Информационные технологии прогнозирования состояний экономических объектов, страница 17

D S_T = TS []^1/2 *

*[1 +1/T + (S_n+T – )² /]^1/2.    

Автоматизация прогнозирования ЭО по их РАР моделям поддерживается во многих современных статистических пакетах (например, Statistica в среде Windows).

Вопросы для самопроверки к главе 1

1. В чем смысл прогнозирования состояний ЭО по его динамической модели.

2. Объясните смысл помех, описываемых сезонной, циклической и и стохастической компонентами вектора состояний ЭО.

3. Объясните модель парной линейной регрессии.

4. Объясните модель множественной линейной регрессии.

5. Чему равно математическое ожидание для стационарной авторегрессии первого порядка при отличном от 1 выборочном коэффициенте корреляции?

6. Как определяются параметры стационарной авторегрессии второго порядка?

7.  Какой моделью обычно описывают коррелированную стохастическую переменную?

8. Чем отличаются оперативное и стратегическое прогнозирование?

9. Какой из регрессионных анализов является самым простым и надежным для отражения тенденций в стратегическом прогнозировании?

10. Какие критерии используют для оценивания адекватности регрессионных моделей?

11. Какими критериями пользуются дл оценивания степени близости регрессионных моделей к фактическим данным?

Глава 2.  Прогнозирование состояний экономических

                 объектов на основе их стохастических

                 моделей

2.1. Условные математические ожидания.

Не каждый ЭО может быть описан рассмотренными в главе 1 динамическими моделями. Часто возникают ситуации, когда по имеющейся информации (данным), например, совокупности X некоторого компонента вектора S состояния ЭО, требуется предсказать (оценить) некоторую величину Y, стохастически связанную с X. Стохастическая связь означает, что X и Y имеют некоторое совместное распределение Pr(X, Y). Причем, непосредственно величину Y измерить невозможно. Например, совокупность X может быть образована временным рядом S₁, S₂, … , s_t динамической переменной ЭО, а Y = S_t+T . Следовательно, есть величины, доступные измерению в некотором интервале времени, а прогнозу подлежат величины, связанные с будущим, невозможным наблюдению. Аналогичная ситуация встречается при многофакторном анализе, когда необходимо восстановить статистическую связь некоторого ненаблюдаемого параметра Y ЭО с N наблюдаемыми факторами X₁, X₂, … , X_N .