Что такое findslide.org?

FindSlide.org - это сайт презентаций, докладов, шаблонов в формате PowerPoint.


Для правообладателей

Обратная связь

Email: Нажмите что бы посмотреть 

Яндекс.Метрика

Презентация на тему Факторный анализ статистик

ФАКТОРНЫЙ АНАЛИЗ СТАТИСТИКЕсли значения прогнозируемого параметра зависят не от времени, а от каких-либо других факторов, то используется факторный статистический анализ. Обычно для этого с помощью ПЭВМ по известной статистике подбирается аппроксимирующая функция одной или многих переменных,
ФАКТОРНЫЙ АНАЛИЗ СТАТИСТИККОННИКОВ Е.А. ФАКТОРНЫЙ АНАЛИЗ СТАТИСТИКЕсли значения прогнозируемого параметра зависят не от времени, а от ПРИМЕРПредприниматель реализует мороженое у станции метро Дыбенко. Он должен сделать заказ на ПРИМЕРСреди факторов, влияющих на объем продаж мороженого в это время, отобраны два ПРИМЕРДля устранения влияния на температурную функцию продаж логической переменной – дня недели ПРИМЕРЗатем с помощью этих коэффициентов пересчитаем исходные данные о продажах (получим приведенные ПРИМЕРКлассический метод решения ПРИМЕРАппроксимация этой зависимости прямой, описываемой уравнением Q = 4,1*t+ 23,76, дает очень ПРИМЕРЗначения коэффициентов а и в при линейной аппроксимации могут быть рассчитаны как ПРИМЕРПопытка связать объемы продаж только с температурой, игнорируя влияние на них дня ПРИМЕРДругой, менее точный подход к решению состоит в том, чтобы в единый ЗАДАЧИИзвестна статистика продаж товара за первые 6 месяцев года (см. табл. ниже). ЗАДАЧИРешите задачу 1 с другими исходными данными (см. таблицы ниже). Дополнительно попробуйте ЗАДАЧИДайте для кафе обоснованный прогноз спроса на газированные напитки в бутылках на
Слайды презентации

Слайд 2 ФАКТОРНЫЙ АНАЛИЗ СТАТИСТИК
Если значения прогнозируемого параметра зависят не

ФАКТОРНЫЙ АНАЛИЗ СТАТИСТИКЕсли значения прогнозируемого параметра зависят не от времени, а

от времени, а от каких-либо других факторов, то используется

факторный статистический анализ. Обычно для этого с помощью ПЭВМ по известной статистике подбирается аппроксимирующая функция одной или многих переменных, которая и служит моделью для выработки прогноза. Рассмотрим эту процедуру на примере.

Слайд 3 ПРИМЕР
Предприниматель реализует мороженое у станции метро Дыбенко. Он

ПРИМЕРПредприниматель реализует мороженое у станции метро Дыбенко. Он должен сделать заказ

должен сделать заказ на следующую неделю с разбивкой по

дням. Каждое утро заказанное количество товара завозится на его точки реализации. При неправильном заказе (прогнозе) в конце дня мороженого может не хватить – тогда имеет место упущенная выгода, либо часть его останется нереализованной; в таком случае возникнут проблемы с его хранением. Требуется выявить факторы, определяющие объем продаж, собрать статистику продаж и значений этих факторов, далее – разработать прогноз продаж мороженого на следующую неделю. Предполагается, что дело происходит в разгар лета.

Слайд 4 ПРИМЕР
Среди факторов, влияющих на объем продаж мороженого в

ПРИМЕРСреди факторов, влияющих на объем продаж мороженого в это время, отобраны

это время, отобраны два наиболее существенных: температура воздуха и

день недели. Отметим, что второй фактор имеет логический характер, что создает дополнительные трудности решения. Собранная за три недели статистика представлена в таблице ниже. Будем считать, что к моменту оценки объема продаж известен прогноз погоды (температуры воздуха) на следующую неделю.

