В этой связи, в научной литературе обычно рассматриваются методы оценки дисперсий прогнозов процессов, представленных в виде временных рядов, не учитывающие ошибки оценок коэффициентов, описывающих их моделей. Таким образом, эти методы учитывают специфику моделей с детерминированными параметрами. Очевидно, что эти методы не в полной мере адекватны условиям поставленной задачи. Однако они характеризуются определенной математической строгостью и при небольших ошибках (дисперсиях) коэффициентов моделей позволяют получить относительно точные оценки дисперсий прогнозов, а следовательно, и их доверительных интервалов.
Эти методы можно рассматривать как следствие более общих результатов теории прогнозирования, Г. Валдом, Н.Винером, А. Колмогоровым, П. Уиттлом. В их основе лежит идея представления прогнозного значения рассматриваемого процесса, описываемого моделями типа АРСС(k, m), в виде условного математического ожидания, зависящего от известных в моменты Т, Т–1,... его значений в прошлом, и ошибки, выражаемой текущим и предшествующими значениями “белого шума”. В целях избежания излишней громоздкости рассмотрим эти методы на примере наиболее простых вариантов моделей временных рядов первого порядка.
Поможем написать любую работу на аналогичную тему