Главная страница
Навигация по странице:

  • Шаг 1

  • Шаг 2

  • Шаг 3

  • Шаг 4

  • Шаг 5

  • Шаг 6

  • задача. Задача к кр. Задача к кр остроение


    Скачать 58.84 Kb.
    НазваниеЗадача к кр остроение
    Анкорзадача
    Дата14.02.2022
    Размер58.84 Kb.
    Формат файлаdocx
    Имя файлаЗадача к кр.docx
    ТипЗадача
    #361721

    Задача к кр

    остроение мультипликативной модели временного ряда.
    Общий вид мультипликативной модели следующий:
    Y = T x S x E
    Эта модель предполагает, что каждый уровень временного ряда может быть представлен как произведение трендовой (T), сезонной (S) и случайной (E) компонент.
    Рассчитаем компоненты мультипликативной модели временного ряда.
    Шаг 1. Проведем выравнивание исходных уровней ряда методом скользящей средней. Для этого:
    1.1. Найдем скользящие средние (гр. 3 таблицы). Полученные таким образом выровненные значения уже не содержат сезонной компоненты.
    1.2. Приведем эти значения в соответствие с фактическими моментами времени, для чего найдем средние значения из двух последовательных скользящих средних – центрированные скользящие средние (гр. 4 табл.).

    t

    yt

    Скользящая средняя

    Центрированная скользящая средняя

    Оценка сезонной компоненты (стлб.2 / стлб.4)

    1

    5486789

    -

    -

    -

    2

    6556599

    5513197.5

    -

    -

    3

    7854524

    4778680.5

    5145939

    1.526

    4

    2154878

    5325921.25

    5052300.875

    0.427

    5

    2548721

    4166451.75

    4746186.5

    0.537

    6

    8745562

    6091835.5

    5129143.625

    1.705

    7

    3216646

    6058602

    6075218.75

    0.529

    8

    9856413

    4410918.5

    5234760.25

    1.883

    9

    2415787

    5254203.75

    4832561.125

    0.5

    10

    2154828

    5170440.25

    5212322

    0.413

    11

    6589787

    5377930.5

    5274185.375

    1.249

    12

    9521359

    7038587.5

    6208259

    1.534

    13

    3245748

    7854782.25

    7446684.875

    0.436

    14

    8797456

    7388189.75

    7621486

    1.154

    15

    9854566

    6576752.75

    6982471.25

    1.411

    16

    7654989

    4377388.75

    5477070.75

    1.398

    17




    1913747.25

    3145568

    0

    18




    0

    956873.625

    0

    19




    -

    -

    -

    20




    -

    -

    -


    Шаг 2. Найдем оценки сезонной компоненты как частное от деления фактических уровней ряда на центрированные скользящие средние (гр. 5 табл.). Эти оценки используются для расчета сезонной компоненты S. Для этого найдем средние за каждый период оценки сезонной компоненты Sj. Сезонные воздействия за период взаимопогашаются. В мультипликативной модели это выражается в том, что сумма значений сезонной компоненты по всем кварталам должна быть равна числу периодов в цикле. В нашем случае число периодов одного цикла равно 4.

    Показатели

    1

    2

    3

    4

    1

    -

    -

    1.526

    0.427

    2

    0.537

    1.705

    0.529

    1.883

    3

    0.5

    0.413

    1.249

    1.534

    4

    0.436

    1.154

    1.411

    1.398

    5

    0

    0

    -

    -

    Всего за период

    1.473

    3.273

    4.717

    5.241

    Средняя оценка сезонной компоненты

    0.368

    0.818

    1.179

    1.31

    Скорректированная сезонная компонента, Si

    0.401

    0.89

    1.283

    1.426


    Для данной модели имеем:
    0.368 + 0.818 + 1.179 + 1.31 = 3.676
    Корректирующий коэффициент: k=4/3.676 = 1.088
    Рассчитываем скорректированные значения сезонной компоненты Si и заносим полученные данные в таблицу.
    Шаг 3. Разделим каждый уровень исходного ряда на соответствующие значения сезонной компоненты. В результате получим величины T x E = Y/S (гр. 4 табл.), которые содержат только тенденцию и случайную компоненту.
    Находим параметры уравнения методом наименьших квадратов.
    Система уравнений МНК:
    a0n + a1∑t = ∑y
    a0∑t + a1∑t2 = ∑y*t
    Для наших данных система уравнений имеет вид:
    20a0 + 210a1 = 105586458.35
    210a0 + 2870a1 = 876252203.43
    Из первого уравнения выражаем а0 и подставим во второе уравнение
    Получаем a1 = -80978.975, a0 = 6129602.155
    Среднее значение


