Page 238 - 4512

ного. Найзагальніша техніка - згладжування ковзаючим серед-
нім, яке замінює кожен елемент ряду або простим, або зваже-
ним середнім з n навколишніх елементів, де n - ширина "вікна"
згладжування. Медіани можуть використовуватися замість се-
редніх. Головна перевага медіани в порівнянні із згладжуван-
ням ковзаючого середнього полягає в тому, що на його резуль-
тати мають менший вплив викиди (в межах вікна згладжу-
вання). Таким чином, якщо є викиди в даних (наприклад, із-за
помилок виміру або нерегулярних перешкод), медіанне згла-
джування зазвичай відтворює гладші або принаймні "надій-
ніші" криві, ніж ковзаюче середнє, засноване на тій же самій
ширині вікна. Головна незручність медіанного згладжування -
те, що у відсутності ясних викидів воно може відтворити бі-
льше "зубчасті" криві чим ковзаюче середнє, і воно не викори-
стовує ваги.
Усі ці методи включені в діалогові перетворення в модулі
Time Series. У відносно меншій кількості загальних випадків,
коли помилка виміру є дуже великою, Distance weighted LS
або Negative expon Weighted LS можуть використовуватися для
згладжування в Fit боксі при виборі Quick tab в діалозі 3D
Surface Plots. Усі ці методи відфільтрують шум і перетворять
дані в гладку криву, яка відносно не ускладнена викидами.

Налаштування функції. Більшість монотонних даних
часового ряду можуть бути апроксимовані лінійною функцією.
Якщо є ясний монотонний нелінійний компонент, дані споча-
тку мають бути перетворені, щоб позбавитися від нелінійності.
Зазвичай використовуються логарифмічна, показова, або
(менш часто) поліноміальна функція. Можна експериментувати
з перетвореннями необмеженої складності, використовуючи
формули електронної таблиці, і пізніше перевірити перетворе-
ний ряд на відповідність лінійної регресії (через модулі
Multiple Regression або Time Series) і відтворити прогнози (у
Multiple Regression). Нелінійні функції фактично необмеженої
складності, включаючи шматкові оцінки з точками розриву (де
різні функції можуть бути одночасно пристосовані до різних ді-
апазонів ряду) можуть бути оброблені в модулі Nonlinear
Estimation. Нарешті, STATISTICA включає універсальну страте-
гію, що пристосовує процедури так, щоб вони відповідали по-

237