Értékelése pontosságát és megbízhatóságát előrejelzések

Fontos lépés az, hogy értékelje a becslés pontosságát és megbízhatóságát az előrejelzéseket. Stat. előrejelzés valószínűségi jellegű. A pontosság barlang. Ez csak akkor beszélnek, mint a tartományban a várt eredményeket. A megbízhatóság az előrejelzés - értékelés bízza becslés időközönként egy adott valószínűséggel annak végrehajtását. Értékelésekor a pontosság szükséges figyelembe venni az átfutási idő, a megbízhatóság, a méret a előrejelzési hibát.

Empirikus intézkedés a pontosság az előrejelzés, ez az érték a hiba, amely a különbség az előrejelzés és a tényleges értékek a vizsgált érték (MSE max 9,9%) Ez a megközelítés csak akkor lehetséges, két esetben:

a) az időszak elővásárlási ismert, már véget ért, és a kutató a szükséges tényleges értékeit a tervezettnél;

b) össze egy retrospektív előrejelzés, hogy számítják prediktív értéke a mutató az időtartam, amelyre már vannak tényleges értékek. Ebben az esetben az összes rendelkezésre álló információ két részre oszlik arányban 2/3, 1/3. Az első 2/3 az eredeti idősor becslésére használt előrejelző modell paramétereit, az utolsó 1/3 az eredeti sorozat megvalósításához használunk becslés értékeléseket.

Abszolút. és hozzárendeli. becslési hiba lehet számított abban az esetben visszamenőleges előrejelzési adatokat.

Minden érték becslések pontosságát statisztikai előrejelzések lehet három csoportba sorolhatók:

Analitikai becslés pontossága árak teszik nagyságrendjének a előrejelzési hibát. Ezek közé tartoznak:

Abszolút előrejelzési hibát (# 916 *) úgy definiáljuk, mint a különbség a tapasztalati és előrejelzés funkció értékek és kiszámítása a következő képlettel :. ahol: - a várható érték a zászló; yt - a tényleges értéke a jel

Relatív predikciós hiba (dosh) lehet meghatározni, mint az aránya az abszolút predikciós hiba (# 916; *):

a) a tényleges érték a jellemző (yt):

b) prediktív értékek a jellemző.

Ezért a gyakorlatban, néha elhatározta, hogy nem előrejelzési hiba, és néhány minőségi együttható predikciós (kk), amely mutatja az összefüggést a számát párosított (ek) és az összes egyező (ek) és nesovpavshih (n) kiemelkedések és adja meg: Rk = c / ( c + n) [0; 1]

Kk = 1 azt jelenti, hogy teljes egyetértés értékei közötti előrejelzett és a tényleges értékek és a modell 100% leírja a jelenséget vizsgált. Ez a mutató azt méri kielégítő tömege az előre jelzett értékeket a teljes idősor. Ennek következtében az értékelés pontosságának prediktív modellek célszerűen az aggregált összehasonlítása előrejelzett és a tényleges értékek a vizsgált tulajdonságokat.

A medián előrejelzés pontossága az átlagos abszolút előrejelzési hiba, amely úgy definiálható, mint egy egyszerű számtani átlagát az abszolút előrejelzési hibát képlete formájában:

. ahol: n - a hossza az idő sorozat.

Az átlagos abszolút előrejelzési hiba mutatja általánosított jellemző eltérés mértéke a tényleges és becsült értékek a tulajdonság és az azonos méretű, mint a méret a vizsgált tulajdonság.

Pontosságának értékelése az előrejelzés használt átlagos négyzetes becslési hiba. által meghatározott: (F-öntési eljárás extrapolációval a trend vagy módszerek, amelyek tartalmazzák polinomok a különböző mértékű, a nevező (n-k-1), k száma modell paraméterek)

A méret az átlagos négyzetes becslési hiba egy dimenziónak felel meg is tanult tulajdonság. Között azt jelenti, abszolút és átlagos négyzetes predikciós hiba következő példakénti kapcsolatát :.

. Ez a mutató egy relatív mutatója becslés pontosságát, és nem tükrözi a dimenziót vizsgált tulajdonságok százalékában kifejezve, és a gyakorlatban alkalmazzák pontosságának összehasonlítása előrejelzések kapott két különböző modellek, és a különböző tárgyakat.

Értelmezés becslési pontosság,%: <10 - высокая; [10 — 20] – хорошая;

[20 - 50] - kielégítő;> 50 - nem kielégítő

Mutatóként becslés pontossága a korreláció az előrejelzett és a tényleges attribútum értékeket. ami által meghatározott képlet:

. ahol: - Sze szintű sorozat hangszórók barlang. értékeléseket.

Hátrány: egyszerű korrelációs együttható tükrözi a lineáris összefüggés korrelációs változók és jellemzi a kapcsolatát az idősor tényleges értékek és számos prediktív jellemző értékek. Ha R = 1, ez nem jelenti azt, teljes véletlen valós és tervezett becslések és csak jelenlétét mutatja között lineáris összefüggés idősor előrejelzés és a tényleges értékek a tulajdonság.

Az egyik intézkedés a becslés pontossága a statisztikai előrejelzések egy mismatch együttható (SC), amelyet által javasolt D. Theil, és ki lehet számítani a különböző módosításokat:

1. mismatch együttható (KH1) aránya határozza meg az átlagos négyzetes hiba a tér tényleges értékeit funkció:

CN = 0, ha. CN = 1, ha a predikciós négyzetes középhiba kapott megfelelő legnagyobb hibát kapott egyik legegyszerűbb módszerek extrapolálásával megmásíthatatlanság abszolút lánc lépésekben. KN> 1, az előrejelzés gyengébb eredmények a vártnál

2. mismatch együttható (Kn2) definíció szerint az arány a közepes négyzetes becslési hiba a négyzetösszege eltérése az adott jellemző értékei az átlagos kezdeti idősor a teljes időszakra vonatkozóan:

. ahol: - az átlagos szintje az eredeti szám a dinamika.

