
- •Федеральное агентство по образованию
- •Раздел 1. Осмысление математического аппарата для решения экономических задач
- •1.1. Экстремум функции нескольких переменных
- •1.2. Достаточный признак существования экстремума функции двух независимых переменных
- •1.3. Условный экстремум
- •1.4. Метод наименьших квадратов
- •1.5. Правила составления систем стандартных уравнений
- •1.6. Наиболее привлекательные функции для измерения экономических процессов (спроса, выпуска продукции, ценообразования и других)
- •1.6.1. Квадратичная функция
- •1.6.2. Биквадратная функция
- •1.6.3. Кубическая функция
- •1.6.4. Обратно пропорциональная функция
- •1.6.5. Дробно-линейная функция
- •1.6.6. Дробно-рациональные функции
- •1.6.7. Степенная функция
- •1.6.7.1. Степенная функция с натуральным показателем
- •1.6.7.2. Степенная функция с целым отрицательным показателем
- •1.6.7.3. Степенная функция с дробным показателем
- •1.6.8. Показательная функция
- •1.6.9. Логарифмическая функция
- •1.7. Асимптоты с привлекательными функциями для измерения экономических процессов (показателей)
- •1.8. Некоторые обобщения
- •1) Сумма квадратов отклонений
- •2) Сумма модулей отклонений
- •1.9. Вопросы для самоконтроля
- •3. Сформулируйте, при каких обстоятельствах достигает функция максимума, минимума, при каких обстоятельствах остается вопрос открытым и требуются дополнительные исследования.
- •1.10. Тренировочные задачи
- •1.11. Тест к разделу 1
- •Раздел 2. Эконометрические модели
- •2.1. Измеряющие (регрессионные) модели и корреляция
- •2.1.1. Частная корреляция
- •2.2. Имитирование (интерпретация) регрессионных моделей
- •2.3. Эконометрические модели спроса
- •2.4. Эконометрические модели ценообразования
- •2.5. Оценка уравнения регрессии и корреляции
- •2.6. Вопросы для самоконтроля
- •1. В чем сущность эконометрических моделей регрессии, в частности спроса, предложения?
- •2.7. Тренировочные задачи
- •2.8. Тест к разделу 2
- •Раздел 3. Эконометрические модели прогнозирования
- •3.1. Стационарные и нестационарные ряды
- •3.2. Авторегрессия, автокорреляция
- •3.3. Модели прогнозирования
- •3.4. Экспоненты
- •3.5. Кривая Гомперца и логистическая кривая
- •3.6. Гомоскедастичноость, гетероскедастичность остатков
- •3.7. Автокорреляция в остатках, критерий Дарбина-Уотсона
- •3.8. Упрощенное оценивание параметровмодифицированной экспоненты, кривой Гомперца и логической кривой
- •3.8.1. Метод трех сумм
- •3.8.2. Метод трех точек
- •3.9. Графическая интерпретация кривых роста
- •3.10. Доверительные интервалы прогноза
- •3.10.1. Доверительные интервалы прогноза для линейного тренда
- •3.10.2. Доверительные интервалы полиномов невысоких степеней
- •3.11. Критерии точности и надежности прогнозов
- •3.12. Вопросы для самоконтроля
- •3.13. Тренировочные задачи
- •3.14. Тест к главе 3
- •Раздел 4. Программные продукты
- •4.2. Тренировочные задачи
- •Тест по дисциплине
- •Литература
3.8. Упрощенное оценивание параметровмодифицированной экспоненты, кривой Гомперца и логической кривой
Если нет полного ряда данных, в этих обстоятельствах оценки параметров функции, возможно на основе трех точек.
3.8.1. Метод трех сумм
Предположим, имеется функция:
Для этой функции выявлены следующие формулы:
;
;
.
Таким образом, сперва определяется параметр b, затем а и наконец К. Если в последнее выражение подставить найденные выше значения а и b, то К можно определить следующим образом:
.
Значение К лучше определять на основе последней формулы, поскольку в этом случае не будет сказываться округление параметров а и b. Малейшее изменение их обычно существенно влияет на величину К.
