46. Методы формирования выборки:
простой случайный отбор;
систематический отбор;
кластерный отбор;
стратифицированный отбор.
47. Объем выборки – количество единиц.
48. Контур выборки - список всех предприятий, в которых мы будем проводить опрос.
49. Единица выборки - (для кого, например, подходит дорогой набор ручек)
50. Прогноз временного ряда – понимается получение его будущих значений или интервалов, в которых с заданной вероятность попадут ……………..
51. Тренд – устойчивая закономерность, наблюдаемая в течении длительного периода времени.
52. Методы экстраполяции трендов:
- м-д скользящего среднего
- м-д экспоненциального сглаживания
- корреляционный анализ
53. Модели временных рядов.
Модели скользящего среднего: Мультипликативная; Адаптивная
Цели анализа временных рядов: Выявление индекса сезонности; Выявление рядов Фурье
54. Компоненты временных рядов:
- Тренд
- Сезонность
- Цикличность
- Случайные колебания
55. Модели для анализа выделения Тренда:
А) Элементарные:
- линейная (
)
- квадратичная (
)
- гиперболическая
(
)
- экспоненциальная
(
)
- логарифмическая
(
)
- обратно-гиперболическая
(
)
Б) Сглаживание
В) Укрупнение интервала
Г) Степенные ряды (полиномы)
Д) Ряды Фурье.
57. Суть многомерных методов прогнозирования - вычислительные и графические ср-ва для исследования различных форм ассоциации: сходства, близости и группировка данных.
58. Идея кластерного анализа.
В 1939 г. Трион ввел понятие кластерного анализа.
Цель кластерного анализа построить классификацию n-объектов с помощью средств объединяющих их в группы, на основе критерия миним. расстояния в прос-ве m-переменных, описывающих объектов.
- Разбить большое количество значений на группы.
Сущ. 3 подвида кластер. анализа:
Древовидная кластеризация
Кластеризация К-средних
Примен. нейронных сетей
59. Идея дискриминантного анализа
Дискриминантный анализ – позволяет проверить гипотезу о возможности классификации заданного мн-ва объектов n характер. некот. числом m – переменных на некот. число кластеров К.
60. Идея факторного анализа
Факторный анализ – позволяет большое число переменных каждого объекта min- ть и свести их к меньшему количеству независимых величин называемых факторами.
Цель факторного анализа – сокращ. числа переменных; опред. стр-ры взаимосвязи м/ду переменными; опред. корреляции значимости факторов.
62. Случаи применения экспертных оценок:
когда нет достаточной статистической информации об изменении анализируемого показателя и влияющих на него факторов.
когда показатели измеряются не численно, а выражаются качественными признаками.
когда анализируемые показатели не м.б. описаны на основе эволюционного развития.
63. Методы экспертной оценки:
Метод простого ранжирования
Метод задания весовых коэффициентов
Метод последовательных сравнений
Метод парных сравнений.
64. Методы выбора эксперта:
самооценка(созд.опросник, его заполн. кажд.эксперт, потом вычисл.ср.оценка и происх.отбор);
оценка группой каждого специалиста; оценка на основе рез-тов прошлой деятельности;
опр.компетентности кандидатов экспертизы(опр.уровня знаний).
65. Методы опроса экспертов:
анкетирование;
опрос (м.б.устным, записан на аудио-и видеопленку);
метод Дельфи;
метод круглого стола;
метод мозгового штурма.
66. Применение имитационного моделирования – теория графов, применяется в сетевом планировании.
67. Применение теории катастроф – для прогнозирования неустойчивости.
68. Применение нейросетевого прогнозирования – для нейронных сетей
…………………..
69. Требования, предъявляемые к моделям:
1)модель должна удовлетворять х-кам полноты и адаптивности;
2) модель д.б. достаточно абстрактной (с т.з. варьирования бол.набором переменных);
3) д.б.ограничение на время решения задачи;
4) модель д.б. ориентирована на существующие технические средства;
5)модель д. обеспечить получение полезной информации;
6)модель д. строиться с использование общепринятой терминологии;
7)модель д. предусматривать верификацию;
8) модель д. обладать свойством робастности (защита от «дураков»).
70. Верификация модели - проверка истинности теоретических положений, установление достоверности опытным путем.
71. Методы верификации-
1) прямая (проверка прогноза путем его разработки методом отличн.от первоначального);
2) косвенная (проверка путем сопоставления прогноза с данными получ.из дрюисточников);
3)инверсная (проверка адекватности модели на той части ретроспективного периода , кот.не исп.при получении прогноза);
4) консеквентная (последовательный) – верификация результатов моделирования путем аналитического и логического выведения прогноза из ранее полученных прогнозов;
5)верификация модели оппонентом - кач. проверка, проводимая экспертным путем;
6)верификация эксперта.
72. Адекватность модели - проверяется с помощью статистических критериев и на основании фактографических данных.