Практическая работа прогнозирование в microsoft excel 11 класс - Word и Excel

Урок 29 11-А класс 27.01.2022

Тема: Практическая работа №11 «Прогнозирование в табличном процессоре»

Цели:

образовательная: способствовать формированию представлений о статистике, регрессионной модели, освоению способов построения регрессионной модели и графического тренда средствами электронных таблиц, закрепить навыки работы в ЭТ;

воспитательная: воспитывать дисциплинированность, продолжить формирование информационной культуры учащихся (восприятие компьютера как инструмента информационной деятельности человека);

развивающая: способствовать развитию алгоритмического и логического мышления, аналитических умений и навыков, ИКТ-компетентности.

Тип урока: урок-практикум.

Ход урока

Организационный момент.

Приветствие. Проверка готовности учащихся к уроку. Объявление темы урока.

Актуализация опорных знаний.

Вопросы к учащимся: Что такое статистика?

Ученики: Статистика — наука о сборе, измерении и анализе массовых количественных данных

Вопросы к учащимся: Что такое регрессивная модель?

Ученики: Регрессионной называют моделью график функции которой проходим вблизи экспериментальных точек

Вопросы к учащимся: Как происходит получение регрессионной модели?

Ученики: Получение регрессионной модели происходит в два этапа:

подбор вида функции;
вычисление параметров функции.

Статистика опирается на сложные математические методы и расчеты, но в арсенале ТП Excel заложены возможности использования этих методов.

Рассмотрим пример: Наиболее сильное влияние на рост заболеваемости бронхиальной астмой производит угарный газ.

Цель: выявить эту зависимость.

Действия:

Подготовительный этап: собираем данные из разных городов о средней концентрации угарного газа в атмосфере и о заболеваемости астмой (количество больных на тысячу человек).

Этап моделирования:

строим таблицу.
строим точечную диаграмму по данным таблицы.

подбираем функцию, график которой пройдет как можно ближе к экспериментальным точкам.

Строить функцию так, чтобы график точно проходил через все точки, не имеет смысла, т.к.:

функция примет довольно сложный вид
собранные нами данные носят приближенный характер

Основные требования к функции:

функция должна иметь простой вид
отклонения графика функции от экспериментальных точек должны быть минимальны.

Полученную функцию, график которой приведен на рис. 2, называют регрессионной моделью.

Рисунок 2

Область определения данной функции – концентрация угарного газа в атмосфере.

График регрессионной модели называется трендом.

Trend (англ.) – общее направление, тенденция.

Далее выполняем следующие действия:

щелкнуть левой кнопкой мыши по полю диаграммы;
выполнить команду = Диаграмма = Добавить линию тренда;
в открывшемся окне на закладке “Тип” выбрать “Линейный тренд”;
перейти к закладке “Параметры”; установить галочки на флажках “показывать уравнения на диаграмме” и “поместить на диаграмму величину достоверной аппроксимации R^2”, щелкнуть по кнопке ОК.

Для чего же нам нужно выявлять эти зависимости (создавать модели)?

для объяснения явлений и процессов.
для прогнозирования процессов.
для управления процессами.
мы будем прогнозировать по модели.

Выполнение практической работы (Приложение 1)

Учащиеся получают задания практической работы с листом самооценивания, куда вносят отметки о выполнении задания. По сумме баллов выставляется оценка.

Подведение итогов урока

Саморефлексия. Заверши фразу:

Сегодня я узнал…
Было интересно…
Было трудно…
Теперь я могу…
Я научился…
У меня получилось…

Домашнее задание

Читать §18

Приложение 1

Практическая работа «Прогнозирование в табличном процессоре»

Лист самооценивания

Задание	Кол-во баллов	Отметка о выполнении
Ввод табличных данных зависимости заболеваемости бронхиальной астмой	1
Построение точечной диаграммы	1
Получение линейного тренда	1
Получение экспоненциального тренда	1
Получение квадратичного тренда	1

Оценка за практическую работу ___________

Источник

Изучение материала на практике

Однако, проблема в том, что не все зависимости одного явления от другого можно построить прямой линией, а точнее почти даже невозможно, если мы имеем дело с реально происходящими изменениями в жизни. Например, когда наступает зима, то температура воздуха не уменьшается по прямой линии, а колеблется в сторону уменьшения, то повышаясь то понижаясь. В таком случае график зависимости погоды от дня зимы может выглядеть так:

Мы видим, что температура падает, это не происходит прямолинейно, но есть тенденция к ее уменьшению. И возникает задача как эту тенденцию нам измерить, и сказать, в какой степени мы уверены, что завтра, скажем, будет вероятнее что -10 чем +2? Для такого типа задач можно применять регрессионный анализ. Причем, при решении таких задач нам нужно не только рассчитать степень уверенности в «завтрашнем дне», но и построить график линейной (или другой) функции максимально близко «объясняющей» данную связь между изменяющимися данными.

Для того чтобы понять как рассчитывается прогноз и строится соответствующий график, рассмотрим реальный пример, где в качестве исходных данных для решения задачи используем Интернет-ресурс, т.е. сайт: http://www.kurs.metrinfo.ru/kurs/, на котором представлена актуальная информация по курсы валют в табличной форме.

Условие задачи. На основе фактических данных курса валют спрогнозировать стоимость доллара (евро) по отношению к рублю на следующий день. Построить регрессию, график и указать процент достоверности прогноза.

Решение задачи.

На начальном этапе данные копируются с сайта и подготавливаются для последующей обработки (см. табл.1).

