- •Введение
- •Змістовний модуль 1. Прогнозування економічних процесів за допомогою трендових моделей Задание 1 «Обґрунтування трендової прогнозної моделі збуту продукції»
- •Исходные данные к заданию 1– спрос на продукцию в штуках
- •Расчет необходимых сумм для вычисления параметров модели
- •Расчет необходимых сумм для вычисления параметров параболы
- •Пороговые значения r и r2 при 90 % уровне доверия
- •Показатели точности прогноза
- •Определение знаков серий
- •Расчет коэффициентов автокорреляции для 4 сдвигов
- •Расчет критерия Джона фон Неймана Кн
- •Завдання 2 «Обґрунтування прогнозу збуту продукції за допомогою коливальних функцій»
- •Исходные данные к заданию 2
- •Расчет параметров колебательной функции
- •Расчет параметров колебательной функции
- •Змістовний модуль 2 «Прогнозування за допомогою змінної середньої, авторегресивних та статистичних моделей» Задание 3 «Обгрунтування прогнозної моделі збуту продукції за допомогою зміної середньої»
- •Задача 1
- •Расчет прогноза по методу р. Брауна и д. Тригга
- •Расчет параметров модели
- •Расчет показателей для оценки автокорреляции
- •Задача 2
- •Исходные данные к задаче 2 - спрос в шт.
- •Расчет параметров модели
- •Расчет параметров модели
- •Задание 5 «Обгрунування регресивної моделі витрат»
- •Задача 1
- •Оценка моделей (линейная функция)
- •Задача 2
- •Расчет параметров колебательной функции
- •Расчет параметров колебательной функции
- •Расчет параметров колебательной функции с тенденцией
- •Задача 3
- •Оценка точности динамической модели
- •Выбор эффективной модели прогноза
- •Рекомендованная литература
- •Исходные данные №1 к заданию 5
- •Исходные данные № 2 к заданию 5
- •Значения критерия Фишера f при вероятности 0,95
- •Коэффициенты автокорреляции при 5-ти и 1 процентных уровнях значимости
- •Методичні рекомендації до лабораторних робіт з навчальної дисципліни «Прогнозування розвитку підприємства» для студентів спеціалізації «Менеджмент організацій» денної форми навчання
Определение знаков серий
t |
Ошибка е
|
Вариационный ряд (по возрастанию ошибки е) |
Знак серии (сравнение е с медианой ем) |
1 |
2 |
3 |
4 |
1 |
- 3 |
56 |
- |
2 |
41 |
23,8 |
+ |
… |
… |
|
|
8 |
eм |
-1,2 |
0 |
… |
… |
|
|
15 |
2,1 |
46,3 |
+ |
Оценка наличия автокорреляции.
6.1. Коэффициент автокорреляции рассчитывается по формуле
. (22)
Сравниваем расчетный коэффициент автокорреляции (ra) с табличным значением (r5%) для 5 % уровня значимости (табл. А 6). Если ra > r5%, то есть автокорреляция и надо строить авторегрессивную модель
= в1 Yt-1 + в2 Yt-2 +... +вkYt-k. (23)
Расчет коэффициентов автокорреляции (для 4 сдвигов) делаем с помощью необходимых сумм табл. 7.
6.2. Критерий Дарбина –Уотсона
. (24)
Таблица 7
Расчет коэффициентов автокорреляции для 4 сдвигов
t |
et |
et-1 |
etet-1 |
et2 |
et-2 |
etet-2 |
et-3 |
etet-3 |
et-4 |
etet-4 |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
11 |
1 |
-3 |
2,1 |
- 6,1 |
9 |
1,1 |
-3,3 |
0,5 |
- 1,5 |
-1,4 |
5,2 |
… |
… |
… |
… |
… |
… |
… |
… |
… |
… |
… |
15 |
2,1 |
1,1 |
2,31 |
4,41 |
0,5 |
1,05 |
-1,4 |
-2,94 |
0,2 |
0,42 |
Расчет необходимых сумм приведен в табл. 8.
Если d = 2 - нет автокорреляции;
d < d1 ряд содержит положительную автокoрреляцию;
d1 < d < d2 неопределенность;
d > 4 d1 отрицательная автокорреляция;
d2 < d < 4 - d2, то нет автокорреляции;
4 - d2 < d < 4 – d1 – неопределенность.
Значения d1 и d2 затабулированы (табл. А 4) для разного числа наблюдений, начиная с 15, и разного количества параметров модели прогноза. Если модель не имеет свободного члена, то критерий Дарбина –Уотсона не используется.
6.3. Критерий Джона фон Неймана:
Кн = . (25)
В этой формуле в числителе стоит сумма квадратов разностей последующих (et) и предыдущих (et-1) ошибок. Расчет необходимых сумм приведен в табл. 8.
Таблица 8
Расчет критерия Джона фон Неймана Кн
T |
et |
еt2 |
еt еt -1 |
(еt еt -1)2 |
1 |
2 |
3 |
4 |
5 |
1 |
3 |
9 |
|
|
2 |
+41 |
1681 |
41(3)= 44 |
1936 |
... |
... |
... |
... |
... |
15 |
2,1 |
2,31 |
2,1-1,1=1 |
1 |
|
|
|
|
|
Расчетный критерий Кн сравниваем с табличным (табл. А 5), вычисленным для положительной (Кн) и отрицательной (Кн) корреляции.
Если расчетный критерий попадает в интервал Кн Кн Кн, то нет автокорреляции. Если Кн Кн, то имеется во временном ряду положительная автокорреляция, если Кн > Кн то отрицательная.
7. Расчет прогноза и доверительных интервалов.
Подставляем в прогнозную модель t =16 (t = n + , где период упреждения: при = 1 получаем t =15 +1= 16), и определяем точечный прогноз .
Для расчета доверительных интервалов надо знать стандартную ошибку прогноза:
S t + = . (26)
Ее вычисляют для заданного периода упреждения. В нашем задании = 1. Зная стандартную ошибку прогноза и точечный прогноз, определяют доверительные интервалы ожидаемого размера спроса на продукцию для 95 % вероятности по формуле:
. (27)
В нашем примере Y16 ± 2S16. Полученное значение прогноза и его доверительные интервалы наносят на график динамики.