Лабораторна робота №1 Обробка даних та прогноз на основі аналітичних показників динаміки

Лабораторна робота №1 Обробка даних та прогноз на основі аналітичних показників динаміки Мета роботи: Засвоїти методи прогнозування на основі простої екстраполяції тенденції динамічного процесу. Вивчити прийоми і методику розрахунків на основі аналітичних показників абсолютного приросту і ін. Теоретичні відомості Динамічним рядом називається послідовність показників оцінки економічного явища у часі. Окремі спостереження у певний інтервал часу є рівнями динамічного ряду. Динамічні ряди бувають моментними і інтервальними. Моментний динамічний ряд включає показники на конкретну дату, а інтервальних – за певний проміжок часу. До основних показників обробки економічних явищ у часі відносять показники аналітики, що дозволяють порівнювати рівні динаміки у часі. Ці показники базові і ґрунтуються на визначеннях: у1 – початкове значення ряду динаміки; уn – кінцеве значення ряду динаміки; уі – умовний рівень ряду динаміки; n – кількість значень ряду динаміки; Аналітичні показники динамічного ряду розрізняють: 1. Абсолютний приріст: - ланцюговий (); - базисний (); - середній абсолютний приріст (). 2. Коефіцієнт росту: - ланцюговий (); - базисний (); - за весь період (). ^ 3. Коефіцієнт приросту (). 4. Середній коефіцієнт росту (). ^ 5. Середній коефіцієнт приросту (). 6. Абсолютний розмір 1% приросту: - ланцюговий (). - за весь період (). Під тенденцією економічного процесу розуміють деякі загальні напрямки розвитку процесу, довгострокову закономірність. При прогнозуванні методами екстраполяції виходять з інерційності процесів, що досліджуються і прогнозуються. Ступінь інерційності залежить від розміру і масштабу процесу, що вивчається. На мікрорівні вплив окремого фактора може миттєво змінити ситуацію, в той час, коли на макрорівні, через дії багатьох факторів, які здійснюють іноді протилежний один одному вплив, інерційність зберігається у більшій мірі. При значній інерційності економічних процесів, що досліджуються, можна з достатнім ступенем імовірності сподіватися, що закономірності, які виникли в “передісторії”, будуть з незначними змінами діяти і в прогнозованому періоді. Основу екстраполяційних методів прогнозування складають динамічні ряди. Є ряд способів перевірки гіпотези про існування тенденції у динамічному ряду. Один з найпростіших методів базується на порівнянні середніх рівнів ряду. Для цього динамічний ряд розбивається на дві, приблизно рівні частини за кількістю елементів. Кожна частина розглядається умовно як самостійна сукупність. Якщо динамічний ряд має певну тенденцію, то середні, які обчислені для кожної сукупності, повинні суттєво розрізнятися між собою. Якщо ж розходження будуть незначними, тобто випадковими, то динамічний ряд тенденції не має. Для оцінки істотності відмінності між середніми значеннями двох динамічних рядів використовується t-критерій Ст’юдента. Розходження буде істотним, якщо виконується умова tроз > tтабл, де tроз – розрахункове значення t-критерію Ст’юдента; tтабл – табличне значення t-критерію Ст'юдента. Розрахункове значення t-критерію обчислюється таким чином: де – середнє значення рівня відповідно першої і другої частин ряду, розрахованих для інтервальних динамічних рядів як середнє арифметичне; , де n1, n2 ­– кількість елементів відповідно першої і другої частин ряду, Sх1-х2 – стандартне відхилення, S12 ,S22– дисперсія відповідно першої і другої частин ряду. ; . Прості методи обробки і прогнозування на основі екстраполяції тенденції використовуються в управлінні виробництвом, мають ряд переваг. До переваг простих методів слід віднести: достатньо простий апарат дослідження, що привертає до нього широке коло спеціалістів; можливість використання для виконання розрахунків портативних і нескладних обчислювальних засобів; швидкість використання розрахунків в оперативному режимі; наявність відносно невеликого масиву інформації. На основі аналітичних показників, які широко застосовуються для аналізу та оцінки динамічних рядів, використовують