- •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
2.2.2. Ранговая шкала
Взаимосвязь ранговых признаков отображается на двухосной (лестничной) диаграмме. Каждому объекту соответствует отрезок (ступенька лестницы), связывающий значения признаков этого объекта.
Рисунок STYLEREF 1 \s 1‑ SEQ Рисунок \* ARABIC \s 1 3 Двухосная (лестничная) диаграмма
Нарушение согласованности в порядке варьирования признаков (инверсия порядков – Inv) отображается пересечением ступенек лестницы. Чем меньше инверсий – тем сильней однонаправленная связь признаков, чем больше – тем сильнее разнонаправленная связь. Связь отсутствует, когда инверсий – «в среднем» от максимально возможного числа, равного N*(N-1)/2 , где N-число объектов.
Рисунок STYLEREF 1 \s 1‑ SEQ Рисунок \* ARABIC \s 1 4 Предельные случаи двухосной диаграммы
Количественная мера близости для ранговой шкалы – [ненормированный] коэффициент ранговой корреляции , показывающий долю согласованных рангов. Для того, что бы разнонаправленному ранжированию соответствовали отрицательные значения коэффициента, последний преобразуют в [нормированный] коэффициент ранговой корреляции: . Недостатком нормированного коэффициента является отсутствие содержательной интерпретации величины.
Прогнозом являются суждения о том, что если у нового объекта улучшается один признак, то другой:
1. скорее улучшится (при нормированном коэффициенте [ранговой корреляции] >0) или ухудшится (в противном случае) и
2. улучшится с вероятностью, равной ненормированному коэффициенту (если вероятность <0,5 – значит ухудшится).
Например, если мы выбираем гостиницу подороже, то уровень комфорта скорее всего возрастёт (r норм. = 0,33 >0) с вероятностью 67% (= r ненорм.).
2.2.3. Метрические шкалы
Взаимосвязь количественных признаков отображается на корреляционном поле (в MS Excel – «точечная диаграмма»). Каждому объекту соответствует точка из корреляционного облака.
Рисунок STYLEREF 1 \s 1‑ SEQ Рисунок \* ARABIC \s 1 5 Корреляционное поле зависимости рентабельности и суммы сделки
Для выявления взаимосвязи «облако» оконтуривают, и рисуют наиболее длинную ось облака, как среднюю линию между границами. Чем уже облако – тем теснее взаимосвязь.
???
Тема 3. Трендовая модель прогнозирования
3.1. Понятие временного ряда
Временной (динамический) ряд – изменение признака со временем. Или: это вариационный ряд, где наблюдения – моменты времени.
При прогнозировании динамического ряда изучается зависимость признака от номера наблюдения – момента времени.
Предполагается, что зависимость может быть разбита на три составляющие: тренд, цикличность и ошибку. Другими словами, выдвигается гипотеза о том, что исходный динамический ряд Yt можно разложить на сумму трёх компонент – тренда , цикличности (от ни одной до нескольких) и ошибки. Данные компоненты непосредственно не наблюдаемы – т.е. гипотетичны.
Тренд – [гипотетическая] детерминированная составляющая динамического ряда, описываемая математической функцией, как правило – монотонной.
Цикличность – детерминированная периодическая составляющая динамического ряда, описываемая, как правило, алгоритмическим путём.
Иногда, вышеназванные понятия, соединяют в понятие тренда в широком смысле слова, как детерминированной составляющей.
Сезонность – вид цикличности, если период кратен календарному периоду.
Ошибка – случайная (недетерминированная) составляющая.
Под случайной здесь понимается – математически неописанная исследователем.
Рисунок STYLEREF 1 \s 1‑ SEQ Рисунок \* ARABIC \s 1 6 Разложение динамического ряда на компоненты