О применении методов математической статистики вгидрологических исследованиях реки Днестр
Închide
Conţinutul numărului revistei
Articolul precedent
Articolul urmator
804 1
Ultima descărcare din IBN:
2022-03-22 13:40
SM ISO690:2012
БУРТИЕВ, Рашид, SCOVITIN, A. О применении методов математической статистики вгидрологических исследованиях реки Днестр . In: Buletinul Institutului de Geologie şi Seismologie al AŞM, 2010, nr. 2, pp. 79-92. ISSN 1857-0046.
EXPORT metadate:
Google Scholar
Crossref
CERIF

DataCite
Dublin Core
Buletinul Institutului de Geologie şi Seismologie al AŞM
Numărul 2 / 2010 / ISSN 1857-0046

О применении методов математической статистики вгидрологических исследованиях реки Днестр

Pag. 79-92

Буртиев Рашид, Scovitin A
 
Институт геологии и сейсмологии АНМ
 
Disponibil în IBN: 16 decembrie 2013


Rezumat

Statistical methods of research for small sample are applied. The hypothesis about accessories of the selective hydrological data of the river Dniestr of the general totality, having normal law of distribution has appeared plausible. For research homogeneity of hydrological dates autocorrelation function was analyzed. It is shown that by means of ARMA (p, q) and ARIMA (p, d, q) models it is possible to predict levels of a time number.

Sunt aplicate metode statistice pentru eşantioane de mici dimensiuni. Ipoteza de afiliere a datelor selecţionate hidrologice ale râului Nistru populaţiei, având o distribuţie normală a fost plauzibilă. Pentru a studia staţionaritatea slabe de o serie de date hidrologice analizate de către funcţia de autocorelaţie. Se arată că, prin utilizarea ARMA (p, q) şi ARIMA (p, d, q), modelele pot prezice nivelul seriilor de timp.

Применены статистические методы исследования для малых выборок. Гипотеза о принадлежности выборочных гидрологических данных реки Днестр генеральной совокупности, имеющей нормальный закон распределения оказалась правдоподобной. Для исследования слабой стационарности ряда гидрологических данных анализировалась автокорреляционная функция. Показано, что с помощью ARMA(p,q) и ARIMA(p,d,q) моделей можно предсказать уровни временного ряда.