Page 10 - 4512

Time Series стандартизує ваги так, щоб вони в сумі давали 1. У
багатьох випадках усі ці вікна ведуть до подібних результатів.

Підготовка даних для аналізу.
Розглянемо декілька практичних порад при підготовці да-
них для спектрального аналізу в програмі STATISTICA. Зви-
чайною практикою є усунення ненульового середнього і ліній-
ного тренду з ряду до аналізу (так, щоб ряд був стаціонарним).
Інакше періодограма і спектр щільності будуть "переобтяжені",
головним чином, великим значенням для першого коефіцієнта
косинуса (для частоти 0.0). У певному сенсі, середнє є циклом
нульової частоти в одиницю часу; тобто, воно - константа. Так
само лінійна тенденція може також представляти незначний ін-
терес, коли необхідно виявити періодичності в ряду. Фактично,
обидва з цих потенційно сильних ефектів можуть замаскувати
цікавіші періодичності в даних, і, таким чином, і середнє і (лі-
нійна) тенденція мають бути видалені з ряду до аналізу (за умо-
вчанням, вони видалені в модулі Time Series). Іноді, також ко-
рисно згладити дані до аналізу, щоб послабити випадковий
шум, який може затінити значущі періодичні цикли в періодог-
рамі.

Результати, коли в серії відсутня періодичність
Якщо немає ніяких периодичностей в даних, це означає,
що кожне спостереження повністю незалежно від усіх інших
спостережень. Якщо розподіл спостережень відповідає норма-
льному, такий часовий ряд визначається як білий шум. Білий
шумовий вхідний ряд призведе до значень періодограм, які ро-
зподілені за показовим законом. Таким чином, перевіряючи ві-
дповідність розподілу значень періодограм показовому, можна
перевірити, чи відрізняється вхідний ряд від білого шумового
ряду.
Модуль Time Series дозволяє вивести гістограму значень
періодограм, і перевірити її відповідність показовому розпо-
ділу. Крім того, можна також вичислити одновибіркову статис-
тику d Kolmogorov – Smirnov для перевірки показового розпо-
ділу.

9