Если нулевое значение ошибки агрегирования т недостижимо, [c.60]
Найти ошибку агрегирования А = Тх—х°. Если ошибка агрегирования] равна 0, то агрегирование верно. [c.15]
Рассмотрим пример на отыскание ошибки агрегирования [c.15]
Найти ошибку агрегирования А. Решение [c.15]
Найдем ошибку агрегирования [c.17]
Так как ошибка агрегирования равна нулю, то агрегирование осуществлено верно. [c.17]
Найти ошибку агрегирования Д. [c.17]
Порядок агрегирования таков 1,2 => 1 3,4 = > 2. Вычислить ошибку агрегирования А. [c.18]
Вычислить ошибку агрегирования, если валовый выпуск четырех] отраслей составляет 10, 20, 20 и 10 единиц соответственно, порядок агрегирования задан, как 1,4 => 1 2, 3 => 2 и матрица коэффициентов прямых затрат [c.18]
Найти ошибку агрегирования. [c.18]
Найти ошибку агрегирования А. [c.18]
Наличие отрицательной эластичности в случае Э. (рг( />2[c.339]
Построение динамической модели с неоднородной структурой основывается на следующих предпосылках ошибка прогноза основных исходных показателей, определяющих развитие отраслевого комплекса, уменьшается при их последовательном агрегировании практические расчеты на ближайший плановый период должны основываться на достаточно детальной номенклатуре продуктов и ресурсов. Решения, касающиеся последующих этапов, могут быть своевременно скорректированы в процессе скользящего планирования. [c.25]
Динамические модели оптимального развития и размещения нефтебазового хозяйства методически могут строиться по принципу однородного описания процесса нефтеснабжения. Однако область применения таких моделей при практических расчетах крайне ограничена из-за большой размерности их и увеличения вероятности ошибки прогнозных исходных данных. Поэтому целесообразнее строить динамические модели с неоднородной структурой, характеризующиеся последовательным агрегированием исходной информации по мере удаления от начала планового периода. Такие модели реализованы ЦЭМИ АН СССР в задачах перспективного развития и размещения нефтедобывающего и нефтеперерабатывающего комплекса. Экспериментальная проверка подтвердила целесообразность их применения. [c.76]
Поскольку на практике индексы цен строятся обычно с использованием системы весов базисного периода (по формуле Ласпейреса), пересчет агрегированных показателей с помощью метода дефлятирования может приводить к искаженным результатам. Для того чтобы уменьшить возможные ошибки, дефлятирование проводится на максимально детализированном уровне. [c.219]
Определение 2. Агрегирование с нулевой ошибкой называется [c.17]
Для служащих агрегированный показатель разрабатывается на основе балльной оценки таких субстанций, как знания и профессиональная подготовка, опыт работы, сложность обязанностей, включая необходимость творчества, ответственность за собственные ошибки, за сотрудничество и кооперацию с другими работниками, за сохранение конфиденциальной информации, условия труда. Для управленцев к этим добавляются еще элементы, связанные с видом управленческой работы и с масштабом управления, т. е. числом подчиненных. [c.279]
Таким образом, разброс по числу критериев и способов их агрегирования очень большой. О способах агрегирования говорить не будем они зависят от физических характеристик критерия и существа задачи. Полнота набора критериев имеет прямое отношение к проблеме неопределенности. Она связана в первую очередь с пониманием того, насколько важны критерии, входящие в набор, для характеристики задачи. Увеличение числа критериев, как будто, должно повышать точность решения задачи учитывается большое число факторов. С другой стороны, если эти факторы учитываются неверно, то возрастает величина ошибки. [c.105]
В чем же тогда кроется главная причина получения странных результатов при расчете по разным формулам Фишер утверждал, что основные ошибки накапливаются на этапе группировки товаров в агрегированные группы. [c.195]
Наряду с приведенным выше классическим определением функции регрессии в теории и практике статистического исследования зависимостей используются функции -регрессии, являющиеся наилучшими прогностическими моделями для анализируемого результирующего показателя rj (X) в смысле минимизации заданного критерия адекватности (агрегированной ошибки прогноза) Д (/а). Функции Д-регрессии позволяют подбирать наилучшие аппроксимации для неизвестной истинной функции регрессии. Кроме того, они представляют и самостоятельный интерес, позволяя строить и анализировать иную, чем условное среднее, условную характеристику места группирования результирующего показателя т) (X) = (г — X), обладающую в ряде ситуаций определенными преимуществами перед условной средней. [c.174]
