Geum.ru

Учебная программа по дисциплине "Статистичекие оценки прогнозирования" Специальность: 350800 документоведение и документационное обеспечение управления

Вид материалаПрограмма

Содержание


Дневная форма обучения
5. Тематический план по дисциплине
Подобный материал:
Министерство образования

Российской Федерации


Нижегородский государственный лингвистический университет

им. Н.А.Добролюбова


учебная программа

по дисциплине "Статистичекие оценки прогнозирования"


Специальность: 350800 документоведение и документационное обеспечение управления


Квалификация: документовед


Нижний Новгород

2006 г.


Факультет английского языка


Кафедра математики и информатики


Утверждаю:


Первый проректор нглу

________ Л.А.Львов

" " ________ 2006 г.


учебная программа

по дисциплине “Статистичекие оценки прогнозирования”



^ Дневная форма обучения

Кол-во часов по учебному плану - 86

Из них аудиторных часов – 30

В том числе:

лекций – 20(час.)

семинарских занятий – 10 (час.)

Самостоятельная работа – 56(час.)

Экзамен - 7-й семестр


Составитель – доцент Акатьев Д. Ю.


Программа обсуждена и одобрена на заседании кафедры 2006 г.


Зав. кафедрой, д.т.н., профессор Савченко В.В.


1. ц е л ь и з а д а ч и д и с ц и п л и н ы

Целью изучения дисциплины является освоение основных принципов и методов анализа и обработки информации для получения статистических оценок прогнозирования при исследовании социально-экономических систем и принятии оптимальных решений в задачах управления фирмами, учреждениями, организациями, а также приобретение практических навыков работы с программными пакетами статистического анализа данных. В качестве изучаемых приложений выбраны: программные пакеты «Стадия» и «Burg», а также офисное приложение MS Excel для получения статистических оценок прогнозирования.

Освоение дисциплины базируется на знаниях, полученных студентами при изучении экономики, математики и информатики, концепции современного естествознания, информационных систем, ЭВМ и программного обеспечения, компьютерных информационных технологий в документационном обеспечении управления, информационного обеспечения управления и др. Обучение по данной программе организуется в форме лекционных и семинарских занятий.

2. с о д е р ж а н и е д и с ц и п л и н ы

тема 1. Предмет теории статистичеких оценок прогнозирования. Ключевые понятия

Роль и место прогнозов в экономике и управлении фирмами, учреждениями, организациями. Классификация оценок прогнозирования. Методы и модели прогнозов. Сбор и предварительная обработка данных для статистических прогнозов. Регрессионные, стохастические модели и экспертные системы в задаче прогнозирования социально-экономических явлений и процессов.


тема 2. МОДЕЛЬ линейной регрессиИ в задаче прогнозирования социально-экономических явлений

Парный линейный регрессионный анализ. Метод наименьших квадратов в задаче оценивания параметров парной линейной регрессии. Точность оценивания уравнения линейной регрессии. Расчет статистических оценок прогнозирования по уравнению линейных регрессий. Построение доверительных интервалов для прогнозируемых значений зависимой переменной. Показатели адекватности уравнения регрессии эмпирическим данным. Коэффициент детерминации и его расчет.


тема 3. Нелинейный парный регрессионный анализ

Обоснование нелинейного парного регрессионного анализа. Виды нелинейных аналитических выражений в регрессионном анализе. Оценивание параметров нелинейной регрессии. Непосредственный расчет параметров нелинейной регрессии. Приведение нелинейной зависимости и линейной. Логарифмические преобразования при приведении к линейной зависимости. Численные методы определения параметров нелинейной регрессии.

Критерий отбора оптимальной нелинейной функции. Статистические оценки прогнозирования в нелинейном регрессионном анализе. Регрессионный анализ и прогнозирование в программном пакете «Стадия». Особенности использования пакета MS Excel для получения статистических оценок прогнозирования.


