《表2 原始数据季节分解季节因子》
通过季节分解计算如表2所示的原始序列的季节指数,可知每年3-6月份软件缺陷数量的季节指数都大于1。即这4个月的平均软件缺陷数量高于总平均值,综合考虑季节性与非季节性因素,可确定模型中d=1,D=1,s=12,即模型为:ARIMA(p,1,q)(P,1,Q)12。
图表编号 | XD00131244600 严禁用于非法目的 |
---|---|
绘制时间 | 2020.03.25 |
作者 | 曾新宇 |
绘制单位 | 对外经济贸易大学统计学院 |
更多格式 | 高清、无水印(增值服务) |
通过季节分解计算如表2所示的原始序列的季节指数,可知每年3-6月份软件缺陷数量的季节指数都大于1。即这4个月的平均软件缺陷数量高于总平均值,综合考虑季节性与非季节性因素,可确定模型中d=1,D=1,s=12,即模型为:ARIMA(p,1,q)(P,1,Q)12。
图表编号 | XD00131244600 严禁用于非法目的 |
---|---|
绘制时间 | 2020.03.25 |
作者 | 曾新宇 |
绘制单位 | 对外经济贸易大学统计学院 |
更多格式 | 高清、无水印(增值服务) |