កម្រិតជាក់ស្តែង។
ប៉ារ៉ាម៉ែត្រនៃសមីការ a, - ការបំពេញលក្ខខណ្ឌនេះអាចត្រូវបានរកឃើញដោយការដោះស្រាយប្រព័ន្ធនៃសមីការធម្មតា។ ដោយផ្អែកលើសមីការនិន្នាការដែលបានរកឃើញ កម្រិតដែលបានកំណត់ត្រូវបានគណនា។ ដូច្នេះការតម្រឹមនៃស៊េរីពេលវេលាមាននៅក្នុងការជំនួសកម្រិតជាក់ស្តែង y - ជាមួយនឹងកម្រិតប្រែប្រួលយ៉ាងរលូន Y ( ល្អបំផុតប្រហាក់ប្រហែលទិន្នន័យស្ថិតិ។
ការតម្រឹមក្នុងបន្ទាត់ត្រង់មួយត្រូវបានប្រើ ជាក្បួនក្នុងករណីដែលការទទួលបានដាច់ខាតគឺថេរ ពោលគឺនៅពេលដែលកម្រិតផ្លាស់ប្តូរនៅក្នុងដំណើរការនព្វន្ធ (ឬនៅជិតវា)។
ការតម្រឹមដោយអនុគមន៍អិចស្ប៉ូណង់ស្យែលត្រូវបានប្រើក្នុងករណីដែលស៊េរីឆ្លុះបញ្ចាំងពីការអភិវឌ្ឍន៍នៅក្នុងវឌ្ឍនភាពធរណីមាត្រ ពោលគឺនៅពេលដែលកត្តាកំណើនខ្សែសង្វាក់គឺថេរ។
ពិចារណា "បច្ចេកទេស" សម្រាប់តម្រឹមស៊េរីពេលវេលាក្នុងបន្ទាត់ត្រង់មួយ៖ yt=a0+a1t
ប៉ារ៉ាម៉ែត្រ a0, a1 យោងតាមវិធីសាស្ត្រការេតិចបំផុតត្រូវបានរកឃើញដោយការដោះស្រាយប្រព័ន្ធខាងក្រោមនៃសមីការធម្មតាដែលទទួលបានដោយការបំលែងពិជគណិតនៃលក្ខខណ្ឌ
ដែល y - កម្រិតជាក់ស្តែង (ជាក់ស្តែង) នៃស៊េរី; t - ពេលវេលា (លេខស៊េរីនៃរយៈពេលឬចំណុចនៅក្នុងពេលវេលា) ។
យើងនឹងបង្ហាញឧទាហរណ៍នៃការគណនាលម្អិតនៃប៉ារ៉ាម៉ែត្រនៃសមីការនិន្នាការដោយផ្អែកលើទិន្នន័យខាងក្រោម (សូមមើលតារាង) ដោយប្រើម៉ាស៊ីនគិតលេខ។
សមីការនិន្នាការលីនេអ៊ែរគឺ y = នៅ + b ។
1. ស្វែងរកប៉ារ៉ាម៉ែត្រនៃសមីការដោយវិធីសាស្ត្រការេតិចបំផុត។.
