Курсовая: Проведение статистического анализа и прогнозирование результатов выпуска изданий Беларуси и России - текст курсовой. Скачать бесплатно.
Банк рефератов, курсовых и дипломных работ. Много и бесплатно. # | Правила оформления работ | Добавить в избранное
 
 
   
Меню Меню Меню Меню Меню
   
Napishem.com Napishem.com Napishem.com

Курсовая

Проведение статистического анализа и прогнозирование результатов выпуска изданий Беларуси и России

Банк рефератов / Журналистика

Рубрики  Рубрики реферат банка

закрыть
Категория: Курсовая работа
Язык курсовой: Русский
Дата добавления:   
 
Скачать
Архив Zip, 23 kb, скачать бесплатно
Заказать
Узнать стоимость написания уникальной курсовой работы

Узнайте стоимость написания уникальной работы

СОДЕРЖАНИЕ Введение 1. Временные ряды и методы их расчета 1.1. Случайные события и величины 1.2. Числовые характеристики распределения случайной величины 1.3. Теоретические сведения о временных рядах 1.3.1. Метод экспоненциального сглаживания 1.3.2. Метод скользящего среднего 1.3.3. Метод Брауна 1.3.4. Метод среднего темпа 2. Статистический показатель расчетов временных рядов (корреляция) Заключение Список использованной литературы Приложение 1. Исходные данные Приложение 2. Метод экспоненциального сглаживания Приложение 3. Метод скользящего среднего Приложение 4. Метод Брауна Приложение 5. Метод среднего темпа введение Моделирование -- это процесс создания модели, а под моделью понимают иску сственно созданный образ предмета, устройства, процесса. Вид деятельности, направленный на получение, обработку и анализ информа ции называется статистикой. Статистика -- наука, изучающая не отдельные ф акты, а явления и процессы в целом. Объектом статистического исследования в статистике является статисти ческая совокупность. Статистическая совокупность -- это множество едини ц, обладающих массовостью, однородностью, целостностью и наличием вариа нтов. Каждый отдельный элемент этого множества называется единицей ста тистической совокупности. Статистической закономерностью называют одну из форм причинной связи, которая характеризуется последовательностью, регулярностью повторен ия событий с определенной степенью вероятности. Любая статистическая закономерность устанавливается на основе анализ а массивов данных. Статистика печати изучает количественные и качестве нные изменения в издательском деле в целом, что позволяет определить осо бенности развития печати. 1. Временные ряды и методы их расчета 1.1. Случайные события и величины Событием называется любой факт, который в результате деятельности може т произойти или не произойти. Всякое отдельное множество отличающихся д руг от друга по величине событий, но имеющих одну систему измерения сост авляет совокупность. Число единиц совокупности характеризуется определенными признаками. К аждый признак у разных единиц совокупности может принимать различные з начения. Это различие между единицами совокупности называется вариаци ей (дисперсией). Если величина изменяет свое значение под влиянием различных случайных величин, то она называется случайной переменной. Наиболее общая совокуп ность, содержащая множество случайных величин, называется генеральной совокупностью. Выборка из генеральной совокупности называется выбороч ной совокупностью. Задачей изучения совокупности является нахождение статистических характеристик, которые позволяют судить о поведении си стемы. Определенный набор случайных величин, имеющих некоторые ограничения, н азывают случайным событием. Для случайных величин значения параметров заранее предсказать невозможно. Многократное повторение измерений слу чайного события дает возможность получить определенные закономерност и, т. е. определить частоту возникновения одного события. Вероятность любого события определяется как соотношение благоприятны х исходов ( а ) к общему числу исходов ( n ), т. е. (1.1) Вероятность любого события изменяется от 0 до 1, если в долях, и от 0 до 100, если в процентах. Если , то вероятность события приближается к 0 (). Если , то событие называют достоверным. Если , то событие называют невозможным. Два события называют независимыми, если появление одного из них не завис ит от появления другого. Случайные величины могут быть дискретными и непрерывными. Для дискретн ых случайных величин различия между вариантами случайных величин выра жаются целыми числами. Совокупность возможных значений случайной вели чины и вероятность того, что она примет определенное значение образуют з акон распределения случайной величины. Распределение дискретных случайных величин показывается в виде таблиц ы, в которой каждому значению случайной величины соответствует ее вероя тность. Для непрерывной случайной величины составление ряда распредел ения заключается в том, что диапазон всех значений случайной величины ра збивается на некоторое количество интервалов. Для каждого интервала из меряется количество попаданий в этот интервал. На основании этого рассч итывается вероятность попадания по каждому интервалу. Результат вывод ится в виде гистограммы. Наиболее общую характеристику распределения дискретной или непрерывн ой величины дает интегральный закон распределения. Он устанавливает ве роятность того, что случайная величина ( х ) остается мень ше некоторой количественной переменной ( А ), т. е. , (1.2) где -- интегральная функция распределения. При изменении случайной величины ( х ) от минимального значения до максималь ного, интегральная функция распределения изменяется в диапазоне от 0 до 1. 