- •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
3.11. Оценка качества прогнозов
* факторы качества: длина базы, разброс значений, горизонт планирования.
* апостер:,абсолютная ошибка (факт - прогноз), относит., средняя абс(относ 10 20 50%) ошибка, ско
* апио:стр57.
* Формула r2, границ
Вопросы на 5
1. Excel и другие не строят прогноз назад. Какой приём можно использовать?
2. Какие части сплайн-функции используются для экстраполяции / интерполяции?
3. Какие экономические факторы ограничивают повышение точности прогноза?
Вопросы на 5
Какая величина служит прогнозом стационарного ряда.
В системе образования США оценки ставят буквами. Насколько это корректно с точки зрения применённой шкалы.
Как выглядит тест на степенную функцию, логарифмическую?
Тема 4. Графический анализ динамического ряда
4.1. Цели и задачи графического анализа
4.2. Виды графиков представления динамического ряда
4.3. Построение графического тренда на основе канала
Тема 5. Сглаживание методом скользящего среднего и его использование в прогнозировании
Сглаживание по методу среднего (или сглаживание методом скользящей средней) ориентировано на устранение влияния, привносимого циклическими отклонениями. Лучшие результаты получаются при выборе базы сглаживания длинной равной периоду цикличности. Определить наиболее вероятный период цикла можно:
- по графику – расстояние между двумя максимами (минимумами)
- по графику – длина динамического ряда делится на количество максимумов (минимумов)
- расчетным путём – построить функцию автокорреляции
Выбрав базу сглаживания в N периодов, поступают далее так: Берут первые N значений ряда, находят среднее между ними – получают первое значение сглаженного ряда. Затем берут N значений, начиная со второго, - получают второе сглаженное значение. И т.д., «скользя» вдоль исходного ряда, получают сглаженный. Как правило, сглаженное значение относят к среднему моменту времени для значений, подвергшихся усреднению.
Различают следующие виды скользящего среднего:
- с нечётной / четной базой сглаживания
- простое / взвешенное среднее.
5.1. Определение периода цикличности на основе функции автокорреляции
Под автокорреляцией Ra (лага в t периодов) понимают корреляцию ряда с рядом, полученным из исходного сдвигом на t периодов. При этом в расчет не принимаются граничные значения рядов.
, где
COV (Y,G) – ковариация,
D – смещенная дисперсия
Рассмотрим пример расчета автокорреляции лага 1 (Рисунок 1‑8). В расчете использовались данные, выделенные жирной рамкой ( с янв. по май). Расчет с помощью функции КОРРЕЛ проверен по вышеприведенной формуле. Обратите внимание, что дисперсия рассчитана по функции ДИСПРА.
Рисунок STYLEREF 1 \s 1‑ SEQ Рисунок \* ARABIC \s 1 8 Расчет автокорреляции.
Функцией автокорреляции от времени Ra (t) называют зависимость коэффициента автокорреляции от лага t.
Возьмем явно периодичный ряд с циклом 5 лет (Рисунок 1‑9). Построим 5 сдвинутых рядов и рассчитаем коэффициенты автокорреляции, тем самым построим функцию автокорреляции.
Рисунок STYLEREF 1 \s 1‑ SEQ Рисунок \* ARABIC \s 1 9 Использование функции автокорреляции для определения длины цикла.
На рисунке видно, что исходный ряд (Y) больше всего похож по колебаниям (коррелирует на 100%) на ряд, сдвинутый на величину цикла (Y-5). Т.о., наибольшие значения функции автокорреляции соответствуют лагам, кратным длине цикла. Наименьшие значения – лагам, равным полуциклам. (В данном примере полцикла –2,5 периода, что соответствует приблизительно равным минимумам коэф. Корреляции – 0,41 и 0,49).
Вывод: период цикличности можно определить на основе максимума функции автокорреляции.