- •Экономико-математические методы и модели в социально-экономических исследованиях
- •Экономико-математические методы и модели в социально-экономических исследованиях
- •Информационные ресурсы дисциплины
- •Модель границы производственных возможностей
- •Возможности и потребности. Модели и реальность
- •1.2. Альтернативная стоимость. Издержки и выбор
- •1.3. Экономический рост и эффективность
- •Графы, сети и их применение в экономике
- •Основные определения и характеристики графов. Плоские графы
- •2.2. Ориентированные графы. Построение минимального остовного дерева сети
- •2.3. Задача нахождения кратчайшего пути. Дерево решений
- •2.4. Сетевые графики
- •3. Управление запасами
- •3.1. Вводные замечания и основная модель
- •3.2. Модель производственных поставок. Модель поставок со скидкой
- •3.3. Модель управления запасами, включающая штрафы
- •3.4. Обобщенная модель определения оптимального размера партии
- •4. Распределение ресурсов
- •4.1. Постановка задачи распределения ресурсов. Механизм прямых приоритетов
- •4.2. Механизм обратных приоритетов. Конкурсный механизм
- •4.3. Механизм открытого управления
- •4.4. Открытое управление и экспертный опрос
- •5. Математические модели в финансовых операциях
- •5.1. Простые проценты. Сложные проценты
- •5.2 Начисление процентов в условиях инфляции.
- •5.3. Погашение кредита. Балансовое равенство
- •5.4. Балансовое уравнение
- •Иерархии и приоритеты
- •6.1. Приоритеты. Измерения и согласованность. Идеальные измерения
- •6.2. Обратно-симметричные и согласованные матрицы. Индекс согласованности
- •6.3. Вычисление собственных характеристик обратно-симметричной матрицы
- •6.4. Проблема сравнения. Построение шкал. Иерархии
- •7. Методы прогнозирования
- •7.1. Анализ временных рядов. Метод подвижного (скользящего) среднего.
- •7.2. Метод проецирования тренда
- •7.3. Прогнозирование с учетом сезонной вариации. Аддитивная модель
- •7.4. Мультипликативная модель. Каузальные методы прогнозирования. Качественные методы прогнозирования
- •8. Основы управления рисками в экономике
- •8.1. Риски в экономике. Оптимизация портфелей банка
- •8.2. Диверсификация портфеля
- •8.3. Достижимое и эффективное множества
- •8.4. Выбор оптимального портфеля
- •9. Динамические модели
- •9.1. Модель народонаселения
- •9.2. Модель мобилизации
- •9.3. Модель гонки вооружений
- •9.4. Модель хищник – жертва
- •Глоссарий
- •Библиографический список
- •Порядковые номера дней в невисокосном году
- •Порядковые номера дней в високосном году
- •Предметный указатель
- •Оглавление
7.2. Метод проецирования тренда
Основной идеей метода проецирования (линейного) тренда (trend projection) является построение прямой, которая "в среднем" наименее уклоняется от массива точек (ti, xi), i = 1, 2,..., n, заданного временным рядом (рис. 7.10).
Эта прямая ищется в следующем виде:
x = at + b, (7.4)
где a и b – постоянные, подлежащие определению.
t x t1 t2 t3 ti tn
a ti + b
x = a t + b |
Рис. 7.10 |
Чтобы найти коэффициенты a и b, поступают так: для каждого значения ti переменной t, пользуясь формулой (7.4), вычисляют соответствующее значение переменной х:
ati + b, i = 1, 2,..., n,
находят разность
ati + b − xi, i = 1, 2,..., n,
которую затем возводят в квадрат (чтобы не думать о знаке):
( ati + b − xi)2, i = 1, 2,..., n,
и, складывая, в итоге получают некоторую вспомогательную функцию, которую мы обозначим φ(a,b):
φ(a,b) = →min. (7.5)
Требуется отыскать минимум этой функции. Функция φ(a,b) принимает минимальное значение в том случае, когда величины a и b удовлетворяют следующей линейной системе:
Находя частные производные, приходим к системе уравнений:
= 0
= 0. (7.6)
Систему (7.6), сгруппировав иначе переменные под знаками суммы и, перенеся суммы, содержащие , в правую часть уравнений, можно переписать в виде:
a + bn = ,
a + b = . (7.7)
Эта система всегда имеет единственное решение. Уравнения (7.7) называются также нормальными уравнениями.