Таблица 1

Курс валют в таблице

Дата	Курс доллара	Курс евро
31.10.2015	43.39	54.64
30.10.2015	42.65	54.34
29.10.2015	42.39	53.87
28.10.2015	41.95	53.23
27.10.2015	41.81	52.91
26.10.2015	41.81	52.91
25.10.2015	41.81	52.91
24.10.2015	41.50	52.44
23.10.2015	40.97	52.14
22.10.2015	41.05	52.65
21.10.2015	40.88	52.12
20.10.2015	41.05	52.53
19.10.2015	41.05	52.53
18.10.2015	41.05	52.53
17.10.2015	40.75	52.15
16.10.2015	40.94	51.78
15.10.2015	40.53	51.51
14.10.2015	40.33	51.08
13.10.2015	40.21	51.05
12.10.2015	40.21	51.05
11.10.2015	40.21	51.05
10.10.2015	39.98	50.96
09.10.2015	39.98	50.51
08.10.2015	39.74	50.20
07.10.2015	39.98	50.08
06.10.2015	39.70	50.20
05.10.2015	39.70	50.20
04.10.2015	39.70	50.20
03.10.2015	39.55	49.95
02.10.2015	39.66	50.06
01.10.2015	39.38	49.98

Для подготовки таблицы 1 к обработке необходимо решить ряд сопутствующих задач:

Форматирование таблицы, т.е. изменение заливки, границ таблицы и т.д.

Сортировка данных по дате так, чтобы внизу таблицы отражалась текущая информация.

Применение функции «Найти и заменить» во вкладке «Заменить» для замены точек на запятые (см. рис.1).

Перекодировка даты на числовой формат.

Рис.1. Панель «Найти и заменить»

В результате этих преобразований получим таблицу 2.

Таблица 2

Курс валют в таблице

Дата	Курс доллара	Курс евро
1	39,38	49,98
2	39,66	50,06
3	39,55	49,95
4	39,7	50,2
5	39,7	50,2
6	39,7	50,2
7	39,98	50,08
8	39,74	50,2
9	39,98	50,51
10	39,98	50,96
11	40,21	51,05
12	40,21	51,05
13	40,21	51,05
14	40,33	51,08
15	40,53	51,51
16	40,94	51,78
17	40,75	52,15
18	41,05	52,53
19	41,05	52,53
20	41,05	52,53
21	40,88	52,12
22	41,05	52,65
23	40,97	52,14
24	41,5	52,44
25	41,81	52,91
26	41,81	52,91
27	41,81	52,91
28	41,95	53,23
29	42,39	53,87
30	42,65	54,34
31	43,39	54,64

Графически изменение курса доллара по дням представлено на рисунке 2.

Рис.2. Изменение курса доллара по дням

С помощью функции «Добавить линию тренда …» (см. рис.3) добавляем к графику уравнение и величину достоверности аппроксимации (см. рис.4, 5).

Рис.3. Формат линии тренда

Уравнение регрессии и величину достоверности аппроксимации мы можем получить с помощью надстройки «Анализ данных» → «Регрессия».

Рис.6. Окно выполнения регрессии

Результат работы программы показан в таблице 3.

Таблица 3

Вывод итогов

Регрессионная статистика
Множественный R	0,958934
R-квадрат	0,919554
Нормированный R-квадрат	0,91678
Стандартная ошибка	0,292304
Наблюдения	31

	df
Регрессия	1
Остаток	29
Итого	30
	Коэффициенты
Y-пересечение	39,06142
Переменная X 1	0,106867

Коэффициенты регрессии, которые показаны на рисунке 4, выделены в таблице 3 жирным шрифтом. Регрессионная модель вида Y = kX + b будет выглядеть:

Y = 0,0169*x + 39,0614 (R2 = 0,9195).

Коэффициент детерминации (R-квадрат) приблизительно составил 0,91 или 91%. Это означает, что модель хорошо объясняет изменчивость уровня цены доллара от времени. 9% – доля изменчивости уровня цены, объясняемая другими факторами.

Вычислим на основе указанной регрессии стоимость доллара по отношению к рублю на следующий день:

Y = 0,0169*x + 39,0614 = 0,0169*32 + 39,0614 = 42,4811 (руб.). Конец решения.

Ученики слушают рассказ учителя.

Приводят примеры других нефункциональных зависимостей в природе, биологии, экономике и других науках.

Вместе с учителем решают задачу.

Подведение итогов

Учитель делает выводы по пройденному материалу.

Дает домашнее задание и рекомендует интернет-сайты, и литературу для более глубокого изучения материала.

В заключение учитель рассказывает, что есть ряд сфер, где регрессионный анализ малоэффективен и применяются другие, более сложные методы, например, при анализе стихийных бедствиях, военных действиях, общественных беспорядках, при резком изменении параметров внутренней или внешней ситуации (уровня инфляции, цен на сырье); при коренном изменении плана деятельности фирмы, терпящей убытки.

В конце занятия учитель просит ответить на вопросы анкеты!

Что вы нового узнали сегодня на занятии?

Хотите ли узнать еще о методах прогнозирования?

Какие интернет-ресурсы можно использовать еще для применения метода регрессии?

Учащиеся записывают домашнее задание, сайты и литературу для самостоятельного изучения нового учебного материала.

Учащиеся отвечают на вопросы анкеты и сдают их учителю.

Источник

Управление образования Таймырского

Долгано – Ненецкого муниципального района

Таймырское муниципальное казенное образовательное учреждение

«Дудинская средняя общеобразовательная школа №3»

«Золотое перо»

__________________________________________________________________

Исследовательский проект

Социально-гуманитарное направление

(информационные системы и технологии в науке, технике, образовании)

Прогнозирование в Microsoft Excel

Иванов Александр Николаевич

ТМК ОУ «Дудинская средняя школа № 3»

11 а класс

647000 г. Дудинка, ул. Ленина, 38

Серова Елена Леонидовна

Дудинка – 2016

Содержание

Введение 3

Глава 1 Методы прогнозирования 5

1.1 Расчет базовой линии 5

1.2 Методы социально-экономического прогнозирования 6

1.3 Составление линейных прогнозов: функция ТЕНДЕНЦИЯ 7

Глава 2 Составление прогноза средствами программы MicrosoftExcel 9

Глава 3. Проверка и уточнение результатов прогноза 12

Заключение 14

Список использованных источников 15

Приложение 16

Введение

В настоящее время ни одна сфера жизни общества не может обойтись без прогнозов как средства познания будущего. Особое значение имеют прогнозы социально-экономического развития общества, обоснование основных направлений экономической политики, предвидение последствий принимаемых решений. Социально-экономическое прогнозирование является одним из решающих научных факторов формирования стратегии и тактики общественного развития.

