Продолжение таблицы №1.

t, годы	2006	2007	2008	2009	2010
Убийство и ПУ	27462	22227	20056	17681	15563
Угроза У или ПТВЗ	109554	105038	98170	101180	84643
УПТВЗ	51429	47348	45436	43112	39745
НПДДЭТСПНСЧ	15762	15520	13560	10602	10344
Похищение человека	994	837	698	633	519
Разбой	59763	45318	35366	30085	24537
Грабеж	357302	295071	243957	205379	164547
Хулиганство	28645	20360	13589	9474	7219
Изнасилование и ПИ	8871	7038	6208	5398	4907
Мошенничество	225326	211277	192490	188723	160081
Угон	58565	55258	50313	45833	41167
Кража	1676983	1566970	1326342	1188574	1108369
Квартирные кражи	235649	210717	172808	152563	132695
Взяточничество	11063	11616	12512	13141	12012
Присв. или растрата	65980	73489	72142	67266	44894
ОНФБиПО или УВН	432	348	262	231	184

Требуется: 1) сравнить преступность по её структурным составляющим в РФ по периодам с 1990 по 1995 годы, с 1996 по 2000 годы, с 2001 по 2005 годы и с 2006 по 2010 годы с использованием метода фиктивных переменных (получить 4 уравнения); 2) показать сравнение на графике.

Задача №16

Дано: временные ряды различных структурных составляющих преступности в РФ с 1990 по 2010 (смотри задачу №15).

Требуется: 1) Подобрать модели авторегрессии для структурных составляющих преступности; 2) сделать прогноз по каждой структурной составляющей на 2011, 2012, 2013 годы.

Задача №17

Дано: таблица первичных статистических данных о зарегистрированных в РФ изнасилованиях и покушениях на изнасилование за период с 2005 по 2010 годы⁴⁰.

Годы	2005	2006	2007	2008	2009	2010
январь	576	571	511	411	349	333
январь-февраль	1072	1226	1014	874	660	713
январь-март	1725	1938	1558	1400	1108	1135
январь-апрель	2327	2643	2126	1883	1520	1571
январь-май	3113	3469	2778	2404	1955	2013
январь-июнь	4123	4336	3495	3042	2490	2508
январь-июль	5007	5123	4271	3717	3005	2959
январь-август	6034	6038	4985	4259	3508	3460
январь-сентябрь	6944	6837	5561	4756	4060	3904
январь-октябрь	7761	7567	6121	5271	4547	4255
январь-ноябрь	8558	8170	6619	5744	4922	4624
январь-декабрь	9222	8871	7038	6208	5398	4907

Требуется: в ППП Excel рассчитать индексы сезонности для каждого месяца.

Т е с т ы

- Временной ряд – это:

9. Ряд, содержащий причинно-следственную связь.

10. Набор числовых данных, полученных в течение последовательных периодов времени.

11. Ряд, содержащий сезонную волну.

12. Ряд Фурье.

- Мозговой штурм – это:

1. Количественный метод, обеспечивающий высокую точность прогнозирования.

2. Метод, используемый для прогнозирования в условиях высокой определенности.

3. Качественный метод полезный для прогнозирования в условиях высокой неопределенности.

4. Количественный метод полезный для прогнозирования в условиях высокой неопределенности.

- Прогнозирование с помощью авторегрессионного уравнения начинается:

- с авторегрессионной модели высшего порядка (а);

- с авторегрессионной модели первого порядка (б);

- с авторегрессионной модели второго порядка (в);

- с авторегрессионной модели любого порядка (г).

- В качестве независимой переменной в регрессионном уравнении первого порядка выступает:

- время (а);

- значения зависимой переменной взятые с одним лагом (б);

- значения зависимой переменной с р лагами (в);

- значения зависимой переменной с тремя лагами (г).

- По какой формуле вычисляется число степеней свободы в моделях авторегрессии:

1. n-2p-1;

2. t=(b-β)/S_b;

3. y=a+bt;

4. n-2p+1.

- При прочих равных условиях предпочтение при прогнозировании отдается:

- наиболее сложной модели (а);

- любой удобной модели (б);

- простейшей модели (в);

- нелинейной модели (г).

- Сколько фиктивных переменных вводится в экспоненциальной модели множественного регрессионного анализа для изучения сезонности юридических процессов по месячным данным:

- 11 (а);

- 12 (б);

- 13 (в);

- 10 (г).

- Сколько фиктивных переменных вводится в экспоненциальной модели множественного регрессионного анализа для изучения сезонности юридических процессов по квартальным данным:

- 11 (а);

- 3 (б);

- 4 (в);

- 5 (г).

- Что показывает (-1)∙100% в экспоненциальной модели множественного регрессионного анализа с введением фиктивных переменных для месячных данных:

- темп ежемесячного роста по переменной Y (а);

- темп ежемесячного роста по переменной t (б);

- темп ежеквартального роста по переменной Y (в);

- темп роста для фиктивных переменных (г).

- Что показывает в экспоненциальной модели множественного регрессионного анализа с введением фиктивных переменных для квартальных данных:

- темп ежемесячного роста по переменной Y (а);

- коэффициент регрессии (б);

- темп ежеквартального роста по переменной Y (в);

- сдвиг по переменной Y (г).

- Какая прогнозная модель лучше:

- модель авторегрессии (а);

- мультипликативная модель (б);

- модель с минимальной средней ошибкой аппроксимации (в);

- модель с максимальной средней ошибкой аппроксимации (г).

- Прогноз с горизонтом прогнозирования до 3-х лет является:

- краткосрочным (а);

- среднесрочным (б);

- долгосрочным (в);

- оперативным (г).

- Прогноз с горизонтом прогнозирования до одного месяца является:

- краткосрочным (а);

- среднесрочным (б);

- долгосрочным (в);

- оперативным (г).

- Когда необходимо устранить из временного ряда циклические и случайные флуктуации (колебания) следует выбирать:

небольшие значения субъективных весов (W):

1) невысокие значения субъективных весов (W);

2) высокие значения субъективных весов (W);

3) субъективный вес не более 0,6;

3) субъективный вес не более 0,3.

- Когда необходимо осуществить прогнозирование с помощью экспоненциального сглаживания следует выбирать:

1) невысокие значения субъективных весов (W);

2) высокие значения субъективных весов близкие к единице;

3) субъективный вес не более 0,6;

3) субъективный вес не более 0,3.