Прогнозирование с использованием статистических функций
Лабораторная работа ПРОГНОЗИРОВАНИЕ СРЕДСТВАМИ MS EXCEL Понятие о прогнозировании и регрессионном анализе Прогнозирование является одной из главных и наиболее востребованных экономических задач. Основная причина этого в том, что зная характер развития событий в будущем, можно принимать более обоснованные управленческие решения. Современное прогнозирование базируется на применении математико-статистических методов обработки объективных исходных данных. Исходные данные, получаемые в результате сбора информации, часто представлены в виде дискретной (точечной) зависимости переменной Y от одной или нескольких независимых переменных X1, X2, …, Xn, причем число точек такой зависимости ограничено. В ходе исследования возникают следующие задачи, достаточно тесно связанные между собой: 1) нахождение промежуточных значений некоторой величины по имеющемуся набору известных значений − интерполяция, т. е. приближѐнное определение значений функции f(x) в точках, лежащих внутри отрезка [x0, xn] по еѐ значениям в точках x0 < x1 < ... < xn; 2) нахождение значений некоторой величины вне заданного интервала − экстраполяция, т. е. приближѐнное определение значений функции f(x) в точках, лежащих вне отрезка [x0,xn], по еѐ значениям в точках x0 < x1 < ... < xn; 3) замена исходной зависимости достаточно простой и легко вычисляемой функцией − аппроксимация, позволяющая исследовать числовые характеристики и качественные свойства объекта, сводя задачу к изучению более удобных объектов с известными или легко вычисляемыми характеристиками. На настоящий момент основным статистическим аппаратом прогнозирования является многомерный регрессионный анализ, позволяющий: 1) оценить степень связи между переменными; 2) предсказать значения зависимой переменной с помощью независимых; 3) определить вклад отдельных независимых переменных в вариацию зависимой величины. Регрессия. Существует прогнозируемая переменная Y (зависимая переменная) и отобранный заранее комплект переменных, от которых она зависит – X1, X2, ..., XN (независимые переменные). Природа независимых переменных может быть различной. Например, если предположить, что Y – уровень спроса на некоторый продукт в следующем месяце, то независимыми переменными могут быть уровень спроса на этот же продукт в прошлый и позапрошлый месяцы, затраты на рекламу, уровень платежеспособности населения, экономическая обстановка, деятельность конкурентов и многое другое. Главное - уметь формализовать все внешние факторы, от которых может зависеть уровень спроса, в числовую форму. Модель множественной регрессии в общем случае описывается выражением: Y = F(X1, X2, ..., XN) + e (1) Здесь – вид функции, показывающей зависимость зависимой переменной от независимых. В более простом варианте линейной регрессионной модели эта зависимость имеет вид: Y = b0 + b1X1 + b2X2 +, ...,+ bNXN + e, (2) где b0, b1, b2,..., bN – подбираемые коэффициенты регрессии, e – Помимо линейной, существуют другие виды регрессионных моделей: степенная, логарифмическая, экспоненциальная и т.д. Прогнозирование с использованием статистических функций Для оценки степени связи между переменными и прогнозирования можно использовать статистические функции: ЛИНЕЙН − построение линейного приближения; ЛГРФПРИБЛ − построение экспоненциального приближения; ТЕНДЕНЦИЯ − прогнозирование линейной зависимости; РОСТ − прогнозирование экспоненциальной зависимости; ПРЕДСКАЗ − прогнозирование значений. Расчет коэффициентов m и b прямой линии (линейный тренд) в случае нескольких диапазонов значений Х, аппроксимирующей исходные данные, производят с помощью функции ЛИНЕЙН(известные_значения_y;известные_значения_x;конст;статистика) Для расчета по существующим данным коэффициентов m и b экспоненциальной кривой в случае нескольких диапазонов значений Х, используют функцию ЛГРФПРИБЛ(известные_значения_y;известные_значения_x;конст;статистика) Аргументы функций ЛИНЕЙН и ЛГРФПРИБЛ: известные_значения_y− столбец (строка) известных значений зависи- мой переменной (обязательный аргумент); известные_значения_x − массив значений независимой переменной или нескольких переменных, расположенных в столбцах (строках); конст − логическое значение, которое указывает (если ЛОЖЬ), что b = 0 для функции ЛИНЕЙН или b = 1 для функции ЛГРФПРИБЛ; статистика − логическое значение, которое указывает (если ИСТИНА), что будет возвращена дополнительная регрессионная статистика. Т е х н о л о г и я п р и м е н е н и я 1 Подготовить таблицу со статистическими данными. 2 Выделить диапазон ячеек, в котором планируется разместить коэффициенты mn, mn-1, …, m1, b (в указанном порядке). 3 Вызвать Мастер функцийи в категории Статистическиенайти ЛИНЕЙН или ЛГРФПРИБЛ. 4 Заполнить окно выбранной функции аргументами. 5 Закончить ввод формулы массива следует комбинацией клавиш Ctrl + Shift + Enter. Примечание − При вводе массива констант в качестве аргумента вручную его следует взять в фигурные скобки и использовать точку с запятой ";" для разделения значений переменной.
Функция ТЕНДЕНЦИЯ(известные_значения_y; известные_значения_x;новые_значения_x;конст) рассчитывает прогнозируемое значение зависимой переменной Y для аргументов новые_значения_xв соответствии с прямой линией Y =mX +b (линейным трендом). Функция РОСТ(известные_значения_y; известные_значения_x;новые_значения_x;конст) возвращает прогнозируемое значение зависимой переменной Y, рассчитанное для аргументов новые_значения_xв соответствии с экспоненциальной зависимостью Аргументы известные_значения_y, известные_значения_xи конст функций ТЕНДЕНЦИЯ и РОСТ имеют то же значение, что и для функций ЛИНЕЙН и ЛГРФПРИБЛ соответственно.
Функция ПРЕДСКАЗ(x;известные_значения_y;известные_значения_x) вычисляет прогнозируемое значение по существующим массивам значений зависимой и независимой переменных с использованием линейной регрессии. Аргументы функции ПРЕДСКАЗ: x− точка данных, для которой предсказывается значение Y; известные_значения_y− массив значений зависимой переменной; известные_значения_x− массив значений независимой переменной.
Примечание − Массивы известные_значения_y и известные_значения_x должны содержать одинаковое количество точек данных.
Популярное: Почему человек чувствует себя несчастным?: Для начала определим, что такое несчастье. Несчастьем мы будем считать психологическое состояние... Генезис конфликтологии как науки в древней Греции: Для уяснения предыстории конфликтологии существенное значение имеет обращение к античной... ©2015-2024 megaobuchalka.ru Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. (605)
|
Почему 1285321 студент выбрали МегаОбучалку... Система поиска информации Мобильная версия сайта Удобная навигация Нет шокирующей рекламы |