rpd000000146 (1014767), страница 2

Файл №1014767 rpd000000146 (080200 (38.04.02).М1 Инжиниринг социальных процессов на предприятиях высокотехнологичных отраслей промышленности) 2 страницаrpd000000146 (1014767) страница 22017-06-182017-06-18СтудИзба

080200 (38.04.02).М1 Инжиниринг социальных процессов на предприятиях высокотехнологичных отраслей промышленности

Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Регистрация/авторизация

Текст из файла (страница 2)

Тематика:

Прикрепленные файлы:

Перечень вопросов и задач:

1.Часть зависимой переменной в регрессионной модели, которая не может быть объяснена значением регрессора:

2.Часть зависимой переменной в регрессионной модели, которая пол-ностью объясняется значением регрессора:

3.В зависимости от типа взаимосвязи между эвдогенной переменной и регрессором регрессионные модели подразделяются на:

4.В зависимости от количества регрессоров модели подразделяются на:

5.Зависимостъ дисперсии возмущения от номера наблюдения иазывастся:

6.Коррелированность возмущений с различными номерами называется:

7.Независимые переменные в регрессионных моделях назьваются:

8.В качестве критерия отбора уравнения регрессии f(X,b) в МНК ис-пользуется:

9.Оценка случайного возмущения называется:

10.При выполнении условий Гаусса—Маркова МНК-оценки параметров парной регрессии являются:

Промежуточная аттестация

1. Экзамен (2 семестр)

Прикрепленные файлы:

Вопросы для подготовки к экзамену/зачету:

1.Что называется регрессионной моделью исследуемого процесса?

2.Опишите свойства параметров модели парной регрессии. Какому условию должны удовлетворять независимые переменные Х1….Хk? Объясните, чем вызвано появление в модели случайного слагаемого е ? Какому условию должен удовлетворять случайный вектор ошибки модели - е?

3.В чем заключается свойство гомоскедастичности регрессионной модели?

4.В чем заключается свойство гетероскедастичности регрессионной модели?

5.Выборочный коэффициент корреляции его предназначение для построения модели парной регрессии, способ вычисления.

6.Способы оценки правильности построенной линейной регрессии (значимости модели) ?

7.Коэффициент детерминации R2 статистический смысл, способ расчета, диапазон изменения коэффициента детерминации.

8.Этапы проверки статистических гипотез, соответствующие проверке значимости коэффициентов b0 и b1 линейной регрессии.

9.Этапы проверки статистических гипотез, соответствующие проверке значимости коэффициента корреляции rху.

10.Нелинейность парной регрессии по независимой переменной. Способ вычисления коэффициентов парной регрессии, нелинейных по независимым переменным.

11.Нелинейность парной регрессии по коэффициентам. Способ вычисления коэффициентов парной регрессии, нелинейной по коэффициентам.

12.Основные трудности построения интервальных оценок для коэффициентов нелинейной парной регрессии.

13.Робастное оценивание коэффициентов парной регрессии.

14.Функционал метода наименьших модулей для вычисления коэффициентов линейной парной регрессии. Почему при наличии аномальных измерений метод наименьших модулей позволяет получать коэффициенты линейной парной регрессии с большей точностью, чем метод наименьших квадратов?

15.Множественная регрессия: отличие от парной, вид модели множественной линейной регрессии.

16.Опишите свойства параметров модели множественной регрессии. Какие условия накладываются на вектор случайных возмущений е? Что характеризуют диагональные и недиагональные элементы ковариационной матрицы Vе, вектора возмущений е?

17.Функционал метода наименьших квадратов при оценивании коэффициентов множественной линейной регрессии. Какими свойствами обладают оценки коэффициентов регрессии, вычисленные методом наименьших квадратов? Поясните статистический смысл коэффициента детерминации Rкв?

18.Виды нелинейности множественной регрессии. Как преобразовать модель, нелинейную по переменным, в линейную модель? Как преобразовать модель, нелинейную по параметрам, в линейную модель?

