Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
1 МУ ПР Осн.Науч.Исслед.Р- 230 страниц!!!.doc
Скачиваний:
7
Добавлен:
01.07.2025
Размер:
4 Мб
Скачать
☆

3 Аппаратура и материалы

Микрокалькулятор, программное обеспечение MS Excel.

4 Указания по технике безопасности

При выполнении работы студенты должны руководствоваться общими для учебных аудиторий правилами техники безопасности.

5 Методика и порядок выполнения работы

5.1 Моделирование произвести на примере прибыли компании за последние четыре года (таблица 4.1).

Таблица 4.1 – Прибыль компании за последние четыре года

№ квартала, t

Прибыль компании, Уi (№ варианта)

1

2

3

4

5

6

7

8

9

10

11

1

72

58

61

65

76

79

83

86

90

54

43

2

100

80

85

90

105

110

115

120

125

75

60

3

90

72

77

81

95

99

104

108

113

68

54

4

64

51

54

58

67

70

74

77

80

48

38

5

70

56

60

63

74

77

81

84

88

53

42

6

92

74

78

83

97

101

106

110

115

69

55

7

80

64

68

72

84

88

92

96

100

60

48

8

58

46

49

52

61

64

67

70

73

44

35

9

62

50

53

56

65

68

71

74

78

47

38

10

80

64

68

72

84

88

92

96

100

60

48

11

68

54

58

61

71

75

78

82

85

51

41

12

48

38

41

43

50

53

55

58

60

36

29

13

52

42

44

47

55

57

60

62

65

39

31

14

60

48

51

54

63

66

69

72

75

45

36

15

50

40

43

45

53

55

58

60

63

38

30

16

30

24

26

27

32

33

35

36

38

23

18

5.2 В качестве наглядного примера рассмотрим вариант №1.

Пусть имеются поквартальные данные о прибыли компании за последние четыре года (таблица 4.2).

Таблица 4.2 – Прибыль компании, тыс. долл. США

Квартал

Год

I

II

III

IV

1

2

3

4

72 70 62 52

100 92 .80 60

90 80 68 50

64

58

48

30

График данного временного ряда (рисунок 4.1) свидетельствует о наличии сезонных колебаний (период колебаний равен 4) и общей убывающей тенденции уровней ряда. Прибыль компании в весенне-летний период выше, чем в осенне-зимний период. Поскольку амплитуда сезонных колебаний уменьшается, можно предположить существование мультипликативной модели. Определим ее компоненты.

Рисунок 4.1 – Прибыль компании

5.3 Проведем выравнивание исходных уровней ряда методом скользящей средней. Методика, применяемая на этом шаге, полностью совпадает с методикой аддитивной модели. Результаты расчетов оценок сезонной компоненты представлены в таблице 4.3.

5.4 Найдем оценки сезонной компоненты как частное от деления фактических уровней ряда на центрированные скользящие средние (гр. 6 таблицы 4.3). Используем эти оценки для расчета значений сезонной компоненты S (таблица 4.4). Для этого найдем средние за каждый квартал оценки сезонной компоненты St. Взаимопогашаемость сезонных воздействий в мультипликативной модели выражается в том, что сумма значений сезонной компоненты по всем кварталам должна быть равна числу периодов в цикле. В данном случае число периодов одного цикла (год) равно 4 (четыре квартала).

Таблица 4.3 – Расчет оценок сезонной компоненты в мультипликативной модели

№ квартала,

t

Прибыль компании,

y,

Итого за четыре квартала

Скользящая средняя за четыре квартала

Центрированная скользящая средняя

Оценка сезонной компоненты

1

2

3

4

5

6

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

72

100

90

64

70

92

80

58

62

80

68

48

52

60

50

30

326

324

316

306

300

292

280

268

258

248

228

210

192

81,5

81,0

79,0

76,5

75,0

73,0

70,0

67,0

64,5

62,0

57,0

52,5

48,0

81,25

80,00

77,75

75,75

74,00

71,50

68,50

65,75

63,25

59,50

54,75

50,25

1,108

0,800

0,900

1,215

1,081

0,811

0,905

1,217

1,075

0,807

0,950

1,194

Таблица 4.4 – Расчет сезонной компоненты в мультипликативной модели

Показатели

Год

№ квартала, i

I

II

III

IV

1

2

3

4

–

0,900

0,905

0,950

–

1,215

1,217

1,194

1,108

1,081

1,075

–

0,800

0,817

0,807

–

Итого за i-й квартал (за все годы)

2,755

3,626

3,264

2,424

Средняя оценка сезонной компоненты для i-го квартала, Si

0,918

1,209

1,088

0,808

Скорректированная сезонная компонента, S

0,913

1,202

1,082

0,803

Имеем:

0,918 + 1,209 + 1,088 + 0,808 = 4,023.

Определим корректирующий коэффициент: к = 4/4,023 = 0,9943.

Определим скорректированные значения сезонной компоненты, умножив ее средние оценки на корректирующий коэффициент к.

Si = Si • k

(4.2)

где i= 1, 2, …4.

Проверим условие равенства 4 суммы значений сезонной компоненты:

0,913 + 1,202 + 1,082 + 0,803 = 4.

Получим следующие значения сезонной компоненты:

I квартал: S1 = 0,913;

II квартал: S2= 1,202;

III квартал: S3= 1,082;

IV квартал: S4 = 0,803.

Занесем полученные значения в таблицу 4.5 для соответствующих кварталов каждого года (стр. 3).