Решая систему уравнений (7.7), например методом Гаусса, приходим к выражениям для а и b:
;
|
|
. |
(7.8)
|
Можно указать простой и общий способ составления нормальных уравнений. Используя опытные точки и уравнение (7.4), можно записать систему уравнений для a и b:
x1= at1 + b
x2= at2 + b
………….
|
Умножим левую и правую части каждого из этих уравнений на коэффициент при первой неизвестной a (т. е. на t1, t2, ..., tn) и сложим полученные уравнения, в результате получится второе нормальное уравнение из (7.7). Умножим левую и правую части каждого из этих уравнений на коэффициент при второй неизвестной b, т. е. на 1, и сложим полученные уравнения, в результате получится первое нормальное уравнение из (7.7). Этот способ получения нормальных уравнений является общим: он пригоден, например, и для функции
x = a0 + a1 t + a2 t2 + a3 t3 + …+ an tn.
Естественно, что здесь получится система из n+1 нормальных уравнений для определения величин a0, a1, a2, ..., an.
Рассмотрим частный случай применения метода наименьших квадратов. Пусть из теории известно, что
есть величина постоянная и ее нужно определить по опытным данным
(Рис. 7.10).
Систему уравнений для k можно записать так:
……….
Для получения нормального уравнения умножим каждое из этих уравнений на коэффициент при неизвестной k, т. е. на 1, и сложим полученные уравнения
,
отсюда
.
Следовательно, среднее арифметическое, полученное из опытных отношений xi / ti, дает решение поставленной задачи по методу наименьших квадратов. Это важное свойство средней арифметической объясняет ее широкое применение в практике обработки опытных данных.
Рассмотрим конкретный пример, вновь обратившись к заданному временному ряду.
Составим вспомогательную таблицу (табл. 7.5):
Таблица 7.5 |
|||
ti |
xi |
ti xi |
ti2 |
1 |
12 |
12 |
1 |
2 |
8 |
16 |
4 |
3 |
6 |
18 |
9 |
4 |
10 |
40 |
16 |
5 |
11 |
55 |
25 |
6 |
9 |
54 |
36 |
7 |
5 |
35 |
49 |
|
|
|
|
В этом случае система уравнений (нормальные уравнения) для отыскания a и b записывается в следующем виде:
2 8а + 7b = 61
140а + 28b = 230. (7.9)
Решая систему, получаем:
a = − 14 / 28 = − 0,5; b = 300 / 28 10,7.
Тем самым х = − 0,5t + 10,7 – уравнение искомого тренда.
Нетрудно убедиться, что, подставив соответствующие значения сумм из вспомогательной таблицы в (7.8), значения для a и b получатся те же самые:
а = = = − − 0,5;
b = = 10,7.
Таким образом, коэффициенты a и b можно получить, подставляя значения сумм в решение нормальных уравнений в общем виде (7.8), или составляя нормальные уравнения подобно (7.9) с численными множителями, т. е. значениями сумм из вспомогательной таблицы, при неизвестных a и b. Расчет показателя на следующий день проводится так:
f8 = − 0,5 · 8 + 10,7 = − 4 + 10,7 = 6,7
(см. рис. 7.11).
Замечание. Точность прогноза можно оценить при помощи стандартного отклонения или дисперсии. Стандартное отклонение определяется по формуле:
. (7.10)
Среднеквадратическое отклонение вычисляется по формуле:
. (7.11)
В этих формулах:
−стандарт или стандартное отклонение, несмещенная оценка среднеквадратического отклонения случайной величины X относительно её математического ожидания; — дисперсия; − i−й элемент выборки; − среднее арифметическое выборки; — объём выборки.
Следует отметить отличие стандартного отклонения (в знаменателе стоит n −1) от корня из дисперсии (среднеквадратического отклонения) (в знаменателе − n). При малом объеме выборки оценка дисперсии через последнюю величину является несколько смещенной, при бесконечно большом объеме выборки разница между этими величинами исчезает.
Можно также точность прогноза оценить при помощи коэффициента корреляции:
. (7.12)
Если коэффициент корреляции rn =1, то xi = ati+b, если rn = −1, то xi=−ati+b. Таким образом, близость коэффициента корреляции к 1 (по абсолютной величине) говорит о достаточно тесной линейной связи.
|
Рис. 7.11 |