Anexa 1. METODE DE ANALIZĂ ȘI PREVIZIONARE STATISTICĂ ÎN AFACERI

4. Instrumente matematice de prognoză

Metodele și modelele matematice utilizate în problemele de analiză stocastică și prognoză în afaceri se pot raporta la o varietate de ramuri ale matematicii: analiza de regresie, analiza serii de timp, formarea și evaluarea opiniilor experților, modelarea prin simulare, sisteme de ecuații simultane, analiza discriminantă, logit. și modele probit, aparatul funcțiilor de decizie logică, analiza varianței sau covarianței, analiza corelațiilor de rang și a tabelelor de contingență etc. Cu toate acestea, toate sunt unite de faptul că reprezintă abordări diferite pentru rezolvarea problemei centrale a statisticii multivariate. analiză și econometrie - probleme de cercetare statistică a dependenţelor, care este tocmai problema de baza a analizei si prognozei statistice in afaceri (formularea sa generală a fost dată în paragraful 2).

La paragraful 1 s-a remarcat deja că printre p + k + l + m Componenta caracteristicii multidimensionale analizate poate fi variabile cantitative, ordinale sau nominale. Abordările menționate mai sus pentru rezolvarea problemei centrale a analizei statistice multivariate au fost formate tocmai ținând cont de natura variabilelor studiate. Specializarea corespunzătoare a acestor abordări este reflectată în Tabel. 4. Conține și referințe la surse literare în care poți găsi destule descriere completă aceste abordări.

Tabelul 4.

Cu toate acestea, practica analizei statistice și previziunii în afaceri indică faptul că, în întreaga gamă a instrumentelor lor matematice, conducerea de necontestat (în ceea ce privește prevalența și relevanța) aparține trei secțiuni:
- analiza regresiei;
- analiza serii temporale;
- mecanism pentru formarea și analiza statistică a evaluărilor experților.

Să ne uităm pe scurt la fiecare dintre aceste secțiuni.

Analiza de regresie

Ca și mai înainte, vom descrie funcționarea obiectului real studiat (firmă, firmă, proces de producție sau distribuție de produse etc.) cu un set de variabile și (sensul lor de fond este descris în paragraful 2). Să introducem o serie de definiții și concepte utilizate în analiza regresiei.

Variabile rezultate (dependente, endogene). Variabila care caracterizează rezultatul sau eficiența sistemului analizat se numește rezultantă (dependentă, endogenă). Valorile sale se formează în procesul și în funcționarea acestui sistem sub influența unui număr de alte variabile și factori, dintre care unii pot fi înregistrați și, într-o anumită măsură, gestionați și planificați (această parte este de obicei numită variabile explicative, vezi mai jos). În analiza de regresie, variabila rezultată acționează ca o funcție, ale cărei valori sunt determinate (deși cu o oarecare eroare aleatorie) de valorile variabilelor explicative menționate mai sus, care acționează ca argumente. .

Prin urmare, prin natura sa, variabila rezultată este întotdeauna stocastică (aleatorie). În cazul general, comportamentul mai multor variabile rezultate este de obicei analizat simultan. Variabile explicative (predictoare, exogene).

. Variabilele (sau atributele) care pot fi înregistrate, descriu condițiile de funcționare ale sistemului economic real studiat și determină în mare măsură procesul de formare a valorilor variabilelor rezultate sunt numite explicative. De regulă, unele dintre ele pot fi cel puțin parțial reglementate și gestionate. Valorile unui număr de variabile explicative pot fi setate ca și cum ar fi „din exterior” sistemului analizat. În acest caz, ele sunt de obicei numite exogene. În analiza de regresie, ele joacă rolul de argumente ale funcției în care este considerat indicatorul rezultat analizat. Prin natura lor, variabilele explicative pot fi aleatoare sau nealeatoare.

Reziduuri de regresie– acestea sunt componente aleatorii latente (adică ascunse, nu direct măsurabile), reflectând influența, respectiv, asupra

factori neluați în considerare, precum și erori aleatorii în măsurarea variabilelor rezultate analizate. În general, ele pot depinde și de , adică în cazul general.

Schema generala Interacțiunea variabilelor în analiza de regresie este prezentată în figură. Desen . Schema generală de interacțiune a variabilelor în analiza de regresie. Funcția de regresie De Interacțiunea variabilelor în analiza de regresie este prezentată în figură.. Funcția este numită

unde simbolul înseamnă operația de mediere teoretică a valorilor (adică este așteptarea matematică a unei variabile aleatoare și, sau pur și simplu, este așteptarea matematică condiționată a unei variabile aleatoare, calculată cu condiția ca valorile variabilele explicative sunt fixate la nivel).

Dacă analizăm simultan variabilele rezultate, atunci ar trebui să luăm în considerare, respectiv, funcțiile de regresie sau, ceea ce este la fel, una cu valoare vectorială funcţie

. (11)

Apoi modelul de regresie poate fi scris sub forma

, (12)

Mai mult, din definiție rezultă că întotdeauna]

(12’)

(identic semnul egal în (12’) înseamnă că este valabil când orice valori; vectorul coloană cu zerouri din partea dreaptă are dimensiunea ).

problema analizei regresieiîn forma sa cea mai generală poate fi formulată după cum urmează:

pe baza rezultatelor măsurătorilor

a variabilelor studiate asupra obiectelor (sistemelor, proceselor) populației analizate, construiți o astfel de funcție (valorică vectorială) (11) care să permită cel mai bun (într-un anumit sens) mod de a restabili valorile rezultatului. variabile (prevăzute). în funcție de valorile date ale variabilelor explicative (exogene).

Nota 1. Cele mai frecvente sunt liniar modele de regresie, adică modele în care funcțiile de regresie au o formă liniară:

Observația 2. Există cel puțin două opțiuni pentru interpretarea variabilelor „comportamental”, „status” și, respectiv, „externă” introduse în paragraful 2, și în cadrul modelului de regresie descris (12)–(12’). În prima versiune toate cele trei tipuri variabile și sunt clasificate ca variabile explicative și se construiește o regresie pe . Într-un alt exemplu de realizare, variabilele și sunt interpretate ca conditii de observatie si apoi separat pentru fiecare combinație fixă ​​a acestor condiții, construiți model de regresie tipul (12) (în cadrul modelului liniar (12 '') aceasta va însemna că coeficienţii de regresie înşişi depind de și , adică sunt definite ca funcții ale și ).

Analiza serii temporale

Orice analiză și prognoză statistică se bazează pe date statistice inițiale. Principalele lor tipuri au fost prezentate în paragraful 1. Mai mult, dacă procesul de înregistrare a datelor are loc în timp, iar timpul în sine este înregistrat împreună cu valorile caracteristicilor analizate, atunci vorbim despre analiza statistică a așa-numitelor datele panoului. Dacă fixați numărul variabilei și numărul obiectului examinat statistic, atunci succesiunea de valori este situată în ordine cronologică

numit serii de timp univariate. Dacă luăm în considerare simultan seriile temporale unidimensionale de forma (13), adică examinăm modelele din interconectate comportamentul seriilor temporale (13) pentru , care caracterizează dinamica variabilelor, măsurată pe doar unul(-m) obiect, apoi vorbesc despre analiza statistica serii temporale multivariate. În esență, toate sarcinile legate de analiza dinamicii economice și previziunile implică utilizarea unor serii temporale ale anumitor indicatori ca bază statistică a acestora.

