Комп. Анализ Шпоры

37. Компоненты OLAP Куб- структура данных, объединяющая показатели по уровнями иерархиям для каждой размерности, которую нужно проанализировать. Кубы объединяют несколько размерностей(время, ассортимент и т.д) Показатели-набор значений в кубе, основанных на столбце фактической таблицы в кубе, обычно являющийся числовыми значениями. Показатели-это основные значения в кубе, которые предварительно обрабатываются, группируются и анализируются. Пример: продажи, выручка, затраты. Элемент-представляет один или несколько экземпляров данных. Может быть уникальным (пр.2011г 2012), или не уникальным (пр. январь, март) Вычисляемы компонент-Элемент размерности, значение которого вычисляется во время работы с помощью выражения. Вычисляемые значения компонентов могут выводится из значений других элементов. Размерность-набор из одного или нескольких организованных иерархий уровней в кубе, понятный пользователю и используемый им в качестве основы для анализа данных. Иерархия-структура логического дерева, организующая элементы размерности таким образом, что каждый элемент имеет один один родительский элемент и нуль или более дочерних элементов. Дочер.элемент-это элемент на следующем более низком уровне. Родительский элемент-это элемент на следующем более высоком уровне. Уровень-внутри иерархии данные могут быть организованны по более низким и более высоким уровням детализации, таким как уровни года, квартала, месяца и дня в иерархии «Время».	38.Понятие прогнозирование. Требования, предъявляемые к прогнозным моделям. Прогнозирование- система научных исследований качественного и количественного характера, направленных на выяснение тенденции развития народного хозяйства или его частей и поиск оптимальных путей достижения целей этого развития. Прогнозирование обычно применяется на предварительной стадии разработки крупных хозяйственных решений и способствует выработки концепции экономического развития на перспективу. Прогнозирование в управлении призвано обеспечить решение следующих задач: -определение социально-экономических целей. -выявление сложившихся тенденций, альтернатив развития объекта. -выявление потребностей народного хозяйства в определенных видах ресурсах и продукции. В управлении прогнозы обеспечивают возможность определения перспективных условий развития, формируют ограничения по ресурсам, направлениям развития, основным показателям, характеризующим возможное состояние экономики.	39.Принципы прогнозирования. Комплекс работ, проводимых с целью получения прогноза, строится на основе общих принципов пронозирования: 1.системность 2.согласованность нормативных и поисковых прогнозов различной природы и различного периода упреждения. 3. непрерывность-корректировка прогноза по мере поступления новых данных об объекте прогнозирования. 4. верифицируемость- соблюдение достоверности, точности и обоснованности прогноза, т.е стремление к улучшению качественных характеристик предсказания. 5.рентабельность- соблюдение экономической эффективности в практике получения прогнозной информации, т.е правила превышения эффекта от использования прогнозной информации над общими затратами на его разработку в заданном диапазоне времени. При подготовке прогнозной модели следует выделить требования, которые предъявляются к моделям. Модель должна: -обеспечивать возможность включения достаточно широкого диапазона изменений. -удовлетворять условиям, ограничивающим время решения задач -обеспечивать получение полезной информации об объекте прогнозирования -строиться с использованием установившейся терминологии. Перед тем, как осуществить прогноз, необходимо выполнить следующие действия: 1.собрать статистическую информацию об объекте изучения за временной интервал. 2. статистические данные должны иметь одинаковые интервалы. Не следует смешивать данные. 3.все наблюдения необходимо фиксировать в один и тот же момент каждого временного периода. 4. нельзя пропускать данные. Ряд должен быть эффективным. 5. результаты наблюдений помещаются в лист MS Excel вертикально. Т.е. в виде столбцов.
