+7(996)961-96-66
+7(964)869-96-66
+7(996)961-96-66
Заказать помощь

Дипломная работа (часть) на тему Методы прогнозирования и планирования на основе ретроспективных статистических данных

ОПИСАНИЕ РАБОТЫ:

Предмет:
ПРИКЛАДНАЯ ИНФОРМАТИКА
Тема:
Методы прогнозирования и планирования на основе ретроспективных статистических данных
Тип:
Дипломная работа (часть)
Объем:
43 с.
Дата:
02.10.2014
Идентификатор:
idr_1909__0009499
ЦЕНА:
2800 руб.

2500
руб.
Внимание!!!
Ниже представлен фрагмент данной работы для ознакомления.
Вы можете купить данную работу прямо сейчас!
Просто нажмите кнопку "Купить" справа.

Оплата онлайн возможна с Яндекс.Кошелька, с банковской карты или со счета мобильного телефона (выберите, пожалуйста).
ЕСЛИ такие варианты Вам не удобны - Отправьте нам запрос данной работы, указав свой электронный адрес.
Мы оперативно ответим и предложим Вам более 20 способов оплаты.
Все подробности можно будет обсудить по электронной почте, или в Viber, WhatsApp и т.п.
 

Методы прогнозирования и планирования на основе ретроспективных статистических данных - работа из нашего списка "ГОТОВЫЕ РАБОТЫ". Мы помогли с ее выполнением и она была сдана на Отлично! Работа абсолютно эксклюзивная, нигде в Интернете не засвечена и Вашим преподавателям точно не знакома! Если Вы ищете уникальную, грамотно выполненную курсовую работу, диплом, реферат и т.п. - Вы можете получить их на нашем ресурсе.
Вы можете заказать диплом Методы прогнозирования и планирования на основе ретроспективных статистических данных у нас, написав на адрес ready@referatshop.ru.
Обращаем ваше внимание на то, что скачать диплом Методы прогнозирования и планирования на основе ретроспективных статистических данных по предмету ПРИКЛАДНАЯ ИНФОРМАТИКА с сайта нельзя! Здесь представлено лишь несколько первых страниц и содержание этой эксклюзивной работы - для ознакомления. Если Вы хотите получить диплом Методы прогнозирования и планирования на основе ретроспективных статистических данных (предмет - ПРИКЛАДНАЯ ИНФОРМАТИКА) - пишите.

Фрагмент работы:





Содержание

Введение 3
Глава 2. Алгоритмы методов и технологии их реализации в MS Excel 4
2.1. Экстраполяция тренда и доверительные интервалы прогноза 4
2.2. Прогнозирование на основе метода экспоненциального сглаживания 15
Глава 3. Вычислительные эксперименты и результаты 19
3.1 Эксперимент 1 19
3.2 Эксперимент 2 29
Заключение 39
Список литературы 42

Введение
Особое место при анализе социально-экономических явлений занимает прогноз. Прогнозирование базируется на знании закономерности развития явлений, факторов, которые определяют эти закономерности, и того, как эти факторы будут изменяться в прогнозируемый период.
Статистический прогноз – это вероятностная оценка возможностей развития явления в будущем, полученная на основе статистической закономерности, выявленной по данным прошлого периода.
Точность прогноза зависит от объема и точности собранной информации, квалификации работников, разрабатывающих прогноз, а также от того на какой срок он разрабатывается. За короткий период не успевают сильно измениться условия развития явления и характер его динамики.
Необходимость в прогнозировании обусловлена объективными потребностями практики. Прогнозирование на интуитивной основе возникло много веков назад и до настоящего времени используется для принятия решений. К настоящему времени разработано более 200 методик прогнозирования.
Цели работы: изучить и дать обзор существующим методам прогнозирования и планирования использующих статистические данные; реализовать и применить изученные методы.
Задачи исследования:
– найти информацию и изучить различные методы, прогнозирования и планирования на основе ретроспективных данных;
– сделать обзор основных достижений по рассматриваемой тематике;
– найти ретроспективные статистические данные по экономическим, социальным, экологическим показателям и применить некоторые методы прогнозирования и планирования для их исследования, реализовав вычисления в MS Excel;
– сделать выводы о ценности и возможных вариантах использования полученных результатов.
Глава 2. Алгоритмы методов и технологии их реализации в MS Excel