De regulă, numai în probleme de prognoză de afaceri discret (prin timpul de observare) serii de timp univariate pentru momente de observare echidistante, adică unde este un anumit pas de timp (minut, oră, zi, săptămână, lună, trimestru, an etc.).

În aceste cazuri, ne va fi mai convenabil să reprezentăm seria temporală studiată în formular

unde este valoarea indicatorului analizat înregistrată în pasul de timp. Vorbind despre utilizarea aparatelor de analiză a seriilor de timp în problema de prognoză, ne referim- scurt si pe termen mediu prognoza , încă de la construcție pe termen lung prognoza presupune folosirea obligatorie a metodelor de organizare si analiza statistica.

expertize speciale Geneza observațiilor care formează o serie temporală

. Vorbim despre structura și clasificarea principalilor factori sub influența cărora se formează valorile elementelor unei serii de timp. Este recomandabil să distingem următoarele 4 tipuri de astfel de factori. (O) Pe termen lung , formând o tendință generală (pe termen lung) de modificare a caracteristicii analizate. De obicei, această tendință este descrisă folosind una sau alta funcție non-aleatorie f (tr t), de obicei monoton. Această funcție este numită funcția de tendință sau doar.

tendinţă (B) Sezonier , formând periodic fluctuaţii repetate ale caracteristicii analizate la o anumită perioadă a anului. Să fim de acord să notăm rezultatul acțiunii factorilor sezonieri folosind o funcție non-aleatorie. Pentru că această funcție ar trebui să fie periodic

(cu perioade care sunt multipli de anotimpuri, adică sferturi), expresia sa analitică implică armonici (funcții trigonometrice), a căror periodicitate, de regulă, este determinată de esența substanțială a problemei. (ÎN) (Ciclic), formând modificări ale caracteristicii analizate, cauzate de acțiunea unor cicluri de lungă durată de natură economică, demografică sau astrofizică (valuri Kondratiev, „găuri” demografice, cicluri de activitate solară etc.). Vom nota rezultatul acțiunii factorilor ciclici folosind o funcție non-aleatorie.

(G) Aleatoriu(neregulat), nesupus contabilității și înregistrării. Impactul lor asupra formării valorilor seriilor temporale este tocmai ceea ce determină natura stocastică elemente, și deci nevoia de interpretare ca observații făcute asupra variabilelor aleatoare, respectiv. Vom nota rezultatul influenței factorilor aleatori folosind variabile aleatoare („reziduuri”, „erori”). Desigur, nu este deloc necesar ca factorii să participe simultan la procesul de formare a valorilor oricărei serii cronologice toată lumea patru tipuri. În unele cazuri, valorile unei serii temporale pot fi formate sub influența factorilor (A), (B) și (D), în altele - sub influența factorilor (A), (C) și (D). ) și, în sfârșit, exclusiv sub influența factorilor factori aleatori (G). Cu toate acestea, în toate cazurile (se presupune participarea indispensabilă a unor oameni la întâmplare) evolutiv factorii (D). În plus, este general acceptat (ca ipoteză) aditiv structural sistem

influența factorilor (A), (B), (C) și (D) asupra formării valorilor, ceea ce înseamnă legitimitatea reprezentării valorilor membrilor seriilor temporale sub forma unei expansiuni: Concluziile despre faptul dacă factori de acest tip sunt implicați sau nu în formarea valorilor se pot baza fie pe o analiză a esenței de fond a sarcinii (adică să fie a priori-expert prin natura sa ), și pe special.

analiza statistică a seriei temporale studiate În cadrul conceptelor și denumirilor introduse problema analizei statistice a seriilor temporale

în general poate fi formulată după cum urmează:

Pe baza rezultatelor măsurătorilor variabilei studiate în ciclurile de timp ale perioadei de bază, construiți cele mai bune (într-un anumit sens) estimări pentru termenii de expansiune (14).

Soluția acestei probleme este utilizată pentru a construi o valoare de prognoză pentru pașii de timp înainte folosind formula (14) când și când se înlocuiesc în ea estimările obținute ale componentelor părții drepte a expansiunii.

Mecanisme de formare și analiză statistică a evaluărilor experților

· De obicei, se disting următoarele tipuri principale de organizare a muncii unui grup de experți:: „metoda comisiei” (sub forma unei discuții deschise asupra problemei în discuție); „metoda de judecată” (sub formă de confruntare între „apărare” și „urmare în judecată” pentru fiecare dintre opțiunile de soluționare discutată a problemei); „brainstorming” etc.;

· parțial colegial: analiza scenariului de tip „ce-ar fi”, metoda „Delphi” – o discuție în mai multe runde a problemei cu un vot secret al experților sau completarea chestionarelor speciale anonime la sfârșitul fiecărei runde și muncă independentă grup analiticîntre tururi etc.;

· autonom individual: fiecare membru al grupului de experți își formează și își exprimă opinia (indiferent de pozițiile celorlalți participanți) sub forma ierarhizării opțiunilor (sau obiectelor) de soluție discutate, a comparațiilor lor pe perechi sau atribuirea fiecăruia dintre ele uneia dintre gradațiile descrise anterior. (a se vedea formularele de prezentare a datelor statistice inițiale sub formă de tabele de frecvență sau tabele de situație între opiniile experților al treilea și al celui de al treilea sunt măsurate prin valoarea , unde este coeficientul corelație de rang Spearman (vezi, cap. 11]). După ce am determinat una sau alta metodă de calculare a „distanței” dintre opiniile unei perechi de experți, putem rezolva apoi problema „clusteringului” experților, interpretând fiecare dintre clusterele găsite în acest fel ca un grup de experți asemănători. .

(ii) Analiza coerenței reciproce a opiniilor grupului de experți. Având opiniile unui întreg grup de experți, analistul statistic urmărește să evalueze gradul de consistență al tuturor acestor evaluări ale experților, inclusiv testarea statistică a ipotezei despre absența completă a oricărei consecvențe (și apoi, evident, ar trebui fie să clarifice formularea a sarcinii propuse experților sau schimbarea grupului de experți alcătuit). Această problemă este rezolvată și prin intermediul analizei statistice multivariate. Alegere metoda specifica depinde de forma sursei datelor statistice. De exemplu, dacă opiniile experților sunt reprezentate de clasamente, atunci poate fi luată în considerare o măsură a coerenței lor coeficientul obiectului), adică cu date statistice inițiale ale formei se determină ca soluție la o problemă de optimizare a formei j Cu cât distanța este cel de-al treilea expert față de o opinie unică de grup, cu atât este mai scăzut nivelul competenței sale relative. Rețineți că dacă, în urma studierii structurii unui set de opinii ale experților, un analist statistic ajunge la concluzia că există mai multe subgrupuri de experți cu omogenitate de opinii în cadrul fiecărui subgrup și cu o diferență semnificativă de opinii în orice pereche de astfel de subgrupuri, atunci sarcina unui singur grup de opinie și evaluare a competenței relative a expertului se rezolvă separat pentru fiecare dintre subgrupele identificate.

