您好,欢迎访问三七文档
当前位置:首页 > 临时分类 > 时间序列分析开题报告
一、毕业设计(论文)内容及研究意义(价值)1.1研究内容时间序列分析是一种动态数据处理的统计方法。该方法基于随机过程理论和数理统计学方法,研究随机数据序列所遵从的统计规律,以用于解决实际问题。它包括一般统计分析(如自相关分析,谱分析等),统计模型的建立与推断,以及关于时间序列的最优预测、控制与滤波等内容。时间序列是按时间顺序排列的一组数字序列。而时间序列分析就是利用这组数列,应用数理统计方法加以处理,以预测未来事物的发展。它的基本原理:一是承认事物发展的延续性。应用过去数据,就能推测事物的发展趋势。二是考虑到事物发展的随机性。任何事物发展都可能受偶然因素影响,为此要利用统计分析中加权平均法对历史数据进行处理。随着招生改革的深化,高校招生生源之争在所难免。通过时间序列分析的基本方法:回归分析法、指数加权平滑法、移动平均法来分析某高校招生部门提供的2005~2010年度各省、直辖市新生入学报到率的历史数据,应用基于时间序列分析法的新生入学报到率预测模型预测2011年14个省、直辖市新生入学报到率,然后与2011年高校新生入学报到率的实际情况进行比较,验证该模型的合理性和可信性。1.2研究意义通过科学、准确地对新生入学报到率的预测,使学校招生总体规划与国民经济发展规划和社会发展相适应,招生部门也可科学地规划各省、直辖市的招生指标。如在学校每年各招生指标不变的前提下,对预测入学率较高的省份放较多的招生指标,相反入学率较低的则适当减少招生指标。因此,新生入学报到率的预测是招生部门每年编制各省、直辖市招生计划的重要依据,而预测方法又是科学预测入学率的重要手段。通常学校招生部门编制下一年的招生计划的原则是在保证不突破学校总的招生计划前提下提高入学报到率,以最高的全校入学率来完成学校每年的招生任务。而本次论文主要是为了研究和验证时间序列分析在高校新生入学报到率预测过程中可用性,为高校招生时制定合理的招生计划提供帮助。二、毕业设计(论文)研究现状和发展趋势时间序列分析方法(简称时序分析)是在具有先后顺序的信号中提取有用信号的一门学科。它是数理统计学的一个重要分支,是研究随机过程的重要工具。时序分析起源于本世纪二十年代,最早是为了市场预测。随着时序分析的理论和应用这两方面的深入研究,时序分析的应用范围日益扩大,从一般的市场预测到语音识别与模拟,从机械设备的监视到生物生理、心理状态研究,时间序列分析的应用也越来越广泛,越来愈深入。1927年,G.U.Yule提出了AR(Autoregressive)模型,时序模型从非参数模型发展成参数模型,这是广义时序分析发展中的重大突破。此后,逐步发展了ARMA(AutoregressiveMovingAverage)模型、多维ARMA模型、非平稳时序模型等。之后,于60年代后期在谱分析与谱估计方面取得突破性进展后,同控制理论的结合使时间序列分析得到迅速发展。1970年,G.E.P.Box与G.M.Jenkins发表了专著TimeSeriesAnalysis:ForecastingandControl,对时序方法及其应用作了较为系统的深入论述,而S.M.Wu与S.M.Pandit提出了DDS方法(DynamicDataSystem),推动了时序方法的工程应用。近年来,在时间序列分析理论中发展最为迅速的当属单位根理论。这一理论主要研究随机漫步过程统计量的非对称性质。单位根问题已经引起了越来越多计量经济学家和统计学家的关注。它不但为决定ARIMA模型查分的阶提供了正式的检验方法,也为某些统计量的检验开辟了新的领域。Tsay和Tiao将单位根检验扩展到多元情况,这就是所谓的协整检验。在我国,时序研究和应用起步较晚,第一本专著是《时间序列的分析和应用》,此后获得较为广泛的发展。我国许多高校和科研单位开展了时序理论特别是时序应用方面的研究工作,不少成果已实际应用,取得了明显的社会效益和经济效益。时序分析未来研究的一个重要原动力源自于金融市场、信息网络以及电子商务等领域超容量数据的获得。在全球化竞争日益激烈的环境中,这些数据的可利用价格越来越大。然而,这些数据非常庞大,而且离散型和连续性的多元变量相混杂,传统和现有的数据处理方法远远不能对其进行有效的加工处理。对这些数据进行综合分析的迫切性肯定会影响未来时序分析的研究方向。随着时间序列分析在各个领域的应用不断深入以及社会各领域的发展,势必会出现更复杂的时间序列,如何找到能更贴切描述、预测,控制系统的模型是研究时间序列最直接的发展动向。实际的数据大都含有噪声、波动或者趋势。用平稳时间序列模型描述此类数据产生的误差很大,因此需要研究时间序列线性和非线性的交互关系,比如如何提高描述若干非平稳时间序列间的交叉相关和类似的数据关系的方法,这还有待于进一步研究。三、毕业设计(论文)研究方案及工作计划3.1研究方案(1)介绍时间序列分析的基本理论及方法,包括:基本概念、性质、方法、意义等基本知识。(2)研究时间序列的建模方法,并编制时序分析和预测程序。(3)针对2005~2010年全国14个省、直辖市的新生入学报到率观测序列建立时序模型,使用该时序模型对2011年该范围内新生入学率进行预测,并使用后验差检验准则以及2011年实际新生入学率对模型进行评估。(4)针对所得结果对所做时序模型进行完善,使得预测结果更为良好。3.2工作重点本论文的重点是讨论时序分析及其在实际中的应用,在给定数据情况下建立时序模型,并在此模型的基础上作相应分析和预测。