На бирже курсовых и дипломных проектов можно найти образцы готовых работ или получить помощь в написании уникальных курсовых работ, дипломов, лабораторных работ, контрольных работ, диссертаций, рефератов. Так же вы мажете самостоятельно повысить уникальность своей работы для прохождения проверки на плагиат всего за несколько минут.

ЛИЧНЫЙ КАБИНЕТ 

 

Здравствуйте гость!

 

Логин:

Пароль:

 

Запомнить

 

 

Забыли пароль? Регистрация

Повышение уникальности

Предлагаем нашим посетителям воспользоваться бесплатным программным обеспечением «StudentHelp», которое позволит вам всего за несколько минут, выполнить повышение уникальности любого файла в формате MS Word. После такого повышения уникальности, ваша работа легко пройдете проверку в системах антиплагиат вуз, antiplagiat.ru, etxt.ru или advego.ru. Программа «StudentHelp» работает по уникальной технологии и при повышении уникальности не вставляет в текст скрытых символов, и даже если препод скопирует текст в блокнот – не увидит ни каких отличий от текста в Word файле.

Результат поиска


Наименование:


Курсовик Основные понятия теории вероятностей. Статистический анализ и прогнозирование деятельности издательств России и Беларуси с помощью следующих методов: метод экспоненциального сглаживания; метод скользящего среднего; метод среднего темпа; метод Брауна.

Информация:

Тип работы: Курсовик. Предмет: Журналистика. Добавлен: 13.01.2009. Сдан: 2009. Уникальность по antiplagiat.ru: --.

Описание (план):


1
17
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 искусственно созданный образ предмета, устройства, процесса.
Вид деятельности, направленный на получение, обработку и анализ информации называется статистикой. Статистика -- наука, изучающая не отдельные факты, а явления и процессы в целом.
Объектом статистического исследования в статистике является статистическая совокупность. Статистическая совокупность -- это множество единиц, обладающих массовостью, однородностью, целостностью и наличием вариантов. Каждый отдельный элемент этого множества называется единицей статистической совокупности.
Статистической закономерностью называют одну из форм причинной связи, которая характеризуется последовательностью, регулярностью повторения событий с определенной степенью вероятности.
Любая статистическая закономерность устанавливается на основе анализа массивов данных. Статистика печати изучает количественные и качественные изменения в издательском деле в целом, что позволяет определить особенности развития печати.
1. Временные ряды и методы их расчета

1.1. Случайные события и величины

Событием называется любой факт, который в результате деятельности может произойти или не произойти. Всякое отдельное множество отличающихся друг от друга по величине событий, но имеющих одну систему измерения составляет совокупность.
Число единиц совокупности характеризуется определенными признаками. Каждый признак у разных единиц совокупности может принимать различные значения. Это различие между единицами совокупности называется вариацией (дисперсией).
Если величина изменяет свое значение под влиянием различных случайных величин, то она называется случайной переменной. Наиболее общая совокупность, содержащая множество случайных величин, называется генеральной совокупностью. Выборка из генеральной совокупности называется выборочной совокупностью. Задачей изучения совокупности является нахождение статистических характеристик, которые позволяют судить о поведении системы.
Определенный набор случайных величин, имеющих некоторые ограничения, называют случайным событием. Для случайных величин значения параметров заранее предсказать невозможно. Многократное повторение измерений случайного события дает возможность получить определенные закономерности, т. е. определить частоту возникновения одного события.
Вероятность любого события определяется как соотношение благоприятных 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 зависит от появления другого.
Случайные величины могут быть дискретными и непрерывными. Для дискретных случайных величин различия между вариантами случайных величин выражаются целыми числами. Совокупность возможных значений случайной величины и вероятность того, что она примет определенное значение образуют закон распределения случайной величины.
Распределение дискретных случайных величин показывается в виде таблицы, в которой каждому значению случайной величины соответствует ее вероятность. Для непрерывной случайной величины составление ряда распределения заключается в том, что диапазон всех значений случайной величины разбивается на некоторое количество интервалов. Для каждого интервала измеряется количество попаданий в этот интервал. На основании этого рассчитывается вероятность попадания по каждому интервалу. Результат выводится в виде гистограммы.
Наиболее общую характеристику распределения дискретной или непрерывной величины дает интегральный закон распределения. Он устанавливает вероятность того, что случайная величина (х) остается меньше некоторой количественной переменной (А), т. е.
,
(1.2)
где -- интегральная функция распределения.
При изменении случайной величины (х) от минимального значения до максимального, интегральная функция распределения изменяется в диапазоне от 0 до 1.
1.2. Числовые характеристики распределения случайной величины