Factorii aleatori, la rândul lor, pot fi de două naturi: brusc(„dezordonare”), ducând la schimbări structurale abrupte ale mecanismului de formare a sensului x(t)(care se exprimă, de exemplu, prin schimbări radicale abrupte în principal caracteristici structurale funcții , formând o tendință generală (pe termen lung) de modificare a caracteristicii analizate. De obicei, această tendință este descrisă folosind una sau alta funcție non-aleatorie tr(t), j(t)Şi y(t) seria cronologică analizată într-un moment aleator în timp) și rezidual evolutiv, provocând abateri aleatoare relativ mici ale valorilor x(t) din cele care ar fi trebuit să iasă numai sub influența factorilor (A), (B) și (C). Cu toate acestea, în această secțiune vom lua în considerare scheme pentru formarea seriilor temporale, inclusiv acțiunea doar evolutiv factori aleatori reziduali.

METODE MATEMATICE DE PREVIZARE ÎN MANAGEMENTUL ÎNTREPRINDERILOR

Kovalciuk Svetlana Petrovna

Student în anul IV, Departamentul de Cibernetică Economică, VNAU, Vinnitsa

Kolyadenko Svetlana Vasilievna

conducător științific, doctor în economie, profesor la VNAU, Vinnitsa

Introducere.În condițiile dezvoltării relațiilor de piață, pentru a asigura managementul eficient al unei întreprinderi și a lua decizii de management, este necesar să se efectueze o analiză aprofundată a indicatorilor economici ai activităților sale în dinamică, ceea ce face posibilă, folosind metode de prognoză, pe măsură ce noi informații devin disponibile, pentru a identifica modele de schimbări în timp și pentru a determina modalități rezonabile de dezvoltare a obiectului de management.

Analiza celor mai recente cercetări și publicații. Problema prognozei a fost studiată în lucrări științifice economiști interni și străini celebri precum I. Ansoff, V. Geets, G. Dobrov, M. Dolishny, A. Ilishev, M. Kizim, V. Kucheruk, V. Lisichkin, A. Melnik, M. Meskon, Z. Mykytyshyn , I. Mikhasyuk, B. Panasyuk, M. Porter, G. Savitskaya, R. Sayfulin și alții. Cu toate acestea, există o nevoie obiectivă de cercetări suplimentare asupra fundamentelor metodologice și aplicate ale previziunii activităților întreprinderilor, ținând cont de particularitățile formării unei economii de piață.

Scopul studiului este sistematizarea metodelor matematice de prognoză economică în managementul întreprinderii, determinarea caracteristicilor, sarcinilor și principiilor acestora.

Principalele rezultate ale studiului. O prognoză (din grecescul prognostic - previziune) este o încercare de a determina starea unui fenomen sau proces în viitor. Procesul de formare a unei prognoze se numește prognoză. Prognoza în managementul întreprinderii este o fundamentare științifică a posibilelor modificări cantitative și calitative ale stării sale, ale nivelului de dezvoltare în ansamblu, domeniilor individuale de activitate în viitor, precum și modalități alternative și calendarul de atingere a stării așteptate.

Procesul de prognoză se bazează întotdeauna pe anumite principii:

• scop – o descriere semnificativă a sarcinilor de cercetare atribuite;
• sistematic - construirea unei prognoze bazată pe un sistem de metode și modele care se caracterizează printr-o anumită ierarhie și succesiune;
• validitate științifică - luarea în considerare cuprinzătoare a cerințelor legilor obiective ale dezvoltării sociale, utilizarea experienței mondiale;
• descriere pe mai multe niveluri – descrierea unui obiect ca fenomen integral și în același timp ca element al unui sistem mai complex;
• unitate informațională - utilizarea informațiilor pentru generalizarea și integritatea caracteristicilor la fel de egale;
• adecvarea la modelele obiective de dezvoltare - identificarea și evaluarea relațiilor stabile și a tendințelor de dezvoltare ale obiectului;
• rezolvarea consecventă a incertitudinii - o procedură pas cu pas pentru trecerea de la identificarea obiectivelor și condițiilor existente la determinarea posibilelor direcții de dezvoltare;
• alternativitate - identificarea posibilității de dezvoltare a unui obiect supus diferitelor traiectorii, diverse relații și relații structurale.

Prognoza îndeplinește trei funcții principale și are trei etape:

• prevederea posibilelor tendințe de schimbări în viitor, identificarea tiparelor, tendințelor, factorilor care provoacă aceste schimbări (etapa de cercetare);
• identificarea opțiunilor alternative de influențare a dezvoltării unui obiect ca urmare a luării anumitor decizii, evaluarea consecințelor implementării acestor decizii (etapa de justificare a deciziilor de management);
• evaluarea rezultatelor deciziilor, schimbări neprevăzute mediu extern in vederea coordonarii unei solutii in timp util (etapa de observare si corectare).

Aceste trei funcții și trei etape se împletesc reciproc, se repetă iterativ și sunt elemente integrante ale activității de management în orice domeniu.

Calitatea prognozelor depinde în mare măsură de metodele de prognoză, care sunt un set de tehnici și evaluări care fac posibilă, pe baza unei analize a conexiunilor interne și externe trecute (retrospective) inerente unui obiect, precum și a modificărilor acestora, să se creeze o concluzie cu o anumită probabilitate privind dezvoltarea viitoare a obiectului.

Pe baza principiului justificării informațiilor, se disting următoarele metode:

eu. Metode faptice care se bazează pe materiale informaționale faptice despre obiectul prognozat și evoluția sa anterioară:

• metode statistice: extrapolare și interpolare, analiza de corelație și regresie, modele factoriale;
• analogii: matematice, istorice;
• metode avansate de prognoză, care se bazează pe anumite principii de prelucrare specială a informațiilor științifice și tehnice și implementează în prognoză proprietatea acesteia de a depăși dezvoltarea progresului științific și tehnologic (metode de analiză a dinamicii brevetării, metode de previziune a publicării).

