- •Конспект лекций по учебной дисциплине
- •1.4. Классификация предвидений (прогнозов)
- •1.5. Принципы организации прогнозирования
- •1.6. Порядок прогнозирования
- •Доп. Вопросы (для экзамена на 5)
- •Раздел 1. Прогнозирование методами математической статистики Тема 2. Корреляционные методы
- •2.1. Графическое представление вариационных рядов
- •2.2. Зависимость применимости метода прогнозирования от шкалы
- •2.2.1. Номинальная шкала
- •2.2.2. Ранговая шкала
- •2.2.3. Метрические шкалы
- •Тема 3. Трендовая модель прогнозирования
- •3.1. Понятие временного ряда
- •3.2. Задачи анализа временного ряда
- •3.3. Первоначальная подготовка данных
- •3.4. Задача построения аналитического тренда
- •3.5. Определение базы построения тренда
- •3.6. Наиболее употребимые виды трендов
- •3.7. Графический способ определения вида уравнения (типа) тренда
- •3.8. Определение тренда на основе сглаживания ряда
- •3.8.1. Механическое сглаживание
- •3.8.2. Аналитическое сглаживание
- •3.9. Тестовый способ определения вида уравнения (типа) тренда
- •3.10. Прогнозирование по тренду
- •3.11. Оценка качества прогнозов
- •5.1. Определение периода цикличности на основе функции автокорреляции
- •5.2. Сглаживание по нечётной базе
- •5.3. Сглаживание по четной базе
- •5.4. Взвешенное сглаживание
- •5.5. Достоинства и недостатки метода
- •5.6. Прогнозирование на основе сглаживания
- •Тема 6. Метод экспоненциального сглаживания и его использование в прогнозировании
- •6.1. Выбор параметра сглаживания
- •7.2. Метод наименьших квадратов
- •7.5. Тренды на основе сплайн-функций ???
- •Вопросы на 5
- •Тема 8. Анализ цикличности (сезонности)
- •8.1. Задача выявления сезонных колебаний
- •8.2. Определение сезонной составляющей при аддитивной сезонности
- •8.3. Определение сезонной составляющей при мультипликативной сезонности.
- •8.4. Выявление сезонности с использованием тригонометрических функций
- •9.2.1. Поворотные точки
- •9.2.2. Длина фазы
- •9.2.3. Критерий, основанный на знаках разностей
- •9.2.4. Критерии, основанные на ранговой корреляции
- •9.2.5. Сравнительный анализ критериев
- •9.3. Практические способы анализа ошибки ??? Тема 10. Прогнозирование на основе регрессионных моделей
- •10.1. Понятие регрессии
- •10.2. Отбор факторов для регрессии
- •10.3. Вид функции регрессии
- •10.4. Расчет параметров регрессии
- •10.5. Прогнозирования на основе регрессионных моделей
- •10.6. Авторегрессия
- •Тема 11. Производственные функции
- •11.1. Общая характеристика производственной функции
- •11.2. Функция Кобба-Дугласа. Общая характеристика
- •11.3. Функция Кобба-Дугласа. Расчет параметров
- •12.1.2. Задачи о «смесях»
- •12.1.3. Задачи о «раскрое»
- •12.1.4. Общая планово-производственная задача. Выбор интенсивностей использования различных технологических способов производства
- •12.1.5. Распределение ресурсов во времени. Оптимальное регулирование запасов
- •12.2. Графическое решение задачи
- •15.1. Прогнозирование на основе групповой экспертной оценки
- •15.2. Применение метода "Дельфи" для прогнозирования
- •Тема 16. Самореализующиеся прогнозы
- •Тема 17. Имитационное моделирование
7.2. Метод наименьших квадратов
Из рассмотренных выше мер распространение получила сумма квадратов, т.к. на её основе параметры тренда могут быть получены сравнительно (с методом математического программирования) легко – алгебраическим путём. Подобный расчет получил название метода наименьших (критерий) квадратов.
7.2.1. Общая система уравнений
В соответствии с критерием, необходимом подобрать такие параметры тренда, чтобы минимизировать сумму квадратов отклонений трендовых значений от фактических.
По методу Лапласа, решение этой экстремальной задачи находится из системы уравнений. В данной системе приравнены к нулю все частные производные целевой функции по параметрам тренда.
, где a,b,c…- параметры тренда.
7.2.2. Система уравнений для линейного тренда
. Подставим уравнение прямой (с параметрами a,b) в функцию критерия:
|
Линейный тренд Критерий МНК Расписан квадрат
Взяты и приравнены к 0 производные по параметрам |
Т.о., для определения параметров тренда необходимо сосчитать четыре суммы , и, подставив их вместе с количеством известных наблюдений nв систему уравнений, решить её.
7.2.3. Система уравнений для экспоненциального тренда
Прежде чем подставить уравнение экспоненциальной функции (с параметрами a,b) в функцию критерия, прологарифмируем её:
|
Тем самым получена линейная зависимость |
По методу МНК, будем минимизировать расхождения логарифмов:
Т.о., для определения параметров тренда необходимо сосчитать четыре суммы , и, подставив их вместе с количеством известных наблюдений n в систему уравнений, решить её.
7.3. Расчёт параметров тренда в MS Excel
- табличным способом по системе уравнений МНК
- по графику (опция «Добавить линию тренда»)
Рисунок STYLEREF 1 \s 1‑ SEQ Рисунок \* ARABIC \s 1 13 МНК
Табличный способ дольше, но расчет тренда через график неточен (см. на погрешность коэффициентов - Рисунок 1‑13), а иногда и явно ошибочен.
Значения (без промежуточного расчета параметров) линейного тренда могут быть получены функциями ПРЕДСКАЗ и ТЕНДЕНЦИЯ (идентичны) (Рисунок 1‑14).
7.4. Прогнозирование на основе тренда
Для [поискового] прогнозирования в уравнение тренда необходимо подставить номер прогнозного периода. При нормативном прогнозе требуется выяснить, какая из тенденций ряда позволит достичь цели. |
Рисунок STYLEREF 1 \s 1‑ SEQ Рисунок \* ARABIC \s 1 14 Использование функций Excel для расчёта линейного тренда и прогнозирования
Цель – заранее известное значение в прогнозном периоде. Т.о., мы имеем модифицированную разрывную базу (Рисунок 1‑15). Подбирая линию тренда по общим принципам, получаем прогноз – часть тренда, соответствующая разрыву базы. (Прогноз – требуемая траектория движения).
Рисунок STYLEREF 1 \s 1‑ SEQ Рисунок \* ARABIC \s 1 15 Нормативный прогноз
Из примера получается, что для достижения целевого дохода (20) на третий день необходимо реализовать постоянный прирост прироста (красный пунктир). Экспоненциального роста (зелёный пунктир) недостаточно. Конкретные значения прогноза можно рассчитать по полученной формуле.