40.Прогнозирование с применением метода скользящего среднего. При использовании этого метода прогноз любого периода представляет собой не что иное, как получение среднего показателя несколько результатов наблюдений временного ряда. Например, если выбрано скользящее среднее за 3 месяца, прогнозом на май будет среднее значение показателей за февраль, март и апрель. выбрав в качестве метода прогнозирования скользящее среднее за 4 месяца, можно оценить майский показатель как среднее значение показателей за январь, февраль, март и апрель. Вычисления с помощью этого метода довольно просты и достаточно точно отражают изменение основных показателей предыдущего периода. Иногда при составлении прогноза они эффективнее, чем методы, основанные на долговременных наблюдениях.. Чем меньше число результатов наблюдений, на основании которых вычислено скользящее среднее, тем точнее оно отражает изменение в уровне базовой линии.	41. Схема сглаживания временного ряда методом скользящих средних по 3-м точкам	42.Схема сглаживания временного ряда методом скользящих средних по 5-ти точкам. Одним из простых методов прогнозирования в MS Excel является метод скользящего среднего. При использовании этого метода прогноз любого периода представляет собой не что иное, как получение среднего показателя несколько результатов наблюдений временного ряда. Например, если выбрано скользящее среднее за три месяца, прогнозом на май будет среднее значение показателей за февраль, март и апрель. Выбрав в качестве метода прогнозирования скользящее среднее за четыре месяца, можно оценить майский показатель как среднее значение показателей за январь, февраль, март и апрель. Вычисления с помощью этого метода довольно просты и достаточно точно отражают изменения основных показателей предыдущего периода. Иногда при составлении прогноза они эффективнее, чем методы, основанные на долговременных наблюдениях. Например, когда составляется прогноз J объема продаж известного исследователю предприятия, причем средний показатель объема за последние несколько лет составляет 1 ООО единиц. Если компания планирует значительное сокращение штата торговых агентов, логично предположить, что среднемесячный объем реализации будет сокращаться, по крайней мере, на протяжении нескольких месяцев . Если для прогнозирования объема продаж в будущем месяце воспользоваться средним значением данного показателя за последние 24 месяца, то, вероятно, получится результат, несколько завышенный по сравнению с фактическим Но если прогноз будет составлен на основании данных всего лишь за три последних месяца, то он намного точнее отразит последствия сокращения штата торговых агентов. В данном случае прогноз будет отставать по времени от фактических результатов всего на один-два месяца. Это происходит потому, что при применении скользящего среднего за три последних месяца каждый из трех показателей (за этот временной период) отвечает за одну треть значения прогноза. При 24-месячном скользящем среднем показатели этих же последних месяцев отвечают только за 1/24 часть значения прогноза . При таком сглаживании в осреднении участвуют не 3 точки вблизи текущей, а 5: "предпредшествующая", предшествующая, текущая, последующая, "послепоследующая" .
43. Прогнозирование с помощью функции регрессии Как показывает практика, скользящее среднее является быстрым, но неточным способом выяв ления общих тенденций временного ряда. Поскольку применение скользящего среднего не дает прогноза выходящего за пределы, в которых данные уже известны. Данную процедуру можно выполняет с помощью функции регрессии в MS Excel. Регрессия позволяет оценить взаимосвязь между фактическими данными наблюдений и др; ми параметрами, которые являются показателями того, когда были сделаны эти наблюдения. Рассмотри составление линейных прогнозов с помощью функции "ТЕНДЕНЦИЯ". Использование функции "Тенденция" является самым простым способом вычисления регрессионного анализа. Функция "Тенденция" возвращает значения в соответствии с линейным трендом. Аппроксимирует прямой линией (по методу наименьших квадратов) массивы известные_значения__у и известные_значения_х. Возвращает значения у, в соответствии с этой прямой для заданного массива новые_значения_х. Функция РОСТ рассчитывает прогнозируемый экспоненциальный рост на основании имеющихся данных. Функция РОСТ возвращает значения у для последовательности новых значений х, задаваемых с помощью существующих х- и у-значений. Функция рабочего листа РОСТ может применяться также для аппроксимации существующих х- и у- значении экспоненциальной кривой.	44.