II. Metode expert, care se bazează pe informații subiective furnizate de specialiști experți în procesul de proceduri sistematice de identificare și rezumare a gândurilor lor cu privire la starea viitoare a lucrurilor. Aceste metode se caracterizează prin prevederea viitorului bazată atât pe dovezi raționale, cât și pe cunoștințe intuitive. Ele sunt de obicei de natură calitativă. Aceste metode includ următoarele:

• direct: interogarea expertului; analiză de experți, atunci când un expert sau o echipă de experți pun ei înșiși și rezolvă întrebări care conduc la obiectivul stabilit; cu feedback; metoda „comisionului”, care poate însemna organizarea unei „mese rotunde” și a altor evenimente similare, în cadrul cărora se convine asupra gândurilor experților; metoda „brainstorming”, care se caracterizează prin generarea colectivă de idei și rezolvarea creativă a problemelor; metoda Delphi, care presupune efectuarea de anchete prin chestionar ale specialiștilor din domeniul de cunoaștere ales.

III. Metode combinate cu o bază informațională mixtă, în care informațiile de fapt și de expertiză sunt utilizate ca informații primare: modele de bilanţ; modele de optimizare.

Una dintre cele mai comune metode de prognoză sunt metodele econometrice - acesta este un complex de discipline științifice economice și matematice care studiază procesele și sistemele economice. Un model econometric este un sistem de ecuații și identități de regresie (stochastice). Coeficienții ecuațiilor sunt determinați prin metode de statistică matematică bazate pe informații economice și statistice specifice, iar metoda cea mai comună cuantificare coeficienții este metoda celor mai mici pătrate cu modificările ei. Ecuațiile econometrice exprimă dependența variabilelor studiate de modificările altor indicatori, inclusiv de starea acestor variabile în trecut. Identitățile stabilesc interdependență între variabile care reflectă structura statisticilor utilizate.

Platforma matematică a modelelor econometrice constă din metode de corelare și analiză de regresie. Analiza corelației face posibilă selectarea celor mai semnificativi factori și construirea ecuației de regresie corespunzătoare.

Analiza corelației oferă: măsurarea gradului de legătură între două sau mai multe variabile; identificarea factorilor care influențează cel mai semnificativ variabila dependentă; determinarea unor legături cauzale necunoscute anterior (corelația nu relevă direct legături cauzale între fenomene, ci determină valoarea numerică a acestor legături și probabilitatea judecăților privind existența lor). Principalele mijloace de analiză sunt coeficienții de corelație perechi, parțiali și multipli.

Analiza regresiei vă permite să rezolvați următoarele probleme:

• stabilirea formelor de dependenţă între o variabilă endogene şi una sau mai multe variabile exogene (pozitive, negative, liniare, neliniare). De obicei se notează o variabilă endogenă Y, și exogen (exogen), care se mai numește și regresor, – X;
• definirea functiei de regresie. Este important nu numai să se indice tendința generală de modificare a variabilei dependente, ci și să se afle gradul de influență asupra variabilei dependente a factorilor principali dacă factorii rămași (minori, secundari) nu s-au modificat (au fost la același nivel mediu) și elemente aleatorii au fost excluse;
• estimarea valorilor necunoscute ale variabilei dependente.

În funcție de scopul previziunii, se determină setul și structura variabilelor care sunt incluse în model. Pe baza unei analize teoretice a relațiilor dintre variabile, se formează un sistem de ecuații și se estimează parametrii ecuațiilor de regresie. Ca urmare a luării în considerare opțiuni diferite structurile ecuațiilor din sistem rămân cele care au cele mai bune caracteristici calitative și nu contrazic teoria economică. Iar ultima etapă a construirii modelului conține un test al capacității sale de a recrea dinamica trecutului dezvoltarea economică, adică simulare pe un model de perioadă de bază, care permite evaluarea calității acestuia.

Obiecte de prognoză în managementul întreprinderii pot fi: cererea, producția de produse (performanța serviciilor), volumul vânzărilor, necesarul de resurse materiale și de muncă, costurile de producție și vânzarea produselor, prețurile, veniturile întreprinderii, dezvoltarea tehnică a acesteia.

Subiectele previziunii sunt departamentele de planificare și economice ale întreprinderii, departamentele de marketing și tehnică.

Elaborarea planurilor de prognoză (pe viitor, pe termen scurt (an, trimestru, lună) și operaționale (zi, deceniu)) are loc atât pentru întreprindere în ansamblu, cât și pentru ea. diviziuni structurale: ateliere, zone, servicii. La prezicerea indicatorilor, se recomandă utilizarea următorului sistem de metode: evaluări experți, modele factoriale, metode de optimizare, metodă normativă.

Concluzii. Pentru a lua o decizie, este necesar să aveți informații fiabile și complete, pe baza cărora se formează o strategie de producție și vânzare de produse. În acest sens, rolul previziunilor este în creștere, extinderea necesară a sistemului și îmbunătățirea metodelor de prognoză utilizate în practică. O atenție deosebită trebuie acordată prognozării cererii de produse, costurilor de producție, prețurilor și profiturilor. În acest scop, se efectuează un studiu al pieței interne și mondiale și se efectuează o analiză a elasticității cererii.

Referinte:

1. Luginin O.E. Econometrie: manual. ajutor pentru elevi studii superioare manager – Ed. a II-a, revizuită. si suplimentare – K.: Centrul de Literatură Educațională, 2008. – 278 p.
2. Orlov A.I. Econometrie. – M.: Examen, 2002. – 576 p.
3. Prisenko G. V., Ravikovich E. I. Prognoza proceselor socio-economice: manual. indemnizatie – K.: KNEU, 2005. – 378 p.
4. Stetsenko T. O., Tishchenko O. P. Managementul economiei regionale: manual. indemnizatie Instituția de învățământ superior de stat Kiev. naţional econ. Universitatea poartă numele V. Getman. – K.: KNEU, 2009. – 471 p.
5. Yakovets Yu.V. Cicluri de prognoză și crize. – M.: MFK, 2000. – P. 42.

Cursuri speciale și seminarii speciale în semestrul de primăvară al anului universitar 2018/2019.

25 martie 2019:14:35 – 16:10 master s/c „Analiza graficelor, rețelelor, funcții de similaritate”, Maysuraze A.I., clasa 507 nu va avea loc 25 martie (luni), lectorul este bolnav;
16:20 – 17:55 s/c licență „SQL analitic”, Maysuradze A.I., clasa 582 nu va avea loc 25 martie (luni), lectorul este bolnav.
27.02.2019: Seminar educațional și de cercetare „Data mining: noi sarcini și metode”, liderii S.I. Gurov, A.I. Maisuradze are loc seminarul special în zilele de miercuri în sală. 704, începe la 18-05. 04 martie (luni) la seminarul special va avea loc un raport de I. S. Balashov (Învățământ superior, anul III) „Studiul microbiomului în timpul sarcinii folosind metodele teoriei grafurilor”. Se știe că microorganismele care trăiesc în diferite loci ale corpului interacționează între ele și formează comunități numite microbiom, iar totalitatea acestor microorganisme se numește microbiotă. Pentru o serie de boli, microbiota s-a dovedit a fi un factor de risc pentru dezvoltarea anumitor boli. Datele despre compoziția microbiotei pot fi prezentate sub forma unui grafic, iar apoi caracteristicile acestui grafic pot fi studiate în condiții normale și în patologie. Lucrarea va prezenta caracteristicile domeniului și impactul acestora asupra alegerii metodelor de descriere și analiză a datelor și va prezenta modele de bază care descriu microbiomul.

