- •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
Расчетная таблица метода Фостера-Стюарта
год | |||||
2000 |
221,6 |
- |
- |
- |
- |
2001 |
219,9 |
0 |
1 |
1 |
-1 |
2002 |
217,8 |
0 |
1 |
1 |
-1 |
2003 |
215,8 |
0 |
1 |
1 |
-1 |
2004 |
212,6 |
0 |
1 |
1 |
-1 |
2005 |
212,8 |
0 |
0 |
0 |
0 |
2006 |
209,5 |
0 |
1 |
1 |
-1 |
2007 |
207 |
0 |
1 |
1 |
-1 |
2008 |
207,7 |
0 |
0 |
0 |
0 |
2009 |
207,4 |
0 |
0 |
0 |
0 |
2010 |
209,5 |
0 |
0 |
0 |
0 |
2011 |
206,8 |
0 |
1 |
1 |
-1 |
.
Выдвигаем две гипотезы:
1) Гипотеза об отсутствии тенденции в средней
2) Гипотеза об отсутствии тенденции в дисперсиях
Эти гипотезы проверяются с помощью t-критерия Стьюдента
По таблице значений средней μ и стандартных ошибок ,при n=12 находим:,.
.
Так как , то гипотеза об отсутствии тенденции в средней отвергается с вероятностью ошибки 0,05, следовательно, средние существенно различаются между собой , в ряду динамики существует тенденция средней и, следовательно, в ряду динамики существует тренд.
Так как , то гипотеза об отсутствии тенденции в дисперсиях числа зарегистрированных разбоев в РФ не противоречит опытным данным, следовательно, дисперсии различаются незначительно, тенденция дисперсий в ряду динамики отсутствует, тренда в ряду динамики не существует.
Метод скользящих средних используется в том случае, когда необходимо представить общую картину развития, основанную на механическом повторении одних и тех же действий по увеличению интервала времени.
Метод скользящих средних дает оценку среднего уровня за некоторый период времени, чем больше интервал времени, к которому относится средняя, тем более плавным будет сглаживаемый уровень, но тем менее точно будет описана тенденция исходного ряда динамики.
Сглаживание ряда динамики с помощью скользящей средней заключается в том, что вычисляется средний уровень из определенного числа первых по порядку уровней ряда, затем — средний уровень из такого же числа уровней, начиная со второго, далее — начиная с третьего и т.д. Таким образом, при расчетах среднего уровня как бы «скользят» по ряду динамики от его начала к концу, каждый раз отбрасывая один уровень в начале и добавляя следующий. Отсюда название — скользящая средняя.
Каждая скользящая средняя — это средний уровень за соответствующий период, который относится к середине выбранного периода.
Определение скользящей средней по четному числу членов ряда осложняется тем, что средняя может быть отнесена только к середине между двумя датами, находящимися в середине интервала сглаживания.
Если число членов скользящей средней обозначить через 2к, то срединным будет уровень, относящийся к «к+1/2» члену ряда, т.е. имеет место сдвиг периода, к которому относится уровень. Например, средняя, найденная для четырех членов, относится к середине между вторым и третьим периодами, следующая средняя — к середине между третьим и четвертым, и т.д. Для устранения этого используют процедуру центрирования, которая заключается в нахождении средней из двух смежных скользящих средних для отнесения полученного уровня к определенной дате.
Метод простой скользящей средней приемлем, если графическое изображение ряда динамики напоминает прямую линию. В этом случае не искажается динамика исследуемого явления.
Метод аналитического выравнивания заключается в нахождении аналитической функции, выражающей развитие явления за рассматриваемый период времени. При этом решаются следующие задачи:
a) выбор вида уравнения, отображающего тип развития;
б) анализ схемы сбора фактических данных и определение параметров модели;
в) определение методов преобразования исходных данных с целью сведения сложных
уравнений к более простым;
г) выявление степени близости теоретических и фактических данных.
Найденная модель позволяет получить выровненные или, как иногда называют, теоретические значения уровней, которые наблюдались бы при совпадении динамики явления с кривой найденной модели.