тема 4. получение статистических оценок прогнозирования в Множественном регрессионном анализе

Множественный регрессионный анализ. Модель с двумя независимыми переменными. Расчет параметров линейной множественной регрессии. Применение множественного регрессионного анализа при прогнозировании и исследовании социально-экономических систем. Критерий оценивания качества множественной регрессии на основе скорректированного коэффициента детерминации. Множественный регрессионный анализ в нелинейных моделях.


тема 5. статистические оценки прогнозирования на основе моделей случайных процессов

Понятие и виды статистических оценок прогнозирования на основе моделей случайных процессов. Адекватность статистических данных выбранной модели. Частные случаи - белый гауссовский шум и детерминированные сигналы. Обобщенная модель авторегрессии - скользящего среднего. Особенности моделей авторегрессии и скользящего среднего. Прогнозирование и спектральный анализ динамических рядов. Получение статистических оценок прогнозирования на основе АР-модели и минимума дисперсии ошибки прогнозирования.


тема 6. Адаптивный подход при идентификации авторегрессионной модели

Задачи, решаемые при построении прогностической авторегрессионной модели. Априорная неопределенность относительно порядка модели и вектора коэффициентов авторегрессии. Использование данных ретроспективных наблюдений в пределах временного интервала стационарности процесса. Классические методы авторегрессионного анализа - метод наименьших квадратов, метод Блэкмана-Тьюки и другие.

Проблема малых выборок наблюдений в оценке неизвестного вектора коэффициентов при анализе динамических процессов сложной структуры. Применение нового класса методов на основе адаптивных методов спектрального анализа. Общесистемный принцип максимума удельной энтропии. Исследуем возможностей адаптивных методов на примере распространенного в практических вычислениях алгоритма Берга.


тема 7 характеристики статистических оценок прогнозирования. повышение точности прогнозов

Точность оценивания вектора коэффициентов авторегрессии. Расчет статистических оценок прогнозирования по АР-модели. Построение доверительных интервалов для прогнозируемых значений анализируемой переменной Показатели адекватности уравнения авторегрессии эмпирическим данным.

Проблема стационарности данных ретроспективных наблюдений коэффициентов авторегрессии. Устранение тренда путём фильтрация временного ряда. Восстановление пропущенных и недостоверных данных. Выбор интервала стационарности для кусочно - стационарных процессов. Использование для прогнозирования пакета адаптивной обработки данных «Burg»,


тема 8. экспертные системы в задаче прогнозирования

Экспертные системы – информационный источник знаний и опыта ведущих специалистов Прогнозы, основанные на экспертных оценках. Использование сценариев развития, морфологического анализа, исторических аналогий для получения прогнозов. Прогнозирование научно-технического прогресса на основе «симптоматического прогнозирования» или выявлении «предвестников» будущих сдвигов в экономике, технике и технологии. Нормативные методы, основанные на изучении возможных будущих потребностей в технических новшествах. Прогнозирование с применением имитационных моделей. Роль новых информационных технологий в задаче прогнозирования.


3. ф о р м ы о б у ч е н и я


№



Всего

Из них





Тема
часов
Ауд.

В том числе
С/р










раб.
Лекц.
Сем.
Практ.

Др.



1.
Предмет теории статистических оценок прогнозирования. Ключевые понятия
8
2
2
0






6

2.
Модель линейной регрессии в задаче прогнозирования социально-экономических явлений
12
4
2
2






8

3.
Нелинейный парный регрессионный анализ
14
6
4
2






8

4.
Получение статистических оценок прогнозирования в множественном регрессионном анализе
12
4
2
2






8

5.
Статистические оценки прогнозирования на основе моделей случайных процессов
12
4
4
0






8

6.
Адаптивный подход при идентификации авторегрессионной модели
10
6
4
2






4

7.
Характеристики статистических оценок прогнозирования. Повышение точности прогнозов
10
2
0
2






8

8.
Экспертные системы в задаче прогнозирования
8
2
2
0






6




Всего
86
30
20
10






56



4. Л и т е р а т у р а
  1. Савченко В.В. «Теория вероятностей», Н.Новгород НГЛУ.1999 г.
  2. Тюрин Ю.Н., Макаров А.А. «Статистический анализ данных на компьютере», М., Инфра-М, 1998 г.
  3. ЧетыркинЕ.М. «Методы прогнозирования», М., Статистика, 1986 г.
  4. «Программное обеспечение биржевой игры на основе данных краткосрочного прогнозирования» / Ред. Савченко В.В. Н.Новгород НГЛУ.1999 г.
  5. Экономико-математические методы и прикладные модели » / Ред.Федосеев В.В., М., Юнити, 1999 г.


