24. Прогнозирование как мпур (методы прогнозирования)

Прогнозирование - это процесс получения прогноза.

Прогноз – научное суждение о возможности состояния объекта в будущем, об альтернативных путях и способах его осуществления, а так же сроках.

Характеризуется:

1. В настоящее время нет методов, позволяющих получить абсолютно точный прогноз.

2. При учете времени, чем больше интервал прогнозирования, тем значительнее может быть ошибка (например, погода).

3. Уменьшается зависимость будущего состояния объекта от имеющихся тенденций.

Подходы:

1. Генетический. Отражает зависимость будущего от настоящего через некоторые интервалы, то есть будущее зависит от настоящего и прошлого (происхождение – генезис)

2. Нормативно-целевой. Связь от настоящего к будущему, то есть определяет результат, который должен быть достигнут.

Методы прогнозирования – совокупность приемов мышления и способов на основе анализа информации о прогнозируемом объекте и возможности вынести относительно достоверное суждение о будущем объекта.

I. Фактографические методы. Основываются на первичной информации об объекте.

1. Наивные методы:

а) трендовые методы – экстраполяция динамических временных рядов, то есть время.

б) экстраполяция регрессионных зависимостей.

в) экстраполяция по огибающим кривым.

2. Цепи Маркова. Последовательность случайных событий с конечным или счётным числом исходов, характеризующаяся тем свойством, что, говоря нестрого, при фиксированном настоящем будущее независимо от прошлого. Можем найти состояние через заданное количество временных шагов.

3. Опережающие методы. В основном применяются в технике.

а) Анализ патентной информации

б) Цитатоиндексный метод.

в) Публикационный метод. Базируется на анализе содержимого и динамике публикаций.

4. Метод Аналогии:

а) Историко-логические.

б) Межобъектные. Аналогии между объектами различной природы.

II. Трендовые методы.

1. Аналитическая экстраполяция.

а) Простая экстраполяция. Точечный прогноз получается путём простого усреднения.

б) Экстраполяция тренда: обработка исходной информации, проверка на наличие тренда; выбор функции, описывающей временной ряд; определение параметров функции методом наименьших квадратов; расчет точечных и интервальных прогнозов.

2. Адаптивные методы. Отбор и адаптация прогнозов с учетом поступающей информации (метод скользящей средней, экспоненциального сглаживания, авторегрессии и тд). Удобно пользоваться различными пакетами.

25. Прогноз с использованием регрессионных функций

Связь между случайными и не случайными величинами называется регрессией. Математическая формулировка: найти функцию y=f(x1, x2, x3…xN), выражающую зависимость между случайной величиной “y” и не случайными переменными “Xi”, так как мы их выбираем. Например, y – производительность труда, а x1 – возраст, х2 – стаж работы, х3 – образование, х4 – пол, и тд.

Классификация видов регрессии:

1. По числу переменных:

а) Парные: y=f(x).

б) Множественные: y=f(x1, x2, x3…xN).

2. По форме зависимости:

а) Линейные.

б) Нелинейные.

3. По характеру регрессии:

а) Положительные.

б) Отрицательные.

4. По типу соединения:

а) Непосредственные. Зависимая и объясняющая переменные связаны непосредственно друг с другом.

б) Косвенные. Переменная действует на зависимую через ряд других переменных.

в) Ложные. Возникает при формальном подходе к исследуемому явлению без объяснения причин, обуславливающих данную связь.

Регрессионный анализ устанавливает форму зависимости. Силу связи устанавливает корреляционный анализ. Оценивается коэффициентом корреляции.

Кроме «стандартных» функций (полином, степенная, экспоненциальная и тд) вводятся специальные функции.