• 27.02.2019: Analiza logică a datelor în recunoaștere, (Analiza logica a datelor in recunoastere) lector E.V. Dyukova, are loc luni în cameră. 645, începe la 16-20. Prima lecție pe 25 februarie. Cursul special va contura principii generale

• 27.02.2019: , care stau la baza metodelor discrete de analiză a informațiilor în problemele de recunoaștere, clasificare și prognoză. Vor fi luate în considerare abordările de proiectare a procedurilor de recunoaștere bazate pe utilizarea aparatului de funcții logice și a metodelor de construire a acoperirilor de matrici booleene și întregi. Vor fi studiate principalele modele și vor fi luate în considerare aspecte legate de studiul complexității implementării lor și a calității rezolvării problemelor aplicate. Curs special pentru licențe de 2-4 ani. A fost publicat un manual pentru cursul special.(Modelarea subiectului probabilistic), lector, profesor al Academiei Ruse de Științe, Doctor în Științe Fizice și Matematice. K.V. Vorontsov, are loc joi în cameră. 510, începe la 18-05. Prima lecție pe 14 februarie.

• 27.02.2019: Modelarea subiectelor este o zonă modernă de cercetare la intersecția învățării automate și a lingvisticii computaționale. Un model de subiect determină ce subiecte sunt conținute într-o colecție mare de text și la ce subiecte aparține fiecare document. Modelele de subiecte vă permit să căutați texte după semnificație, mai degrabă decât după cuvinte cheie, și să creați un nou tip de servicii de regăsire a informațiilor pentru sistematizarea cunoștințelor. Cursul special examinează modele de subiecte pentru clasificare, categorizare, segmentare, rezumare a textelor în limbaj natural, precum și pentru sisteme de recomandare, analiza datelor tranzacțiilor bancare și a semnalelor biomedicale. Din matematică vom avea nevoie de teoria probabilităților, metode de optimizare și descompunere matriceală. Pentru pasionații de programare, există posibilitatea de a participa la proiectul open source BigARTM.org. Pentru cei care sunt deosebit de entuziaști, există seminarii suplimentare seara la biroul Yandex. Temele de curs vor rezolva probleme din viața reală care nu au răspunsul corect la sfârșitul manualului. Un curs special pentru studenți, dar și studenții din anul II vor înțelege totul :) 18+ (pentru studenții care au învățat teoria). Probleme și algoritmi de geometrie computațională (Geometrie computațională: probleme și algoritmi), L.M. Mestetsky, are loc vineri în sala de spectacol. 607, începe la 18-05. Prima lecție pe 15 februarie. Algoritmii eficienți pentru lucrul cu informații geometrice sunt un atribut indispensabil al tuturor sisteme moderne viziune computerizată, analiză și recunoaștere a imaginii, grafica pe computer si geoinformatica. Algoritmi geometrici oferi

• 27.02.2019: teren bun, lector O.V. Senko, se desfășoară joi în sală. 507, începe la 18-05. Prima lecție pe 14 februarie. Cursul discută principalele probleme care apar atunci când se utilizează metode de învățare bazate pe cazuri (învățare automată). Este oferită o scurtă prezentare a metodelor existente de recunoaștere și analiză de regresie. Descrie metode de evaluare a acurateței pe o populație generală (capacitate de generalizare). Discutat diverse moduri

• 27.02.2019: creșterea capacității de generalizare a metodelor de învățare automată. Burlacii sunt bineveniți.(Grafice, Rețea, Analiza funcției de distanță), A.I. Maisuradze, are loc luni în cameră. 582, începe la 16-20. Prima lecție pe 18 februarie.

• 27.02.2019: Sunt luate în considerare problemele și metodele de analiză a sistemelor, a căror descriere se bazează pe interacțiuni perechi sau multiple ale obiectelor. Aceste obiecte pot fi de același tip sau tipuri diferite. Când însăși prezența sau absența interacțiunii este importantă, formalizarea se realizează în limbajul teoriei grafurilor. Extinderea descrierii graficului cu caracteristici cantitative duce la rețele. Dacă se crede că fiecare set de obiecte poate fi caracterizat numeric, se vorbește despre distanțe sau asemănări. Este prezentată o bază teoretică pentru formalizarea problemelor și construirea, implementarea și analiza unei game largi de modele și metode de IAD. Studiem modele de date euristice care descriu informațiile inițiale despre obiectele de recunoaștere pe baza diferitelor implementări ale conceptului de similaritate. Sunt luate în considerare problemele care necesită soluții la implementarea acestor modele. Sunt studiate structuri de date și algoritmi speciali care vă permit să configurați și să utilizați eficient modelele studiate. Ideea de similaritate este caracteristică gândirii umane, aceasta a dat naștere la un întreg set de abordări pentru toate sarcinile fundamentale ale IAD - așa-numitele metode metrice. Sunt luate în considerare metode pentru construirea și calcularea funcțiilor de similaritate, potrivirea asemănărilor pe diverse seturi de obiecte și sintetizarea unor noi metode de comparare a obiectelor pe baza celor existente. Se are în vedere un set de tehnici concepute pentru prezentarea și procesarea eficientă a informațiilor metrice de către sistemele informatice. Sunt luate în considerare caracteristicile graficelor care sunt utilizate în mod activ în analiza lor. Se studiază algoritmii grafici, atât teoretic, cât și din punct de vedere al implementării eficiente. Diverse modele de creștere grafică. Construirea de mostre reprezentative pe grafice. Generarea de grafice cu caracteristici date. O atenție semnificativă în curs este acordată numeroaselor formalizări ale analizei cluster. Se arată ce probleme sunt rezolvate prin metode comune. A fost realizată o tipologie a unei game largi de probleme de clustering pentru sisteme omogene și eterogene (biclustering, coclustering). Curs special pentru studenți.(SQL analitic), A.I. Maisuradze, are loc luni în cameră. 507, începe la 14-35. Prima lecție pe 18 februarie. În zilele noastre, automatizarea și optimizarea multor activități este imposibilă fără colectarea și analiza ulterioară a unor volume mari de informații. În același timp, de-a lungul timpului a devenit clar că unele modele de date sunt deosebit de convenabile pentru oameni - astfel de modele au devenit un limbaj universal de comunicare cu o mare varietate de tehnologii. În acest sens, SQL s-a dovedit a fi unul dintre cele mai utilizate limbaje, iar astăzi o varietate de tehnologii (nu doar relaționale) permit utilizarea acestuia. În cunoştinţă de cauză exemple practice

vor fi oferite cunoștințe și vor fi dezvoltate abilități de care vor fi necesare aproape orice analist atunci când lucrează cu surse de date. Accentul se pune pe activități analitice: analistul folosește sisteme pentru colectarea și stocarea datelor, dar nu le va administra. Clasele implică finalizarea interactivă a sarcinilor pe baze de date reale. Curs special pentru burlac. Sunt diverse metode

indicatori de nivel tehnic de prognoză, printre care se pot distinge prognoza euristică și cea matematică. Ceea ce au în comun aceste metode este prezența incertitudinii asociate cu situația viitoare.

