
- •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
Задание 8. Прогнозирование с помощью функции наклон()
Выполните копирование расчетной таблицы с предыдущего листа Задание 7.
Вставьте ее как указано на рис. 3.17.
Рис. 3. 17. Таблица для расчета значения функции НАКЛОН()
Выполните необходимое редактирование таблицы, принимая во внимание, что в ячейках, выделенных заливкой, будут производиться вычисления.
Для определения наклона кривой:
Установите курсор мыши в ячейку, куда должно быть возвращено значение наклона кривой – D14.
Вызовите диалоговое окно функции НАКЛОН() (категория функций Статистические (рис. 3.18);
Рис. 3. 18. Диалоговое окно задания аргументов функции НАКЛОН()
В окно Известные значения_Y введите адреса ячеек, содержащие известные значения Y (D2:D12).
В окно Известные значения_X введите адреса ячеек, содержащие известные значения X (C2:C12).
Завершите ввод формулы массива щелчком по кнопке ОК.
Для проверки того, насколько точно данная функция описывает процесс выполните вычисления в ячейках Е2:Е12, используя ячейки с указанием количества продавцов и наклона линии линейной регрессии. Полученные результаты округлите.
Можете подсчитать в столбце F на сколько точно данная функция описала процесс, указав проценты отклонения расчетных показателей от фактических.
Внимание. Функция ОТРЕЗОК() вычисляет точку пересечения линии с осью Y, используя Известные_значения_X и Известные_значения_Y. Точка пересечения находится на оптимальной линии регрессии, проведенной через Известные_значения_X и Известные_значения_Y.
Функция ОТРЕЗОК() используется, когда необходимо определить значение зависимой переменной при значении независимой переменной, равном 0 (нулю). Например, функцию ОТРЕЗОК() можно использовать, чтобы предсказать постоянных издержек, если имеется ряд наблюдений, характеризующий эти издержки (в зависимости от количества выпущенных изделий или другого параметра).
Синтаксис функции отрезок (Известные_значения_x; Известные_значения_y) Аргументы функции отрезок()
Известные_значения_y — это зависимое множество наблюдений или данных.
Известные_значения_x — это независимое множество наблюдений или данных.
Замечания
Аргументы должны быть числами или именами, массивами или ссылками, содержащими числа.
Если аргумент, который является массивом или ссылкой, содержит текст, логические значения или пустые ячейки, эти значения игнорируются; ячейки, содержащие нулевые значения, учитываются.
Если Известные_значения_y и Известные_значения_x содержат различное количество точек данных или вовсе не содержат точек данных, то функция ОТРЕЗОК() возвращает значение ошибки #Н/Д.
Уравнение для точки пересечения линии линейной регрессии имеет вид:
(3.11)
Наклон вычисляется следующим образом
(3.12)
Задание 9. Прогнозирование с помощью функции отрезок()
Выполните копирование расчетной таблицы с предыдущего листа Задание 8.
Вставьте ее как указано на рис. 3.19. Выполните необходимое редактирование таблицы, принимая во внимание, что в ячейке, выделенной заливкой, будет производиться вычисления.
Для определения наклона:
Установите курсор мыши в ячейку, куда должно быть возвращено значение наклона кривой – D14.
Вызовите диалоговое окно функции ОТРЕЗОК() (категория функций Статистические (рис. 3.20);
В окно Известные значения_Y введите адреса ячеек, содержащие известные значения Y (D2:D12).
Рис. 3. 19. Таблица для расчета значения функции ОТРЕЗОК()
В окно Известные значения_X введите адреса ячеек, содержащие известные значения X (C2:C12).
Рис. 3. 20. Диалоговое окно задания аргументов функции НАКЛОН()
Завершите ввод формулы массива щелчком по кнопке ОК.