- •предисловие
- •Введение
- •1.1. Классификация методов прогнозирования
- •1.2. Краткая характеристика методов прогнозирования
- •2.2. Точность и достоверность прогноза
- •3.1. Парные регрессии, сводящиеся к линейному тренду
- •3.3. Выбор оптимального вида прогнозной модели
- •3.4. Проверка прогнозной модели на автокорреляцию ошибок
- •5.1. Сущность метода экспоненциального сглаживания
- •6. Вероятностные методы прогнозирования
- •7.1. Математическое моделирование процессов развития техники
- •7.2. Прогнозная математическая модель динамики замещения
- •8.1. Морфологический анализ
- •9.1. Выравнивание рядом Фурье
- •9.2. Измерение колеблемости в рядах динамики
- •9.3. Выявление и измерение сезонных колебаний
- •10.1. Обоснование периода упреждения
- •Заключение
- •библиографический список
- •предметный указатель
- •Приложение 1
- •Приложение 2
- •Приложение 3
- •Приложение 4
- •Приложение 5
- •Приложение 6
- •Приложение 6
- •Приложение 7
- •Приложение 1
- •Приложение 2
- •Приложение 3
- •Приложение 5
- •Приложение 6
- •Приложение 6
- •Приложение 6
- •Приложение 7
- •Приложение 7
44
3. Уравнения линеаризуемых трендов и трендов, сводящихся к модифицированной экспоненте
В практике прогнозирования довольно часто встречаются случаи, когда трудно судить о линейности исходного динамического ряда или когда при графическом изображении его точек нелинейность явно просматривается «на глаз». Тогда есть смысл получить по экспериментальным данным формулу нелинейной парной зависимости. При этом можно рассчитывать, что нелинейная формула даст меньшую остаточную дисперсию Sy2 , вследствие
чего сузится доверительный интервал прогноза. Следует только помнить, что речь идет о зависимости, нелинейной по фактору x (статическая задача прогнозирования) или по фактору t при динамической постановке задачи. По параметрам же тренда зависимость остается линейной.
3.1. Парные регрессии, сводящиеся к линейному тренду
Используя метод наименьших квадратов, можно построить практически любые формы нелинейной парной связи. Для этого используют линеаризующие преобразования, так как только линейные по параметрам функции восстанавливаются с помощью МНК.
Широко распространены два вида преобразований: натуральный логарифм ln и обратное преобразование I/t. При этом, очевидно, возможно преобразование как зависимой переменной y, так и независимой переменной t(x) или одновременно той и другой.
В табл. 3.1. приведены восемь часто встречающихся преобразований парных зависимостей, полученных комбинацией из индивидуальных преобразований зависимой переменной у и независимой переменной t. Качество прогнозирования проверяют на основе уравнения
ˆy′ = a′+b′t .
45
Таблица 3.1. Функции и линейные преобразования
|
Функция |
|
|
Линеаризующие |
|
|||
|
|
|
преобразования |
|
||||
|
|
|
|
|
||||
|
|
|
Преобра- |
Выражения |
||||
Название |
Уравнение |
|
|
зование |
для величин |
|||
переменных |
|
a и b |
|
|||||
|
|
|
|
|
|
|
|
|
|
|
y |
′ |
t |
′ |
a |
′ |
b |
|
|
|
|
|
′ |
|||
1 |
2 |
3 |
|
4 |
5 |
6 |
||
Линейная |
ˆyt = a +bt |
y |
|
t |
|
a |
|
b |
Экспонен- |
ˆyt = aebt |
|
|
|
|
циальная |
ln y |
t |
ln a |
b |
|
(простая) |
|
|
|
|
|
Степенная |
ˆyt = atb |
ln y |
ln t |
ln a |
b |
Гиперболи- |
ˆyt = a + |
b |
|
1 |
|
b |
|
ческая |
y |
