Автор работы: Пользователь скрыл имя, 22 Мая 2013 в 15:14, лабораторная работа
1. Анализируются объемы ежедневных продаж некоторого товара за 60 дней.
Полученные след. данные (в штуках):
2. Анализируется продолжительность телефонных разговоров с клиентами некоторой справочной службы. Случайным образом отобраны 60 телефонных разговоров и зафиксированы их длительности (в секундах):
3. В таблице 8 приведены данные за 10 лет по количеству вновь регистрируемых фирм Х и по количеству банкротств Y в некотором государстве.
Рисунок 6 – Графики ИРД,ССП(3), ССП(5)
Из графика видно, что сглаживание методом ССП(3) наиболее соответствует экономическому процессу, заданному временным рядом.
б) Сглаживание временного ряда методом экспоненциального сглаживания
Сглаженное значение вычисляется по текущему уровню ряда
и предыдущему сглаженному уровню :
При этом в качестве следует взять первый уровень ряда y1.
α - параметр сглаживания:
Сглаживание временного ряда методом экспоненциального сглаживания представлено в табл. 13 и табл.14.
Таблица 13 – Сглаживание временного ряда при α=0,1
α=0,1 |
||
t |
yt |
EMA |
1 |
1030 |
1030 |
2 |
1048 |
1031,8 |
3 |
1072 |
1035,82 |
4 |
1033 |
1035,538 |
5 |
988 |
1030,784 |
6 |
1039 |
1031,606 |
7 |
1047 |
1033,145 |
8 |
1033 |
1033,131 |
9 |
1052 |
1035,018 |
10 |
1066 |
1038,116 |
11 |
1028 |
1037,104 |
12 |
1051 |
1038,494 |
Таблица 14 – Сглаживание временного ряда при α=0,3
α=0,3 |
||
t |
yt |
EMA |
1 |
1030 |
1030 |
2 |
1048 |
1035,4 |
3 |
1072 |
1046,38 |
4 |
1033 |
1042,366 |
5 |
988 |
1026,056 |
6 |
1039 |
1029,939 |
7 |
1047 |
1035,058 |
8 |
1033 |
1034,44 |
9 |
1052 |
1039,708 |
10 |
1066 |
1047,596 |
11 |
1028 |
1041,717 |
12 |
1051 |
1044,502 |
Рисунок 7 – Графики ИРД,EMA(0,1), EMA(0,3)
Из графика видно, параметр сглаживания α = 0,3 наиболее соответствует экономическому процессу, заданному временным рядом.
в) Сглаживание временного ряда методом скользящей средней с использованием инструментов анализа данных (Сервис/Анализ данных) Скользящее среднее
Рисунок 8 – Сглаживание по трем точкам
Рисунок 8 – Сглаживание по пяти точкам
Сглаживание временного ряда
методом экспоненциального
Рисунок 9 – Сглаживание временного ряда при α=0,1
Рисунок 10 – Сглаживание временного ряда при α=0,3
2. Определение индексов сезонности реализации продукции
Таблица 15 – Информация о продажах товара
Месяц |
Объем продаж | ||
1й год |
2й год |
3й год | |
январь |
945 |
920 |
889 |
февраль |
905 |
807 |
1023 |
март |
1149 |
1092 |
1169 |
апрель |
1178 |
1206 |
1254 |
май |
1310 |
1401 |
1333 |
июнь |
1314 |
1444 |
1368 |
июль |
1379 |
1446 |
1393 |
август |
1379 |
1450 |
1387 |
сентябрь |
1246 |
1361 |
1316 |
октябрь |
1274 |
1344 |
1301 |
ноябрь |
1073 |
1245 |
1206 |
декабрь |
1050 |
1210 |
1080 |
Периодические колебания, которые имеют постоянный годовой период, определяются как сезонные колебания (сезонные волны).
Сезонные колебания характеризуются в статистике индексами сезонности.
Индекс сезонности ( ) – отношение средней величины уровня, рассчитанной для каждого из 12 календарных месяцев за ряд лет ( ), к среднемесячному уровню ряда динамики за весь рассматриваемый период ( ), выраженное в процентах:
где – средний уровень за i-ый месяц года;
– среднемесячный уровень за весь пятилетний период исследования.
Расчёты индексов сезонности для данных табл.15 в табл. 16.
Таблица 16 – Расчёт индексов сезонности
Месяц |
Объем продаж, тыс.тонн |
|
| ||
1й год |
2й год |
3й год | |||
январь |
945 |
920 |
889 |
918,0 |
75,37 |
февраль |
905 |
807 |
1023 |
911,7 |
74,85 |
март |
1149 |
1092 |
1169 |
1136,7 |
93,32 |
апрель |
1178 |
1206 |
1254 |
1212,7 |
99,56 |
май |
1310 |
1401 |
1333 |
1348,0 |
110,68 |
июнь |
1314 |
1444 |
1368 |
1375,3 |
112,92 |
июль |
1379 |
1446 |
1393 |
1406,0 |
115,44 |
август |
1379 |
1450 |
1387 |
1405,3 |
115,38 |
сентябрь |
1246 |
1361 |
1316 |
1307,7 |
107,36 |
октябрь |
1274 |
1344 |
1301 |
1306,3 |
107,25 |
ноябрь |
1073 |
1245 |
1206 |
1174,7 |
96,44 |
декабрь |
1050 |
1210 |
1080 |
1113,3 |
91,41 |
Итого |
14202 |
14926 |
14719 |
1218,0 |
100,00 |
Вывод: В динамике объемов реализации продукции явно прослеживается наличие сезонной компоненты. Наибольшим средним значением объемов реализации продукции за пять лет характеризуется месяц июль – 1406 тыс. тонн ( =115,44%), а наименьшее среднее значение приходится на февраль – 911,7 тыс. тонн ( =74,85%).
Построение сезонной волны реализации продукции
На основании полученных в табл.16 данных об индексах сезонности построен график сезонной волны (рис.11).
Рисунок 11 – Сезонная волна динамики объемов продажи за трехлетний период
Вывод: График сезонной волны (рис. 11), наглядно демонстрирует наличие сезонной компоненты в реализации произведенной продукции: наибольшими объемами реализации характеризуется месяцы май, июнь, июль, август, сентябрь, октябрь, а наименьшими – январь, февраль.
Информация о работе Лабораторная работа по "Прогнозированию рынка"