Методы сбора данных. Сбор данных, сведение данных в таблицы, графическое отображение данных. Сбор первичной информации, страница 2

Ранговая корреляция: рассчитывается по формуле Спирмановского:

n – количество значений

d – Разница между параметрическими ранговыми корреляциями является показателем измерения силы линейной зависимости между двумя наборами рангов. ( от -1 до +1) 

Коэффициент детерминации: представляет собой альтернативный показатель оценки тесноты связи между двумя переменными. D =

Коэффициент детерминации показывает пропорцию общего изменения одной переменной ( y ), которую можно объяснить изменением второй переменной.

Метод регрессии: используется для определения зависимости между двумя и более переменными.

Пример: y = 10x

Так опис. y = a+ bx прямая линия регрессии. Линия регрессии – это линия наилучшего соответствия, проходящая через точки графика разброса.

Например: а=10, в = 20

У = а+вх,   у = 10+20х , х = 5

У = 10+20 * 5 = 110

По числу факторов различают одно – двух и многофакторные уравнения регрессии, по характеру связи однофакторные уравнения регрессии подразделяются:

Линейные (у = а+вх)

Степенные (у = ах^a)

Показательные (у = а+в^x)

Многофакторные:

Линейные (у = …………………..

Степенные (у = ……………….

Логарифмические (

Если в линейном а.. показывает коэффициент регрессии, то в степени логарифм. это коэффициенты эластичности.

Тема 3 Прогнозирование.

1. Элементы временных рядов

Временной ряд – ряд знач-й, взятых за времен-й период.

Для оценки времен-го ряда используются след. составляющие:

1) тренд

2) циклич-е колеб-я

3) сезонные колеб-я

4) случайные колеб-я

Тренд показывает общую тенденцию в изменениях времен-го ряда.

Циклич-е колеб-я – это колеб-я относит-но линии тренда для периодов свыше 1 года. Колеб-я фин. показ-лей, связанные с циклами деловой активности.

Сезонные колеб-я - это колеб-я относит-но линии тренда на протяжении 1 года или более.

Случайные колеб-я – колеб-я, кот. невозможно предугадать.

2. Выделение тренда

М-ды:

1) м-д регрессии

Построить график. Чтобы построить тренд нужно построить уравнение линейной регрессии. Д/оценки тренда, д/целей прогнозирования необходимо рассчитать коэф. корреляции м/годом и V продаж. Если коэф. корреляции невысокий, то сначала надо сгладить колеб-я, а потом делать прогноз. Сгладить колеб-я можно методом скользящих средних, центрирован-х скользящих средних и м-дом экспоненциального сглаживания.

2) м-д скользящих средних.

Позволяет сгладить ряд знач-й с тем, чтобы выделить тренд. При использовании этого м-да берется среднее (обычно среднеарифметич-е) знач-е фиксированного числа знач-й. Это вычисление повторяется по всему ряду знач-й. Получен-е скользящие средние обозначают общий тренд времен-го ряда. По вычисленным знач-ям строим тренд. Чтобы снять многие колеб-я исходных дан-х тренд можно сгладить еще больше, если увеличить число точек при вычислении скользящей средней, например, рассчитать скользящ. сред. по семи точкам

3) центрирован-е скользящие средние – когда вычисление скользящю сред-х производится по четному кол-ву точек

Д/того, чтобы построить график рекомендуется найти среднее знач-е каждой пары знач-й скользящих средних, т.е. двухточечное скользящее среднее скользящих средних.

4) м-д экспоненциального сглаживания

Сглаженное знач-е рассчитывается путем сочетания предыдущего сглаженного знач-я и текущ. знач-я времен-го ряда.

Расчет производится по формуле:

3. Сезонные колеб-я

При оценке сезон. колеб. используются:

1. м-д сложения

Используется в случае, когда сезон-е составляющие относит-но постоянно по всему анализируемому периоду.

Формула:

2. м-д умножения

Используется когда сезон-е составляющие изменяются пропорционально анализируемому периоду.

4. Циклич-е колеб-я

Их выявить намного сложнее, т.к. данные д.б. за  несколько лет. М-ды сглажив-я циклич-х колеб-йприменяются скользящие средние и м-ды экспоненциального сглажив-я. Д/точности расчета циклич. колеб. можно дополнить расчетом сезон-х колеб-й.

Модели прогнозиров-я, учитывающие цикличю составляющие имеют след. вид:

М-д слож-я:

М-д умнож-я:

Циклич. колеб. рассчитываются т/же при прогнозиров-ии спроса в соответ-е с ЖЦ товара.

5. Случ-е колеб-я: ошибки при прогонозировании.

Опред-е степени и величины случ. колеб. м. помочь в установлении точности в модели прогнозиров-я. Такие случ. колеб. рассматриваются как ошибки прогноза. Ошибки прогноза выявляются путем сопоставления прогнозной модели с реально полученными данными. При оценке эффектив-сти модели прогнозиров-я используются средняя ошибка и среднеквадратич-я ошибка.

6. Эффектив-сть моделей прогнозиров-я

Эффектив-сть моделей зависит от ряда факторов:

1. имеющиеся данные: за какой промежуток времени имеются данные? Д/того, чтобы прогноз был достоверный, дан-е д.б. не менее, чем за 4-5 лет. Используемые дан-е д.б. типичными. Данные нетипичных годов (1998) лучше исключить.

2. Используемая модель прогнозиров-я.

3. Признание модели объективной: прежде чем использовать для составления прогноза, необходимо проверить модель на объективность. Рассчитываются теоретич. знач-я за прошлые года и сравниваются с фактич. данными. Если ошибки небольшие, то м. использовать.

4. Внесение изменений в сущ-щую модель при необходимости.

Внеш. факторы, влияющие на эффектив-сть модели прогонозиров-я. Их невозможно предугадать Þ они не включаются в модель прогнозиров-я.