a |
|||||
|
t |
|
|||||
t |
|
||||||
1 типа |
|
|
|
|
Гиперболи- |
ˆyt = |
1 |
1 |
|
|
|
|
ческая |
t |
a |
b |
||||
a +bt |
y |
||||||
2 типа |
|
|
|
|
Гиперболи- |
ˆyt′ = |
1 |
1 |
1 |
|
|
|
ческая |
|
y |
t |
b |
a |
||
a +bt |
|||||||
3 типа |
|
|
|
Вид кривой
7
b
1
a
b>0 b<0
b<0
b>0
b>0
a
b<0
b>0
b<0
1/b b>0
b<0 a/b
46
Окончание табл. 3.1
Логариф- |
ˆyt |
= a +b ln t |
y |
ln t |
a |
b |
|
|
a |
|
|
||||
|
|
|
|
||||||||||||
мическая |
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
Обратно- |
|
|
|
1 |
|
1 |
|
|
|
|
|
b>0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
ˆyt |
= |
|
|
ln t |
a |
b |
|
|
b<0 |
|
|
||||
логариф- |
|
|
|
y |
|
|
|
|
|||||||
a +bln t |
1 |
|
|
|
|||||||||||
|
|
|
|
|
|
|
|
|
|
||||||
мическая |
|
|
|
|
|
|
|
|
|
a |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
a/b>ln t |
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
ˆyt = ae |
a +b / t |
|
1 |
|
|
|
|
ea |
|
|
||||
|
ln y |
a |
b |
|
|
b>a |
|
|
|||||||
S-образная |
|
|
t |
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
b<-a |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
После вычисления коэффициентов a′ и b′ по методу наименьших квадратов выполняют обратные преобразования, то есть по a′ и b′ определяют a и b.
Так, например, простая экспоненциальная кривая (экспонента) определяется уравнением
ˆyt = a ebt ,
где e – основание натурального логарифма.
Это уравнение можно переписать в другом виде:
ˆyt = a e a′+bt , где a′ = ln a
или ˆyt = a(b′)t , где b′ = eb .
От обеих частей исходного уравнения возьмем натуральный логарифм. Получим
ln ˆyt = ln a +bt ln e
или
ˆ |
′ |
= |
a |
′ |
+ |
ˆ |
′ |
= |
ˆ |
′ |
= |
. |
y |
|
|
|
|
bt(y |
|
|
ln yt , a |
|
|
ln a) |
47
Параметры a′ и b определим МНК и, преобразуя a = anti ln(a′), снова перейдем к исходному уравнению.
Для конкретизации примера используем исходные данные, отражающие изменения количества типовых объектов (табл. 2.1), с учетом линеаризующих преобразований составим новую таблицу (табл. 3.2).
Таблица 3.2. Исходные данные для определения параметров
экспоненциальной прогнозной модели
T, год |
1973 |
1975 |
1977 |
1979 |
1981 |
1983 |
1985 |
t |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
yt, шт. |
227 |
219 |
209 |
197 |
193 |
200 |
199 |
yt′ = ln yt |
6,425 |
5,389 |
5,342 |
5,283 |
5,263 |
5,298 |
5,293 |
yt′t |
5,425 |
10,778 |
16,027 |
21,133 |
26,313 |
31,790 |
37,053 |
T, год |
1987 |
1989 |
|
1991 |
1993 |
|
1995 |
1997 |
1999 |
|
t |
8 |
9 |
|
10 |
11 |
|
12 |
13 |
14 |
|
yt, шт. |
197 |
191 |
|
177 |
175 |
|
167 |
193 |
144 |
|
yt′ = ln yt |
5,283 |
5,252 |
|
5,176 |
5,165 |
|
5,118 |
5,263 |
4,970 |
|
yt′t |
42,266 |
47,270 |
|
51,761 |
56,813 |
|
61,416 |
68,415 |
69,577 |
|
n |
|
|
n |
|
|
n |
|
n |
|
|
∑ yt′ = 73,520 ; |
|
∑ yt′t |
= 546,037 ; |
∑ti =105; |
∑ti2 =10,15. |
|||||
t =1 |
|
|
t =1 |
|
|
i =1 |
|
i =1 |
|
|
В соответствии с системой уравнений (2.3) систему нормальных |
|
|||||||||
уравнений запишем в виде |
|
|
|
|
|
|
|
|||
|
|
73,520 |
= |
a′ 14 |
+b 105 ; |
|
|
|
||
|
|
546,037 = |
a′ 105 +b 1015 . |
|
|
|||||
Решение этой системы дает |
|
|
|
|
|
|
||||
|
b = |
14 546,037 −105 73,520 |
= −0,024 ; |
|
|
14 1015 −1052
a′ = 141 (73,520 + 0,024 105)= 5,431; a = anti ln 5,431 = 228,378 .