19.Вычислите коэффициенты нелинейности множественной регрессии, если ее не удается преобразовать в линейную модель?

20.Сформулируйте и проверьте статистические гипотезы, соответствующие проверке значимости коэффициента bj линейной регрессии.

21.Способы оценки значимости построенной линейной регрессии.

22.Принцип минимальной сложности при отборе переменных модели множественной регрессии.Ранговый тест на гетероскедастичность модели.

23.Ранговый тест на гетероскедастичность модели.

24.Отличие между коэффициентом корреляции и частным коэффициентом корреляции.

25.Отличие метода взвешенных наименьших квадратов от обыкновенного (классического) метода наименьших квадратов.

26.Недостаток оценки классической модели линейной регрессии, построенные в условии гетероскедастичности модели.

27.Определение понятия «Временной ряд». Классификация временных рядов

28.Способ определения сопоставимости уровней временных рядов.

29.Способ определения сопоставимости уровней временных рядов.

30.30. В чем заключается иерархия тенденций и колебаний

31.Методы периодизации временных рядов.

32.Показатели, характеризующие тенденцию динамики

33.Особенности показателей для рядов, состоящих из относительных уровней

34.Средние показатели временных рядов.

35.Особенности прямолинейного тренда, его свойства

36.Особенности параболического тренда, его свойства

37.Особенности экспоненциального тренда, его свойства

38.Особенности гиперболического тренда, его свойства

39.Особенности логарифмического тренда, свойства

40.Особенности логистического тренда, его свойства

41.Методы распознавания типа тренда вы знаете. Оценка их параметров

42.Графический метод распознавания типа тренда

43.Способы проверки статистических гипотез о типе тренда

44.Многократное скользящее выравнивание.

45.Методы распознания типа колебаний. Как осуществляется оценка параметров колеблемости?

46.Представьте графическое отображение и основные свойства разных типов колебаний

47.Способы измерение показателей силы и интенсивности колебаний.

48.Особенности измерения сезонных колебаний

49.Способ измерения тренда колеблемости

50.Дате определение понятию «Автокорреляция»

51.Метод оценки надежности параметров тренда.

52.Метод определения доверительных границ тренда.

53.В чем заключается смысл вероятностной оценки показателей колеблемости?

54.Методы измерения устойчивости ряда.

55.Методы измерения устойчивости тенденций динамики.

56.Опишите комплексные показатели (критерии) устойчивости ряда

57.Опишите динамику жестко связанной системы признаков (показателей)

58.Агрегирование трендов и колебаний по совокупности объектов.

59.Опишите сущность и ограничения корреляции по временным рядам

60.Методы измерения корреляций между колебаниями признаков.

61.Специфика корреляции с учетом лага и циклов.

62.Динамике комплекса статистических взаимосвязанных признаков.

63.Сущность и условия прогноза по тренду с учетом колеблемости.

64.Прогноз с учетом случайной колеблемости.

65.Прогнозирование комплекса жестковзаимосвязанных признаков.

66.Прогнозирование по смешанной трендово-факторной модели

67.Адаптивные методы прогнозирования.

68.Метод экспонициального сглаживания

69.Адаптивные полиномиальные модели

70.Основные характеристики стационарных временных рядов.

71.Модель стационарных временных рядов.

72.Авторегрессионные модели

73.Основные элементы модели скользящего среднего

74.Авторегрессионная модель со скользящими средними в остатках

75.Прогнозирование ARIMA процессов.

76.Основные положения методологии Бокса-Дженкинса.

