Слайд 2Теория прогнозирования включает:
анализ объекта прогнозирования
методы прогнозирования:
1. мaтематические(формализованные)
-симплексные(простые)
![Теория прогнозирования включает: анализ объекта прогнозирования методы прогнозирования: 1. мaтематические(формализованные) -симплексные(простые) -статистические](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/397719/slide-1.jpg)
-статистические
-комбинированные
2. экспертные (интуитивные)
-индивидуальные
-коллективные
-комбинированные
системы прогнозирования
Слайд 3Метод экспоненциального сглаживания с одним параметром
Где -прогнозируемое значение в момент времени t+1
-параметр
![Метод экспоненциального сглаживания с одним параметром Где -прогнозируемое значение в момент времени](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/397719/slide-2.jpg)
сглаживания, определяющий значение веса, которое имеет самое последнее наблюдение при вычислении прогноза на один шаг
Слайд 4Где n-число учитываемых периодов времени
m-количество параметров показательного сглаживания
![Где n-число учитываемых периодов времени m-количество параметров показательного сглаживания](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/397719/slide-3.jpg)
Слайд 8Метод скользящего среднего по m узлам
Формула скользящего среднего по m узлам:
Недостатки:
1.все
![Метод скользящего среднего по m узлам Формула скользящего среднего по m узлам:](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/397719/slide-7.jpg)
значения имеют одинаковый вес
2.не даст точного прогноза если данные
монотонно возрастают или убывают
3.большое количество промежуточных
вычислений
Слайд 9Метод взвешенного скользящего среднего
Данные для расчета среднего берутся с разными весами.
Например, если
![Метод взвешенного скользящего среднего Данные для расчета среднего берутся с разными весами.](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/397719/slide-8.jpg)
m=4, то взвешенное среднее на 13 период:
где веса (неотрицательные числа).Их сумма равна 1 и
Слайд 10Метод экстраполяции тренда
закономерность, действующая внутри анализируемого временного ряда, выступающего в качестве базы
![Метод экстраполяции тренда закономерность, действующая внутри анализируемого временного ряда, выступающего в качестве](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/397719/slide-9.jpg)
прогнозирования, сохраняется и на период прогноза.
Прогнозирование в этом случае можно свести к подбору аналитически выраженных моделей трендов типа у = f(t) по данным предпрогнозного периода и экстраполяции полученных трендов на интервале прогноза
Слайд 11Аддитивная модель прогноза
где - прогнозные значения временного ряда,
- сезонные колебания или
![Аддитивная модель прогноза где - прогнозные значения временного ряда, - сезонные колебания](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/397719/slide-10.jpg)
сезонная волна,
- циклические колебания,
- составляющая, позволяющая учесть другие важные для прогноза факторы.
- случайная величина отклонения прогноза, обусловленного стохастическим характером социально-экономических процессов
Слайд 12Мультипликативная модель прогноза
где
![Мультипликативная модель прогноза где](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/397719/slide-11.jpg)
Слайд 14Процедура прогнозирования
Подбор зависимости для описании
уравнения тренда. Параметры модели прогнозирования определяются методом
![Процедура прогнозирования Подбор зависимости для описании уравнения тренда. Параметры модели прогнозирования определяются](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/397719/slide-13.jpg)
наименьших квадратов (МНК).
Если модель тренда линейна ,то
Слайд 152. Продолжение полученного тренда за интервал значений, по которым строилась зависимость, или
![2. Продолжение полученного тренда за интервал значений, по которым строилась зависимость, или](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/397719/slide-14.jpg)
определение точечного прогноза.
Соотношение длины предпрогнозного периода и периода прогноза должно быть не менее 3:1.
Слайд 163. Расчет ошибки прогноза.
Погрешность прогноза можно оценить по среднеквадратичному отклонению:
где -
![3. Расчет ошибки прогноза. Погрешность прогноза можно оценить по среднеквадратичному отклонению: где](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/397719/slide-15.jpg)
расчетные, теоретические значения,
- фактические значения,
- число степеней свободы.
Погрешность прогноза отражается в виде доверительного интервала; точечный прогноз преобразуется в интервальный.
Слайд 174. Определение интервала прогноза
Доверительный интервал прогноза (при условии небольшого числа наблюдений,
![4. Определение интервала прогноза Доверительный интервал прогноза (при условии небольшого числа наблюдений, нормального распределения прогнозных оценок):](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/397719/slide-16.jpg)
нормального распределения прогнозных оценок):
Слайд 18Пример
На основании полученных зависимостей рассчитываются прогнозные оценки:
- расчет среднего времени расхода
![Пример На основании полученных зависимостей рассчитываются прогнозные оценки: - расчет среднего времени расхода](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/397719/slide-17.jpg)
Слайд 21Величина страхового запаса:
где t – количество дней задержки поставки заказа
Вероятность отсутствия
![Величина страхового запаса: где t – количество дней задержки поставки заказа Вероятность отсутствия дефицита: замена ;](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/397719/slide-20.jpg)
дефицита:
замена ;
Слайд 24Экспоненциальное сглаживание с учетом тренда
Метод Хольта или двухпараметрический метод экспоненциального сглаживания.
сглаживание данных:
сглаживание
![Экспоненциальное сглаживание с учетом тренда Метод Хольта или двухпараметрический метод экспоненциального сглаживания.](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/397719/slide-23.jpg)
тренда:
прогноз на период t+k:
где - сглаженное значение прогнозируемого показателя для периода t, - оценка прироста тренда,
- параметры сглаживания ,
k- количество периодов времени, на которые производится прогноз.
