2017年新生入学报到率预测模型研究意义（6页珍藏版）

2017年新生入学报到率预测模型研究意义（6页珍藏版）

《时间序列分析提案报告》由会员分享，可在线阅读。更多相关《时间序列分析建议报告（6页珍藏版）》，请在人人文库在线搜索。

1. 1. 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。该方法以随机过程理论和数理统计为基础，研究随机数据序列所遵循的统计规律，以解决实际问题。它包括一般统计分析（如自相关分析、谱分析等）、统计模型的建立和推理、时间序列的最优预测、控制和过滤等。时间序列是按时间顺序排列的数字序列。时间序列分析就是利用这组数字，应用数理统计对其进行处理，从而预测未来事物的发展。其基本原则：一是认识到事物发展的连续性。利用过去的数据，我们可以预测事物的发展趋势。二是要考虑到事物发展的随机性。任何事物的发展都可能受到偶然因素的影响，对此要进行统计分析

2、分析中的加权平均法对历史数据进行处理。随着扩招改革的深入，高校对招生生源的争夺在所难免。通过时间序列分析的基本方法：回归分析、指数加权平滑法、移动平均法对某高校招生部门提供的2005-2010年各省市新生入学率历史数据进行分析，并应用基于新生入学时间序列分析方法的注册率预测模型对14个省市2011年新生入学率进行预测基于时间序列分析在股票价格短期预测中的应用开题报告，然后将其与2011年大学新生升学率的实际情况进行对比，验证模型的合理性和可信度。1.2 研究意义 通过科学准确地预测新生入学率，可以使学校整体招生计划与国民经济发展规划和社会发展相适应，招生部门也可以科学规划各省市的招生指标中央政府。如果学校每年招生 招生总体规划能与国民经济发展规划和社会发展相适应，招生部门也能科学规划各省、直辖市的招生指标。如果学校每年招生 招生总体规划能与国民经济发展规划和社会发展相适应，招生部门也能科学规划各省、直辖市的招生指标。如果学校每年招生

3.在保持标准不变的前提下，对预计升学率较高的省份增加招生指标，对预计升学率较低的省份适当降低招生指标。因此，新生入学率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，预测方法是科学预测入学率的重要手段。 . 通常，学校招生部门在不破坏学校整体招生计划的前提下，制定下一年的招生计划，以提高招生率为原则，以全校最高升学率完成学校年度招生任务。本文的主要目的是研究和验证时间序列分析在预测高校新生入学率过程中的可用性基于时间序列分析在股票价格短期预测中的应用开题报告，为高校制定合理的招生计划提供帮助。二、毕业设计（论文）研究现状及发展趋势 时间序列分析方法（简称时间序列分析）是一门从时序信号中提取有用信号的学科 为高校制定合理的招生计划提供帮助。二、毕业设计（论文）研究现状及发展趋势 时间序列分析方法（简称时间序列分析）是一门从时序信号中提取有用信号的学科 为高校制定合理的招生计划提供帮助。二、毕业设计（论文）研究现状及发展趋势 时间序列分析方法（简称时间序列分析）是一门从时序信号中提取有用信号的学科

4、它是数理统计的一个重要分支，是研究随机过程的重要工具。时序分析起源于 20 年代，最初用于市场预测。随着时间序列分析理论和应用研究的深入，时间序列分析的应用范围日益扩大，从一般市场预测到语音识别和仿真，从机械设备监测到生物生理和心理状态研究，时间序列分析的应用也越来越广泛，越来越深入。1927年，顾玉乐提出AR（Autoregressive）模型，时间序列模型由非参数模型发展到参数模型，是广义时间序列分析发展的重大突破。自那时候起，ARMA（Autoregressive Moving Average）模型、多维ARMAS类型、非平稳时间序列模型等逐渐得到发展。后，

5. 20世纪60年代后期谱分析和谱估计取得突破后，与控制理论的结合导致了时间序列分析的快速发展。1970年，GE.P.Box和GMJenkins出版了专着《时间序列分析：预测与控制》，对时序方法及其应用进行了系统深入的探讨，而SMWu和SMPandit则提出了DDS方法（Dynamic Data System ，推动了时间序列方法的工程应用。近年来，单位根理论在时间序列分析理论中发展最为迅速。该理论主要研究随机游走过程统计的不对称性。单位根问题引起了越来越受到计量经济学家和统计学家的关注。它不仅提供

6.确定ARIMA模型检查点的顺序，提供了形式化的测试方法，也为一些统计的测试开辟了新的领域。Tsay 和 Tiao 将单位根检验扩展到多元情况，即所谓的协整检验。在我国，时间序列的研究和应用起步较晚。第一本专着是《时间序列的分析与应用》，此后得到广泛发展。我国许多高校和科研院所开展了时间序列理论特别是时间序列应用方面的研究工作，许多成果已应用于实践，取得了明显的社会效益和经济效益。未来时间序列分析研究的一个重要推动力来自金融市场超大容量数据的获取，信息网络和电子商务。在全球竞争日益激烈的环境中，此类数据的可用性价格不断上涨。但是，这些数据非常庞大，并且混合了离散和连续的多元变量，传统的和现有的