Актуальность данной темы определяется тем, что уровень прогнозирования процессов общественного развития обуславливает эффективность планирования и управления экономикой и другими сферами.

Теоретическая и методологическая основы исследования. В развитии методологии прогнозирования социально-экономических процессов большую роль сыграли научные разработки отечественных и зарубежных ученых А.Г. Аганбегяна, И.В. Бестужева-Лады, Л. Клейна, В. Гольдберга. В работах этих ученых рассматривается значение, сущность и функции прогнозирования, его роль и место в системе планирования, исследуются вопросы методологии и организации экономического прогнозирования, показываются особенности научного прогнозирования и реализация их с использованием ЭВМ.

Информационная база исследования. Для написания исследовательской работы были использованы официальные данные органов Федеральной службы государственной статистики России (Росстата), материалы территориального органа Федеральной службы государственной статистики по Таймырскому Долгано-Ненецкому муниципальному району, а также материалы периодической печати, связанные с темой исследования, материалы официального сайта Таймырского Долгано-Ненецкого муниципального района http://www.taimyr24.ru.

Цель и задачи исследования. Целью исследования является уточнение прогноза развития социально-экономической сферы Таймырского Долгано-Ненецкого муниципального района средствами программы MicrosoftExcel.

Для достижения данной цели в ходе работы нами были поставлены и решены следующие задачи:

провести анализ социально-экономических показателей по Таймырскому Долгано-Ненецкому муниципальному району за последние три года;
познакомиться с возможностями программы MicrosoftExcel в области построения прогнозов;
создать прогноз развития социально-экономическойсферы ТДНМР на ближайшие три года;
проверить результаты прогноза и сделать выводы относительно его точности.

Объект исследования. Объектом исследования является функция прогнозирования программы Microsoft Excel.

Предмет исследования. Предметом исследования является уровень жизни населения Таймырского Долгано-Ненецкого муниципального района.

Гипотеза исследования: будущее состояние экономики в значительной мере предопределяется ее прошлым и настоящим состояниями.

Используемые методы исследования – аналитический, статистический,

Научная новизна исследования. В результате проведенного исследования мы сформулируем и обоснуемследующие предположения:

программаMicrosoftExcel пригодна для создания реальных социально-экономических прогнозов;
составление социально-экономического прогноза развития региона может помочь в принятии правильных управленческих решений.

Научно-практическая значимость исследования. Предлагаемая методика анализа ситуации может быть применена для оценки состояния социально-экономических процессов и определения перспектив развития в различных областях.

Структура работы:

Во введении описывается актуальность выбранной темы, выдвигается гипотеза, ставится цель и определяются задачи данной работы.

В первой главе анализируется литература по проблеме исследования, способы и методы социально-экономического прогнозирования средствами программы MicrosoftExcel.

Во второй части приведено описание проведенного исследования, сделан анализ результатов.

В третьей части работы мы проанализировали результаты сделанного ранее прогноза, и продлили прогноз на 2017 г.

В заключении приведены выводы, сделанные в результате проделанной работы.

Глава 1 Методы прогнозирования

Прогнозирование – это своего рода умение предвидеть, умение проанализировать ситуацию и спрогнозировать ожидаемый ход её изменения в будущем. Так как каждое решение – это проекция в будущее, а будущее содержит элемент неопределенности, то важно правильно определить степень рисков, с которыми сопряжена реализация принятых решений. Просчет рисков также является неотъемлемой частью прогнозирования, как системы оценки возможных потерь и выигрышей при принятии данного решения.

Потребность в решении возникает только при наличии проблемы, которая в общем виде характеризуется двумя состояниями – заданным (желаемым) и фактическим (прогнозируемым), и именно прогнозирование будет отправной точкой в процессе принятия управленческого решения.

Социально-экономическое предвидение основных направлений общественного развития предполагает использование специальных вычислительных и логических приемов, позволяющих определить параметры функционирования отдельных элементов производительных сил в их взаимосвязи и взаимозависимости. Систематизированное научно обоснованное прогнозирование развития социально-экономических процессов осуществляется с первой половины 50-х годов, хотя некоторые методики прогнозирования были известны и ранее. К ним относятся: логический анализ и аналогия, экстраполяция тенденций, опрос мнения специалистов и ученых.

Но, не смотря на всю научность вопроса, самые точные прогнозы получаются либо по счастливой случайности, либо потому, что они решают тривиальный вопрос. Реальные системы прогнозирования всегда делают поправку на элемент случайности, и ни один способ прогнозирования не в состоянии предусмотреть случайные события. Если в данных за прошедший период времени имеется некоторая периодичность, то можно использовать прогнозирование для получения довольно точных прогнозов. В любом случае прогноз лучше, чем слепые догадки.

1.1 Расчет базовой линии

Базовая линия представляет собой числовое выражение результатов наблюдений, проводимых на протяжении длительного периода времени. Приведем примеры базовой линии:

ежедневное количество посещений поликлиники за последние шесть месяцев.
количество телефонных звонков, полученных сервисной службой за час на прошлой неделе.

С точки зрения прогнозирования, существует четыре важнейших характеристики базовых линий.

Базовая линия включает в себя результаты наблюдений — начиная с самых ранних и заканчивая последними.

Это требование является обязательным и его довольно легко выполнить.

Все временные периоды базовой линии имеют одинаковую продолжительность. На практике незначительные отклонения можно игнорировать. Например, в феврале и марте разное количество дней, однако эта незначительная разница в два-три дня обычно не учитывается в базовых линиях, построенных на основе ежемесячных результатов наблюдений.

Наблюдения фиксируются в один и тот же момент каждого временного периода. Для правильного определения базовой линии следует проводить наблюдения в одно и то же время дня и в один и тот же день недели.

Пропуск данных не допускается. Пропуск даже одного результата наблюдений нежелателен при прогнозировании поэтому, если в наблюдениях отсутствуют результаты за незначительный отрезок времени, нужно восполнить их хотя бы приблизительными данными.

