- •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
5.2. Сглаживание по нечётной базе
Сглаженный ряд рассчитывается по формуле: . В частности, если длина базы n=3, имеем: . Т.е., значение сглаженного ряда в момент t, определяется как среднее значений исходного ряда в тот же момент времени и в (n-1)/2 моменты времени до и после момента t.
Рисунок 1‑10 показывает сглаживание по базам в 3 и 5 периодов. Чем больше база – тем меньше длина сглаженных рядов.
Рисунок STYLEREF 1 \s 1‑ SEQ Рисунок \* ARABIC \s 1 10 Скользящее среднее нечётной базы.
5.3. Сглаживание по четной базе
Перенести формулу сглаживания по нечетной базе на четную базу непосредственно не удаётся – непонятно к какому периоду относить усреднённые значения. В зависимости от целей сглаживания используют следующие подходы.
1. Отнесение результата сглаживания к моменту, разделяющему средние периоды.
. Если длина базы n=2, имеем: .
Данный способ часто используется в статистике, но неудобен тем, что исходный и сглаженный ряд несопоставимы, т.к. их значения относятся к различным периодам.
2. Отнесение результата сглаживания к последнему периоду.
. Если длина базы n=2, имеем: .
Сглаженный ряд, полученный данным способом, отстаёт от ряда, полученного предыдущим способом, на n/2-0.5 периода. Т.е., является смещённым. (На его основе, однако, можно определить форму тренда). Это сглаживание используется как один из индикаторов биржевой конъюнктуры.
MS Excel использует именно этот метод.
3. Отнесение результата сглаживания к среднему периоду расширенной базы сглаживания.
У четной базы нет среднего периода. Если расширить её на 1 период – средний период появится. Чтобы «количество» периодов осталось чётным, будем считать крайние периоды за полпериода.
.
При n=2 имеем: . При n=4 - и т.п.
Сглаженный ряд, полученный данным способом, идентичен сглаженному ряду, полученному первым способом и повторно сглаженным по базе = 2.
Данный способ получил наибольшее распространение.
5.4. Взвешенное сглаживание
В предыдущем методе крайние наблюдения включались в сглаживание с весами ½. Данный подход можно расширить, в зависимости от представлений о природе изучаемого явления. Например, если предполагается, что колебания могут быть вызваны случайными задержками передачи информации, - веса должны напоминать нормальное распределение. Если же предполагать наличие затухающего последействия (например – внесение удобрений), то веса должны убывать со временем. Выбор весов – задача содержательного исследования. «Нормальное» распределение иногда моделируется на основе треугольника Паскаля.
|
Треугольник Паскаля – в первой строчке и первом столбце содержит 1. Значение прочих ячеек определяется как сумма двух ячеек – сверху и слева. Сумма элементов диагонали треугольника из N элементов равна 2N-1. Очевидно, что для расчета весов используются только диагонали с нечётным числом элементов. |
При n=3 имеем: - то же, что и в предыдущем случае.
При n=5 имеем и т.п.
5.5. Достоинства и недостатки метода
Достоинства |
и недостатки |
простота, наглядность, лёгкость интерпретации |
Сокращение длины ряда при сглаживании |
Иногда может быть недостатком то, что:
Период влияние наблюдений конечен (в границах базы сглаживания)
В сглаживании участвуют как предыдущие, так и будущие наблюдения.