Введение. Основу экстраполяционных методов прогнозирования составляет изучение временных

Основу экстраполяционных методов прогнозирования составляет изучение временных рядов, представляющих собой упорядоченные во времени наборы измерений тех или иных характеристик исследуемого объекта, процесса. Временной ряд y_i может быть представлен в следующем виде:

Y_t=x_t+e_t,

где x_t – детерминированная неслучайная компонента процесса;

e_t – стохастическая случайная компонента процесса.

Если детерминированная компонента (тренд) x_t характеризует общее направление развития, основную тенденцию временного ряда, то стохастическая компонента e_t отражает случайные колебания, или шумы, процесса. Обе составляющие процесса определяются каким-либо функциональным механизмом, характеризующим их поведение во времени. Задача прогноза состоит в определении вида экстраполирующих функций x_t и e_t на основе исходных эмпирических данных.

Первым этапом экстраполяции тренда является выбор оптимального вида функции, описывающей эмпирический ряд. Для этого проводятся предварительная обработка и преобразование исходных данных в целях облегчения выбора вида тренда путем сглаживания и выравнивания временного ряда, а также формального и логического анализа особенностей процесса. Следующим этапом является расчет параметров выбранной экстраполяционной функции.

Наиболее распространенными методами оценки параметров зависимостей является метод наименьших квадратов и его модификации, метод экспоненциального сглаживания и метод вероятностного моделирования.

После изучения данного раздела рекомендуется ответить на вопросы для самопроверки и на вопросы теста 1.

В случае если ответы на какие-либо вопросы вызовут затруднение или неуверенность, рекомендуется прочитать учебное пособие Голик, Е.С. Теория и методы статистического прогнозирования: учебное пособие /Е.С. Голик, О.В. Афанасьева. – СПб.: Изд-во СЗТУ, 2007. – 182 с., (с. 23 – 40).

Дата добавления: 2015-07-25