81

3 Моделювання методами математичної статистики та теорії

ймовірностей

1. Апроксимація рядів динаміки

Для наближення процесу, представленого рядом динаміки, з метою подальшого прогнозування найчастіше використовують такі види залежностей.

Лінійна залежність дає змогу будувати пряму лінію серед значень часового ряду, які збільшуються або зменшуються в часі з постійною швидкістю. Дана модель будується у відповідності з рівнянням

, (3.1.1)

д

y(t)

е a та b – параметри рівняння, що розраховуються на основі методу найменших квадратів.

t - час

Рис. 3.1.1 – Лінійна залежність

Поліноміальна залежність годиться для наближення процесу, що має декілька, починаючи з одного, виражених екстремумів (максимумів чи мінімумів). Кількість таких екстремумів залежить від степені полінома. Поліном другого степеня може описати процес, що має тільки один максимум чи мінімум; третього – не більше двох екстремумів; четвертого – трьох і т.д. Поліноміальна функція записується таким чином

, (3.1.2)

де а₀....а_n – розрахункові параметри рівняння.

y(t)

t - час

Рис. 3.1.2 – Поліноміальна залежність

Якщо замість параметра t використати функції наближення, то отримаємо наближення ряду лінійною комбінацією різних функцій наближення

. (3.1.3)

Логарифмічна функція застосовується при моделюванні характеристик, значення яких спочатку швидко змінюються, а відтак стабілізуються. Математичний запис цієї функції такий

, (3.1.4)

д е а , b, с – розрахункові параметри.

y(t)

t - час

Рис. 3.1.3 – Логарифмічна залежність

Степенева функція може застосовуватись, якщо значення досліджуваної залежності характеризуються постійною зміною швидкості росту. Якщо серед даних зустрічаються нульові або від”ємні значення, то застосовувати степеневу залежність не можна. Математичний запис цієї функції має вигляд

, (3.1.5)

де а, b, с – константи.

y(t)

t - час

Рис. 3.1.4 – Степенева залежність

Насамкінець, експоненціальну лінію слід використовувати у тому випадку, коли швидкість зміни даних безперервно зростає. Для даних, що мають нульові або від”ємні значення, цей вид наближення також не застосовується. Рівняння має такий вигляд

, (3.1.6)

де коефіцієнти а, b, с – розрахункові параметри рівняння.

Рис. 3.1.5 – Експоненціальна залежність

Для перевірки достовірності апроксимації розраховується коефіцієнт кореляції, або коефіцієнт детермінації (квадрат коефіцієнта кореляції - R²). Чим ближче значення даних коефіцієнтів до одиниці, тим надійніше лінія вибраної функції наближує представлений рядом динаміки процес.

У програмному забезпеченні Mathcad 2001 Pro та Excel передбачені широкі можливості для побудови емпіричних функцій апроксимації та розрахунку на їх основі прогнозних значень рядів динаміки.

У Excel для побудови емпіричних функцій передбачені дві можливості.

1 Використання вмонтованих ліній тренду (trendlines) і вставка їх в діаграму, побудовану на основі таблиці даних для досліджуваного ряду динаміки.

2 Використання вмонтованих статистичних функцій робочого листа Excel , що дають змогу розраховувати параметри рівняння безпосередньо на основі таблиці вхідних даних.

Найпростішим шляхом є використання вмонтованих ліній тренду. Для того, щоб побудувати лінію тренду за заданим рядом динаміки, необхідно:

1. ввести в поля таблиці Excel необхідні дані ряду динаміки за роками, причому роки слід позначити умовними числами від одиниці і дальше;

2. побудувати за рядом динаміки діаграму, активізувавши майстер діаграм і клацнувши мишкою у закладці Стандарные по необхідному типу графіка чи діаграми (наприклад, можна вибрати графік з маркерами, що відмічає точками дані);

3. навести стрілку точно на побудовану лінію графіка/діаграми і клацнути правою кнопкою мишки; при цьому на екрані появиться діалогове вікно, в якому необхідно вибрати команду Добавить линию тренда;

4. у діалоговому вікні Линия тренда з розкритою вкладкою Тип необхідно вибрати такий тип кривої, який найточніше відображає представлений ряд динаміки; вибір типу кривої здійснюється клацанням лівої кнопки миші по відповідному зображенню на вкладці графіка; у випадку поліноміальної залежності необхідно вибрати відповідний степінь полінома.

За допомогою цієї ж вкладки можна побудувати графічний прогноз на наступні періоди часу. Для цього підводимо стрілку точно на побудовану лінію тренду і клацаємо правою кнопкою миші. При цьому на екрані появляється напис Формат линии тренда. Вибираючи Формат линии тренда→Параметры, встановлюємо у відповідному полі з написом “Прогноз на ...” необхідні майбутні періоди для прогнозування. Рекомендується встановлювати один майбутній період (наступний рік чи квартал), оскільки треба зазначити, що прогнозування за методом вирівнювання дає прийнятні за точністю результати тільки на невеликий проміжок часу наперед при умові стабільності всіх інших параметрів та показників господарської діяльності.

