- •Предисловие
- •Введение
- •1. Роль и место прогнозирования при обосновании направления развития систем
- •1.1. Классификация методов прогнозирования
- •1.2. Краткая характеристика методов прогнозирования
- •1.3. Виды прогнозов. Основные термины и определения прогностики
- •2. Прогнозная экстраполяция. Оценка параметров прогнозных моделей методом наименьших квадратов. Точность и достоверность прогноза
- •2.1. Оценка параметров прогнозной модели методом наименьших квадратов
- •2.2. Точность и достоверность прогноза
- •3. Уравнения линеаризуемых трендов и трендов, сводящихся к модифицированной экспоненте
- •3.1. Парные регрессии, сводящиеся к линейному тренду
- •3.2. Парные регрессии, сводящиеся к модифицированной экспоненте
- •3.3. Выбор оптимального вида прогнозной модели
- •3.4. Проверка прогнозной модели на автокорреляцию ошибок
- •4. Многомерное параметрическое прогнозирование. Метод многомерной линейной экстраполяции
- •5. Метод экспоненциального сглаживания. Выбор постоянной сглаживания
- •5.1. Сущность метода экспоненциального сглаживания
- •5.2. Определение параметров прогнозной модели методом экспоненциального сглаживания
- •5.3. Выбор начальных условий и определение постоянной сглаживания
- •6. Вероятностные методы прогнозирования
- •6.1. Приложение теории суммирования случайного числа независимых случайных величин в задачах прогнозирования
- •6.2. Ориентированный процесс случайного блуждания как метод вероятностного моделирования
- •7. Математические модели процессов эволюционного развития техники
- •7.1. Математическое моделирование процессов развития техники
- •7.2. Прогнозная математическая модель динамики замещения
- •8. Экспертные методы прогнозирования. Морфологический анализ. Прогнозирование технического облика образца изделия
- •8.1. Морфологический анализ
- •8.2. Прогнозирование технического облика перспективного образца
- •8.3. Другие методы экспертного прогнозирования
- •3. Метод «мозговой атаки» («мозгового штурма»).
- •9. Методы выявления «сезонной» составляющей в рядах динамики
- •9.1. Выравнивание рядом Фурье
- •9.2. Измерение колеблемости в рядах динамики
- •9.3. Выявление и измерение сезонных колебаний
- •10. Зависимость средней ошибки прогноза от периода предыстории и величины прогнозируемого периода
- •10.1. Обоснование периода упреждения
- •Заключение
- •Библиографический список
- •Предметный указатель
- •Приложение 1 Приложение 2 Квантили распределения максимального относительного отклонения
- •Приложение 3 Квантили распределения величины
- •Приложение 4 Приложение 5
- •Приложение 6 Приложение 6
- •Приложение 7
- •191186, Санкт-Петербург, ул. Миллионная, 5
9.2. Измерение колеблемости в рядах динамики
Как уже отмечалось, уровни ряда динамики формируются под влиянием различных взаимодействующих факторов, одни из которых определяют тенденцию развития, а другие – колеблемость (вариацию).
Изучение колеблемости в рядах динамики как предмета исследования часто является самостоятельной задачей математической статистики.
Колебания уровней ряда могут носить разный характер. Исследователи временных рядов всегда пытались классифицировать факторы, вызывающие те или иные колебания, и соответственно выделить типы колебаний. Большинство авторов чаще всего выделяют (наряду с трендом) циклические (долгопериодические), сезонные (обнаруживаемые в рядах, где данные приведены за кварталы или месяцы) и случайные колебания.
Для измерения колеблемости уровней в рядах динамики могут использоваться показатели, аналогичные показателям вариации признака:
размах, или амплитуда, отклонений отдельных уровней от их средней (по модулю) или от тренда;
среднее линейное отклонение d (по модулю) отдельных уровней от общей средней или от тренда;
среднее квадратическое отклонение а отдельных уровней от общей средней или от тренда;
относительный показатель колеблемости уровней, аналогичный коэффициенту вариации, .
При этом важно учитывать, относительно какого показателя (уровня) исследуется колеблемость. Например, можно исследовать колеблемость вокруг среднего уровни ряда у, который на графике выразится прямой, параллельной оси абсцисс. А можно исследовать колебания уровней вокруг линии тренда (или скользящей средней). Различный характер таких колебаний наглядно виден на графике (рис. 9.1).
Рис. 9.1. Колебания фактических уровней yi относительно среднего уровня и линии тренда
Рассмотрим традиционный случай расчета среднего квадратического отклонения отдельных уровней yt от общего среднего уровня ряда :
. (9.3)
В данном случае величина характеризует сумму квадратов отклонений фактических уровней от общей средней, за счет всех факторов, формирующих уровни, как основных, определяющих тренд, так и случайных.
Задача исследования колебаний уровней в рядах динамики сводится к разложению общей колеблемости на составляющие и выделению именно тех колебаний, которые интересуют исследователя.
Для решения этой задачи требуется разложить общую сумму квадратов отклонений от средней на составляющие.
Имея фактические (эмпирические) уровни ряда у и уровни, выровненные по определенному тренду, yt можно рассчитать следующие суммы квадратов отклонений:
1) – общую сумму квадратов отклонений фактических уровней от их общей средней;
2) – сумму квадратов отклонений за счет тренда (за счет фактора времени);
3) – сумму квадратов отклонений за счет случайных факторов.
Согласно правилу сложения вариации и правилу сложения дисперсий первая сумма равна сумме двух последних:
Отсюда, пользуясь величиной , можно рассчитать среднее квадратическое отклонение уровней ряда за счет тренда (фактора времени).
В свою очередь, используя , можно рассчитать среднее квадратическое отклонение уровней за счет случайных факторов. Чем меньше эта сумма, тем ближе фактические уровни к линии тренда. Это означает, что линия тренда подобрана удачно, то есть адекватна эмпирическим данным. Поэтому среднее квадратическое отклонение, рассчитанное на основе данной суммы квадратов отклонений от тренда, одновременно рассматривается как средняя квадратическая ошибка уравнения тренда. При этом поскольку разные уравнения тренда имеют различное число параметров т, средняя квадратическая ошибка уравнения тренда S (или ) рассчитывается путем деления не на п, а на (п – т), то есть на число степеней свободы:
(9.4)
Если уровни ряда являются месячными или квартальными показателями и несут на себе влияние сезонности, то в общей сумме квадратов отклонений уровней ряда от их средней можно выделить также составляющую, характеризующую сезонные колебания.