Программа реализует оценку тригонометрической регрессии рекуррентным методом наименьших квадратов. Число гармоник в модели и их периоды задаются пользователем или программа подберет их из диапазона 7-4000 суток сама. Периоды могут быть подстроены по максимуму коэффициента детерминации. Может использоваться для предсказаний разнообразных величин (явлений), имеющих выраженный периодический характер. Предсказания делаются на 35 дней, начиная с текущей или указанной даты.

Например,прогноз температуры воздуха, других погодных факторов. Здесь стоит попробовать гармоники с периодом 4017.75 -- 11 летний цикл активности Солнца, 365.25 -- год, 27.33 -- период обращения Луны и т.п.

Самочувствие (эмоциональное, физическое, интеллектуальное) нужно выразить в числовой форме (например в 5-бальной шкале), здесь общеприняты периоды 28,23 и 33 дня соответственно; попробуйте добавить недельный цикл (если "понедельник -- день тяжелый").

Успех предсказания определяется адекватным выбором периодов гармоник, объёмом и качеством обучающих данных. Чем больше зафиксированных (наблюдённых) пар: интересующая величина -- дата, и чем больший отрезок времени они охватывают достаточно равномерно, тем лучше. Ваши данные сохраняются для истории и возможного переобучения в файле ptx.dat. Файл можно редактировать (аккуратно!) как .txt файл.

Обоснованность включения в модель той или иной гармоники характеризуется уровнем значимости (данных в проверке гипотезы: амплитуда = 0 при альтернативе /= 0), при SL < 0.01 - высокая значимость.При больших SL стоит попытаться подстроить соответствующий период.

То,насколько хорошо модель описывает обучающие данные,характеризуется коэффициентом детерминации (долей объясненной вариации в общей вариации) и уровнем значимости (Significance level) данных против гипотезы: все амплитуды (кроме const) = 0.

Следует избегать ситуаций, когда все обучающие данные отстоят друг от друга на время кратное какому-либо периоду модели. Иногда, в случаях близких к таковым, могут накапливаться большие погрешности округления. В этом случае можно попробовать изменить порядок следования обучающих данных. В любом случае критерием правильности расчета является равенство: SSmodel+SSerror=SStotal.

В качестве примера приведены реальные данные о температуре воздуха в Екатеринбурге (файл ptx.dat). Для работы с другими данными уничтожьте файлы antbp.dat и ptx.dat.

В v.2.11 графика работает под Windows 98 корректней.

В v.2.12 исправлена ошибка работы с 32-бит. цветами.

В v.3 введён параметр экспоненциального "забывания" альфа. 0<альфа<=1. Обучающее наблюдение, введённое последним, имеет наибольший вес = 1, предпоследнее - вес = альфа, предпредпоследнее - альфа квадрат и т. д. Т.о. эффективная ширина окна ~ 2/(1-альфа), например,при альфа=0.95, основное влияние на коэффициенты модели (амплитуды), окажут последние 40 наблюдений. Ясно, что при альфа < 1 наблюдения должны следовать в порядке приближения к дате прогноза (при предсказании будущего - в порядке возрастания дат). Альфа <~ 0.9 брать не рекомендуется. Альфа = 1 соответствует бесконечной памяти, как в прежних версиях. Выводимые статистические характеристики имеют строгий смысл при альфа = 1.

Улучшена работа с фонтами.

Демо-версия ограничена датами предсказаний до 01.07.2001.