22.Методы регрессионного анализа (линейная регрессия) на основе мнк. Возрастающий и понижающийся тренд.
Тренд- аналитическое или графическое представление изменения во времени систематической(регулярной) составляющего транспортные потока.
r=ea0+a1T+E
где: Т-экзогенная переменная
r-эндогенная
Е-необьясненная часть исходных данных
е-объясненная часть
N=a0+ai
T
23.Расчет коэффициента связи параметров статистических данных.Проверка коэффициента корреляции (детарминация) на значимость.
качество модели устанавливается с помощью коэффициента корреляции, который показывает силу связи между зависимыми факторами N и независимыми T, r- показывает насколько линейно изменяются объемы переработки транспортной системы по времени
r=ṅ
0…0,25-слабая связь
0.25…0,5-слабая
0,5…0,75-средняя связь
0,95…1-ф-ная зависимость
Проверка коэффициента корреляции на значимость. Проверка наличии корреляции проводятся по Фишеру с помощью t-распределения
t=rṅ−2̸1−r³
24 Прогноз объемов работы на основе статистических данных. Построение прогнозных графиков
Статистические методы прогнозирования охватывают разработку, изучение и применение современных математико-статистических методов прогнозирования на основе объективных данных. Развитие теории и практики вероятностно-статистического моделирования методов прогнозирования, в том числе методов анализа субъективных экспертных оценок на основе статистики нечисловых данных; разработку, изучение и применение методов прогнозирования в условиях риска и комбинированных методов прогнозирования. Научная база статистических методов прогнозирования — прикладная статистика и теория принятия решений. Статистические методы прогнозирования основаны на использовании баз эконометрических данных, имитационных (в том числе на основе применения метода статистических испытаний) и экономико-математических динамических моделей, сочетающих экспертные, математико-статистические и моделирующие блоки.
25.Понятие скачка в транспортных процессах. Прогнозирование скачкообразных изменения транспортных потоков.
Сложность прогнозирования грузовых потоков составляет наличие скачков, возникающих в результате динамических связей, которыми развивающаеся транспортная подсистема оказывает влияние на работу других подсистем. Например, электрификация направления железной дороги(скачкообразно изменяет её производную способность), кроме естественного роста объемов перевозок, вызовет дополнительный прирост, который будет связан с перераспределением потоков между другими направлениями. Аналогичное влияние на динамику роста потоков может оказать строительство новой железнодорожной линии. Скачок формируется под действием сложившихся закономерностей росто потока до начала скачка,сопротивление системы изменившимся условиям работы, мощности скачка, возникающего под действием внесенного в транспортную систему возмущения. При прогнозировании скачка очень важно правильно оценить максимальный прирост потока. В случае оборудования линии электрической тягой максимальный прирост потока определяется следующим образом
выполняется прикрепление пунктов производства к пунктам потребления в анализируемом экономическом районе с помощью методов линейного программирования.
на основе полученого распределения перевозок устанавливается математическое ожидание транспортного потока на линии, где планируется введение электрической тяги.
производится новое распределение перевозок при условии, что на линии введена электрическая тяга.
рассчитывается максимальный прирост потока.