- •Министерство образования российской федерации
- •Содержание Введение
- •Основы прогнозирования. Общие положения
- •Основные определения
- •Теоретико-методологические основы современного прогнозирования
- •Вопросы для самопроверки
- •Глава 2. Прогнозирование, основанное на методах математической статистики.
- •Раздел 2.1. Методы непосредственной экстраполяции Прогнозирование с использованием временных рядов
- •Сглаживание временного ряда
- •Метод скользящей средней
- •Метод конечных разностей
- •Подбор аналитической функции
- •Расчет возможной ошибки прогноза.
- •Порядок построения доверительной зоны
- •Вопросы для самопроверки
- •Раздел 2.2. Статистическое моделирование Общие положения
- •Авторегрессионные модели прогнозирования. Понятие авторегрессии
- •Определение порядка уравнения авторегрессии
- •Графический анализ исходных данных.
- •Исчисление автокорреляционной и частной автокорреляционной кривой.
- •Установление порядка прогнозирующей функции
- •Составление прогнозов с помощью уравнений авторегрессии
- •Вопросы для самоконтроля по теме
- •Задание
- •Экспертные методы прогнозирования.
- •Вопросы для самоконтроля
- •Методы нормативного прогнозирования
- •Метод сценариев
- •Вопросы для самоконтроля
- •Литература
Сглаживание временного ряда
Отметим, что пункт 2 представленной схемы прогнозирования может выполнять двоякую роль: он может быть как подготовительным этапом для дальнейшей обработки представленных данных (т.е. для выполнения этапа 3 – расчета параметров прогнозирующей функции ўt), так и служить вполне самостоятельным методом прогнозирования, т.к. он даёт определенное представление о характере тренда. Рассмотрим два способа сглаживания.
Метод скользящей средней
Суть метода состоит в замене фактических значений показателя их усредненными величинами.
Порядок построения. Пусть y1, y2, ..., yn - динамический ряд. Для определения скользящей средней последовательно рассчитывают сумму m (нечетное число) элементов ряда. По отдельным суммам определяют средние арифметические, каждая из которых меняет свою величину (“скользит”) по мере увеличения t. Наиболее часто на практике применяются трех- и пятичленные средние. Формулы расчета:
yt’ = (yt-1 +yt+yt+1)/3, t=2,3, ... , (n-1) (2.2)
yt’ =(yt-2 + yt-1 +yt+yt+1+ yt+2)/5, t=3,4, ... , (n-2) (2.3)
Если скользящая средняя определяется по четному числу элементов, то она не может быть приписана реальному значению t. Ее определяют в 2 этапа: сначала находят средние для промежутков (t-1,t) и (t, t+1), а затем полученные величины суммируют и вновь используют для расчета средней. Чаще используется вычисление по 4 членам ряда:
yt’ =1/2[(yt-2+yt-1 +yt+yt+1)/4+(yt-1+yt+yt+1+ yt+2)/4], t=3,4,.. ,(n-2) (2.4)
Пример 2.1. В таблице 2.1 представлен объем реализации кондитерских изделий торговым предприятием в течение года. Данные нанесены на график рис. 2.1. Как следует из этого графика этот показатель характеризуется достаточно большим разбросом точек. Поэтому применим к нему метод скользящей средней. Результаты расчетов внесены в таблицу 2.1. и показаны на рис. 2.1.
Таблица 2.1.
Месяц (в условных ед.) |
Объем реализации конд. изделий, т. |
Трехчленные суммы |
Трехчленные скользящие средние |
Пятичленные суммы |
Пятичленные скользящие средние |
1 |
137,3 |
|
|
|
|
2 |
132,2 |
411,5 |
137,2 |
|
|
3 |
142,0 |
415,1 |
138,4 |
689,2 |
137,8 |
4 |
140,9 |
419,7 |
139,9 |
692,2 |
138,4 |
5 |
136,8 |
418,0 |
139,3 |
695,3 |
139,1 |
6 |
140,3 |
412,4 |
137,5 |
687,3 |
137,5 |
7 |
135,3 |
409,6 |
136,5 |
680,1 |
136,0 |
8 |
134,0 |
403,0 |
134,3 |
678,2 |
135,6 |
9 |
133,7 |
402,6 |
134,2 |
673,2 |
134,6 |
10 |
134,9 |
403,9 |
134,6 |
680,6 |
136,1 |
11 |
135,3 |
412,9 |
137,6 |
|
|
12 |
142,7 |
|
|
|
|
Рис. 2.1. График к примеру 2.1.
Метод конечных разностей
Сфера применения - случай, когда динамика изменения исследуемой переменной отображается одним из полиномов k-го порядка:
ўt =a0 +a1 t+a2t2 + ... + aktk (2.5)
Особенность метода - последовательное определение специальных показателей - разностей, среди которых различают разности первого, второго и т.д. порядков:
t1 =yt+1 - yt (t=1,2,3, ... , n-1); (2.6)
t2=t+11 -t1 = yt+2 - 2yt+1 + yt (t=1,2,3, ... , n-2); (2.7)
t3=t+12 -t2 = yt+3 - 3yt+2 +3yt+1 - yt (t=1,2,3, ... , n-3); (2.8)
и т.д.
В основе метода конечных разностей лежит одно из свойств полинома степени k обращать в нуль разности t+1k+1 и придавать одинаковое значение разностям t+1k .
Пример 2.2. По данным объема производства хлеба на предприятиях экономического района за 8 лет необходимо определить закономерность выработки продукции за анализируемый промежуток времени. Рассчитаем первые и вторые разности (см. таблицу 2.2).
Таблица 2.2
Год, t |
Произведено хлеба yt, тыс. т |
Первые разности t1 |
Вторые разности t2 |
1 |
7,6 |
1,1 |
0 |
2 |
8,7 |
1,1 |
0 |
3 |
9,8 |
1,1 |
0,1 |
4 |
10,9 |
1,2 |
-0,1 |
5 |
12,1 |
1,1 |
0 |
6 |
13,2 |
1,1 |
0 |
7 |
14,3 |
1,1 |
– |
8 |
15,4 |
– |
– |
Как следует из данной таблицы, абсолютные уровни первых разностей для всех значений t являются практически одинаковыми, а величина вторых разностей в большинстве случаев принимает нулевые или близкие к ним значения. Поэтому можно определить зависимость выработки хлеба от времени как полином 1-ой степени, то есть линейную зависимость.