Теоретической основой процедуры уточнения математической модели формирования закона распределения случайной величины Z является аппарат характеристических функций.
В этом случае функция распределения F(Z) суммы случайного числа n случайных величин Z, на основании мультипликативного свойства характеристических функций определяется характеристической функцией
[pic] (2.28) где [pic]характеристическая функция нормальной случайной величины с параметрами m и (.
В качестве примера, имеющего прикладное значение в рассматриваемой области, рассмотрим распределение суммы пуассоновского числа нормально распределенных случайных величин. С этой целью составим уравнение
[pic] (2.29) правая часть которого равна эмпирической характеристической функции. Параметры нормального закона распределения m и ( и закона Пуассона v могут быть определены в результате минимизации невязки или с помощью моментов. Метод моментов применительно к рассматриваемому уравнению заключается в приравнивании некоторого количества выборочных моментов, оцениваемых по правой части уравнения (2.29), к соответствующим теоретическим, определяемым по характеристической функции левой части уравнения в соответствии с зависимостью
[pic] (2.30)
Естественно, что число получаемых в этом случае уравнений должно быть равным числу оцениваемых параметров (в данном случае трем).
Последовательно дифференцируя характеристические функции по t и приравнивая в полученных производных значения t нулю, можно составить следующую систему уравнений
[pic] (2.31) где Sk-асимметрия закона распределения, равная центральному моменту третьего порядка.
После некоторых алгебраических преобразований из системы уравнений (2.31) можно определить среднее число суммируемых случайных величин (параметр закона Пуассона).
[pic] (2.32) математическое ожидание и среднеквадратическое отклонение суммируемой нормальной случайной величины
[pic] и [pic] (2.33)
В формулах (2.32) и (2.33) коэффициент вариации Vz определяется по первым двум моментам [pic] и [pic]
Используя формулу обращения
[pic] можно получить плотность распределения пуассоновского числа нормальных случайных величин
[pic] (2.34)
Очевидно, что плотность распределения (2.34), а точнее параметры v, m и (, зависят от объема выборок случайных величин {Zj}, j=1,…,k; j=1, k=1, k- 1 и т.д. Последовательно от этапа к этапу анализируя ретроспективную информацию, можно построить семейство плотностей распределения fj(z) (j=k, k-1, …). Задачу отбраковки устаревшей информации в этом случае сводится к решению последовательного ряда задач проверки статистических гипотез о принадлежности контрольного значения параметра Z0 генеральной совокупности, описываемой законом распределения с плотностью (2.34). При этом следует учесть, что в силу проведенной схематизации процесса Z0=0. Тогда, задаваясь уровнем значимости ( и учитывая симметричный характер закона распределения (2.34), можно найти такое значение индекса j, при котором выполнилось бы одно из следующих неравенств
[pic] (2.35) где [pic] – функция Лапласа.
Справедливость соотношений (2.35) вытекает из очевидной процедуры вычисления функции распределения через плотность (2.34)
[pic] (2.36)
Таким образом, задача определения глубины предпрогнозной ретроспекции с учетом старения информации может быть достаточно надежно решена традиционными методами математической статистики с помощью математической модели (распределения сумм пуассоновского числа нормально распределенных случайных величин).
ЗАКЛЮЧЕНИЕ
В данной курсовой работе рассмотрены основные методы прогнозирования экономической среды с учетом фактора старения информации на примере рыночного механизма спрос-предложение.
Проанализировав полученную информацию, можно сделать выводы о том, что для различных наук, отраслей, экономических сфер старение информации понятие растяжимое. Для одних информация, полученная десять лет назад, все еще представляется важной, а для других, неважной является информация, полученная в течении последних суток.
Также для различных отраслей применяют различные методы учета фактора старения информации. С помощью таких методов можно из имеющейся в наличии информации для прогнозирования выжать максимум полезной информации.
Список литературы
1. Б.П Ивченко, Л.А. Мартыщенко, И.Б. Иванцов. «Информационная микроэкономика». Часть 1. Методы анализа и прогнозирования, СПб.:
«Нордмед-Издат», 1997. – 160 с. 2. Романенко И.В. Социальное и экономическое прогнозирование: Конспект лекций. – СПб.: Издательство Михайлова В.А., 2000 г. – 64 с. 3. Прогнозирование и финансирование экономики в условиях рыночных отношений. – М.: Мысль, 1970. – 448 с. 4. Рябушкин Б.Т. Применение статистических методов в экономическом анализе и прогнозировании. – М.: Финансы и статистика, 1987. – 75 c. 5. Статистическое моделирование и прогнозирование: под ред.