1.2. Числовые характеристики распредел ения случайной величины Количество попаданий случайной величины в определенный интервал харак теризуется плотностью распределения случайной величины. Одной из осно вных характеристик является математическое ожидание. Для дискретной случайной величины математическое ожидание определяет ся как сумма произведений всех возможных значений случайной величины н а вероятность этих значений. (1.3) Для непрерывной случайной величины математи ческое ожидание равно: (1.4) Таким образом, математическое ожидание высту пает как средневзвешенное значение случайной величины и характеризует положение центра распределения на оси абсцисс. На практике математическое ожидание для непрерывной случайной величин ы рассчитывается по формуле: (1.5) Для дискретной случайной величины по формуле: (1.6) Кроме математического ожидания для характер истики положения центра распределения случайной величины часто исполь зуют моду и медиану. Мода -- это значение случайной величины, которому соответствует наибольш ая плотность вероятности ее распределения. Медиана -- это значение случайной величины для которого интегральная фун кция распределения . Для расчета значения моды и медианы необходимо сначала определить мода льный и медиальный интервалы. Модальный интервал -- это интервал, характеризующийся наибольшим количе ством попаданий случайной величины. , (1.7) где -- нижняя граница модального интервала; с -- в еличина интервала; -- разность числа попаданий случайной величины в модальном интервале и п редыдущем; -- разность числа попаданий случайной величины в модальном интервале и п оследующем. , (1.8) где -- нижняя граница медиального интервала; с -- в еличина интервала; -- количество попаданий случайной величины в медиальный интервал; N -- об щее число опытов; S -- су мма исходов, соответствующая попаданию случайной величины по интервал ам, не превышающим количество . Для описания рассеивания случайной величины вокруг математического ож идания используют дисперсию. На практике для расчета дисперсии использ уют следующую формулу: , (1.9) где n -- объем выборки (количество измерений); -- значение случайной величины; -- среднее значение случайной величины. Среднеквадратичное стандартное отклонение рассчитывается по формуле: (1.10) Для сравнения величин рассеивания различных случайных величин используют относительное отклонение. Оно рассчитыва ется по формуле: (1.11) 1.3. Теоретические сведения о временных рядах Временный ряд -- это множество наблюдений X ( t ), полученных по следовательно за время t . Анализ временных рядов основан на предположении , что последовательные значения в базе данных фиксируются через определ енные промежутки времени. Цели анализа временных рядов (определение при роды ряда и прогнозирование) требуют математического описания модели. Различают детерминированные и случайные временные ряды. Детерминирова нный ряд -- это ряд, значение компонентов которого определяется какой-либ о математической зависимостью. Значение компонентов случайного ряда м огут быть описаны только с помощью распределения вероятности. Явления, развивающиеся во времени согласно закону теории вероятности, н азываются стохастическим процессом. Выделяют два вида стохастических процессов: 1) стационарный. Это процессы, свойства которых не изменяются во времени. О ни имеют постоянное математическое ожидание (постоянное среднее значе ние вокруг, которого варьируются), среднеквадратичное отклонение (опред еляет разброс компонентов ряда относительно их математического ожидан ия) и автокорреляцию. 2) динамические. При графическом построении временного ряда результаты н аблюдений наносят на график в виде точек и соединяют последовательно ло маной линией. В результате получают линию фактических изменений. Для определения общих тенденций роста (снижения) показателей временног о ряда используют выравнивание (сглаживание), общей картины происходящи х процессов и стараются описать их с помощью математических зависимост ей. Сглаживание ряда осуществляется следующими основными способами: 1) методом экспоненциального сглаживания; 2) методом скользящего среднего; 3) методом Брауна; 4) методом среднего темпа; 5) методом регрессионных уравнений. 