ប្រព័ន្ធនៃសមីការការេតិចបំផុត៖
a 0 n + a 1 ∑t = ∑y
a 0 ∑t + a 1 ∑t 2 = ∑yt
t | y | t2 | y2 | t y | y(t) | (y-y cp) ២ | (y-y(t)) ២ | (t-t p) ២ | (y-y(t)): y |
1 | 17.4 | 1 | 302.76 | 17.4 | 12.26 | 895.01 | 26.47 | 30.25 | 0.3 |
2 | 26.9 | 4 | 723.61 | 53.8 | 18.63 | 416.84 | 68.39 | 20.25 | 0.31 |
3 | 23 | 9 | 529 | 69 | 25 | 591.3 | 4.02 | 12.25 | 0.0872 |
4 | 23.7 | 16 | 561.69 | 94.8 | 31.38 | 557.75 | 58.98 | 6.25 | 0.32 |
5 | 27.2 | 25 | 739.84 | 136 | 37.75 | 404.68 | 111.4 | 2.25 | 0.39 |
6 | 34.5 | 36 | 1190.25 | 207 | 44.13 | 164.27 | 92.72 | 0.25 | 0.28 |
7 | 50.7 | 49 | 2570.49 | 354.9 | 50.5 | 11.45 | 0.0383 | 0.25 | 0.0039 |
8 | 61.4 | 64 | 3769.96 | 491.2 | 56.88 | 198.34 | 20.44 | 2.25 | 0.0736 |
9 | 69.3 | 81 | 4802.49 | 623.7 | 63.25 | 483.27 | 36.56 | 6.25 | 0.0872 |
10 | 94.4 | 100 | 8911.36 | 944 | 69.63 | 2216.84 | 613.62 | 12.25 | 0.26 |
11 | 61.1 | 121 | 3733.21 | 672.1 | 76 | 189.98 | 222.11 | 20.25 | 0.24 |
12 | 78.2 | 144 | 6115.24 | 938.4 | 82.38 | 953.78 | 17.46 | 30.25 | 0.0534 |
78 | 567.8 | 650 | 33949.9 | 4602.3 | 567.8 | 7083.5 | 1272.21 | 143 | 2.41 |
សម្រាប់ទិន្នន័យរបស់យើង ប្រព័ន្ធសមីការមានទម្រង់៖
12a 0 + 78a 1 = 567.8
78a 0 + 650a 1 = 4602.3
ពីសមីការទីមួយយើងបង្ហាញ 0 ហើយជំនួសទៅក្នុងសមីការទីពីរ
យើងទទួលបាន 0 = 6.37, a 1 = 5.88
ចំណាំ៖ តម្លៃជួរឈរ #6 y(t) ត្រូវបានគណនាដោយផ្អែកលើសមីការនិន្នាការដែលបានមក។ ឧទាហរណ៍ t = 1: y(1) = 6.37*1 + 5.88 = 12.26
សមីការនិន្នាការ
y = 6.37 t + 5.88អនុញ្ញាតឱ្យយើងវាយតម្លៃគុណភាពនៃសមីការនិន្នាការដោយប្រើកំហុសប្រហាក់ប្រហែលដាច់ខាត។
ដោយសារកំហុសធំជាង 15% សមីការនេះមិនគួរឱ្យចង់ប្រើជានិន្នាការទេ។
តម្លៃមធ្យម៖
ការបែកខ្ញែក
គម្លាតស្តង់ដារ
មេគុណភាពបត់បែន
មេគុណនៃការបត់បែនគឺតិចជាង 1។ ដូច្នេះប្រសិនបើ X ផ្លាស់ប្តូរ 1% Y នឹងផ្លាស់ប្តូរតិចជាង 1%។ និយាយម្យ៉ាងទៀតឥទ្ធិពលនៃ X លើ Y មិនសំខាន់ទេ។
មេគុណកំណត់
ទាំងនោះ។ ក្នុង 82.04% នៃករណីវាប៉ះពាល់ដល់ការផ្លាស់ប្តូរទិន្នន័យ។ នៅក្នុងពាក្យផ្សេងទៀត, ភាពត្រឹមត្រូវនៃការជ្រើសរើសនៃសមីការនិន្នាការគឺខ្ពស់។
2. ការវិភាគភាពត្រឹមត្រូវនៃការកំណត់ការប៉ាន់ប្រមាណនៃប៉ារ៉ាម៉ែត្រនៃសមីការនិន្នាការ.