Если базовая линия отвечает всем четырем вышеупомянутым требованиям, то появляется гораздо больше шансов составить точный прогноз.

Кроме данных о самой базовой линии, также необходимо выбрать метод составления прогноза. Excel предлагает три основных подхода к этому процессу: с применением скользящего среднего, регрессии и сглаживания.

1.2 Методы социально-экономического прогнозирования

Все методы прогнозирования (по некоторым оценкам их свыше двух сотен) представляют собой, по существу, различные комбинации элементов перечисленных выше способов получения информации о будущем. В соответствии с этим существуют три дополняющих друг друга способа разработки социально-экономических прогнозов:

– анкетирование (интервьюирование, опрос) – опрос населения, экспертов с целью упорядочить, объективизировать субъективные оценки прогнозного характера. Особенно большое значение имеют экспертные оценки. Опросы населения в практике прогнозирования применяются пока сравнительно редко;

– экстраполирование и интерполирование (выявление промежуточного значения между двумя известными моментами процесса) – построение динамических рядов развития показателей прогнозируемого явления на протяжении периодов основания прогноза в прошлом и упреждения прогноза в будущем (ретроспекции и проспекции прогнозных разработок);

– моделирование – построение поисковых и нормативных моделей с учетом вероятного или желательного изменения прогнозируемого явления на период упреждения прогноза по имеющимся прямым или косвенным данным о масштабах и направлении изменений. Наиболее эффективная прогнозная модель – система уравнений. Однако имеют значение все возможные виды моделей в широком смысле этого термина: сценарии, имитации, графы, матрицы, подборки показателей, графические изображения и т. д.

Экстраполяция означает распространение выводов, касающихся одной части какого-либо явления, на другую часть, на явление в целом, на будущее. Экстраполяция основывается на гипотезе о том, что ранее выявленные закономерности будут действовать в прогнозном периоде. В социальной сфере анализ состояния образования в одном регионе, выявленные тенденции могут «накладываться» на другой регион. В математике и статистике динамический ряд данных продолжается по определенным формулам.

Экстраполяция широко применяется при анализе, прогнозе всех социальных процессов. Например, вывод об уровне развития какой-либо социальной группы можно сделать по наблюдениям за отдельными ее представителями, а о перспективах культуры – по тенденциям в прошлом.

Статистическая экстраполяция – проекция роста населения по данным прошлого – это один из важнейших методов современного научно-технического и социального прогнозирования.

Экстраполяционный метод основан на исследовании объекта прогнозирования (социальная инфраструктура, демографические процессы, состояние образования в историческом плане), ретроспективном анализе количественных временных рядов или тенденций. Этот метод отличается многообразием, насчитывает не менее пяти различных вариантов.

1.3 Составление линейных прогнозов: функция ТЕНДЕНЦИЯ

Использование функции рабочего листа ТЕНДЕНЦИЯ — это самый простой способ вычисления регрессионного анализа. Предположим, результаты наблюдений внесены в ячейки А1:А10, а дни месяца расположены в ячейках В1:В10. Нужно выделитьячейки С1:С10 и ввести следующую формулу, используя формулу массива:

=ТЕНДЕНЦИЯ (А1: А10; В1: В10)

Рассматривая данный метод прогнозирования, следует обратить особое внимание на следующие моменты.

Каждый результат в ячейках С1:С10 получается на основе одной и той же формулы массива, внутри которой «спрятано» более сложное выражение.

Поскольку все значения прогноза составляются на основе одних и тех же показателей отрезка, отсекаемого на оси ординат, и углового коэффициента, прогноз не отражает происходящих изменений во временном ряду.

Функция ТЕНДЕНЦИЯ вычисляет прогнозы, основанные на линейной связи между результатом наблюдения и временем, когда это наблюдение было зафиксировано. Предположим, что вы составляете линейный график данных, на вертикальной оси которого отмечаете результаты наблюдений, а на горизонтальной фиксируете временные моменты их получения. Если эта взаимосвязь носит линейный характер, то линия на графике будет либо прямой, либо слегка наклоненной в одну или другую сторону, либо горизонтальной. Это и будет лучшей подсказкой о том, что взаимосвязь является линейной, и потому в данном случае функция ТЕНДЕНЦИЯ — самый удобный способ регрессивного анализа.

Глава 2 Составление прогноза средствами программы MicrosoftExcel

Случайно увидев отчет социально-экономического развития Таймырского Долгано-Ненецкого муниципального района за 9 месяцев 2013 года, меня заинтересовал вопрос: Если есть отчет, то должен быть какой-то план. А как планируется социально-экономическое развитие нашего региона? Я ведь тоже являюсь жителем Таймыра и мне не безразлично мое будущее.

Для поиска ответа я через поисковую систему задал свой вопрос в Интернете и узнал, что прогноз можно составить при помощи программы MicrosoftExcel.

Проанализировав возможности программы, я понял, что для составления прогноза мне нужны данные за более ранние периоды. Поэтому я нашел аналогичные отчеты за периоды начиная с 2011 года. Таким образом, в моем распоряжении оказались сведения за последние три года.

Социально-экономический отчет – это достаточно большой документ, отражающий множество показателей. Я решил составить прогноз по пяти направлениям:

численность работоспособного населения,
количество безработных в муниципальном районе,
среднемесячный доход на душу населения,
количество детей, обучающихся в школах,
численность детей, проживающих в социальном приюте.

Свой выбор именно этих показателей я объясняю следующим образом:

динамика численности населения косвенно отражает динамику развития региона. Если предприятие не нуждается в рабочих, то оно, возможно, намерено сократить объем производства;
рост количества безработных, скорее всего, повлечет за собой увеличение числа социально-опасных элементов и, как следствие, рост преступности;
изменение среднегодового дохода может свидетельствовать об изменении уровня жизни населения;
количество детей может выступать своего рода показателем стабильности;
численность детей, проживающих в социальном приюте, расскажет нам о количестве семей «группы риска», что в свою очередь позволит сделать несколько побочных выводов.

Конечно, очень бы хотелось сразу же создать точный и научный прогноз, но для начала нужно научиться работать в программе и попробовать спрогнозировать будущее хотя бы приблизительно.