1.3.1. Метод экспоненциального сглаживан ия Метод экспоненциального сглаживания является одним из простейших и ра спространенных способов выравнивания ряда. Выравнивание осуществляет ся по следующей формуле: , (1.12) где -- значение экспоненциальной средней в мом ент времени t ; -- параметр сглаживания, принимает значения от 0 до 1; -- параметр сглаживания. (1.13) Для расчета первого значения задается значен ие , которое высчитывается по формуле: (1.14) Если в формулу (1.12) подставить формулу (1.13), то полу чится следующее выражение: (1.15) Экспоненциальное среднее имеет математическ ое ожидание равное математическому ожиданию , при этом среднеквадратич ное отклонение меньше среднеквадратичного отклонения . Чем меньше параметр сглаживания, тем в большей степени сокращается сред неквадратичное отклонение , т. е. экспоненциальное сглаживание служит ка к фильтр, формирующий на выходе значение и предпосылки для прогноза. Прогноз рассчитывается по формуле: (1.16) 1.3.2. Метод скользящего среднего Метод скользящего среднего основан на выравнивании ряда с использован ием следующей формулы: , (1.17) , (1.18) где -- значение скользящего среднего в момент в ремени t ; -- некоторая величина, характеризующая начальное условие при ; -- значение скользящего среднего в момент времени ; N -- чи сло значений ряда. 1.3.3. Метод Брауна Метод Брауна основан на использовании адаптивных моделей разного поря дка. Адаптивные модели первого порядка основаны на использовании экспо ненциальной средней, отличие состоит в выборе . Начальные условия для ра счета: (1.19) где , где -- это шаг. Расчет производится по следующим формулам: (1.20) (1.21) Прогноз следующего значения ряда вычисляетс я по следующей формуле: (1.22) Для построения графических зависимостей пол ьзуются столбцами значений: х и . 1.3.4. Метод среднего темпа При использовании этого метода в расчете учитывается вся информация ря да. Расчет базируется на предпосылке о том, что сумма фактических уровне й динамического ряда или суммарный рост за период должен быть равен сумм е уровней, полученных расчетным путем исходя из начального уровня ряда и среднего темпа роста (). Он производится по формуле: (1.23) Расчет уровня ряда: , (1.24) где . Расчет проводится путем подбора при соблюдении следующего условия: (1.25) Когда определено значение , при котором , найде нное значение среднего темпа роста выступает в качестве коэффициента д ля составления прогноза на будущий срок. Высчитывается по формуле: (1.26) 2. Статистический показатель расчетов временных рядов (корреляция) Случайной величиной называют величину, которая в результате испытан ия примет одно и только одно возможное значение, наперед неизвестное и з ависящее от случайных причин, которые заранее не могут быть учтены. Случайная величина называется дискретной, если ее возможные значения м ожно пронумеровать. Основными формами задания дискретной случайной ве личины являются: 1) ряд распределения; 2) функция распределения (интегральн ая функция распределения). Математическое ожидание дискретной случайной величины Х называется зн ачение, рассчитанное по формуле . (2.1) Математическое ожидание обозначается также m x . Оно приближенн о равно среднему возможному значению случайной величины. Случайная величина называется непре рывной , если ее возможные значения спло шь заполняют некоторый интервал. Основными формами задания непрерывно й случайной величины являются: · интегральная функция распределения F(x); · функция плотности вероятности f(x). Интегральная функция распределения для непрерывной случайной величины Х опр еделяется так же, как и для дискретной F ( x ) = P ( X < x ). Плотность вероятности ( дифференциаль ной функцией распределения ) случайной величины Х называется функция f(x) = F ? ( x ). (2.2) Для непрерывной случайной величины Х функция распределения F ( x ) непрерывна на всей оси Ох , а плотность вероятности f ( x ) существует вез де, за исключением, может быть, конечного числа точек. Математическим ожиданием m x непрерывной случайной величины Х , для которого фун кция f ( x ) является плотностью вероятности, называется вел ичина несобственного интеграла , (2.3) если он сходится. Дисперсией называется значение несобственного инте грала , (2.4) если он сходится. При вычислении дисперсии иногда удобна ф ормула . (2.5) Кроме математического ожидания для характерист ики положения центра распределения случайной величины часто использую т моду и медиану. Модой называется то значение случайной величины, кото рому соответствует наибольшая плотность вероятности ее распределения. Медианой называется значение случайной величины, для кот орой интегральная функция распределения F ( x ) = 0,5. Для того чтобы рассчитать значения моды и медианы, необходимо вначале оп ределить модальный и медиальный интервал. Модальный интервал на гистог рамме отвечает наибольшей частоте попадания случайной величины. Моду р ассчитывают по формуле , (2.6) где Х Мо - нижняя граница модального интеграла; С - величина интервала (разность между верхней и нижней границами); ? 