પર પોસ્ટ કરવામાં આવ્યું http://www.allbest.ru/

યોજના

પરિચય

1. આર્થિક અને ગાણિતિક આગાહીની પદ્ધતિઓનો સાર અને વર્ગીકરણ

1.1 આર્થિક અને ગાણિતિક આગાહીની મૂળભૂત પદ્ધતિઓ

1.2 પરિદ્રશ્ય નિષ્ણાત આગાહીઓ માટે ટેકનોલોજીના મૂળભૂત વિચારો

2. આર્થિક અને ગાણિતિક આગાહીમાં માહિતી તકનીકોનો ઉપયોગ

નિષ્કર્ષ

વપરાયેલ સાહિત્યની સૂચિ

પરિચય

આપણા દેશની આર્થિક વ્યવસ્થા, જે 80 ના દાયકાના અંત સુધીમાં વિકસિત થઈ હતી, તે પ્રમાણમાં ઊંચી સામગ્રી અને ઉત્પાદનની મૂડી તીવ્રતા, વૈજ્ઞાનિક અને તકનીકી પ્રગતિના વિકાસના નીચા દરો અને નોંધપાત્ર આર્થિક અસંતુલન દ્વારા વર્ગીકૃત થયેલ છે. નીચી શ્રમ ઉત્પાદકતા, તકનીકી અને તકનીકી પછાતતા, પર્યાવરણીય અધોગતિ, ઔદ્યોગિક ઉત્પાદનનું નીચું સ્તર અને માળખાકીય અસંતુલનને લગતી સમસ્યાઓ આર્થિક સુધારા દ્વારા હલ થવાની હતી.

ઘણા વર્ષોના આર્થિક સુધારાઓ દરમિયાન, માત્ર સંખ્યાબંધ વ્યૂહાત્મક સમસ્યાઓનું નિરાકરણ શક્ય બન્યું, ખાસ કરીને, વસ્તીની નાણાકીય માંગ અને ઉપભોક્તા ચીજવસ્તુઓના પુરવઠા વચ્ચેના સંબંધમાં સુધારો પ્રાપ્ત કરવા. પરંતુ આ પછીના ઉત્પાદનમાં વધારાને કારણે નહીં, પરંતુ વસ્તીના મુખ્ય ભાગની વાસ્તવિક આવકમાં ઘટાડો થવાને કારણે પ્રાપ્ત થયું હતું.

રશિયન ફેડરેશનની વર્તમાન સામાજિક-આર્થિક પરિસ્થિતિ તીવ્ર માળખાકીય કટોકટી દ્વારા વર્ગીકૃત થયેલ છે, જેના કારણે જીવનધોરણમાં તીવ્ર ઘટાડો થયો છે. આ કટોકટી, અન્ય વસ્તુઓની સાથે, ઔદ્યોગિક અને ઉપભોક્તા ચીજવસ્તુઓના ઉત્પાદનમાં ઘટાડો અને સંખ્યાબંધ કેસોમાં, ઔદ્યોગિક સાહસોના ઉત્પાદન અને આર્થિક પ્રવૃત્તિઓ બંધ થવામાં વ્યક્ત થાય છે. આ પરિસ્થિતિના પરિણામે, સામાજિક જરૂરિયાતો પર ખર્ચમાં ઘટાડો થયો છે. કટોકટીની પરિસ્થિતિનું બીજું મહત્વનું પાસું એ છે કે સ્થાનિક ઉત્પાદકો માટેના ઉત્પાદનો માટે માત્ર આંતરરાષ્ટ્રીય જ નહીં, પરંતુ સ્થાનિક પ્રાદેશિક બજારોનું પણ નુકસાન.

સ્થાનિક ઉત્પાદનમાં ઘટાડો, સ્વાભાવિક રીતે, ઔદ્યોગિક માલસામાન અને ખાસ કરીને ઉપભોક્તા માલની વ્યાપક આયાતની જરૂરિયાતને પૂર્વનિર્ધારિત કરે છે, ખાસ કરીને ખોરાક જેવી મહત્વની વસ્તુ. બદલામાં, આયાતના જથ્થાને વિસ્તારવા માટે વિદેશી ચલણ ખરીદવા માટે નિકાસને ઉત્તેજિત કરવાની જરૂર છે. પરંતુ સ્થાનિક ઉત્પાદનોની હાલમાં આંતરરાષ્ટ્રીય બજારોમાં કોઈ પ્રવેશ નથી (વિવિધ કારણોસર - નીચી ગુણવત્તા, સ્પર્ધાત્મકતાનો અભાવ, વગેરે), કાચા માલની નિકાસ કરવામાં આવે છે - તેલ, ગેસ, અયસ્ક, લાકડું, જે સામાન્ય રાજ્ય પર અત્યંત નકારાત્મક અસર કરે છે. અર્થતંત્ર દેશોની.

મોંઘવારીનો દર ધીમો પડી જાય તો પણ જે સમસ્યાઓ ઊભી થઈ છે તેનું નિરાકરણ નહીં આવે. તદુપરાંત, ઔદ્યોગિક ઉત્પાદનના ઘણા ક્ષેત્રોમાં નાના રોકાણો સ્પષ્ટ, વાસ્તવિક આયોજન અને આર્થિક પ્રક્રિયાઓની આગાહીની ગેરહાજરીમાં સંપૂર્ણપણે બિનઅસરકારક છે.

આજે આર્થિક સંશોધન અને આગાહીઓની અસરકારકતા મોટાભાગે તેના પર નિર્ભર છે કે તેઓ આર્થિક પ્રક્રિયાઓની લાક્ષણિકતાઓને કેવી રીતે સંપૂર્ણ અને સચોટ રીતે પ્રતિબિંબિત કરે છે. તે જ સમયે, સંશોધનની વિશ્વસનીયતા અને માન્યતા પર સૌથી નોંધપાત્ર અસર એવા સૂચકાંકો દ્વારા કરવામાં આવે છે જે જટિલતા, ઝડપ, અનિશ્ચિતતા અને આર્થિક પ્રક્રિયાઓના અમલીકરણ માટે વિકલ્પોની સંભવિત સંખ્યાને દર્શાવે છે.

વર્તમાન તબક્કે, આર્થિક પ્રક્રિયાઓમાં ઉચ્ચ સ્તરના ગતિશીલ પરિવર્તન, તેમની તીવ્ર વધારો જટિલતા, બિન-નિર્ધારણવાદ અને બિન-રેખીયતાની પરિસ્થિતિઓમાં મેનેજમેન્ટ નિર્ણયો તૈયાર કરવા અને લેવા જરૂરી છે. તે જ સમયે, આર્થિક પ્રક્રિયાઓના વિકાસ માટે આગાહીના વિકલ્પો વિકસાવતી વખતે, તેમના આગળના વિકાસની જટિલતા, સુસંગતતા, મલ્ટિફેક્ટોરિયલ અને મલ્ટિવેરિયેટ પ્રકૃતિને ધ્યાનમાં લેવી જરૂરી છે.

કાર્યનો હેતુ આર્થિક અને ગાણિતિક આગાહી પદ્ધતિઓના સાર, વર્ગીકરણ અને સાધનોનો અભ્યાસ કરવાનો છે.

1) આર્થિક અને ગાણિતિક આગાહીની પદ્ધતિઓના સાર અને વર્ગીકરણનો અભ્યાસ કરો

2) આર્થિક અને ગાણિતિક આગાહીમાં માહિતી ટેકનોલોજીના ઉપયોગને ધ્યાનમાં લો

1. પદ્ધતિઓનો સાર અને વર્ગીકરણઆર્થિક-ગાણિતિકઆગાહી

1.1 આર્થિક અને ગાણિતિક આગાહીની મૂળભૂત પદ્ધતિઓ

ચાલો આપણે સામાજિક-આર્થિક ક્ષેત્રમાં વપરાતી વિવિધ આગાહી પદ્ધતિઓ (અનુમાન, એક્સ્ટ્રાપોલેશન) ને ટૂંકમાં ધ્યાનમાં લઈએ. આગાહીના મુદ્દાઓ પર મોટી સંખ્યામાં પ્રકાશનો છે. અર્થશાસ્ત્રના ભાગ રૂપે, એક વૈજ્ઞાનિક અને શૈક્ષણિક શિસ્ત છે "આગાહીની ગાણિતિક પદ્ધતિઓ". તેનો ધ્યેય સામાજિક-આર્થિક ઘટનાઓ અને પ્રક્રિયાઓની આગાહી (ખાસ કરીને, આંકડાકીય, નિષ્ણાત, સંયુક્ત) ની આધુનિક ગાણિતિક પદ્ધતિઓનો વિકાસ, અભ્યાસ અને ઉપયોગ છે, અને પદ્ધતિઓ એવા સ્તરે વિકસિત થવી જોઈએ જે તેમને ઉપયોગમાં લઈ શકાય. અર્થશાસ્ત્રી, એન્જિનિયર અને મેનેજરની વ્યવહારિક પ્રવૃત્તિઓ.

આ શિસ્તના મુખ્ય ઉદ્દેશોમાં આધુનિક ગાણિતિક અને આંકડાકીય આગાહી પદ્ધતિઓનો વિકાસ, અભ્યાસ અને ઉપયોગનો સમાવેશ થાય છે (અનુમાનની ચોકસાઈના મૂલ્યાંકન સાથે બિન-પેરામેટ્રિક લઘુત્તમ ચોરસ પદ્ધતિઓ સહિત), સિદ્ધાંત અને વ્યવહારનો વિકાસ. નિષ્ણાત આગાહી પદ્ધતિઓનો સમાવેશ થાય છે, જેમાં બિન-સંખ્યાત્મક ડેટાના આંકડા પર આધારિત નિષ્ણાત આકારણીઓનું વિશ્લેષણ કરવાની પદ્ધતિઓ, જોખમની પરિસ્થિતિઓ હેઠળ આગાહી કરવાની પદ્ધતિઓ અને સંયુક્ત રીતે આર્થિક-ગાણિતિક અને અર્થમિતિ (બંને આંકડાકીય અને નિષ્ણાત) મોડેલોનો ઉપયોગ કરીને સંયુક્ત આગાહી પદ્ધતિઓનો સમાવેશ થાય છે. આગાહી પદ્ધતિઓનો સૈદ્ધાંતિક આધાર ગાણિતિક વિદ્યાશાખાઓ છે (મુખ્યત્વે સંભાવના સિદ્ધાંત અને ગાણિતિક આંકડા, સ્વતંત્ર ગણિત, કામગીરી સંશોધન), તેમજ આર્થિક સિદ્ધાંત, આર્થિક આંકડા, વ્યવસ્થાપન, સમાજશાસ્ત્ર, રાજકીય વિજ્ઞાન અને અન્ય સામાજિક-આર્થિક વિજ્ઞાન.