Metodele euristice se bazează pe utilizarea opiniilor specialiștilor dintr-un anumit domeniu al tehnologiei și sunt de obicei folosite pentru a prezice dezvoltarea proceselor și a obiectelor atunci când formalizarea nu este posibilă în acest moment.

Metodele matematice, în funcție de tipul de descriere matematică a obiectelor de prognoză și metodele de determinare a parametrilor necunoscuți, sunt împărțite în mod convențional în metode de modelare a proceselor descrise prin ecuații diferențiale și metode de extrapolare sau statistice. Al doilea grup include metode care determină parametrii preziși ai unui obiect pe baza datelor statistice. Aparatul matematic cel mai des folosit pentru prognoza statistică este metoda maximă de probabilitate și, în special, variația acesteia - metoda celor mai mici pătrate. Relațiile matematice construite folosind metoda celor mai mici pătrate pot fi liniare, pătratice sau polinomiale.

Etapa finală a cercetării de prognoză euristică și matematică este analiza logică, care presupune studierea tendințelor de dezvoltare a obiectului prezis, analizarea rezultatelor prognozării obiectelor similare și evaluarea rezultatelor obținute.Euristică

Prognoza euristică este una dintre cele mai vechi și mai răspândite nu numai în tehnologie, ci și viata de zi cu zi metode. Avantajul său este capacitatea de a evita erorile grosolane, în special în zona modificărilor bruște ale caracteristicii prezise, ​​cu condiția ca în studiu să fie implicați specialiști cu înaltă calificare în acest domeniu. Cu toate acestea, această metodă este subiectivă și necesită forță de muncă.

Principalul rezultat al previziunii euristice este identificarea de noi direcții de dezvoltare și capabilitățile acestora. În același timp, este necesar să se țină cont de faptul că percepția noului și definiția direcții promițătoare aspectele psihologice pot interfera. Acestea sunt, în primul rând, limitările profesionale ale specialiștilor de profil îngust care „știu totul despre nimic” sau, dimpotrivă, un generalist care „nu știe nimic despre toate”. De asemenea, poate deveni o piedică pentru a concentra atenția asupra fenomenelor cunoscute, influența direcției dominante a gândirii sociale, dificultatea de a percepe concluziile negative, tendința de a exagera răul etc. Nu întâmplător multe descoperiri care au fost înaintea timpul lor nu a fost acceptat de contemporanii lor.

Etape principale aplicare practică previziunile euristice sunt selecția experților, organizarea de anchete și prelucrarea rezultatelor obținute. Prognoza euristică se bazează pe o evaluare medie a opiniilor unui grup de experți. Prin urmare, principala condiție pentru un astfel de studiu poate fi considerată selecția experților, de a căror competență depinde calitatea rezultatului. Practic, nu există metode de evaluare a competenței experților. Prin urmare, experții își evaluează de obicei propria competență și cea a colegilor lor.

Odată cu dezvoltarea și îmbunătățirea tehnologiei de calcul electronic, rolul metodelor euristice este redus considerabil.

Prognoza matematică

Prognoza matematică constă în utilizarea caracteristicilor existente ale obiectului prezis, prelucrarea acestor date folosind metode matematice, obținerea dependenței lor matematice de timp și alte variabile independente cunoscute și utilizarea dependenței găsite pentru a calcula caracteristicile obiectului la un moment dat în timp. pentru valori date ale altor variabile independente.

Metodă prognoza matematica caracterizat prin obiectivitate și acuratețe ridicată a rezultatelor obținute cu alegerea corectă a modelului matematic. Principalele etape ale prognozei matematice includ:

1) colectarea și pregătirea datelor inițiale (statistici);

2) selectarea și justificarea modelului matematic al obiectului prezis;

3) prelucrarea datelor statistice pentru determinarea parametrilor necunoscuți ai modelului;

4) efectuarea calculelor şi analizarea rezultatelor obţinute.

Evaluarea parametrului prezis poate fi punct sau interval, adică constând în determinarea intervalului de probabilitate de încredere a valorilor parametrilor. Estimarea intervalului reflectă destul de bine acuratețea prognozei.

de asemenea la determinarea traiectoriei de dezvoltare după salt.

În conformitate cu legea dezvoltării evolutive și asemănătoare cu un salt a tehnologiei, prognoza salturi este inseparabilă de prognoza evoluției înainte și după salt. O abordare sistematică a prevederii nivelului tehnic al mașinilor pe baza unei comparații a ciclurilor de dezvoltare și a nevoilor face posibilă determinarea nu numai a realizărilor unui anumit parametru, ci și calcularea timpului de apariție a unei noi generații de echipamente și a perioadei. a posibilei sale existente. Figura 1 prezintă relațiile caracteristice și alternanța generațiilor de tehnologie. Zonele corespunzătoare etapelor sunt marcate aici ciclu de viață generații de tehnologie: 1 - promițătoare; 2 - progresivă; 3 - nou; 4 - modernizabil; 5 - învechit din punct de vedere moral.

Folosind funcția de corelare a proceselor aleatorii a apariției informațiilor despre un obiect conținut în materialele brevetate și apariția tehnologiei cu noi valori ale indicatorilor de nivel tehnic, este posibil să se determine timpul t de început al dezvoltării a unei noi generații de tehnologie, care pentru fiecare eșantion specific constă în timpul alocat cercetării și dezvoltării, lucrărilor de dezvoltare și timpului de stăpânire în producție.

Schimbarea generațiilor

Schimbarea generațiilor de tehnologie are loc conform legii obiective a evoluției progresive a tehnologiei, cu condiția să fie prezente nivelul științific și tehnic necesar și fezabilitate socio-economică. Astfel, o descoperire uriașă în dezvoltarea tehnologiei, inclusiv a tehnologiei de ambalare, a avut loc după apariția microprocesoarelor moderne, comparabile în capacitățile lor cu creierul uman. Acest lucru a permis specialiștilor de la sfârșitul secolului XX să facă o prognoză a dezvoltării tehnologiei, conform căreia, în ceea ce privește gradul de automatizare, în lume vor fi create doar șase generații de mașini.

