Заглавная страница Избранные статьи Случайная статья Познавательные статьи Новые добавления Обратная связь FAQ Написать работу КАТЕГОРИИ: Археология Биология Генетика География Информатика История Логика Маркетинг Математика Менеджмент Механика Педагогика Религия Социология Технологии Физика Философия Финансы Химия Экология ТОП 10 на сайте Приготовление дезинфицирующих растворов различной концентрации Техника нижней прямой подачи мяча. Франко-прусская война (причины и последствия) Организация работы процедурного кабинета Смысловое и механическое запоминание, их место и роль в усвоении знаний Коммуникативные барьеры и пути их преодоления Обработка изделий медицинского назначения многократного применения Образцы текста публицистического стиля Четыре типа изменения баланса Задачи с ответами для Всероссийской олимпиады по праву Мы поможем в написании ваших работ! ЗНАЕТЕ ЛИ ВЫ? Влияние общества на человека Приготовление дезинфицирующих растворов различной концентрации Практические работы по географии для 6 класса Организация работы процедурного кабинета Изменения в неживой природе осенью Уборка процедурного кабинета Сольфеджио. Все правила по сольфеджио Балочные системы. Определение реакций опор и моментов защемления

Главная Избранные Случайная статья Познавательные Новые добавления Обратная связь FAQ Написать работу Метод среднего абсолютного прироста ↑ ▷ Содержание ⇐ ПредыдущаяСтр 11 из 16Следующая ⇒ ▷ Похожие статьи Содержание книги Анализ медико-биологических данных на основе числовых статистических характеристик Теория проверки статистических гипотез СЛУЧАЙ 1. Выборки независимые. Анализ относительных величин СЛУЧАЙ 1. Выборки независимы. СЛУЧАЙ 1. Выборки независимые Оценка прогностического значения диагностических тестов Однофакторный дисперсионный анализ Коэффициент корреляции рангов К. Спирмена Методы простой экстраполяции Метод среднего абсолютного прироста Оценка факторов риска и прогнозирование на основе логистической регрессии Анализ качественных признаков на основе логлинейной модели Байесовский подход к диагностике и прогнозированию. Последовательный анализ вальда Расчет объема выборки при эпидемиологических исследованиях Представление статистических данных в научных публикациях Похожие статьи вашей тематики Методи навчання, їх класифікація і характеристика Методологические принципы литературоведческой науки Решение трансцендентных уравнений методом секущих. Предмет і метод правового регулювання як вихідні критерії Аналіз, вибір та обґрунтування методів обробки деталей та вузлів виробу Методы поиска, выбора и принятия решения Понятие налоговой нагрузки и методы ее расчета Класифікація методів масового опитування Методы и источники изучения истории. Выдающиеся российские историки Решение трансцендентных уравнений методом дихотомий. Основные методы психологии. Особенности методов исследования психологии. Переваги усних звітів підлеглих як методу вимірювання реальних процесів Поиск на нашем сайте   Прогнозируемый уровень изучаемой величины изменяется в соответствии со средним абсолютным приростом этой величины в прошлом. Данный метод применяется, если общая тенденция в динамике линейна (для случая, приведенного на рисунке 32Б)   (69)   Где где y0 – базовый уровень экстраполяции выбирается как среднее значение нескольких последних значений исходного ряда средний абсолютный прирост уровней ряда l – число интервалов прогнозирования   Пример. По данным из таблицы 69 рассчитать прогнозное значение на t=13,14,15 В качестве базового уровня принято усредненное значение последних значений ряда, максимально трех. Таблица 69. Результаты расчетов   t yi Δyi= yi+1yi y0 Прогноз = y0+Δ*l                   68,2       (60+75)/2=67,5 75,7       (60+75+70)/3=68,3 76,5       (75+70+103)/3=82,7 90,9       (70+103+100)/3=91 99,2       (103+100+115)/3=106 114,2       (100+115+125)/3=113,3 121,5       (115+125+113)/3=117,7 125,9       (125+113+138)/3=125,3 133,5       (113+138+136)/3=129 137,2       (138+136+145)/3=139,7 147,9       (136+145+150)/3=143,7 143,7+8,2*1=151,9         143,7+8,2*2=160,1         143,7+8,2*3=168,3             Рисунок 37. Метод среднего абсолютного прироста     Метод среднего темпа роста Прогнозируемый уровень изучаемой величины изменяется в соответствии со средним темпом роста данной величины в прошлом. Данный метод применяется, если общая тенденция в динамике характеризуется показательной или экспоненциальной кривой (рисунок 32В)   , (70) где – средний темп роста в прошлом (71) l – число интервалов прогнозирования   Прогнозная оценка будет зависеть от того, в какую сторону от основной тенденции (тренда) отклоняется базовый уровень y0, поэтому рекомендуется рассчитывать y0 как усредненное значение нескольких последних значений ряда.   Пример. Таблица 70. Результаты расчетов   t yi y0 Прогноз ,                         (60+65)/3=62,5 (65/60)1 =1,08 62,5*1,081 = 67,7     (60+65+70)/3=65 (70/60)1/2 =1,08 65*1,081 = 70,2     (65+70+68)/3=67,7 (68/60)1/3 =1,04 67,7*1,041 =70,5     (70+68+82)/3=73,3 (82/60)1/4 =1,08 73,3*1,081 =79,3     (68+82+80)/3=76,7 (80/60)1/5 =1,06 76,7*1,061 =81,2     (82+80+95)/3=85,7 (95/60)1/6 =1,08 85,7*1,081 =92,5     (80+95+113)/3=96 (113/60)1/7 =1,09 96*1,091 =105,1     (95+113+135)/3=114,3 (135/60)1/8 =1,11 114,3*1,111 =126,5     (113+135+140)/3=129,3 (140/60)1/9 =1,10 129,3*1,11 =142,1     (135+140+168)/3=147,7 (168/60)1/10 =1,11 147,7*1,111 =163,7     (140+168205)/3=171 (205/60)1/11 =1,12 171*1,121 =191,2         171*1,122 =213,8         171*1,123 =239,1   Рисунок 38. Метод среднего темпа роста