Пример. Пусть уровни ряда формируются по закону К + аbt, причем К = 120, а = -60, разность между асимптотой и у0, в отношение последовательных первых разностей ординат.
Итак, уt = 120 – 60 ∙ 0,5t.
Продолжим эксперимент. Пусть на показатели ряда воздействуют некоторые случайные факторы, причем соответствующие случайные сдвиги составляют не более 5%.
Воспользовавшись таблицей случайных чисел для определения возмущения (∑t) получим следующие данные (таблица 3).
Таблица 3
Генерирование данных (модифицированная экспонента)
t |
120 – 60 ∙ 0,5t |
∑t |
yt |
1 |
60 |
+2,5 |
62,4 |
2 |
90 |
+4,8 |
94,8 |
3 |
105 |
-6,0 |
99,0 |
4 |
112,5 |
+6,0 |
118,5 |
|
367,5 |
|
374,7 |
5 |
116,25 |
-1,2 |
115,05 |
6 |
118,12 |
+3,5 |
121,72 |
7 |
119,06 |
-2,4 |
116,82 |
8 |
119,53 |
+2,5 |
122,20 |
|
472,96 |
|
475,79 |
9 |
119,77 |
+2,4 |
122,17 |
10 |
119,88 |
+1,2 |
121,08 |
11 |
119,94 |
-4,8 |
115,14 |
12 |
1119,97 |
0 |
119,97 |
|
479,56 |
|
478,36 |
Определим теперь значения параметров а и b, К на основе данных таблицы:
;
;
.
В итоге имеем
уt = 114 – 38,8 ∙ 0,35t.
Итак, метод трех сумм "работоспособен" в сравнительно узких пределах колебаний исходных данных, а результаты весьма чувствительны к случайным возмущениям.
Рассмотрим метод трех сумм к оценке параметров кривой Гомперца. Напомним, что с помощью логарифмирования кривую Гомперца легко представить в виде модифицированной экспоненты
ℓog a + ℓog K + bt ℓog a
Пользуясь рассмотренным методом определения параметров модифицированной экспоненты, получим:
;
;
или
.
Аналогичный подход возможен при оценке логистической кривой, вида:
,
;
;
или
.
Если логистическая кривая имеет вид:
,
то метод трех сумм для оценки параметров можно применить следующим образом. Пусть, как и выше, ряд разбит на три части:
;
;
.
тогда
;
;
.
где
.
Определим теперь разности:
;
.
Отсюда отношение разностей составит:
.
Таким образом,
.
Имеем,
.
После преобразования получим:
Поскольку:
;
получим:
.
3.8.2. Метод трех точек
Предположим, задана логическая кривая -
.
Здесь, также:
;
;
.
Определим параметр а из первого уравнения системы, получим:
Отсюда
,
.
Параметр b найдем из второго уравнения системы, одновременно подставив вместо 10а соответствующее выражение, получим:
.
Отсюда
следует, что
имеем:
.
Наконец,
.
Подставив в это выражение 10а и 10bn, после соответствующих преобразований, получим:
.
Пример. Предположим, что необходимо провести логическую кривую через три точки. Пусть у0 = 12,9; у1 = 62,1; у2 = 152,7. Интервалы у0-у1 и у1-у2 равны 6 единицам времени, тогда
;
;
.
Таким образом,
Аналогичным образом находятся параметры логистической кривой вида:
.
Три точки, через которые надо провести кривую можно определить следующим образом:
;
;
Определим теперь разности d1, d2:
;
.
Отсюда
.
Итак,
.
Определим значение выражения. После преобразований получим:
.
Отсюда
.
Следовательно:
.
Наконец, из первого уравнения системы получим:
.
Для иллюстрации вернемся к рассмотренному примеру, где у0 = 12,9; у1 = 62,1; у2 = -152,7, n = 6. На основе этих данных получим:
;
;
;
d1 = 0,06142; d2 = 0,00955;
,
К = 208,2;
.
Таким образом,
Рассмотренный метод оценки параметров весьма прост, однако он очень чувствителен к величине значений у0, у1, у2, которые даже если они получены усредненным путем, могут содержать существенный элемент случайности.