А.Г. Гранберга. – М.: Финансы и статистика, 1990. – 382 с. 6. Грисеев Ю.П. Долгосрочное прогнозирование экономических процессов: –
Киев: Наукова думка, 1987 – 131 с. 7. Шибалкин О.Ю. Проблемы и методы построения сценариев социально- экономического развития. – М.: Наука, 1992 – 176 с. 8. Суворов А.В. Методы построения макроэкономических сценариев социально- экономического развития// Проблемы прогнозирования. – 1993. – №4 – сс. 27-
39 9. Калинина А.В. Современный экономический анализ и прогнозирование (микро- и макроуровень): Учебное пособие // А.В. Калинина и др., Межрегиональная
Академия управления персоналом, 2-е изд. –Л.: МАУП, 1998. 10. Глущенко В.В. Прогнозирование –2-е изд., Испр. и доп. –СПб: СПГУВК,
1999. –245 с.
Приложение А:
Таблица 1
|Этапы |Стадии | |Общая постановка|Общее знакомство с проблемой, указание цели; | |задачи |Определение используемых понятий; | | |Сбор и анализ данных, оценка их точности; | | |Анализ различных возможных общих постановок задач с точки | | |зрения существования и единственности их решения и его | | |использования; уточнение цели. | |Построение |Формулировка априорных предположений и построение знаковой| |конструкций для |модели для математической постановки задачи; | |решения задачи |Математическая постановка задачи. | |Решение задачи |Построение алгоритма решения математической задачи; | | |Получение решения математической задачи (обработка | | |данных). | |Интерпретация |Проверка полученного решения в соответствии с известными | |решений |принципами и законами и экспериментальными данными; | | |Определение области применимости и точности полученного | | |решения. Перспектива использования в практических и | | |теоретических целях. |
Приложение В:
Таблица 2
Принципы системного подхода
|Наименование |Его содержание | |принципа | | |Целостности |Проблема анализа рыночного спроса рассматривается как | | |самостоятельная проблема или как часть другой, более | | |общей, проблемы, в которую она входит. Система. Выделенная| | |для самостоятельного исследования, должна иметь | | |возможность изменять своё состояние (движение) в | | |зависимости от состояния старших или младших (в | | |иерархическом смысле) систем. | |Многомерности |Проблема анализа рыночного спроса рассматривается с | | |позиции таких концепций, которые учитывают основные | | |существенные факторы и взаимовлияние на спрос | | |сопутствующих и конкурирующих видов товаров. | |Неопределённости и|Изменение рыночного спроса происходит под влиянием | | |различных воздействий. Анализ показателей спроса должен | |стохастичности |производиться своевременно (в реальном масштабе времени), | | |а математические зависимости, описывающие закономерности | | |рыночного спроса, должны содержать в своей структуре | | |модель прогнозирования. Кроме того, необходимо учитывать, | | |что исходная информация, которую реально удастся собрать и| | |подготовить для решения проблемы, оказывается, как | | |правило, в значительной степени неполной и неточной. | | |Статистическому анализу может быть подвергнута лишь | | |некоторая часть всей совокупности микроэкономических | | |параметров (характеристик), статистическое обследование | | |всей генеральной совокупности затрудняется малым объёмом | | |наблюдений. |
Приложение С:
Таблица 3
Направления и методы прогнозных исследований в микроэкономике.
|№ |Методы прогнозирования |Краткосрочное |Среднесрочное |Долгосрочное | |п/п| | | | | |1 |Корреляционно-регресионный |++ |++ |- | | |анализ временных тенденций ** | | | | |2 |Метод экспоненциального |+ |++ |- | | |сглаживания ** | | | | |3 |Экстраполяция временных |- |- |+ | | |тенденций по отшибающим кривым| | | | | |** | | | | |4 |Метод статистического |++ |++ |- | | |моделирования временных | | | | | |тенденций ** | | | | |5 |Анкетные опросы экспертов |+ |++ |- | |6 |Выработка коллективного мнения|- |++ |+ | | |экспертов | | | | |7 |Системный анализ результатов |- |+ |++ | | |фундаментальных исследований *| | | | |8 |Структурные схемы целей |- |- |+ | | |развития экономической системы| | | | | |и ее отдельных подсистем | | | | |9 |Сценарий действий |- |+ |++ | | |экономических структур | | | | |10 |Игровое моделирование ** |- |++ |+ | |11 |Генерация идей в ходе |- |++ |+ | | |«мозговой атаки» | | | | |12 |Морфологический анализ * |- |+ |++ | |13 |Историческая аналогия * |- |- |+ |
«-» - применение метода прогнозирования невозможно или нецелесообразно; «+» - применение метода прогнозирования целесообразно и обосновано; «++» - метод находит преимущественное применение при прогнозировании; * - метод прогнозирования требует периодического учета фактора старения информации; ** - устаревшая исходная информация может оказать существенное влияние на конечный результат (учет фактора старения информации требует постоянного учета в реальном масштабе времени).
Страницы: 1, 2, 3, 4, 5