ться на майбутнє. Серед усіх статистичних методів регресійній аналіз відіграє Переважно роль у прогнозуванні. Використання регресійніх рівнянь для пророкування значень різніх Показників повинною грунтуватися на реченні про Збереження в Майбутнього кількісніх закономірностей, знайдення у результаті ОБРОБКИ минулих СПОСТЕРЕЖЕННЯ. У прогностічні рівняння регресії, на відміну від Звичайний регресійніх перелогових у число факторів-аргументів, коріться входити в явній ФОРМІ годину (t). Оцінюючі Якість прогнозом, отриманий за помощью регресійніх рівнянь, Варто пам'ятати про об'єктивні Особливості! Застосування рівнянь регресії. Тут у Першу Черга звітність, знаті, что завдання прогнозування пріпускає використовуват рівняння регресії для ОЦІНКИ значень прогнозованого сертифіката № поза діапазоном фактичність СПОСТЕРЕЖЕННЯ, на Основі Якого отриманий рівняння регресії, тоб приходити віходити за рамки СПОСТЕРЕЖЕННЯ и вірішуваті завдання екстраполяції. Зрозуміло, что блізькість прогнозом вихідних СПОСТЕРЕЖЕННЯ багатая в чому поклади від точності значень факторів-аргументів. Следующая проблема зв'язана з тим, что для ОЦІНКИ Значення прогнозованого сертифіката № звітність, знаті прогнозовані Значення факторів-аргументів, тоб точність прогнозу покладів НЕ Тільки от точності Коефіцієнтів регресії, альо и от надійності визначення значень факторів-аргументів у Майбутнього часі. Відзначені Особливості! Застосування регресійніх рівнянь для прогнозування (екстраполювання, Надійність передбачуваності значень факторів-аргументів) є причиною підвіщеного ступенів невізначеності одержуваніх результатів. Унаслідок цього доцільно візначаті помощью регресійніх перелогових НЕ конкретні Значення прогнозованого сертифіката №, а довірчій Інтервал, у межах Якого знаходяться Значення даного сертифіката №. імовірнісній метод застосовується у випадка масів вімірів досліджуваного параметра. Досить ПОВНЕ формою ОПИС сукупності масів вімірів є визначення Законів розподілу досліджуваніх величин. p align="justify"> заразили вікорістовується два основних типи моделей:
МОДЕЛІ Тимчасових послідовностей;
прічінні МОДЕЛІ.
Тимчасова послідовність - це упорядкована в часі послідовність СПОСТЕРЕЖЕННЯ (реалізацій) перемінної. Аналіз Тимчасових послідовностей вікорістовує для прогнозування перемінної Тільки Історичні дані про ее зміну. Таким чином, ЯКЩО Дослідження даніх про щомісячні продажі мобільніх телефонов, показує, что смороду лінійно зростають - для представлення даного процеса может буті обрана лінійна модель тренда. Нахил и Зсув цієї прямої могут буті оцінені на Основі історічніх даніх. Прогнозування может буті здійснене Шляхом екстраполяції підходящої МОДЕЛІ. Прічінні МОДЕЛІ Використовують зв'язок между цікавою для нас Тимчасова послідовністю й однієї або більш іншімі Тимчасовими послідовностямі. Если ці Другие перемінні корелюють з цікавою для нас перемінної и ЯКЩО існують причини...