5.5 Разделим каждый уровень исходного ряда на соответствующие значения сезонной компоненты. Тем самым мы получим величины Т • Е = Y/S (гр. 4 таблица 4.5), которые содержат только тенденцию и случайную компоненту.

Занесем полученные значения в таблицу 4.5 для соответствующих кварталов каждого года (стр. 3).

5.6 Разделим каждый уровень исходного ряда на соответствующие значения сезонной компоненты. Тем самым мы получим величины Т • Е = Y/S (гр. 4 таблицы 4.5), которые содержат только тенденцию и случайную компоненту.

Таблица 4.5 – Расчет выравненных значений Т и ошибок Е в мультипликативной модели

t

yt

Si

Т•Е =

= yt/si

T

T•S

E =

= yt/(T•S)

E=

=yi - (T•S)

E2

1

2

3

4

5

6

7

8

9

1

72

0,913

78,86

87,80

80,16

0,898

-8,16

66,66

2

100

1,202

83,19

85,03

102,20

0,978

-2,20

4,86

3

90

1,082

83,18

82,25

89,00

1,011

1,00

1,00

4

64

0,803

79,70

79,48

63,82

1,003

0,18

0,03

5

70

0,913

76,67

76,70

70,03

1,000

-0,03

0,00

6

92

1,202

76,54

73,93

88,86

1,035

3,14

9,85

7

80

1,082

73,94

71,15

76,99

1,039

3,01

9,08

8

58

0,803

72,23

68,38

54,91

1,056

3,09

9,57

9

62

0,913

67,91

65,60

59,90

1,035

2,10

4,43

10

80

1,202

66,56

62,83

75,52

1,059

4,48

20,08

11

68

1,082

62,85

60,05

64,98

1,047

3,02

9,14

12

48

0,803

59,78

57,28

45,99

1,044

2,01

4,03

13

52

0,913

56,96

54,50

49,76

1,045

2,24

5,02

14

60

1,202

49,92

51,73

62,18

0,965

-2,18

4,73

15

50

1,082

46,21

48,95

52,97

0,944

-2,97

8,79

16

30

0,803

37,36

46,18

37,08

0,809

-7,08

50,12

5.7 Определим компоненту T в мультипликативной модели. Для этого рассчитаем параметры линейного тренда, используя уровни (Т • Е). Результаты аналитического выравнивания этого ряда представлены ниже:

Константа 90,585150

Коэффициент регрессии -2,773250

Стандартная ошибка коэффициента регрессии 0,225556

R-квадрат 0,915239

Число наблюдений 16

Число степеней свободы 14

Уравнение тренда имеет следующий вид: Т= 90,59-2,773 t.

Подставляя в это уравнение значения t = 1, ..., 16, найдем уровни T для каждого момента времени (гр. 5 таблицы 4.5). График уравнения тренда приведен на рисунке 4.2.

Рисунок 4.2 – Прибыль компании

5.8 Найдем уровни ряда по мультипликативной модели, умножив уровни Т на значения сезонной компоненты для соответствующих кварталов. Графически значения (Т • S) представлены на рисунке 4.2.

5.9 Расчет ошибки в мультипликативной модели производится по формуле:

E=Y/(T • S).

(4.3)

Численные значения ошибки приведены в гр. 7 таблицы 4.5. Если временной ряд ошибок не содержит автокорреляции, его можно использовать вместо исходного ряда для изучения его взаимосвязи с другими временными рядами. Для того чтобы сравнить мультипликативную модель и другие модели временного ряда, можно по аналогии с аддитивной моделью использовать сумму квадратов абсолютных ошибок. Абсолютные ошибки в мультипликативной модели определяются как

E = yt - (T • S).

(4.4)

В данной модели сумма квадратов абсолютных ошибок составляет 207,40. Общая сумма квадратов отклонений фактических уровней этого ряда от среднего значения равна 5023. Таким образом, доля объясненной дисперсии уровней ряда равна: (1 - 207,40/5023) = 0,959, или 95,9%.

Выявление и устранение сезонного эффекта (в некоторых источниках применяется термин «десезонализация уровней ряда») используются в двух направлениях. Во-первых, воздействие сезонных колебаний следует устранять на этапе предварительной обработки исходных данных при изучении взаимосвязи нескольких временных рядов. Поэтому в российских и международных статистических сборниках часто публикуются данные, в которых устранено влияние сезонной компоненты (если это помесячная или поквартальная статистика), например, показатели объемов производства в отдельных отраслях промышленности, уровня безработицы и т. д. Во-вторых, это анализ структуры одномерных временных рядов с целью прогнозирования уровней ряда в будущие моменты времени.

5.10 Прогнозирование по мультипликативной модели.

Необходимо сделать прогноз ожидаемой прибыли компании за первое полугодие ближайшего следующего года.

Прогнозное значение Ft уровня временного ряда в мультипликативной модели в соответствии с соотношением (4.1) есть произведение трендовой и сезонной компонент. Для определения трендовой компоненты за каждый квартал воспользуемся уравнением тренда Т= 90,59 -2,773•t.

Получим:

T17 = 90,59 -2,773 •17 = 43,401;

T18 = 90,59 - 2,773 •18 = 40,626.

Значения сезонной компоненты равны S1=0,913 (I квартал); S2=1,202 (II квартал).

Таким образом:

F17 = Tl7 • S1 = 43,401 • 0, 913 = 39,626;

F18 = Tl7 • S2 =40,626 • 1, 202 = 48,832.

Прогноз ожидаемой прибыли компании на первое полугодие ближайшего следующего года составит:

(39, 626 + 48,832) = 88,458 тыс. долл. США.