Количество попаданий случайной величины в определенный интервал характеризуется плотностью распределения случайной величины. Одной из основных характеристик является математическое ожидание.
Для дискретной случайной величины математическое ожидание определяется как сумма произведений всех возможных значений случайной величины на вероятность этих значений.
(1.3)
Для непрерывной случайной величины математическое ожидание равно:
(1.4)
Таким образом, математическое ожидание выступает как средневзвешенное значение случайной величины и характеризует положение центра распределения на оси абсцисс.
На практике математическое ожидание для непрерывной случайной величины рассчитывается по формуле:
(1.5)
Для дискретной случайной величины по формуле:
(1.6)
Кроме математического ожидания для характеристики положения центра распределения случайной величины часто используют моду и медиану.
Мода -- это значение случайной величины, которому соответствует наибольшая плотность вероятности ее распределения.
Медиана -- это значение случайной величины для которого интегральная функция распределения .
Для расчета значения моды и медианы необходимо сначала определить модальный и медиальный интервалы.
Модальный интервал -- это интервал, характеризующийся наибольшим количеством попаданий случайной величины.
,
(1.7)
где -- нижняя граница модального интервала;
с -- величина интервала;
-- разность числа попаданий случайной величины в модальном интервале и предыдущем;
-- разность числа попаданий случайной величины в модальном интервале и последующем.
,
(1.8)
где -- нижняя граница медиального интервала;
с -- величина интервала;
-- количество попаданий случайной величины в медиальный интервал;
N -- общее число опытов;
S -- сумма исходов, соответствующая попаданию случайной величины по интервалам, не превышающим количество .
Для описания рассеивания случайной величины вокруг математического ожидания используют дисперсию. На практике для расчета дисперсии используют 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 рассчитывается по формуле:
(1.11)
1.3. Теоретические сведения о временных рядах

Временный ряд -- это множество наблюдений X(t), полученных последовательно за время t. Анализ временных рядов основан на предположении, что последовательные значения в базе данных фиксируются через определенные промежутки времени. Цели анализа временных рядов (определение природы ряда и прогнозирование) требуют математического описания модели.
Различают детерминированные и случайные временные ряды. Детерминированный ряд -- это ряд, значение компонентов которого определяется какой-либо математической зависимостью. Значение компонентов случайного ряда могут быть описаны только с помощью распределения вероятности.
Явления, развивающиеся во времени согласно закону теории вероятности, называются стохастическим процессом. Выделяют два вида стохастических процессов:
1) стационарный. Это процессы, свойства которых не изменяются во времени. Они имеют постоянное математическое ожидание (постоянное среднее значение вокруг, которого варьируются), среднеквадратичное отклонение (определяет разброс компонентов ряда относительно их математического ожидания) и автокорреляцию.
2) динамические. При графическом построении временного ряда результаты наблюдений наносят на график в виде точек и соединяют последовательно ломаной линией. В результате получают линию фактических изменений.
Для определения общих тенденций роста (снижения) показателей временного ряда используют выравнивание (сглаживание), общей картины происходящих процессов и стараются описать их с помощью математических зависимостей.
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 сглаживания
Метод экспоненциального сглаживания является одним из простейших и распространенных способов выравнивания ряда. Выравнивание осуществляется по следующей формуле:
,
(1.12)
где -- значение экспоненциальной средней в момент времени t;
-- параметр сглаживания, принимает значения от 0 до 1;
-- параметр сглаживания.
(1.13)
Для расчета первого значения задается значение , которое высчитывается по формуле:
и т.д.................


(1.14)

Перейти к полному тексту работы



Смотреть похожие работы


* Примечание. Уникальность работы указана на дату публикации, текущее значение может отличаться от указанного.