- •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
Матрица опроса
эксперт |
факторы | |||
1 |
2 |
… |
n | |
1 |
x11 |
x12 |
… |
x1n |
2 |
x21 |
x22 |
… |
x2n |
… |
… |
… |
… |
… |
m |
xm1 |
xm2 |
… |
xmn |
При этом матрица опроса преобразуется в матрицу преобразованных рангов (табл. 8.2), для каждого столбца которой определяется сумма
. (8.2)
Таблица 8.2
Матрица преобразованных рангов
эксперт |
факторы | |||
1 |
2 |
… |
n | |
1 |
s11 |
s12 |
… |
s1n |
2 |
s21 |
s22 |
… |
s2n |
… |
… |
… |
… |
… |
m |
sm1 |
sm2 |
… |
smn |
Сумма |
S1 |
S2 |
… |
Sn |
По матрице преобразованных рангов определяется относительный вес каждого фактора по всем экспертам:
, . (8.3)
При анализе оценок, полученных от экспертов, часто возникает задача определения общей меры согласованности экспертных оценок. Для этого используют коэффициент конкордации W, который является числовым критерием согласованности мнений экспертов в рассматриваемой группе:
, (8.4)
где ,.
Отметим, что коэффициент конкордации всегда принимает значения от 0 до 1: .
Если оценки вех экспертов совпадают, то W= 1.
Если W <0,4, то говорят о слабой согласованности экспертов.
Если W >0,7, то о сильной согласованности.
Пример 8.1. Пять дегустаторов следующим образом выразили предпочтения вкусовым качествам продукта, выпускаемого пятью заводами (табл. 8.3). Определить степень согласованности мнений экспертов и относительный вес всех факторов.
Таблица 8.3
Оценки вкусовых качеств продукта
Дегустатор |
Завод |
итого | |||||
1 |
2 |
3 |
4 |
5 |
| ||
1 |
1 |
3 |
4 |
2 |
5 |
| |
2 |
1 |
2 |
5 |
3 |
4 |
| |
3 |
2 |
2 |
5 |
3 |
4 |
| |
4 |
1 |
1 |
4 |
5 |
3 |
| |
5 |
3 |
1 |
4 |
2 |
5 |
|
Решение.
1. Просуммируем значения оценок в каждом столбце таблицы 6.12. Найдем значения (таблица 8.4).
2. Вычислимсреднеее значение рангов
.
Таблица 8.4
Оценки вкусовых качеств продукта
Дегустатор |
Завод |
итого | |||||
1 |
2 |
3 |
4 |
5 |
| ||
1 |
1 |
3 |
4 |
2 |
5 |
| |
2 |
1 |
2 |
5 |
3 |
4 |
| |
3 |
2 |
2 |
5 |
3 |
4 |
| |
4 |
1 |
1 |
4 |
5 |
3 |
| |
5 |
3 |
1 |
4 |
2 |
5 |
| |
Rj |
8 |
9 |
22 |
15 |
24 |
75 | |
|
-7 |
-6 |
7 |
0 |
6 |
| |
|
49 |
36 |
49 |
0 |
36 |
170 |
3. Вычислим отклонения и квадраты отклонений.
4. Используя формулу (8.4) вычислим коэффициент конкордации .
Полученная величина коэффициента конкордации W=0,68 показывает среднюю степень согласованности мнений экспертов.
5. Матрицу опроса преобразуем в матрицу преобразованных рангов (табл. 8.5). Для этого в таблице 8.4 найдем максимальное значение оценки эксперта: = 5.
По формуле (8.1) вычислим значения преобразованных рангов. Например, ,, и т.д.
Таблица 8.5