વૈજ્ઞાનિક વ્યવસ્થાપનના સ્થાપક હેનરી ફાયોલના સમયથી સામાન્ય રીતે સ્વીકારવામાં આવ્યું છે તેમ, આગાહી અને આયોજન એ મેનેજરના કાર્યનો આધાર છે. ઇકોનોમેટ્રિક આગાહીનો સાર એ ભવિષ્યના વિકાસનું વર્ણન અને વિશ્લેષણ છે, આયોજનથી વિપરીત, જેમાં ભાવિ ચળવળ પૂર્વનિર્ધારિત છે. ઉદાહરણ તરીકે, આગાહી કરનારનો નિષ્કર્ષ એ હોઈ શકે છે કે એક કલાકમાં આપણે બિંદુ A થી 5 કિમીથી વધુ ચાલી શકતા નથી, અને આયોજકની સૂચના છે કે એક કલાકમાં આપણે બિંદુ B પર હોવું જરૂરી છે. તે સ્પષ્ટ છે કે જો A વચ્ચેનું અંતર અને જો તે 5 કિમીથી વધુ ન હોય, તો યોજના વાસ્તવિક (શક્ય) છે, પરંતુ જો તે 10 કિમીથી વધુ હોય, તો તે આપેલ શરતો હેઠળ અમલમાં મૂકી શકાતી નથી. અવાસ્તવિક યોજનાને છોડી દેવી, અથવા તેના અમલીકરણ માટે અન્ય શરતો પર સ્વિચ કરવું જરૂરી છે, ઉદાહરણ તરીકે, પગથી નહીં, પરંતુ કાર દ્વારા. માનવામાં આવેલ ઉદાહરણ આગાહી પદ્ધતિઓની ક્ષમતાઓ અને મર્યાદાઓ દર્શાવે છે. જેમ કે, આ પદ્ધતિઓ સફળતાપૂર્વક લાગુ કરી શકાય છે જો પરિસ્થિતિના વિકાસમાં થોડી સ્થિરતા હોય અને જ્યારે અચાનક ફેરફારો થાય ત્યારે નિષ્ફળ જાય.

આગાહી પદ્ધતિઓનો ઉપયોગ કરવાના વિકલ્પોમાંનો એક એ છે કે "વાહિયાતમાં ઘટાડો" દ્વારા ફેરફારોની જરૂરિયાતને ઓળખવી. ઉદાહરણ તરીકે, જો પૃથ્વીની વસ્તી દર 50 વર્ષે બમણી થાય છે, તો પછી કેટલા વર્ષો પછી પૃથ્વીની સપાટીના ચોરસ મીટર દીઠ 10,000 લોકો હશે તેની ગણતરી કરવી મુશ્કેલ નથી. આ આગાહી પરથી તે અનુસરે છે કે વસ્તી વૃદ્ધિની પેટર્ન બદલવી જોઈએ.

આગાહી દરમિયાન ઓળખાતા અનિચ્છનીય વલણોને ધ્યાનમાં લેવાથી તેમને અટકાવવા માટે જરૂરી પગલાં લેવાનું શક્ય બને છે અને તેથી આગાહીના અમલીકરણને અટકાવવામાં આવે છે.

સ્વ-પરિપૂર્ણ આગાહીઓ પણ છે. ઉદાહરણ તરીકે, જો સાંજનું ટેલિવિઝન પ્રસારણ કોઈ ચોક્કસ બેંકની નિકટવર્તી નાદારીની આગાહી કરે છે, તો પછી બીજા દિવસે સવારે આ બેંકના ઘણા થાપણદારો તેમના નાણાં મેળવવા માંગશે, બેંકના પ્રવેશદ્વાર પર ભીડ એકઠી થશે, અને બેંકિંગ કામગીરીને અટકાવવી પડશે. અટકાવવામાં આવશે. પત્રકારો આ પરિસ્થિતિને આ શબ્દો સાથે વર્ણવે છે: "બેંક ફાટી ગઈ છે." સામાન્ય રીતે, આ માટે તે પૂરતું છે કે એક "અદ્ભુત" (બેંક માટે) ક્ષણે, થાપણદારો થાપણ ખાતામાંથી નોંધપાત્ર હિસ્સો (કહો, 30%) પાછી ખેંચવા માંગે છે.

સમજશક્તિ અને સંચાલનના આધાર તરીકે આગાહી એ એક વિશિષ્ટ પ્રકારનું મોડેલિંગ છે.

દેશ, ઉદ્યોગ, પ્રદેશ અને એન્ટરપ્રાઇઝના સંચાલનમાં આગાહીની ભૂમિકા સ્પષ્ટ છે. STEP પરિબળો (સામાજિક, તકનીકી, આર્થિક, રાજકીય), સ્પર્ધાત્મક વાતાવરણના પરિબળો અને વૈજ્ઞાનિક અને તકનીકી પ્રગતિ, તેમજ એકંદરે સાહસો અને સમાજના ખર્ચ અને આવકની આગાહી કરવી જરૂરી છે. ઉત્પાદન જીવન ચક્ર - સમયસર અને આંતરરાષ્ટ્રીય ધોરણ ISO 9004 ના 11 તબક્કામાં). અર્થશાસ્ત્રીય આગાહીની ગાણિતિક પદ્ધતિઓના અમલીકરણ અને વ્યવહારિક ઉપયોગની સમસ્યાઓ મુખ્યત્વે આપણા દેશમાં આવા સંશોધનમાં પૂરતા વ્યાપક અનુભવના અભાવ સાથે સંકળાયેલી છે, કારણ કે દાયકાઓથી આયોજનને આગાહી કરતાં પ્રાથમિકતા આપવામાં આવી રહી છે.

આંકડાકીય આગાહી પદ્ધતિઓ. આગાહી માટે ઉપયોગમાં લેવાતી નિર્ભરતાને પુનઃસ્થાપિત કરવાની સૌથી સરળ પદ્ધતિઓ આપેલ સમય શ્રેણી પર આધારિત છે, એટલે કે. સમય અક્ષ પર મર્યાદિત સંખ્યામાં બિંદુઓ પર વ્યાખ્યાયિત કાર્ય. આ કિસ્સામાં, સમય શ્રેણીને સંભવિત મોડેલના માળખામાં ગણવામાં આવે છે, સમય ઉપરાંત અન્ય પરિબળો (સ્વતંત્ર ચલો) રજૂ કરવામાં આવે છે, ઉદાહરણ તરીકે, નાણાં પુરવઠાનું પ્રમાણ (M2 એકંદર). સમય શ્રેણી બહુપરીમાણીય હોઈ શકે છે, એટલે કે. પ્રતિભાવોની સંખ્યા (આશ્રિત ચલો) એક કરતા વધુ હોઈ શકે છે. હલ કરવાના મુખ્ય કાર્યો છે ઇન્ટરપોલેશન અને એક્સ્ટ્રાપોલેશન. સૌથી સરળ કેસમાં લઘુતમ ચોરસ પદ્ધતિ (એક પરિબળનું રેખીય કાર્ય) કે. ગૌસ દ્વારા બે સદીઓ પહેલાં, 1794-1795માં વિકસાવવામાં આવી હતી. ચલોના પૂર્વ-પરિવર્તન ઉપયોગી હોઈ શકે છે.

ઇન્સ્ટિટ્યૂટ ઑફ હાઇ સ્ટેટિસ્ટિકલ ટેક્નૉલૉજીસ અને ઇકોનોમેટ્રિક્સમાં ઇન્ફ્લેશન ઇન્ડેક્સ અને કન્ઝ્યુમર બાસ્કેટની કિંમતની આગાહી કરવાનો અનુભવ સંચિત કરવામાં આવ્યો છે. આ કિસ્સામાં, તે ચલ - વર્તમાન ફુગાવાના સૂચકાંકને (લોગરિધમ) રૂપાંતરિત કરવા માટે ઉપયોગી હોવાનું બહાર આવ્યું છે. તે લાક્ષણિકતા છે કે, સ્થિર પરિસ્થિતિઓમાં, આગાહીની ચોકસાઈ તદ્દન સંતોષકારક હોવાનું બહાર આવ્યું છે - 10-15%. જો કે, 1996 ના પતન માટે અનુમાનિત ભાવ સ્તરમાં નોંધપાત્ર વધારો સાકાર થયો ન હતો. હકીકત એ છે કે દેશની નેતાગીરીએ વેતન અને પેન્શનની મોટા પાયે બિન-ચુકવણી દ્વારા ગ્રાહક ભાવોની વૃદ્ધિને રોકવાની વ્યૂહરચના તરફ સ્વિચ કર્યું છે. શરતો બદલાઈ - અને આંકડાકીય આગાહી બિનઉપયોગી હોવાનું બહાર આવ્યું. મોસ્કો નેતૃત્વના નિર્ણયોનો પ્રભાવ એ હકીકતમાં પણ પ્રગટ થયો હતો કે નવેમ્બર 1995 માં (સંસદની ચૂંટણી પહેલા) મોસ્કોમાં ભાવ સરેરાશ 9.5% ઘટ્યા હતા, જોકે નવેમ્બર સામાન્ય રીતે અન્ય કરતા વધુ ઝડપથી ભાવમાં વધારો દ્વારા વર્ગીકૃત થયેલ છે. ડિસેમ્બર અને જાન્યુઆરી સિવાય વર્ષના મહિનાઓ.

સૌથી વધુ ઉપયોગમાં લેવાતી પદ્ધતિ એ ઘણા પરિબળો સાથે ઓછામાં ઓછા ચોરસ છે. ઓછામાં ઓછી મોડ્યુલસ પદ્ધતિ અને અન્ય એક્સ્ટ્રાપોલેશન પદ્ધતિઓનો ઉપયોગ ઓછો વારંવાર કરવામાં આવે છે, જો કે તેમની આંકડાકીય ગુણધર્મો ઘણી વખત વધુ સારી હોય છે. ઈકોનોમેટ્રિક આગાહી પદ્ધતિઓ વિશે પરંપરા અને જ્ઞાનનું સામાન્ય નીચું સ્તર મોટી ભૂમિકા ભજવે છે.

આગાહીની ચોકસાઈનું મૂલ્યાંકન એ લાયક આગાહી પ્રક્રિયાનો આવશ્યક ભાગ છે. આ કિસ્સામાં, પરાધીનતા પુનઃપ્રાપ્તિના સંભવિત-આંકડાકીય મોડેલોનો સામાન્ય રીતે ઉપયોગ થાય છે, ઉદાહરણ તરીકે, તેઓ મહત્તમ સંભાવના પદ્ધતિનો ઉપયોગ કરીને શ્રેષ્ઠ આગાહી બનાવે છે. પેરામેટ્રિક (સામાન્ય રીતે સામાન્ય ભૂલ મોડલ પર આધારિત) અને તેના માટે આગાહીની ચોકસાઈ અને આત્મવિશ્વાસ મર્યાદાના બિન-પેરામેટ્રિક અંદાજો (સંભાવના સિદ્ધાંતના કેન્દ્રીય મર્યાદા પ્રમેય પર આધારિત) વિકસાવવામાં આવ્યા છે. આમ, અમે વિશ્વ બજાર પર પ્રસ્તુત અમારા પોતાના ઉત્પાદનો અને સ્પર્ધકોના ઉત્પાદનોના તકનીકી સ્તરની ગતિશીલતાનું મૂલ્યાંકન કરવા માટે બે સમયની શ્રેણીના ઓવરલેપ (મીટિંગ) ના બિંદુના વિશ્વાસપૂર્વક અંદાજ કાઢવા માટેની પદ્ધતિઓનો પ્રસ્તાવ અને અભ્યાસ કર્યો છે.

