йия.
Прежде всего желательно сопоставить его эффектив-
ность с точностью прогнозов, получаемых другими метода-
ми.
Между тем практическому использованию описанного
метода посвящена, по-видимому, лишь одна работа [63].
Поэтому нами были проведены эмпирические сопоставле-
ния,
результаты которых приведены в следующем парагра-
фе.
Первые значения параметров распределения
коэффи-
циентов (а
ъ
а
2
), необходимые для начала рассмотренной в
этой
главе
итеративной процедуры, и основная дисперсия D
o
определялись нами путем оценивания линейной регрессии
на
первых N
x
точках выборки. Считалось, что Q</>
==
Р/>
Рассмотрим соответствующий пример.
Байесовская
модель с 4 состояниями была испытана на-
ми
на 22 выборках различного объема. Было, опробовано
15 вариантов задаваемых значений параметров модели
(см.
табл. 6.3, 6.4, 6.5), из которых вариант № 15 представ-
лял значения, рекомендуемые авторами метода.
"Результаты, приведенные в табл. 6.6,
свидетельствуют
о
том, что рекомендация авторов относительно значений па-
раметров не получила экспериментального подтверждения.
Анализ результатов приводит к
выводу,
что средний квад-
рат ошибки особенно чувствителен к значениям априорных
вероятностей состояния процесса.
§ 4. СРАВНЕНИЕ МЕТОДОВ
Теперь, познакомившись с разнообразными моде-
лями
адаптивного типа, целесообразно провести эмпиричес-
кое сравнение точности получаемых по ним прогнозов.
Результаты испытаний адаптивных моделей представле-
ны
в сводной табл. 6.7. В ней прямоугольником выделен
результат,
наилучший в строке, а подчеркнут —
результат,
лучший из тех, которые
дают
модели метода эволюции един-
ственного параметра адаптации. Номера моделей в графах
8
«
11,12,13
означают: №
1
— полиномиальная модель нуле-
вого порядка, № 2 — полиномиальная модель первого по-
Рядка,
№ 3 — полиномиальная модель второго порядка.
Как
видно из таблицы, превосходство осталось за адап-
тивной
моделью авторегрессии, рассмотренной в гл. 3. Со-
вершенно не выдерживает конкуренции намного более слож-
ная
байесовская модель с 4 состояниями
(см.
выборки №11,
*2,13,15,18).
Остальные модели в общем ненамного отстают
от модели адаптивной авторегрессии.
155