Студентам ИТ / 2 УПП_ИТ / Основн_литература / ИТ (Excel) / ИТ_прогноз_сост_ОУ
.pdf7.Модель стационарной авторегрессии имеет вид:
7.1St = St-1 + Et, M(Et) = 0, M(Et Et - k)= 2 k;
7.2St= + 1 Ct1 + 2 Ct2 + … r Ctr ;
7.3St = 1 St-1 + 2 St-2 + Et, M(Et) = 0, M(Et Et - k)= 2 k.
8.Cамым простым и надежным методом отражения тенденций в стратегическом прогнозировании является:
8.1линейный (полиномиальный) авторегрессионный анализ;
8.2авторегрессионный анализ;
8.3линейный (полиномиальный) регрессионный анализ.
10.Предикторами величины Y являются:
10.1функции f(X), «близкие» по некоторой мере сравнения (сходства) к величине Y;
10.2функции f(X), похожие на величину Y;
10.3функция регрессии.
11.Регрессией нормально распределенных случайных величин X и Y является функция:
11.1r(x) = y + ( Y / X) XY (x – x );
11.2функции f(X), похожие на величину Y;
11.3r(x) = y + XY (x – x ).
12.Оптимальный стохастический прогноз задается функцией, оптимизирующей:
12.1r(x) = y + ( Y / X) XY (x – x );
12.2СКО = [y – f(x)]2 Pr(y x) dy;
12.3СКО = [y – f(x)] Pr(y x) dy.
31
Список рекомендованной литературы
Основная
1. Краснов А.Е., Красников С.А., Сагинов Ю.Л., Чернов Е.А., Дишель Ю.Г., Феоктистова Н.А. Информационные технологии автоматизированного
управленния. Учебно-практическое пособие для обучения аспирантов, магистров, студентов и бакалавров технических специальностей.
- М.: МГУТУ им. К.Г. Разумовского, 2014. - 76 с
Дополнительная
1.Кузнецова Ю.Г., Сучилин Д.В. Управление процессами «затраты-выпуск» в отраслях АПК // Автоматизация в промышленности. – 2010, №1.
2.Боровиков В.П., Ивченко Г.И. Прогнозирование в системе STATISTICA в среде Windows. Основы теории и Интенсивная практика на компьютере: Учебное Пособие. – М.: Финансы и статистика, 1999. – 384 с.
3.Краснов А.Е. и др. Информационные технологии пищевых производств в условиях неопределенности. -М.: ВНИИМП, 2001. - 496 с.
32
Словарь основных понятий и сокращений
ОУ – объект управления. S – вектор состояния ОУ.
P – вектор структурных параметров ОУ. C – вектор управления ОУ.
H – вектор неконтролируемых возмущений (помех).
РАР-объекты – регрессионно-авторегрессионные объекты.
Seast – сезонный компонент помехи Ht. Sirct – циклический компонент помехи Ht. Et – стохастический компонент помехи Ht. M Et – математическое ожидание помехи. СКО – среднеквадратичное отклонение.
DW – критерий независимости (Дарбина-Уотсона). RS – критерий нормальности случайных остатков.
R2– критерий детерминации (множественной корреляции), характеризующий долю вариации зависимой переменной, объясняемой линейной регрессионной моделью.
TS – статистика (Стьюдента). F – статистика (Фишера).
Pr(x, y) – совместное распределение двух случайных величин X и Y.
Pr(y x) – условное распределение случайной величины Y (распределение Y при условии, что X = x).
rY(x) – функция регрессии Y на X.2 – коэффициент корреляции.YX2 – корреляционное отношение.
33
Метро «Волгоградский проспект»
М(последний вагон из центра)
Волгоградский проспект
Адрес кафедры:
Москва, ул. Талалихина 31, комнаты:
50 (4 этаж)
Телефоны кафедры Информационных технологий МГУТУ им. К.Г. Разумовского
(факс) 8(495) 670-66-00; 8(495) 678-25-34; Email – kit2202@yandex.ru
Сайт кафедры – kafedrait.com
______________________________________________________
Краснов Андрей Евгеньевич, Сагинов Юрий Леонидович, Дишель Юлия Геннадиевна, Феоктистова Наталия Андреевна
Информационные технологии прогнозирования состояний объектов управления
Учебно-практическое пособие
Тираж: ____экз., заказ № ____
34