હ્યુરિસ્ટિક તકનીકો કે જે કોઈપણ સિદ્ધાંત પર આધારિત નથી તેનો પણ ઉપયોગ કરવામાં આવે છે: મૂવિંગ એવરેજ પદ્ધતિ, ઘાતાંકીય સ્મૂથિંગ પદ્ધતિ.

અનુકૂલનશીલ આગાહી પદ્ધતિઓ તમને નવા બિંદુઓ દેખાય ત્યારે આગાહીને ઝડપથી સમાયોજિત કરવાની મંજૂરી આપે છે. અમે મોડેલ પરિમાણોના અંદાજ માટે અનુકૂલનશીલ પદ્ધતિઓ અને નોનપેરામેટ્રિક અંદાજ માટે અનુકૂલનશીલ પદ્ધતિઓ વિશે વાત કરી રહ્યા છીએ. નોંધ કરો કે કમ્પ્યુટર કમ્પ્યુટિંગ પાવરના વિકાસ સાથે, ગણતરીઓના વોલ્યુમને ઘટાડવાની સમસ્યા તેનું મહત્વ ગુમાવે છે.

વિતરણ ઘનતાના નોનપેરામેટ્રિક અંદાજોના ઉપયોગ સહિત મલ્ટિવેરિયેટ રીગ્રેશન, હાલમાં મુખ્ય અર્થમિતિ આગાહી સાધન છે. અમે ભારપૂર્વક કહીએ છીએ કે માપન ભૂલોની સામાન્યતા અને રીગ્રેસન લાઇન (સપાટી) માંથી વિચલનો વિશે અવાસ્તવિક ધારણાનો ઉપયોગ કરવો જરૂરી નથી. જો કે, સામાન્યતાની ધારણાને છોડી દેવા માટે, સંભવિત સિદ્ધાંતના બહુપરીમાણીય કેન્દ્રીય મર્યાદા પ્રમેય અને અર્થમેટ્રિક રેખીયકરણ તકનીકના આધારે, એક અલગ ગાણિતિક ઉપકરણ પર આધાર રાખવો જરૂરી છે. તે તમને પરિમાણોના બિંદુ અને અંતરાલ અંદાજને હાથ ધરવા, નોનપેરામેટ્રિક ફોર્મ્યુલેશનમાં 0 થી તેમના તફાવતનું મહત્વ તપાસવા અને આગાહી માટે વિશ્વાસ મર્યાદા બનાવવાની મંજૂરી આપે છે.

મોડેલની પર્યાપ્તતાને તપાસવાની સમસ્યા, તેમજ પરિબળો પસંદ કરવાની સમસ્યા, ખૂબ જ મહત્વપૂર્ણ છે. હકીકત એ છે કે પ્રતિભાવને પ્રભાવિત કરતા પરિબળોની પ્રાથમિક સૂચિ સામાન્ય રીતે ખૂબ જ વ્યાપક હોય છે, તેને ઘટાડવા માટે તે ઇચ્છનીય છે, અને આધુનિક અર્થમિતિ સંશોધનનો મોટો વિસ્તાર "ગુણવત્તાના માહિતીપ્રદ સમૂહ" પસંદ કરવા માટેની પદ્ધતિઓ માટે સમર્પિત છે. જો કે હજુ સુધી આ સમસ્યાનો સંપૂર્ણ ઉકેલ આવ્યો નથી. અસામાન્ય અસરો દેખાય છે. આમ, તે સ્થાપિત કરવામાં આવ્યું છે કે બહુપદીની ડિગ્રીના સામાન્ય રીતે વપરાતા અંદાજોમાં ભૌમિતિક વિતરણ હોય છે. સંભાવના ઘનતાનો અંદાજ કાઢવા માટે નોનપેરામેટ્રિક પદ્ધતિઓ અને મનસ્વી પ્રકારના રીગ્રેસન અવલંબનને પુનઃનિર્માણ કરવા માટે તેમની એપ્લિકેશન આશાસ્પદ છે. આ ક્ષેત્રમાં સૌથી સામાન્ય ફોર્મ્યુલેશન બિન-સંખ્યાત્મક ડેટા આંકડાકીય અભિગમોનો ઉપયોગ કરીને મેળવવામાં આવે છે.

આધુનિક આંકડાકીય આગાહી પદ્ધતિઓમાં ઓટોરેગ્રેસિવ મોડલ્સ, બોક્સ-જેનકિન્સ મોડલ અને પેરામેટ્રિક અને નોનપેરામેટ્રિક બંને અભિગમો પર આધારિત ઇકોનોમેટ્રિક સમીકરણોની સિસ્ટમ્સનો પણ સમાવેશ થાય છે.

મર્યાદિત (કહેવાતા "નાના") નમૂનાના કદ માટે એસિમ્પ્ટોટિક પરિણામોનો ઉપયોગ કરવાની સંભાવના સ્થાપિત કરવા માટે, કમ્પ્યુટર આંકડાકીય તકનીકો ઉપયોગી છે. તેઓ તમને વિવિધ સિમ્યુલેશન મોડલ્સ બનાવવાની પણ મંજૂરી આપે છે. ચાલો ડેટા રિપ્રોડક્શન મેથડ (બૂટસ્ટ્રેપ મેથડ)ની ઉપયોગિતાની નોંધ લઈએ. કમ્પ્યુટર-સઘન આગાહી પ્રણાલીઓ વિવિધ આગાહી પદ્ધતિઓને એક ઓટોમેટેડ ફોરકાસ્ટર વર્કસ્ટેશનમાં જોડે છે.

બિન-સંખ્યાત્મક પ્રકૃતિના ડેટા પર આધારિત આગાહી, ખાસ કરીને, ગુણાત્મક લાક્ષણિકતાઓની આગાહી બિન-સંખ્યાત્મક ડેટાના આંકડાઓના પરિણામો પર આધારિત છે. અંતરાલ ડેટા પર આધારિત રીગ્રેસન વિશ્લેષણ, ખાસ કરીને, નોંધો અને તર્કસંગત નમૂનાના કદનું નિર્ધારણ અને ગણતરી, તેમજ અસ્પષ્ટ ડેટાનું રીગ્રેસન વિશ્લેષણ, આગાહી માટે ખૂબ જ આશાસ્પદ લાગે છે. બિન-સંખ્યાત્મક ડેટાના આંકડાઓના માળખામાં રીગ્રેસન વિશ્લેષણની સામાન્ય રચના અને તેના વિશિષ્ટ કેસ - વિભિન્નતા અને ભેદભાવ વિશ્લેષણ (નિરીક્ષણ પેટર્નની ઓળખ), ઔપચારિક રીતે વિવિધ પદ્ધતિઓ માટે એકીકૃત અભિગમ આપવો, આધુનિક સોફ્ટવેર અમલીકરણમાં ઉપયોગી છે. આંકડાકીય આગાહી પદ્ધતિઓ.

નિષ્ણાત આગાહી પદ્ધતિઓ. મેનેજમેન્ટના વિવિધ સ્તરે નિર્ણયો લેતી વખતે નિષ્ણાત આગાહી પદ્ધતિઓના ઉપયોગની જરૂરિયાત અને સામાન્ય સમજ - દેશ, ઉદ્યોગ, પ્રદેશ, એન્ટરપ્રાઇઝના સ્તરે. ચાલો, પ્રોજેક્ટ મેનેજમેન્ટ અને પર્યાવરણીય મૂલ્યાંકનમાં રોકાણ અને નવીનતા પ્રોજેક્ટ્સની તુલના અને પસંદગી કરતી વખતે પરીક્ષાઓના મહાન વ્યવહારિક મહત્વની નોંધ લઈએ. નિર્ણય લેવાની પ્રક્રિયામાં નિર્ણય નિર્માતાઓ (DMs) અને નિષ્ણાતો (નિષ્ણાતો)ની ભૂમિકાઓ, નિર્ણય લેવાના માપદંડો અને નિર્ણય લેવાની પ્રક્રિયાઓમાં નિષ્ણાત મૂલ્યાંકનનું સ્થાન ઉપર ચર્ચા કરવામાં આવ્યું છે. આગાહીમાં વ્યાપકપણે ઉપયોગમાં લેવાતી વિશિષ્ટ નિષ્ણાત પ્રક્રિયાઓના ઉદાહરણો તરીકે, અમે ડેલ્ફી પદ્ધતિ અને દૃશ્ય પદ્ધતિનો નિર્દેશ કરીએ છીએ. તેમના આધારે, નિષ્ણાત મૂલ્યાંકન પદ્ધતિઓનો ઉપયોગ કરીને નિર્ણયો તૈયાર કરવા અને લેવા માટેની વિશિષ્ટ પ્રક્રિયાઓ બનાવવામાં આવે છે, ઉદાહરણ તરીકે, સંશોધન કાર્ય માટે ભંડોળના વિતરણ માટેની પ્રક્રિયાઓ (સ્કોરિંગ અથવા જોડી કરેલી સરખામણીઓ પર આધારિત), તકનીકી અને આર્થિક વિશ્લેષણ, ડેસ્ક માર્કેટિંગ સંશોધન ("ના વિરોધમાં" ક્ષેત્ર" નમૂના સંશોધન ), મૂલ્યાંકન, સરખામણી અને રોકાણ પ્રોજેક્ટ્સની પસંદગી.

