Завдання 5

Обґрунтувати вибір рішення за допомогою критерію Гурвіца

Таблиця 11

Значення показника G для різних k

Варіанти рішень ()	Значення коефіцієнта k
0,00	0,25	0,50	0,75	1,00
	0,400	0,362	0,325	0,287	0,250
	0,750	0,612	0,475	0,337	0,200
	0,820	0,640	0,460	0,280	0,100
	0,800	0,650	0,500	0,350	0,200
Оптимальне рішення

Із зміною коефіцієнта k змінюється варіант рішення, якому слід надати перевагу.

6.3. Методи прийняття рішень у прогнозуванні розвитку підприємств

1. Прогнозування обсягів реалізації готової продукції методами плинної середньої та експонентного сгладжування – побудова математичної моделі певного об’єкта, виконання розрахунків, оформлення результатів розрахунків.

Розрахунок прогнозу і згладжування часового ряду методом плинної середньої полягає в заміні емпіричних рівнів ряду середніми з двох, трьох або більше суміжних рівнів. Розрахунок плинної середньої відбувається за формулою:

.

(1)

У методі експонентного згладжування вагові коефіцієнти попередніх значень, що спостерігаються, збільшуються в міру наближення до останнього (за часом) даним. Крім того, у формуванні прогнозованого значення беруть участь усі n відомих значень часового ряду:

(2)

2. Прогнозування обсягів реалізації готової продукції методами декомпозиційного і аддитивного аналізу – побудова математичної моделі певного об’єкта, виконання розрахунків, оформлення результатів розрахунків.

Побудуйте і проаналізуйте графік часового ряду, представленого в табл. 12 за допомогою моделі з адитивною або декомпозиційною (мультиплікативною) компонентою.

Моделлю із адитивною компонентою називається така модель, у якій варіація значень параметру Y в часі найкраще описується через додавання окремих компонент. Циклічну і залишкову компоненти ми не враховуємо. Тоді модель буде мати вигляд:

Y_t = Y_{t сер} + S + E

Y_{t сер} Значення трендової компоненти

S Значення сезонної компоненти

E Похибка моделі

У деяких часових рядах значення сезонної компоненти не є константою, а являє собою якусь визначену долю трендового значення (знаходиться під впливом часу). Значить, розмір сезонної компоненти зростає із зростанням значень тренду (і відповідно зменшується із зменшенням значень тренду). Таку ситуацію можна моделювати за допомогою моделі із декомпозиційною (мультиплікативною) компонентою:

Y_t = Y_{t сер} * S * E

Основна відмінність між двома моделями полягає у способі розрахунку сезонної компоненти.