Составление линейных прогнозов с помощью функции «Тенденция» в Excel. Возвращает значения в соответствии с линейным трендом. Аппроксимирует прямой линией (по методу наименьших квадратов) массивы "известные_значения_y" и "известные_значения_x". Возвращает значения y, соответствующие этой прямой для заданного массива "новые_значения_x". Известные_значения_y    Обязательный. Множество значений y, которые уже известны для соотношения y = mx + b. Если массив "известные_значения_y" имеет один столбец, то каждый столбец массива "известные_значения_x" интерпретируется как отдельная переменная. Если массив "известные_значения_y" имеет одну строку, то каждая строка массива "известные_значения_x" интерпретируется как отдельная переменная. Известные_значения_x    Необязательный. Множество значений x, которые могут быть уже известны для соотношения y = mx + b. Массив "известные_значения_x" может содержать одно или несколько множеств переменных. Если используется только одна переменная, то аргументы "известные_значения_y" и "известные_значения_x" могут быть диапазонами любой формы при условии, что они имеют одинаковую размерность. Если используется более одной переменной, то аргумент "известные_значения_y" должен быть вектором (то есть диапазоном высотой в одну строку или шириной в один столбец). Если аргумент "известные_значения_x" опущен, то предполагается, что это массив {1;2;3;...} того же размера, что и массив "известные_значения_y". Новые_значения_x    Необязательный. Новые значения x, для которых функция ТЕНДЕНЦИЯ возвращает соответствующие значения y. Аргумент "новые_значения_x", так же как и аргумент "известные_значения_x", должен содержать по одному столбцу (или строке) для каждой независимой переменной. Таким образом, если "известные_значения_y" — это один столбец, то "известные_значения_x" и "новые_значения_x" должны иметь одинаковое количество столбцов. Если "известные_значения_y" — это одна строка, то аргументы "известные_значения_x" и "новые_значения_x" должны иметь одинаковое количество строк. Если аргумент "новые_значения_x" опущен, то предполагается, что он совпадает с аргументом "известные_значения_x". Если опущены оба аргумента — "известные_значения_x" и "новые_значения_x", — то предполагается, что это массивы {1;2;3;...} того же размера, что и "известные_значения_y".	45. Применение функции «Рост» в анализе и прогнозировании рядов динамики в Excel. Рассчитывает прогнозируемый экспоненциальный рост на основе имеющихся данных. Функция РОСТ возвращает значения y для последовательности новых значений x, задаваемых с помощью существующих значений x и y. Функцию РОСТ также можно использовать для аппроксимации существующих значений x и y экспоненциальной кривой. Известные_значения_y     — обязательный аргумент. Множество значений y в уравнении y = b*m^x, которые уже известны. Если массив "известные_значения_y" содержит один столбец, каждый столбец массива "известные_значения_x" интерпретируется как отдельная переменная. Если массив "известные_значения_y" содержит одну строку, каждая строка массива "известные_значения_x" интерпретируется как отдельная переменная. Если какие-либо числа в массиве "известные_значения_y" равны 0 или имеют отрицательное значение, функция РОСТ возвращает значение ошибки #ЧИСЛО!. Известные_значения_x     — необязательный аргумент. Множество значений x в уравнении y = b*m^x, которые уже известны. Массив "известные_значения_x" может содержать одно или несколько множеств переменных. Если используется только одна переменная, множества "известные_значения_y" и "известные_значения_x" могут иметь любую длину, но их размерности должны совпадать. Если используется более одной переменной, аргумент "известные_значения_y" должен быть вектором (т. е. интервалом высотой в одну строку или шириной в один столбец). Если аргумент "известные_значения_x" опущен, то предполагается, что это массив {1;2;3;...} того же размера, что и "известные_значения_y". Новые_значения_x     — необязательный аргумент. Новые значения x, для которых функция РОСТ возвращает соответствующие значения y. Аргумент "новые_значения_x" должен содержать столбец (или строку) для каждой независимой переменной, так же как и "известные_значения_x". Таким образом, если массив "известные_значения_y" состоит из одного столбца, то столько же столбцов должны иметь массивы "известные_значения_x" и "новые_значения_x". Если массив "известные_значения_y" состоит из одной строки, столько же строк должно содержаться в массивах "известные_значения_x" и "новые_значения_x". Если аргумент "новые_значения_x" опущен, предполагается, что он совпадает с аргументом "известные_значения_x".

