Лабораторная работа по "Прогнозированию рынка"

Автор работы: Пользователь скрыл имя, 22 Мая 2013 в 15:14, лабораторная работа

Краткое описание

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.

Прикрепленные файлы: 1 файл

лаба 4.docx

— 1.37 Мб (Скачать документ)




 

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 сглаживания с использованием инструментов анализа данных (Сервис/Анализ данных) Экспоненциальное сглаживание

 

 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"