залежності для побудови прогнозів: , , де , , де, – прогнозні значення показника. Т – величина горизонту прогнозу (T= 1; 2; 3...) Приклади використання даних моделей. Приклад 1. В табл.1 наведені дані про вартість імпортних кондитерських виробів, привезених з портів, за рік. Побудуємо прогноз вартості імпортних кондитерських виробів на наступних п’ять років. Таблиця 1 Середньорічна вартість імпортних кондитерських виробів, привезених з портів Номер року, t Вартість імпортних кондитерських виробів в рік, тис. грн. Номер року, t Вартість імпортних кондитерських виробів в рік, тис. грн. 1 10,7 7 15,9 2 11,5 8 17,2 3 12,2 9 18,1 4 13,4 10 19,8 5 15,0 11 21,2 6 15,0 Про якість прогнозу можна судити лише після того, як подія відбулася Щоб оцінити надійність застосованого методу, використовуються, так званий, метод „прогноз екс-пост”. Суть його полягає в наступному. Початкові дані діляться на дві частини (два періоди): 1 - k і (k+1) = n. За даними першої частини, умовно прийнятої за “передісторію”, будується рівняння (модель), на базі якої складається прогноз для другої частини (другого періоду), результати якого потім порівнюються з фактичними даними. Такий підхід застосовується і для інших кількісних методів прогнозування. Використовуючи дані перших шести років - базисний рік та перших п’ять років, розрахуємо відповідно аналітичні показники рядів динаміки: 1. Середній абсолютний приріст . 2. Середньорічний коефіцієнт росту . Складемо прогноз вартості імпортних кондитерських виробів на період (k+1)÷n: ; ; ; ; . Результати розрахунків зведені в табл.2 та порівняні з фактичними даними. Таблиця 2 Оцінка якості прогнозу, складеного на основі середнього абсолютного приросту № Фактичне значення, тис. грн. Прогнозоване значення, тис. грн. Відхилення Абсолютне (гр. 2-гр.З), тис. грн. Відносне (гр.4 : гр.2)100% 1 2 3 4 5 1 15,9 15,9 0 0 2 17,2 16,8 0,4 2,3 3 18,1 17,7 0,4 2,2 4 19,8 18,6 1,2 6,1 5 21,2 19,5 1,7 8 Середнє значення — 0,7 3,7 Складемо прогноз вартості імпортних кондитерських виробів, привезених з порту на основі середньорічного коефіцієнту росту: ; ; ; ; . Результати прогнозу порівняні із фактичними даними та оцінена якість прогнозу (табл.3). Таблиця 3 Оцінка якості прогнозу, складеного на основі середньорічного коефіцієнта росту. № Фактичне значення, тис. грн. Прогнозоване значення, тис. грн. Відхилення Абсолютне (гр. 2-гр. З), тис. грн. Відносне (гр.4 : rp.2)100% 1 2 3 4 5 1 15,9 16 -0,1 -0,6 2 17,2 17,2 0 0 3 18,2 18,4 -0,3 -1,7 4 19,8 19,7 0,1 0,5 5 21,2 21 0,2 0,9 Середнє значення — 0,1 0,7 Порівнюючи результати прогнозів, поданих в табл.2 та табл.3, можна зробити висновок про те, що використання середньорічного коефіцієнта росту забезпечує більш високу точність прогнозу, про що свідчать відхилення за всі роки і в цілому за п’ять років. Для складання прогнозу за межі наявних даних, тобто на перспективу, розрахуємо середньорічний коефіцієнт росту на основі других п’яти років з базисним періодом: Прогноз вартості імпортних кондитерських виробів, привезених з порту на наступних п’ять років складе: ; ; ; ; . Прогноз вартості імпортних кондитерських виробів, привезених з порту складено з врахуванням зберігання тенденцій, які склалися в “передісторії”. Суттєвим недоліком показників середнього абсолютного приросту та середнього коефіцієнта росту є те, що значення їх цілком залежить тільки від крайніх рівнів динамічного ряду. Проміжні значення, які багато в чому, а іноді і в вирішальній мірі визначають тенденцію змін показників, по суті в розрахунках не беруть участі. Завдання: Розрахуйте основні показники ряду динаміки. На основі даних табл. 4. оцініть тенденцію на основі методу “прогноз-екс-пост”. Зробіть прогнози на наступних 5 років за двома методами і розрахуйте абсолютні у відносну похибки прогнозу. Обробку даних наведіть у таблицях. Таблиця 4 Вхідні дані для обробки рядів динаміки за 12 років 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 1 варіант - Питома вага імпорту товарів з Австралії в Україну порівняно з іншими країнами світу, % 18 29 