- •Статистика
- •Понятие статистического показателя. Атрибуты статистического показателя. Виды статистических показателей.
- •Понятие средней величины. Средняя арифметическая и ее свойства.
- •Количественная оценка тесноты связи по эмпирическим данным: эмпирический коэффициент детерминации, эмпирическое корреляционное отношение.
- •Количественная оценка тесноты связи по эмпирическим данным: коэффициент линейной парной корреляции.
- •Расчет параметров уравнения линейной множественной регрессии и их интерпретация.
- •Статистические методы прогнозирования вопрос 1
- •Вопрос 2
- •Вопрос 3
- •Вопрос 4
- •При косвенном методе величина рассчитывается опосредованно, через другие величины, связанные с искомой определенной зависимостью. Относительные величины измеряются только косвенным методом.
- •Вопрос 5
- •Вопрос 6
- •Вопрос 7
- •Вопрос 8
- •Вопрос 9
- •Вопрос 10
- •Вопрос 11
- •Ч исло групп для удобства возьмем равным 3. Тогда величина интервала будет равна:
- •Вопрос 12
- •Пример: построим равнонаполненную группировку совокупности 20 студентов по признаку «посещаемость практических занятий» - х.
- •Вопрос 13
- •Сложные группировки (группировки по нескольким признакам) делятся на комбинационные и многомерные.
- •Комбинационная группировка студентов по признакам: оценка (y) и посещаемость практических занятий (X):
- •Вопрос 14
- •Вопрос 15
- •Вопрос 16
- •Кумулятивные ряды распределения – ряды распределения, которые содержат один или оба следующих элемента:
- •Вопрос 17 Графические представления рядов распределения
- •Вопрос 18 Понятие средней величины. Средняя арифметическая и ее свойства.
- •Вопрос 19
- •Понятие ведущего показателя
- •Вопрос 20
- •Вопрос 21
- •Вопрос 22
- •Вопрос 23
- •Вопрос 24 Показатели формы распределения. Ответ
- •Вопрос 25 Нормальное распределение и его свойства.
- •Вопрос 26
- •Вопрос 27
- •Вопрос 28
- •Вопрос 29
- •Вопрос 30
- •Вопрос 31 Способы отбора. Ответ
- •Вопрос 32
- •Вопрос 33
- •Вопрос 34
- •Вопрос 35
- •Вопрос 36 Количественная оценка тесноты связи по эмпирическим данным: эмпирический коэффициент детерминации, эмпирическое корреляционное отношение. Ответ
- •Вопрос 37 Количественная оценка тесноты связи по эмпирическим данным: коэффициент линейной парной корреляции. Ответ
- •Вопрос 38
- •Вопрос 39
- •Вопрос 40
- •Вопрос 41
- •Вопрос 42
- •Вопрос 43
- •Вопрос 44 Расчет параметров уравнения линейной множественной регрессии и их интерпретация.
- •Вопрос 45
- •Вопрос 46
- •Вопрос 47
- •Вопрос 48
- •Вопрос 49
- •Вопрос 50
- •Вопрос 51
- •Вопрос 52
- •Добыча нефти в Российской Федерации, млн.Тонн
- •Вопрос 53
- •Область допустимых значений у Кр и Тр от нуля до плюс бесконечности.
- •Используется для правильной оценки значения полученного темпа прироста. Аi показывает какое абсолютное значение скрывается за относительным показателем 1% прироста.
- •Вопрос 54
- •Вопрос 55
- •Вопрос 56
- •Вопрос 57
- •Вопрос 58
- •Вопрос 59 Статистические методы прогнозирования
Вопрос 59 Статистические методы прогнозирования
ОТВЕТ
Прогнозирование (экстраполяция) – это определение будущих размеров экономического явления.
Интерполяция – это определение недостающих показателей уровней ряда.
Обычно рекомендуется, чтобы срок прогноза не превышал 1/3 длительности базы расчета.
Если в тренде пропущены данные (т.е. имеем неравноотстоящие уровни), то недостающие данные могут быть вычислены как среднее между предшествующим и последующим уровнями.
Наиболее простым методом прогнозирования является расчет средних характеристик динамики (средний абсолютный прирост, средний темп роста и т.д.) и перенесение их на будущие даты. Например, если основная тенденция близка к экспоненте, значение уровня ряда в период (N+1) можно приближенно определить по формуле: , где - средний коэффициент роста, YN- значение уровня в N-ом периоде. Если же основная тенденция близка к прямолинейной, то значение уровня ряда в период (N+1) можно приближенно определить по формуле:YN+1=YN+ , где – средний абсолютный прирост. Данные подходы используется для краткосрочного прогноза.
Другой подход основан на экспоненциальной средней и используется также для краткосрочного прогнозирования. При этом значение уровня ряда в период (N+1) можно приближенно определить по формуле: .
Прогнозирование на основе аналитического выравнивания является наиболее распространенным методом. При этом, если имеют место циклические или сезонные колебания, их учитывают. Если имеет место аддитивная модель временного ряда соответствующее значение сезонной (циклической) компоненты прибавляют к выровненному уровню ряда. Если имеет место мультипликативная модель, то соответствующее значение сезонной (циклической) компоненты умножают на выровненный уровень. Для аддитивной модели, содержащей линейный тренд, значение уровня ряда в период (N+1) определяется по формуле: YN+1=a+b·tN+1+Sa[i]. Для мультипликативной модели с линейным трендом значение уровня ряда в период (N+1) определяется так: YN+1=(a+b·tN+1)·Is[i].