Учебно-методический комплекс Для специальности: 080801 Прикладная информатика (в экономике) Москва 2009
| Вид материала | Учебно-методический комплекс |
- Учебно-методический комплекс Для специальности: 080801 «Прикладная информатика (в экономике)», 357.03kb.
- Учебно-методический комплекс Специальность: 080801 Прикладная информатика (в экономике), 325.69kb.
- Учебно-методический комплекс Специальность: 080801 Прикладная информатика (в экономике), 223.84kb.
- Учебно-методический комплекс для специальности 080801 Прикладная информатика (в экономике), 639.9kb.
- Учебно-методический комплекс Для специальности: 080801 Прикладная информатика (в экономике), 575.12kb.
- Учебно-методический комплекс Для специальности: 080801 «Прикладная информатика (в экономике)», 489.66kb.
- Учебно-методическим советом экономического факультета мировые информационные ресурсы, 221.33kb.
- Учебно-методический комплекс Специальность: 080801 Прикладная информатика (в экономике), 278.53kb.
- Учебно-методический комплекс Для специальности 080801 Прикладная информатика (в экономике), 610.8kb.
- Учебно-методический комплекс Для специальности 080801 Прикладная информатика (в экономике), 296.07kb.
5. Содержание курса
Тема 1. Статистическое моделирование и прогнозирование как наука. Предмет, метод и задачи курса.
Теоретические основы прогнозирования.
Предпосылки и теоретическая обоснованность статистического прогнозирования. Предмет статистического моделирования и прогнозирования. Прогностика как метод научного познания. Проблемы построения динамических моделей. Модель как отображение действительности. Соотношение объекта и модели.
Основные понятия, категории и методы общей теории статистики, используемые в курсе "Статистические методы оценки принятия управленческих решений".
Понятие статистического прогноза. Классификация видов и способов прогнозирования: по сложности, по масштабности, по степени детерминированности, по степени информационного обеспечения, по методологии. Этапы разработки прогнозов. Время упреждения. Надежность прогнозов на основе абсолютных, относительных и средних величин. Оценка точности прогнозов и показатели вариации. Показатели корреляции в оценке точности статистических прогнозов. Верификация прогнозов.
Тема 2. Априорный анализ компонент временного ряда
Задачи анализа, требование к исходной статистической и динамической информации. Анализ априорной информации об объекте исследования. Предпосылки построения статистических динамических моделей.
Составляющие временного ряда. Абсолютные, относительные и средние показатели в анализе рядов динамики. Абсолютные, относительные и средние показатели вариации в изучении временных рядов.
Методы оценки однородности совокупности исходных данных временных рядов. Методика выявления и анализа аномальных наблюдений. Графический метод в анализе рядов динамики.
Тема 3. Моделирование тенденции.
Основные принципы построения моделей тенденции. Статистические модели тенденции. Проверка гипотезы о существовании тренда. Статистические модели тенденции средней, дисперсии, автокорреляции. Методы выявления тенденции: критерий Фостера-Стюарта, метод сравнения средних уровней ряда, критерий серий, основанный на медиане выборки.
Графический метод и метод укрупнения интервалов как методы описания тенденции временного ряда.
Метод скользящей средней. Метод аналитического выравнивания на основе кривых роста. Абсолютные и относительные показатели ряда динамики и выбор вида тренда. Критерии адекватности моделей тенденции.
Тема 4. Моделирование периодической компоненты.
Модели временных рядов с периодическими колебаниями. Метод постоянной средней и метод переменной средней для расчета индексов сезонности. Анализ динамики сезонной волны. Аддитивные и мультипликативные тренд-сезонные модели. Аналитическое выравнивание сезонной составляющей. Гармоники Фурье.
Тема 5. Моделирование случайной компоненты.
Методы выявления случайной компоненты. Автокорреляция и методы ее устранения. Модели связных рядов динамики, исключающих автокорреляцию методом отклонения уровней от тренда, методом последовательных разностей.
Модели авторегрессии.
Тема 6. Статистические методы прогнозирования динамики. Анализ тенденции, предельных и пороговых значений уровней динамических рядов. Объективизация прогнозов.
Простейшие методы прогнозирования: методы на основе среднего уровня ряда, среднего абсолютного прироста и среднего темпа роста.
Критерии выбора метода прогнозирования. Точечные и интервальные прогнозы. Оценка точности и надежности прогнозов.
Прогнозирование на основе экстраполяции тренда. Методы выбора трендовой модели прогноза: графический, последовательных разностей, кумулятивный критерий и т.д. Идентификация параметров кривой роста. Кривые роста Гомперца и Перля-Рида. Точность и надежность прогнозов на основе экстраполяции трендов.
Прогнозирование с учетом дисконтирования информации. Адаптивные модели прогнозирования. Предпосылки построения адаптивных моделей. Прогнозирование методом простого экспоненциального сглаживания. Метод гармонических весов как метод прогнозирования на основе рядов динамики.
Прогнозирование динамических рядов, не имеющих тенденции. Закон Пуассона. Критерии адекватности и статистической значимости моделей динамики. Принятие решений на основе моделей динамики.
Тема 7. Статистические методы моделирования взаимосвязи.
Понятие модели взаимосвязи. Особенности моделирования взаимосвязи статистическими методами. Теоретические и методологические предпосылки построения адекватных статистических моделей взаимосвязи. Выбор формы связи. Поле корреляции. Статистические модели регрессии. Мультиколлинеарность и методы ее выявления. Определение параметров регрессии. Доверительные интервалы регрессии.
Модели ранговой корреляции.
Многомерные статистические методы в отборе факторных признаков: корреляционный и др. анализ. Эвристические методы и отбор факторных признаков. Шаговые алгоритмы построения регрессионных моделей. Многофакторные статистические модели регрессии. Критерии адекватности и значимости статистических моделей регрессии. Аналитические возможности регрессионных моделей.
Модели регрессии в стандартизированном масштабе. β-коэффициенты, частные коэффициенты детерминации в анализе взаимосвязи социально-экономических явлений.
Методы сокращения размерности. Методы многомерной группировки.
Тема 8. Статистические методы прогнозирования взаимосвязи.
Предпосылки использования моделей регрессии в прогнозировании социально-экономических явлений. Спецификация моделей регрессии. Доверительные интервалы как оценка точности прогнозов на основе уравнений регрессии.
Многофакторные модели динамического прогнозирования и их основные модификации. Спецификация многофакторных динамических моделей. Автокорреляция и мультиколлинеарность. Модели множественной регрессии в динамике. Метод динамизации параметров моделей регрессии.
Оценка точности и надежности прогнозов на основе моделей взаимосвязи. Принятие управленческих решений на основе прогнозов, полученных по моделям регрессии в условиях достаточной достоверности, неопределенности, риска.
Тема 9. Эвристические методы прогнозирования социально-экономических явлений.
Метод экспертных оценок как способ прогнозирования. Классификация и краткая характеристика методов экспертных оценок. Формирование экспертных групп и оценка компетентности экспертов. Метод "Дельфи" и его основные процедуры. Показатели согласованности мнений экспертов.
Статистические методы обработки результатов экспертизы. Порядковые статистики, показатели вариации в анализе экспертной информации. Параметрические и непараметрические показатели связи в оценке результатов экспертиз. Методы ранговой корреляции.
Точность и надежность прогнозов на основе экспертных оценок.