ряда.
Традиционно для описания подобного рода случайных величин обращаются
прежде всего к нормальному (гауссовскому) распределению, которое играет
фундаментальную роль в вероятностно-статистических исследованиях.
Традиционная универсальность нормального закона, как было отмечено
выше, объясняется, прежде всего, полнотой теоретических исследований,
относящихся к нему. При самых широких предположениях суммы случайных
величин ведут себя асимптотически нормально (соответствующие условия и
составляют содержание так называемой предельной теоремы). Во многих
случайных величинах можно видеть суммарный аддитивный эффект большого числа
независимых причин и т.д. В силу изложенных обстоятельств этот закон
распределения широко используется в качестве модели для различных
статистических совокупностей. В тех случаях, когда гипотеза о
принадлежности статистической совокупности генеральной нормальной
совокупности не подтверждается опытными данными или когда теоретико-
вероятностная схематизация вероятностного эксперимента порождает другую
модель, представляется целесообразным в силу универсальности нормального
закона обратиться к теории суммирования случайного числа нормальных
случайных величин.
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, 6