ВСТУП У сучасних умовах управлінські рішення повинні прийматися лише на основі ретельного аналізу наявної інформації. Для вирішення подібних завдань призначений апарат прикладної статистики, складовою частиною якого є статистичні методи прогнозування. Ці методи дозволяють виявити закономірності на тлі випадковостей, зробити обгрунтовані прогнози і виявити ймовірність їх виконання.
При розгляді класичної моделі регресії характер експериментальних даних не має принципового значення. Методи дослідження моделей, заснованих на даних просторових вибірок і часових рядів, суттєво відрізняються. Це можна пояснити тим, що спостереження у тимчасових лавах не можна вважати незалежними.
Прогнозування - це оцінка на основі глибокого аналізу тенденцій розвитку соціально-економічних явищ і їх взаємозв'язків. Процес прогнозування передбачає виявлення можливих альтернатив розвитку в перспективі для обгрунтованого їх вибору та прийняття оптимального рішення.
Економічне прогнозування неможливо без доброго знання досліджуваного явища і володіння різними методами обробки динамічних рядів, які в кожному окремому випадку допомогли б виявити загальну закономірність зміни, періодичність у підвищенні або зниженні рівнів (Якщо вона має місце), кореляцію між окремими рядами.
Для аналізу даних доцільно розраховувати показники: абсолютні прирости (зміни) рівнів; темпи зростання; темпи приросту (зниження) рівнів.
Для узагальнюючої характеристики динаміки досліджуваного явища за ряд періодів використовувалися середні показники: середній темп зростання, середній темп приросту, середній абсолютний приріст.
Метою курсової роботи було придбання практичних навичок пошуку та систематизації зібраного матеріалу для статистичного дослідження.
Для реалізації поставленої мети в дипломній роботі будуть вирішені наступні завдання:
1) графічний аналіз даних про обсяг ринку побутової техніки;
<
p> 2) змістовний аналіз даних про обсяг ринку побутової техніки;
3) аналіз даних про обсязі ринку побутової техніки на основі методів прогнозування;
4) завдання прогнозування на 2009 р., перевірка адекватності та точності прогнозу і аналіз ситуації на ринку побутової техніки м. Уфа в 2009 г;
5) вибір найкращого методу прогнозування;
6) завдання прогнозування на 2010 р.;
7) сформульовані висновки.
РОЗДІЛ 1. ЗАСТОСУВАННЯ ТЕОРІЇ ТИМЧАСОВИХ РЯДІВ ДЛЯ ПРОГНОЗУВАННЯ ЕКОНОМІЧНИХ ПРОЦЕСІВ
1.1 Економічні процеси та їх прогнозування
графічний аналіз прогнозування
Одним з найбільш складних етапів прогнозування, який забирає багато часу і сил, є збір обгрунтованих і достовірних даних. Точність будь-якого прогнозу обмежується достовірністю тих даних, на яких він побудований. Найбільш складні моделі прогнозування не спрацюють, якщо вони будуть застосовуватися до недостовірних даних [1, С.85].
Для оцінки, чи будуть наявні дані корисні для вирішення поставленого завдання, можна використовувати наступні чотири принципу:
1) дані повинні бути достовірними і точними. Необхідно подбати про те, щоб дані були отримані з достовірного джерела, і звернути увагу на те, щоб вони мали необхідну точність;
2) дані повинні бути значимими. Дані повинні відображати ті обставини, для аналізу яких вони будуть використовуватися;
3) дані повинні бути узгодженими. Якщо обставини, щодо яких дані збиралися, змінилися, необхідно внести коректування, спрямовані на збереження узгодженості нових даних з історично сформованою структурою;
4) дані повинні збиратися через певні інтервали часу. Дані, зібрані і підсумовані в строгому хронологічному порядку, становлять найбільший інтерес для цілей прогнозування.
Для створення прогнозів представляють інтерес два типи даних. До першого типу відносять дані, зібрані в фіксований момент часу. Це може бути конкретний годину, день, тиждень, місяць або квартал. Другий тип представляють дані спостережень, зроблених з плином часу. Крос-секційними даними називаються спостереження, зібрані в фіксований момент часу [2, С.85]. Завдання полягає у вивченні таких даних з наступною екстраполяцією або подальшим поширенням отриманих взаємин на велику генеральну сукупність.
1.2. Аналіз часових рядів
1.2.1 Тимчасові ряди і їх компоненти
Сукупність спостережень величини, виконаних у протягом певного проміжку часу, називають даними тимчасового ряду або просто тимчасовим поруч. Найчастіше спостереження реєструються через постійні проміжки часу. У загальному випадку часові ряди не являють собою випадкову вибірку і потребують спеціальних методів для їх дослідження. Спостереження у тимчасових рядах, як правило, залежать один від одного (автокорреліруют). Ця залежність утворює модель зміни або поведінки даних, яку можна використовувати для передбачення їх майбутніх значень, а це, в свою чергу, може значно допомогти керівництву в управлінні діловими операціями [3, С.180].
Декомпозиція
Один з методів аналізу даних тимчасових рядів включає спробу визначити складові фактори, які впливають на кожне значення часового ряду. Подібна процедура ідентифікації називається декомпозицією. Кожна компонента ідентифікується окремо. Потім вклади кожної компоненти комбінуються з метою отримання прогнозів майбутніх значень часових рядів.
Розгляд методів декомпозиції починається з чотирьох компонент часових рядів - це трендова, циклічна, сезонна і нерегулярна (або випадкова) компоненти.
1. Тренд. Тренд - це компонента, що представляє основне зростання (або спад) під тимчасовому ряді. Компонента тренда позначається буквою.
2. Циклічність. Циклічний компонент - це послідовність хвилеподібних флуктуації або цикли тривалістю більше одного року. Зміна економічних умов зазвичай відбувається циклічно. Циклічний компонент позначається буквою.
3. Сезонність. Сезонні зміни зазвичай присутні в квартальних, місячних або тижневих даних. Під сезонними варіаціями розуміються зміни з більш або менш стабільною структурою, що мають річну циклічність і повторюються з року в рік. Сезонна компонента позначається буквою.
4. Нерегулярність. Нерегулярна компонента включає непередбачувані або випадкові флуктуації. Нерегулярна компонента позначається буквою.
Двома найпростішими моделями, що зв'язують спостережувану величину тимчасового ряду () з компонентами тренда (), сезонності () і нерегулярності (), є модель адитивних компонент
(1.1)
і модель мультиплікативних компонент.
. (1.2)
Модель адитивних компонент застосовна в тих випадках, коли аналізований часовий ряд має приблизно однакові зміни протягом всієї тривалості ряду. Іншими словами, всі значення ряду суттєво зменшуються в межах смуги постійної ширини, центрованої на рівні тренду.
Модель мультиплікативних компонент ефективніше в тих ситуаціях, коли зміна тимчасової послідовності збільшується зі зростанням рівня.
Тренд
Тренд представляє собою довготривалі зміни у тимчасових рядах, які іноді можна описати за допомогою прямої лінії або гладкої кривої. Якщо грубо уявити тренд у вигляді прямої лінії, тобто якщо зростання або спад схожі на пряму лінію, то вона описується таким рівнянням:
, (1.3)
де
- це розрахункове значення тренда в момент часу.
Символ використовується для незалежної змінної, яка представляє час і звичайно приймаючої цілочисельні значення 1,2,3, ..., відповідні послідовним періодами часу. Коефіцієнт нахилу є середнім зростанням або спадом для будь-якого зростання в часі за один період.
Прогноз тренда
Нехай прогноз величини на кроків уперед робиться в момент часу (кінець послідовності), при ...
