Использование математических методов в процессе массовой оценки прогнозирования корреляционнорегрессионого анализа. (Тема 6) презентация
Содержание
- 2. 6.1 Сущность и виды прогнозирования Основные понятия: Сущность прогнозирования Виды прогнозов
- 3. 6.2 Прогнозирование с помощью методов экстраполяции Основные понятия: Установление цели и задачи исследования, анализ объекта прогнозирования
- 4. 1. Установление цели и задачи исследования, анализ объекта прогнозирования Анализ зависимости рассматриваемого объекта (параметра, показателя) от
- 5. 2. Подготовка исходных данных: проверка временного ряда; формирование массива функций.
- 6. 3. Фильтрация исходного временного ряда (сглаживание и выравнивание) где - значения исходной и сглаженной функции в
- 7. Сглаживание по 5 точкам (6) (8) (5) (7) (4)
- 8. Выравнивание (логарифмирование или замена переменных) где - время, - параметры (9) (10)
- 9. Пример 1 Исходная функция Логарифмируя, получим Вводя замену переменных, имеем: где
- 10. 4. Логический отбор видов аппроксимирующей функции а) является ли исследуемый показатель величиной монотонно возрастающей (убывающей), стабильной,
- 11. Виды используемых полиномов (11) (12) (13)
- 12. (14) (15) (16) (17) (18) (19) (20)
- 14. Метод наименьших квадратов где - расчетные (теоретические) значения исходного ряда; - фактические значения исходного ряда; -
- 16. Метод экспоненциального сглаживания t0-m t0-2 t0-1 t0 tn
- 17. где - коэффициенты; - порядок полинома; - случайная ошибка. где - параметр сглаживания
- 18. Формула Брауна Начальные условия
- 19. Формула Брауна-Мейера где ; - оценки коэффициентов.
- 20. Линейная модель Брауна Начальные приближения для случая линейного тренда равны ; (27) (28)
- 21. ; (29) Оценки коэффициентов линейного тренда ; (31) . (32)
- 22. Прогноз на шагов (на время ) равен Ошибка прогноза
- 24. где - период прогноза; - среднеквадратическая ошибка аппроксимации исходного динамического ряда.
- 25. Пример
- 28. Прогноз на 2011 У = 37,5 + 2,7*5= 51
- 29. Основная ошибка
- 30. Параметр сглаживания
- 31. Для вычислим экспоненциальные средние и коэффициенты
- 33. =1, 2, ...
- 34. Ошибка прогноза
- 35. 6. Выбор математической модели прогнозирования
- 37. Независимость уровней. Критерий Дарбина-Уотсона - объем выборки. уровни фактического динамического ряда теоретические (прогнозные) уровни динамического ряда
- 39. где - статистика Дарбина-Уотсона.
- 40. Случайность уровней
- 41. Соответствие нормальному закону распределения
- 42. Фактические и прогнозные значения показателя
- 45. где - максимальный уровень ряда остатков ( ), - минимальный уровень ряда остатков ( ), -
- 46. t –критерий Стьюдента
- 48. Оценка стандартной ошибки n - число наблюдений; p - число определяемых коэффициентов модели
- 49. Средняя относительная ошибка оценки
- 50. Среднее линейное отклонение
- 51. Ширина доверительного интервала в точке прогноза
- 52. Стандартные ошибки коэффициентов регрессии
- 53. Несмещенная оценка дисперсии случайной составляющей - фактические значения динамических рядов и ; - теоретическое значение, рассчитанное
- 54. - верхнее и нижнее значения параметра модели прогноза; - верхнее и нижнее значение параметра - модели
- 55. 6.3 Сущность и цели корреляционно-регрессионого анализа (КРА) Основные понятия: Зависимости Регрессия Корреляция Задачи анализа Уравнение регрессии
- 57. Виды регрессий
- 58. Задачи регрессионного анализа Установление формы зависимости. Определение функции регрессии и установление влияния факторов на зависимую переменную.
- 59. Виды корреляции
- 60. Задачи корреляционного анализа Измерение степени связности (тесноты, силы). Отбор факторов, оказывающих существенное влияние. Обнаружение неизвестных причинных
- 61. Среднее значение переменной Дисперсия Основные понятия КРА
- 62. Ковариация: Коэффициент корреляции: .
- 63. Общая дисперсия Остаточная дисперсия Коэффициент множественной корреляции
- 64. Коэффициент детерминации Стандартная ошибка оценки равна
- 65. Корреляционное отношение
- 66. 6.4 Методика проведения КРА Основные понятия: Исходные предпосылки Свойства исходных данных 1. Априорное исследование экономической проблемы.
- 67. Исходные предпосылки При нахождении оценок переменной предполагается существование зависимости переменной только от тех объясняющих переменных, которые
- 68. Свойства данных оценки параметров регрессии Несмещенность Состоятельность Эффективность Достаточность
- 71. Отрицательное воздействие мультиколлинеарности: 1. Усложняется процедура выбора главных факторов. 2. Искажается смысл коэффициента множественной корреляции (он
- 75. =0
- 76. где - коэффициент -го фактора; - среднеквадратическое отклонение к- го фактора; - среднеквадратическое отклонение функции -
- 81. и
- 84. Скачать презентацию