Одна из основных практических проблем агрегирования заключается в том, что данные обычно публикуются в виде арифметических средних или итогов, тогда как наша система агрегирования требует геометрических средних. Каковы ошибки, возникающие при такой аппроксимации Можно показать, что, если отклонения от среднего значения относительно малы, среднее геометрическое (G) приближенно связано со средним арифметическим формулой [c.172]
Создание рациональной системы автоматизированной обработки учетной информации требует обоснованного подхода к определению очередности разработки и внедрения задач подсистемы бухгалтерского учета. Включение в состав первой очереди задач, информационное обеспечение которых формируется в задачах последующих очередей, может привести к ошибкам в проектировании, вызвать неоправданное повышение трудоемкости обработки данных. Определение оптимальной очередности решения задач возможно на основе анализа информационных связей подсистемы бухгалтерского учета. При проведении анализа целесообразен матричный способ представления информационных связей, позволяющий ранжировать задачи бухгалтерского учета по уровням агрегирования информационных массивов. [c.34]
Систематические ошибки такой способностью к погашению при переходе к более высокому уровню агрегирования данных не обладают по определению. Если, например, при определении общей потребительской корзины, устанавливающей структуру расходов домашних хозяйств, выборочное обследование не обеспечивает достаточную репрезентативность всех групп населения, неизбежно возникают систематические ошибки. Другими словами, в этом случае средний индекс будет систематически занижать или завышать динамику цен. [c.29]
Поэтому в качестве модели ограничений подсистемы обычно принимается некоторое приближенное описание Zm, определяемое разумным числом параметров, как правило, значительно меньшим, чем число параметров, описывающих множество Zm. Отображение Zm в Zm будем называть агрегированием по параметрам. Агрегирование приводит к ошибкам в оценке состояния элементов системы по состоянию подсистемы. Так, может оказаться, что для zmEEZm не существует состояния г/"1 EF Fm такого, что m (ym) = zm. С другой стороны, может найтись состояние i/me Ym такое, что lm(ym) = zm Zm. Если ошибка агрегирования равна нулю, то агрегирование называют идеальным. [c.309]
Аналитические приемы агрегирования. Ошибка агрегирования. Равенство Хатанака. [c.48]
Чрезвычайно сложны в методологическом отношении вопросы определения погрешности исходной информации. Важная особенность изменения погрешности основных исходных показателей по вариантам агрегирования — ее разнонаправленность. Ошибка прогноза порайонной потребности в нефтепродуктах уменьшается при последовательном укрупнении их номенклатуры и районов потребления. Так, например, перспективная потребность в сумме светлых нефтепродуктов крупного экономического района может быть определена более точно, чем потребность в отдельных светлых нефтепродуктах. С другой стороны, при территориальном агрегировании возрастает погрешность затрат на транспорт нефтепродуктов. И, наконец, погрешность затрат на производство нефтепродуктов при укрупнении номенклатуры до некоторого предела практически не изменяется и лишь затем начинает повышаться. Такая зависимость обусловлена спецификой производства ряда продуктов на НПЗ. [c.26]
Однако, эти результаты достигаются не всегда, если не выполняются следующие условия [334,137] наличие информации об идентичных предпочтениях, общеизвестной структуре капитала и дивидендов, и полной совокупности имущественных прав (т.е. наличие полного спектра производных финансовых инструментов, позволяющих оценить ожидаемые будущие риски). Эти исследования содержат примеры сбоя модели рациональных ожиданий и позволяют предположить, что агрегирование информации является более сложным процессом. В частности, похоже, эффективность рынка, определяемая как полное агрегирование информации, зависит от "сложности" рыночной структуры, обусловленной такими параметрами, как количество акций, обращающихся на рынке, и торговыми периодами [319]. Например, чрезмерная реакция людей на неинформативные сделки может создать, так называемые, самообразующиеся информационные "миражи", которыми, вероятно, можно объяснить явную чрезмерную волатильность биржевых цен.