Mașinile automate programabile din a patra generație au găsit deja o utilizare pe scară largă în tehnologie, inclusiv pentru umplere și ambalare. Următoarea linie este crearea de mașini automate de generația a cincea cu auto-învățare și autoajustare, ale căror elemente individuale apar deja în mașinile automate din a patra generație. Au fost deja create mai multe mașini automate cu caracteristici de a cincea generație. De exemplu, mașini cu reglaj automat pentru moduri de îmbuteliere a lichidelor de diferite vâscozități, ambalare piese de diferite dimensiuni, autodiagnosticare etc. Automatele de generația a șasea sunt mașini cu inteligență artificială, care din punct de vedere al caracteristicilor tehnice pot diferi semnificativ de generațiile anterioare de automate. Aparent, mașinile inteligente și multifuncționale se vor adapta la schimbările viitoare într-o clipă. Liniile integrate de mare viteză, care până nu demult respectau standardele, sunt înlocuite cu linii de viteză mai mică care oferă o mai mare manevrabilitate. Tendința către dimensiuni mai mici ale loturilor va reduce timpul de livrare la practic la zero. Trebuie concepute sisteme de producție pentru care schimbările în procesul de afaceri sunt norma. Avem nevoie de sisteme bazate pe principiile inteligenței artificiale, răspândite în întreaga rețea de auto-organizare. Astfel, inteligența artificială trebuie să fie prezentă în echipamentele de ambalare, iar echipamentul în sine trebuie să fie multifuncțional.

Determinarea nivelului tehnic

Prognoza este direct legată de determinarea nivelului tehnic al tehnologiei de ambalare. Studiile de prognoză statistică fac posibilă stabilirea nivelului tehnic global atins și determinarea parametrilor unui model de bază promițător. Conform legii corelării parametrilor, orice obiect tehnic se caracterizează printr-un set de parametri care sunt în corelație cu parametrul principal. Principalul parametru pentru majoritatea mașinilor de umplere și ambalare existente este productivitatea acestora. La mașinile din generația a cincea și a șasea, parametrul principal poate fi alți indicatori, de exemplu, versatilitatea și multifuncționalitatea, viteza de schimbare etc.

Din generație în generație, tehnologia devine mai complexă datorită legii obiective a complexității crescânde a obiectelor tehnice. Dificultatea de a determina nivelul științific și tehnic al tehnologiei de ambalare constă în alegerea unui eșantion promițător pentru compararea indicatorilor. Concurența dintre producătorii de echipamente de ambalare și, în consecință, îmbunătățirile constante ale modelelor existente, utilizarea servo-urilor și dozatoarelor controlate de microprocesoare, au contribuit la apariția unei generații de mașini automate universale și multifuncționale care utilizează elemente structurale mașini ale generațiilor anterioare. Ca urmare, a devenit aproape imposibil să se selecteze un analog adecvat pentru compararea indicatorilor pentru a determina nivelul atins al unor obiecte de echipamente de ambalare.

Există diverse abordări pentru a rezolva această problemă. Astfel, se propune evaluarea nivelului tehnic al mașinilor de ambalare cu guler folosind un indicator vizual și foarte semnificativ - productivitatea teoretică a părții lor de ambalare, pe baza faptului că creșterea acesteia în cel mai bun mod posibil reflectă dezvoltarea acestui tip de echipamente. În același timp, se recomandă clasificarea oricărui echipament de umplere și ambalare în funcție de productivitate, împărțind, în special, echipamentele de guler în cinci clase și compararea mașinilor din aceeași clasă între ele.

Cu toate acestea, împărțirea în clase pare destul de arbitrară și nu elimină dificultățile menționate mai sus care apar la alegerea analogilor pentru comparație. În plus, în viitorul apropiat, mașinile de umplere și ambalare din a patra și a șasea generație pentru scopuri diferite pot apărea în aceeași clasă de productivitate, care sunt mai puțin corecte de comparat decât vehiculele cu capacitate de transport diferită.

Profesorul V. Panishev recomandă, pentru a evalua nivelul mondial al tehnologiei de ambalare, să se includă în tabelul comparativ cât mai multe echipamente existente și funcționale și să se ierarhească indicatorii generali, de clasificare și de industrie, comparând fiecare dintre aceștia cu cei existenți. indicatori ai nivelului tehnic al produselor în funcție de caracteristicile tehnice ale mașinilor, specificații tehnice și alte documente („Container și ambalaje”, Nr. 3/1995).

Ne propunem să folosim legea corelării parametrilor pentru a evalua nivelul tehnic al mașinilor de umplere și ambalare existente efectiv, pentru care este imposibil să se selecteze un analog adecvat. De exemplu, s-au dat indicatori individuali ai mașinilor de umplere și ambalare cu guler vertical, prezentați de producătorii interni și străini, iar pe baza acestor date s-au construit dependențe statistice ale acestor indicatori de productivitate (PG, Nr. 1-2/2004).

Aproximarea acestor statistici prin linii drepte folosind metoda celor mai mici pătrate (Figura 2) arată foarte grad înalt corelarea parametrilor considerați cu performanța mașinilor și, în ciuda caracterului aproximativ al unor date, o bună densitate de puncte pe liniile drepte de aproximare. În acest exemplu, sarcina de a determina nivelul tehnic al obiectelor specifice nu a fost stabilită. Pentru a rezolva o astfel de problemă, sunt necesare date inițiale mult mai rafinate.

Dependențele construite confirmă posibilitatea fundamentală de a evalua nivelul tehnic global al unui obiect specific folosind indicatori individuali care reflectă acest nivel. Nivelul tehnic al indicatorului evaluat poate corespunde nivelului mediu intern sau mondial dacă acest indicator coincide cu indicatorii de pe linia dreaptă aproximativă corespunzătoare. Pe aceste grafice, construite pe baza datelor de acum 3-4 ani, există o discrepanță vizibilă în nivelul indicatorilor individuali ai mașinilor autohtone și străine. Indicatori similari ai noilor mașini de umplere și ambalare cu guler vertical pe baza materialelor de la expozițiile internaționale din 2004 sunt prezentați în Tabelul 1.

Dacă completăm dependențele de corelație corespunzătoare cu date noi, devine evidentă o tendință de convergență a indicatorilor individuali ai nivelului tehnic al mașinilor autohtone și străine.

Figura 3 prezintă indicatorii din Tabelul 1 și prezintă dependențele directe aproximative ale puterii instalate și greutății mașinilor de productivitatea mașinilor străine (liniile directe 2) construite mai devreme în Figura 2.

Dependențele prezentate în Figura 3 confirmă existența unei corelații și indică o convergență destul de vizibilă a parametrilor considerați ai mașinilor de umplere și ambalare autohtone și străine ale ultimelor modele, ceea ce indică, fără îndoială, o anumită tendință de creștere a nivelului tehnic de umplere internă și echipamente de ambalare.

Clasificarea metodelor și modelelor de prognoză

• Matematică

• Tutorial

Fac prognoză în serii cronologice de peste 5 ani. Anul trecut mi-am susținut disertația pe tema „ Model de prognoză în serie de timp folosind eșantionarea cu similaritate maximă„Cu toate acestea, după apărare, au mai rămas destul de multe întrebări. Iată una dintre ele - clasificarea generală a metodelor şi modelelor de prognoză.

