Статистические методы прогнозирования в

ЗДРАВСТВУЙТЕ!!! ЭТО УЖЕ ГОТОВАЯ РАБОТА, КОТОРАЯ БЫЛА СДАНА БЕЗ ЗАМЕЧАНИЙ.
СТОИМОСТЬ - 990 руб
ЕСЛИ РАБОТА ВАС ЗАИНТЕРЕСОВАЛА, ПИШИТЕ В ЛИЧНЫЕ СООБЩЕНИЯ С УКАЗАНИЕМ НОМЕРА ГОТОВОЙ РАБОТОЙ ИЛИ ССЫЛКИ!!
ТАКЖЕ ПРИ НЕОБХОДИМОСТИ МОГУ ВЫПОЛНИТЬ ИНДИВИДУАЛЬНУЮ РАБОТУ ПО ВАШИМ ТРЕБОВАНИЯМ! КАЧЕСТВО ГАРАНТИРУЮ!


Статистические методы прогнозирования в экономике

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        
........

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.