В практической части своей работы я воспользовался методом скользящего среднего при помощи диаграмм.

Для построения диаграмм мной были созданы соответствующие таблицы (см. Приложение 1).

Следующим этапом работы стало построение диаграмм по известным значениям.

На графиках известные значения выделены синим цветом. Чтобы построить прогноз на ленте Работа с диаграммами открываем вкладку Макет и в меню Линия тренда выбираем команду Линейный прогноз.

Рис. 1 Прогноз изменения численности работоспособного населения до 2017 г.

Рис.2 Прогноз роста безработных в ТДНМР

Рис.3 Прогноз роста среднего дохода на душу населения

Рис. 4 Прогноз изменения численности учащихся школ муниципального района

Рис. 5 Прогноз изменения численности детей, проживающих в социальном приюте

Глава 3. Проверка и уточнение результатов прогноза

Прошло два года, после составления прогноза по пяти направлениям. Пришло время подтвердить или опровергнуть сделанные ранее предположения.

Динамика численности населения косвенно отражает динамику развития региона. Если предприятие не нуждается в рабочих, то оно, возможно, намерено сократить объем производства.

Количество населения, к сожалению, продолжает уменьшаться. И на ближайшее время прогноз тоже имеет отрицательную динамику. Но по прошествии двух лет можно скорректировать сделанный ранее вывод. Численность населения снижается, но производство не снижает объем, а становится более технологичным, автоматизированным. Поэтому однозначно сделать вывод о снижении объемов производства нельзя. Изучая предмет Основы регионального развития, я стал понимать, что по одному параметру судить о социально экономическом развитии региона нельзя.

Рост количества безработных, скорее всего, повлечет за собой увеличение числа социально-опасных элементов и, как следствие, рост преступности.

Этот вывод мог бы оказаться верным, но численность безработных в один из исследуемым периодов существенно снизилась и скорректированный прогноз выглядит гораздо оптимистичней. Здесь можно говорить о том, что в районе работают социальные программы переселения граждан «на материк». Таким образом происходит отток населения третьего возраста, за счет чего освобождаются рабочие места.

Изменение среднегодового дохода может свидетельствовать об изменении уровня жизни населения.

В численном выражении прогноз сбылся. Действительно, величина дохода на душу населения выросла. Но политическая обстановка вокруг нашего государства сложилась таким образом, что были введены экономические санкции в отношении России, поэтому покупательная способность рубля значительно упала.

Количество детей может выступать своего рода показателем стабильности.

Скорректированный прогноз показал, что количество детей в муниципальном районе сокращается быстрее, чем было спрогнозировано ранее. Причин этому тоже может быть несколько. Я не исследовал демографические параметры подробно, поэтому по этой позиции можно только констатировать факт.

Численность детей, проживающих в социальном приюте, расскажет нам о количестве семей «группы риска», что в свою очередь позволит сделать несколько побочных выводов.

Скорректированный прогноз показал, что количество детей в социальном приюте уменьшилось менее планируемого. Но радует то, что это число не увеличивается ведь за каждой этой цифрой стоит сломанная детская судьба.

Составив уточненный прогноз, я еще раз убедился, что программа MicrosoftExcel со своей задачей справилась. Прогнозировать с помощью автоматических средств можно с достаточно большой точностью.

Несмотря на то, что прогнозы практически сбылись, новые прогнозы построены, сделать глубокие и правильные выводы о социально-экономическом развитии региона достаточно сложно, потому что данных недостаточно.

Заключение

По ходу работы мною были решены все поставленные ранее задачи:

провели анализ социально-экономических показателей по Таймырскому Долгано-Ненецкому муниципальному району за последние три года;
познакомились с возможностями программы MicrosoftExcel в области построения прогнозов;
создали прогноз развития социально-экономическойсферы ТДНМР на ближайшие три года;
проверили результаты прогноза и сделали выводы относительно его точности.

Цель работы также была достигнута – уточнен прогноз развития социально-экономической сферы Таймырского Долгано-Ненецкого муниципального района средствами программы MicrosoftExcel.

В результате проведенного исследования мы сформулировали и обосновалиследующие предположения:

программаMicrosoftExcel пригодна для создания реальных социально-экономических прогнозов,
составление социально-экономического прогноза развития региона может помочь в принятии правильных управленческих решений.

Кроме того, мы подтвердили гипотезу исследования: будущее состояние экономики в значительной мере предопределяется ее прошлым и настоящим состояниями.

Список использованных источников

Кузык, Б. Н. Прогнозирование и стратегическое планирование социально-экономического развития: учебник / Б. Н. Кузык, В. И. Кушлин, Ю. В. Яковец. — М.: Экономика, 2006
Лугачев, М. И. Методы социально-экономического прогнозирования / М. И. Лугачев, Ю. П. Ляпунцов. — М.: ТЕИС, 1999. — 159 с.
Просветов, Г. И. Прогнозирование и планирование: задачи и решения: учеб.-метод. пособие / Г. И. Просветов. — М.: РДЛ, 2005.
Сиволап, Н. Н. Прогнозирование основных показателей социальной сферы региона / Н. Н. Сиволап // Региональная экономика: теория и практика. — 2007. — № 7.
Социальное прогнозирование: рабочая программа, тематика и метод.указания по выполнению курсовых работ для студентов дневной формы обучения: ЭФ: специальность 080103 / сост.: О. Б. Кирик. — Вологда: ВоГТУ, 2007
Социальные аспекты экономического развития региона: материалы заседаний регион. секций Третьей Рос. науч.–практ. конф. «Стратегия и тактика реализации соц.-экон. реформ: регион. аспект. Вып. 1, ч. 1 / редкол.: М. Ф. Сычев (отв. ред.) и др.; ВНКЦ ЦЭМИ РАН. – Вологда, 2002
http://utmn.ru/docs/3325.pdfДиагностика и прогнозирование социально-экономического развития регионов в рамках нелинейной динамики
http://office.microsoft.com/ru-ru/excel-help/HP005209320.aspxТенденция
http://office.microsoft.com/ru-ru/excel-help/HP010007461.aspx Добавление, изменение и удаление линии тренда на диаграмме

