Лекция СИСТЕМЫ ОБРАБОТКИ ЭКОНОМИЧЕСКОЙ ИНФОРМАЦИИ

1). Механическое выравнивание использует кривую, проведенную между конкретными уровнями ряда так, чтобы она отображала тенденцию, присущую ряду, и одновременно освобождала его от незначительных колебаний.

2). Методы сглаживания (выравнивания) временных рядов делятся на две группы: аналитическое выравнивание и механическое выравнивание.

3). Аналитическое выравнивание использует фактические значения соседних уровней.

4). При механическом сглаживании, в пределах интервала сглаживания, подбирается полином степени большей, чем число уровней в пределах интервала сглаживания и определяются новые уровни.

5). Полиномы при механическом сглаживании не используются в силу малой эффективности. Обычно применяется показательная функция с натуральным основанием.

82. Метод простой скользящей средней.

1). Интервал сглаживания не уменьшается, если необходимо сохранить более мелкие колебания.

2). Для первых уровней вычисляется их среднее гармоническое, с учетом скрытой периодичности уровней.

3). При механическом сглаживании методом простой скользящей средней, весь ряд разбивается на интервалы сглаживания и средние уровни каждого из них заменяются средним арифметическим соседних уровней. Затем длина интервала сглаживания изменяется и процедура повторяется.

4). Если необходимо сглаживать мелкие беспорядочные колебания, то интервал сглаживания следует выбирать максимально большим.

5). Метод простой скользящей средней применяется для рядов, имеющих нелинейную тенденцию.

83. Метод взвешенной скользящей средней.

1). Метод взвешенной скользящей средней отличается тем, что уровни, входящие в интервал сглаживания, суммируются с разными весами.

2). Аппроксимация ряда в пределах интервала сглаживания осуществляется с использованием полинома первой степени.

3). Для сглаживания используется формула:

.

4). Веса определяются с помощью метода множителей Лагранжа (нелинейная условная оптимизация).

5). Веса – это числовые коэффициенты, принимающие неотрицательные вещественные значения.

84. Метод экспоненциального сглаживания.

1). Вес наблюдения увеличивается по мере удаления его от момента времени, для которого определяется сглаженное значение уровня ряда.

2). В процедуре метода экспоненциального сглаживания нахождение сглаженного уровня использует значения только предшествующих уровней, взятых с определенным весом.

3). Если для исходного временного ряда соответствующее сглаженное значение уровней обозначить через , , то экспоненциальное сглаживание осуществляется по формуле: , где Параметр сглаживания .

4). Коэффициент Коэффициент дисконтирования.

5). Соотношение для сглаживания уровней временного ряда нельзя рассматривать как рекуррентное соотношение.

85. Метод экспоненциального сглаживания.

1). Формула, по которой осуществляется сглаживание всех уровней ряда, методом экспоненциального сглаживания, имеет вид:

,

Величина, характеризующая начальные значения.

2). Существуют точные рекомендации по выбору оптимальной величины параметра сглаживания .

3). Использование в качестве параметра среднего арифметического начальных уровней ряда не приводит к хорошему согласованию сглаженного и исходного ряда.

4). При переходе к правому концу временного ряда сглаженные методом экспоненциального сглаживания значения при выбранном параметре всегда значительно отличаются от соответствующих значений исходного ряда.

5). Изменение параметра сглаживания в процессе сглаживания не приводит к выравниванию правой стороны ряда.

86. Расчеты показателей динамики развития экономических процессов.

1). Для статистического анализа одномерных рядов экономических показателей, абсолютные показатели моментных и интервальных рядов, а так же уровни из средних величин не преобразуются в относительные величины.

2). Проводить расчеты для несопоставимых величин возможно, если соотнести уровни ряда с одним и тем же уровнем, взятым за базу.

3). Если последовательно сопоставлять уровни ряда с предыдущими уровнями получается базисные показатели.

4). Если последовательно сопоставлять уровни ряда с единственным базисным уровнем – получается цепные показатели.

5). Расчеты показателей динамики экономических процессов проводится на основе статистического анализа одномерных временных рядов.

87. Несопоставимость уровней временного ряда.