2.1. Экстраполяция тренда и доверительные интервалы прогноза

Один из наиболее распространённых методов прогнозирования заключается в экстраполяции, т.е. в продлении в будущее тенденции наблюдавшейся в прошлом. Экстраполяция тенденций динамических рядов сравнительно широко применяется в практике в силу ее простоты, возможности осуществления на основе относительно небольшого объема информации, наконец, ясности принятых допущений. Отсутствие иной информации помимо отдельно рассматриваемого динамического ряда часто оказывается решающим при выборе этого метода прогнозирования. При таком подходе к прогнозированию предполагается, что размер признака, характеризующего явление, формируется под воздействием множества факторов, причем не представляется возможным выделить порознь их влияние. В связи с этим ход развития связывается не с какими-либо конкретными факторами, а с течением времени.
Экстраполяция базируется на следующих допущениях:
1) развитие явления может быть с достаточным основанием охарактеризовано плавной траекторией – трендом;
2) общие условия, определяющие тенденцию развития в прошлом, не претерпят существенных изменений в будущем.
Таким образом, экстраполяция дает описание некоторого общего будущего развития объекта прогнозирования. Причем если развитие в прошлом носило перманентно скачкообразный характер, то при достаточно продолжительном периоде наблюдений скачки оказываются «зафиксированными» в самом тренде, и последний опять-таки можно применить в прогнозировании.
При определении прогностических значений того или иного явления с помощью экстраполяции наибольший интерес представляет не сама экстраполяция, а определение доверительных интервалов прогноза.
В самом деле, экстраполяция дает возможность получить точное значение прогноза. Однако экономические переменные, как правило, являются непрерывными и, следовательно, указание их точных значений, строго говоря, лишено содержания, поскольку «попадание» в точку имеет нулевую вероятность. Отсюда следует, что прогноз должен быть дан в виде «вилки», интервала значений. Одним из путей получения такой «вилки» является определение доверительного интервала прогноза. Доверительные интервалы могут быть определены двояко: формально и неформально. Что касается последнего, то это дело экспертного суждения, которое выносится при качественном осмыслении результатов прогноза, сопоставление их с другими имеющимися у эксперта данными и т. д. При этом, естественно, эксперт должен учитывать не только степень колеблемости фактических уровней вокруг тренда в прошлом, но и возможность дезинформации тренда в будущем (соответственно могут быть получены различные варианты, прогноза).
Формальный доверительный интервал учитывает лишь ту неопределенность, которая связана с ограниченностью числа наблюдений и соответствующей неточностью найденных оценок параметров кривой. Основной вопрос – в какой мере в будущем сохранится найденная тенденция, – естественно, не может быть решен с помощью таких доверительных интервалов. Это дело содержательного экономического анализа и, вероятно экспертной оценки.
Процесс экстраполяции заключается в подстановке соответствующей величины периода упреждения в формулу, описывающую тренд. Причем, если по каким либо соображениям при экстраполяции удобнее начало отчета времени установить на момент, отличающийся от начального момента, принятого при оценивании параметров уравнения, то для этого в соответствующем многочлене достаточно изменить постоянный член. Так в уравнении прямой при сдвиге начала отчета времени на t лет вперед постоянный член будет равен а + bt, для параболы второй степени он составит величину а + bt + cw.
Экстраполяция, вообще говоря, дает точечную прогностическую оценку. Интуитивно ощущается недостаточность такой оценки и необходимость получения интервальной оценки с тем, чтобы прогноз, охватывая некоторый интервал значений прогнозируемой переменной, был бы более надежным. Точное совпадение фактических данных и прогностических точечных оценок, полученных путем экстраполяции кривых, характеризующих тенденцию, – явление маловероятное.
Одна из основных задач, возникающих при экстраполяции тренда, заключается в определении доверительных интервалов прогноза. Интуитивно понятно, что в основу расчета доверительного интервала прогноза должен быть положен измеритель колеблемости ряда наблюдаемых значений признака. Чем выше эта колеблемость, тем менее определено положение тренда, а в пространстве «уровень – время» и тем шире должен быть интервал для вариантов прогноза при одной и той же степени доверия. Следовательно, вопрос о доверительном интервале прогноза следует начать с рассмотрения измерителя колеблемости.
Основными показателями колеблемости являются показатели, характеризующие вариацию признаков. Но вариация показывает изменение признака в пространстве, а колеблемость – во времени. Каждый последующий уровень ряда динамики зависит от предыдущего, характеризуя развитие исследуемого явления, тогда как вариации признака в пространстве характеризуют независимые друг от друга уровни. Показатели вариации рассчитываются отклонением индивидуальных зна