- •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
Доп. Вопросы (для экзамена на 5)
При каких условиях предсказания на основе положения планет являются планом, прогнозом, гипотезой.
Научное обоснование прогнозов придаёт им точность. Объясните популярность гадалок и расхожее мнение о качестве прогноза погоды.
Чем предвидение человека отличается от предваряющей реакции животного.
Раздел 1. Прогнозирование методами математической статистики Тема 2. Корреляционные методы
2.1. Графическое представление вариационных рядов
Прогнозирование средствами мат. статистики производится на основе анализа вариационных рядов и их связей.
Варьирование - изменение признака от наблюдения к наблюдению. (Например, варьирование веса или роста в к.-л. группе людей).
Вариационный ряд – количественная характеристика варьирования признака.
Прогнозирование представляет собой суждение на основе знания:
- совместного изменения двух (или более) признаков в ряде наблюдений
- известного значения одного признака (фактора) (или более) в новом наблюдении
о наиболее вероятном значении второго признака.
Фактор[ы] – признак[и] на основе которого производится предсказание значения другого признака - регрессии.
Для выработки такого суждения необходимо:
- описать закономерность связи между регрессией и факторами (в виде: математической функции; перечисления или алгоритма)
- оценить силу этой закономерности - степень зависимости между признаками (фактором и регрессией). Количественная оценка такой зависимости существенно определяется шкалой измерения признаков.
2.2. Зависимость применимости метода прогнозирования от шкалы
Количество может быть измерено в различных шкалах.
Шкала |
Допустимая операция |
Пример |
Номинальная |
= |
Имена |
Порядковая |
= <> |
Баллы |
Разностная |
= <> + - |
Температура, Прибыль |
Абсолютная |
= <> + - * / |
Вес, Выручка |
2.2.1. Номинальная шкала
Заключение о связи признаков можно получить графическим (зрительным / визуальным) и расчётным (аналитическим) путём. Взаимосвязь признаков номинальной шкалы отображается Пузырьковой диаграммой. Из двух признаков один рассматривается как независимый (фактор) – ось абсцисс(X), а другой как определяемый им (зависимый) – ось ординат(Y). Деление признаков на «независимый» и «зависимый» зависит от исследователя.
Рисунок STYLEREF 1 \s 1‑ SEQ Рисунок \* ARABIC \s 1 1 Пузырьковые диаграммы признаков «Район» и «Орг.-правовая форма»
Для ответа на вопрос есть ли связь между признаками, нужно сопоставить диаграммы с крайними случаями, когда признаки независимы или зависимы полностью.
Рисунок STYLEREF 1 \s 1‑ SEQ Рисунок \* ARABIC \s 1 2 Предельные случаи Пузырьковой диаграммы
Из примера видно, что зависимость одного признака от второго и обратная зависимость второго от первого просматриваются различным образом. Количественная мера близости для номинальной шкалы – условная энтропия (см. курс «ТХС») отражает это: .
Прогнозом является суждение о том, что если у нового объекта известно значение одного признака (фактора), то значение другого признака он принимает с определённой вероятностью. Например, если фирма Приморского района (3), то это скорее всего ООО (1) и вряд ли АООТ(5). Если же фирма – ИЧП, то, почти наверняка из Приморского р-на.