[67]. Более того, эксперименты с рыночными моделями показали, что существует два типа ошибок в оценке рынка ошибки в оценке экзогенных событий, влияющих на стоимость активов, и ошибки в оценке переменных факторов, создаваемых рыночной деятельностью, таких как цены фьючерсных контрактов. Несмотря на существование идеальных условий для обучения, индивидуальные ошибки не устраняются полностью, а, в лучшем случае, иногда сокращаются. [65] Еще одной отличительной особенностью людей, выявленной в ходе экспериментов, является так называемый "эффект избавления", соответствующий тенденции продавать выросшие в цене активы и держать активы, упавшие в цене [446]. Такую тягу к избавлению можно объяснить тем, что люди оценивают прибыль и убытки, привязывая их к какому-либо ориентиру, и склонны идти на риск при наличии опасности потенциального убытка, но стремятся избежать риска при наличии потенциальной возможности получить определенную прибыль. Еще одной важной психологической особенностью человека является то, что многие люди переоценивают свои личные способности и чрезмерно оптимистичны в отношении своего будущего. Как было установлено, эти особенности влияют на экономическое поведение при вступлении в конкурентные игры или при инвестировании на рынке акций [66]. [c.96]
Расхождение между результатами исходной задачи и результатами агрегированной задачи называется ошибкой А. Уменьшение ошибки А. — один из основных критериев, применяемых в теории оптимального агрегирования, разработанной Л. Гурвицем, Э. Маленво, У. Фишером и Дж. Чипмэном. [c.12]
Ошибки исходных данных связаны главным образом с неточностью экономических измерений, некачественностью выборки, искажением данных при их агрегировании и т.д. Ошибки модели прогноза возникают вследствие упрощения и несовершенства теоретических построений, экспертных оценок и т.д. Правильность модели прогноза (в т.ч. оценки ее параметров) проверяется ретроспективным расчетом, который можно сопоставить с действительным ходом исследуемого процесса. Однако и это не дает полной гарантии качества прогноза на будущее, так как условия могут измениться. Ошибки согласования часто происходят из-за того, что статистические данные в народном хозяйстве подготавливаются разными организациями, которые применяют различную методологию расчетов. Ошибки стратегии — результат, главным образом, неудачного выбора оптимистического или пессимистического вариантов прогноза. (См. Диапазон осуществимости прогноза.) [c.256]
Такой подход к проведению календарной и сезонной корректировок порождает ряд проблем. Во-первых, проведение сначала агрегирования, а затем корректировок приводит к тому, что во временных рядах исходных данных остаются не выявленные ошибки. Дело в том, что исходные данные помесячной динамики, на основе которых в оперативном режиме строят агрегированные индексы, обычно содержат некоторое количество ошибок, т.е. они в некоторой степени зашумлены . При анализе временных рядов индивидуальных индексов многие такие ошибки (например, резкие неинформативные выбросы, неинформативные нули, перераспределения объемов производства между соседними месяцами, сдвиги уровня, обусловленные утратой сопоставимости данных) легко могут быть идентифицированы, причем чем грубее ошибка, тем легче ее идентифицировать и, соответственно, исправить. Проведение сезонной корректировки на уровне индивидуальных индексов неизбежно приводит к выявлению таких ошибок, во всяком случае, наиболее грубых из них. Если же проводить сначала агрегирование, то вклад таких ошибок в динамику агрегированного индекса уменьшается, поэтому идентификация ошибок резко усложняется. В результате динамика агрегированного индекса может быть искажена, причем это относится в первую очередь к краткосрочным тенденциям. Наш опыт показывает, что даже в методике ЦЭК, при разработке которой проведена предварительная селекция временных рядов исходных данных с целью выбраковки наиболее зашумленных и наименее информативных из них и осуществляется входной контроль поступающих из Росстата исходных данных с использованием алгоритмов поиска ошибок, основанных на избыточности исходной информации, к этапу проведения сезонной корректировки ежемесячно 1-2% временных рядов индивидуальных индексов содержат очевидные ошибки, которые на этом этапе исправляются. [c.157]
Для оценки кризиса управления используется показатель Аргенти (А-счет). При этом процесс, ведущий к банкротству, делится на три стадии а) недостатки, б) ошибки в) симптомы. Каждому фактору каждой стадии присваивается определенное количество баллов, и затем рассчитывают агрегированный показатель - А-счет. [c.41]