Принимаем к оплате

Принимаем к оплате Webmoney

Купить Статистические методы прогнозирования в экономике
Статистические методы прогнозирования в экономике

Есть в наличии.
  Цена:
1500.00 руб.

В нашем магазине вы сможете купить Статистические методы прогнозирования в экономике дешево и надежно. Оплата онлайн, любым удобным способом. лабораторный практикум и четыре текущих контроля
«Применение моделей кривых роста в экономическом прогнозировании»
Для расчётов K=10
Необходимо заполнить все поля задания, выделенные жёлтым цветом
1. Имеются квартальные данные о прибыли компании (тыс.долл.).
Таблица 1. Исходные данные
t yt (тыс.долл.) t yt (тыс.долл.) t yt (тыс.долл.)
1 80,4+К 6 115,2+К 11 147,4+К
2 88,3+К 7 118,4+К 12 155,2+К
3 92,0+К 8 127,1+К 13 169,8+К
4 98,5+К 9 131,3+К 14 176,7+К
5 109,9+К 10 136,9+К 15 192,4+К
С помощью графического анализа в MS Excel исследуйте компонентный состав временного ряда (наличие трендовой компоненты и случайной).
Обоснуйте возможность применения моделей кривых роста полиномиального типа (I и II порядков) и показательной модели для описания динамики этого ряда.
2. Предположив, что тенденция ряда может быть описана
I) линейной моделью ;
II) параболической моделью ,
III) показательной моделью
определите коэффициенты этих моделей с помощью метода наименьших квадратов (МНК) (показательную модель необходимо привести к линейному виду логарифмированием). Для упрощения расчетов выполните перенос начала координат в середину ряда динамики.
3. Сравните выбранные модели с помощью графического анализа в MS Excel.
Для этого на одном графике изобразите эмпирические данные и теоретические значения, полученные по I, II и III моделям.
4. Сравните построенные модели по характеристикам точности: средней
абсолютной ошибке по модулю и средней относительной ошибке по
модулю. Проверьте адекватность моделей исходным данным по критерию
Дарбина-Уотсона. Сделайте вывод о «качестве» полученных моделей, определите наиболее удачную модель (имеет наименьшие ошибки и адекватна исходным данным по критерию Дарбина-Уотсона).
5. Рассчитайте с помощью лучшей модели точечный прогноз для периода упреждения L=1.

Лабораторный практикум.
Таблица 1.1.Определение коэффициентов линейной модели по МНК с переносом
начала координат в середину ряда динамики.
исходн. коорд. исходные данные перенос н.к. в серед. для линейн. модели для параб.
модели для показ. модели. Ln –натуральный логарифм по «е». расчет параметров теоретических трендов по трем моделям.
t! yt (тыс.долл.) t yt*t t2 yt*t2 t4 Ln(yt) Ln(yt)*t
(линейн.)
(параб.)
(показ.)
1 80,4+К -7
2 88,3+К -6
3 92,0+К -5
4 98,5+К -4
5 109,9+К -3
6 115,2+К -2
7 118,4+К -1
8 127,1+К 0
9 131,3+К 1
10 136,9+К 2
11 147,4+К 3
12 155,2+К 4
13 169,8+К 5
14 176,7+К 6
15 192,4+К 7
Сумма 8
Прогноз
= ----- Прогноз = ----- Прогноз = -----
При расчете параметров всех моделей суммирование осуществляется по t, полученному после переноса начала координат в середину временного ряда.
Линейная модель:
а0=------
а1=------
Прогноз прибыли в следующем квартале: ----+----*----=---- тыс.долл.
а0 а1 t
Параболическая модель:
Прогноз прибыли в следующем квартале: ----+----*----+----*----=---- тыс.долл.
а0 а1 t a2 t2
Показательная модель:
Т.к. МНК - линейный метод оценивания возьмем натуральный логарифм от левой и правой части функции. После логарифмирования функция стала линейной.
Обозначив ; ; запишем
Прогноз прибыли в следующем квартале: ----*----^----=---- тыс.долл.
Таблица 1.2.Расчет характеристик точности линейной модели.
yt (тыс.долл.) (линейн.) (тыс.долл.)
80,4+К
88,3+К
92,0+К
98,5+К
109,9+К
115,2+К
118,4+К
127,1+К
131,3+К
136,9+К
147,4+К
155,2+К
169,8+К
176,7+К
192,4+К
Сумма
........
Доп. информация
Текущий контроль №1
1.Тенденция изменения среднегодовой численности промышленно-производственного персонала предприятия описывается моделью: . Согласно модели среднегодовой темп прироста численности составил:
а) 2,2%; б) 31%; в) 22%; г) 12,2%; д)102,2%.
2.Годовая динамика прибыли компании описывается моделью:
Согласно модели среднегодовой прирост прибыли составил:
а) 6,4 б)-6,4 в)372,2 г)72,2
3.Ежеквартальная динамика процентной ставки банка в течение 5 кварталов представлена в таблице:
Прогноз процентной ставки банка в 6 квартале, рассчитанный с помощью среднего темпа роста, равен:
а) 11,1%; б) 11,8%; в) 10, 9%; г) 11,5%; д)11,6%.
4.Уровни временного ряда изменяются примерно с постоянным темпом роста. Прогноз на один шаг вперед с помощью среднего темпа роста может быть вычислен по формуле:
5.Динамика временного ряда близка к линейному развитию. Прогноз на два шага вперед с помощью среднего абсолютного прироста может быть вычислен по формуле:

Текущий контроль №2
1. Представление уровней временного ряда (t=1,2,…,n) в виде:
, где ut -трендовая компонента; -циклическая компонента; st-сезонная компонента; -случайная компонента, соответствует модели:
а) мультипликативной; б) аддитивной; в) смешанного типа; г) адаптивной
2. Представление уровней временного ряда (t=1,2,…,n) в виде: , где ut-трендовая компонента; -циклическая компонента; st-сезонная компонента; -случайная компонента, соответствует модели:
а) мультипликативной; б) аддитивной; в) смешанного типа; г) адаптивной.
3. Для описания периодических колебаний, имеющих период три месяца, используется:
а) сезонная компонента; б) случайная компонента;
в) трендовая компонента; г) циклическая компонента.
4.Представление уровней временного ряда (t=1,2,…,n) в виде:
, где ut -трендовая компонента; -циклическая компонента; st-сезонная компонента; -случайная компонента, соответствует модели:
а) мультипликативной; б) аддитивной; в) смешанного типа; г) адаптивной
5.Для описания периодических колебаний, имеющих период пять лет, используется:
а) сезонная компонента; б) случайная компонента;
в) трендовая компонента; г) циклическая компонента.

Текущий контроль №3
1.Значение критерия Дарбина-Уотсона для временного ряда остатков e1, e1, …, en определяется выражением:
2.После переноса начала координат в середину ряда динамики коэффициент а1 линейной модели равен:
3. Для оценивания неизвестных коэффициентов полиномов используется:
а) метод последовательных разностей; б) метод наименьших квадратов;
в) метод характеристик приростов; г) метод моментов.
4 . Критерий Дарбина-Уотсона служит для:
а) проверки свойства случайности остаточной компоненты;
б) проверки гипотезы о нормальном характере распределения ряда остатков;
в) обнаружения автокорреляции в остатках.
5. Система нормальных уравнений для параболической модели содержит:
а) три уравнения с тремя неизвестными;
б) два уравнения с тремя неизвестными;
в) два уравнения с двумя неизвестными.

Текущий контроль №4
1.Модель экспоненциального сглаживания определяется рекуррентной формулой:
2.В модели экспоненциального сглаживания параметр адаптации  может быть равен:
а) –1,9; б) 99; в) 0,1; г) 1,5; д) 2.
3.Модель Хольта - Уинтерса используется для прогнозирования временных рядов:
а) с мультипликативной сезонностью; б) с аддитивной сезонностью;
в) с экспоненциальным трендом; г) с демпфирующим трендом.
4.Количество параметров адаптации, используемых в модели линейного роста Ч. Хольта, равно:
а) 2; б) 3; в) 1; г) 4.
5. Если расчетное значение критерия Дарбина-Уотсона d меньше нижнего табличного критического значения d1, то:
а) модель не адекватна реальному процессу по данному критерию;
б) модель адекватна реальному процессу по данному критерию;
в) нет достаточных оснований для принятия решения об адекватности модели.
Количество продаж товара - 0
Тип товара: Товар: файл (30929181450157.rar, 123160 байтов)
Загружен - 29.09.2013 18:14:50
Продавец - Рекомендую!!!
Количество положительных отзывов: 0
Количество отрицательных отзывов: 0