постоянным темном роста, в этом случае прогнозное значение соответствует его представлению в виде показательной или экспоненциальной кривой, проведенной через две крайние точки. При такой динамике процесса прогнозное значение временного ряда на i шагов вперед может быть рассчитано по зависимости: У”>‘=У"Т , (2.17) где прогнозная оценка значения уровня ряда в точке n + i, уп — фактическое значение в последней n-точке ряда; Т средний темп роста, рассчитанный для анализируемого временного ряда, выраженный коэффициентом. Рассмотренные методы прогнозирования имеют ряд недостатков из-за того, что исключается информация промежуточных уровней временных рядов. В том случае, когда не наблюдаются косвенные признаки использования простых методов прогнозирования и не подтверждается гипотеза о существовании тренда, используется метод сглаживания временного ряда с помощью скользящей средней [44, с. 18-22] или прогнозирование развития с помощью моделей кривых роста [44, с.25-34] и проверки репрезентативности прогноза. Проверка репрезентативности установления прогноза производится различными методами. Наиболее предпочтительными для этой цели на наш взгляд подходит критерий t-pacnpe деления Стьюдента: где х средняя арифметическая выборки; р арифметическая генеральной совокупности; а стандартное (среднеквадратическое) отклонение в генеральной совокупности; п длина временного ряда (число периодов). Табличное значение t-распределения [62, с. 121] в зависимости от 108 |
рядов, изменение динамики которых происходит примерно с постоянным темпом роста, в этом случае прогнозное значение соответствует его представлению в виде показательной или экспоненциальной кривой, проведенной через две крайние точки. При такой динамике процесса прогнозное значение временного ряда на г шагов вперед может быть рассчитано по зависимости: yn+i —упТ (2.4) где yn+i прогнозная оценка значения уровня ряда в точке п+г, уп факгическое значение в последней п-точке ряда; Т— средний темп роста, рассчитанный для анализируемого временного ряда, выраженный коэффициентом. Рассмотренные методы прогнозирования имеют ряд недостатков из-за того, что исключается информация промежуточных уровней временных рядов. В том случае, когда не наблюдаются косвенные признаки использования простых методов прогнозирования и не подтверждается гипотеза о существовании тренда, используется метод сглаживания временного ряда с помощью скользящей средней [49, с. 18-22] или прогнозирование развития с помощью моделей кривых роста [49, с.25-34] и проверки репрезентативности прогноза. Проверка репрезентативности установления прогноза производится различными методами. Наиболее предпочтительными для этой цели на наш взгляд подходит критерий tраспределения Стьюдента: 96 СТ/-Д (2.5) где хсредняя арифметическая выборки; д арифметическая генеральной совокупности; а стандартное (среднеквадратическое) отклонение в генеральной совокупности; п длина временного ряда (число периодов). Табличное значение t-распределения [90, с, 121] в зависимости от степеней свободы и уровня значимости (по вероятности) характеризуется критическими значениями отдельно для степеней свободы от 120 и для бесконечности °°. Табличные значения определяются на основе данных об объеме выборки (в терминах степеней свободы = n1) и заданных уровней значимости по вероятности. Вероятность представляет долю суммарной площади двух ''хвостов” 1распределения. Число степеней свободы связано с числом возможных способов |