આગાહીના કાર્યોના સંબંધમાં, ચાલો નિષ્ણાત સંશોધનના આયોજન અને આયોજનના કેટલાક પાસાઓને યાદ કરીએ. કાર્યકારી જૂથ અને નિષ્ણાત કમિશનની રચના કરવી જોઈએ. નિષ્ણાત સંશોધનના લક્ષ્યોની રચના (નિર્ણય લેનાર માટે માહિતીનો સંગ્રહ અને/અથવા નિર્ણય લેનાર માટે ડ્રાફ્ટ નિર્ણયની તૈયારી વગેરે) અને નિષ્ણાત કમિશનની રચના ( સૂચિઓની પદ્ધતિઓ (રજિસ્ટ્રીઝ), "સ્નોબોલ", સ્વ-મૂલ્યાંકન, પરસ્પર મૂલ્યાંકન) સમસ્યાના પ્રારંભિક ઉકેલ સાથે નિષ્ણાતોની પ્રાથમિક પસંદગીઓ. નિષ્ણાત સંશોધનનું આયોજન કરવા માટેના વિવિધ વિકલ્પો, રાઉન્ડની સંખ્યામાં ભિન્નતા (એક, અનેક, નિશ્ચિત નથી), નિષ્ણાતોને સામેલ કરવાનો ક્રમ (એક સાથે, ક્રમશઃ), અભિપ્રાયો ધ્યાનમાં લેવાની પદ્ધતિ (ભીંગડા સાથે, ભીંગડા વિના), સંસ્થા. નિષ્ણાત સંદેશાવ્યવહાર (સંચાર વિના, પત્રવ્યવહાર, પ્રતિબંધો સાથે સામ-સામે ("મંથન") અથવા પ્રતિબંધો વિના) અમને ચોક્કસ નિષ્ણાત અભ્યાસની વિશિષ્ટતાઓને ધ્યાનમાં લેવાની મંજૂરી આપે છે. નિષ્ણાતો અને કાર્યકારી જૂથની પ્રવૃત્તિઓ માટે કમ્પ્યુટર સપોર્ટ, નિષ્ણાત સંશોધન હાથ ધરવાના આર્થિક મુદ્દાઓ નિષ્ણાત સંશોધનના સફળ સંચાલન માટે મહત્વપૂર્ણ છે.

નિષ્ણાતોના મૂલ્યાંકન વિવિધ ગાણિતિક સ્વરૂપોમાં મેળવી શકાય છે. સૌથી સામાન્ય રીતે વપરાયેલ છે માત્રાત્મક અથવા ગુણાત્મક (ઓર્ડિનલ, નોમિનલ) વિશેષતાઓ, દ્વિસંગી સંબંધો (રેન્કિંગ, પાર્ટીશનો, સહિષ્ણુતા), અંતરાલો, અસ્પષ્ટ સમૂહો, જોડી કરેલ સરખામણીના પરિણામો, ગ્રંથો, વગેરે. (પ્રતિનિધિત્વાત્મક) માપન સિદ્ધાંતની મૂળભૂત વિભાવનાઓ: મૂળભૂત પ્રકારો નિષ્ણાતના મૂલ્યાંકનના સંબંધમાં ભીંગડા, અનુમતિપાત્ર પરિવર્તન, પર્યાપ્ત નિષ્કર્ષ વગેરે મહત્વપૂર્ણ છે. મુખ્ય માપન ભીંગડાને અનુરૂપ સરેરાશ મૂલ્યોનો ઉપયોગ કરવો જરૂરી છે. વિવિધ પ્રકારના રેટિંગ્સના સંબંધમાં, માપનો પ્રતિનિધિ સિદ્ધાંત આગાહીની પરિસ્થિતિ માટે તેમની પર્યાપ્તતાની ડિગ્રી નક્કી કરવાનું અને આગાહીના હેતુઓ માટે સૌથી ઉપયોગી સૂચન કરવાનું શક્ય બનાવે છે.

ઉદાહરણ તરીકે, જાણીતા કેન્દ્રીય અખબારોમાંના એક દ્વારા પ્રકાશિત રાજકારણીઓના તેમના પ્રભાવની ડિગ્રી દ્વારા રેટિંગનું વિશ્લેષણ દર્શાવે છે કે ઉપયોગમાં લેવાતા ગાણિતિક ઉપકરણની અપૂરતીતાને લીધે, ફક્ત પ્રથમ 10 સ્થાનો સાથે કેટલાક સંબંધ હોઈ શકે છે. વાસ્તવિકતા (ડેટા વિશ્લેષણની બીજી પદ્ધતિ પર સ્વિચ કરતી વખતે તેઓ બદલાતા નથી, એટલે કે કાર્યકારી જૂથના સભ્યોની વ્યક્તિત્વ પર આધાર રાખતા નથી), બાકીના "માહિતી ઘોંઘાટ" છે, અનુમાનિત વિશ્લેષણમાં તેમના પર આધાર રાખવાના પ્રયાસો જ પરિણમી શકે છે. ભૂલો માટે. આ અખબારના રેટિંગના પ્રારંભિક ભાગ માટે, તે પણ પ્રશ્ન કરી શકાય છે, પરંતુ ઊંડા કારણોસર, ઉદાહરણ તરીકે, નિષ્ણાત કમિશનની રચના સાથે સંબંધિત.

અનુમાનિત નિષ્ણાત મૂલ્યાંકન પર પ્રક્રિયા કરવા માટેની મુખ્ય પ્રક્રિયાઓ સુસંગતતાની ચકાસણી, ક્લસ્ટર વિશ્લેષણ અને જૂથ અભિપ્રાય શોધવાનો છે.

કેન્ડલ અને સ્પીયરમેન રેન્ક સહસંબંધ ગુણાંક અને કેન્ડલ અને બેબિંગ્ટન સ્મિથ રેન્ક કોન્કોર્ડન્સ ગુણાંકનો ઉપયોગ કરીને રેન્કિંગ દ્વારા વ્યક્ત કરાયેલ નિષ્ણાત અભિપ્રાયોની સુસંગતતા તપાસવામાં આવે છે. જોડી કરેલી સરખામણીના પેરામેટ્રિક મોડલ્સનો ઉપયોગ થાય છે - થર્સ્ટોન, બ્રેડલી-ટેરી-લ્યુસ - અને લ્યુસિઅન્સના સિદ્ધાંતના બિન-પેરામેટ્રિક મોડલ્સ (લ્યુસિયન વિશે).

સુસંગતતાની ગેરહાજરીમાં, નિષ્ણાતના અભિપ્રાયોને જૂથોમાં વિભાજિત કરવામાં આવે છે જે નજીકના પડોશી પદ્ધતિ અથવા ક્લસ્ટર વિશ્લેષણની અન્ય પદ્ધતિઓ (વર્ગીકરણનું સ્વચાલિત બાંધકામ, બિનસુપરવાઇઝ પેટર્ન ઓળખ) નો ઉપયોગ કરીને એકબીજા સાથે સમાન હોય છે. લ્યુસિઅન્સનું વર્ગીકરણ સંભવિત-આંકડાકીય મોડેલના આધારે હાથ ધરવામાં આવે છે.

તેઓ નિષ્ણાત કમિશનના અંતિમ અભિપ્રાય બનાવવા માટે વિવિધ પદ્ધતિઓનો ઉપયોગ કરે છે. સરેરાશ રેન્કની પદ્ધતિ તેની સરળતા માટે બહાર આવે છે. કોમ્પ્યુટર મોડેલિંગે કેમેની મધ્યના અસંખ્ય ગુણધર્મો સ્થાપિત કરવાનું શક્ય બનાવ્યું, જેને નિષ્ણાતોના કમિશનના અંતિમ (સામાન્યકૃત, સરેરાશ) અભિપ્રાય તરીકે ઉપયોગ માટે ઘણીવાર ભલામણ કરવામાં આવે છે. નિષ્ણાત સર્વેક્ષણના સિદ્ધાંતના સંદર્ભમાં બિન-સંખ્યાત્મક ડેટા માટે મોટી સંખ્યાના કાયદાનું અર્થઘટન નીચે મુજબ છે: અંતિમ અભિપ્રાય સ્થિર છે, એટલે કે. જ્યારે નિષ્ણાત કમિશનની રચના બદલાય છે ત્યારે થોડો ફેરફાર થાય છે, અને નિષ્ણાતોની સંખ્યામાં વધારો થતાં તે "સત્ય" સુધી પહોંચે છે. તદુપરાંત, અપનાવેલ અભિગમ અનુસાર, એવું માનવામાં આવે છે કે નિષ્ણાતોના જવાબો ભૂલો સાથેના માપન પરિણામો તરીકે ગણી શકાય, તે બધા સ્વતંત્ર રીતે વિતરિત રેન્ડમ તત્વો છે, ચોક્કસ મૂલ્ય સ્વીકારવાની સંભાવના ચોક્કસ કેન્દ્રથી અંતર સાથે ઘટે છે. - "સત્ય", અને નિષ્ણાતોની કુલ સંખ્યા પૂરતી મહાન છે.

જોખમ પરિસ્થિતિઓ હેઠળ આગાહી પદ્ધતિઓ લાગુ કરવાની સમસ્યાઓ. સામાજિક, તકનીકી, આર્થિક, રાજકીય, પર્યાવરણીય અને અન્ય જોખમોથી સંબંધિત પરિસ્થિતિઓના અસંખ્ય ઉદાહરણો છે. તે આવી પરિસ્થિતિઓમાં છે કે આગાહી સામાન્ય રીતે જરૂરી છે. અનિશ્ચિતતા (જોખમ)ની સ્થિતિમાં નિર્ણય લેવાના સિદ્ધાંતમાં વિવિધ પ્રકારના માપદંડોનો ઉપયોગ થાય છે. વિવિધ માપદંડો અનુસાર મેળવેલા નિર્ણયોની અસંગતતાને લીધે, નિષ્ણાતના મૂલ્યાંકનોનો ઉપયોગ કરવાની જરૂરિયાત સ્પષ્ટ છે.

ચોક્કસ આગાહી કાર્યોમાં, જોખમોનું વર્ગીકરણ કરવું, ચોક્કસ જોખમનું મૂલ્યાંકન કરવાનું કાર્ય સેટ કરવું, જોખમનું માળખું કરવું, ખાસ કરીને, કારણ વૃક્ષો (અન્ય પરિભાષા, નિષ્ફળતા વૃક્ષો) અને પરિણામ વૃક્ષો (ઘટના વૃક્ષો) બનાવવી જરૂરી છે. કેન્દ્રીય કાર્ય જૂથ અને સામાન્યકૃત સૂચકાંકોનું નિર્માણ છે, ઉદાહરણ તરીકે, સ્પર્ધાત્મકતા અને ગુણવત્તાના સૂચકાંકો. લીધેલા નિર્ણયોના આર્થિક પરિણામો, ઉપભોક્તા વર્તન અને સ્પર્ધાત્મક વાતાવરણ, વિદેશી આર્થિક પરિસ્થિતિઓ અને રશિયાના મેક્રો ઇકોનોમિક વિકાસ, પર્યાવરણની ઇકોલોજીકલ સ્થિતિ, તકનીકીઓની સલામતી અને ઔદ્યોગિક અને પર્યાવરણીય જોખમોની આગાહી કરતી વખતે જોખમો ધ્યાનમાં લેવા જોઈએ. અન્ય સુવિધાઓ. અકસ્માતોના તકનીકી, આર્થિક અને સામાજિક પરિણામોનું વિશ્લેષણ કરવા માટે દૃશ્ય પદ્ધતિ અનિવાર્ય છે.

