- •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
Расчет оценок сезонной компоненты в мультипликативной модели
№ квартала, t |
Товарооборот % к предыдущему периоду, yt |
Итого за четыре квартала |
Скользящая средняя за четыре квартала |
Центрированная скользящая средняя |
Оценка сезонной компоненты |
1 |
2 |
3 |
4 |
5 |
6 |
1 |
52 |
|
|
|
|
2 |
66 |
198 |
49,50 |
|
|
3 |
50 |
208 |
52,00 |
50,750 |
0,985 |
4 |
30 |
217 |
54,25 |
53,125 |
0,565 |
5 |
62 |
235 |
58,75 |
56,500 |
1,097 |
6 |
75 |
253 |
63,25 |
61,000 |
1,230 |
7 |
68 |
263 |
65,75 |
64,500 |
1,054 |
8 |
48 |
284 |
71,00 |
68,375 |
0,702 |
9 |
72 |
299 |
74,75 |
72,875 |
0,988 |
10 |
96 |
309 |
77,25 |
76,000 |
1,263 |
11 |
83 |
309 |
77,25 |
77,250 |
1,074 |
12 |
58 |
307 |
76,75 |
77,000 |
0,753 |
13 |
72 |
314 |
78,50 |
77,625 |
0,928 |
14 |
94 |
320 |
80,00 |
79,250 |
1,186 |
15 |
90 |
|
|
|
|
16 |
64 |
|
|
|
|
Таблица 3.8
Расчет значений сезонной компоненты в мультипликативной модели
Показатели |
Год |
№ квартала, i | |||
I |
II |
III |
IV | ||
|
1 |
- |
- |
0,985 |
0,565 |
|
2 |
1,097 |
1,230 |
1,054 |
0,702 |
|
3 |
0,988 |
1,263 |
1,074 |
0,753 |
|
4 |
0,928 |
1,186 |
- |
- |
Итого |
|
3,013 |
3,679 |
3,114 |
2,020 |
|
1,004 |
1,226 |
1,038 |
0,673 | |
Si |
|
1,019 |
1,244 |
1,053 |
0,683 |
Проверим условие равенства четырем суммы значений сезонных компонент:
1,019 + 1,244 + 1,053 + 0,683 = 4.
Таким образом, получены следующие значения сезонной компоненты:
I квартал:S1= 1,019;II квартал:S2= 1,244;
III квартал:S3= 1,053;IV квартал:S4= 0,684.
Занесем полученные данные в столбец 3 табл. 3.9.
Шаг 4. Разделим каждый уровень исходного ряда (таблица 3.9 столбец 2), на соответствующие значения сезонной компоненты (таблица 3.9 столбец 3). Тем самым мы получим величиныTE=Y:S(таблица 3.9 столбец 4), которые содержат только тренд и случайную компоненту.
Шаг 5.Определим компонентуTмультипликативной модели. Параметры уравнения линейного трендаT=a + b·tможно найти, воспользовавшись статистической функциейЛИНЕЙН.В качестве аргументов функции следует взять:
Известные_значения_y – диапазон, содержащий выровненныеданные TE(таблица 3.9 столбец 4);
Известные_значения_x – диапазон, содержащий данные t (таблица 3.9 столбец 1).
Линейный тренд для данной модели будет следующим:
T= 44,142 + 2,808·t
Подставляя в это уравнение значения t= 1, …, 16, найдем уровниTдля каждого момента времени, т. е. найдем теоретические значения уровней ряда (таблица 3.9 столбец 5). График уравнения тренда приведен на рисунке 3.3.
Шаг 6. Найдем уровни ряда по мультипликативной модели. Для этого умножим уровниT(таблица 3.9 столбец 5), на значения сезонной компоненты соответствующего квартала (таблица 3.9 столбец 3), результат запишем в таблицу 3.9 столбец 6. Графически значения (TS) представлены на рисунке 3.3.
Шаг 7. Для мультипликативной модели расчет ошибки производится по формулеE=Y: (TS).
Численные значения ошибок приведены в столбце 7 таблицы 3.9.
Рис. 3.3. Товарооборот компании
Таблица 3.9