ភាពខុសគ្នានៃសមីការ។
ដែល m = 1 គឺជាចំនួននៃកត្តាដែលមានឥទ្ធិពលនៅក្នុងគំរូនិន្នាការ។
កំហុសស្តង់ដារនៃសមីការ។
3. ការសាកល្បងសម្មតិកម្មទាក់ទងនឹងមេគុណនៃសមីការនិន្នាការលីនេអ៊ែរ.
1) ស្ថិតិ។ លក្ខណៈវិនិច្ឆ័យរបស់សិស្ស។
យោងតាមតារាងរបស់សិស្សយើងរកឃើញ Ttable
តារាង T (n-m-1; α / 2) \u003d (10; 0.025) \u003d 2.228
>
សារៈសំខាន់ស្ថិតិនៃមេគុណ a 0 ត្រូវបានបញ្ជាក់។ ការប៉ាន់ប្រមាណនៃប៉ារ៉ាម៉ែត្រ a 0 គឺសំខាន់ ហើយស៊េរីពេលវេលាមាននិន្នាការ។
សារៈសំខាន់ស្ថិតិនៃមេគុណ a 1 មិនត្រូវបានបញ្ជាក់ទេ។
ចន្លោះពេលទំនុកចិត្តសម្រាប់មេគុណសមីការនិន្នាការ.
អនុញ្ញាតឱ្យយើងកំណត់ចន្លោះពេលនៃភាពជឿជាក់នៃមេគុណនិន្នាការ ដែលជាមួយនឹងភាពជឿជាក់ 95% នឹងមានដូចខាងក្រោម៖
(a 1 - t obs S a 1 ; a 1 + t obs S a 1 )
(6.375 - 2.228*0.943; 6.375 + 2.228*0.943)
(4.27;8.48)
(a 0 - t obs S a 0 ;a 0 + t obs S a 0)
(5.88 - 2.228*6.942; 5.88 + 2.228*6.942)
(-9.59;21.35)
ដោយសារចំនុច 0 (សូន្យ) ស្ថិតនៅក្នុងចន្លោះទំនុកចិត្ត ការប៉ាន់ប្រមាណចន្លោះពេលនៃមេគុណ a 0 គឺមិនសំខាន់តាមស្ថិតិ។
2) ស្ថិតិ F ។ លក្ខណៈវិនិច្ឆ័យរបស់អ្នកនេសាទ។
fkp = 4.84
ចាប់តាំងពី F > Fkp មេគុណនៃការកំណត់គឺមានសារៈសំខាន់ជាស្ថិតិ
ពិនិត្យមើលការជាប់ទាក់ទងដោយស្វ័យប្រវត្តិនៃសំណល់.
តម្រូវការជាមុនដ៏សំខាន់មួយសម្រាប់ការសាងសង់គំរូតំរែតំរង់គុណភាពដោយប្រើ LSM គឺឯករាជ្យនៃតម្លៃនៃគម្លាតចៃដន្យពីតម្លៃនៃគម្លាតនៅក្នុងការសង្កេតផ្សេងទៀតទាំងអស់។ នេះធានាថាមិនមានទំនាក់ទំនងគ្នារវាងគម្លាតណាមួយឡើយ និងជាពិសេសរវាងគម្លាតដែលនៅជាប់គ្នា។
ការជាប់ទាក់ទងគ្នាដោយស្វ័យប្រវត្តិ (ការជាប់ទាក់ទងគ្នាតាមសៀរៀល)បានកំណត់ថាជាការជាប់ទាក់ទងគ្នារវាងវិធានការសង្កេតតាមលំដាប់ពេលវេលា (ស៊េរីពេលវេលា) ឬលំហ (ស៊េរីឆ្លងកាត់)។ ការជាប់ទាក់ទងដោយស្វ័យប្រវត្តិនៃសំណល់ (outliers) ត្រូវបានជួបប្រទះជាទូទៅនៅក្នុងការវិភាគតំរែតំរង់នៅពេលប្រើប្រាស់ទិន្នន័យស៊េរីពេលវេលា និងកម្រណាស់នៅពេលប្រើទិន្នន័យផ្នែកឆ្លងកាត់។