Прогнозирование на основе математических моделей

 

Наиболее распространенным методом прогнозирования является нахождение аналитического выражения (уравнения) тренда. Тренд экстраполируемого явления это основная тенденцию временного ряда, в некоторой мере свободная от случайных воздействий.

Разработка прогноза заключается в определении вида экстраполирующей функции y=f(t), которая выражает зависимость изучаемой величины от времени на основе исходных наблюдаемых данных. Первым этапом является выбор оптимального вида функции, дающей наилучшее описание тренда. Наиболее часто используются следующие зависимости:

• линейная (72)

• параболическая (73)

• показательная функция (74)

Проблемы нахождения коэффициентов линейной функции и прогноз на ее основе были рассмотрены в разделе «регрессионный анализ». Если форма кривой, описывающей тренд, имеет нелинейный характер, то задача оценки функции y=f(t) усложняется, и в этом случае необходимо привлечь к анализу специалистов по биостатистике и воспользоваться компьютерными программами по статистической обработке данных.

В большинстве реальных случаев временной ряд представляет собой сложную кривую, которую можно представить как сумму или произведение трендовой, сезонной, циклической и случайной компонент (рисунок 39).

 

 

Рисунок 39. График временного ряда

 

Тренд представляет собой плавное изменение процесса во времени и обусловлен действием долговременных факторов. Сезонный эффект связан с наличием факторов, действующих с заранее известной периодичностью (например, времена года, лунные циклы). Циклическая компонента описывает длительные периоды относительного подъема и спада, состоит из циклов переменной длительности и амплитуды (например, некоторые эпидемии имеют длительный циклический характер). Случайная составляющая ряда отражает воздействие многочисленных факторов случайного характера и может иметь разнообразную структуру.

Анализ всех компонентов временного ряда и прогнозирование на их основе задача нетривиальная и требует специальной подготовки.

⇐ Предыдущая6789101112131415Следующая ⇒

Поделиться: