Временные ряды и прогнозирование. Сетевой анализ и планирование проектов. Модели кривых роста. Статистические критерии сезонности: дисперсионный, автокорреляционный, гармонический. Модели, которые используются для прогнозирования сезонных процессов.
Программой расширения предусматривается перевод персонала с существующего завода (завод А) на новый завод (завод Б). Далее приведены детали этой программы, в том числе обычная продолжительность и расходы, а также сокращенная продолжительность и соответствующие расходы по каждому действию: Действие Очередность Продолжительность (недель) Расходы (1000 ф. ст.) При моделировании временных рядов статистические методы исследования исходят из предположения о возможности представления значений временного ряда в виде суммы нескольких компонент, отражающих закономерность и случайность развития, в частности в виде суммы трех компонент: Y(t) = T(t) S(t) E(t), где T(t) - тренд (долговременная тенденция) развития; Наиболее часто в практической работе используются кривые роста, которые позволяют описывать процессы трех основных типов: без предела роста; с пределом роста без точки перегиба; с пределом роста и точкой перегиба. Для прогнозирования сезонных процессов используются модели трех типов: СС - модели (скользящего среднего); АР - модели (авторегрессии); и АРИСС - модели (смешанные модели интегрированного скользящего среднего).
Список литературы
1. Ефимова М.Р., Ганченко О.И., Петрова Е.В. Практикум по общей теории статистики: Учебное пособие. - Москва: Финансы и статистика, 2000.
2. Мазур И.И., Шапиро В.Д., Ольдерогге Н.Г. Управление проектами - М. «Экономика», 2001 - 574 с.
3. Управление проектами / под ред. Дж.К. Пинто - СПБ: Питер, 2004 - 464 с.
Вы можете ЗАГРУЗИТЬ и ПОВЫСИТЬ уникальность своей работы