    t

    y

    t2

    y2

    t*y

    y(t)

    (yi-y)2

    (y-y(t))2

    1

    13693845.765

    1

    1.8752141182591E+14

    13693845.765

    6048623.18

    70804194745925

    58449428372839

    2

    7363816.89

    4

    54225799182668

    14727633.779

    5967644.205

    4345115119663.3

    1949298165731.2

    3

    6121141.516

    9

    37468373461444

    18363424.549

    5886665.23

    708658553208.85

    54979128896.698

    4

    1511384.407

    16

    2284282825051.4

    6045537.627

    5805686.255

    14197360620232

    18441028361958

    5

    6361059.678

    25

    40463080230603

    31805298.391

    5724707.28

    1170154419717.2

    404944375013.49

    6

    9822274.805

    36

    96477082344720

    58933648.83

    5643728.305

    20638411852462

    17460250853825

    7

    2506777.67

    49

    6283934288001.1

    17547443.692

    5562749.33

    7687007147860.2

    9338962784494.7

    8

    6913072.998

    64

    47790578270408

    55304583.981

    5481770.355

    2669139324440.6

    2048627255066

    9

    6029284.993

    81

    36352277528528

    54263564.938

    5400791.38

    562443114971.1

    395004221862.26

    10

    2420120.373

    100

    5856982621995.8

    24201203.735

    5319812.405

    8175039187626.5

    8408213877488.3

    11

    5135514.105

    121

    26373505120831

    56490655.153

    5238833.43

    20680974590.322

    10674882947.894

    12

    6678073.433

    144

    44596664781365

    80136881.2

    5157854.455

    1956503005752.1

    2311065742205.9

    13

    8100689.22

    169

    65621165833690

    105308959.856

    5076875.48

    7960107811287.3

    9143449532154.8

    14

    9880557.752

    196

    97625421495357

    138327808.531

    4995896.505

    21171362004856

    23859915499958

    15

    7679802.502

    225

    58979366468927

    115197037.529

    4914917.53

    5762302235575.1

    7644588907788

    16

    5369042.242

    256

    28826614597875

    85904675.874

    4833938.555

    8049557222.061

    286335955904.14

    17

    0

    289

    0

    0

    4752959.58

    27871250466749

    22590624770095

    18

    0

    324

    0

    0

    4671980.605

    27871250466749

    21827402774676

    19

    0

    361

    0

    0

    4591001.63

    27871250466749

    21077295968034

    20

    0

    400

    0

    0

    4510022.655

    27871250466749

    20340304350168

    Итого

    105586458.349

    2870

    8.3674654087738E+14

    876252203.43

    105586458.349

    2.7932153154239E+14

    2.4604239578111E+14


    Шаг 4. Определим компоненту T данной модели. Для этого проведем аналитическое выравнивание ряда (T + E) с помощью линейного тренда. Результаты аналитического выравнивания следующие:
    T = 6129602.155 -80978.975t
    Подставляя в это уравнение значения t = 1,...,20, найдем уровни T для каждого момента времени (гр. 5 табл.).

    t

    yt

    Si

    yt/Si

    T

    TxSi

    E = yt / (T x Si)

