Здраствуйте, меня зовут Алексей . Я могу помочь вам с вашим ПК или Планшетом , телефоном и т. д. Удаление Вирусов По TeamViewer , Помощь в переустановки Windows. Монтиравание Аудио/Видеофайлов. Работа с фотошопом. Опыт работы 5 лет.
Всего эксперт дал 4 ответов, Рейтинг: 0 (0 лучших ответа, 0 голоса - За, 0 голоса - Против).
Добрый день. Меня заинтересовал ваш ответ "В: 18
А: 24= 1+2*2*2*2
Б: 20= 1+2+2*2*2
Г: 14= 1+2+2+2*2
Д: 9= 1+2+2+2+2" на вопрос http://www.liveexpert.org/expert/view/2686143-na-doshc-napisano-chislo-uchen-odn-yu-d-yu-mozhe-abo-dodati-do-chisla-na-doshc-abo-pomnozhiti-chislo-na-doshc-na-zapisati-rezultat-yake-z. Можно с вами обсудить этот ответ?
Добрый день. Меня заинтересовал ваш ответ "Печально я гляжу на наше поколенье!Его грядущее — иль пусто, иль темно,Меж тем, под бременем познань..." на вопрос http://www.liveexpert.org/expert/view/2686164-zdravstvujte-podskazhite-pozhalujsta-horoshij-dlinnij-stih-iz-vne-shkolnoj-programmi-i-chtob-so-smislom-bil-spasibo. Можно с вами обсудить этот ответ?
100л=0.1 м кубический
плотность=93кг/0,1м3=930кг\м3
ответ подсолнечное масло
Добрый день. Меня заинтересовал ваш ответ "100л=0.1 м кубический
плотность=93кг/0,1м3=930кг\м3
ответ подсолнечное масло" на вопрос http://www.liveexpert.org/expert/view/2686197-kakaya-zhidkost-nalita-v-sosud-vmestimostyu-l-esli-ee-massa-kg. Можно с вами обсудить этот ответ?
Процесс авторегрессии. Большинство временных рядов содержат элементы, которые последовательно зависят друг от друга. Такую зависимость можно выразить следующим уравнением:
Вы видите, что каждое наблюдение есть сумма случайной компоненты (случайное воздействие, ) и линейной комбинации предыдущих наблюдений.
Требование стационарности. Заметим, что процесс авторегрессии будет стационарным только, если его параметры лежат в определенном диапазоне. Например, если имеется только один параметр, то он должен находиться в интервале -1<<+1. В противном случае, предыдущие значения будут накапливаться и значения последующих xt могут быть неограниченными, следовательно, ряд не будетстационарным. Если имеется несколько параметров авторегрессии, то можно определить аналогичные условия, обеспечивающие стационарность (см. например, Бокс и Дженкинс, 1976; Montgomery, 1990).
Процесс скользящего среднего. В отличие от процесса авторегрессии, в процессе скользящего среднего каждый элемент ряда подвержен суммарному воздействию предыдущих ошибок. В общем виде это можно записать следующим образом:
Другими словами, текущее наблюдение ряда представляет собой сумму случайной компоненты (случайное воздействие, ) в данный момент и линейной комбинации случайных воздействий в предыдущие моменты времени.
Обратимость. Не вдаваясь в детали, отметим, что существует «двойственность» между процессами скользящего среднего и авторегрессии (см. например, Бокс и Дженкинс, 1976; Montgomery, Johnson, and Gardiner, 1990). Это означает, что приведенное выше уравнение скользящего среднего можно переписать (обратить) в виде уравнения авторегрессии (неограниченного порядка), и наоборот. Это так называемое свойство обратимости. Имеются условия, аналогичные приведенным выше условиям стационарности, обеспечивающие обратимость модели.
Добрый день. Меня заинтересовал ваш ответ "Два основных процессаПроцесс авторегрессии. Большинство временных рядов содержат элементы, которые п..." на вопрос http://www.liveexpert.org/expert/view/2682372-kakie-metodi-ispolzuyutsya-dlya-statisticheskogo-analiza-stacionarnih-vremennih-ryadov. Можно с вами обсудить этот ответ?