10. Результати досліджень

На рис.10.1 наведено графічну ілюстрацію заданого часового ряду та прогнозування, створеного на основі ППС, ПДС та ЕК.

Рисунок 10.1 – Графічна ілюстрація заданого часового ряду та прогнозування, створеного на основі ППС, ПДС та ЕК

Висновок: В даній лабораторній роботі було досліджено формування прогнозів на основі методу кривих зростання(спадання), які описаного у пунктах 2,3 та 4. При порівнянні заданих методів, було взято за критерії оцінювання два значення: похибка прогнозу та коефіцієнт детермінації. Для ППС похибка прогнозу дорівнює 5513,2, для ПДС дорівнює 2125,2, а для ЕК вона дорівнює 7301,2 + 6562,1i, а коефіцієнт детермінації дорівнює у ППС це 0,749, у ПДС 0,956 та у ЕК 0,89619 – 0,52429i. Дивлячись на похибку прогнозу саме прогнозованої 21-ої точки, наведеної у табл. 9.1, можна сказати, що ПДС є набагато точнішим для заданого часового ряду. Після програмної реалізації даних прогнозів та проведення їх порівняльної характеристики між собою з реальним результатом прогнозованої точки у часовому ряді можна зробити висновок, що дані методи для заданого часового ряду є зовсім не точними, адже середня абсолютна відсоткова помилка дорівнює 93,6%, 156,90% та 73,33% відповідно, то ми побачимо, що ЕК є набагато точнішим за ППС та ПДС. Звісно ж, значення MAPE що у ЕК, що у методу ПДС та ППС є незадовільними, якщо брати стандартні значення для прогнозів в цілому, проте у даному випадку ЕК є кращим. Але за коефіцієнтом детермінації, який повинен наближатися до одиниці, ПДС є кращим до цього часового ряду, а ніж ППС та ЕК. Візуальний аналіз свідчить про те, що ППС і ЕК є неприйнятними і прогноз по таким моделям буде сильно занижений. Ближче всіх до фактичних даних знаходяться рівні ряду, вирівняного по ПДС, хоча прогноз трохи завищений. Але якщо все ж таки потрібно використати один з наведених прогнозів, то для заданого часового ряду кращим буде ПДС.