- •А.С. Березина анализ данных
 - •Предисловие
 - •Лекция 1. Априорный анализ компонент временного ряда
 - •1.1. Понятие временного ряда. Виды временных рядов
 - •Производство молока в Кемеровской области
 - •Численность работников здравоохранения, перед которыми организация имеет просроченную задолженность по заработной плате работников в Российской Федерации в 2013 году
 - •Индекс потребительских цен в Кемеровской области (декабрь к декабрю предыдущего года; в процентах)
 - •Потребление сахара (кг) на душу населения в Кемеровской области
 - •1.2. Методы оценки однородности исходных данных
 - •1.3. Методика выявления и анализа аномальных наблюдений
 - •Краткосрочные экономические показатели рф
 - •Расчётная таблица примера 1.1.
 - •1.4. Абсолютные, относительные и средние показатели в анализе временных рядов
 - •ЛЕкция 2. Моделирование тенденции
 - •2.1. Проверка гипотезы о существовании тренда
 - •Промежуточные расчетные значения кумулятивного т-критерия
 - •2.2. Методы выявления тенденции
 - •Численность населения на одного врача в Кемеровской области
 - •Расчетная таблица метода Фостера-Стюарта
 - •2.3. Выбор формы тренда
 - •Критерии выбора класса, выравнивающих кривых
 - •Лекция 3. Моделирование периодической компоненты
 - •3.1. Аддитивные и мультипликативные тренд-сезонные модели Алгоритм построения модели временного ряда, содержащего сезонные колебания:
 - •Поквартальные данные по розничному товарообороту компании
 - •Расчет коэффициента автокорреляции
 - •Коррелограмма временного ряда товарооборота
 - •Расчет оценок сезонной компоненты в аддитивной модели
 - •Расчет значений сезонной компоненты в аддитивной модели
 - •Расчет значений t и ошибок e в аддитивной модели.
 - •Расчет оценок сезонной компоненты в мультипликативной модели
 - •Расчет значений сезонной компоненты в мультипликативной модели
 - •Расчет значений t и ошибок e в мультипликативной модели
 - •Лекция 4. Простейшие методы прогнозирования
 - •4.1. Метод среднего уровня ряда
 - •4.2. Метод среднего абсолютного прироста
 - •Расчетная таблица для определения прогнозных значений методом среднего абсолютного прироста
 - •4.3. Метод среднего темпа роста
 - •4.4. Оценка точности и надежности прогнозов
 - •Лекция 5. Методы выбора трендовой модели прогноза
 - •5.1. Прогнозирование на основе кривых роста
 - •5.2. Прогнозирование на основе экстраполяции тренда
 - •Лекция 6. Адаптивные модели прогнозирования
 - •6.1. Сущность адаптивных методов
 - •6.2. Экспоненциальное сглаживание
 - •Индекс потребительских цен Кемеровской области
 - •Экспоненциальные средние
 - •6.3. Метод гармонических весов
 - •Параметры уравнений отдельных фаз движения текущего тренда
 - •Лекция 7. Прогнозирование динамических рядов, не имеющих тенденции.
 - •Распределение знаков отклонений
 - •Расчетная таблица для определения знаков отклонений
 - •Распределение знаков отклонений
 - •8. Метод экспертных оценок
 - •8.1. Методы и модели экспертных оценок
 - •Матрица опроса
 - •Матрица преобразованных рангов
 - •Оценки вкусовых качеств продукта
 - •Оценки вкусовых качеств продукта
 - •Матрица преобразованных рангов
 - •8.2. Методы и модели выбора альтернатив
 - •Частные критерии трех операторов
 - •Нормализованные критерии
 - •Лекция 9. Статистические методы обработки результатов экспертизы
 - •9.1. Оценка согласованности мнений экспертов
 - •9.2. Обобщение мнений экспертов
 - •Список литературы
 - •Содержание
 - •Анализ данных
 - •650992, Г. Кемерово, пр. Кузнецкий, 39
 
Численность населения на одного врача в Кемеровской области
| 
				 2000  | 
				 2001  | 
				 2002  | 
				 2003  | 
				 2004  | 
				 2005  | 
| 
				 221,6  | 
				 219,9  | 
				 217,8  | 
				 215,8  | 
				 212,6  | 
				 212,8  | 
| 
				 2006  | 
				 2007  | 
				 2008  | 
				 2009  | 
				 2010  | 
				 2011  | 
| 
				 209,5  | 
				 207  | 
				 207,7  | 
				 207,4  | 
				 209,5  | 
				 206,8  | 
Необходимо проверить наличие тенденции в данном ряде динамики методом сравнения средних уровней ряда динамики.
Решение.Разобьем исходный ряд динамики на 2 равные части:
– в первую войдут значения показателя с 2000 по 2005 гг.,
– во вторую — с 2006 по 2011 гг.
Рассчитаем выборочные характеристики:

.
Если в ряду динамики существует тенденция средней, то средние, вычисленные для двух совокупностей, должны значимо различаться между собой.
Выдвигаем
гипотезу 
,
проверяем ее на основе t-критерия
Стьюдента:
.
.
,
следовательно гипотеза о равенстве
средних двух совокупностей отвергается
с вероятностью ошибки 0,05, средние
существенно различаются между собой,
в ряду динамики численности населения
на одного врача Кемеровской области
существует тенденция средней и,
следовательно, в ряду динамики существует
тренд.
Проверим гипотезу H0 о равенстве дисперсий двух нормально распределенных совокупностей на основе F-критерия Фишера — Снедекора.
,
,
.
Так как Fp > Fкр, то гипотеза H0 о равенстве дисперсий двух нормально распределенных совокупностей отвергается с вероятностью ошибки 0,05, следовательно, расхождение между дисперсиями существенно, в ряду динамики численности населения на одного врача Кемеровской области существует тенденция дисперсий, следовательно, в ряду динамики существует тренд.
Метод Фостера-Стюарта основан на двух простых характеристиках S и d.
,
где:
.
Суммирование
производится по всем членам ряда.
Значения 
и
определяются путем последовательного
сравнения уровней.
Если
значение уровня ряда превышает по своей
величине каждый из предыдущих уровней,
то величине 
присваивается значение 1, в остальных
случаях она равна 0. Таким образом:

Наоборот,
если значение уровня ряда меньше всех
предыдущих, то 
присваивается значение 1.
Таким образом:

Показатели S и d асимптотически нормальные и имеют независимые распределения, но на них влияет порядок расположения уровней во времени. Показатель S применяется для обнаружения тенденции изменения в дисперсиях, d — для обнаружения тенденций в средней. После того, как для исследуемого ряда найдены фактические значения d и S, проверяется гипотеза о том, можно ли считать случайными разности d — 0 и S — μ.
Гипотезы можно проверять, применяя t-критерий Стьюдента, то есть:

где: μ — математическое ожидание величины S, определенное для случайного расположения уровней во времени;
, 
—
средние квадратические ошибки величин
S и d.
Значения
μ, 
,
табулированы.
Если
,
то гипотеза об отсутствии тенденции в
средней отвергается, следовательно в
исходном временном ряду существует
тренд.
Если
,
то гипотеза об отсутствии тенденции в
дисперсиях отвергается, следовательно
существует тенденция дисперсии и
существует тренд.
Пример 2.3. Проверим наличие тенденции в ряду динамики численности населения на одного врача в Кемеровской области методом Фостера-Стюарта.
Решение.Отразим в таблице 2.3.
,
,
,
.
Таблица 2.3.