Приложение

Приложение 1

Таблица 1. Численность работоспособного населения

Год	Факт	Уточненный	Тенденция	Уточненная
2011	21244	21244	21244	21244
2012	21012	21012	21012	21012
2013	20780	20780	20780	20780
2014	20548	20548	20548	20548
2015		20316	20316	20316
2016			20084	20084
2017				19852

Таблица 2. Количество безработных в муниципальном районе

Год	Факт	Уточненный	Тенденция	Уточненная
2011	318	318	318,00	341,40
2012	325	325	325,00	339,80
2013	332	332	332,00	322,83
2014	339	253	339,00	253,00
2015		229	346,00	229,00
2016			353,00	216,40
2017				191,40

Таблица 3. Среднемесячный доход на душу населения

Год	Факт	Уточненный	Тенденция	Уточненная
2011	27344,00	27344,00	27344,00	27679,40
2012	29936,00	29936,00	29936,00	30249,20
2013	32758,00	32758,00	32758,00	32733,50
2014	35426,67	34438,00	35426,67	34438,00
2015		36265,00	36265,00	36265,00
2016			38851,40	38851,40
2017				40582,70

Таблица 4. Количество детей, обучающихся в школах

Год	Факт	Уточненный	Тенденция	Уточненная
2011	4845	4845	4845	4885
2012	4906	4906	4906	4871
2013	4778	4778	4778	4751
2014	4776	4660	4776	4660
2015		4702	4743	4702
2016			4709	4619
2017				4506

Таблица 5. Численность детей, проживающих в социальном приюте

Год	Факт	Уточненный	Тенденция	Уточненная
2011	87	87	87	83
2012	73	73	73	73
2013	72	72	72	71
2014	62	65	62	65
2015		65	55	65
2016			47	57
2017				58

Источник

Практическая работа №7

Тема: Графическое изображение статистических данных и
прогнозирование в Microsoft Excel.

Цель – изучение информационных технологий использования
возможностей Microsoft Excel для статистических расчетов
графического представления данных и прогнозирования

Вид работы: групповой

Время выполнения: 2 часа

Задания к практической работе

Задание
1. С помощью диаграммы (обычная гистограмма) отобразите данные о численности
населения России (млн. чел.) за 1970-2005 гг.

Исходные данные представлены на рис.1, результаты
работы на рис. 3.

Порядок работы

1.
Откройте редактор электронных
таблиц Microsoft Excel и создайте новую
электронную книгу (при стандартной установке Microsoft Office выполните Пуск – Все программы-Microsoft Office – Microsoft Office Excel).

Рисунок 1 – Исходные
данные для задания 1

2.
Создайте на листе 1 таблицу
численности населения по образцу (см. рис.1). Для ввода значений лет создайте
ряд чисел с интервалом в 7 лет (введите первые два значения даты – 1970 и 1977
г., выделите обе ячейки и протяните вправо за маркер автозаполнения до нужной
конечной даты).

3.
Постройте диаграмму (обычная
гистограмма) по данным таблицы. Для этого выделите интервал ячеек с данными
численности населения A3:G3 и выберите команду Вставка – Гистограмма – Обычная
гистограмма. Щелкните правой кнопкой мыши по построенной диаграмме и
выберите команду Выбрать данные… в открывшемся диалоговом окне измените
данные так как показано на рисунке 3 и нажмите ОК.

Рисунок 2 – Выбор
типа диаграммы

Рисунок 3 – Второй
этап построения диаграммы

Задание
2. Осуществить прогноз численности населения России на 2012 г. Добавлением
линии тренда к ряду данных графика.

Краткая справка. Для
наглядного показа тенденции изменения некоторой переменной целесообразно на
график вывести линию тренда. Это возможно не для всех типов диаграмм, а только
для гистограмм, линейчатых диаграмм, диаграмм с областями, графиков. Введенная
линия тренда сохраняет связь с исходным рядом, т. е. при изменении данных
соответственно изменяется линия тренда. Линию тренда можно использовать для
прогноза данных.

Порядок работы

1.
Добавьте линию тренда к диаграмме,
построенной в задании 1. Для этого сделайте диаграмму активной, затем щелкните
правой кнопкой мыши по диаграмме и выберите команду Изменить тип диаграммы. Измените,
тип диаграммы выберите График.

Рисунок 4 – Изменения
типа диаграммы

Затем перейдите на вкладку Макет – Линия тренда –
Дополнительные параметры линии тренда… — в диалоговом окне Формат линии
тренда выберите Полиномиальная 4-й степени затем Закрыть.

Рисунок 5 – Формат
линии тренда

Далее измените тип диаграммы на обычную гистограмму.

2.
Для осуществления прогноза в
области Название аппроксимирующей (сглаженной) кривой выберите Другое
и введите с клавиатуры Линия тренда.

3.
На диаграмме будет показана линия
тренда и прогноз на один период вперед (рис. 6).

Рисунок 6 – конечный
вид диаграммы и линии тренда задания 1

4.
Внесите численное значение
прогноза на 2012 г. в исходную таблицу. Если вы все сделали правильно, то
прогноз численности населения России по линии тренда составит 131 млн. чел.

Задание 3. Построить график о числе заключенных
населением России браков. Добавить линию тренда и составить прогноз на три
периода вперед.

Исходные данные представлены на рис. 7, результаты
работы на рис. 8.

Рисунок 7 – Исходные
данные для задания 3

Рисунок 8 – Конечный
вид графика и линии тренда задания 3

Задание
4. Построить линейчатую диаграмму изменения стоимости автомобилей в
зависимости от года выпуска. Добавить линейную и логарифмическую линии тренда.
Определить, какой вид линии тренда дает более реальный прогноз. Определить
примерную стоимость автомобилей 1998 и 1997 гг. выпуска.

Исходные данные представлены на рис. 9, результаты
работы на рис. 10.