នៅក្នុងកិច្ចការសេដ្ឋកិច្ច វាជារឿងធម្មតាជាង ការជាប់ទាក់ទងគ្នាជាវិជ្ជមានជាង ការជាប់ទាក់ទងគ្នាអវិជ្ជមាន. ក្នុងករណីភាគច្រើន ការជាប់ទាក់ទងគ្នាជាវិជ្ជមានត្រូវបានបង្កឡើងដោយឥទ្ធិពលថេរទិសដៅនៃកត្តាមួយចំនួនដែលមិនបានគិតគូរនៅក្នុងគំរូ។
ការជាប់ទាក់ទងគ្នាអវិជ្ជមានតាមពិតមានន័យថា គម្លាតវិជ្ជមានត្រូវបានបន្តដោយអវិជ្ជមាន និងផ្ទុយមកវិញ។ ស្ថានភាពបែបនេះអាចកើតឡើងប្រសិនបើទំនាក់ទំនងដូចគ្នារវាងតម្រូវការភេសជ្ជៈ និងប្រាក់ចំណូលត្រូវបានពិចារណាយោងទៅតាមទិន្នន័យតាមរដូវ (រដូវរងា-រដូវក្តៅ)។
ក្នុងចំណោម មូលហេតុចម្បងដែលបណ្តាលឱ្យមានការជាប់ទាក់ទងគ្នាដោយស្វ័យប្រវត្តិ, ខាងក្រោមនេះអាចត្រូវបានសម្គាល់:
1. កំហុសក្នុងការបញ្ជាក់។ ការខកខានក្នុងការពិចារណាលើអថេរពន្យល់សំខាន់ៗណាមួយនៅក្នុងគំរូ ឬជម្រើសខុសនៃទម្រង់នៃការពឹងផ្អែកជាធម្មតានាំទៅរកគម្លាតប្រព័ន្ធនៃចំណុចសង្កេតពីបន្ទាត់តំរែតំរង់ ដែលអាចនាំទៅរកការជាប់ទាក់ទងគ្នាដោយស្វ័យប្រវត្តិ។
2. និចលភាព។ សូចនាករសេដ្ឋកិច្ចជាច្រើន (អតិផរណា ភាពអត់ការងារធ្វើ GNP ។ ដូច្នេះការផ្លាស់ប្តូរសូចនាករមិនកើតឡើងភ្លាមៗនោះទេប៉ុន្តែមាននិចលភាពជាក់លាក់។
3. ឥទ្ធិពលគេហទំព័រ។ នៅក្នុងតំបន់ឧស្សាហកម្ម និងផ្នែកផ្សេងទៀតជាច្រើន សូចនាករសេដ្ឋកិច្ចមានប្រតិកម្មចំពោះការផ្លាស់ប្តូរលក្ខខណ្ឌសេដ្ឋកិច្ចជាមួយនឹងការពន្យារពេល (ពេលវេលាយឺត) ។
4. ការធ្វើឱ្យទិន្នន័យរលូន។ ជាញឹកញយ ទិន្នន័យសម្រាប់រយៈពេលដ៏យូរជាក់លាក់មួយត្រូវបានទទួលដោយជាមធ្យមទិន្នន័យក្នុងចន្លោះពេលធាតុផ្សំរបស់វា។ នេះអាចនាំឱ្យមានភាពរលូនជាក់លាក់នៃការប្រែប្រួលដែលមានក្នុងកំឡុងពេលកំពុងពិចារណា ដែលវាអាចបណ្តាលឱ្យមានការជាប់ទាក់ទងគ្នាដោយស្វ័យប្រវត្តិ។
ផលប៉ះពាល់នៃការជាប់ទាក់ទងគ្នាដោយស្វ័យប្រវត្តគឺស្រដៀងនឹងវា។ តំណពូជ៖ ការសន្និដ្ឋានលើស្ថិតិ t- និង F ដែលកំណត់ពីសារៈសំខាន់នៃមេគុណតំរែតំរង់ និងមេគុណនៃការកំណត់អាចមិនត្រឹមត្រូវ។
ការរកឃើញការជាប់ទាក់ទងគ្នាដោយស្វ័យប្រវត្តិ
1. វិធីសាស្រ្តក្រាហ្វិក
