Курсовая работа: Статистический анализ и прогнозирование

Для отображения основной тенденции развития явлений во времени применяются полиномы разной степени, экспоненты, логистические кривые и другие функции. В статистической практике параметры полиномов невысокой степени иногда имеют конкретную интерпретацию характеристик динамического ряда. Так, параметр  трактуется как характеристика средних условий ряда динамики, параметры , ,  - изменения ускорения. В статистике выработано правило выбора степени полинома модели развития, основанное на определении величин конечных разностей уровней динамических рядов. Согласно этому правилу полином первой степени (прямая) применяется как модель такого ряда динамики, у которого первые разности (абсолютные приросты) постоянны; полиномы 2-й степени – для отражения ряда динамики с постоянными вторыми разностями (ускорениями); полиномы 3-й степени – с постоянными третьими разностями и т.д. Для полиномиальных моделей характерно отсутствие прямой связи между абсолютными приростами и приростами уровней рядов динамики.

Линейная функция. Параметры линейного тренда можно интерпретировать так: а – начальный уровень временного ряда в момент времени t = 0; b – средний за период абсолютный прирост уровней ряда. Применительно к данному временному ряду можно сказать, что средний за год абсолютный прирост равен 4600,56 рублей.

У=-15095,5+4600,56t

R^2=0,84

Параметры экспоненциального тренда имеют следующую интерпретацию. Параметр а – это начальный уровень временного ряда в момент времени t = 0. Величина  – это средний за единицу времени коэффициент роста уровней ряда. Средний за год цепной темп прироста временного ряда составил 73,2%.

3.7 Экспоненциальное сглаживание

В настоящее время для учета степени «устаревания» данных во взвешенных скользящих средних используются веса, подчиняющиеся экспоненциальному закону, т.е. применяется метод экспоненциальных средних. Смысл экспоненциальных средних состоит в том, чтобы найти такие средние, в которых влияние прошлых наблюдений затухает по мере удаления от момента, для которого определяются средние. Веса в экспоненциальных средних устанавливаются в виде коэффициентов α (ΙαΙ < 1). Веса по времени убывают экспоненциально, а сумма весов стремится к 1. В качестве весов используется ряд:

; ; ;  и т.д.

Экспоненциальная средняя определяется по формуле Р. Брауна:

,

где  – экспоненциальная средняя (сглаженное значение уровня ряда) на момент t; α – вес текущего наблюдения при расчете экспоненциальной средней;  –фактический уровень динамического ряда в момент времени t;  –экспоненциальная средняя предыдущего периода.

Как видно из формулы, сглаженный по экспоненциальной средней уровень динамического ряда есть не что иное, как линейная комбинация двух величин: фактического уровня динамического ряда на момент времени t, т.е. , и среднего уровня (), рассчитанного для предыдущего периода. Таким образом, экспоненциальная средняя () формируется под влиянием всех предшествующих уровней ряда от его начала до момента t включительно.

Вес, с которым участвует каждый уровень динамического ряда в определении экспоненциальных средних, зависит от параметра сглаживания . Поэтому при использовании экспоненциальных средних в прогнозировании одной из важных проблем является выбор оптимального значения параметра .

Если коэффициент  близок к 0, то веса, по которым взвешиваются уровни динамического ряда, убывают медленно, и при прогнозе в этом случае учитываются все прошлые наблюдения. Если  близок к 1, то при прогнозировании учитываются в основном наблюдения последних лет, чем ближе  к 1, тем в большей мере сглаженные уровни воспроизводят фактические уровни динамического ряда.

Экспоненциальное сглаживание при разных значениях параметра

Как видим, уже при =0,9 экспоненциальные средние практически воспроизводят сам динамический ряд и не характеризует тренд. Выбор константы сглаживания  достаточно произволен. Обычно используются значения  в диапазоне от 0,1 до 0,5. При краткосрочных прогнозах чаще используется указанный диапазон значений : при повышении  увеличивается вес последних наблюдений. А для сглаживания случайных колебаний  уменьшается. При увеличении срока прогноза более поздняя информация должна иметь несколько меньший вес, т.е. величина уменьшается.

Страницы: 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15