3.3工作难点建立合适的模型以及编制时序分析和预测程序是个不易的过程,需要清楚的了解相关知识并熟练运用SAS、SPSS软件,并掌握一定的计算机编程能力以及扎实的数学功底。3.4拟采用的方案翻阅相关资料,深入学习时间序列分析的相关知识,并加强自己在统计软件和编程方面的操作能力,运用SAS\SPSS进行相关的数据分析。3.5工作计划起止日期内容进程3.1-3.7搜集、整理相关资料,学习相关理论知识3.8-3.18认真阅读搜集查找的相关文献资料,向导师请教相关问题,并完成开题报告,准备论文开题,完成一篇英文文献的翻译3.19-3.31拟定论文的写作大纲,撰写写作方案及基本框架,并交由导师审定4.1-5.6撰写论文的内容,完成论文初稿,交导师审阅5.7-5.20针对导师提出的审阅意见,与导师讨论,修改、不中、完善论文,交导师审阅5.21-5.31对初稿进一步修改补充,加以完善6.1-6.13完成论文第二遍修改并最终定稿完成毕业论文,结合毕业论文定稿作幻灯片,准备论文答辩6.14-6.20进行论文答辩四、主要参考文献[1]王燕.应用实践序列分析[M].中国人民大学出版社,2008.[2]A.Carbone,G.Castelli,H.E.Stanley.Analysisofclustersformedbythemovingaverageofalong-rangecor-relatedtimeseries[J].PhysicalReviewE,69(2004):1~4.[3]王振龙,胡永宏.应用时间序列分析[M].科学出版社,2007.[4]徐国祥.统计预测和决策[M].上海财经大学出版社,2005.[5]BollerslevT.Generalizedautoregressiveconditionalheteroskedasti-city[J].JournalofEconometrics,1986(31):307-327.[6]潘红宇.时间序列分析[M].对外经济贸易大学出版社,2005.[7]余国华,黄厚宽.时间序列模型的选择方法[J].广西师范大学学报(自然科学版),2003,21(1):191-194.[8]J.A.Ramirez,E.Rodriguez,J.C.Echeverra,Detrendingfluctuationanalysisbasedonmovingaveragefiltering[J].PhysicalA354(2005):199~219.[9]刘圆圆.时间序列分析及其应用[J].科技创新导报,2011,27:255.[10]张利.基于时间序列ARMA模型的分析预测算法研究及系统实现[D].江苏大学,2008.[11]刘晓东,景睿,孟祥森,李向云.残差自回归模型及SAS程序实现[J].中国卫生统计,2008,(05).[12]KalmanRE.Anewapproachtolinearfilteringandpredictionproblems[J].BasicEngrg,1960(82):35-45.[13]程振源.时间序列分析:历史回顾和未来展望[J].知识丛林统计与决策,2002,9:45-46.[14]刘瑛慧,曹家琏.时间序列分析理论与发展趋势[J].知识丛林电脑知识与技术,2010,2:257-258.统计学(statistics)分析处理的对象是带有随机性的数据(data)。统计分析的目的概括地说是要了解总体分布的统计特性,在参数模型中就归结为了解一些刻画模型的参数。样本1X,2X,…,nX按从小到大的顺序重排为12nnXX…nnX,则(1nX,2nX,…nnX)成为顺序统计量(orderstatistics)。定理顺序统计量是充分统计量。证明当给定11nnXx,nnnnXx,1nx…nnx时,由于1X,…nX是i.i.d.随机变量,对(1,…n)的任一置换(1i,…ni)有11(iiPXx,…,innnXx|11nnXx,…,nnnnXx)=c。而(1,…n)的置换共有!n个,因此,c=1(!)n。此条件分布与总体分布无关。因为充分统计量的概念如下:设T=1(TX,…,nX)为一个(一维或多维的)统计量,当给定T时,样本(1X,…,nX)的条件分布与无关,则称T为关于的充分统计量。所以,顺序统计量是充分统计量。下面对连续总体讨论其顺序统计量的分布问题。此时,可以认为有(1)(2)xx…()nx;(1)(2)XX…()nX。定理设总体X的分布密度为()fx(或分布函数为()Fx),1X,2X,…,nX为来自总体X的样本,则第k个顺序统计量()kX的分布密度为()1!()[()][1()]()(1)!()!kknkxnfxFxFxfxknk,1k,2,…,n。证明经验频率()nVx定义为对总体X做n次重复独立观测时事件{}Xx出现的次数,也就是样本12(,,XX…,)TnX中不超过x的个数,且()nVx~(,())BnFx。由总体X的经验分布函数的表达式可知()nVx与顺序统计量(1)(2),,XX…,()nX有如下关系:指导教师意见该开题报告研究内容丰富详实,有一定的研究意义和价值,熟悉课题的研究现状和发展趋势;研究方案合理,思路清晰;研究任务明确,工作重点和难点清晰、突出;工作计划和进程安排合理,参考文献符合要求。同意开题。签名:月日教研室意见教研室主任(签章):月日评审小组意见参加评审人员(签字):月日
本文标题:时间序列分析开题报告
链接地址:https://www.777doc.com/doc-4977362 .html