Верхняя цена игры 330 Весовой коэффициент прогноза [c.424]
Рассмотрим достаточно общую дискретную модель одноэтапного сглаживания и прогноза. (В гл. 14 исследуются непрерывные аналоги этой модели.) Разобьем наблюдательное время Т на s интервалов и будем считать, что наблюдение процесса ( ) проводится в соответствующие дискретные моменты времени ti — (s — 1)Д, ii — (s — 2) А,. . ., t — A, ti, i=, . . ., п. Пусть для каждого i задан оператор Фг, г=1,. . ., п, позволяющий по значениям i (ti — /Д), /=0, 1,. . ., s — 1 и по неизвестному подлежащему определению набору весовых коэффициентов pij, /— =0, 1,. . ., s — 1 вычислить оценку г прогноза в соответствующей точке [c.40]
Классическая задача сглаживания >и экстраполяции по минимуму дисперсии формулируется для случая /2=1. Целевой функционал R задачи — второй момент k = ku ошибок прогноза (с обратным знаком). Область допустимых планов определяется требованием несмещенности оценки m=mi = 0. Механизм сглаживания и прогноза предполагается линейным и определяется (в дискретном случае) набором весовых коэффициентов рц. Фильтрация по минимуму дисперсии целесообразна при отсутствии нерегулируемых ошибок. [c.41]
Определение весовых коэффициентов комбинированного прогноза [c.205]
Совместная обработка прогнозов заключается в определении средневзвешенного результата прогнозов, полученных различными методами с учетом их точности. Чем менее точен результат, тем меньше его вес в окончательном прогнозе. Весовые коэффициенты рассчитываются по формуле [c.206]
Определяются весовые коэффициенты для каждого из прогнозов по формуле (7.55). [c.207]
Весовые коэффициенты определяются из условий минимума дисперсии ошибок обобщающего прогноза, которая находится как сумма всех элементов ковариационной матрицы ошибок частных прогнозов с соответствующими весами [c.74]
Прогнозирование спроса возможно также на основе анализа предыдущих продаж. Серийный анализ состоит в выделении в прошлых временных сериях (периодах) четырех компонентов (тенденция, цикл, сезонные влияния и неравномерность), на основе сопоставления которых делается прогноз на будущее. Метод экспоненциального сглаживания состоит в составлении прогноза на основе сочетания среднего показателя прошлых продаж и показателей самого последнего времени (с учетом определенных весовых коэффициентов). Статистический анализ спроса представляет собой измерение влияния на уровень продаж ряда каузальных факторов (дохода, маркетинговых расходов, цены). И, наконец, эконометриче-ский анализ состоит в построении системы уравнений, которое описывает соотношение параметров и дает статистический прогноз на будущее. [c.151]
Model). REM-модель - это модель-калькулятор для прогнозирования налоговых поступлений на основе информации о налоговых поступлениях за предыдущие месяцы. Расчет прогнозных значений в REM-модели проводится в постоянных ценах и основывается на значениях поступлений за соответствующий период базового года с учетом возможных изменений ставок и базы налогов (если какие-либо изменения произошли, они учитываются простой корректировкой на соответствующий множитель). Помимо этого, в модели осуществляется дополнительная корректировка прогнозных значений на относительное изменение поступлений текущего года по сравнению с предыдущим годом, причем, чем ближе к концу текущего года мы прогнозируем поступления, тем в большей степени (значение весового коэффициента пропорционально увеличивается) прогноз опирается на информацию о поступлениях текущего года по сравнению с поступлениями того же месяца прошлого года. [c.2]