- •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
8.3. Определение сезонной составляющей при мультипликативной сезонности.
Если ряд отклоняется от значений тренда в каждой фазе цикла в одно и то же число раз, говорят о мультипликативной сезонности.
Наглядно разница между аддитивной и мультипликативной сезонностью при растущем тренде такова: размах аддитивной неизменен, а мультипликативной – растёт со временем.
Рисунок STYLEREF 1 \s 1‑ SEQ Рисунок \* ARABIC \s 1 17 Сравнительный вид аддитивной (add) и мультипликативной (mult) сезонностей
Мультипликативная сезонность моделируется расчётом индексов сезонности, которые показывают [разы] отклонения ряда от тренда [по фазам].
Индекс рассчитывается как среднее относительное отклонение ряда от тренда в данной фазе.
Варианты вычисление индексов
*
*
*
При мультипликативной сезонности уравнение разложения динамического ряда на компоненты имеет вид:
8.4. Выявление сезонности с использованием тригонометрических функций
Если в динамическом ряду много плавных, симметричных колебаний (интенсивность роста = падению), удобно произвести разложение в ряды Фурье:
,
где w-момент начала цикла, i – номер цикла, d - период цикла (в радианах).
Исходный ряд предполагается состоящим из тренда и серии волн различной длины и амплитуды. В основном, применяется в техническом прогнозировании (регулярные, периодические процессы).
8.5. Выявление сезонности методом изменяющегося тренда???
* 8(15)концепция жизненного цикла - кратковременный толчок в инертной среде.
* График
* характерный наклон прямых.
* условность понятия цикличности - всего одна жизнь.
8.6. Компьютерная реализация расчета параметров сезонности
* Excel не предоставляет других способов, кроме таблиц.
Тема 9. Анализ ошибки
9.1. Задачи анализа ошибки ???
9.2. Критерии случайности
(Выдержка из - Кендел М. Временные ряды. М.: Финансы и статистика, - 1981.)
Простейшей гипотезой, которую можно выдвинуть относительно колеблющегося ряда, является предположение, что колебания случайны. Па практике бывает достаточно лишь посмотреть на данные, чтобы отбросить эту гипотезу, но в некоторых случаях необходимы более точные критерии, например при изучении остатков, полученных вычитанием из исходного ряда систематических элементов, когда требуется установить, не осталось ли в них какой-либо систематизации.
В случайных рядах, согласно гипотезе, наблюдения независимы и могут следовать в любом порядке. Возможно применение неограниченного числа критериев случайности, но одни критерии по определенным соображениям лучше, чем другие.
Желательно, чтобы критерий не требовал каких-либо ограничений на вид распределения совокупности, из которой, по предположению, извлекаются наблюденные значения.
Необходимые вычисления должны быть сведены к минимуму,
Вычисления должны легко обновляться; другими словами, необходимо, чтобы не требовалось проводить все вычисления с самого начала, если после подсчета критерия с течением времени добавляются новые наблюдения.
Выбор критерия до некоторой степени зависит от того, какие выдвигаются альтернативные гипотезы. Работа Неймана и Пирса по проверке гипотез подтверждает, что никто не проверяет гипотезу саму по себе, а лишь в сравнении с другими возможными гипотезами. Не всегда легко точно определить, какие альтернативные гипотезы, целесообразно выдвинуть, но обычно имеются некоторые соображения, которые могут в значительной степени помочь при выборе критерия. Например, в случае, когда данные по виду как будто имеют тренд, требуется критерий, отличный от того, который используется при подозрении па периодичность.