^ 5. ТЕМАТИЧЕСКИЙ ПЛАН ПО ДИСЦИПЛИНЕ

“Статистичекие оценки прогнозирования”


Кол-во часов по учебному плану – 86.

Из них аудиторных часов – 64,

в том числе:

лекций –32;

семинарских занятий – 32

самостоятельная работа – 22;

форма итогового контроля – экзамен, зачёт.


№
Тема
Содержание
Всего

(час.)
Лекц.. (час.)
Семин. (час.)

1.
Предмет теории статистических оценок прогнозирования. Ключевые понятия
Роль и место прогнозов в экономике и управлении фирмами, учреждениями, организациями. Классификация оценок прогнозирования. Методы и модели прогнозов. Сбор и предварительная обработка данных для статистических прогнозов.
8
2
0

2.
Модель линейной регрессии в задаче прогнозирования социально-экономических явлений
Парный линейный регрессионный анализ. Метод наименьших квадратов в задаче оценивания параметров парной линейной регрессии. Точность оценивания уравнения линейной регрессии. Расчет статистических оценок прогнозирования по уравнению линейных регрессий. Построение доверительных интервалов для прогнозируемых значений зависимой переменной.
12
2
2

3.
Нелинейный парный регрессионный анализ
Обоснование нелинейного парного регрессионного анализа. Виды нелинейных аналитических выражений в регрессионном анализе. Оценивание параметров нелинейной регрессии. Непосредственный расчет параметров нелинейной регрессии. Приведение нелинейной зависимости и линейной. Критерий отбора оптимальной нелинейной функции. Статистические оценки прогнозирования в нелинейном регрессионном анализе
14
4
2

4.
Получение статистических оценок прогнозирования в множественном регрессионном анализе
Множественный регрессионный анализ. Модель с двумя независимыми переменными. Расчет параметров линейной множественной регрессии. Применение множественного регрессионного анализа при прогнозировании и исследовании социально-экономических систем.
12
2
2

5.
Статистические оценки прогнозирования на основе моделей случайных процессов
Понятие и виды статистических оценок прогнозирования на основе моделей случайных процессов. Адекватность статистических данных выбранной модели. Частные случаи - белый гауссовский шум и детерминированные сигналы. Обобщенная модель авторегрессии - скользящего среднего.
12
4
0

6.
Адаптивный подход при идентификации авторегрессионной модели
Задачи, решаемые при построении прогностической авторегрессионной модели. Априорная неопределенность относительно порядка модели и вектора коэффициентов авторегрессии. Проблема малых выборок наблюдений в оценке неизвестного вектора коэффициентов при анализе динамических процессов сложной структуры. Применение нового класса методов на основе адаптивных методов спектрального анализа.
10
4
2

7.
Характеристики статистических оценок прогнозирования. Повышение точности прогнозов
Проблема стационарности данных ретроспективных наблюдений. Точность оценивания вектора коэффициентов авторегрессии. Расчет статистических оценок прогнозирования по АР-модели. Построение доверительных интервалов.
10
0
2

8.
Экспертные системы в задаче прогнозирования
Прогнозы, основанные на экспертных оценках. Использование сценариев развития, морфологического анализа, исторических аналогий для получения прогнозов. Прогнозирование научно-технического прогресса на основе «симптоматического прогнозирования» или выявлении «предвестников» будущих сдвигов в экономике, технике и технологии. Нормативные методы
8
2
0




:
Всего
86
20
10



СОДЕРЖАНИЕ

Стр.

1. Цель и задачи дисциплины 3

2. Содержание дисциплины 3

3. Формы обучения 5

4. Литература 6

5. Тематический план по курсу 6


Зав. кафедрой Савченко В.В.