Рисунок 9 – Исходные
данные для задания 4

Рисунок 10 – Конечный
вид диаграммы и линий тренда задания 4

Задание 5. По данным о численности работников
научных организаций (тыс. чел.) в России за 2000-2005 гг. произвести расчеты и
построить графики численности работников по категориям

Формула для расчета столбца «Прочие»:

Прочие = Всего работников — Специалисты –
Вспомогательный персонал.

Добавить линию тренда и составить прогноз изменений
численности специалистов на три года вперед.

Исходные данные представлены на рис. 11.

Рисунок 11 – Исходные
данные для задания 5

Задание 6. Произвести прогнозирование спроса
товаров народного потребления торгового центра на декабрь текущего года
добавлением к графику полиномиальной линии тренда

Исходные данные представлены на рис. 12.

Рисунок 12 – Исходные
данные для задания 6

Контрольные вопросы

1.
Какие статистические функции MS
Excel используют для регрессионного анализа и прогнозирования?

2.
Чем отличаются функции
прогнозирования в MS Excel?

3.
На какую диаграмму в MS Excel
можно добавить линию тренда?

4.
Как добавить линию тренда на
диаграмму?

Источник

Цель работы:изучить инструмент анализаMS
Excel Подбор
параметра;
приобрести навыки его применения для
решения прикладных задач.

Методические указания

К средствам
статистического анализа в среде
электронных таблиц MSExcel
относится, в первую очередь, Пакет
анализа.
Рассмотрим некоторые возможности этого
Пакета.

1. Использование статистических функций.

В MSExcel
имеется большое количество функций,
специально предназначенных для
статистического анализа данных.
Большинство из них доступны постоянно,
для применения некоторых следует
выполнить соответствующие настройки
(Параметры
Excel
– Надстройки – Пакет анализа).
Статистические функции позволяют
выполнить статистический анализ данных,
например, провести аппроксимирующую
прямую по множеству точек, вычислить
угол наклона этой прямой, точку ее
пересечения с осью Y
и т.д. Полный список статистических
функций приведен в категории Статистические
Мастера
функций.

2. Выполнение статистического анализа.

Для выполнения
статистического анализа данных следует
выбрать команду Анализ
данных. Если
эта команда недоступна, следует загрузить
Пакет анализа.
Затем в диалоговом окне Анализ
данных
следует выбрать нужную функцию, нажать
кнопку ОК,
установить параметры анализа. В диалоговом
окне Анализ
данных
предлагаются следующие функции:
Однофакторный дисперсионный анализ,
Двухфакторный дисперсионный анализ с
повторениями, Двухфакторный дисперсионный
анализ без повторений, Корреляция,
Ковариация, Описательная статистика,
Экспоненциальное сглаживание,
Двухвыборочный f-тест
для дисперсии, Анализ Фурье, Гистограмма,
Скользящее среднее, Генерация случайных
чисел, Ранг и персентиль, Регрессия,
Выборка, Парный двухвыборочный t-тест
для средних, Двухвыборочный t-тест
с одинаковыми дисперсиями, Двухвыборочный
t-тест
с различными дисперсиями, Двухвыборочный
z-тест
для средних. Рассмотрим некоторые из
этих функций.

а) Использование
равномерного распределения.

В качестве примера
моделирования последовательности
реальных данных рассмотрим задачу
измерения среднесуточной температуры
больного в течение двух недель. Пусть
значения измерений среднесуточной
температуры находятся в пределах от 37
до 39,8 градусов по Цельсию. Предположим,
что значения в заданном интервале
распределены равномерно. Для того, чтобы
создать последовательность, моделирующую
реальные данные, воспользуемся функцией
из Пакета
анализаГенерация
случайных чисел.
Для этого сначала следует задать на
рабочем листе MSExcel
диапазон, который будет содержать данную
последовательность. Затем выполнить
команду Сервис
– Анализ данных.
В появившемся окне диалога в списке
Инструменты
анализа
выбрать элемент Генерация
случайных чисел
(рис.1.1).

Рис.1.1. Окно диалога
Анализ данных

Рис.1.2. Окно диалога
Генерация случайных чисел

В окне диалога
Генерация
случайных чисел
в поле Число
переменных
введите единицу (рис.1.2). Это будет
означать, что число столбцов, которые
будут заполнены последовательностью
смоделированных данных, будет равно
единице. В поле Число
случайных чисел
ввести 14 (это соответствует числу дней,
в течение которых измерялась среднесуточная
температура). Затем в списке Распределение
выбрать элемент Равномерное,
в поляМежду
и ввести
значения 37 и 39,8 (эти значения определят
интервал распределения среднесуточной
температуры). В поле Случайное
рассеивание
можно ввести некоторую величину, в
случае, если необходимо создать несколько
одинаково распределенных последовательностей
с отличающимися значениями. Если
достаточно одной последовательности,
оставить это поле пустым. В поле Выходной
интервал
ввести ссылку на первую ячейку диапазона,
который должен быть заполнен
последовательностью и нажать кнопку
ОК
для генерации последовательности.
Результатом этих действий будет столбец
из 14 случайных значений от 37 до 39,8,
распределенных равномерно (рис.1.3).

Рис.1.3. Сгенерированная
последовательность случайных чисел,
распределенных равномерно

б)Гистограмма.

Это средство
используется для вычисления выборочных
и интегральных частот попадания данных
в указанные интервалы значений. При
этом рассчитываются частота попаданий
для заданного диапазона ячеек. Измеряемые
величины условно делятся на две группы:

— По своей природе
измеряемая величина является случайной.
При этом результат отдельного наблюдения
такой величины заранее неизвестен.

— Измеряемая
величина является по своей природе
постоянной. На измерение величин такого
типа оказывают влияние многочисленные
неконтролируемые внешние факторы,
приводящие к тому, что результаты
отдельных измерений неодинаковы. Поэтому
в процессе измерения постоянная величина
проявляется как случайная.

Для построения
гистограммы воспользуемся предыдущим
примером. В списке Инструменты
анализа
выбрать пункт Гистограмма.
В поле Входной интервал указать диапазон
$С$2:$С$15. В поле Интервал
карманов
ввести диапазон $A$2:$A$9.
Если не ввести Интервал
карманов,
MSExcel
по умолчанию создаст равномерно
распределенный диапазон. В качестве
Выходного
интервала
ввести ссылку на левую верхнюю ячейку
диапазона, в который будут помещены
результаты. Установить переключатель
Вывод графика
(рис.1.4-1.5).

