
- •Введение
- •1. Понятие, задачи, принципы и методы прогнозирования и планирования
- •1.1.Понятие, задачи и принципы прогнозирования и планирования
- •1.2.Классификация методов прогнозирования
- •1.3.Экстраполяционные методы прогнозирования
- •1.4.Статистические методы прогнозирования
- •1.5.Экспертные методы прогнозирования
- •1.6.Вопросы для самоподготовки
- •2. Анализ и прогноз рядов наблюдений
- •2.1. Основные типы линий тренда
- •1. Линейная (прямая)
- •2. Парабола второго порядка
- •3. Экспонента
- •2.2. Построение линии тренда расходов на продукты питания в зависимости от уровня дохода семьи Задание 1. Построение линии тренда
- •2.3. Анализ данных с помощью пакета анализа данных еxcel
- •Задание 2. Генерация случайных чисел
- •Задание 3. Сглаживание обрабатываемых данных
- •2.4. Использование процедуры «поиск решения» для подбора коэффициентов функции аппроксимации данных наблюдений
- •Задание 4. Подбор коэффициентов функции аппроксимации
- •1. Сначала представьте имеющиеся данные в виде непрерывного ряда наблюдений и по этим данным постройте график и линию тренда изменения товарооборота за период 2002-2004гг.
- •2. После того, как данные наблюдений представлены в виде непрерывного ряда, постройте диаграмму (рис. 2.34) и найдите уравнение линии тренда (как было описано выше в зад. 1.1).
- •3. Используя Пакет анализа, выполните сглаживание значений ряда наблюдений y1 методами Скользящего среднего и Экспоненциального сглаживания (как в задании 1.3).
- •4. Для исследования временных изменений ряда наблюдений, например, сезонных, выполните следующие действия:
- •2.5. Вопросы для самоподготовки
- •3. Статистический анализ и прогноз рядов наблюдений
- •3.1. Линейная и экспоненциальная аппроксимация данных
- •3.2. Функции линейн() и лгрфприбл()
- •Дополнительная статистика
- •Задание 5. Прогнозирование с помощью функций линейн() и лгрфприбл(),
- •3.3. Функции прогноза тенденция() и рост()
- •Задание 6. Прогнозирование с помощью функций тенденция() и рост()
- •3.4. Функции прогноза сТандоткл() и доверит()
- •3.5. Функция Коррел()
- •Задание 7. Прогнозирование с помощью функции коррел
- •3.6. Функции наклон() и отрезок()
- •Задание 8. Прогнозирование с помощью функции наклон()
- •Синтаксис функции отрезок (Известные_значения_x; Известные_значения_y) Аргументы функции отрезок()
- •Задание 9. Прогнозирование с помощью функции отрезок()
- •3.7. Вопросы для самоподготовки
- •4. Анализ и прогнозирование в инвестиционном проектировании
- •1.7.4.1. Методы анализа и прогнозирования в инвестиционном проектировании
- •4.2. Алгоритм построения прогнозной модели
- •4.3. Интервальное экспертное прогнозирование
- •Задание 10. Пример выполнения интервального экспертного прогнозирования
- •4.4. Вопросы для самоподготовки
- •2.Использование элементов управления для графического прогнозирования
- •5.1. Использования элементов управления панели "форма"
- •Задание 11. Использование элементов управления панели «Форма»
- •2.1.Вопросы для самоподготовки
- •3.Подбор парметров16
- •3.1.Подбор параметра в таблице
- •Задание 12. Выполнение процедуры Подбор параметра
- •Задание 13. Выполнение процедуры Подбор параметра для поиска корней уравнения
- •3.2.Таблицы подстановки
- •Задание 14. Таблица с одним входом
- •Задание 15. Таблица с двумя входами
- •3.3.Сценарии
- •Задание 16. Создание сценариев
- •3.4.Вопросы для самоподготовки
- •4.Экспертные оценки
- •4.1.Подбор состава экспертов
- •4.2. Методы проведения экспертизы
- •Задание 16. Непосредственное назначение коэффициентов веса
- •Задание 17. Оценка важности параметра в баллах
- •Задание 18. Метод парных сравнений
- •Задание 19. Определение усредненных значений результатов экспертизы с использованием процедуры консолидации
- •4.3.Метод «делфи»
- •4.4.Вопросы для самоподготовки
- •8. Указания по выполнению самостоятельной работы
- •4.5.Порядок выбора варианта и данных
- •4.6.Варианты самостоятельных заданий Задание для самостоятельной работы № 1
- •Задание для самостоятельной работы № 2
- •Задание для самостоятельной работы № 3
- •Задание для самостоятельной работы № 4
- •Литература
3.4. Функции прогноза сТандоткл() и доверит()
Продолжение описания решения Задания 6
Для ячеек D16:Е16 определите стандартное отклонение - меру того, насколько широко разбросаны точки данных относительно их среднего.
