
- •Министерство образования российской федерации
- •Содержание
- •1.2. Основные категории статистики
- •Глава 2. Сводка и группировка статистических данных
- •2.1. Задачи сводки и ее содержание
- •2.2. Метод группировок и его место в системе статистических методов
- •2.3. Виды статистических группировок
- •2.4. Принципы построения статистических группировок
- •2.5. Сравнимость статистических группировок. Вторичная группировка
- •2.6. Статистическая таблица и ее элементы
- •2.7. Виды таблиц по характеру подлежащего
- •2.8. Виды таблиц по разработке сказуемого
- •2.9. Правила построения статистических таблиц
- •2.10. Чтение и анализ статистической таблицы
- •Глава 3. Теория статистических показателей
- •3.1. Абсолютные показатели
- •3.2. Относительные показатели
- •3.3. Средние показатели
- •3.4. Структурные средние
- •Глава 4. Показатели вариации в анализе социально-экономических явлений и процессов
- •4.1. Основные показатели вариации
- •4.2 Показатели вариации в анализе взаимосвязей
- •Глава 5. Статистическое изучение взаимосвязи социально-экономических явлений
- •5.1. Причинность, регрессия, корреляция
- •5.2. Парная регрессия
- •5.3. Множественная (многофакторная) регрессия
- •5.4. Параметрические методы изучения связи
- •5.5. Принятие решений на основе уравнений регрессии
- •5.6. Методы изучения связи качественных признаков
- •5.7. Ранговые коэффициенты связи
- •Глава 6. Индексный метод анализа
- •6.1. Общие понятия об индексах
- •6.2. Средние формы сводных индексов
- •6.3. Сводные индексы в анализе последовательных временных периодов
- •6.4. Индексный анализ влияния структурных изменений
- •Раздел II. Моделирование бизнес-процессов Глава 7. Априорный анализ компонент временного ряда
- •7.1. Понятие и основные принципы экономико-статистического анализа
- •7.2. Характеристика и принципы формирования информационной базы
- •7.3. Априорный анализ и его роль в статистическом моделировании
- •Глава 8. Теоретические аспекты моделирования и прогнозирования бизнес-процессов
- •8.1. Система статистических понятий и категорий, применяемых в моделировании и прогнозировании бизнес-процессов
- •8.2. Модель как отображение действительности
- •8.3. Сущность и классификация статистических прогнозов
- •8.4. Этапы построения статистических прогнозов
- •Глава 9. Методологические аспекты оценки скорости и интенсивности изменения бизнес-процессов
- •9.1. Понятие о рядах динамики и их виды
- •9.2. Сопоставимость уровней и смыкание рядов динамики
- •9.3. Аналитические показатели ряда динамики
- •9.4. Средние показатели рядов динамики
- •Глава 10. Моделирование основных тенденций и закономерностей бизнес-процессов
- •10.1. Особенности статистического анализа одномерных временных рядов по компонентам
- •10.2. Методы выявления тенденции временного ряда
- •10.4. Модели тенденции бизнес-процессов
- •10.5. Выбор формы тренда
- •Глава 11. Моделирование фактора случайности в бизнес-процессах
- •Глава 12. Моделирование периодической компоненты бизнес-процессов
- •Методы выявления сезонной компоненты
- •Модели сезонных колебаний
- •Глава 13. Моделирование связных временных рядов
- •13.1. Проблема автокорреляции в анализе бизнес-процессов
- •Для проверки автокорреляции в уровнях ряда также используется и критерий Дарбина-Уотсона. Гипотеза о наличии автокорреляции проверяется с помощью случайной величины:
- •13.2. Модели авторегрессионных преобразований
- •Раздел III. Прогнозирование тенденций в бизнес-процессах
- •Глава 14. Прогнозирование на основе одномерных временных рядов
- •14.1. Простейшие методы прогнозирования
- •14.2. Прогнозирование на основе экстраполяции тренда
- •Прогнозирование с учетом дисконтирования информации
- •14.4. Прогнозирование на основе кривых роста
- •14.5. Прогнозирование рядов динамики, не имеющих тенденции
- •Глава 15. Прогнозирование многомерных временных рядов
- •Глава 16. Оценка точности и надежности прогнозов
Глава 11. Моделирование фактора случайности в бизнес-процессах
Исследование случайного компонента проводится с целью решения двух основных задач:
оценки правильности выбора трендовой модели;
оценки стационарности случайного процесса.
При верном выборе формы тренда отклонения от него будут носить случайный характер, что означает, что изменение случайной величины et не связано с изменением t.
Для этого определяются отклонения эмпирических значений от теоретических: et = yt - f(t) для каждого уровня исходного временного ряда.
Проверяется гипотеза H0: о том, что значения случайной величины et случайны и величина et не зависят от времени.
Методами проверки данной гипотезы являются следующие:
- коэффициент корреляции;
критерий серий, основанный на медиане выборки;
критерий “восходящих” и “нисходящих” cерий;
критерий min и max.
Наиболее простой сводится к расчету коэффициента корреляции между et (отклонениями от тренда) и фактором времени t, и проверке его значимости.
Критерий серий, основанный на медиане выборки.
Этапы реализации метода:
рассчитываются отклонения эмпирических значений от теоретических, полученных по уравнению тренда: e1, e2, ..., en (
).
et ранжируются, где e(1) — наименьшее значение: e(1), e(2), ..., e(n) в порядке возрастания или убывания.
Определяется медиана отклонений emed.
Значения et сравниваются со значением emed и ставится знак ‘‘+’’ или ‘‘-’’:
et > emed — ‘‘+’’
et < emed — ‘‘-’’
et = emed — пропускается уровень и ставится ‘‘0’’.
Таким образом получается ряд ‘‘+’’ и ‘‘-’’.
Выдвигается и проверяется следующая основная гипотеза H0 : если отклонения от тренда случайны, то их чередование должно быть случайным.
Последовательность ‘‘+’’ и ‘‘-’’ называется серией.
Определяется kmax(n) — длина наибольшей серии.
Определяется V(n) — число серий.
Выборка признается случайной, если одновременно выполняются неравенства (a = 0,05):
ì
í kmax(n) < [3,3(lg n + 1)];
î.
(11.1)
Если хотя бы одно неравенство нарушается, то гипотеза о случайности отклонений уровней временного ряда от тренда отвергается.
Критерий ‘‘восходящих’’ и ‘‘нисходящих’’ серий.
Этапы реализации метода:
Последовательно сравниваются каждое следующее значение et+1 с предыдущим и ставится знак ‘‘+’’ или ‘‘-’’:
ei+1 > ei — ‘‘+’’
ei+1 < ei — ‘‘-’’
ei+1 = ei — учитывается только одно
наблюдение (другие опускаются).
Определяется kmax(n) — длина наибольшей серии.
Определяется V(n) — общее число серий.
Выдвигается и проверяется гипотеза H0 : о случайности выборки и подтверждается, если вполняются следующие неравенства
(a = 0,05) :
ì
í;
(11.2)
î kmax(n) £ k0(n),
где k0(n) — число подряд идущих ‘‘+’’ или ‘‘-’’ в самой длинной
серии.
k0(n) определяется следующим образом:
-
N
k0(n)
n £ 26
26 < n £ 153
153 < n £ 1170
5
6
7
Если хотя бы одно из неравенств не выполняется, то гипотеза о случайном характере отклонений уровней временного ряда от тренда отвергается.