Слайд 25Прогнозирование с учетом сезонной составляющей
Определение структуры сезонных изменений и периода колебаний
Оценка и
![Прогнозирование с учетом сезонной составляющей Определение структуры сезонных изменений и периода колебаний](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/397719/slide-24.jpg)
исключение тренда
Определение сезонной компоненты
Прогнозирование на основе данных, из которых исключена сезонная составляющая
Вычисление ошибки модели прогноза
Слайд 26Экспоненциальное сглаживание с тремя параметрами
Предложена Винтерсом в 1960 г.
Сглаживание исходного ряда:
Сглаживание тренда:
Оценка
![Экспоненциальное сглаживание с тремя параметрами Предложена Винтерсом в 1960 г. Сглаживание исходного](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/397719/slide-25.jpg)
сезонности:
Прогноз на р периодов вперед:
Слайд 28Анализ Фурье
Параметры модели определяются по методу наименьших квадратов.
Для применения этого метода необходимо,
![Анализ Фурье Параметры модели определяются по методу наименьших квадратов. Для применения этого](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/397719/slide-27.jpg)
чтобы количество точек исходного ряда являлось степенью числа 2.
Слайд 30Экспертные методы прогнозирования
![Экспертные методы прогнозирования](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/397719/slide-29.jpg)
Слайд 31Формирование группы экспертов
где - компетентность i-го эксперта, рассчитанная на основе анкеты самооценки
![Формирование группы экспертов где - компетентность i-го эксперта, рассчитанная на основе анкеты](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/397719/slide-30.jpg)
или другим способом,
- максимальная возможная компетентность по используемой шкале компетентности экспертов
Слайд 32Методы выбора экспертов
самооценка
оценка группой каждого специалиста
оценка на основе результатов прошлой деятельности
определение компетентности
![Методы выбора экспертов самооценка оценка группой каждого специалиста оценка на основе результатов](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/397719/slide-31.jpg)
кандидатов в эксперты.
Слайд 33Метод простого ранжирования
каждый эксперт располагает признаки в порядке предпочтения.
Методика статистической обработки
![Метод простого ранжирования каждый эксперт располагает признаки в порядке предпочтения. Методика статистической](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/397719/slide-32.jpg)
данных:
1.определение для каждого фактора суммы рангов:
Слайд 34 2. определение средней величины суммы рангов:
3. определение суммы квадратов отклонения:
4. определение
![2. определение средней величины суммы рангов: 3. определение суммы квадратов отклонения: 4. определение коэффициента конкордации:](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/397719/slide-33.jpg)
коэффициента конкордации:
Слайд 35Метод задания весовых коэффициентов
состоит в присвоении всем признакам весовых коэффициентов (коэффициентов важности)
обобщенное
![Метод задания весовых коэффициентов состоит в присвоении всем признакам весовых коэффициентов (коэффициентов](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/397719/slide-34.jpg)
мнение экспертов рассчитывается как среднее арифметическое
Для применения результатов экспертного опроса, выполненного по данному методу, также требуется проверка согласованности мнений экспертов.
Слайд 36Метод последовательных сравнений
Эксперт i упорядочивает все признаки в порядке уменьшения их значимости:
![Метод последовательных сравнений Эксперт i упорядочивает все признаки в порядке уменьшения их](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/397719/slide-35.jpg)
Эксперт присваивает первому признаку значение, равное 1, а остальным назначает весовые коэффициенты в долях единицы
Проводится сравнение первого признака с суммой коэффициентов всех последующих
Эксперт выбирает наиболее приемлемый вариант и проводит в соответствии с ним оценку первого признака.
Слайд 37 5. Процедура повторяется с отбраковкой последних признаков по одному до сравнения
![5. Процедура повторяется с отбраковкой последних признаков по одному до сравнения с](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/397719/slide-36.jpg)
с признаками
6. Эксперт переходит к сравнению с последующими признаками.
7. Процедура заканчивается, когда возможности сравнения будут исчерпаны.
Слайд 38Метод парных сравнений
Каждый i-й эксперт проводит попарную оценку приоритетности признаков (Х). При
![Метод парных сравнений Каждый i-й эксперт проводит попарную оценку приоритетности признаков (Х).](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/397719/slide-37.jpg)
этом каждым экспертом заполняется матрица элементы которой в зависимости от выбора эксперта определяются по формуле :
Определяется сумма матриц всех экспертов. Суммирование проводится по элементам матрицы. Элемент суммарной матрицы определяется по следующей формуле:
Слайд 393. Определяется результирующая матрица R, каждый элемент которой определяется по формуле :
4.
![3. Определяется результирующая матрица R, каждый элемент которой определяется по формуле :](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/397719/slide-38.jpg)
Находится сумма баллов, которую набрал каждый признак.
Слайд 41Весовые коэффициенты рассчитываются по формуле:
Для двух прогнозов:
Среднее значение комбинированного прогноза:
Дисперсия комбинированного прогноза:
![Весовые коэффициенты рассчитываются по формуле: Для двух прогнозов: Среднее значение комбинированного прогноза: Дисперсия комбинированного прогноза:](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/397719/slide-40.jpg)
Слайд 42Причинно-следственное прогнозирование
инерционность взаимосвязей - сохранение механизма формирования явления.
уравнение регрессии, коэффициенты могут
![Причинно-следственное прогнозирование инерционность взаимосвязей - сохранение механизма формирования явления. уравнение регрессии, коэффициенты](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/397719/slide-41.jpg)
быть определены методом наименьших квадратов.
Примеры:
прогнозы объемов продаж в зависимости от торговой площади
в зависимости от затрат на рекламу