Отправляет email-рассылки с помощью сервиса Sendsay

Технологии обработки данных в прогнозировании

Рассылка закрыта

При закрытии подписчики были переданы в рассылку "Технологии анализа данных" на которую и рекомендуем вам подписаться.

Вы можете найти рассылки сходной тематики в Каталоге рассылок.

←   Апрель 2002   →
 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
Автор
basegrouplabs

Статистика

2.348 подписчиков
-1 за неделю
←   Все выпуски   →

Технологии обработки данных в прогнозировании


Информационный Канал Subscribe.Ru - www.lycos.ru
rass_4

Выпуск 9. Метод наименьших квадратов (МНК).

  В рассылке представлены аналитические материалы как лично мои так и те, которые будут присылаться, а также информация, полученная  из других источников. Будут указаны ссылки на литературу. Список литературных и электронных источников  находится на сайте (здесь).  При возможности там же будут указаны и адреса. На вопросы буду отвечать лично, или включать их в рассылку, или помещать в форум на сайте. Разные рассылки будут ориентированы на разный уровень читателей. Так что не огорчайтесь, если текст для Вас слишком легкий, или совсем непонятный. Возможно cледующий материал будет специально для Вас. Ну вот и все. Приступаем!

Предыдущие выпуски

                                                        Здравствуйте!                                                     

МНК есть тем классическим методом, с которого, собственно, и надо было начинать рассылку о методах прогнозирования. 

Постановка задачи. Пусть в качестве исходных данных имеем таблицу

X   x1   x2 …   xn

Y   y1   y2 …   yn,

содержащую статистические данные, или данные экспериментов. Если в качестве X выступает время, то имеем динамический ряд (тогда x1, x2,..., xn  размещены в возрастающем порядке). Необходимо получить аналитическую зависимость Y*=F(X), которая наилучшим образом описывает начальные данные. Словосочетание “наилучшим образом”, понимают в смысле минимума суммы квадратов отклонений значений yi, данных в таблице, от yi*, рассчитанных по формуле Y*=F(X). Определение этой зависимости  необходимо, в т.ч., и для нахождения yn+1*=F(xn+1), что уже представляет собой задачу прогнозирования. Подробное изложение метода в формате pdf здесь.

 

Анонс следующих выпусков.

Нейронные сети. Применение для прогнозирования. Особенности применения метода наименьших квадратов. 

Внимание! Если Вы имеете проблемы с анализом данных, не можете правильно решить задачу оптимизации или прогнозирования, напишите, и, возможно, мы найдем решение вместе.

Посетить сайт  Информационные интеллектуальные системы

                                 Написать автору рассылки

P.S. Огромная просьба задавать конкретные вопросы с примерами выборок. И еще, я не хочу решать "безвозмездно" задачи, которые просто тянут на диссертацию. Поэтому, кратко задача, желаемый результат и исходные данные.

Обещаю в рассылке анонсировать конференции и семинары по представляемой тематике, а также смежным.  


http://subscribe.ru/
E-mail: ask@subscribe.ru 		Отписаться
Убрать рекламу
В избранное