Математические методы обработки экспериментальных данных в экономике, Чураков Е.П., 2004

Математические методы обработки экспериментальных данных в экономике, Чураков Е.П., 2004.

  Материал пособия базируется на результатах обработки разнообразной информации, определяющей состояние экономических объектов.
Большое внимание уделено различным методам оценивания рефессионных параметров.
Известные алгоритмы прогнозирования стохастических рядов, основанные на моделях типа AR, МА, ARMA, AR1MA, обобщаются в форме матрично-векторной модели в терминах стохастического вектора состояния, и на ее основе строится рекуррентный алгоритм прогнозирования калмановского вида.
Для студентов экономических специальностей ВУЗов и аспирантов, выполняющих научные исследования в области математических методов.

Математические методы обработки экспериментальных данных в экономике, Чураков Е.П., 2004

Проблема восстановления зависимостей по экспериментальным данным.
Одной из важных проблем, возникающих при исследовании экономических процессов, явлений, систем и т.п. (обобщенно — объектов исследования (ОИ)), выступает поиск и математическое описание зависимостей между различными величинами, тем или иным образом взаимодействующими между собой и определяющими состояние изучаемого объекта. Так, при исследовании сельскохозяйственного процесса может представлять интерес зависимость урожайности некоторой культуры от количества вносимого удобрения; при решении социальных проблем исследованию может быть подвергнута зависимость среднедушевых сбережений от среднедушевых доходов семьи; при анализе технологического процесса небезынтересной может оказаться зависимость производительности технологической установки от некоторых характеристик используемого сырья и т. п.

В подобного рода ситуациях все участвующие в формировании изучаемой проблемы величины целесообразно разбить на две группы. Входящие в первую группу величины непосредственно характеризуют состояние объекта исследования, их количественные значения являются отражением наших представлений о том, насколько хорошо или плохо «выглядит» исследуемый объект. Эти величины изменяются под действием различного рода факторов, влияющих на них и образующих вторую группу величин. Так, в упомянутых примерах первая группа будет соответственно включать в себя урожайность, среднедушевые сбережения, производительность, вторая - количество удобрений, среднедушевые доходы, характеристики сырья. Механизм взаимодействия между величинами обеих групп, вообще говоря, неизвестен. Поэтому исследуемый объект можно представить как «черный ящик», причем величины первой группы удобно интерпретировать как своеобразные выходы «ящика», а величины второй группы - как входы этого «ящика» (рис. 1.1).

Оглавление
Первая часть.
Математические методы восстановления зависимостей по экспериментальным данным.
Глава 1. Задачи регрессионного анализа и предварительный анализ данных.
Проблема восстановления зависимостей по экспериментальным данным.
Функция регрессии и регрессионная модель эндогенных переменных.
Модели, аппроксимирующие функцию регрессии. Гауссовская регрессия.
Некоторые специальные случайные величины и их свойства.
Предварительный (дорегрессионный) анализ зависимости эндогенной и экзогенных переменных.
Глава 2. Методы оценивания параметров регрессионных моделей.
Проблема оценивания и общие характеристики точечных оценок. Неравенство Рао-Крамера.
Операции многомерного дифференцирования.
Метод наименьших квадратов.
Максимально правдоподобные оценки регрессионных параметров.
Метод максимума апостериорной плотности вероятностей.
Байесовские оценки регрессионных параметров.
Минимаксные оценки рефессионных параметров.
Вторая часть.
Математические методы обработки временных рядов.
Глава 3. Структурно детерминированные временные ряды.
Математические модели структурно детерминированных временных рядов.
Ортонормированные системы функций.
Предварительное (локальное) сглаживание временных рядов.
Линейное прогнозирование структурно детерминированных рядов.
Рекуррентное прогнозирование структурно детерминированных рядов.
Анализ адекватности модели тренда временного ряда.
Глава 4. Стохастические временные ряды.
Случайные процессы (начальные определения и классификация).
Одномерные характеристики случайного процесса.
Многомерные характеристики случайного процесса. Марковские процессы.
Ковариационные и взаимные ковариационные функции случайных процессов. Белый шум
Стационарные и эргодические случайные процессы.
Спектральная плотность случайного процесса.
Преобразование случайного процесса линейным оператором.
Преобразование случайного процесса оператором свертки.
Формирующие фильтры.
Типовые модели стохастических временных рядов эконометрики.
Стохастический вектор состояния. Обобщенная матрично-векторная модель временного ряда.
Рекуррентный алгоритм прогнозирования стохастических временных рядов (калмановский фильтр).
Нелинейная параметрическая идентификация модели стохастического временного ряда.
Обобщенный рекуррентный алгоритм прогнозирования стохастических временных рядов.
Приложение 1. Операционные методы исследования динамических систем.
Приложение 2. Калмановское прогнозирование развития отдельных отраслей экономики. России.
Литература.
Предметный указатель.



Бесплатно скачать электронную книгу в удобном формате, смотреть и читать:
Скачать книгу Математические методы обработки экспериментальных данных в экономике, Чураков Е.П., 2004 - fileskachat.com, быстрое и бесплатное скачивание.

Скачать pdf
Ниже можно купить эту книгу по лучшей цене со скидкой с доставкой по всей России.Купить эту книгу



Скачать книгу Математические методы обработки экспериментальных данных в экономике, Чураков Е.П., 2004 - pdf - depositfiles.

Скачать книгу Математические методы обработки экспериментальных данных в экономике, Чураков Е.П., 2004 - pdf - Яндекс.Диск.
Дата публикации:





Теги: :: :: ::


Следующие учебники и книги:
Предыдущие статьи:


 


 

Книги, учебники, обучение по разделам




Не нашёл? Найди:





2024-03-19 00:14:59