- •Загальні вимоги до підготовки і виконання лабораторних робіт
- •Основні поняття, предмет і метод курсу
- •Лабораторна робота №1 “прогнозування за показниками динаміки ряду”
- •Завдання роботи і вихідні дані
- •Загальні методичні вказівки
- •Прогнозування за середнім рівнем
- •Прогнозування на основі абсолютного приросту за останній рік, (метод від досягнутого)
- •Прогнозування за середнім абсолютним приростом
- •Прогнозування на основі темпу росту за останній рік (метод від досягнутого)
- •Прогнозування за середнім темпом росту
- •Прогнозування за темпом приросту для останнього року
- •При обчисленні зазначених статистичних показників слід використовувати вбудовані функції . Лабораторна робота №2 “прогнозування методом екстраполяції тренду”
- •Завдання роботи і вихідні дані
- •Які статистичні функції ms Excel використовуються для обчислення коефіцієнтів регресії?
- •Загальні методичні вказівки
- •Оцінка параметрів рівняння за допомогою методу найменших квадратів
- •Оцінка параметрів рівняння за допомогою пакета прикладних програм ms Excel
- •Графічні засоби отримання прогнозів
- •Прогнозування за допомогою вбудованих функцій ms Excel
- •Алгоритм прогнозування з використанням вбудованих функцій ms Excel
- •На другому етапі проведемо порівняння статистичних характеристик рівнянь, що в кінцевому рахунку дозволяють зробити остаточний вибір (табл.2).
- •Робочий лист, на якому обчислюються коефіцієнти функції регресії статистичні показники цієї функції, прогнозні значення і довірчі інтервали для них, показаний на рис. 12.
- •Побудова моделі прогнозування з використанням вбудованих функцій ms Excel
- •Висновки
- •Лабораторна робота №3 “прогнозування методом ковзного середнього”
- •Завдання роботи і вихідні дані
- •Загальні методичні вказівки
- •Алгоритм прогнозування з використанням вбудованих функцій ms Excel
- •Висновки
- •Лабораторна робота №4 “ Прогнозування сезонних явищ на основі використання індексів сезонності ”
- •Завдання роботи і вихідні дані
- •Загальні методичні вказівки
- •Алгоритм прогнозування з використанням вбудованих функцій ms Excel
- •Висновки
- •Висновки
- •Додаток 1
- •Категорія “Рекомендуется” майстера функцій
- •Синтаксис функцій, які використовуються в регресійному аналізі
- •Додаток 3
- •Додаток 5
- •Додаток 6
- •Список літератури
- •Методичні вказівки
- •50000, М. Кривий Ріг, кту, вул. Ххіі Партз’їзду, 11
Завдання роботи і вихідні дані
Студент повинен, за індивідуальним варіантом вихідних даних, з використанням , використовуючи графічні засоби та вбудовані функції :
побудувати укрупнені інтервали, які складаються з однакової кількості рівнів;
визначити суми значень за сформованим більш крупним інтервалом;
розрахувати ковзні середні.
Вирішуючи практичні завдання і обговорюючи теоретичні питання, студент повинен з`ясувати такі питання першої теми:
Чому виникає необхідність прогнозувати за допомогою ковзного середнього?
Розкрити сутність даного методу прогнозування?
Що таке передбачення?
Як формуються укрупнені інтервали?
Назвіть недоліки методу ковзного середнього.
Вихідні дані для виконання індивідуального завдання приведені в додатку 3. Для вибору вихідних даних використовуються наступні параметри:
L – номер групи;
N- порядковий номер студента за списком групи
Загальні методичні вказівки
Сутність методу.
Методика прогнозування за допомогою ковзного середнього є поширеним методом згладжування, особливо корисним для керівника при прогнозуванні тенденцій в разі нерегулярного або вибіркового характеру даних (напр., тенденції — сезонні чи циклічні) і коли нема ні часу, ні ресурсів, щоб розробити або застосувати складніші методи.
Цей метод, аналогічно до інших згладжувальних методів, виходить із припущення про наявність якихось закономірностей у даних за попередні періоди. Метод “згладжує” випадкові дані, щоб відділити закономірності від випадкових коливань. Хоча нема ніяких причин, з яких метод ковзного середнього не можна було б застосовувати для річних передбачень, його, як правило, використовують для передбачень на значно ближчу перспективу.
Почасти такий характер застосування пов’язаний із тим, що ефект згладжування на випадкові дані є цінним для тривалого періоду. Якщо цей метод застосовується, наприклад, для чотирьох відрізків часу, згладжувальний вплив є недостатньо відчутним і результати — відносно безплідними.
Згладжування ряду динаміки за допомогою ковзного середнього полягає в тому, що розраховується середній рівень з визначеного числа перших за порядком рівнів ряду, потім – середній рівень з такого ж числа рівнів, починаючи з другого, далі – починаючи з третього тощо. Таким чином, при розрахунках середнього рівня як би «ковзаються» по ряду динаміки від його початку до кінця, кожний раз відкидаючи один рівень на початку та додаючи один наступний.
Інтервал згладжування, тобто число вхідних до нього рівнів визначають, використовуючи наступне правило: якщо необхідно згладжувати дрібні, безладні коливання, то інтервал згладжування беруть за можливістю більшим; якщо ж потрібно з2берегти більш дрібні хвилі та звільнитися від періодично повторювальних коливань – інтервал згладжування зменшують.
Отже, суть методу полягає у тому, що первинний ряд динаміки замінюється рядом середніх значень, розрахованих на основі рухомих сум. розрахунок ковзного середнього з 3-х інтервалів:
Вихідний ряд |
У1 |
У2 |
У3 |
У4 |
У5 |
У6 |
У7 |
У8 |
У9 |
Новий ряд |
|
У1 |
У2 |
У3 |
т.д. |
||||
Розрахунок рівнів |
|
|
|
|
т.д. |
Якщо потрібне більше укрупнення розглядає мого показника, то використовують ковзну середню для 5-ти інтервалів:
Вихідний ряд |
У1 |
У2 |
У3 |
У4 |
У5 |
У6 |
У7 |
У8 |
У9 |
Новий ряд |
|
|
У1 |
У2 |
т.д. |
||||
Розрахунок рівнів |
|
|
|
|
т.д. |
Після відображення розрахованих показників ковзних середніх на графіку роблять висновки про тенденцію показника.
Головним недоліком даного методі є те, що вирівняний ряд стає коротшим від вихідного за рахунок втрати рівнів на початку та в кінці ряду. Метод є простим, але дає неточні тенденції.