Автор: Пользователь скрыл имя, 17 Января 2011 в 16:35, курсовая работа
Цель данной работы заключается в построении прогноза по статистическим данным индустрии гостеприимства собранным за несколько предыдущих лет и анализ прогноза на будущий период.
Задачи данной работы могут быть сформулированы следующим образом: раскрытие понятия о временных рядах и существующих в индустрии гостеприимства методах построения прогнозов; приведение конкретного примера с помощью программы Statgraphics Plus - анализ данных по ежемесячной загрузке гостиниц Северной Ирландии, выявление трендов и моделей сезонности, анализ случайности; построение прогноза с помощью функции автоматическое прогнозирование и анализ полученных данных с их дальнейшей трактовкой и выработкой конкретных рекомендаций и выводов по данной ситуации.
Введение…………………………………………………………….……………3
I. Теоретическое обоснование прогнозирования в индустрии гостеприимства и туризма
1.Сущность и методы прогнозирования…………………………….…….….5
2.Понятие временных рядов и основные этапы их анализа……………....…7
3.Общая характеристика STATGRAPHICS и его особенности………….....10
II. Анализ временных рядов в STATGRAPHICS…………………………..12
III. Автоматическое прогнозирование временных рядов………………...22
Заключение………………………………………………………………….…..31
Список использованной литературы………………………………………..32
Приложения………………………………………………………………….….33
6.03 56,0 1,86111
7.03 50,0 0,111111
8.03 60,0 1,375
9.03 57,0 -0,784722
10.03 50,0 0,5625
11.03 44,0 -1,75
12.03 35,0 0,0902778
------------------------------
The StatAdvisor
---------------
This table shows the 84 values of Occupancy rate. Also tabulated
are the adjusted data values.
Estimated Autocorrelations
for adjusted Occupancy rate
Lag Autocorrelation Stnd. Error Prob. Limit Prob. Limit
------------------------------
1 -0,32131 0,109764 -0,215134 0,215134
2 0,137265 0,120565 -0,236303 0,236303
3 -0,0654079 0,122433 -0,239965 0,239965
4 -0,219639 0,122854 -0,240789 0,240789
5 0,0638666 0,127497 -0,24989 0,24989
6 -0,00440587 0,127882 -0,250644 0,250644
7 -0,0791484 0,127884 -0,250648 0,250648
8 -0,0149383 0,128472 -0,251802 0,251802
9 0,0719283 0,128493 -0,251843 0,251843
10 -0,185647 0,128978 -0,252792 0,252792
11 0,275665 0,132158 -0,259025 0,259025
12 -0,203394 0,138913 -0,272265 0,272265
13 -0,00962871 0,142456 -0,279209 0,279209
14 0,0946969 0,142464 -0,279224 0,279224
15 -0,0370083 0,14322 -0,280706 0,280706
16 0,0186169 0,143335 -0,280932 0,280932
17 -0,0531869 0,143364 -0,280989 0,280989
18 -0,110279 0,143602 -0,281455 0,281455
19 0,0740769 0,144619 -0,283448 0,283448
20 0,143558 0,145075 -0,284342 0,284342
21 0,0251969 0,146776 -0,287677 0,287677
22 -0,0581803 0,146829 -0,287779 0,287779
23 0,0466397 0,147106 -0,288323 0,288323
24
-0,110352 0,147284
-0,288672 0,288672
The StatAdvisor
---------------
This table shows the estimated autocorrelations between values of
adjusted Occupancy rate at various lags. The lag k autocorrelation
coefficient measures the correlation between values of adjusted
Occupancy rate at time t and time t-k. Also shown are 95,0%
probability limits around 0.0. If the probability limits at a
particular lag do not contain the estimated coefficient, there is a
statistically significant correlation at that lag at the 95,0%
confidence level. In this case, 2 of the 24 autocorrelation
coefficients are statistically significant at the 95,0% confidence
level, implying that the time series may not be completely random
(white noise). You can plot the autocorrelation coefficients by
selecting Autocorrelation Function
from the list of Graphical Options.
