АвтоАвтоматизацияАрхитектураАстрономияАудитБиологияБухгалтерияВоенное делоГенетикаГеографияГеологияГосударствоДомДругоеЖурналистика и СМИИзобретательствоИностранные языкиИнформатикаИскусствоИсторияКомпьютерыКулинарияКультураЛексикологияЛитератураЛогикаМаркетингМатематикаМашиностроениеМедицинаМенеджментМеталлы и СваркаМеханикаМузыкаНаселениеОбразованиеОхрана безопасности жизниОхрана ТрудаПедагогикаПолитикаПравоПриборостроениеПрограммированиеПроизводствоПромышленностьПсихологияРадиоРегилияСвязьСоциологияСпортСтандартизацияСтроительствоТехнологииТорговляТуризмФизикаФизиологияФилософияФинансыХимияХозяйствоЦеннообразованиеЧерчениеЭкологияЭконометрикаЭкономикаЭлектроникаЮриспунденкция

Математический инструментарий прогнозирования

Читайте также:
  1. Адаптивные методы прогнозирования
  2. Б) Математический утренник.
  3. Введение в математический анализ.
  4. Виды прогнозов и методов прогнозирования
  5. Вопрос 26 : Свободные гармонические механические колебания и их характеристики. Математический и физический маятники.
  6. Вывод: чем больше автомобилей в обществе, тем больше времени – начиная с определенного рубежа — люди будут тратить и терять на поездки. Это математический факт.
  7. Глава 10. NORTON COMMANDER – ИНСТРУМЕНТАРИЙ РАБОТЫ В СРЕДЕ MS DOS
  8. Глава 3. Проблемы управления и прогнозирования информатизации общества
  9. Задана прогнозирования возможных значений результативного признака при задаваемых значениях факторных признаков.
  10. Инструментарий государственного налогового регулирования
  11. Инструментарий коммуникатора
  12. Инструментарий кредитно-денежной политики

Математические методы и модели, используемые в задачах стохастического анализа и прогнозирования в бизнесе, могут относиться к самым различным разделам математики: к регрессионному анализу, анализу временных рядов, формированию и оцениванию экспертных мнений, имитационному моделированию, системам одновременных уравнений, дискриминантному анализу, логит- и пробит-моделям, аппарату логических решающих функций, дисперсионному или ковариационному анализу, анализу ранговых корреляций и таблиц сопряженности и т. д. Однако все они объединены тем, что представляют собой различные подходы к решению центральной проблемы многомерного статистического анализа и эконометрики – проблемы статистического исследования зависимостей, которая, как раз, и является базовой проблемой статистического анализа и прогнозирования в бизнесе (ее общая формулировка была приведена в п. 2).

В п. 1 уже было замечено, что среди p + k + l + m компонент анализируемого многомерного признака могут быть как количественные, так и ординальные и номинальные переменные. Упомянутые выше подходы к решению центральной проблемы многомерного статистического анализа формировались именно с учетом природы исследуемых переменных. Соответствующая специализация этих подходов отражена в табл. 4. В ней же даны ссылки на литературные источники, в которых можно найти достаточно полное описание этих подходов.

Таблица 4.

Природа результирующих показателей Природа объясняющих переменных Название обслуживающих разделов многомерного статистического анализа Литературные источники
       
Количественная Количественная Регрессионный анализ и системы одновременных уравнений [1, гл. 15, 17]
Количественная Единственная количественная переменная, интерпретируемая как «время» Анализ временных рядов [1, гл. 16]
Количественная Неколичественная (ординальные или номинальные переменные) Дисперсионный анализ [4, гл. 13]
Количественная Смешанная (количественные и неколичественные переменные) Ковариационный анализ, модели типологической регрессии [4, гл. 13]
Неколичественная (ординальные переменные) Неколичественная (ординальные и номинальные переменные) Анализ ранговых корреляций и таблиц сопряженности [1, гл. 11]
Неколичественная (номинальные переменные) Количественная Дискриминантный анализ, логит- и пробит-модели, кластер-анализ, таксономия, расщепление смесей распределений [1, гл. 12-15]
Смешанная (количественные и неколичественные переменные) Смешанная (количественные и неколичественные переменные) Аппарат логических решающих функций, Data Mining [5]

Тем не менее, практика статистического анализа и прогнозирования в бизнесе свидетельствует о том, что во всем спектре их математического инструментария бесспорное лидерство (по распространенности и актуальности) принадлежит трем разделам:
- регрессионному анализу;
- анализу временных рядов;
- механизму формирования и статистического анализа экспертных оценок.

Кратко остановимся на каждом из этих разделов.


1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 | 13 | 14 | 15 | 16 | 17 | 18 | 19 | 20 | 21 | 22 | 23 | 24 | 25 | 26 | 27 | 28 | 29 | 30 | 31 | 32 | 33 | 34 | 35 | 36 | 37 | 38 | 39 | 40 | 41 | 42 | 43 | 44 | 45 | 46 | 47 | 48 | 49 | 50 | 51 | 52 | 53 | 54 | 55 | 56 | 57 | 58 | 59 | 60 | 61 | 62 | 63 | 64 | 65 |

Поиск по сайту:



Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. Студалл.Орг (0.005 сек.)