[发明专利]随机事件MNR极限递归统计分析方法

说明书

本发明涉及随机事件发生的趋势和发生可能性的统计分析和预测，特别涉及由多种不定因素引发的、具有随机性质的随机事件的趋势和发生可能性程度的统计分析和预测。

在统计学中有个对随机事件进行统计分析的方法，叫做“移动平均法”，具体的计算方法如下：

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；

Z_t-1，Z_t-2，Z_t-3和Z_t-(n-1)分别表示前两期、前三期直至前n期的实际值。计算得出的P₁、P₂、P₃、......、P_t值的变化，反映出实际值的趋势。

移动平均法可以用来预测随机事件的趋势，在一定程度上可以反映出随机事件发生频率的趋势和随机事件发生可能性的大小，但是单纯使用移动平均法预测随机事件的趋势和随机事件发生的可能性，其预测的准确性，尤其是对随机事件发生的可能性的预测，还有待提高。

本发明的目的是，在统计随机事件发生趋势的基础上，通过极限和破位统计，提高对随机事件发生可能性预测的准确性。

本发明的技术解决方案是，把随机事件数字化，对数字化后的数据采用移动平均法进行统计，画出多条间隔时期数不等的移动平均曲线，这些曲线能够反映随机事件的趋势；对随机事件数字化后的数据进行处理，并对处理后的数据进行极限统计分析，以数字表格形式展示极限和破位情况。完成移动平均线统计和极限破位统计后，根据移动平均线的趋势和极限破位情况预测随机事件下次发生可能性的程度。

随机事件数字化过程：随机事件分为单一事件和复合事件，单一事件是指事件只有两种状态：发生和未发生；而复合事件有多种状态，但是这些状态的属性是相同的，请看后面对复合事件的进一步说明。下面是对单一事件A进行数字化的过程。在每个时期，用数字1代表随机事件A发生，0代表A没有发生，这样产生如下数字化结果：

利用平均法计算产生步进(周期)为n期的事件A发生状态移动平均曲线：

计算公式如下：

P₁、P₂、P₃、......、Pt  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；

统计事件A发生的时期个数n＝5的5期移动平均值，得到5期移动平均值01序列，如下表(表-1)：

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-2)：

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)：

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)：