Estimated Partial Autocorrelations
for adjusted Occupancy rate
Partial
Lag Autocorrelation Stnd. Error Prob. Limit Prob. Limit
------------------------------
1 -0,32131 0,109764 -0,215134 0,215134
2 0,0379416 0,109764 -0,215134 0,215134
3 -0,0120449 0,109764 -0,215134 0,215134
4 -0,277431 0,109764 -0,215134 0,215134
5 -0,0938212 0,109764 -0,215134 0,215134
6 0,037361 0,109764 -0,215134 0,215134
7 -0,122666 0,109764 -0,215134 0,215134
8 -0,18202 0,109764 -0,215134 0,215134
9 0,0487897 0,109764 -0,215134 0,215134
10 -0,179655 0,109764 -0,215134 0,215134
11 0,0950107 0,109764 -0,215134 0,215134
12 -0,112283 0,109764 -0,215134 0,215134
13 -0,178796 0,109764 -0,215134 0,215134
14 0,00844816 0,109764 -0,215134 0,215134
15 0,082996 0,109764 -0,215134 0,215134
16 -0,113466 0,109764 -0,215134 0,215134
17 -0,19279 0,109764 -0,215134 0,215134
18 -0,148472 0,109764 -0,215134 0,215134
19 0,0254297 0,109764 -0,215134 0,215134
20 0,100718 0,109764 -0,215134 0,215134
21 0,0972644 0,109764 -0,215134 0,215134
22 -0,241981 0,109764 -0,215134 0,215134
23 0,0467797 0,109764 -0,215134 0,215134
24
0,0927454 0,109764
-0,215134 0,215134
The StatAdvisor
---------------
This table shows the estimated partial autocorrelations between
values of adjusted Occupancy rate at various lags. The lag k partial
autocorrelation coefficient measures the correlation between values of
adjusted Occupancy rate at time t and time t+k having accounted for
the correlations at all lower lags. It can be used to judge the order
of autoregressive model needed to fit the data. Also shown are 95,0%
probability limits around 0.0. If the probability limits at a
particular lag do not contain the estimated coefficient, there is a
statistically significant correlation at that lag at the 95,0%
confidence level. In this case, 3 of the 24 partial autocorrelation
coefficients are statistically significant at the 95,0% confidence
level. You can plot the partial autocorrelation coefficients by
selecting Partial Autocorrelation Function from the list of Graphical
Options.
Periodogram for adjusted Occupancy
rate
Frequency Period Ordinate Sum Periodogram
------------------------------
0,0
0,0120482 83,0 0,424876 0,424876 0,00161144
0,0240964 41,5 0,871476 1,29635 0,00491673
0,0361446 27,6667 1,22637 2,52273 0,00956805
0,0481928 20,75 2,30114 4,82387 0,0182957
0,060241 16,6 8,44248 13,2663 0,0503158
0,0722892 13,8333 4,07778 17,3441 0,0657818
0,0843373 11,8571 0,866804 18,2109 0,0690693
0,0963855 10,375 11,6215 29,8325 0,113147
0,108434 9,22222 2,60917 32,4416 0,123043
0,120482 8,3 3,27417 35,7158 0,135461
0,13253 7,54545 6,16468 41,8805 0,158842
0,144578 6,91667 2,87434 44,7548 0,169743
0,156627 6,38462 12,2789 57,0337 0,216314
0,168675 5,92857 2,31815 59,3519 0,225106
0,180723 5,53333 1,27527 60,6272 0,229943
0,192771 5,1875 10,2656 70,8928 0,268878
0,204819 4,88235 9,47253 80,3653 0,304805
0,216867 4,61111 0,322448 80,6878 0,306028
0,228916 4,36842 0,414878 81,1026 0,307601
0,240964 4,15 1,18801 82,2907 0,312107
0,253012 3,95238 2,39235 84,683 0,321181
0,26506 3,77273 3,55005 88,2331 0,334645
0,277108 3,6087 3,91529 92,1483 0,349495
0,289157 3,45833 3,66879 95,8171 0,363409
0,301205 3,32 1,16198 96,9791 0,367817
0,313253 3,19231 5,29911 102,278 0,387915
0,325301 3,07407 0,699018 102,977 0,390566
0,337349 2,96429 0,546638 103,524 0,392639
0,349398 2,86207 23,8791 127,403 0,483206
0,361446 2,76667 10,1875 137,59 0,521845
0,373494 2,67742 25,3523 162,943 0,618
0,385542 2,59375 6,34195 169,285 0,642053
0,39759 2,51515 6,92768 176,212 0,668328
0,409639 2,44118 2,93144 179,144 0,679446
0,421687 2,37143 0,955928 180,1 0,683072
0,433735 2,30556 26,824 206,924 0,784808
0,445783 2,24324 4,73742 211,661 0,802776
0,457831 2,18421 33,0613 244,723 0,928169
0,46988 2,12821 12,1226 256,845 0,974147
0,481928 2,075 5,0211 261,866 0,993191
0,493976
2,02439 1,7954
263,662 1,0
The StatAdvisor
---------------
This table shows the periodogram ordinates for adjusted Occupancy
rate. It is often used to identify cycles of fixed frequency in the
data. The periodogram is constructed by fitting a series of sine
functions at each of 42 frequencies. The ordinates are equal to the
squared amplitudes of the sine functions. The periodogram can be
thought of as an analysis of variance by frequency, since the sum of
the ordinates equals the total corrected sum of squares in an ANOVA
table. You can plot the periodogram ordinates by selecting
Periodogram from the list of
Graphical Options.
Tests for Randomness of adjusted
Occupancy rate
Runs above and below median
---------------------------
Median = 0,25
Number of runs above and below median = 51
Информация о работе Прогнозирование в индустрии гостеприимства и туризма