    (yt - T*S)2

    1

    5486789

    0.401

    13693845.765

    6048623.18

    2423535.338

    2.264

    9383522995979.5

    2

    6556599

    0.89

    7363816.89

    5967644.205

    5313474.06

    1.234

    1545359616412.4

    3

    7854524

    1.283

    6121141.516

    5886665.23

    7553648.81

    1.04

    90525880200.11

    4

    2154878

    1.426

    1511384.407

    5805686.255

    8277540.465

    0.26

    37486995661169

    5

    2548721

    0.401

    6361059.678

    5724707.28

    2293750.161

    1.111

    65010128598.578

    6

    8745562

    0.89

    9822274.805

    5643728.305

    5025065.658

    1.74

    13842093034449

    7

    3216646

    1.283

    2506777.67

    5562749.33

    7138006.531

    0.451

    15377068411013

    8

    9856413

    1.426

    6913072.998

    5481770.355

    7815712.724

    1.261

    4164457616714.9

    9

    2415787

    0.401

    6029284.993

    5400791.38

    2163964.984

    1.116

    63414327608.307

    10

    2154828

    0.89

    2420120.373

    5319812.405

    4736657.255

    0.455

    6665842302044.6

    11

    6589787

    1.283

    5135514.105

    5238833.43

    6722364.252

    0.98

    17576727647.086

    12

    9521359

    1.426

    6678073.433

    5157854.455

    7353884.983

    1.295

    4697943615198.2

    13

    3245748

    0.401

    8100689.22

    5076875.48

    2034179.807

    1.596

    1467897485673.6

    14

    8797456

    0.89

    9880557.752

    4995896.505

    4448248.853

    1.978

    18915602811752

    15

    9854566

    1.283

    7679802.502

    4914917.53

    6306721.973

    1.563

    12587197242535

    16

    7654989

    1.426

    5369042.242

    4833938.555

    6892057.242

    1.111

    582064867855.09

    17




    0.401

    0

    4752959.58

    1904394.63

    0

    3626718907694.9

    18




    0.89

    0

    4671980.605

    4159840.45

    0

    17304272569558

    19




    1.283

    0

    4591001.63

    5891079.694

    0

    34704819956852

    20




    1.426

    0

    4510022.655

    6430229.501

    0

    41347851429726



















    19.454

    2.2393623558868E+14


    Шаг 5. Найдем уровни ряда, умножив значения T на соответствующие значения сезонной компоненты (гр. 6 табл.).
    Расчет ошибки в мультипликативной модели производится по формуле:
    E = ∑Y/(T * S) = 19.45
    Для сравнения мультипликативной модели и других моделей временного ряда можно использовать сумму квадратов абсолютных ошибок:
    Среднее значение


    t

    y

    (yi-y)2

    1

    5486789

    427789774380.96

    2

    6556599

    2971715365049

    3

    7854524

    9131223265114

    4

    2154878

    7170905258741.2

    5

    2548721

    5216708988934.6

    6

    8745562

    15310233913504

    7

    3216646

    2611735898699.6

    8

    9856413

    25237364761344

    9

    2415787

    5841626033359.4

    10

    2154828

    7171173046701.2

    11

    6589787

    3087240164559.4

    12

    9521359

    21983217518777

    13

    3245748

    2518520120637.2

    14

    8797456

    15719031638508

    15

    9854566

    25218810697356

    16

    7654989

    7965131187341

    17




    23355304383103

    18




    23355304383103

    19




    23355304383103

    20




    23355304383103

    Итого

    96654652

    2.5100364516542E+14


    Коэффициент детерминации.

    Следовательно, можно сказать, что мультипликативная модель объясняет 11% общей вариации уровней временного ряда.
    Проверка адекватности модели данным наблюдения.

    где m - количество факторов в уравнении тренда (m=1).
    Fkp = 4.41
    Поскольку F < Fkp, то уравнение статистически не значимо
    Шаг 6. Прогнозирование по мультипликативной модели. Прогнозное значение Ft уровня временного ряда в мультипликативной модели есть произведение трендовой и сезонной компонент. Для определения трендовой компоненты воспользуемся уравнением тренда:T = 6129602.155 -80978.975t
    Прогноз на 1 период:
    T21 = 6129602.155 -80978.975*21 = 4429043.68
    Значение сезонного компонента за соответствующий период равно: S1 = 0.401
    Таким образом, F21 = T21 • S1 = 4429043.68 • 0.401 = 1774609.453


    написать администратору сайта