Щоб розрахувати значення прогнозу необхідно вивести емпіричне рівняння. Для цього в закладці Параметры з Формат линии тренда необхідно встановити позначки в квадратиках, що відповідають написам “показывать уравнение на диаграмме”, та “поместить на диаграмму величину достоверности аппроксимации”. Остання величина є коефіцієнтом детермінації, який, як уже було сказано вище, служить для вибору кращої функції з усіх доступних у пакеті Excel. Досить часто на практиці ряд динаміки представлено даними, які на перший погляд можуть бути описані декількома емпіричними функціями одразу, тобто важко підібрати “на око” найкращий вид залежності. У такому випадку виконують побудову декількох функцій апроксимації для одного і того ж ряду динаміки, а найбільш адекватне рівняння вибирають за найбільшим значенням коефіцієнта детермінації.

Рівняння та коефіцієнт детермінації виводиться в цілісній області, яку можна рухати мишкою для зручного розташування і зображення на діаграмі. Мишкою можна переміщати на листі Excel і саму діаграму з графіками.

Приклад . Необхідно наблизити динаміку коефіцієнта фондовіддачі (табл 3.1.1) однією із функцій.

Таблиця 3.1.1 – Динаміка коефіцієнта фондовіддачі по підприємству

№ п.п.	Роки	Значення коефіцієнта фондовіддачі
1 2 3 4 5	1998 1999 2000 2001 2002	0.7 1.08 1.39 1.49 1.4

Оскільки на перший погляд важко відразу й однозначно підібрати вид функції для апроксимації представленого ряду динаміки, то побудуємо в Excel три види залежностей – лінійну, логарифмічну та поліноміальну. Спочатку представимо на робочому листі Excel вхідні дані з табл. 3.1.1

Періоди	Роки	Кфв
1	1998	0.7
2	1999	1.08
3	2000	1.39
4	2001	1.49
5	2002	1.4

Для побудови графіка зміни коефіцієнта фондовіддачі Кфв у поле Диапазон данных Мастера диаграмм необхідно ввести адреси клітинок, у яких розміщені значення коефіцієнта фондовіддачі. Це робиться автоматично при виділенні стовпця діапазону значень Кфв з таблиці за допомогою натискання та утримання у такому положенні лівої кнопки мишки . Звичайно, що перед цим необхідно відкрити

Мастер диаграмм→Стандартные→График→(Далее>)→Диапазон данных.

Результати вирівнювання представлені на графіках рис. 3.1.6.

Рис. 3.1.6 – Результати апроксимації динаміки коефіцієнта фондовіддачі трьома видами ліній регресії.

Висновки

1 Даний ряд динаміки найкраще описує поліноміальна залежність, оскільки коефіцієнт детермінації R²=0,9957 приймає для цієї залежності максимальне значення.

2 За виведеним рівнянням поліноміальної залежності y = -0.0821x² + 0.6739x + 0.094 можна розрахувати прогнозне значення коефіцієнта фондовіддачі на наступний 2003-ій рік, яке становитиме -0.0821·6² + 0.6739·6 + 0.094 = 1.18.

Задачі апроксимації можна з успіхом реалізувати і в пакеті Mathcad 2001 Pro . Побудова емпіричних рівнянь у цьому програмному забезпеченні реалізується за допомогою вмонтованих функцій:

line(t, y) та medfit(t, y), які дають змогу розраховувати відповідно значення коефіцієнтів a та b лінійної залежності по формулі (3.1.1);

regress(t, y, k) – дає можливість розраховувати коефіцієнти рівняння (3.1.2) поліноміальної залежності (k – степінь поліному); особливість запису вектора коефіцієнтів в тому, що вони розміщені після перших трьох чисел у стовпці результату;

logfit(t, y, g), де g – вектор початкових наближень параметрів a, b, c у рівнянні (3.1.4) логарифмічної залежності;

expfit(t, y, g), де g – вектор початкових наближень параметрів a, b, c у рівнянні (3.1.6) експоненціальної залежності;

pwrfit(t, y, g), де g – вектор початкових наближень параметрів а, b, с у рівнянні (3.1.5) степеневої залежності;

linfit(t, y, F) – дає змогу розрахувати коефіцієнти а₁.....а_n у лінійній залежності (3.1.3); значення F – це вектор заданих користувачем функцій наближення f₁…f_n. За допомогою цієї вмонтованої функції у Mathcad 2001 Pro можна наближувати ряди динаміки практично будь-якого виду залежності, але при цьому необхідно обґрунтовано підходити до вибору функцій наближення.

Розв”яжемо задачу, представлену вхідними даними (Приклад) , за допомогою функції linfit(t, y, F) . Для утворення вектора функцій F виберемо три типи найпростіших залежностей: ; ; . У цьому випадку формула (3.1.3) набуде такого вигляду .

Нижче наведена програма, призначена для апроксимації рядів динаміки. Програма реалізована для вхідних даних, представлених у табл. 3.1.1.

Висновки

Прогнозне значення коефіцієнта фондовіддачі на наступний 2003-ій рік становитиме S₆ = 1.181, що практично відповідає значенню, розрахованому за поліноміальною регресією у пакеті Excel. Враховуючи стандартну похибку, визначимо приблизний діапазон зміни коефіцієнта фондовіддачі у 2003-му році, який можна записати як 1,18 ± 0,025.