જોખમ સાથે સંકળાયેલી પરિસ્થિતિઓમાં આગાહી પદ્ધતિઓના ઉપયોગમાં કેટલીક વિશિષ્ટતા છે. નુકસાન કાર્ય અને તેના મૂલ્યાંકન માટેની પદ્ધતિઓની ભૂમિકા, આર્થિક દ્રષ્ટિએ સહિત, મહાન છે. ચોક્કસ વિસ્તારોમાં, સંભવિત સલામતી વિશ્લેષણ (પરમાણુ ઊર્જા માટે) અને અન્ય વિશેષ પદ્ધતિઓનો ઉપયોગ કરવામાં આવે છે.

આધુનિક કમ્પ્યુટર આગાહી તકનીકો. ઇકોનોમેટ્રિક ડેટાબેઝનો ઉપયોગ કરીને ઇન્ટરેક્ટિવ આગાહી પદ્ધતિઓ, સિમ્યુલેશન (મોન્ટે કાર્લો પદ્ધતિ પર આધારિત, એટલે કે આંકડાકીય પરીક્ષણ પદ્ધતિ સહિત) અને નિષ્ણાત, આંકડાકીય અને મોડેલિંગ બ્લોક્સને સંયોજિત કરતા આર્થિક અને ગાણિતિક ગતિશીલ મોડેલો આશાસ્પદ છે. ચાલો નિષ્ણાત મૂલ્યાંકન પદ્ધતિઓ અને નિષ્ણાત પ્રણાલીઓ વચ્ચે સમાનતા અને તફાવતો પર ધ્યાન આપીએ. અમે કહી શકીએ કે નિષ્ણાત સિસ્ટમ વિશેષ તકનીકનો ઉપયોગ કરીને તેના જ્ઞાનને ઔપચારિક કરીને નિષ્ણાતના વર્તનનું મોડેલ બનાવે છે. પરંતુ "જીવંત નિષ્ણાત" ની અંતઃપ્રેરણા કમ્પ્યુટરમાં મૂકી શકાતી નથી, અને જ્યારે નિષ્ણાતના મંતવ્યો (હકીકતમાં, તેની પૂછપરછ દરમિયાન) ઔપચારિક કરવામાં આવે છે, ત્યારે તેના કેટલાક વિચારોની સ્પષ્ટતા સાથે, અન્યની બરછટ થાય છે. બીજા શબ્દોમાં કહીએ તો, નિષ્ણાત મૂલ્યાંકનોનો ઉપયોગ કરતી વખતે, તેઓ સીધા ઉચ્ચ લાયકાત ધરાવતા નિષ્ણાતોના અનુભવ અને અંતર્જ્ઞાન તરફ વળે છે, અને જ્યારે નિષ્ણાત સિસ્ટમોનો ઉપયોગ કરે છે, ત્યારે તેઓ ગણતરીઓ અને નિષ્કર્ષો માટે કમ્પ્યુટર અલ્ગોરિધમ્સ સાથે વ્યવહાર કરે છે, જેની રચનામાં એક સમયે નિષ્ણાતો સામેલ હતા. ડેટા અને પ્રમાણભૂત તારણોનો સ્ત્રોત.

ચાલો આગાહી ઉત્પાદન કાર્યોમાં ઉપયોગ કરવાની સંભાવના તરફ ધ્યાન દોરીએ જે આંકડાકીય રીતે ઉત્પાદન અને ઉત્પાદનના પરિબળો વચ્ચેના સંબંધનું વર્ણન કરે છે, વૈજ્ઞાનિક અને તકનીકી પ્રગતિને ધ્યાનમાં લેવાની વિવિધ રીતો, ખાસ કરીને, વલણ વિશ્લેષણના આધારે અને નિષ્ણાતની મદદથી. વૃદ્ધિ બિંદુઓની ઓળખ. તમામ પ્રકારની આર્થિક આગાહીના ઉદાહરણો સાહિત્યમાં ઉપલબ્ધ છે. આજની તારીખે, સંયુક્ત આગાહી પદ્ધતિઓ માટે કમ્પ્યુટર સિસ્ટમ્સ અને સોફ્ટવેર વિકસાવવામાં આવ્યા છે.

આર્થિક ગાણિતિક આગાહી માહિતી

1. 2 દૃશ્ય નિષ્ણાત આગાહીઓ માટે ટેકનોલોજીના મૂળભૂત વિચારો

પહેલેથી જ નોંધ્યું છે તેમ, સામાજિક-આર્થિક આગાહી, સામાન્ય રીતે કોઈપણ આગાહીની જેમ, કેટલીક સ્થિરતાની સ્થિતિમાં જ સફળ થઈ શકે છે. જો કે, સત્તાવાળાઓ, વ્યક્તિઓ અને અન્ય ઘટનાઓના નિર્ણયોથી પરિસ્થિતિઓ બદલાય છે અને ઘટનાઓ અગાઉની અપેક્ષા કરતા અલગ રીતે વિકસે છે. ઉદ્દેશ્યથી, ત્યાં પસંદગીના બિંદુઓ (ફર્ક્શન્સ) છે, જે પછી આગાહીકારો દ્વારા ધ્યાનમાં લેવામાં આવેલ વિકાસ ઘણા સંભવિત માર્ગોમાંથી એક લઈ શકે છે (આ માર્ગોને સામાન્ય રીતે દૃશ્યો કહેવામાં આવે છે). પસંદગી વિવિધ સ્તરે કરી શકાય છે - ચોક્કસ વ્યક્તિ દ્વારા (બીજી નોકરી પર જવું અથવા રહેવા), મેનેજર (આ અથવા તે બ્રાન્ડનું ઉત્પાદન બનાવવું), સ્પર્ધકો (સહકાર અથવા સંઘર્ષ), સરકારી માળખું (ચોક્કસ કર પ્રણાલીની પસંદગી ), દેશની વસ્તી (પસંદગી પ્રમુખ), "આંતરરાષ્ટ્રીય સમુદાય" (રશિયા સામે પ્રતિબંધો લાદવા કે નહીં).

ચાલો એક ઉદાહરણ જોઈએ. તે સ્પષ્ટ છે કે 1996 ની રાષ્ટ્રપતિની ચૂંટણીના પ્રથમ રાઉન્ડ પછી, સામાજિક-આર્થિક ઘટનાઓના વધુ વિકાસની ચર્ચા ફક્ત દૃશ્યોના સંદર્ભમાં થઈ શકે છે: જો બી.એન. યેલત્સિન, જો જી.એ. ઝ્યુગાનોવ, પછી ઘટનાઓ આ રીતે અને તે રીતે જશે.

ઉદાહરણ તરીકે, કાર્યનો હેતુ 9 વર્ષ (1999-2007) માટે ગ્રોસ ડોમેસ્ટિક પ્રોડક્ટ (જીડીપી) ની ગતિશીલતાની આગાહી કરવાનો હતો. જ્યારે તે હાથ ધરવામાં આવ્યું હતું, ત્યારે તે સ્પષ્ટ હતું કે આ સમય દરમિયાન વિવિધ રાજકીય ઘટનાઓ બનશે, ખાસ કરીને, સંસદીય અને રાષ્ટ્રપતિની ચૂંટણીના ઓછામાં ઓછા બે ચક્ર (માનીએ કે વર્તમાન રાજકીય માળખું જાળવવામાં આવ્યું હતું), જેના પરિણામોની અસ્પષ્ટપણે આગાહી કરી શકાતી નથી. . તેથી, રશિયામાં સામાજિક-આર્થિક ગતિશીલતાના સંભવિત માર્ગોને આવરી લેતા, જીડીપી ગતિશીલતાની આગાહી માત્ર ચોક્કસ શ્રેણીમાંથી દરેક દૃશ્ય માટે અલગથી કરી શકાય છે.

દૃશ્ય પદ્ધતિ માત્ર સામાજિક-આર્થિક ક્ષેત્રમાં જ જરૂરી નથી. ઉદાહરણ તરીકે, રાસાયણિક તકનીકી પ્રોજેક્ટ્સના જોખમ વિશ્લેષણ માટે પદ્ધતિસર, સૉફ્ટવેર અને માહિતી સપોર્ટ વિકસાવતી વખતે, ઝેરી રસાયણોના લીક સાથે સંકળાયેલ અકસ્માતના દૃશ્યોની વિગતવાર સૂચિનું સંકલન કરવું જરૂરી છે. આ દરેક દૃશ્યો તેના વ્યક્તિગત મૂળ, વિકાસ, તકનીકી, આર્થિક અને સામાજિક પરિણામો અને નિવારણ ક્ષમતાઓ સાથે તેના પોતાના પ્રકારના અકસ્માતનું વર્ણન કરે છે.

આમ, દૃશ્ય પદ્ધતિ એ આગાહીની સમસ્યાના વિઘટન (ભાગોમાં વિભાજન) ની પદ્ધતિ છે, જેમાં ઘટનાઓ (પરિદ્રશ્યોના) વિકાસ માટે વ્યક્તિગત વિકલ્પોના સમૂહને ઓળખવાનો સમાવેશ થાય છે, સામૂહિક રીતે તમામ સંભવિત વિકાસ વિકલ્પોને આવરી લે છે. તદુપરાંત, દરેક વ્યક્તિગત દૃશ્યે એકદમ સચોટ આગાહીની શક્યતાને મંજૂરી આપવી જોઈએ, અને દૃશ્યોની કુલ સંખ્યા અગમચેતી હોવી જોઈએ.

આવા વિઘટનની શક્યતા સ્પષ્ટ નથી. દૃશ્ય પદ્ધતિ લાગુ કરતી વખતે, સંશોધનના બે તબક્કા હાથ ધરવા જરૂરી છે:

દૃશ્યોના વ્યાપક પરંતુ વ્યવસ્થાપિત સમૂહનું નિર્માણ;

સંશોધકને રુચિના પ્રશ્નોના જવાબો મેળવવા માટે દરેક ચોક્કસ દૃશ્યમાં આગાહી કરવી.

આમાંના દરેક તબક્કા માત્ર આંશિક રીતે ઔપચારિક છે. તર્કનો નોંધપાત્ર ભાગ ગુણાત્મક સ્તરે હાથ ધરવામાં આવે છે, જેમ કે સામાજિક-આર્થિક અને માનવ વિજ્ઞાનમાં રૂઢિગત છે. એક કારણ એ છે કે અતિશય ઔપચારિકીકરણ અને ગણિતીકરણની ઇચ્છા નિશ્ચિતતાના કૃત્રિમ પરિચય તરફ દોરી જાય છે જ્યાં તે આવશ્યકપણે અસ્તિત્વમાં નથી, અથવા બોજારૂપ ગાણિતિક ઉપકરણના ઉપયોગ તરફ દોરી જાય છે. આમ, મોટાભાગની નિર્ણય લેવાની પરિસ્થિતિઓમાં મૌખિક સ્તરે તર્કને સ્પષ્ટ માનવામાં આવે છે, જ્યારે ઉપયોગમાં લેવાતા શબ્દોના અર્થને સ્પષ્ટ કરવાનો પ્રયાસ, ઉદાહરણ તરીકે, ફઝી સેટનો સિદ્ધાંત ખૂબ જ બોજારૂપ ગાણિતિક મોડલ અને ગણતરીઓ તરફ દોરી જાય છે.