34 37 38 40 49 39 50 62 63 59 2 варіант – Обсяг експорту міді з України, т 24 29 32 38 36 34 37 42 36 39 47 48 3 варіант - Середньорічна вартість імпорту нікелю в Україну, тис. грн. 113 114 134 165 125 113 119 187 145 165 164 169 4 варіант - Вартість імпорту годинників із Швейцарії в Україну, тис. грн. 55 56 54 66 74 76 79 71 77 69 67 71 5 варіант – Питома вага риби в структурі імпортних товарів, що завозиться на територію України, % 1,6 1,9 1,9 1,5 2,0 2,1 2,5 1,6 1,4 2,3 2,2 2,5 6 варіант - Питома вага управлінського персоналу в структурі працівників митної служби України, % 24 22 20 16 15 16 17 12 16 14 15 14 7 варіант - Питома вага робітників в структурі працівників митної служби України, % 76 78 80 84 85 84 83 88 84 86 85 86 8 варіант - Кількість мінеральних добрив, що експортується у Польщу, ц.д.р 10,8 10,5 9,9 9,1 8,3 9,1 12,2 11,0 11,0 9,2 9,9 9,1 9 варіант – Середньорозрахункова вартість імпорту товарів в Україну, тис. грн. 15,5 16,0 17,2 17,9 16,3 16,0 15,8 15,5 16,2 17,0 16,9 17,0 10 варіант – Сумарний обсяг імпорту чорних металів, тис. грн. 4,9 3,6 4,2 4,8 5,1 4,9 4,4 4,5 4,9 4,2 3,8 3,9 11 варіант - Середньорічна вартість лікарських засобів при імпорті в Україну, тис. дол. 5,3 5,7 5,4 5,8 6,1 6,0 6,2 5,7 5,9 6,0 6,0 6,0 12 варіант х – Сумарний обсяг експорту керамічних виробів, тис. грн. 25,4 29,7 26,1 28,5 25,1 24,9 27,1 19,8 19,9 28,7 25,3 27,5 13 варіант х – Обсяг імпортного шовку, привезеного з Китаю, т 334 342 354 335 339 345 349 345 354 352 358 342 14 варіант х – Середньорозрахункова вартість імпортних автомобілів, тис. дол. 354 376 325 314 294 285 264 276 285 266 254 275 15 варіант х - Питома вага України в структурі країн-імпортерів, % 6,63 7,62 6,82 5,71 7,41 7,38 7,59 8,26 7,87 7,43 9,78 8,64 Контрольні питання: Економічна інформація і її використання у оцінці тенденцій. Метод „прогноз екс-пост”. Аналітичні показники рядів динаміки. Основні моделі для аналізу рядів динаміки. Обробка і прогнозування рядів динаміки на основі абсолютного приросту. Обробка і прогнозування рядів динаміки на основі середньорічного коефіцієнту росту. Методи обробки даних на основі аналітичних показників рядів динаміки. Поняття відносної і абсолютної похибки. Якість обробки даних і прогнозування.

Схожі:

	Лабораторна робота №3. Обробка текстових файлів за допомогою фільтрів. Редактор sed Лабораторна робота № Організація файлової системи в unix. Команди для роботи файлами в Unix (Linux)		Методи обробки даних та прогнозування на основі плинної середньої та коефіцієнта сезонност Мета роботи: Вивчити методи екстраполяції даних на основі плинної середньої та коефіцієнта сезонності. Засвоїти методику прогнозування...
	Задача: в середовищі субд мs access створити базу даних підприємства,... Контрольна робота є складовою частиною вивчення дисципліни. Варіанти контрольних робіт підготовлені у відповідності до навчального...		Лінійні програми на С++ Лабораторна робота №3 Лабораторна робота № Форматний ввід/вивід у мові С/С++
	Лабораторна робота №5 Аналіз крохмальної патоки Дослід №1. Визначення... Визначення зовнішнього вигляду, кольору, прозорості І наявності сторонніх механічних домішок		Лабораторна робота №8 Аналіз соку І пюре Дослід №1. Визначення органолептичних... Приміщення, в якому визначають органолептичні показники, а також посуд, який використовується при випробуваннях, повинні бути без...
	Задача1 На основі наведених даних визнаити можливість віднесення... Мале п-во передбачає придбати оз на суму 450 тис грн. На основі наведених даних обґрунтувати, який варіант фінансування оз є більш...		Лекція №2 Програмне забезпечення 18 Поняття про операційну систему.... Тема: Обробка даних засобами електронних таблиць. Табличний процесор Microsoft Excel
	Лабораторна робота №1 ( 0 – 50 балів) Завдання. На основі статистичної інформації за визначений період часу (не менше 30 періодів часу) для 15 видів цінних паперів (акцій)...		Лабораторна робота №16-Б. Перехідні процеси в послідовному колі r-l-c Лабораторна робота №16. Перехідні процеси в лінійних електричних колах