មានជម្រើសមួយចំនួនសម្រាប់និយមន័យក្រាហ្វិកនៃការជាប់ទាក់ទងគ្នាដោយស្វ័យប្រវត្តិ។ មួយក្នុងចំនោមពួកគេទាក់ទងនឹងគម្លាត e i ទៅពេលនៃការទទួលរបស់ពួកគេ i ។ ក្នុងពេលជាមួយគ្នានេះ ទាំងពេលវេលានៃការទទួលបានទិន្នន័យស្ថិតិ ឬលេខសៀរៀលនៃការសង្កេតត្រូវបានគ្រោងតាមអ័ក្ស abscissa ហើយគម្លាត e i (ឬការប៉ាន់ស្មាននៃគម្លាត) ត្រូវបានរៀបចំតាមអ័ក្សតម្រៀប។
វាជាការធម្មតាក្នុងការសន្មតថាប្រសិនបើមានទំនាក់ទំនងជាក់លាក់រវាងគម្លាត នោះការជាប់ទាក់ទងគ្នាដោយស្វ័យប្រវត្តិកើតឡើង។ អវត្ដមាននៃការពឹងផ្អែកទំនងជាបង្ហាញពីអវត្តមាននៃការជាប់ទាក់ទងគ្នាដោយស្វ័យប្រវត្តិ។
Autocorrelation កាន់តែច្បាស់ ប្រសិនបើអ្នកគ្រោង e i ធៀបនឹង e i-1
ការធ្វើតេស្ត Durbin-Watson.
លក្ខណៈវិនិច្ឆ័យនេះត្រូវបានគេស្គាល់ថាល្អបំផុតសម្រាប់ការរកឃើញការជាប់ទាក់ទងគ្នាដោយស្វ័យប្រវត្តិ។
ក្នុងអំឡុងពេលនៃការវិភាគស្ថិតិនៃសមីការតំរែតំរង់ នៅដំណាក់កាលដំបូង គេតែងតែពិនិត្យមើលលទ្ធភាពនៃបរិវេណមួយ៖ លក្ខខណ្ឌសម្រាប់ឯករាជ្យភាពស្ថិតិនៃគម្លាតពីគ្នាទៅវិញទៅមក។ ក្នុងករណីនេះភាពមិនទាក់ទងគ្នានៃតម្លៃជិតខាង e i ត្រូវបានពិនិត្យ។
y | y(x) | អ៊ី = y-y(x) | អ៊ី ២ | (អ៊ី-អ៊ី-១) ២ |
17.4 | 12.26 | 5.14 | 26.47 | 0 |
26.9 | 18.63 | 8.27 | 68.39 | 9.77 |
23 | 25 | -2 | 4.02 | 105.57 |
23.7 | 31.38 | -7.68 | 58.98 | 32.2 |
27.2 | 37.75 | -10.55 | 111.4 | 8.26 |
34.5 | 44.13 | -9.63 | 92.72 | 0.86 |
50.7 | 50.5 | 0.2 | 0.0384 | 96.53 |
61.4 | 56.88 | 4.52 | 20.44 | 18.71 |
69.3 | 63.25 | 6.05 | 36.56 | 2.33 |
94.4 | 69.63 | 24.77 | 613.62 | 350.63 |
61.1 | 76 | -14.9 | 222.11 | 1574.09 |
78.2 | 82.38 | -4.18 | 17.46 | 115.03 |
1272.21 | 2313.98 |
ដើម្បីវិភាគការជាប់ទាក់ទងគ្នានៃគម្លាត សូមប្រើ ស្ថិតិ Durbin-Watson:
តម្លៃសំខាន់ d 1 និង d 2 ត្រូវបានកំណត់នៅលើមូលដ្ឋាននៃតារាងពិសេសសម្រាប់កម្រិតសារៈសំខាន់ដែលត្រូវការ α ចំនួននៃការសង្កេត n = 12 និងចំនួនអថេរពន្យល់ m = 1 ។
មិនមានការជាប់ទាក់ទងគ្នាដោយស្វ័យប្រវត្តិទេ ប្រសិនបើលក្ខខណ្ឌខាងក្រោមគឺពិត៖
ឃ១< DW и d 2 < DW < 4 - d 2 .