УЧЕБНО-МЕТОДИЧЕСКОЕ И ИНФОРМАЦИОННОЕ ОБЕСПЕЧЕНИЕ ДИСЦИПЛИНЫ

а)основная литература:

1. Афанасьев В.Н., Юзбашев М.М. Анализ временных рядов и прогнозирование. М: «Финансы и статистика»; ИНФРА-М. ISBN 978-5-279-03400-0

2. Бабешко Л.О. Основы эконометрического моделирования: Учебное пособие. – М: КомКнига, 2010г., ISBN 978-5-484-01109-4

б)дополнительная литература:

1. Воскобойников Ю.Е. Регрессионный анализ данных в пакете Mathcad – СПб: Издательство «Лань», 2011г, ISBN 978-5-8114-1096-5

2. Тихомиров Н.П. Методы эконометрики и многомерного статистического анализа: Учебник. М: Экономика, 2011г., ISBN 978-5-282-03080-8

3. Ханк Д.Э., Уичерн Д.У., Райтс А.Дж. Бизнес-прогнозирование. – М: Издательский дом «Вильямс», 2003г. ISBN 5-8459-0436-6

в)программное обеспечение, Интернет-ресурсы, электронные библиотечные системы:

Microsoft Exel, SPSS

Интернет-ресурсы:

1. http://www.statsoft.ru/home/products/statistica/details/sta_sem/

2. http://www.spss.com/software/deployment/decision-management/

3.http://www.itkvc.ru/index.php?option=com_content&view=article&id=398:-2&catid=59:2009-11-11-12-26-01&Itemid=130

4.http://www.exponenta.ru/soft/statist/statistica5_5/24/24.asp

5.http://psyjournals.ru/exp/2008/n1/Mitina_full.shtml

6.http://www.gks.ru/wps/portal/!ut/p/.cmd/ces/.exp/7_0_8F4/.miid/null/.exps/true/.def/false/.scr/Home/_s.7_0_A/7_0_8PD/_th/J_0_LV/_s.7_0_A/7_0_8PD/_me/7_0_7UL-7_0_7UJ-7_0_86J-7_0_A#7_0_8F4

МАТЕРИАЛЬНО-ТЕХНИЧЕСКОЕ ОБЕСПЕЧЕНИЕ ДИСЦИПЛИНЫ

Для проведения занятий необходима доска с мелом (маркером).

Приложение 1
к рабочей программе дисциплины
«Социально-экономическое прогнозирование »

Аннотация рабочей программы

Дисциплина Социально-экономическое прогнозирование является частью Профессионального цикла дисциплин подготовки студентов по направлению подготовки Менеджмент. Дисциплина реализуется на 10 факультете «Московского авиационного института (национального исследовательского университета)» кафедрой (кафедрами) 009.

Дисциплина нацелена на формирование следующих компетенций: ПК-8 ,ПК.ПР.ПП.2.

Содержание дисциплины охватывает круг вопросов, связанных с: изучением: принципов построения прогнозов в социальной сфере и экономики; структуры типичных прогнозных моделей; основных методов социально-экономического прогнозирования, их основных характеристик, свойств и ограничений; ключевых критериев оценки качества построенных прогнозных моделей, определение надежности и достоверности модели; основных принципов работы программных статистических пакетов.

Преподавание дисциплины предусматривает следующие формы организации учебного процесса: Лекция, мастер-класс, Практическое занятие.

Программой дисциплины предусмотрены следующие виды контроля: рубежный контроль в форме Тестирование и промежуточная аттестация в форме Экзамен (2 семестр).

Общая трудоемкость освоения дисциплины составляет 2 зачетных единиц, 72 часов. Программой дисциплины предусмотрены лекционные (10 часов), практические (24 часов), лабораторные (0 часов) занятия и (11 часов) самостоятельной работы студента.

Приложение 2
к рабочей программе дисциплины
«Социально-экономическое прогнозирование »

Cодержание учебных занятий

Лекции

1.1.1. Парная регрессия. Выбор функции аппроксимации. Способы параметризации функции. Оценка значимости уравнения регрессии.(АЗ: 2, СРС: 0)

Тип лекции: Информационная лекция