48
следовательно, имеет вид
ˆyt = 228,378 e−0,024t ,
г. (tk =17 )
ˆy1995 = 228,378e0,024 17 153 объекта.
Для линеаризованных выражений также можно найти среднеквадратические ошибки оценок параметров и значений ˆyt . Отсюда можно определить и среднеквадратическую погрешность прогноза. Воспользуемся в чисто иллюстративных целях данными нашего примера, в котором мы оценили параметры экспоненты. Определим теперь доверительные интервалы для нее.
Поскольку уравнение содержит два оцениваемых параметра, то число степеней свободы при расчете квадратического отклонения составит 14–2=12; необходимые для расчета квадратического отклонения разности между фактическими и расчетными значениями логарифмов уровней приведены в табл. 3.3.
Сумма квадратов отклонений (в логарифмах) равна 0,047. В соответствии с выражением (2.5)
Sy2 = |
∑n (ln yt −ln ˆyt )2 |
= 0,047 = 0,004 |
|
|
||
i =1 |
|
|
||||
|
n −υ |
|||||
|
|
12 |
|
|
||
и |
|
|
|
|||
|
|
|
Sy = 0,063. |
|||
|
|
|
|
= 7,5 , то |
||
Так как прогноз осуществлялся для tk =17 (на 1995 г.), t |
||||||
∑n (ti −t |
)2 − 227,5 |
(см. табл. 3.2) |
||||
i=1 |
|
|
|
Sп = 0,063 I + I / 14 + (17 − 7,5)2 = 0,092 . 227,5
49
Таблица 3.3. Расчет отклонений от экспоненциального тренда
t |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
yt |
227 |
219 |
209 |
197 |
193 |
200 |
199 |
ln yt |
5,425 |
5,389 |
5,342 |
5,283 |
5,263 |
5,298 |
5,293 |
ln ˆyt |
5,404 |
5,380 |
5,356 |
5,332 |
5,308 |
5,284 |
2,260 |
ln yt −ln ˆyt |
0,021 |
0,009 |
–0,014 |
–0,049 |
–0,045 |
0,014 |
0,033 |
t |
8 |
9 |
|
10 |
|
11 |
|
12 |
13 |
14 |
yt |
197 |
191 |
|
177 |
|
175 |
|
167 |
193 |
144 |
ln yt |
5,283 |
5,252 |
5,176 |
|
5,165 |
|
5,118 |
5,263 |
4,970 |
|
ln ˆyt |
5,236 |
5,212 |
5,188 |
|
5,164 |
|
5,140 |
5,116 |
5,092 |
|
ln yt −ln ˆyt |
0,047 |
0,040 |
–0,012 |
0,001 |
–0,022 |
0,147 |
–0,122 |
|||
Для данного примера t-статистика Стьюдента равна 1,78. Таким образом, |
||||||||||
∆ = 0,092 1,78. |
|
|
|
|
|
|
|
|
|
|
Доверительный интервал определится следующим выражением: |
|
|||||||||
|
|
|
|
|
± 0,092 1,78 |
|
, |
|
|
|
|
|
anti ln ln y |
2000 |
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
что будет соответствовать 129-180 объектам.
Часто при прогнозировании тенденций развития техники необходимо определять предельные значения изучаемых переменных, изменяющихся по экспоненте. Такие величины имеют начальные значения y0 и предел, к
которому стремятся в бесконечности, (асимптоту).
Доказано, что финишные участки экспоненциальной кривой хорошо аппроксимируются гиперболической зависимостью
y = t(a + bt).
Разделив числитель и знаменатель правой части этого выражения на t, нетрудно заметить, что
y = |
|
|
1 |
, при t → ∞ y = |
|
|
1 |
→ yпред =1 b . |
|
a |
|
a |
|
||||||
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
+b |
|
|
+b |
|
|||
|
t |
|
|
t |
|
|
50
Параметр b определяется методом наименьших квадратов после линеаризующей замены переменных согласно табл. 3.1.