1 - разность числ а попаданий случайной величины в модальный интервал и предыдущий интер вал; ? 2 - разность попаданий случайной величины в модальный интервал и последу ющий интервал. Медиальный интервал определяется по форм уле , (2.7) где Х Ме - нижняя граница медиального интервала С ; h Ме - количество попаданий случайной величин ы в медиальный интервал; N - общее количество опытов; S n - сумма исходов, соответствующих попадани ю случайной величины в интервалы, не превышающие количество N /2. Корреляция Существуют две категории связей или зависимостей между признаками: фун кциональные и корреляционные. При функциональной зависимости каждому значению одной переменной соответствует одно значение другой переменн ой. Связь случайной величины всегда носит вероятностный характер. Следова тельно одному значению одной случайной величины соответствует несколь ко значений другой случайной величины. Такая зависимость называется ко рреляционной. Самым простым случаем вероятностной связи является корреляция двух фа кторов -- парная корреляция. Наглядное представление о парной корреляци и дает корреляционное поле -- графическое изображение точек, координаты которых соответствуют значениям случайных величин. Различают положительную и отрицательную корреляции. При положительной корреляции зависимость между случайными величинами прямая, т. е. при уве личении значений одной случайной величины увеличиваются и значения вт орой случайной величины. При отрицательной корреляции увеличению знач ений одной случайной величины соответствует уменьшение значений второ й случайной величины. Связь двух факторов тем больше, чем теснее располагаются точки около нек оторой линии, отображающей график зависимости одной случайной величин ы от другой. Если все точки корреляционного поля попадают на эту линию, то теснота связи окажется максимальной, и получается функциональная зави симость двух случайных величин. Для количественного определения тесно ты связи между двумя случайными величинами в случае линейной корреляци и используют коэффициент корреляции, который может быть определен по дв ум следующим формулам: , (2.8) где x i , y i -- текущие значения случайных величин; -- средние значения случайных величин. Если r = 0, то случайные величины не связаны между собой. В этом случае точки, составляющие корреляционное поле располагаются по к ругу от усредняющей линии регрессии, которая параллельна оси Ох . Если r = 1, то име ем положительную функциональную зависимость, все точки которой принад лежат одной прямой; если r = -1 -- отрицательную. Чаще всего r равно промежут очному значению. В этом случае между переменными существует корреляцио нная зависимость, а все точки располагаются в виде эллипса вокруг линии регрессии. Чем теснее связь между случайными величинами, тем ближе |r| к едини це. ЗАКЛЮЧЕНИЕ Задачей данного курсового проекта является проведение статистическог о анализа и прогнозирование результатов выпуска изданий (Беларуси и Рос сии). В процессе выполнения курсового проекта мы ознакомились с основными по нятиями теории вероятностей, которыми являются случайный эксперимент, события и вероятности, и математической статистики, занимающиеся восст ановлением закономерностей и подчиняющие массовые однородные случайн ые явления на основе изучения статистических данных -- результатов наблю дений; а также изучили современные методы линейного программирования и теории статистических игр. В курсовой работе был проведен статистический анализ и прогнозировани е деятельности издательств России и Беларуси с помощью следующих четыр ех методов: - метод экспоненциального сглаживания; - метод скользящего среднего; - метод среднего темпа; - метод Брауна. В результате расчетов был получен прогноз деятельности издательств на 2003 год. Из таблиц в приложениях можно сделать вывод, что метод экспоненциальног о сглаживания дает более точный прогноз. СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ Губарев А. А. Моделирование и оптимизация технологических процессов ред акционно-издательских технологий. - Мн., 2005. Пен Р. З. Статистические методы моделирования и оптимизации процессов ц еллюлозно-бумажного производства.-- Красноярск, 1982. Саркисяна С.А. Теория прогнозирования и принятия решений [Текст]/ Под ред. С. А. Саркисяна.-- М., 1977. Четыркин Е. М. Статистический метод прогнозирования.-- М., 1977.
1Архитектура и строительство
2Астрономия, авиация, космонавтика
 
