Содержание
- 2. Высшая школа экономики, Санкт-Петербург Классификация социально-экономических процессов по типу динамики фото фото фото
- 3. Высшая школа экономики, Санкт-Петербург Базовые определения фото фото фото Под стационарными рядами понимаются ряды случайных процессов,
- 4. Высшая школа экономики, Санкт-Петербург Методы прогнозирования в зависимости от типов процессов фото фото фото Методы математической
- 5. Мы рассмотрим прогнозирование только стационарных процессов
- 6. Нормальный закон распределения вероятностей случайной величины Обратимые социально-экономические процессы бывают самой разнообразной природы. Но в подавляющем
- 7. Нормальный закон распределения вероятностей случайной величины Гаусс предложил функцию, аппроксимирующую нормальный закон распределения вероятностей, и носящую
- 8. Средняя арифметическая и её свойства В числе средних величин, используемых в прогнозировании, на первом месте стоит
- 9. Прогноз случайной стационарной величины Если есть основания считать, что случайная величина распределена нормально, то её лучшей
- 10. Пример Средняя арифметическая цены 0,5 литра ряженки по данным 126 магазинов Выборгского района Санкт-Петербурга составила (руб.):
- 11. Чаще всего приходится иметь дело с нормально распределёнными случайными процессами Это означает, что схема прогнозирования такая:
- 12. Как выявить причинно-следственную связь? Взаимосвязь между двумя случайными факторами называется «корреляционной». Если мы говорим о корреляции
- 13. Как выявить причинно-следственную связь? Наиболее часто в корреляционном анализе используется коэффициент парной корреляции, который был выведен
- 14. Типовые прогнозные модели Самый простой случай для прогнозирования, — когда число изменяющихся факторов равно единице. В
- 15. Типовые прогнозные модели Линейная функция:
- 16. Типовые прогнозные модели Модель квадратичной функции:
- 17. Типовые прогнозные модели Модель многочлена третьей степени:
- 18. Типовые прогнозные модели Модель степенной функции:
- 19. Типовые прогнозные модели Модель гиперболы:
- 20. Типовые прогнозные модели Модель показательной функции:
- 21. Типовые прогнозные модели Модель логарифмической функции:
- 22. Метод наименьших квадратов Рассмотрим вначале простую линейную модель: Она описывает исходные значения показателя yt с некоторой
- 23. Метод наименьших квадратов Метод наименьших квадратов предусматривает нахождение таких коэффициентов модели, для которых сумма квадратов отклонений
- 24. Метод наименьших квадратов, для квадратичной функции (и любой аддитивной функции) использовать легко:
- 25. Нелинейные модели Для мультипликативных моделей непосредственное использование МНК ведёт к необходимости решения системы нелинейных уравнений. Например,
- 26. Нелинейные модели В таком случае используют приём линеаризации модели: Для линеаризованной модели получим:
- 27. Как выполнить прогноз? После вычисления с помощью МНК (или какого-нибудь другого метода) коэффициентов модели, вычисляют дисперсию
- 28. Метод наименьших квадратов для многофакторных моделей Многофакторные модели могут быть как линейными, так и нелинейными. Рассмотрим
- 29. Метод наименьших квадратов
- 30. Мультиколлинеарность Мультиколлинеарность, как следует из самого названия, возникает тогда, когда факторы модели имеют одинаковые, монотонные относительно
- 32. Скачать презентацию