3.2. Парные регрессии, сводящиеся к модифицированной экспоненте
Все ранее рассмотренные кривые описывают ситуации, когда коэффициент наклона касательной либо возрастает, либо убывает. Однако иногда встречаются данные (это касается в первую очередь техникоэкономических процессов), которые необходимо описывать кривыми, имеющими точку перегиба, то есть точку, где рост наклона касательной сменяется падением или, наоборот, падение сменяется ростом. При этом динамика явления такова:
–вначале рост довольно медленный, затем он убыстряется;
–промежуточный период роста сменяется третьим периодом;
–третий период – уменьшение роста и приближение к уровню насыщения.
Широко распространенными кривыми, обладающими точкой перегиба и наиболее точно описывающими процессы полного цикла, являются так называемые S-образные кривые, среди которых наибольшее применение получили логистическая кривая (кривая Перла) и кривая Гомпертца.
Кривая Гомпертца и логистическая кривая могут быть получены из другой кривой, известной как модифицированная экспонента, тем же способом, каким были получены из обычной линейной регрессии кривые, рассмотренные ранее.
Модифицированная экспонента задается тремя параметрами (вместо двух параметров при линейной зависимости), и ее уравнение отличается от простой экспоненты:
y |
t |
= aebt |
или при eb = c |
y = act |
|
|
|
t |
лишь дополнительными слагаемыми. Таким образом,
51
y |
t |
= b + act |
или |
y = a +bct . |
|
|
|
t |
Эта функция сама по себе не имеет точки перегиба и в записи
yt = a +bct имеет горизонтальную асимптоту y = a , ее график стремится к асимптоте при t →∞ либо при t → −∞, но никогда ее не пересекает.
Обычная процедура наименьших квадратов непосредственно к модифицированной экспоненте неприложима, однако существует и эффективный метод определения параметров этой кривой.
Теория, лежащая в основе описываемого ниже метода определения параметров модифицированной экспоненты, в пособии не рассматривается, однако с ней можно ознакомиться по другим источникам. Следуя этому методу, сначала определяют параметр с, а затем параметры a и b.
Приведем формулы для определения параметров модифицированной экспоненты в порядке их вычисления:
|
|
n−1 |
|
n−1 |
n−1 |
|
|
|
|
c = |
(n −1)∑ yt yt +1 |
− ∑ yt ∑ yt +1 |
|
|
|||
|
t =1 |
|
t =1 |
t =1 |
; |
|
||
|
|
|
n−1 |
n−1 |
2 |
|
||
|
|
|
|
|
|
|||
|
|
(n −1)∑ yt2 |
− ∑ yt |
|
|
|||
|
|
|
|
t =1 |
t =1 |
|
|
|
|
n |
n |
n |
|
n |
n |
||
|
n∑ct yt − ∑ct ∑ yt |
; a = |
∑ yt −b∑ct |
|||||
b = |
t =1 |
t =1 t =1 |
t =1 |
t =1 |
. |
|||
|
|
|||||||
|
n |
|
n |
2 |
|
n |
|
|
|
n∑c2t − |
∑ct |
|
|
|
|
||
|
t =1 |
t =1 |
|
|
|
|
|
Втабл. 3.4 и ниже приводятся вычисления, необходимые для нахождения параметров a, b и c модифицированной кривой, для примера, рассмотренного в предыдущих разделах.
Врезультате из приведенных уравнений получим
c = |
13 483938 − |
2554 2461 |
= 0,69397 ; |
||
13 501212 |
−(2544)2 |
||||
b = |
14 |
477,44951− 2,25402 2688 |
= 78,9289 ; |
||
|
14 0,92895 −(2,25402)2 |
|
|
52 |
|
|
a = |
2688 −78,9288 2,2540 |
=179,29235 . |
|
14 |
|||
|
|
Таким образом, уравнение модифицированной экспоненты будет иметь
вид
ˆyt =179,292 + 78,929 0,694t .
Модифицированная экспонента, как отмечалось, служит базовой кривой, на основе которой с помощью некоторых преобразований получаются используемые чаще логистическая кривая и кривая Гомпертца.
Логистическая кривая может задаваться уравнением
ˆyt =1(a +bct ).
Произведем обратное преобразование левой и правой частей этого
уравнения: |
ˆyt ′ |
= |
a |
+ |
bc |
yt′ |
= |
1 yt |
. |
|
|
|
t , где ˆ |
ˆ |
Последнее уравнение имеет вид модифицированной экспоненты, поэтому ее параметры с, b и а можно найти по приведенным ранее формулам.
