- •В.В. Нешитой
- •Введение
- •1. Основные понятия теории вероятностей и математической статистики
- •1.1. Случайные события. Испытания. Относительная частота и вероятность
- •1.2. Виды случайных событий
- •1.3. Определения вероятности
- •1.4. Основные формулы комбинаторики
- •1.5. Теорема сложения вероятностей (несовместных событий)
- •1.6. Теорема умножения вероятностей (независимых событий)
- •1.7. Закон распределения дискретной случайной величины
- •1.8. Числовые характеристики дискретной случайной величины
- •1.8.1. Математическое ожидание
- •1.8.2. Свойства математического ожидания
- •1.8.3. Дисперсия дискретной случайной величины
- •1.8.4. Свойства дисперсии
- •1.8.5. Среднее квадратическое отклонение
- •1.8.6. Одинаково распределенные взаимно независимые случайные величины
- •1.8.7. Моменты (начальные, центральные) дискретной случайной величины
- •1.10.2. Плотность распределения
- •1.11. Числовые характеристики непрерывных случайных величин
- •1.12. Примеры непрерывных распределений
- •1.12.1. Нормальный закон
- •1.12.2. Показательный закон
- •1.12.3. Закон Вейбулла
- •1.13. Элементы математической статистики
- •1.13.1. Генеральная и выборочная совокупности. Вариационный ряд. Характеристики вариационного ряда
- •1.13.2. Статистическое распределение выборки. Полигон. Гистограмма. Эмпирическая функция распределения
- •1.13.3. Статистические оценки параметров. Точность оценки, доверительная вероятность (надежность)
- •1.13.4. Метод моментов для точечной оценки параметров распределения
- •1.13.5. Метод наибольшего правдоподобия
- •2. Вероятностная модель текста и ее исследование
- •2.1. Понятие математического ожидания случайной функции, нового события и кривой роста новых событий
- •2.2. Математическое ожидание случайной функции и кривая роста новых событий. Связь с законами распределения вероятностей разных и новых событий
- •2.3. Установление статистической структуры выборки по кривой роста новых событий
- •2.4. Восстановление кривой роста новых событий по статистической структуре выборки
- •2.5. Построение систем кривых роста и непрерывных распределений новых событий
- •Построение систем кривых роста и непрерывных распределений новых событий
- •3. Обобщенные распределения. Системы непрерывных распределений
- •3.1. Методы построения обобщенных распределений
- •3.2. Построение системы непрерывных распределений методом обобщения
- •3.3. Классификация обобщенных распределений
- •Распределения группы а
- •Распределения группы б
- •Группа симметричных распределений
- •3.4. Распределения функций случайного аргумента
- •3.5. Три основные и три дополнительные системы непрерывных распределений в.Нешитого
- •3.6. Обобщение систем непрерывных распределений
- •3.6.1. Обобщение систем непрерывных распределений по первому варианту
- •Обобщение систем непрерывных распределений по первому варианту на базе четырехпараметрической плотности p(t)
- •3.6.2. Обобщение систем непрерывных распределений по второму варианту
- •Обобщение систем непрерывных распределений по второму варианту на базе четырехпараметрической плотности p(t)
- •4. Оценивание параметров обобщенных распределений. Критерии для классификации кривых. Центральная предельная теорема
- •4.1. Метод наименьших квадратов
- •Значение функции распределения f(tc)
- •4.2. Метод наибольшего правдоподобия
- •4.3. Классический метод моментов
- •4.3.3. Симметричные распределения Ic–iiIc типов
- •4.3.4. Критерии для классификации распределений по методу моментов
- •4.4. Универсальный метод моментов
- •4.4.1. Расширение трех систем непрерывных распределений
- •4.4.2. Законы распределения суммы независимых случайных величин
- •4.4.3. Центральная предельная теорема для трех систем непрерывных распределений
- •4.4.4. Законы распределения среднего выборочного
- •4.5. Устойчивый метод
- •5. Выравнивание и прогнозирование статистических распределений
- •5.1. Выбор системы непрерывных распределений для выравнивания статистических распределений
- •5.2. Вычисление выравнивающей кривой распределения по статистическим данным
- •5.2.1. Выравнивание по классическому методу моментов
- •5.2.2. Выравнивание по универсальному методу моментов
- •5.2.3. Выравнивание по устойчивому методу
- •Показатели статистического распределения (snr2v08a)
- •Распределение 3-го типа с параметрами
- •5.2.5. Выравнивающее распределение среднего выборочного
- •5.3. Прогнозирование распределений
- •5.3.1. Первая система непрерывных распределений
- •5.3.2. Вторая система непрерывных распределений
