• Гідрологія і Гідрометрія
• Господарське право
• Економіка будівництва
• Економіка природокористування
• Економічна теорія
• Земельне право
• Історія України
• Кримінально виконавче право
• Медична радіологія
• Методи аналізу
• Міжнародне приватне право
• Міжнародний маркетинг
• Основи екології
• Предмет Політологія
• Соціальне страхування
• Технічні засоби організації дорожнього руху
• Товарознавство продовольчих товарів

Тлумачний словник
Авто
Автоматизація
Архітектура
Астрономія
Аудит
Біологія
Будівництво
Бухгалтерія
Винахідництво
Виробництво
Військова справа
Генетика
Географія
Геологія
Господарство
Держава
Дім
Екологія
Економетрика
Економіка
Електроніка
Журналістика та ЗМІ
Зв'язок
Іноземні мови
Інформатика
Історія
Комп'ютери
Креслення
Кулінарія
Культура
Лексикологія
Література
Логіка
Маркетинг
Математика
Машинобудування
Медицина
Менеджмент
Метали і Зварювання
Механіка
Мистецтво
Музика
Населення
Освіта
Охорона безпеки життя
Охорона Праці
Педагогіка
Політика
Право
Програмування
Промисловість
Психологія
Радіо
Регилия
Соціологія
Спорт
Стандартизація
Технології
Торгівля
Туризм
Фізика
Фізіологія
Філософія
Фінанси
Хімія
Юриспунденкция

ЧАСОВІ РЯДИ

Прогнозування за допомогою екстраполяції засновано на переносі подій і тенденцій, що мали місце в минулому на майбутнє.

Методи екстраполяції застосовуються для так званих повільно мінливих подій.

Якщо прогнозовані події, показники, процеси можуть у майбутньому змінюватися стрибками, мати розриви в часі (так називані “революційні” процеси), то застосовувати методи екстраполяції не можна.

У той же час методи екстраполяції накладають певні обмеження на вихідну інформацію

- по поданню даних,

- по кількості даних,

- по довжині рядів і т.д.

Застосування методів екстраполяції виправдане для коротко- і середньострокових прогнозів тих показників проектів, для яких у майбутньому не передбачається істотних якісних змін і стрибків.

З існуючих методів екстраполяції більш докладно зупинимося на методі екстраполяції динамічних рядів, тобто коли вихідна інформація

представлена у вигляді динамічного ряду y = y(t).

Добування інформації з масивів даних. Аналіз. за допомогою часових рядів досліджують динаміку економічних явищ і процесів.

Часовий ряд – це ряд послідовних значень, що характеризують зміни показника в часі. Тобто часовим рядом називають статистичний ряд, що характеризує стан і схему явищ у часі й позначають

y₁, y₂, y₃, … у_n,

де y_i (i = 1,n) – рівень ряду, що характеризує величини явища;

i - момент часу, до якого належить ця величина явища;

n - тривалість або загальна кількість членів ряду;

y₁ – початковий рівень;

y_n – кінцевий рівень;

Рівні часових рядів можна виразити

- абсолютними,

- середніми,

- відносними величинами.

Залежно від частоти реєстрації факту часові ряди діляться на

- дискретні (дані реєструються через рівні фіксовані проміжки часу)

- безперервні (безперервний запис зміни явищ у часі).

Сучасні методики статистичного аналізу часових рядів побудовані на гіпотезі про їхню безперервність.

У процесі аналізу часових рядів використають статистичні показники, наприклад:

- абсолютні прирости;

- темпи росту;

- темпи приросту й ін.

Виділяють показники :

- базисні - кожен рівень часового ряду порівнюють із початковим;

- ланцюгові - кожен рівень часового ряду порівнюють із попереднім;

1. Абсолютний приріст часового ряду (∆)

Визначають як різницю між поточним (y_i) і попередньої (y_i-1) або початковим (y₁) рівнями часового ряду

∆_i⁽¹⁾ = y_i – y_i-1 або ∆_i⁽¹⁾ = y_i – y₁.

Якщо з абсолютних приростів створити новий часовий ряд можна одержати абсолютні прирости другого порядку й т.д.

∆_i^(k) = ∆_i^(k-1) - ∆_i-1^(k-1) або ∆_i^(k) = ∆_i^(k-1) - ∆₁^(k-1).

2. Темпи росту (Т_р) – це відношення поточного рівня часового ряду (y_i) і попередній (y_i-1) або початковому (y₁) рівню:

Т_р⁽ⁱ⁾ = або Т_р⁽ⁱ⁾ =

3. Темпи приросту (Т_пр) – відношення абсолютного приросту (∆_i) до попереднього (y_i-1) або початковому (y₁) рівню:

Т_пр⁽ⁱ⁾ = або Т_пр⁽ⁱ⁾ =

4. Середній рівень часового ряду визначається залежно від характеру ряду як середнє хронологічне, арифметичне або геометричне:

- середнє хронологічне у_хр =

- середнє арифметичне у_ар =

- середнє геометричне у_геом =

5. Середній абсолютний приріст обчислюють по формулі середнього арифметичного з ланцюгових приростов

∆ = або ∆ =

6. Середній темп росту обчислюють за допомогою середнього геометричного:

Т_р = або Т_р = .

7. Середній темп приросту

Т_пр = (Т_р - 1)×100%

В основі аналізу часових рядів лежить ідея, що дані, які характеризують об'єкт, процес у минулому, можна використати для прогнозування майбутніх значень.

Дані по проекті в минулому можуть включати кілька компонентів, таких як

- тренди;

- сезонні коливання;

- циклічні коливання;

а так само

- середнє значення за певний період;

- випадкові викиди;

- автокореляція.

Часові ряди можна визначити як дані, розташовані в хронологічному порядку, які можуть містити один або кілька компонентів досліджуваного показника:

- трендовий;

- сезонний; - (адитивні або мультиплікативні сезонні коливання, сезонний індекс);

- циклічний;

- автоукореляційний

- випадковий.

Читайте також:

1. Векторні і часові діаграми
2. Вторинна зайнятість та тимчасові роботи
3. Допомога при тимчасовій непрацездатності
4. Законодавство передбачає випадки, в яких працівник може бути переведений на іншу роботу. Залежно від строку переведення можуть бути постійні та тимчасові.
5. Мал. 162. Часові діаграми роботи
6. Прогнозування і часові ряди
7. Тимчасові переведення з ініціативи власника
8. Тимчасові фонди цільового призначення
9. Часові бази даних та багатовимірний аналіз
10. Часові горизонти прогнозування.
11. Часові методи аналізу і синтезу систем керування.
12. Часові періоди і пристосування ринку

Переглядів: 3279