Логистическая кривая имеет S-образную форму с точкой перегиба, равной
tп = (1ln c) ln(ab).
Значение ˆy в точке перегиба равно
ˆytп =12a .
Кривая Гомпертца несимметрична и определяется уравнением
ˆyt = abct .
Если логарифм параметра b отрицателен, то верхний предел для ординаты равен a, нижний равен 0; если он положителен, то асимптота проходит ниже кривой.
Возьмем от обеих частей уравнения натуральный логарифм, получим
ln ˆyt = ln a + ct ln b ,
53
что приводит к виду
ˆyt′ = a′+ b′ct , где ˆyt′ = ln yt ; a′ = ln a ; b′ = lnb.
Последнее уравнение имеет вид модифицированной экспоненты, поэтому параметры a′, b′ и c могут быть получены по известным формулам.
Следует отметить, что на практике при оценивании параметров рассматриваемых кривых часто прибегают к упрощенным методам оценивания, в частности к методу трех точек.
Допустим, логистическая кривая задана в виде
ˆyt |
= |
|
a |
|
+ be−ct |
||
|
1 |
и нет полного ряда данных. Тогда для оценки параметров можно воспользоваться методом трех точек. Причем подбор параметров производят так, чтобы кривая прошла через некоторые заданные точки: уровни ряда динамики в начале и конце ряда. Непременным условием является равенство расстояний между этими уровнями. Итак, нам необходимо провести логистическую кривую через три точки, соответствующие уровням y0 , y1 и y2 . Пусть расстояние между y0 и y1 равно n единицам времени. Тогда,
используя соотношение (3.1), получим
|
|
|
1 |
|
|
= |
1 |
(1+b); |
1 |
= |
1 |
(1+be−cn ); |
||||||
|
|
y |
0 |
|
|
a |
y |
a |
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
Определим теперь разности d1 и d2 : |
||||||||||||||||||
d1 |
= |
|
1 |
|
− |
|
1 |
= |
b |
(1−e−nc ); |
d2 = |
|||||||
|
y |
|
|
|
y |
|
||||||||||||
|
|
|
|
0 |
|
|
|
|
a |
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
Отсюда d1 = e−nc .
d2
Таким образом c = 1n (ln d1 −ln d2 ).
|
1 |
= |
|
1 |
(1 + be − c2n ). |
|||||
|
|
|
|
|
||||||
|
y2 |
|
|
a |
|
|
|
|||
1 |
− |
1 |
|
|
= |
b |
e−nc (1−e−nc ).. |
|||
|
y |
|
|
|
|
|||||
y |
2 |
|
|
a |
||||||
1 |
|
|
|
|
|
|
|
54
d 2
Далее определим значение выражения 1 .
d1 − d2
После ряда преобразований получим
|
|
|
|
|
|
|
|
d 2 |
|
|
|
b |
|
1 |
|
|
1 |
|
|
|
|
|
|
||
|
|
|
|
|
|
|
1 |
|
= |
|
= |
|
|
− |
|
|
. |
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
a |
y0 |
a |
||||||||||||
|
|
|
|
|
|
d1 − d2 |
|
|
|
|
|
|
|
|
|||||||||||
Откуда |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
1 |
= |
1 |
|
− |
|
d12 |
|
a = |
|
|
|
|
1 |
|
|
|
|
||||||||
|
|
|
|
|
|
|
, |
|
|
|
|
|
|
|
. |
|
|||||||||
|
a |
y0 |
|
d1 − d2 |
|
1 |
|
− |
d12 |
||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
y0 |
|
d1 − d2 |
|
|
|
|||
Наконец, исходя из |
|
1 |
|
|
= |
1 |
(1 +b), получим b = |
a − y0 |
. |
||||||||||||||||
|
y0 |
|
a |
|
|||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
y0 |
||||||
Для иллюстрации допустим, что нам необходимо провести |
|||||||||||||||||||||||||
логистическую кривую через точки: y0 |
=12,9, y1 = 62,1 и y2 =152,7 . |
Интервалы y0 − y1 и y1 − y2 равны шести единицам времени, то есть n = 6.
На основе этих данных получим
1 |
|
= 0,0775; |
|
1 |
|
|
= 0,0161; |
|
|
|
1 |
= 0,0065 |
; |
||||||||
|
y |
|
|
|
|
y |
|
|
|
|
|||||||||||
|
0 |
|
|
|
|
|
|
|
|
|
|
y |
2 |
|
|
||||||
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
d1 = 0,0614; |
|
d2 = 0,0095; |
|
|||||||||||||
|
|
|
|
|
c = |
1 |
(ln 0,0614 −ln 0,0095) 0,31; |
|
|||||||||||||
|
|
|
|
|
|
|
|||||||||||||||
|
|
|
|
|
6 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
= 0,0775 |
− |
0,06142 |
−0,0095 0,0048. |
|
||||||||||||
|
|
|
|
a |
0,0614 |
|
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
Откуда |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
a = 208,2; b = |
|
208,2 −0,0775 |
= 2682. |
|
||||||||||||
|
|
|
|
|
|
0,0775 |
|
|
|
|
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
Таким образом, |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
ˆyt |
= |
|
|
208,2 |
. |
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
1 + 2682e0,31t |
|
|
|
|
|
|
|
55
Таблица 3.4. Исходные данные и вычисления, необходимые для
определения параметров модифицированной экспоненты
Т |
t |
|
|
yt |
yt +1 |
yt yt +1 |
yt2 |
ct |
ct yt |
c2t |
ˆyt |
||
1973 |
1 |
227 |
|
|
219 |
49713 |
51529 |
0,69397 |
157,53119 |
0,48159 |
234 |
||
1975 |
2 |
219 |
|
|
209 |
45771 |
47961 |
0,48159 |
105,46916 |
0,23193 |
217 |
||
1977 |
3 |
209 |
|
|
197 |
41173 |
43681 |
0,33421 |
69,85031 |
0,11170 |
206 |
||
1979 |
4 |
197 |
|
|
193 |
38021 |
38809 |
0,23193 |
45,69082 |
0,05379 |
198 |
||
1981 |
5 |
193 |
|
|
200 |
38600 |
37249 |
0,16095 |
31,0,6424 |
0,02591 |
192 |
||
1983 |
6 |
200 |
|
|
199 |
39800 |
40000 |
0,11170 |
22,33953 |
0,01248 |
188 |
||
1985 |
7 |
199 |
|
|
197 |
39203 |
39601 |
0,07751 |
15,42545 |
0,00601 |
185 |
||
1987 |
8 |
197 |
|
|
191 |
37627 |
38809 |
0,05379 |
10,59721 |
0,00289 |
183 |
||
1989 |
9 |
191 |
|
|
177 |
33807 |
36481 |
0,03733 |
7,1016 |
0,00139 |
182 |
||
1991 |
10 |
177 |
|
|
175 |
30975 |
31329 |
0,02591 |
4,58543 |
0,00067 |
181 |
||
1993 |
11 |
175 |
|
|
167 |
29225 |
30625 |
0,01798 |
3,14619 |
0,00032 |
181 |
||
1995 |
12 |
167 |
|
|
193 |
32231 |
27889 |
0,01248 |
2,08355 |
0,00016 |
180 |
||
1997 |
13 |
193 |
|
|
144 |
27792 |
37249 |
0,00866 |
1,67104 |
0,00007 |
180 |
||
1999 |
14 |
|
|
144 |
|
|
|
|
|
0,00601 |
0,86523 |
0,00004 |
179 |
n−1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
∑ |
|
2544 |
|
2461 |
483938 |
501212 |
|
|
|
|
|||
t=1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
∑ |
|
|
|
|
|
|
|
2,25402 |
477,44951 |
0,92895 |
|
||
|
2688 |
|
|
|
|
|
|||||||
t=1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
Как было показано, непременным условием применения данного метода является равенство расстояний по оси времени между выбранными для подбора кривой точками. Если это условие не соблюдено, то подбор кривой также может быть осуществлен, однако для этого необходима дополнительная информация, а именно оценка значения асимптоты. Значение асимптоты можно в ряде случаев оценить или получить вне данного статистического наблюдения, например исходя из существа развития самого изучаемого явления и различного рода ограничений, сопутствующих ему.
Пусть оценка параметров логистической кривой производится на основе заданного значения асимптоты а* и ординат двух первых точек кривой. Тогда
b = a* −y0 ; y0