42. Схема сглаживания временного ряда методом скользящих средних по 5-ти точкам
45 Если опущены аргументы "известные_значения_x" и "новые_значения_x", предполагается, что каждый из них представляет собой массив {1;2;3;...} того же размера, что и "известные_значения_y". Конст     — необязательный аргумент. Логическое значение, которое указывает, должна ли константа b равняться 1. Если аргумент "конст" имеет значение ИСТИНА или опущен, b вычисляется обычным образом. Если аргумент "конст" имеет значение ЛОЖЬ, то предполагается, что b = 1, а значения m подбираются таким образом, чтобы выполнялось равенство y = m^x.	44. Конст    Необязательный. Логическое значение, которое указывает, требуется ли, чтобы константа b была равна 0. Если аргумент "конст" имеет значение ИСТИНА или опущен, то b вычисляется обычным образом. Если аргумент "конст" имеет значение ЛОЖЬ, то b полагается равным 0 и значения m подбираются таким образом, чтобы выполнялось условие y = mx.

46. Прогнозирование с помощью функции экспоненциального сглаживания Сглаживание является инструментом в процессе анализа и прогнозирования информации, который обеспечивает быстрое реагирование на все события, происходящие в течение наблюдения. Рассмотренные методы, основанные на регрессии (функция "Тенденция" и "Рост"), применяют ко всем точкам прогноза одно и тоже уравнение тренда. По данной причине достижение быстрой реакции на сдвиги в ряду наблюдений затруднено, именно сглаживание является способом решения данной проблемы. Основная идея применения метода сглаживания состоит в том, что каждый новый прогноз получается посредством перемещения предыдущего прогноза в направлении, которое дало бы лучшие результаты по сравнению со старым прогнозом. Базовое уравнение имеет следующий вид F[t + 1] = F[t] + a*e[t], где г1- временной период (например, 1-й месяц, 2-й месяц и т.д.): F[t] - это прогноз, сделанный в момент времени t, F[t+1] отражает прогноз во временной период, следующий непосредственно за моментом времени t, а - константа сглаживания; e[t] - погрешность, т.е. различие между прогнозом, сделанным в момент времени t, и фактическими результатами наблюдений в момент времени t. Таким образом, константа сглаживания является самокорректирующейся величиной. Другими словами, каждый новый прогноз представляет собой сумму предыдущего прогноза и поправочного коэффициента, который и передвигает новый прогноз в направлении, делающем предыдущий результат более точным. Методы прогнозирования "сглаживание" учитывают эффекты скачка функции намного лучше, чем способы, использующие регрессивный анализ. MS Excel поддерживает один из таких методов с помощью средства "Экспоненциальное сглаживание" в надстройке "Пакет анализа" - для MS Excel 2003 и в пакете "Анализ что если" в MS Excel 2007,

		46. С помощью средства "Экспоненциальное сглаживание" можно создать прогнозы. Для вычисления каждого прогноза MS Excel использует отдельную, но алгебраически эквивалентную формулу. Оба компонента - данные предыдущего наблюдения и предыдущий прогноз - каждого прогноза умножаются на коэффициент, отображающий вклад данного компонента в текущий прогноз, Активизировать средство "Экспоненциальное сглаживание" можно в надстройки Пакет анализа. Рассмотрим элементы диалогового окна "Экспоненциальное сглаживание" . Входной диапазон. В него вводят ссылку на ячейки, содержащие анализируемые данные. Входной диапазон должен состоять из одного столбца или одной строки, содержащих данные как минимум в четырех ячейках. Фактор затухания. Вводится фактор затухания, который будет использоваться в качестве константы экспоненциального сглаживания. Фактором затухания называется корректировочный фактор, минимизирующий нестабильность данных генеральной совокупности. Значение фактора по умолчанию равно 0,3. Для константы сглаживания наиболее подходящими являются значения от 0,2 до 0,3. Эти значения показывают, что ошибка текущего прогноза установлена на уровне от 20 до 30 процентов ошибки предыдущего прогноза. Более высокие значения константы ускоряют отклик, но могут привести к непредсказуемым выбросам. Низкие значения константы могут привести к большим промежуткам между предсказанными значениями. Заголовки. Если первая строка или первый столбец входного интервала содержит заголовки, то надо ввести флажок. Если заголовки отсутствуют - снять флажок; в этом случае подходящие названия для данных выходного диапазона будут созданы автоматически.