દૃશ્યોના સંપૂર્ણ પરંતુ અગમ્ય સમૂહનું નિર્માણ કરવા માટે, પ્રથમ પ્રશ્નમાં આર્થિક એજન્ટના સામાજિક-આર્થિક વિકાસની ગતિશીલતા અને તેના પર્યાવરણનું વિશ્લેષણ કરવું જરૂરી છે. ભવિષ્યના મૂળ વર્તમાન અને ભૂતકાળમાં છે, અને ઘણીવાર ખૂબ દૂરના ભૂતકાળમાં. મેક્રોઇકોનોમિક અને માઇક્રોઇકોનોમિક લાક્ષણિકતાઓ ઉપરાંત, જે ફક્ત ભૂલો સાથે જાણીતી છે જેને રેન્ડમ અથવા નાની ગણી શકાતી નથી, તે સામાન્ય રીતે માનવામાં આવતા સમય અંતરાલથી વધુ હોવાથી, સ્થાનિક સામૂહિક ચેતના, રાજકીય, વિદેશ નીતિ વાસ્તવિકતાઓ સહિતની સ્થિતિ અને ગતિશીલતાને ધ્યાનમાં લેવી જરૂરી છે. (10 વર્ષ સુધી) અર્થતંત્ર ઘણીવાર રાજકારણને અનુસરે છે, બીજી રીતે નહીં.

ઉદાહરણ તરીકે, 1985 ની શરૂઆતમાં, યુએસએસઆર અર્થતંત્ર 3-5%ની સરેરાશ વાર્ષિક વૃદ્ધિ સાથે એકદમ સ્થિર સ્થિતિમાં હતું. જો દેશનું નેતૃત્વ અન્ય લોકોના હાથમાં હોત, તો વિકાસ સમાન પરિસ્થિતિઓમાં ચાલુ રહેશે અને સહસ્ત્રાબ્દીના અંત સુધીમાં, યુએસએસઆરનો જીડીપી 50% વધ્યો હોત અને તે 1985 ના આશરે 150% જેટલો થયો હોત. વાસ્તવિકતામાં, રાજકીય કારણોસર, આ 15 વર્ષો દરમિયાન રશિયાની જીડીપી લગભગ 2 ગણી ઘટી છે, એટલે કે. 1985 ની સરખામણીમાં લગભગ 50% જેટલો, અથવા જો 1985ની સ્થિર સ્થિતિ જાળવવામાં આવે તો સંપૂર્ણ આર્થિક કારણોસર અપેક્ષા રાખી શકાય તે કરતાં 3 ગણી ઓછી.

દૃશ્યોનો સમૂહ દૃશ્યમાન હોવો જોઈએ. આપણે વિવિધ અસંભવિત ઘટનાઓને બાકાત રાખવી પડશે - એલિયન્સનું આગમન, એસ્ટરોઇડનું પતન, અગાઉ અજાણ્યા રોગોની સામૂહિક રોગચાળો વગેરે.

દૃશ્યોના સમૂહની રચના એ ઉપર વર્ણવેલ પદ્ધતિ અનુસાર હાથ ધરવામાં આવેલા નિષ્ણાત સંશોધનનો વિષય છે. વધુમાં, નિષ્ણાતો કોઈ ચોક્કસ પરિસ્થિતિની સંભાવનાનું મૂલ્યાંકન કરી શકે છે. તે સ્પષ્ટ છે કે આ અંદાજો વિશ્વસનીય નથી.

દૃશ્ય પદ્ધતિનો ઉપયોગ કરીને આગાહી કરવા માટેનો એક સરળ અભિગમ ઘણીવાર ઉપયોગમાં લેવાય છે. એટલે કે, ત્રણ દૃશ્યો ઘડવામાં આવ્યા છે - આશાવાદી, સંભવિત અને નિરાશાવાદી. તે જ સમયે, દરેક દૃશ્યો માટે, પરિમાણોના મૂલ્યો કે જે ઉત્પાદન અને આર્થિક પરિસ્થિતિનું વર્ણન કરે છે (અંગ્રેજીમાં - કેસ) તદ્દન મનસ્વી રીતે પસંદ કરવામાં આવે છે. આ અભિગમનો હેતુ સંશોધક (અને અભ્યાસના ગ્રાહક) માટે રસની સમય શ્રેણી માટે લાક્ષણિકતાઓ અને "કોરિડોર" માટે સ્કેટર અંતરાલોની ગણતરી કરવાનો છે. ઉદાહરણ તરીકે, તેઓ રોકાણ પ્રોજેક્ટના નાણાકીય પ્રવાહ (અંગ્રેજીમાં - રોકડ પ્રવાહ) અને ચોખ્ખી વર્તમાન કિંમત (અંગ્રેજીમાં - નેટ વર્તમાન મૂલ્ય અથવા NPV) ની આગાહી કરે છે.

તે સ્પષ્ટ છે કે આવો સરળ અભિગમ લાક્ષણિકતાનું મહત્તમ અથવા લઘુત્તમ મૂલ્ય આપી શકતું નથી, તે ફક્ત સ્કેટરના જથ્થાત્મક માપના ક્રમનો ખ્યાલ આપે છે. જો કે, તેનો વિકાસ નિર્ણય સિદ્ધાંતમાં બાયસિયન ફોર્મ્યુલેશન તરફ દોરી જાય છે. ઉદાહરણ તરીકે, જો કોઈ પરિદ્રશ્યનું વર્ણન મર્યાદિત-પરિમાણીય યુક્લિડિયન અવકાશના તત્વ દ્વારા કરવામાં આવે છે, તો પછી પ્રારંભિક પરિમાણોના સમૂહ પર કોઈપણ સંભવિતતાનું વિતરણ સંશોધકને રસ ધરાવતી લાક્ષણિકતાઓના વિતરણમાં રૂપાંતરિત થાય છે. આધુનિક માહિતી ટેકનોલોજી અને આંકડાકીય પરીક્ષણ પદ્ધતિઓનો ઉપયોગ કરીને ગણતરીઓ કરી શકાય છે. પરિમાણોના સમૂહ પર આપેલ વિતરણ અનુસાર, સ્યુડોરેન્ડમ નંબર સેન્સરનો ઉપયોગ કરીને પરિમાણોના ચોક્કસ વેક્ટરને પસંદ કરવા અને તેના માટે અંતિમ લાક્ષણિકતાઓની ગણતરી કરવી જરૂરી છે. પરિણામ એ અંતિમ લાક્ષણિકતાઓના સમૂહ પર પ્રયોગમૂલક વિતરણ હશે, જેનું ગાણિતિક અપેક્ષા, સ્પ્રેડ, વગેરેનો અંદાજ શોધવા માટે વિવિધ રીતે વિશ્લેષણ કરી શકાય છે. પેરામીટર્સના સમૂહ પર વિતરણ કેવી રીતે સેટ કરવું તે અસ્પષ્ટ રહે છે. સ્વાભાવિક રીતે, તમે આ માટે નિષ્ણાતોનો ઉપયોગ કરી શકો છો.

સંશોધકને રુચિના પ્રશ્નોના જવાબો મેળવવા માટે દરેક ચોક્કસ પરિસ્થિતિમાં આગાહી પણ ઉપર વર્ણવેલ આગાહી પદ્ધતિ અનુસાર કરવામાં આવે છે. સ્થિર પરિસ્થિતિઓ હેઠળ, સમય શ્રેણીની આગાહી માટે આંકડાકીય પદ્ધતિઓ લાગુ કરી શકાય છે. જો કે, આ સામાન્ય રીતે નિષ્ણાતોની મદદથી વિશ્લેષણ દ્વારા કરવામાં આવે છે, અને ઘણીવાર મૌખિક સ્તરે આગાહી પૂરતી છે (સંશોધક અને નિર્ણય લેનારને રસના તારણો મેળવવા માટે) અને તેને માત્રાત્મક સ્પષ્ટતાની જરૂર નથી.

આગાહીના પરિણામોનો ઉપયોગ કરવાનો પ્રશ્ન અર્થમિતિ સાથે સંબંધિત નથી, પરંતુ સંબંધિત વિજ્ઞાન - નિર્ણય સિદ્ધાંત સાથે. જેમ જાણીતું છે, આગાહી અભ્યાસના પરિણામો સહિત, પરિસ્થિતિના વિશ્લેષણના આધારે નિર્ણયો લેતી વખતે, વ્યક્તિ વિવિધ માપદંડોથી આગળ વધી શકે છે. તેથી, તમે એ હકીકત પર ધ્યાન કેન્દ્રિત કરી શકો છો કે પરિસ્થિતિ સૌથી ખરાબ, અથવા શ્રેષ્ઠ અથવા સરેરાશ (કેટલાક અર્થમાં) રીતે બહાર આવશે. તમે એવા પગલાંની રૂપરેખા આપવાનો પ્રયાસ કરી શકો છો કે જે કોઈપણ પરિસ્થિતિ વગેરેમાં ન્યૂનતમ સ્વીકાર્ય ઉપયોગી પરિણામો પ્રદાન કરે.

તેથી, દૃશ્ય પદ્ધતિનો ઉપયોગ કરીને નિષ્ણાત મૂલ્યાંકન માટે આધુનિક પદ્ધતિનો ખ્યાલ ગણવામાં આવે છે. તેનો ઉપયોગ, ઉદાહરણ તરીકે, રશિયાના સામાજિક-આર્થિક વિકાસની આગાહી કરવા માટે કરવામાં આવ્યો હતો.

2. અર્થશાસ્ત્ર અને ગણિતમાં માહિતી તકનીકોનો ઉપયોગઓઆગાહી

આધુનિક આઇટીના આગમન પહેલાં, આર્થિક પ્રવૃત્તિની પ્રક્રિયામાં સીધા અસરકારક આર્થિક અને ગાણિતિક મોડલનો ઉપયોગ કરવાની કોઈ વ્યાપક તકો નહોતી. વધુમાં, વિશ્લેષણાત્મક હેતુઓ માટે હાલના અનુમાન મોડલનો ઉપયોગ તેમના માહિતી આધાર પર આવી ઉચ્ચ માંગણીઓ મૂકતો નથી.

