|
58 от длины ряда; наличия (отсутствия) сезонных эффектов, наличие пиков и нестандартности (либо других нарушений) в ряде и типа прогноза (краткосрочного/долгосрочного). Также выбор конкретного метода прогнозирования зависит от выполнения следующих условий [23]: трудоемкости построения модели; наличия готовых машинных программ; быстроты, с которой метод улавливает существенное изменение в поведении ряда (например, внезапный сдвиг математического ожидания или увеличение угла наклона линии тренда); существования сериальных корреляций в ошибках (в большинстве случаев это указывает на то, что модель сильно упрощена); неизменяемости первичных данных (во многих рядах прошлые данные время от времени изменяются); срочности (получение прогноза в режиме on line). Методика статистического прогнозирования по тренду и колеблемости ряда основана на экстраполяции. Пакеты статистических исследований динамических рядов представляют следующие модели для получения прогноза: * экспоненциальное сглаживание; ■ экспоненциальное сглаживание с учетом сезонности; ■ модель Бокса-Дженкинска (авторегрессия, скользящее среднее); ■ авторегрессионые модели; ■ спектральный анализ и др. В работе был применен метод экспоненциального сглаживания для построения краткосрочных прогнозов по заболеваниям детей в городском административном районе. Прогнозирование осуществлялось при помощи па' кета Statistica 5.0. Любой метод построения систематических функций для описания наблюдений основывается на критерии наименьших квадратов, в соответствии с которым все наблюдения имеют равный вес. Однако недавним точкам еле |
В общем случае выбор методов адаптивного прогнозирования зависит от длины ряда; наличия (отсутствия) сезонных эффектов, наличие пиков и нестандартности (либо других нарушений) в ряде и типа прогноза (краткосрочного/долгосрочного). Также выбор конкретного метода прогнозирования зависит от выполнения следующих условий [26]: трудоемкости построения модели; наличия готовых машинных программ; быстроты, с которой метод улавливает существенное изменение в поведении ряда (например, внезапный сдвиг математического ожидания или увеличение угла наклона линии тренда); существования сериальных корреляций в ошибках (в большинстве случаев это указывает на то, что модель сильно упрощена); неизменяемости первичных данных (во многих рядах прошлые данные время от времени изменяются); срочности (получение прогноза в режиме on line). Методика статистического прогнозирования по тренду и колеблемости ряда основана на экстраполяции. Пакеты статистических исследований динамических рядов представляют следующие модели для получения прогноза: ■ экспоненциальное сглаживание; ■ экспоненциальное сглаживание с учетом сезонности; ■ модель Бокса-Дженкинска (авторегрессия, скользящее среднее); ■ авторегрессионые модели; ■ спектральный анализ и др. В работе был применен метод экспоненциального сглаживания для построения краткосрочных прогнозов по заболеваниям, возникшим во время беременности и осложнившим роды. Прогнозирование осуществлялось при* помощи пакета Statistica 5.0. Любой метод построения систематических функций для описания наблюдений основывается на критерии наименьших квадратов, в соответствии |