- •А.С. Березина анализ данных
- •Предисловие
- •Лекция 1. Априорный анализ компонент временного ряда
- •1.1. Понятие временного ряда. Виды временных рядов
- •Производство молока в Кемеровской области
- •Численность работников здравоохранения, перед которыми организация имеет просроченную задолженность по заработной плате работников в Российской Федерации в 2013 году
- •Индекс потребительских цен в Кемеровской области (декабрь к декабрю предыдущего года; в процентах)
- •Потребление сахара (кг) на душу населения в Кемеровской области
- •1.2. Методы оценки однородности исходных данных
- •1.3. Методика выявления и анализа аномальных наблюдений
- •Краткосрочные экономические показатели рф
- •Расчётная таблица примера 1.1.
- •1.4. Абсолютные, относительные и средние показатели в анализе временных рядов
- •ЛЕкция 2. Моделирование тенденции
- •2.1. Проверка гипотезы о существовании тренда
- •Промежуточные расчетные значения кумулятивного т-критерия
- •2.2. Методы выявления тенденции
- •Численность населения на одного врача в Кемеровской области
- •Расчетная таблица метода Фостера-Стюарта
- •2.3. Выбор формы тренда
- •Критерии выбора класса, выравнивающих кривых
- •Лекция 3. Моделирование периодической компоненты
- •3.1. Аддитивные и мультипликативные тренд-сезонные модели Алгоритм построения модели временного ряда, содержащего сезонные колебания:
- •Поквартальные данные по розничному товарообороту компании
- •Расчет коэффициента автокорреляции
- •Коррелограмма временного ряда товарооборота
- •Расчет оценок сезонной компоненты в аддитивной модели
- •Расчет значений сезонной компоненты в аддитивной модели
- •Расчет значений t и ошибок e в аддитивной модели.
- •Расчет оценок сезонной компоненты в мультипликативной модели
- •Расчет значений сезонной компоненты в мультипликативной модели
- •Расчет значений t и ошибок e в мультипликативной модели
- •Лекция 4. Простейшие методы прогнозирования
- •4.1. Метод среднего уровня ряда
- •4.2. Метод среднего абсолютного прироста
- •Расчетная таблица для определения прогнозных значений методом среднего абсолютного прироста
- •4.3. Метод среднего темпа роста
- •4.4. Оценка точности и надежности прогнозов
- •Лекция 5. Методы выбора трендовой модели прогноза
- •5.1. Прогнозирование на основе кривых роста
- •5.2. Прогнозирование на основе экстраполяции тренда
- •Лекция 6. Адаптивные модели прогнозирования
- •6.1. Сущность адаптивных методов
- •6.2. Экспоненциальное сглаживание
- •Индекс потребительских цен Кемеровской области
- •Экспоненциальные средние
- •6.3. Метод гармонических весов
- •Параметры уравнений отдельных фаз движения текущего тренда
- •Лекция 7. Прогнозирование динамических рядов, не имеющих тенденции.