ફોરકાસ્ટિંગ ટેક્નોલોજીના ફંડામેન્ટલ્સ

શરૂઆતથી આગાહી કરતી સિસ્ટમ બનાવતી વખતે, સંખ્યાબંધ સંગઠનાત્મક અને પદ્ધતિસરની સમસ્યાઓનું નિરાકરણ કરવું જરૂરી છે. પ્રથમ સમાવેશ થાય છે:

આગાહીના પરિણામોના વિશ્લેષણ અને અર્થઘટનની પદ્ધતિઓમાં વપરાશકર્તાઓને તાલીમ આપવી;

એન્ટરપ્રાઇઝની અંદર, તેના વિભાગો અને વ્યક્તિગત કર્મચારીઓના સ્તરે, તેમજ વ્યવસાયિક ભાગીદારો અને સત્તાવાળાઓ સાથેના સંદેશાવ્યવહારની રચનાની દિશા નિર્ધારિત કરવી;

આગાહી પ્રક્રિયાઓના સમય અને આવર્તનનું નિર્ધારણ;

લાંબા ગાળાના આયોજન સાથે આગાહીને જોડવા માટેના સિદ્ધાંતોનો વિકાસ અને એન્ટરપ્રાઇઝ ડેવલપમેન્ટ પ્લાન બનાવતી વખતે પ્રાપ્ત પરિણામો માટે વિકલ્પો પસંદ કરવાની પ્રક્રિયા.

આગાહી સબસિસ્ટમ બનાવવાની પદ્ધતિસરની સમસ્યાઓ છે:

આંતરિક માળખું અને તેની કામગીરીની પદ્ધતિનો વિકાસ;

માહિતી સપોર્ટનું સંગઠન;

ગાણિતિક સોફ્ટવેરનો વિકાસ.

પ્રથમ સમસ્યા એ સૌથી મુશ્કેલ છે, કારણ કે તેને હલ કરવા માટે આગાહી મોડેલોનો સમૂહ બનાવવો જરૂરી છે, જેનો અવકાશ એકબીજા સાથે સંબંધિત સૂચકોની સિસ્ટમ છે. આગાહી પદ્ધતિઓના વ્યવસ્થિતકરણ અને મૂલ્યાંકનની સમસ્યા અહીં કેન્દ્રીય મુદ્દાઓમાંથી એક તરીકે દેખાય છે, કારણ કે ચોક્કસ પદ્ધતિ પસંદ કરવા માટે તેનું તુલનાત્મક વિશ્લેષણ કરવું જરૂરી છે. આગાહી પદ્ધતિઓના વર્ગીકરણનો એક પ્રકાર, દરેક જૂથને અંતર્ગત જ્ઞાન પ્રણાલીની લાક્ષણિકતાઓને ધ્યાનમાં લેતા, નીચે પ્રમાણે એકંદરે રજૂ કરી શકાય છે: નિષ્ણાતના મૂલ્યાંકનની પદ્ધતિઓ; લોજિક મોડેલિંગ પદ્ધતિઓ; ગાણિતિક પદ્ધતિઓ.

દરેક જૂથ સમસ્યાઓની ચોક્કસ શ્રેણીના ઉકેલ માટે યોગ્ય છે. તેથી, પ્રેક્ટિસ ઉપયોગમાં લેવાતી પદ્ધતિઓ માટે નીચેની આવશ્યકતાઓ આગળ મૂકે છે: તેઓ ચોક્કસ આગાહી ઑબ્જેક્ટ પર કેન્દ્રિત હોવા જોઈએ, પર્યાપ્તતાના જથ્થાત્મક માપ પર આધારિત હોવા જોઈએ, અને અંદાજોની સચોટતા અને આગાહી ક્ષિતિજ દ્વારા અલગ હોવા જોઈએ.

આગાહી પ્રણાલી બનાવવાની પ્રક્રિયામાં ઉદ્ભવતા મુખ્ય કાર્યોને આમાં વહેંચવામાં આવ્યા છે:

અનુમાનિત પ્રક્રિયાઓ અને સૂચકોની સિસ્ટમનું નિર્માણ;

અનુમાનિત પ્રક્રિયાઓ અને સૂચકાંકોના આર્થિક અને ગાણિતિક વિશ્લેષણ માટે ઉપકરણનો વિકાસ;

નિષ્ણાત મૂલ્યાંકનની પદ્ધતિનો ઉલ્લેખ કરવો, પરીક્ષા માટે સૂચકાંકોને ઓળખવા અને કેટલીક આગાહી પ્રક્રિયાઓ અને સૂચકાંકોના નિષ્ણાત મૂલ્યાંકન મેળવવા;

આગાહી સૂચકાંકો અને પ્રક્રિયાઓ જે વિશ્વાસ અંતરાલ અને ચોકસાઈ દર્શાવે છે;

પ્રાપ્ત પરિણામોના અર્થઘટન અને વિશ્લેષણ માટેની પદ્ધતિઓનો વિકાસ.

આગાહી પ્રણાલી માટે માહિતી અને ગાણિતિક સમર્થન પરનું કાર્ય વિશેષ ધ્યાન આપવાનું પાત્ર છે. સોફ્ટવેર બનાવવાની પ્રક્રિયાને નીચેના તબક્કામાં રજૂ કરી શકાય છે:

આગાહી ઑબ્જેક્ટની માળખાકીય ઓળખ માટે પદ્ધતિનો વિકાસ;

આગાહી ઑબ્જેક્ટની પેરામેટ્રિક ઓળખ માટે પદ્ધતિઓનો વિકાસ;

આગાહી વલણો માટેની પદ્ધતિઓનો વિકાસ;

પ્રક્રિયાઓના હાર્મોનિક ઘટકોની આગાહી કરવા માટેની પદ્ધતિઓનો વિકાસ;

પ્રક્રિયાઓના રેન્ડમ ઘટકોની લાક્ષણિકતાઓનું મૂલ્યાંકન કરવા માટેની પદ્ધતિઓનો વિકાસ;

અનુમાનિત સૂચકાંકો માટે જટિલ મોડેલોની રચના જે એકબીજા સાથે જોડાયેલી સિસ્ટમ બનાવે છે.

આગાહી પ્રણાલીની રચના માટે તેના માહિતી સમર્થનની સમસ્યાને ઉકેલવા માટે એક સંકલિત અભિગમની જરૂર છે, જે સામાન્ય રીતે આગાહી મેળવવા માટે ઉપયોગમાં લેવાતા પ્રારંભિક ડેટાના સમૂહ તરીકે સમજવામાં આવે છે, તેમજ પદ્ધતિઓ, પદ્ધતિઓ અને માધ્યમો જે સંગ્રહ, સંચય, સંગ્રહને સુનિશ્ચિત કરે છે. , આગાહી સિસ્ટમના સંચાલન દરમિયાન ડેટાની પુનઃપ્રાપ્તિ અને ટ્રાન્સમિશન અને અન્ય એન્ટરપ્રાઇઝ મેનેજમેન્ટ સિસ્ટમ્સ સાથે તેની ક્રિયાપ્રતિક્રિયા.

સિસ્ટમ માહિતી સપોર્ટમાં સામાન્ય રીતે શામેલ છે:

માહિતી ભંડોળ (ડેટાબેઝ);

માહિતી ભંડોળની રચનાના સ્ત્રોતો, પ્રવાહો અને ડેટા પ્રાપ્તિની પદ્ધતિઓ;

માહિતી ભંડોળની રચના કરતી માહિતીના સંચય, સંગ્રહ, અપડેટ અને પુનઃપ્રાપ્તિની પદ્ધતિઓ;

સિસ્ટમમાં ડેટા પરિભ્રમણ માટેની પદ્ધતિઓ, સિદ્ધાંતો અને નિયમો;

તેમના સંગ્રહ અને પ્રક્રિયાના તમામ તબક્કે ડેટાની વિશ્વસનીયતા સુનિશ્ચિત કરવા માટેની પદ્ધતિઓ;

માહિતી વિશ્લેષણ અને સંશ્લેષણની પદ્ધતિઓ;

આર્થિક ડેટાના અસ્પષ્ટ ઔપચારિક વર્ણન માટેની પદ્ધતિઓ.

આમ, આગાહી પ્રક્રિયાને અમલમાં મૂકવા માટે નીચેના મુખ્ય ઘટકો જરૂરી છે:

આંતરિક માહિતીના સ્ત્રોતો, જે મેનેજમેન્ટ અને એકાઉન્ટિંગ સિસ્ટમ્સ પર આધારિત છે;

બાહ્ય માહિતીના સ્ત્રોતો;

વિશિષ્ટ સોફ્ટવેર કે જે આગાહી અલ્ગોરિધમનો અમલ કરે છે અને પરિણામોનું વિશ્લેષણ કરે છે.

બજારની એકમો માટે આગાહીની સમસ્યાને ઉકેલવાના મહત્વને ધ્યાનમાં રાખીને, ખાસ પસંદ કરેલ (પરીક્ષણ) સ્ત્રોત ડેટાનો ઉપયોગ કરીને, સૂચિત પદ્ધતિઓ અને અલ્ગોરિધમ્સની ગુણવત્તા તેમજ સામાન્ય રીતે ટેક્નોલોજીઓ તપાસવાની સલાહ આપવામાં આવે છે. બિનરેખીય ઑપ્ટિમાઇઝેશન માટે રચાયેલ ગાણિતિક સાધનોની પર્યાપ્તતાનું મૂલ્યાંકન કરતી વખતે, ઉદાહરણ તરીકે, રોઝનબ્રોક અને પોવેલ ફંક્શનનો ઉપયોગ કરીને સમાન ચકાસણી પદ્ધતિનો ઉપયોગ ઘણા લાંબા સમયથી કરવામાં આવે છે.

આગાહી તકનીકની ગુણવત્તા અને પ્રદર્શનની પુષ્ટિ (અથવા ચકાસણી) સામાન્ય રીતે તેમના અનુમાનિત મૂલ્યો સાથે પ્રાયોરી જાણીતા મોડેલ ડેટાની તુલના કરીને અને આગાહીની ચોકસાઈની આંકડાકીય લાક્ષણિકતાઓનું મૂલ્યાંકન કરીને હાથ ધરવામાં આવે છે. ચાલો આ તકનીકને એવી પરિસ્થિતિમાં ધ્યાનમાં લઈએ કે જ્યાં પ્રક્રિયા મોડેલો વલણ Tt, મોસમી (હાર્મોનિક) અને રેન્ડમ ઘટકોનું ઉમેરણ સંયોજન છે.

