• ЭБС Уфимского университета науки и технологий
    фонд Заки Валиди 32, Карла Маркса 3/1 и Достоевского 131

    Незаконное потребление наркотических средств, психотропных веществ, их аналогов причиняет вред здоровью, их незаконный оборот запрещен и влечет установленную законодательством ответственность

Вход в систему
Инструкция по поиску

Детальная информация

Егорова, Юлия Вадимовна. Методы обработки и моделирования одномерных временных рядов: учебное пособие / Ю. В. Егорова; Уфимский университет науки и технологий. — Уфа: Уфимский университет, 2026. — Электрон. версия печ. публикации. — Доступ возможен через Электронную библиотеку УУНИТ. — <URL:https://elib.bashedu.ru/dl/local/EgorovaUV_Metodiobrimodelodnomervremenryadov_up_2026.pdf>. — Текст: электронный

Дата создания записи

05.11.2026

Тематика

временной ряд; компоненты временного ряда; модели декомпозиции; экспоненциальное сглаживание; оценка качества прогнозных моделей; модель ARIMA; модель SARIMA; практические рекомендации

Коллекции

Учебные и учебно-методические издания; Общая коллекция

Разрешенные действия

–

Действие 'Прочитать' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети

Действие 'Загрузить' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети

Группа Анонимные пользователи
Сеть Интернет
Место доступа Группа пользователей Действие
Локальная сеть Библиотеки Аутентифицированные пользователи
Прочитать Загрузить
Локальная сеть Библиотеки Все
Прочитать Загрузить
Интернет Аутентифицированные пользователи
Прочитать Загрузить
Интернет Все
  • Введение
  • 1. Основные понятия и определения в задачах моделирования временных рядов
    • 1.1. Что такое временной ряд
    • 1.2. Основные характеристики временных рядов
    • 1.3. Классификация методов прогнозирования
  • 2. Компоненты временного ряда и их выделение
    • 2.1. Преобразования временного ряда
      • 2.1.1. Экономическая трансформация
      • 2.1.2. Математическая трансформация
    • 2.2. Компоненты временного ряда и модели декомпозиции
      • 2.2.1. Компоненты временного ряда
      • 2.2.2. Аддитивная и мультипликативная декомпозиции
      • 2.2.3. Классическая декомпозиция
      • 2.2.4. Алгоритм STL (Seasonal-Trend decomposition using LOESS)
  • 3. Характеристики временных рядов
    • 3.1. Автокорреляционная функция
    • 3.2. Частная автокорреляционная функция
    • 3.3. STL-характеристики
    • 3.4. Стационарность и тестирование стационарности
  • 4. Простейшие модели временных рядов
    • 4.1. Белый шум
    • 4.2. Модель с независимыми наблюдениями
    • 4.3. Случайное блуждание
    • 4.4. Сезонное случайное блуждание
  • 5. Модели экспоненциального сглаживания
    • 5.1. Простое экспоненциальное сглаживание (ETS(ANN))
    • 5.2. Экспоненциальное сглаживание с линейным трендом (ETS(AАN))
    • 5.3. Экспоненциальное сглаживание с аддитивным трендом и аддитивной сезонностью (ETS(AАА))
    • 5.4. Экспоненциальное сглаживание с аддитивным дампированным трендом (ETS(AАdN))
    • 5.5. Мультипликативные компоненты в моделях экспоненциального сглаживания (ETS(MNM), ETS(MAM))
    • 5.6. Таксономия моделей экспоненциального сглаживания
  • 6. Оценка качества прогнозных моделей
    • 6.1. Метрики ошибок прогноза
    • 6.2. Кросс-валидация для временных рядов
    • 6.3. Информационные критерии
    • 6.4. Анализ остатков
  • 7. Модели авторегрессии и скользящего среднего
    • 7.1. Модели авторегрессии AR(p)
    • 7.2. Модели скользящего среднего MA(q)
    • 7.3. Разложение Вольда
    • 7.4. Модель ARMA(p,q)
  • 8. Модели ARIMA и SARIMA
    • 8.1. Модель ARIMA(p,d,q)
    • 8.2. Сезонные модели SARIMA(p,d,q)(P,D,Q)
    • 8.3. Методология Бокса – Дженкинса
    • 8.4. Алгоритм Хандакара – Хиндмана
  • 9. Практические рекомендации
    • 9.1. Выбор модели для конкретной задачи
    • 9.2. Программная реализация
    • 9.3. Типичные ошибки и их предотвращение
    • 9.4. Кейсы из реальной практики
  • Заключение
  • Список цитируемой литературы
...