46. У чому полягає суть кількісних методів прогнзування? (с. Чижевський)

За оцінкою спеціалістів, нараховується більш ніж 150 методів прогнозування, хоча на практиці використовується набагато менше. Існує багато підходів до класифікації методів прогнозування. Зокрема, ці методи поділяють на кількісні та якісні.

Кількісні методи базуються на інформації, яку можна одержати, знаючи тенденції зміни параметрів або маючи статистично достовірні залежності, що характеризують виробничу діяльність об'єкта управління. Прикладами цих методів є аналіз часових рядів, причинно-наслідкове (каузальне) моделювання тощо. Кількісні методи прогнозування, у свою чергу, поділяють на:

1) Аналіз часових рядів:

• метод екстраполяції на основі аналітичних показників рядів динаміки;

• метод плинної середньої;

• екстраполяція тренда;

• експоненціальне згладжування;

• прогнозування сезонних рядів тощо.

2) Каузальне моделювання:

• багатовимірні регресійні моделі;

• економетричні моделі;

• комп'ютерна імітація.

47. Моделі прийняття управлінських рішень. (л. Шрамович)

Часові проміжки грунтуються на послідовності рівних проміжків між точками даних. Аналіз часових серій ведеться через розбивку минулих даних на компоненти і потім проектуванням їх вперед.

Часові серії загалом мають 4 компоненти: тренд, сезонність, цикли і випадкові варіації.

Тренд є градацією підвищення чи пониження даних за період.

Сезонність є моделлю даних, які повторюються через визначені проміжки.

Цикл-це моделі даних, які зустрічаються кожні кілька років.

Випадкові варіації-це випадкові дані,пов»язані з випадковими і незвичайними ситуаціями. Вони не можуть використовуватись для моделей.

48. У чому полягає суть причинних моделей? (л. Шрамович)

Причинно-наслідкове моделювання. Цей метод являється найскладнішим з точки зору математики. Він використовується в ситуаціях з більш ніж одною змінною. Причинно-наслідкове моделювання - це спроба спрогнозувати те, що відбудеться в подібних ситуаціях, шляхом вивчення статистичної залежності між розглядаємим фактором й іншими змінними. На мові статистики ця залежність називається кореляцією. Чим тисніша кореляція, тим вище придатність моделі до прогнозування. Повна кореляція (1,000) буває в ситуації, коли в минулому залежність завжди була істинною. Така жди була істинною. Така модель потребує розробки математичної залежності виду:

A = c1 + c1X1 + c2X2 + ... cnXn,

де: А - прогноз,

всі Х - змінні, від яких залежить прогноз, 

всі с - константи, які визначаються методом статистичного аналізу даних по

инулим подіям. 

З усіх причинно-наслідкових методів найскладнішими являються економетричні моделі, розроблені з ціллю прогнозування динаміки економіки. До таких відноситься Уортонівська модель Центра прогнозування Пенсильванського унвверситета. Такі моделі являють собою тисячі рівнянь, які вирішуються тільки за допомогою застосування потужних ЕОМ. Вартість моделей настільки висока, що навіть великі підприємства віддають перевагу використанню результатів досліджень з застосуванням економетричної моделі, а не розробляти свої власні моделі. Недивлячись на складність, причинно-наслідкові моделі дають не завжди правильні результати, про що говорить неспроможність федерального керівництва точно передбачити вплив різних своїх дій на економіку.

24