ដោយមិនសំដៅលើតារាង យើងអាចប្រើច្បាប់ប្រហាក់ប្រហែល ហើយសន្មតថាមិនមានការជាប់ទាក់ទងគ្នាដោយស្វ័យប្រវត្តិនៃសំណល់ ប្រសិនបើ 1.5< DW < 2.5. Поскольку 1.5 < 1.82 < 2.5, то автокорреляция остатков គឺអវត្តមាន.
សម្រាប់ការសន្និដ្ឋានដែលអាចទុកចិត្តបានជាងនេះ គួរតែយោងទៅលើតម្លៃតារាង។
យោងតាមតារាង Durbin-Watson សម្រាប់ n=12 និង k=1 (កម្រិតសារៈសំខាន់ 5%) យើងរកឃើញ: d 1 = 1.08; d2 = 1.36 ។
ចាប់តាំងពី 1.08< 1.82 и 1.36 < 1.82 < 4 - 1.36, то автокорреляция остатков គឺអវត្តមាន.
ការពិនិត្យមើលភាពតំណពូជ.
1) ដោយវិធីសាស្រ្តនៃការវិភាគក្រាហ្វិកនៃសំណល់.
ក្នុងករណីនេះ តម្លៃនៃអថេរពន្យល់ X ត្រូវបានគ្រោងតាមបណ្តោយ abscissa ហើយទាំងគម្លាត e i ឬការេរបស់វា e 2 i ត្រូវបានគូសប្លង់តាមការចាត់តាំង។
ប្រសិនបើមានទំនាក់ទំនងច្បាស់លាស់រវាងគម្លាត នោះភាពតំណពូជកើតឡើង។ អវត្ដមាននៃការពឹងផ្អែកទំនងជាបង្ហាញពីអវត្តមាននៃ heteroscedasticity ។
2) ការប្រើតេស្តទំនាក់ទំនងជាប់ចំណាត់ថ្នាក់របស់ Spearman.
មេគុណជាប់ទាក់ទងចំណាត់ថ្នាក់របស់ Spearman.
ចាត់ចំណាត់ថ្នាក់ទៅលក្ខណៈ Y និងកត្តា X។ ស្វែងរកផលបូកនៃភាពខុសគ្នានៃការ៉េ d 2 ។
ដោយប្រើរូបមន្ត យើងគណនាមេគុណជាប់ចំណាត់ថ្នាក់របស់ Spearman ។
t | អ៊ី ខ្ញុំ | ចំណាត់ថ្នាក់ X, dx | ចំណាត់ថ្នាក់ អ៊ី, ឃ y | (dx-dy) ២ |
1 | -5.14 | 1 | 4 | 9 |
2 | -8.27 | 2 | 2 | 0 |
3 | 2 | 3 | 7 | 16 |
4 | 7.68 | 4 | 9 | 25 |
5 | 10.55 | 5 | 11 | 36 |
6 | 9.63 | 6 | 10 | 16 |
7 | -0.2 | 7 | 6 | 1 |
8 | -4.52 | 8 | 5 | 9 | តារាង t (n-m-1; α / 2) \u003d (10; 0.05 / 2) \u003d 2.228