Слайд 5 ПРИМЕР
Для устранения влияния на температурную функцию продаж логической

ПРИМЕРДля устранения влияния на температурную функцию продаж логической переменной – дня

переменной – дня недели - рассчитаем коэффициенты приведения для

каждого дня недели к среднедневной продаже (таблица ниже).

Классический метод решения

60,66/104,55 =


Слайд 6 ПРИМЕР
Затем с помощью этих коэффициентов пересчитаем исходные данные

ПРИМЕРЗатем с помощью этих коэффициентов пересчитаем исходные данные о продажах (получим

о продажах (получим приведенные фактические продажи, показанные в таблице

и на рисунке).

Классический метод решения


Слайд 7 ПРИМЕР
Классический метод решения

ПРИМЕРКлассический метод решения

Слайд 8 ПРИМЕР
Аппроксимация этой зависимости прямой, описываемой уравнением Q =

ПРИМЕРАппроксимация этой зависимости прямой, описываемой уравнением Q = 4,1*t+ 23,76, дает

4,1*t+ 23,76, дает очень хорошие результаты (коэффициент корреляции 0,9).

В таблице даны также результаты расчетов продаж на основе полученной трендовой линейной зависимости. С использованием этой же модели можно спрогнозировать приведенные продажи на следующую неделю, а затем с помощью коэффициентов приведения пересчитать их в индивидуальные прогнозы на каждый день недели (таблица ниже).

Классический метод решения


Слайд 9 ПРИМЕР
Значения коэффициентов а и в при линейной аппроксимации

ПРИМЕРЗначения коэффициентов а и в при линейной аппроксимации могут быть рассчитаны

могут быть рассчитаны как на ПЭВМ, так и вручную

по формулам:

Классический метод решения


Слайд 10 ПРИМЕР
Попытка связать объемы продаж только с температурой, игнорируя

ПРИМЕРПопытка связать объемы продаж только с температурой, игнорируя влияние на них

влияние на них дня недели, несостоятельна. Это наглядно подтверждают

вид графика (см. рисунок) и значение коэффициента корреляции.

Классический метод решения


Слайд 11 ПРИМЕР
Другой, менее точный подход к решению состоит в

ПРИМЕРДругой, менее точный подход к решению состоит в том, чтобы в

том, чтобы в единый статистический массив свести данные с

понедельника по четверг без разделения их на дни недели. То же следует проделать с данными пятницы, субботы и воскресенья. Для каждого из массивов надо подобрать аппроксимирующую кривую зависимости объемов продаж от температуры и на ее основе делать прогноз.
Ошибка прогноза определяется как среднеквадратическое отклонение фактических продаж от величин, рассчитанных описанным выше способом для фактических значений параметров (t, день недели). Особенность этого расчета состоит в том, что здесь f = 2, так как прогноз продаж строится на прогнозе температуры воздуха. Обычно f = 1. Полученное значение ошибки σ = 22,548.

Неклассический метод решения


Слайд 12 ЗАДАЧИ
Известна статистика продаж товара за первые 6 месяцев

ЗАДАЧИИзвестна статистика продаж товара за первые 6 месяцев года (см. табл.

года (см. табл. ниже). Сегодня 1 июля. Спрогнозируйте продажи

на последующие 4 месяца методами простого и скользящего среднего, методом экспоненциального сглаживания, если каждый месяц приносит новые данные о продажах, также показанные в таблице. Оцените погрешность прогноза каждым из методов. Постройте графики прогнозов всеми методами и график фактических продаж.

Задача №1


Слайд 13 ЗАДАЧИ
Решите задачу 1 с другими исходными данными (см.

ЗАДАЧИРешите задачу 1 с другими исходными данными (см. таблицы ниже). Дополнительно

таблицы ниже). Дополнительно попробуйте подобрать аппроксимирующую кривую на интервале

в десять месяцев на ПЭВМ с помощью пакета MS EXCEL. Сравните точность прогнозов разными способами.

Задача №2


  • Имя файла: faktornyy-analiz-statistik.pptx
  • Количество просмотров: 174
  • Количество скачиваний: 1