Причины несопоставимости уровней временного ряда могут быть различными. В экономике чаще всего такими причинами является несопоставимость (укажите то, что не относится к причинам):

1). По территории ввиду изменения границ региона, по которому собираются статистические данные.

2). По кругу охватываемых объектов по подчинению или форме собственности ввиду перехода, например, предприятий данного объединения в другое объединение.

3). По значительным перерывам в сборе статистических данных.

4). По временным периодам, когда, например, данные за различные годы приведены по состоянию на разные даты.

5). Уровней, измеренных в разных масштабах измерения.

88. Средний уровень временного ряда динамических показателей.

1). В интервальном ряду динамики с равноотстоящими во времени уровнями расчет среднего уровня ряда производится по формуле простой средней арифметической:

.

2). Формула не изменяется , если уровни ряда будут неравноотстоящими.

3). Для моментного ряда с равноотстоящими уровнями, средняя хронологическая рассчитывается по формуле:

.

4). Формула не изменяется , если уровни ряда будут неравноотстоящими.

5). В рядах динамики экономических показателей нет необходимости рассматривать зависимость уровней ряда от предшествующих уровней, так как для экономических процессов не наблюдается авторегрессия показателей.

89. Итерационные методы фильтрации компонент временного ряда.

1). Переход от одного шага итерационной процедуры к другому не сопровождается изменением параметров скользящей средней.

2). На протяжении всей итерационной процедуры фильтрации компонент временного ряда длина участка скольжения не меняется.

3). Основная идея итерационных процедур фильтрации заключается в многократном применении скользящей средней:

И одновременной оценке сезонной компоненты в каждом цикле.

4). В итерационных процедурах фильтрации недопустимо комбинирование метода с регрессией.

5). Применение скользящей средней не приводит к потере информации на концах временного ряда.

90. Трендовые модели на основе кривых роста.

1). Использование метода экстраполяции на основе кривых роста для прогнозирования базируется на предположении: временной ряд экономического показателя не имеет тренда, (то есть, нет общей тенденции).

2). Основная цель создания трендовых моделей экономической динамики – на их основе сделать прогноз о развитии изучаемого процесса на предстоящий промежуток времени.

3). Использование метода экстраполяции на основе кривых роста для прогнозирования базируется на предположении: общие условия, определявшие развитие показателя в прошлом, не остаются без изменений в течение периода упреждения.

4). Простейшей полиномиальной кривой роста является функция , где Прирост, Ускорение роста, Вариация роста.

5). От полинома высокого порядка путем расчета последовательных разностей (приростов) невозможно перейти к полиномам более низких порядков.

91. Экспоненциальные кривые роста.

1). Для простой экспоненты вида , ордината меняется с нарастающим темпом прироста.

2). Модифицированная экспонента: – не имеет асимптот, и как следствие не показывает асимптотического поведения с ростом .

3). Кривая Гомперца: принадлежит к так называемым S-образным кривым роста – так же не показывает асимптотического поведения с неограниченным ростом .

4). Использование экспоненциальных кривых роста предполагает, что дальнейшее развитие зависит от достигнутого уровня, например, прирост зависит от значения функции.

5). Кривая Гомперца показывает линейную зависимость в изменениях прироста.

92. Оценка адекватности и точности трендовых моделей.

1). Требование адекватности модели эквивалентно требованию, чтобы остаточная компонента была строго детерминирована.

2). Трендовая модель конкретного временного ряда считается адекватной, если правильно отражает систематические компоненты временного ряда.

3). Проверка детерминированности колебаний уровней остаточной последовательности означает проверку гипотезы о правильности выбора тренда.

4). Характер отклонений от тренда можно исследовать с помощью критерия серий, который основан на медиане выборки. Отклонения считаются случайными, если выполняются соотношения с 5%-м уровнем значимости:

и .

5). Если хотя бы одно из неравенств и не выполняется – это вовсе не значит, что отклонения не носят случайный характер.

93. Критерий пиков.

1). В случайной выборке математическое ожидание числа точек поворота и дисперсия выражаются формулами: .

2). В критерии пиков (поворотных точек) уровень последовательности считается максимумом, если он больше двух рядом стоящих уровней и минимумом, если – меньше. В обоих случаях считается поворотной точкой.

• < Назад
• Вперёд >