21

МИНИСТЕРСТВО ОБРАЗОВАНИЯ УКРАИНЫ

Севастопольский национальный технический университет

Кафедра Экономики и маркетинга

Методические указания

К лабораторной работе № 2

”Исследование наборов данных и выбор метода прогнозирования “

по дисциплине “Прогнозирование деятельности предприятия”

для студентов всех форм обучения

Севастополь

2008

СОДЕРЖАНИЕ

1 Цель работы 3

2 Теоретические сведения 3

2.1 Виды данных, являющихся временными рядами 3

2.2 Изучение наборов данных, являющихся временными рядами. 3

2.3 Исследование данных на нормальность 4

2.4 Исследование данных с помощью автокорреляционного анализа 5

2.5 Выбор метода прогнозирования и оценка его адекватности 5

3 Практическая часть 8

3.1 Постановка задачи 8

3.2 Пример анализа данных с использованием MS Excel 8

3.3 Пример анализа данных с использованием Minitab for Windows 11

4 Порядок выполнения работы 14

5 Контрольные вопросы 14

Библиографический список 15

Приложение А Исходные данные 16

1 Цель работы

Ознакомиться с основными объектами и понятиями, применяемыми в процессе определения типов данных. Получить практические навыки по типизации наборов данных с помощью Minitab for Windows и MS Excel.

2 Теоретические сведения

2.1 Виды данных, являющихся временными рядами

Одним из наиболее сложных этапов прогнозирования является набор обоснованных и достоверных данных. Выделяют следующие критерии оценки адекватности данных:

• данные должны быть достоверными и точными;

• данные должны быть значимыми, т.е. данные должны отражать те обстоятельства, для анализа которых они будут использоваться;

• данные должны быть согласованными, т.е. если обстоятельства, для анализа которых они собирались – изменились, то необходимо провести корректировку данных, направленную на сохранение согласованности новых данных с исторически сложившейся их структурой;

• данные должны собираться через определенные интервалы времени.

Для создания прогноза представляют интерес два типа данных:

• кросс-секционные - данные, собранные в фиксированный момент времени (конкретный час, день, неделя, месяц, квартал или год);

• данные наблюдений проведённых в течение времени.

Если все наблюдения выполнены в один и тот же период времени, то данные называются кросс-секционными и задача состоит в изучении данных с последующим распространением полученных взаимоотношений на большую генеральную совокупность.

2.2 Изучение наборов данных, являющихся временными рядами.

Любая величина, которая представлена набором данных наблюдений, собранных или зафиксированных через последовательные промежутки времени, называется временным рядом.

Основным аспектом при выборе соответствующего метода прогнозирования является определение типа поведения данных в выборке. Существует четыре основных типа моделей данных: горизонтальная, тренд, сезонная и циклическая.

Горизонтальная имеет место тогда, когда данные флуктуируют относительно постоянного уровня или среднего значения.

Тренд – долгосрочная компонента, отражающая возрастание или убывание временного ряда в течение длительного периода времени.

Циклическая модель данных – представляет собой волнообразные флуктуации вокруг тренда. Если данные наблюдений характеризуются подъёмами и спадами, не имеющими фиксированного периода, говорят, что в них присутствует циклическая модель поведения. Эти волнообразные флуктуации обычно вызываются общими экономическими условиями, т.е. являются следствием периодических изменений в экономике. На рисунке 3.2 изображен временной ряд с циклической компонентой, Циклический пик, зафиксированный в момент времени 9, иллюстрирует экономический подъём, а циклическая впадина в момент времени 12 – экономический спад.

Сезонная модель поведения данных - модель изменений повторяющихся из года в год. Если на данные влияют сезонные факторы, то в них проявляется сезонная модель поведения. Для ежемесячных рядов сезонная компонента отражает изменчивость значений ряда в каждом январе, феврале и т.д. Для ежеквартальных рядов существует четыре сезонных элемента, по одному на каждый квартал.