- •Распределение населения страны по среднедушевому совокупному доходу, в % к итогу (Расчет по данным обследования 90 тыс. Семейных бюджетов)
- •5.3.3. Показатели стабильности и качества выборки
- •5.4. Ранговые распределения
- •5.4.1. Форма представления ранговых распределений
- •5.4.2 Универсальный закон рассеяния публикаций
- •5.5.3. Универсальный закон старения публикаций
- •5.4.4. Ранговые распределения лексических единиц
- •6. Временные (динамические) ряды
- •6.1. Методы выделения тренда
- •6.2. Построение кривых роста для выравнивания временных рядов
- •6.2.1. Построение кривых роста с заданными свойствами
- •6.2.2. Метод обобщения
- •6.2.3. Кривые роста на базе обобщенных распределений
- •6.3. Оценивание параметров кривых роста
- •6.3.1. Уравнение прямой
- •6.3.2. Экспонента
- •6.3.3. Обобщенная кривая роста
- •6.4. Прогнозирование временных рядов
- •6.4.1. Параметрический метод прогнозирования
- •6.4.2. Непараметрический метод прогнозирования
- •Заключение
- •Приложения Приложение 1
- •Приложение 2
- •Приложение 5 Основные сведения о программах
- •Литература
- •Содержание
- •Математико-статистические
- •Методы анализа
- •В библиотечно-информационной
- •Деятельности
6.4.2. Непараметрический метод прогнозирования
Полученный сглаженный ряд (см. п. 6.4.1) можно использовать для прогнозирования непосредственно, без подбора для каждого конкретного случая наилучшей выравнивающей кривой. Назовем этот метод непараметрическим.
Операция сглаживания временного ряда – весьма деликатная операция. Она, с одной стороны, должна в максимальной степени уменьшить случайную составляющую и, с другой стороны, не должна исказить тренд. Эти противоречивые требования могут быть выполнены лишь в том случае, если нам удастся найти такую теоретическую кривую, которая чаще других оказывается наиболее подходящей выравнивающей кривой. Ее следует использовать в качестве базы для сглаживания. Далее следует решить вопрос о числе сглаживаний, ибо с их ростом сглаженный ряд все более приближается к кривой, принятой в качестве базы для сглаживания, а она может оказаться не совсем подходящей. Опыт показывает, что в большинстве случаев достаточно однократного сглаживания.
Рост экономических показателей по крайней мере в первом приближении может быть описан экспонентой
или близкой к экспоненте кривой. Поэтому сглаживание временных рядов целесообразно проводить в системе координат (Т, ), так как в этом случае экспонента преобразуется к прямой
.
Сглаживание заключается в вычислении средних значений ординат по трем равноотстоящим точкам. При этом используются формулы (6.1.1), но в них следует заменить величину y на .
Проведем небольшое число сглаживаний (от 1 до 3). Получим некоторую кривую в полулогарифмическом масштабе, близкую к тренду. Эту кривую, которая должна быть близка к прямой, используем далее для прогнозирования.
Найдем среднемесячные темпы роста за последние три и шесть месяцев
,
а также за весь исследуемый период.
При стабильном темпе роста оба значения величины q должны быть близкими между собой (при отсутствии сезонности), а также к среднемесячному темпу роста за весь период. Тогда прогнозируемые значения экономических показателей будут равны
, где r – интервал прогнозирования (период упреждения).
Описанный метод прогнозирования не требует вычисления оценок параметров, входящих в теоретический закон роста временных рядов, да и сам этот закон может быть известен лишь в первом приближении. Этот метод прогнозирования отличается исключительной простотой и в то же время по точности он почти не уступает параметрическому методу. Кроме того, непараметрический метод более гибко реагирует на изменение текущих темпов роста.
На базе рассмотренных выше математических моделей кривых роста, а также регрессионных уравнений и описанных выше методов прогнозирования (параметрического и непараметрического) автором разработана система прогнозирования индексов цен в строительстве. В течение ряда лет (с 1995 г. по 2004 г.) она использовалась автором в Республиканском научно-техническом центре по ценообразованию в строительстве (РНТЦ) Министерства архитектуры и строительства Республики Беларусь при краткосрочном прогнозировании (до года) индексов изменения стоимости строительно-монтажных работ и показала достаточно высокую надежность.
В заключение отметим, что как параметрический, так и непараметрический методы прогнозирования должны осуществляться на компьютере в связи с большим объемом вычислительных работ.
Для рассмотренных выше кривых роста автором разработаны соответствующие программы.