Pievienot darbus Atzīmētie0
Darbs ir veiksmīgi atzīmēts!

Atzīmētie darbi

Skatītie0

Skatītie darbi

Grozs0
Darbs ir sekmīgi pievienots grozam!

Grozs

Reģistrēties

interneta bibliotēka
Atlants.lv bibliotēka
4,99 € Ielikt grozā
Gribi lētāk?
Identifikators:589293
 
Vērtējums:
Publicēts: 06.10.2011.
Valoda: Latviešu
Līmenis: Augstskolas
Literatūras saraksts: 13 vienības
Atsauces: Ir
SatursAizvērt
Nr. Sadaļas nosaukums  Lpp.
1.  Dinamikas rindas analīze    3
1.1.  Dinamikas rindas un to veidi    3
1.2.  Dinamikas izmaiņu rādītāji    5
1.3.  Dinamikas rindas vidējie    7
1.4.  Dinamikas rindas analītiskā izlīdzināšana    8
2.  Dinamikas rindu pielietojums mārketinga pētīšanas procesā    16
2.1.  Cikliskais faktors    16
2.2.  Sezonālais faktors    17
2.3.  Prognozēšana    18
2.4.  Laika rindu metodes    19
2.5.  Laika rindu iedalījums    20
2.6.  Laika rindu analīze    20
2.7.  Eksponenciālā izlīdzināšana ( EXPO, exponential smoothing)    21
2.8.  Slīdošā vidējā autoregresijas metode (ARMA)    23
  Izmantotās literatūras un avotu saraksts    25
  Pielikumi    26
Darba fragmentsAizvērt

2.4. Laika rindu metodes
Laika rindu pieeja prognozēšanai ietver pagātnes datu ekstrapolēšanu kā lineāru vai līklīniju trendu. Ar ekstrapolāciju saprot pētāmās parādības prognozēšanu, dinamikas rindas turpināšanu un tās tālāko līmeņu aprēķināšanu, ja zināmi rindas iepriekšējie līmeņi.
Dažiem noteikumiem jāizpildās, lai varētu izmantot dinamikas rindu prognozēšanu:
pētāmās pazīmes attīstība ir jāattēlo ar vijīgu līkni;
parādības attīstības pamattendence pagātnē un pašreizējā laika periodā nedrīkst būtiski izmainīties nākotnē.
(Jābūt pārliecībai par to, ka ekstrapolācijas periodā objektīvi saglabājas tie paši sociālekonomiskie likumi un tās pašas svarīgākās ar ekstrapolējamo parādību saistītās statistikas likumsakarības un tendences, kādas pastāvēja trendam par bāzi ņemtajā periodā. Tāpēc ekstrapolēšanas periods parasti nav garš, to ierobežo šī principa ievērošanas iespējamība.)
ekstrapolēšanai sekmīgi var tikt izmantotas tikai stabilas parādības, kuras pēc sava rakstura nav pakļautas krasām nejaušībām, kas var ekstrapolējamā perioda atsevišķos posmos radīt specifiskus un iepriekš grūti paredzamus pētāmās parādības līmeņus un stāvokļus. Ekstrapolācijai izmantojamajam trendam par bāzi var ņemt tikai tādu laika periodu, kura ietvaros nav notikušas lielas izņēmuma stāvokļa radītas novirzes, kas būtiski ietekmē trenda vienādojuma parametrus;
Lietojot dinamikas rindu prognozes rodas vairāki jautājumi. Cik veciem jābūt datiem? Vai vecāki dati atspoguļo izmainījušos faktorus un tāpēc mazinās prognozes precizitāti? Kā datus novērtēt? Vai katram laika periodam ir jādod vienāds svars, vai biežākiem novērojumiem jādod lielāks svars? Vai datus jāsadala trendos, ciklos, sezonās un kļūdās? Katra no turpmāk minētajām metodēm atšķiras ar veidu kā risina šos jautājumus:

2.5. Laika rindu iedalījums
Laika rindas tiek iedalītas četrās galvenajās komponentēs:
Trends: pauž pamattendences demogrāfiskajos procesos, kapitālieguldījumos un tehnoloģijā. Trendam piemīt ilglaicīga pastāvība, tāpēc tam ir liela nozīme ilglaicīgas prognozēšanas sagatavošanā.
Cikls: atspoguļo realizācijas apjoma svārstības, turklāt laika rindai ir pietiekami pastāvīga izmaiņu amplitūda un periodiskums. Cikla lietošana ir sevišķi svarīga vidēja ilguma termiņu prognozēšanā.

Autora komentārsAtvērt
Parādīt vairāk līdzīgos ...

Atlants

Izvēlies autorizēšanās veidu

E-pasts + parole

E-pasts + parole

Norādīta nepareiza e-pasta adrese vai parole!
Ienākt

Aizmirsi paroli?

Draugiem.pase
Facebook

Neesi reģistrējies?

Reģistrējies un saņem bez maksas!

Lai saņemtu bezmaksas darbus no Atlants.lv, ir nepieciešams reģistrēties. Tas ir vienkārši un aizņems vien dažas sekundes.

Ja Tu jau esi reģistrējies, vari vienkārši un varēsi saņemt bezmaksas darbus.

Atcelt Reģistrēties