- •Распределение знаков отклонений
- •Расчетная таблица для определения знаков отклонений
- •Распределение знаков отклонений
- •8. Метод экспертных оценок
- •8.1. Методы и модели экспертных оценок
- •Матрица опроса
- •Матрица преобразованных рангов
- •Оценки вкусовых качеств продукта
- •Оценки вкусовых качеств продукта
- •Матрица преобразованных рангов
- •8.2. Методы и модели выбора альтернатив
- •Частные критерии трех операторов
- •Нормализованные критерии
- •Лекция 9. Статистические методы обработки результатов экспертизы
- •9.1. Оценка согласованности мнений экспертов
- •9.2. Обобщение мнений экспертов
- •Список литературы
- •Содержание
- •Анализ данных
- •650992, Г. Кемерово, пр. Кузнецкий, 39
Параметры уравнений отдельных фаз движения текущего тренда
год |
t | ||||||||
2000 |
59 |
- |
- |
- |
59,17 |
- |
- |
- |
- |
2001 |
60 |
- |
- |
- |
59,75 |
0,58 |
0,09 |
0,01 |
0,00 |
2002 |
60 |
1,2,3 |
58,67 |
0,50 |
60,22 |
0,47 |
0,19 |
0,02 |
0,01 |
2003 |
61 |
2,3,4 |
58,83 |
0,50 |
60,83 |
0,61 |
0,30 |
0,03 |
0,02 |
2004 |
61 |
3,4,5 |
58,67 |
0,50 |
59,89 |
-0,94 |
0,43 |
0,04 |
-0,04 |
2005 |
61 |
4,5,6 |
61,00 |
0,00 |
64,44 |
4,56 |
0,57 |
0,05 |
0,24 |
2006 |
82 |
5,6,7 |
5,00 |
10,50 |
78,44 |
14,00 |
0,74 |
0,07 |
0,94 |
2007 |
83 |
6,7,8 |
-1,67 |
11,00 |
84,67 |
6,22 |
0,94 |
0,09 |
0,53 |
2008 |
87 |
7,8,9 |
64,00 |
2,50 |
86,22 |
1,56 |
1,19 |
0,11 |
0,17 |
2009 |
87 |
8,9,10 |
67,67 |
2,00 |
87,39 |
1,17 |
1,52 |
0,14 |
0,16 |
2010 |
90 |
9,10,11 |
73,00 |
1,50 |
90,25 |
2,86 |
2,02 |
0,18 |
0,53 |
2011 |
96 |
10,11,12 |
41,50 |
4,50 |
95,50 |
5,25 |
3,02 |
0,27 |
1,44 |
С помощью полученных уравнений определяем значение текущего тренда. Если , имеем одно значение,которое получаем из уравнения:,.
Если , имеем два значения и,которые получаем из уравнений:
,
.
Среднее значение .
Если , имеем два значения, и, которые получаем из уравнений:
,
,
Среднее значение .
Аналогично находим все значения .
Произведем расчет прироста, например
,
и.т.д.
Затем рассчитываем гармонические веса: ,
и т.д.
Гармонические коэффициенты получаются по формуле . Затем находим средний абсолютный прирост.
Прогноз на 2012, 2013 года составит:
,
.
Лекция 7. Прогнозирование динамических рядов, не имеющих тенденции.
Временные ряды, не имеющие тенденции, на практике встречаются крайне редко.
В этой связи, прежде чем приступать к прогнозированию, необходимо всеми известными методами убедиться в том, что тенденция в исследуемом временном ряду действительно отсутствует. Только после того, как установлено отсутствие тенденции и гипотезы о наличии тенденции отвергнуты всеми методами, следует использовать те методы прогнозирования, которые дают возможность установить развитие явления при отсутствии тенденции.
Особенность прогнозирования данных временных рядов заключается в том, что использование методов статистического прогнозирования, основанных на получении точечной или интервальной количественной вероятностной характеристики изучаемого явления в будущем с относительно высокой степенью достоверности, невозможно.
В этом случае для прогнозирования таких рядов применяются вероятностные статистические методы прогнозного оценивания.
На практике, в анализе временных рядов социально-экономических явлений, не имеющих тенденции, наибольшее распространение среди вероятностных методов прогнозирования, получил метод, в основе которого лежит использование закона распределения Пуассона(распределение редких явлений) с плотностью:.
Особенность метода заключается в том, что всегда прогнозируется благоприятная тенденция.
Этапы реализации данного метода следующие:
1. Осуществляется последовательное сравнение каждого следующего значения уровня исходного временного ряда со значением предыдущего уровня. При этом знаком «+» отмечается возрастание значения уровня, а «-» — убывание. Если последующий уровень больше предыдущего, то ставится знак «+», меньше предыдущего — «-». Причем первый уровень всегда отмечается знаком «-». Знак «+» показывает, сколько периодов времени исследуемое явление возрастает и этот временный период принято считать благоприятной тенденцией.
2. Строится специальная таблица, характеризующая виды тенденции, длину благоприятной тенденции (τ) и частоту повторения благоприятной тенденции (f) (таблица 7.1):
Таблица 7.1.