7、数据处理方式远不能有效处理。对这些数据进行综合分析的紧迫性，必将影响未来时间序列分析的研究方向。随着时间序列分析在各个领域应用的深入和社会各个领域的发展，必然会出现更加复杂的时间序列。如何找到一个能够更恰当地描述、预测和控制系统的模型，是时间序列研究最直接的发展趋势。大多数真实数据包含噪声、波动或趋势。使用平稳的时间序列模型来描述此类数据会产生较大的误差，因此有必要研究时间序列之间的线性和非线性交互关系，比如如何改进描述几个非平稳时间序列和相似数据关系之间的互相关性的方法。有待进一步研究。三、毕业设计（论文）研究计划和工作计划 3.1 研究计划 （一）介绍时间序列分析的基本理论和方法，包括：

8.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，编写时间序列分析预测程序。(3) 建立2005-2010年全国14个省市新生入学率观测序列时间序列模型，利用时间序列模型预测该区间新生入学率2011 年，并使用后验差分检验标准和 2011 年实际 模型对新生入学率进行了评估。(4) 根据得到的结果改进时间序列模型，使预测结果更好。3.2 工作重点 本论文的重点是讨论时间序列分析及其在实践中的应用，建立给定数据下的时间序列模型，并在此模型的基础上进行相应的分析和预测。3.3 工作难点 建立合适的模型和编写时间序列分析预测程序并非易事。需要对相关知识有清晰的了解并熟练使用

9. SAS、SPSS软件，掌握一定的计算机编程能力和扎实的数学基础。3.4 大米使用计划阅读相关资料，深入学习时间序列分析的相关知识，加强统计软件和编程的操作能力，使用SASSPSS进行相关数据分析。3.5 工作计划起止日期 内容过程 3.1-3.7 收集整理相关资料，学习相关理论知识 3.8-3.18 仔细阅读收集和查找的相关文献资料，向主管提出相关问题，完成开题报告，准备论文开题，完成论文英译 3.19-3.31 拟定论文写作大纲，写出写作计划和基本框架，

10、与导师讨论，对论文进行修改、不及格、完善，提交导师审核。5.21-5.31，修改补充初稿，完善。6.14-6.20 论文答辩 4.主要参考文献 1 王艳应用实践序列分析 M. 中国人民大学出版社，2008.2 A. Carbone, GCastelli, HEStanley。由长期相关时间序列的移动平均形成的聚类分析 J.Physical Review E,69(2004) f4.3

11. 王振龙，胡永红。应用时间序列分析M.科学出版社，2007.4 徐国祥．Statistical Forecasting and Decision Making M. 上海财经大学出版社，2005.5 Bollerslev T. 广义自回归条件异方差性J。计量经济学报，1986(31)：307-327.6 潘宏宇。时间序列分析M. 对外经济贸易大学出版社，2005.7 于国华，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 JA Amirez, E. Rodriguez, JCE Cheverra

12., 基于移动平均滤波的去趋势波动分析 J.Physical A 354(2005): 199H 219.9 刘媛媛. 时间序列分析及其应用，J.科技创新导报，2011，27：255.10 张莉。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，景锐，孟祥森，李湘云。残差自回归模型与SAS程序实现 J. 中国卫生统计, 2008, (05).12 Kalman R EA linear filtering and prediction probl new approach to linear filtering and prediction probl

13. ems J. Basic Engrg, 1960(82):35-45.13 程振元. 时间序列分析：历史回顾与未来展望 J. 知识林统计与决策, 2002, 9:45-46.14 刘英辉, 曹家廉。时间序列分析理论J. 知识森林计算机知识与技术, 2010, 2:257-258. 指导意见 开题报告的研究内容丰富而详尽，具有一定的研究意义和价值。来源; Lan Ibio的目的和难点明确突出；工作计划和流程安排合理，参考资料符合要求。同意开题。样本Xi、X2、Xn按升序重新排列成Xnl Xn2Xnn，则(Xnl , Xn2 , X nn)成为阶数统计量(order statistic

14. 静态）。笔名。定理顺序统计量是充分的统计量。证明当给定Xn1 xn1, Xnn xnn, xn1 xnn时，由于X1, Xn是iid随机变量，所以(1, n)的任意排列(ii, in)都有P(Xii为1, X xnn |Xni x , 教研室意见 Xnn xnn )=c. 并且有 n! (1,n)的排列，因此，c=(n!) L 这种条件分布与整体分布无关。因为充分统计量的概念是这样的：设T = T(X1,, Xn)是一个(一维或多维)统计量，当给定T时，样本(X1,, Xn)的条件分布与 T 无关，称为关于 的充分统计量。因此，订单统计是足够的统计。x(n)Xn是讨论顺序统计量在面对连续种群时的分布。本研究室免费住（含餐）Xin X(1) X(2)X(n)。定理 假设人口X的分布密度为f(x)（或分布函数为F(x),X1,X2,审核组的意见来自人口X的样本，则第k个的分布密度阶统计量X(k)为fx(k) (X)(kn!1)!(nk)!F(x)k11F(x)nkf(x)，k证明经验频率Vn(x)定义为n 对种群 X 的重复独立观察事件 X 发生的次数 x，即不超过 x 的样本数 (X1, X2, Xn)T，和 Vn(x)B(n, F (x). 总体X的经验分布函数的表达式可以看出，Vn(x)与顺序统计量X(1)、X(2)、X(n)有如下关系： 参与审稿人（签名）：