Построение экрана стационарности log-change с регрессией или биномиальными тестами

Ряд уровней подготавливается к последующим тестам с помощью log-change-transform. Возьмите логарифм каждого наблюдения и вычтите логарифм предыдущего периода, чтобы получить межпериодные логарифмические изменения. Исторический рабочий процесс затем строит конструкцию стационарности и serial-dependence-screen, прежде чем задаётся linear-regression или binomial-probability-model.

Преобразуйте уровни с помощью log-change-transform

Перед любым последующим тестом замените каждый уровень разностью его логарифма и логарифма предыдущего периода. Полученные межпериодные логарифмические изменения — это ряд, который получают конструкции стационарности и серийной зависимости.

Постройте stationarity-split и chi-square-test

Конструкция стационарности делит диапазон ряда на от пяти до десяти интервалов равной ширины и оставляет два крайних интервала неограниченными в сторону от среднего. Затем stationarity-split подсчитывает те же интервалы в первой половине выборки и во второй половине, чтобы chi-square-test мог трактовать одну половину как ожидаемую, а другую как наблюдаемую.

chi-square-test строится по накопленным частотам интервалов как сумма квадратов разностей observed-minus-expected, делённых на ожидаемые значения, со степенями свободы, равными числу интервалов минус один. Готовую сумму сравнивают с табличным критическим значением на уровне вероятности 0.05. Большая сумма трактуется как нестационарность, а меньшая — как стационарность.

Зафиксируйте serial-dependence-screen

После экрана стационарности и после того как стационарность принята, serial-dependence-screen фиксирует долю наблюдений внутри 1.96 стандартных отклонений от среднего и доли за этой границей в каждом хвосте. Затем та же схема chi-square-test применяется к этим трём наблюдаемым долям против пропорций, ожидаемых, если ряд следовал нормальной форме без серийной зависимости.

Задайте linear-regression или binomial-probability-model

Конструкция linear-regression в электронной таблице задаётся указанием входного ряда и выходного диапазона, чтобы программа записала подогнанный базис.

binomial-probability-model для числа попаданий — это вероятность этого числа в замкнутой форме при заданных длине выборки, шансе успеха и дополнительном числе промахов. Она строится как число упорядочений наблюдений, которые дают это число, умноженное на вероятность успеха, возведённую в степень числа попаданий, и дополнительную вероятность, возведённую в степень числа промахов.