Синтаксис функции СТАНДОТКЛОН (число1; число2; ...)
Аргументы функции СТАНДОТКЛОН
Число1, число2, ... — от 1 до 30 числовых аргументов, соответствующих выборке из генеральной совокупности. Вместо аргументов, разделенных точкой с запятой, можно также использовать массив или ссылку на массив.
СТАНДОТКЛОН использует следующую формулу:
|
|
(3.6) |
Вид окна функции СТАНДОТКЛОН для ячейки С16 приведен на рис. 3.12, а полученный результат – на рис. 3.14
СТАНДОТКЛОН предполагает, что аргументы являются только выборкой из генеральной совокупности. Если данные представляют всю генеральную совокупность, то стандартное отклонение следует вычислять с помощью функции СТАНДОТКЛОНП.
Стандартное отклонение вычисляется с использованием "несмещенного" или "n-1" метода.
Логические значения, такие как ИСТИНА или ЛОЖЬ, а также текст игнорируются. Если текст и логические значения игнорироваться не должны, следует использовать функцию рабочего листа СТАНДОТКЛОНА.
Рис. 3. 12. Окно функции СТАНДОТКЛ для расчета насколько разбросаны точки данных относительно их среднего значения
Для ячеек D17:F17 определите доверительный интервал - это интервал с обеих сторон от среднего.
Синтаксис функции ДОВЕРИТ (Альфа; Станд_откл; Размер)
Аргументы функции ДОВЕРИТ
Альфа — это уровень значимости, используемый для вычисления уровня надежности. Уровень надежности равняется 100*(1 - альфа) процентам, или, другими словами, альфа равное 0,05 означает 95% уровень надежности.
Станд_откл — это стандартное отклонение генеральной совокупности для интервала данных, предполагается известным.
Размер — это размер выборки.
Если какой-либо из аргументов не является числом, то функция ДОВЕРИТ возвращает значение ошибки #ЗНАЧ!.
Если Альфа ≤ 0 или Альфа ≥ 1, то функция ДОВЕРИТ возвращает значение ошибки #ЧИСЛО!.
Если Станд_откл ≤ 0, то функция ДОВЕРИТ возвращает значение ошибки #ЧИСЛО!.
Если размер не целое, то оно усекается.
Если размер < 1, то функция ДОВЕРИТ возвращает значение ошибки #ЧИСЛО!.
Предположим, что в нашем примере среднемесячный товарооборот 279 млн. руб. со стандартным отклонением для генеральной совокупности равным 57 млн. руб. В таком случае, мы можем быть на 95 процентов уверены в том, что среднее для генеральной совокупности находится в интервале: ± 32 млн. руб.
Вид окна функции ДОВЕРИТ для ячейки С16, приведен на рис. 3.13, а полученное значение на рис. 3.14.
Внимание. Для расчета доверительного интервала для столбцов D и Е в поле Размер надо вводить значение ячейки А14, так как в расчетах используется 13 значений.
Рис. 3. 13. Окно функции ДОВЕРИТ для расчета интервала разброса данных от среднего значения
Таблица, полученная в результате всех вычислений, приведена на рис 3.14.
Самостоятельно сделайте выводы о том, в каких случаях можно применять те или иные методы статистического анализа.
Рис. 3. 14. Итоговая таблица с результатами вычислений