Характеристики точности моделей

  • Просмотров 189
  • Скачиваний 8
  • Размер файла 23
    Кб

Контрольная работа по дисциплине: Экономическое планирование на тему: Характеристики точности моделей Содержание Теоретическая часть. Характеристики точности моделей Практическая часть. Основные показатели динамики экономических явлений. Использование средних для сглаживания временных рядов Теоретическая часть. Характеристики точности моделей Важнейшими характеристиками качества модели, выбранной для

прогнозирования, являются показатели её точности. Они описывают величины случайных ошибок. Полученных при использовании модели. Таким образом, чтобы судить о качестве выбранной модели, необходимо проанализировать систему показателей, характеризующих как адекватность модели, так и ее точность. О точности прогноза можно судить по величине ошибки (погрешности) прогноза. Ошибка прогноза – величина, характеризующая расхождение

между фактическим и прогнозным значением показателя. Абсолютная ошибка прогноза определяется по формуле: ∆t = yt – yt, где yt – прогнозное значение показателя, yt – фактическое значение. Эта характеристика имеет ту же размерность, что и прогнозируемый показатель и зависит от масштаба измерения уровней временного ряда. На практике широко используется относительная ошибка прогноза, выраженная в процентах относительно

фактического значения показателя: δt= yt – yt / yt Ч100 Также используются средние ошибки по модулю (абсолютные и относительные): │∆│=∑│yt–yt│/n; │δ│=1/n ∑│yt–yt/yt│Ч100 Где n – число уровней временного ряда, для которых определялось прогнозное значение. Из первых двух формул видно, что если абсолютная и относительная ошибка больше 0, то это свидетельствует о «завышенной» прогнозной оценке. Если – меньше 0, то прогноз был занижен.

Очевидно, что все указанные характеристики могут быть вычисленны после того, как период упреждения уже окончился, и имеются фактические данные о прогнозируемом показателе или при рассмотрении показателя на ретроспективном участке. В последнем случае имеющаяся информация делится на две части: по первой – оцениваются параметры модели, а данные второй части рассматриваются в качестве фактических. Ошибки прогнозов, полученные