Рис.1.4. Окно диалога
Гистограмма

Рис.1.5. Гистограмма

При построении
гистограмм можно использовать
дополнительные возможности, установив
соответствующие флажки в окне диалога
Гистограмма:

— Парето – позволяет
создавать копию результата, в которой
интервалы разбиения отсортированы по
возрастанию количества значений
случайной величины, попавших в интервал.

— Интегральный
процент – позволяет создавать
дополнительный столбец в результатах,
отражающий процент попаданий в каждый
интервал разбиения.

При помощи
построенных описанным способом гистограмм
можно быстро построить необходимое
распределение, если исходные значения
не подвергаются изменениям. В противном
случае следует воспользоваться
статистическими функциями MSExcel.

в)Сглаживание
данных.
При анализе данных часто из-за некоторых
внешних факторов и случайных колебаний
исследуемые величины не имеют четко
выраженной закономерности. Для того,
чтобы лучше понять и увидеть на гистограмме
закономерностей изменения величин,
используют сглаживание колебаний. Пакет
анализа предоставляет для этого два
метода: Скользящее среднее и экспоненциальное
сглаживание. При использовании этих
методов формулы в ячейки результатов
помещаются сразу, поэтому при изменении
входных данных будут автоматически
пересчитываться сглаживающие величины.

При использовании
метода Скользящее
среднее
для каждого интервала вычисляется
среднее арифметическое значение на
основе значений из нескольких предыдущих
интервалов (количество используемых
для этого интервалов задается в параметрах
сглаживания). При использовании метода
Экспоненциальное
сглаживание
следующее значение вычисляется как
среднее от значения точки данных на
текущем интервале и экспоненциального
сглаженного, полученного на предыдущей
итерации. При этом все предшествующие
текущему интервалы автоматически
включаются в вычисления на каждой
итерации; можно задать весовой коэффициент
для текущего интервала, который будет
являться фактором затухания. Чем выше
этот коэффициент, тем выше степень
затухания.

Рассмотрим
применение этих методов на предыдущем
примере. Для того, чтобы воспользоваться
методом Скользящее
среднее
в окне диалога команды меню Сервис
– Анализ данных
следует выбрать средство Скользящее
среднее
(рис.1.6-1.7).

Рис.1.6. Окно диалога
Скользящее среднее

Для того, чтобы
правильно заполнить поля появившегося
окна диалога, воспользуйтесь таблицей
1.1.

Таблица 1.1.

Данные для заполнения
окна диалога Скользящее среднее

Поле	Описание
Входной интервал	Диапазон исходных данных для сглаживания.
Выходной интервал	Верхняя левая ячейка диапазона результатов. Имеет столько же строк, сколько и входной диапазон.
Входной интервал	Диапазон исходных данных для сглаживания.
Интервал	Число используемых предшествующих периодов. Чем больше количество интервалов, тем выше степень сглаженности и ниже информативность.
Стандартные погрешности	В результат добавляется столбец, содержащий статистическую оценку ошибки.
Вывод графика	По результатам анализа автоматически создается диаграмма.

Рис.1.7. Результат
работы метода Скользящее среднее

Чтобы построить
Экспоненциальное
сглаживание,
в диалоговом окне команды меню Сервис
– Анализ данных выбрать элемент
Экспоненциальное
сглаживание.
Ниже представлены заполненные поля
ввода окна диалога Экспоненциальное
сглаживание (рис.1.8).

Рис.1.8. Окно диалога
Экспоненциальное сглаживание

Результаты
Экспоненциального сглаживания
представлены ниже (рис.1.9).

Рис.1.9. Результат
работы метода Экспоненциальное
сглаживание

Если при применении
методов Скользящее среднее и
Экспоненциальное сглаживание некоторые
ячейки содержат значения ошибки, это
означает, что у этих ячеек не существует
трех предшествующих интервалов.

Прогнозирование
данных при помощи линии тренда.

Линии тренда
являются статистическим инструментом,
при помощи которого можно анализировать
тренды и делать прогнозы, а также давать
представление о степени достоверности
отображаемых на диаграмме данных. Линию
тренда можно добавить к любому ряду
данных, использующему ненормированные
плоские диаграммы. Линия тренда
связывается с рядом данных, к которому
была добавлена, и автоматически
пересчитывается и обновляется при
изменении значений любых точек ряда
данных. При создании линии тренда на
основе данных диаграммы применяется
один их пяти типов аппроксимирующих
линий: линейная, логарифмическая,
полиноминальная, степенная и
экспоненциальная. При построении линии
тренда предоставляется возможность
выбирать значения пересечения линии
тренда с осью Y, добавлять к диаграмме
уравнение аппроксимации и величину
достоверности аппроксимации (R-квадрат).
Чем ближе значение величины достоверности
аппроксимации к 1, тем достовернее
прогноз данных.

Для того, чтобы
добавить линию тренда, следует выделить
нужный ряд данных, в контекстном меню
выбрать командуДобавить
линию тренда.

Рис.1.10. Окно диалога
Линия тренда

В
появившемся окне диалога на вкладке
Тип
указать тип аппроксимирующей линии; на
вкладке Параметры
установить параметры линии тренда:
автоматическое (для линии тренда
используется название ряда данных),
другое (позволяет ввести новое название
линии тренда в текстовое поле), прогноз
вперед на и назад на (соответственно
прогнозируются данные вперед на указанное
число периодов или определяется история
данных назад на указанное число периодов);
пересечение кривой с осью Y в точке (по
умолчанию вычисляется на основе данных);
показывать уравнение на диаграмме
(Выводится уравнение аппроксимации на
диаграмму в виде несвязанного текстового
поля); поместить на диаграмму величину
достоверности аппроксимации (осуществляется
вывод на диаграмму величины R^2 в виде
несвязанного текстового поля).

Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]

Источник