De obicei, atât în ​​lucrările domestice, cât și în limba engleză, autorii nu pun problema clasificării metodelor și modelelor de prognoză, ci pur și simplu le enumeră. Dar mi se pare că astăzi această zonă a crescut și s-a extins atât de mult încât, chiar dacă este cea mai generală, este necesară clasificarea. Mai jos este propria mea versiune a clasificării generale.

Care este diferența dintre o metodă de prognoză și un model de prognoză?

Metoda de prognoză reprezintă o succesiune de acţiuni care trebuie efectuate pentru a obţine un model de prognoză. Prin analogie cu gătitul, o metodă este o succesiune de acțiuni în funcție de care se prepară un fel de mâncare - adică se face o prognoză.

Model de prognoză există o reprezentare funcţională care descrie adecvat procesul studiat şi stă la baza obţinerii valorilor sale viitoare. În aceeași analogie culinară, modelul are o listă de ingrediente și proporțiile acestora necesare pentru felul nostru de mâncare - prognoza.

Combinația de metodă și model formează o rețetă completă!

În prezent, se obișnuiește să se folosească abrevieri în limba engleză pentru denumirile atât ale modelelor, cât și ale metodelor. De exemplu, există un model de prognoză celebru: media mobilă integrată autoregresivă, luând în considerare factor extern(media mobilă integrată de regresie automată extinsă, ARIMAX). Acest model și metoda corespunzătoare se numesc de obicei ARIMAX, iar uneori modelul Box-Jenkins (metoda) după autori.

Mai întâi clasificăm metodele

Dacă te uiți cu atenție, devine rapid clar că conceptul „ metoda de prognoză„este mult mai larg decât conceptul” model de prognoză" În acest sens, în prima etapă a clasificării, metodele sunt de obicei împărțite în două grupe: intuitive și formalizate.

Dacă ne amintim de analogia noastră culinară, atunci toate rețetele pot fi împărțite în formalizate, adică notate după cantitatea de ingrediente și metoda de preparare, și intuitive, adică nu notate nicăieri și obținute din experiența bucătarului. Când nu folosim o rețetă? Când felul de mâncare este foarte simplu: prăjiți cartofi sau gătiți găluște, nu este nevoie de o rețetă. Când altfel nu folosim o rețetă? Când vrem să inventăm ceva nou!

Metode intuitive de prognoză se ocupă de judecățile și evaluările experților. Astăzi ele sunt adesea folosite în marketing, economie și politică, deoarece sistemul al cărui comportament trebuie prezis fie este foarte complex și nu poate fi descris matematic, fie este foarte simplu și nu are nevoie de o astfel de descriere. Detalii despre acest tip de metode pot fi găsite în.

Metode formalizate— metode de prognoză descrise în literatură, în urma cărora se construiesc modele de prognoză, adică se determină o relație matematică care să permită să se calculeze valoarea viitoare a procesului, adică să se facă o prognoză.

În opinia mea, această clasificare generală a metodelor de prognoză poate fi completată.

În continuare vom face o clasificare generală a modelelor

Aici este necesar să trecem la clasificarea modelelor de prognoză. În prima etapă, modelele ar trebui împărțite în două grupe: modele de domeniu și modele de serie de timp.

Modele de domenii- astfel de modele matematice de prognoză, pentru construcția cărora se folosesc legile domeniului de studiu. De exemplu, modelul utilizat pentru a face prognozele meteo conține ecuații ale dinamicii fluidelor și termodinamicii. Prognoza dezvoltării populației se face folosind un model construit pe o ecuație diferențială. Prognoza nivelului de zahăr din sânge la o persoană cu diabet se face pe baza sistemului ecuații diferențiale. Pe scurt, astfel de modele folosesc dependențe specifice unui domeniu specific. Acest tip de model se caracterizează printr-o abordare individuală a dezvoltării.

Modele de serie de timp— modele matematice de prognoză care urmăresc să găsească dependența valorii viitoare de trecut în cadrul procesului însuși și să calculeze o prognoză pe baza acestei dependențe. Aceste modele sunt universale pentru diverse domenii, adică sunt vedere generală nu se modifică în funcție de natura seriei temporale. Putem folosi rețele neuronale pentru a prezice temperatura aerului și apoi folosim un model similar pe rețelele neuronale pentru a prognoza indici bursieri. Sunt modele generalizate, precum apa clocotita, in care daca arunci un produs se va gati, indiferent de natura lui.

Clasificarea modelelor serii de timp

Mi se pare că nu se poate realiza o clasificare generală a modelelor de domenii: câte domenii sunt, atâtea modele! Cu toate acestea, modelele serii de timp se pretează cu ușurință la o simplă împărțire. Modelele serii temporale pot fi împărțite în două grupe: statistice și structurale.

ÎN modele statistice dependenţa valorii viitoare de trecut este dată sub forma unei ecuaţii. Acestea includ:

1. modele de regresie (regresie liniară, regresie neliniară);
2. modele autoregresive (ARIMAX, GARCH, ARDLM);
3. model de netezire exponențială;
4. model de eșantionare cu similaritate maximă;
5. etc.

ÎN modele structurale dependența valorii viitoare de trecut este specificată sub forma unei anumite structuri și reguli de tranziție de-a lungul acesteia. Acestea includ:

1. modele de rețele neuronale;
2. modele bazate pe lanțuri Markov;
3. modele bazate pe arbori de clasificare și regresie;
4. etc.

Pentru ambele grupuri am indicat principalele, adică cele mai comune și detaliate modele de prognoză. Cu toate acestea, astăzi există deja un număr mare de modele de prognoză în serie de timp, iar pentru realizarea previziunilor, de exemplu, au început să fie utilizate modele SVM (mașină vectorială suport), modele GA (algoritm genetic) și multe altele.

Clasificare generală

Astfel am obtinut urmatoarele clasificarea modelelor şi metodelor de prognoză.

1. Tihonov E.E. Prognoza în condițiile pieței. Nevinnomyssk, 2006. 221 p.
2. Armstrong J.S. Forecasting for Marketing // Metode cantitative în marketing. Londra: International Thompson Business Press, 1999. pp. 92 – 119.
3. Jingfei Yang M. Sc. Sistemul de energie Prognoza sarcinii pe termen scurt: teză de doctorat. Germania, Darmstadt, Elektrotechnik und Informationstechnik der Technischen Universitat, 2006. 139 p.

UPD. 15.11.2016.
Domnilor, s-a ajuns la punctul de nebunie! Recent, mi s-a trimis un articol pentru revizuire pentru publicația VAK cu un link către această intrare. Vă rugăm să rețineți că nici la diplome, nici la articole, și mai ales la disertații Nu poți face link la blog! Dacă vrei un link, folosește-l pe acesta: Chuchueva I.A. MODEL DE PROGNOSTICĂ SERIE DE TRON PRIN EȘANȚIONARE MAXIMĂ DE SIMILITATE, teză... Doctorat. aceste. Științe / Universitatea Tehnică de Stat din Moscova numită după. N.E. Bauman. Moscova, 2012.