Как видно из изложенного, процедура определения характеристик прогноза при предлагаемом подходе отличается простотой, но вместе с тем характеризуется некоторой громоздкостью, обусловленной применением метода статистических испытаний. Поэтому коренным вопросом является рациональное моделирование приращений.
При наличии динамических рядов, имеющих продолжительный период основания, позволяющий получить репрезентативную выборку приращений, моделирование можно осуществлять в соответствии с определенным по этой выборке эмпирическим законом распределения приращений.
Для коротких динамических рядов можно применить допущение о нормальности отклонений значений динамического ряда от тренда. При этом допущении плотность распределения приращений также является нормальной.
При наличии на периоде основания информации малого объема (короткие динамические ряды) для моделирования приращений целесообразно использовать двумерное нормальное распределение. Двумерная плотность вероятности зависит в этом случае от пяти параметров:
,
где – случайные значения, математические ожидания и среднеквадратические отклонения предыдущих и последующих приращений переменной объекта прогнозирования соответственно;
– коэффициент корреляции последующих приращений на предыдущие.
Рис. 4.2 График определения предыдущих и последующих приращений
Графически определение предыдущих и последующих приращений показано на рис. 4.2.
Очевидно, что одно и то же приращение в зависимости от того, относительно какой точки оно рассматривается, может быть как предыдущим, так и последующим. Однако первое приращение является только предыдущим.
При обработке исходного динамического ряда определяются оценки математических ожиданий и дисперсий предыдущих и последующих приращений. Множество предыдущих приращений определяется по зависимости
.
Множество последующих приращений определяется по зависимости
или
.
По множеству определяются среднее значение
и оценка дисперсии
предыдущих приращений:
(4.3)
Соответственно, по множеству определяются среднее значение
и оценки дисперсии
последующих приращений:
(4.4)
Оценка значения коэффициента корреляции определится по зависимости
. (4.5)
Для моделирования случайных приращений на периоде упреждения используется алгоритм моделирования двумерного нормального распределения. Для рассматриваемого случая моделирующая зависимость последующих приращений имеет вид
(4.6)
При моделировании случайного значения на первом шаге в каждой
-й реализации
предыдущее значение
равно значению последнего приращения на периоде основания
,то есть
При моделировании приращений на следующих шагах периода упреждения
.
Оценка коэффициента корреляции, определяемая по выборкам малых объемов, является случайной. Плотность вероятности выборочного коэффициента корреляции имеет сложный вид. При принятом допущении о нормальности распределения приращений используется нормализующее преобразование Фишера.
Актуально о образовании:
Методика работы с техническими средствами обучения
Технические средства обучения (ТСО) – это совокупность технических устройств с дидактическим обеспечением, применяемых в учебно-воспитательном процессе для предъявления и обработки информации с целью его оптимизации. Под техническими средствами обучения также понимают различные технические устройст ...
Особенности личностного саморазвития одаренных старшеклассников
Попытаемся определить, что такое саморазвитие. В отечественной психологии одними их первых дали определение и обосновали его отличительные признаки В.И.Слободчиков и Е.И.Исаев; понятие «саморазвитие» — это фундаментальная способность человека становиться и быть подлинным субъектом своей жизни, прев ...
Сравнение нормы с ОНР у детей в дошкольном возрасте
Одним из компонентов всестороннего изучения детей (их речевых и не речевых процессов, сенсомоторной сферы, интеллектуального развития, личностных особенностей и т. д.) является логопедическое обследование. Его цель – установить, какое речевое нарушение имеется у ребенка, определить его характер и с ...