Статистические методы прогнозирования в экономике (k=0)
| Цена, руб. | 400 |
| Номер работы | 3194 |
| Предмет | Статистика |
| Тип работы | Контрольная |
| Объем, стр. | 18 |
| Оглавление | «Статистические методы прогнозирования в экономике» (лабораторный практикум и четыре текущих контроля) «Применение моделей кривых роста в экономическом прогнозировании» 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 6 115,2 11 147,4 2 88,3 7 118,4 12 155,2 3 92,0 8 127,1 13 169,8 4 98,5 9 131,3 14 176,7 5 109,9 10 136,9 15 192,4 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. 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 [тыс.долл.] б)-6,4 [тыс.долл.] в)372,2 [тыс.долл.] г)72,2 [тыс.долл.] 3.Ежеквартальная динамика процентной ставки банка в течение 5 кварталов представлена в таблице: t 1 2 3 4 5 yt ,% 7,3 8 8,8 9,7 10,7 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: а) ; б) ; в) ; г) . 5.Динамика временного ряда близка к линейному развитию. Прогноз на два шага вперед с помощью среднего абсолютного прироста может быть вычислен по формуле: а) ; б) ; в) ; г) . 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: а) ; б) ; в) . 2.После переноса начала координат в середину ряда динамики коэффициент а1 линейной модели равен: а) ; б) ; в) . 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: а) ; б) ; в) ; г) ; 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. Список использованной литературы: 1. Горелов С. Математические методы в прогнозировании. – М.: Прогресс, 2003. 2. Денискин В. Основы социального прогнозирования в промышленности. – М.: Колос, 2004. 3. Курс экономической теории / Под ред. А.С. Сидоровича. – М.: Учебники МГУ, 2007. 4. Основы экономического и социального прогнозирования / Под редакцией Мосина Н. – М.: Высшая школа, 2005. 5. Саати М.А. Моделирование сложных систем. – М.: Наука, 2003. 6. Цыгичко В. Основы прогнозирования систем. – М.: Финансы и статистика, 2006. |
| Цена, руб. | 400 |
Заказать работу «Статистические методы прогнозирования в экономике (k=0)»
Отзывы
-
20.11
Виктория, большое вам спасибо! Очень быстро все, даже не ожидала ))
Екатерина -
11.11
Сергей, большое Вам спасибо, защитила на отлично! Сказали, хорошая работа. Этого бы не было без Ваше
Наталья -
01.11
Это все благодаря вам. Я уже по вашим материалам тут все изучаю. Спасибо огромное вам и автору! Гос
Оксана