[发明专利]随机事件MNR极限递归统计分析方法

权利要求书

1.一种对随机事件发生可能性程度预测的极限递归统计分析方法，其特征在于：对随机事件的M(M为正整数)时期个数历史记录进行数字化，1代表随机事件发生，0代表未发生，建立随机事件数字化序列表如下(表-1)：

  期数  1  2  3  4  5  6  7  8  9  10  11  12  13  14  15  16  17  18  事件  发  生  未  发  生  发  生  发  生  发  生  发  生  发  生  未  发  生  发  生  未  发  生  未  发  生  未  发  生  未  发  生  发  生  发  生  未  发  生  未  发  生  未  发  生  数字化  1  0  1  1  1  1  1  0  1  0  0  0  0  1  1  0  0  0

利用平均法计算产生时期个数为n期的随机事件n期移动平均值01：

计算公式如下：

P₁、P₂、P₃、......、P_t  列出第1至第t时期的平均值

Pt＝(Z_t+Z_t-1+Z_t-2+…+Z_t-(n-1))/n

式中，P_t-是第t时期的平均值；

n-移动平均的时期个数(步进长度)；

Z_t-第t期实际值；

在本实例中，时期个数n取值为5(也可以去其它的正整数值)，得到5期移动平均值01序列，如下表(表-2)：

  期数  1  2  3  4  5  6  7  8  9  10  11  12  13  14  15  16  17  18  事件  状态  发  生  未  发  生  发  生  发  生  发  生  发  生  发  生  未  发  生  发  生  未  发  生  未  发  生  未  发  生  未  发  生  发  生  发  生  未  发  生  未  发  生  未  发  生  数字化  1  0  1  1  1  1  1  0  1  0  0  0  0  1  1  0  0  0  5期移动  平均值  01  4  4  5  4  4  3  2  1  1  1  2  2  2  2

判断5期移动平均值01序列中下期(第t期)数值与上期(第t-1期)数值是否相等，不相等用1表示，相等用0表示，得到相等情况01序列，如下表(表-3)：

  期数  1  2  3  4  5  6  7  8  9  10  11  12  13  14  15  16  17  18  事件  状态  发  生  未  发  生  发  生  发  生  发  生  发  生  发  生  未  发  生  发  生  未  发  生  未  发  生  未  发  生  未  发  生  发  生  发  生  未  发  生  未  发  生  未  发  生  数字化  1  0  1  1  1  1  1  0  1  0  0  0  0  1  1  0  0  0  5期移动  平均值  01  4  4  5  4  4  3  2  1  1  1  2  2  2  2  相等情况  01  0  1  1  0  1  1  1  0  0  1  0  0  0

对相等情况01做期数个数n＝5(也可选n为其它正整数)的5期移动平均值统计，得到5期移动平均值02序列，如下表(表-3)：

  期数  1  2  3  4  5  6  7  8  9  10  11  12  13  14  15  16  17  18  事件  状态  发  生  未  发  生  发  生  发  生  发  生  发  生  发  生  未  发  生  发  生  未  发  生  未  发  生  未  发  生  未  发  生  发  生  发  生  未  发  生  未  发  生  未  发  生  数字化  1  0  1  1  1  1  1  0  1  0  0  0  0  1  1  0  0  0  5期移动  平均值  01  4  4  5  4  4  3  2  1  1  1  2  2  2  2  相等情况  01  0  1  1  0  1  1  1  0  0  1  0  0  0  5期移动  平均值  02  3  4  4  3  3  3  2  1  1

判断5期移动平均值02序列中下期(第t期)数值与上期(第t-1期)数值是否相等，不相等用1表示，相等用0表示，得到相等情况02序列，如下表(表-4)：

  期数  1  2  3  4  5  6  7  8  9  10  11  12  13  14  15  16  17  18  事件  状态  发  生  未  发  生  发  生  发  生  发  生  发  生  发  生  未  发  生  发  生  未  发  生  未  发  生  未  发  生  未  发  生  发  生  发  生  未  发  生  未  发  生  未  发  生  数字化  1  0  1  1  1  1  1  0  1  0  0  0  0  1  1  0  0  0  5期移动  平均值  01  4  4  5  4  4  3  2  1  1  1  2  2  2  2  相等情况  01  0  1  1  0  1  1  1  0  0  1  0  0  0  5期移动  平均值  02  3  4  4  3  3  3  2  1  1  相等情况  02  1  0  1  0  0  1  1  0  …

接下来对相等情况02序列做类似的统计，这样递归统计R(为正整数)次得到2R行统计数据。根据5期移动平均值01序列画出5期移动曲线。极限是指在事件A的M期历史数据中最多连续出现的时期个数(叫连出极限)和最多连续没有出现的时期个数(叫连空极限)；破位是指当前事件A连续出现时期个数已经大于连出极限值(叫连出破位)，或当前最多连续没有出现的时期个数大于连空极限值(叫连空破位)。把极限和破位概念扩展到上述表格(表-4)中的所有由0、1组成的序列中，在本实例中M＝18期，计算出1连出极限和破位情况、0连出极限和破位情况。我们用极限和破位的这个广义定义，对上述表格(表-4)中的所有有0、1组成的序列进行极限和破位统计，产生5期MNR综合统计表如下(表-5)：

按照上述统计方法，对事件A的历史数据分别做N＝5、10、20、30时期个数的统计分析，并画出5、10、20、30时期个数的移动曲线，5期移动平均曲线的纵向取值为5期移动平均值01序列，10期移动平均线的纵向取值等于随机事件的10期对应移动平均值除以2，20期移动平均线的纵向取值等于随机事件的20期对应移动平均值除以4，30期移动平均线的纵向取值等于随机事件的30期对应移动平均值除以6，并计算产生包含极限和破位情况的综合统计表。在这个过程中，对数字化一行的由0、1组成的序列进行移动平均和相同情况的R次递归计算统计，得到相应的移动平均值、曲线和极限破位情况，这个递归过程叫做MNR极限递归统计。其中M代表统计随机事件历史数据的总期数，N代表计算数字化序列移动平均值采用的期数个数，R代表对数字化序列进行移动平均和相同情况的R次递归统计。对不同的随机事件，要根据具体情况选择适当的M、N、R值，要反映出随机事件短期内的变化，也要反映出其长期的趋势，更要反映出极限和破位的情况。

采用反向原则对统计结果进行分析。反向原则定义：如果多条移动平均线反映出数字化序列值当前处于上升趋势，并且MNR综合统计表中0极限破位情况这一列中出现已到极限、已经破位，那么随机事件下期发生的可能性为高；如果多条移动平均线反映出数字化序列值当前处于下降趋势，并且MNR综合统计表中1极限破位情况这一列中出现已到极限、已经破位，那么随机事件A下期发生的可能性为低。

对随机事件进行分析判断：5期平均线呈上升趋势，表-5中在0极限破位情况一列中出现已经破位情况，根据反向原则，事件A下期发生的可能性为高。