3. mismatch együttható (NH3), definíció szerint az arány a közepes négyzetes predikciós hiba a négyzetösszege eltérései az adott jellemző értékeit az elméleti, egy vonalban a trend egyenlet:

. ahol: - az elméleti szinten az idősor nyert a modell trend.

Alapfogalmak elmélet szelektív megfigyelése

- a választás egy adott egység vizsgálatra függetlennek kell lennie az akarat, a szubjektív megközelítés végző személy a választás;

- kiválasztás függetlennek kell lennie az értékek a vizsgált statisztikai jellemzők (paraméterek), amelyek külön egységet együtt;

- a kiválasztási folyamat úgy kell előkészíteni, hogy az összes egység a lakosság egyenlő eséllyel, azonos a valószínűsége, hogy a kiválasztott.

1. Szelektív megfigyelés - ebben a szakaszban információt gyűjt az egyes egységek együttesen kialakított alapján kiválasztására szolgáló eljárást közös egységet.

2. Összefoglalás és csoportosítás származó minta felmérés az anyagok - ebben a szakaszban, vonatkozó információt minden egyes mintából vannak egyesítve csoportok és alcsoportok szerint korábban kifejlesztett programot.

3. Az összegyűjtött és csoportosított dannyeanaliziruyutsya és alkalmazza az egész célpopulációban az számított abszolút, relatív, átlagos

A szükséges feltétele a módszer alkalmazására mintavételes felmérési kérdésekkel foglalkozik, mint a pre-értékelése a szükséges mintanagyság, és amennyiben lehetséges, annak pontosságát.

Megbízhatóságát és érvényességét számítják mintavételi jellemzőkre nagyban meghatározza reprezentativitása minta, ami viszont függ a mintavételi eljárás az általános populációban. Típusa szerint megkülönböztetett egyéni, csoport és kombinált kiválasztása. Amikor minden egyes kiválasztási a mintában szelektáljuk az egyes egységek a teljes népesség, a csoportos kiválasztás - csoport egységek, és a kombinált szelekciós magában foglalja a kombinációs csoportban, és egyes kiválasztási.

kiválasztási módszer határozza meg a lehetőségét, hogy a folyamatos részvételét a kiválasztott egységek a kiválasztási eljárás. Vagy nonrepetitive mintavételi nélküli csere nevezzük kiválasztási, ahol a mintában egység nem tért vissza, hogy a lakosság, amelyből a további kiválasztási.

Amikor újra kiválasztását vagy kiválasztása a hozam a minta egysége, a regisztráció után a megfigyelt tüneteket visszatért az eredeti (master), hogy részt vegyenek számos további kiválasztási eljárás. Ezzel a módszerrel, a kiválasztás a térfogata a lakosság egész mintavételi eljárás változatlan marad, ami a folyamatos kiválasztási valószínűséget minden egység a populációban.

Re-mintavételi módszert alkalmazzák olyan esetekben, amikor a jellegét a jelenség vizsgált lehetőségét sugallja átjegyeztetés egységek. Azt is újra kiválasztását több egyenlő, amelyek határai nem határoztuk meg. Ezekben az esetekben az értékek kiválasztott egységek tekinthető elméleti érték nem zárja ki annak lehetőségét, hogy több ismétlést. Hibák ez a választás mindig kiderül sokkal magasabb.

kiválasztási folyamat azonosítja bizonyos mechanizmus vagy egységek mintavételi eljárást az általános populációban. A világ a mintavételes felmérések a gyakorlatban a legelterjedtebb a következő minta:

• önálló random (egyszerű véletlen);

• mechanikus (szisztematikus mintavétel);

• tipikus a (rétegzett, rétegzett);

Ismétlés-választás - a kialakulását minta, ahol a mintában egység további kiválasztási eljárás nem vesz részt.

Szelektív frakció - frakció egységek a teljes mintában, amely bizonyos kiviteli alakokon vagy kiviteli a vizsgált tulajdonság.

Az egyesített minta - helyezze kiválasztott felmérési egységek.

Szelektív Medium - átlagos értéke a vizsgált tulajdonság a minta.

Szelektív megfigyelés - szakaszos karóra, amelyben jeleket rögzíti az egyes egységek a vizsgált stat. aggregált segítségével kiválasztott spec. módszereket és az eredményeket egy bizonyos valószínűségi szinten a felmérés során szerzett vannak elosztva a teljes készlet eredeti.

Általános frakció - frakció egységek a populációban, amely bizonyos kiviteli alakokon vagy kiviteli a vizsgált tulajdonság.

Általános népesség - kezdeti vizsgált stat. populáció amelyből alapján a kiválasztási egységek vagy egység csoportok kialakított mintán.

Általános átlag - az átlagos értéke a vizsgált tulajdonság a lakosság körében.

A kiválasztási módszer - extrakciós algoritmus egységek vagy egység csoportok a lakosság, elvének a véletlenszerű kiválasztás és az alapul szolgáló egy adott kialakításának módja minta (a minta faj).

A minta - a tervezett vagy tényleges száma gén egységek. aggregált, kiválasztva, hogy regisztrálja a megfigyelt tüneteket.

lefedettségi hiba - a különbség stat. Har-kami mintakészletbeli és általános népesség megsértése miatt elveinek mintavétel vagy véletlenszerű tényezők.

Ismételt kiválasztása - a kialakulását minta, ahol a mintában egység továbbra is részt vesz a további kiválasztási eljárás, és ki lehet választani a mintadarab újra.