3Безопасность жизнедеятельности
4Биология
 
5Военная кафедра, гражданская оборона
 
6География, экономическая география
7Геология и геодезия
8Государственное регулирование и налоги
 
9Естествознание
 
10Журналистика
 
11Законодательство и право
12Адвокатура
13Административное право
14Арбитражное процессуальное право
15Банковское право
16Государство и право
17Гражданское право и процесс
18Жилищное право
19Законодательство зарубежных стран
20Земельное право
21Конституционное право
22Конституционное право зарубежных стран
23Международное право
24Муниципальное право
25Налоговое право
26Римское право
27Семейное право
28Таможенное право
29Трудовое право
30Уголовное право и процесс
31Финансовое право
32Хозяйственное право
33Экологическое право
34Юриспруденция
 
35Иностранные языки
36Информатика, информационные технологии
37Базы данных
38Компьютерные сети
39Программирование
40Искусство и культура
41Краеведение
42Культурология
43Музыка
44История
45Биографии
46Историческая личность
47Литература
 
48Маркетинг и реклама
49Математика
50Медицина и здоровье
51Менеджмент
52Антикризисное управление
53Делопроизводство и документооборот
54Логистика
 
55Педагогика
56Политология
57Правоохранительные органы
58Криминалистика и криминология
59Прочее
60Психология
61Юридическая психология
 
62Радиоэлектроника
63Религия
 
64Сельское хозяйство и землепользование
65Социология
66Страхование
 
67Технологии
68Материаловедение
69Машиностроение
70Металлургия
71Транспорт
72Туризм
 
73Физика
74Физкультура и спорт
75Философия
 
76Химия
 
77Экология, охрана природы
78Экономика и финансы
79Анализ хозяйственной деятельности
80Банковское дело и кредитование
81Биржевое дело
82Бухгалтерский учет и аудит
83История экономических учений
84Международные отношения
85Предпринимательство, бизнес, микроэкономика
86Финансы
87Ценные бумаги и фондовый рынок
88Экономика предприятия
89Экономико-математическое моделирование
90Экономическая теория

 Анекдоты - это почти как рефераты, только короткие и смешные Следующий
Счастье – это не когда у тебя что-то есть: крутая машина, домик за границей, доходный бизнес, любовница - Мисс Мира, а когда у тебя чего-то нет: болезни Альцгеймера, рака почки, цирроза печени или запущенного геморроя.
Anekdot.ru

Узнайте стоимость курсовой, диплома, реферата на заказ.

Обратите внимание, курсовая по журналистике "Проведение статистического анализа и прогнозирование результатов выпуска изданий Беларуси и России", также как и все другие рефераты, курсовые, дипломные и другие работы вы можете скачать бесплатно.

Смотрите также:


Банк рефератов - РефератБанк.ру
© РефератБанк, 2002 - 2016
Рейтинг@Mail.ru