Методы анализа временных рядов, их структура и компоненты, модели экспоненциального сглаживания. Аддитивная и мультипликативная модели, детерминированная и случайная составляющая. Исследование и оценка возможности прогнозирования в программе Statistica.
Выделяют три типа прогноза по времени: - краткосрочный прогноз: подходит для построения на несколько шагов вперед, для него применяют методы: экспоненциальное сглаживание, авторегрессия и проинтегрированное скользящее среднее (АРПСС) и нейронные сети Чтобы воспользоваться модулем «Экспоненциальное сглаживание и прогнозирование» в STATISTICA необходимо зайти: Анализ-> Углубленные методы анализа-> Временные ряды и прогнозирование и выбрать опцию «Экспоненциальное сглаживание и прогноз» рис. Как и при проведении других анализов, визуальная проверка часто является наиболее пригодной для оценки точности прогноза экспоненциального сглаживания, но существуют и другие меры ошибки, которые используются для определения оптимального значения параметра Все эти меры автоматически вычисляются в модуле «Временные ряды и прогнозирование». Применяется в моделях с демпфированным трендом (ДТ) в рядах без сезонности и в моделях с экспоненциальным и линейным трендом. Практика показывает, что многие наблюдаемых рядов, описанных смешанной моделью можно отнести с достаточной точностью к одному из пяти классов: · Модели авторегрессии (МА) с одним параметром: · МА с двумя параметрами: · Модели скользящего среднего (МСС) с одним параметром: · МСС с двумя параметрами: · МА с одним параметром и МСС с одним параметром: Имеются следующие практические критерии для определения этих моделей с помощью автокорреляционных и частных автокорреляционных функций: 1.В работе рассматривалась задача прогнозирование объема продаж, используя МЭС и АРПСС.
Вы можете ЗАГРУЗИТЬ и ПОВЫСИТЬ уникальность своей работы