હાલમાં, વિવિધ સોફ્ટવેર સાધનો વ્યાપક બની ગયા છે, જે માહિતીના સંગ્રહ અને વિશ્લેષણાત્મક પ્રક્રિયાને એક અથવા બીજી રીતે પ્રદાન કરે છે. તેમાંના કેટલાક, ઉદાહરણ તરીકે MS Excel, બિલ્ટ-ઇન આંકડાકીય કાર્યો અને પ્રોગ્રામિંગ ટૂલ્સથી સજ્જ છે. અન્ય, ખાસ કરીને સસ્તા એકાઉન્ટિંગ અને મેનેજમેન્ટ એકાઉન્ટિંગ પ્રોગ્રામ્સમાં આવી ક્ષમતાઓ હોતી નથી અથવા તેમાં વિશ્લેષણાત્મક ક્ષમતાઓ અપૂરતી રીતે લાગુ કરવામાં આવી છે, અને કેટલીકવાર ખોટી રીતે. જો કે, આ, કમનસીબે, કેટલીક વધુ શક્તિશાળી અને મલ્ટિફંક્શનલ એન્ટરપ્રાઇઝ મેનેજમેન્ટ સિસ્ટમ્સમાં પણ સહજ છે. આ પરિસ્થિતિ, દેખીતી રીતે, વિકાસકર્તાઓ દ્વારા પસંદ કરેલ આગાહી અલ્ગોરિધમ્સના ગુણધર્મોના છીછરા વિશ્લેષણ દ્વારા અને તેમની બિનજરૂરી એપ્લિકેશન દ્વારા સમજાવવામાં આવી છે. ઉદાહરણ તરીકે, ઉપલબ્ધ સ્ત્રોતો દ્વારા અભિપ્રાય આપતાં, ઝીરો-ઓર્ડર ઘાતાંકીય સ્મૂથિંગનો ઉપયોગ ઘણીવાર અનુમાનિત અલ્ગોરિધમ્સના આધાર તરીકે થાય છે. જો કે, આ અભિગમ અભ્યાસ કરવામાં આવી રહેલી પ્રક્રિયામાં વલણની ગેરહાજરીમાં જ માન્ય છે. વાસ્તવમાં, આર્થિક પ્રક્રિયાઓ બિન-સ્થિર હોય છે, અને આગાહીમાં સતત વલણ ધરાવતા મોડલ કરતાં વધુ જટિલ મોડલનો ઉપયોગ સામેલ છે.

વિચારણા હેઠળના વિષયના પરિપ્રેક્ષ્યમાં, ઘરેલું સ્વચાલિત બેંકિંગ સિસ્ટમ્સના વિકાસના માર્ગને શોધવાનું રસપ્રદ છે. પ્રારંભિક બેંકિંગ સિસ્ટમો સખત ટેક્નોલોજી પર આધારિત હતી, જેમાં સતત ફેરફારો અથવા વધારાના સોફ્ટવેરની જરૂર પડતી હતી. આનાથી નાણાકીય સોફ્ટવેર ડેવલપરોને, ખુલ્લાપણું, માપનીયતા અને સુગમતાના સિદ્ધાંતોને અનુસરીને, ઔદ્યોગિક DBMS નો ઉપયોગ કરવા માટે પ્રોત્સાહિત કર્યા. જો કે, આ ડીબીએમએસ પોતે ઉચ્ચ-સ્તરની વિશ્લેષણાત્મક સમસ્યાઓને ઉકેલવા માટે અયોગ્ય હોવાનું બહાર આવ્યું છે, જેમાં આગાહીની સમસ્યાનો સમાવેશ થાય છે. આ કરવા માટે, ડેટા સ્ટોરેજ અને ઓપરેશનલ વિશ્લેષણાત્મક પ્રક્રિયા માટે વધારાની તકનીકોનો ઉપયોગ કરવો જરૂરી હતું, જે નાણાકીય સંસ્થાઓ માટે નિર્ણય સહાયક પ્રણાલીઓના સંચાલન અને આગાહીઓની તૈયારીને સુનિશ્ચિત કરે છે. જટિલ એન્ટરપ્રાઇઝ મેનેજમેન્ટ સિસ્ટમ્સમાં સમાન અભિગમનો ઉપયોગ થાય છે.

IT-આધારિત આગાહી પદ્ધતિઓના આધુનિક લાગુ ઉપયોગની બીજી દિશા એ માર્કેટિંગ સમસ્યાઓની વિશાળ શ્રેણીનું સમાધાન છે. ટેલિકોમ્યુનિકેશન સોફ્ટવેર માટે SAS ચર્ન મેનેજમેન્ટ સોલ્યુશનનું ઉદાહરણ છે. તે ટેલિકોમ્યુનિકેશન ઓપરેટરો માટે બનાવાયેલ છે અને તેના ડેવલપર્સ દાવો કરે છે તેમ, અનુમાનિત મોડલ બનાવવાની અને તેમની સહાયથી, ગ્રાહકોની અમુક શ્રેણીઓના મંથન થવાની સંભાવનાનું મૂલ્યાંકન કરવાની મંજૂરી આપે છે. આ સોફ્ટવેરનો આધાર વિતરિત ડેટાબેઝ સર્વર સ્કેલેબલ પરફોર્મન્સ ડેટા સર્વર, વેરહાઉસ અને ડેટા માર્ટ્સ બનાવવા અને સંચાલિત કરવા માટેના સાધનો, ડેટા માઇનિંગ ટૂલ્સ એન્ટરપ્રાઇઝ માઇનર, નિર્ણય સપોર્ટ સિસ્ટમ SAS/MDDB સર્વર, તેમજ સહાયક સાધનો છે.

નવી ફેંગલ CRM સિસ્ટમ્સની સ્પર્ધાત્મકતાને સુનિશ્ચિત કરવા માટે, તેમની વિસ્તૃત ક્ષમતાઓની સૂચિ, તેમજ સ્વયંસંચાલિત બેંકિંગ સિસ્ટમ્સ માટે, રિપોર્ટિંગ ફંક્શન્સનો સમાવેશ થાય છે જે OLAP તકનીકોનો ઉપયોગ કરે છે અને અમુક હદ સુધી માર્કેટિંગ, વેચાણ અને ગ્રાહકના પરિણામોની આગાહી કરવાની મંજૂરી આપે છે. સેવા

ત્યાં ઘણા બધા વિશિષ્ટ સોફ્ટવેર ઉત્પાદનો છે જે આગાહીના વ્યક્તિગત ઘટકો સહિત આંકડાકીય માહિતીની આંકડાકીય પ્રક્રિયા પૂરી પાડે છે. આવા ઉત્પાદનોમાં SPSS, Statistica, વગેરેનો સમાવેશ થાય છે. આ સાધનોમાં ફાયદા અને ગેરફાયદા બંને છે જે તેમના વ્યવહારિક ઉપયોગના અવકાશને નોંધપાત્ર રીતે મર્યાદિત કરે છે. અહીં એ નોંધવું જોઈએ કે ખાસ તાલીમ વિના સામાન્ય વપરાશકર્તાઓ દ્વારા આગાહી સમસ્યાઓ ઉકેલવા માટે વિશિષ્ટ ગાણિતિક અને આંકડાકીય સોફ્ટવેર સાધનોની યોગ્યતાનું મૂલ્યાંકન કરવા માટે અલગ ગંભીર સંશોધન અને ચર્ચાની જરૂર છે.

જો કે, શક્તિશાળી અને ખર્ચાળ માહિતી પ્રણાલીઓ અને તકનીકોનો ઉપયોગ કરીને નાના અને મધ્યમ કદના વ્યવસાયોના ગ્રાહકો માટે આગાહી સમસ્યાઓનું નિરાકરણ લગભગ અશક્ય છે, મુખ્યત્વે નાણાકીય કારણોસર. તેથી, એક ખૂબ જ આશાસ્પદ દિશા એ હાલની અને વ્યાપક ઓછી કિંમતની એકાઉન્ટિંગ અને મેનેજમેન્ટ એકાઉન્ટિંગ સિસ્ટમ્સની વિશ્લેષણાત્મક ક્ષમતાઓનો વિકાસ છે. વિશિષ્ટ વ્યાપારી પ્રક્રિયાઓના આધારે અને ચોક્કસ વપરાશકર્તા માટે જરૂરી વિશ્લેષણાત્મક માહિતી ધરાવતાં વધારાના અહેવાલો વિકસાવવામાં આવે છે, જેમાં ઉચ્ચ કાર્યક્ષમતા-ખર્ચ ગુણોત્તર હોય છે.

કેટલાક સોફ્ટવેર ડેવલપર્સ વિશ્લેષણાત્મક સાધનોની સંપૂર્ણ રેખાઓ બનાવે છે. ઉદાહરણ તરીકે, પેરુસ કોર્પોરેશન નાના અને મધ્યમ કદના વ્યવસાયોના વપરાશકર્તાઓની વિશાળ શ્રેણી માટે Parus-Analytics અને Triumph-Analytics ઉકેલો પ્રદાન કરે છે. આગાહી માહિતીની વિશ્લેષણાત્મક પ્રક્રિયાના વધુ જટિલ કાર્યોને એક કહેવાતા પરિસ્થિતિ કેન્દ્રના સ્વરૂપમાં પેરુસ સિસ્ટમમાં એકીકૃત કરવામાં આવે છે. પરિભ્રમણ ઉકેલોના વિકાસ માટેના મેનેજર દિમિત્રી સુદારેવના જણાવ્યા મુજબ, સોફ્ટવેર ઉત્પાદનો વિકસાવવા અને અમલમાં મૂકવાનો નિર્ણય લેવામાં આવ્યો હતો જે અમને એન્ટરપ્રાઇઝની પ્રવૃત્તિઓમાં ફક્ત તથ્યો રેકોર્ડ કરવાથી માહિતીના વિશ્લેષણ તરફ આગળ વધવા દે છે. તે જ સમયે, એકાઉન્ટન્ટ્સ અને મિડલ મેનેજરોના કાર્યને સ્વચાલિત કરવાથી લઈને ટોચના મેનેજમેન્ટ માટે માહિતીની પ્રક્રિયામાં સંક્રમણની યોજના બનાવવામાં આવી હતી. ગ્રાહકોની સંભવિત શ્રેણીને ધ્યાનમાં લેતા, Parus-Analitika અને Triumph-Analytika પાસે સૉફ્ટવેર અને હાર્ડવેર પર્યાવરણ માટે કોઈ વિશેષ આવશ્યકતાઓ નથી, જો કે, ટ્રાયમ્ફ-એનાલિટીકા સોલ્યુશન MS SQL સર્વરના આધારે લાગુ કરવામાં આવે છે, જે તેને પ્રદાન કરે છે. અભ્યાસ હેઠળની પ્રક્રિયાઓની આગાહી કરવા માટે વધુ ક્ષમતાઓ, ખાસ કરીને, આગાહીના હાર્મોનિક ઘટકને ધ્યાનમાં લેવામાં આવે છે.

જ્યારે એન્ટરપ્રાઇઝ મેનેજમેન્ટમાં તેનો સીધો ઉપયોગ થાય છે ત્યારે આગાહીનું મૂલ્ય અનેક ગણું વધી જાય છે. તેથી, એક મહત્વપૂર્ણ ક્ષેત્ર એ છે કે કસત્કા, MS પ્રોજેક્ટ નિષ્ણાત વગેરે જેવી સિસ્ટમો સાથે આગાહી પ્રણાલીનું એકીકરણ. ઉદાહરણ તરીકે, SBI તરફથી Kasatka સોફ્ટવેર માર્કેટિંગ વિભાગના મેનેજર અને નિષ્ણાતો માટે સ્વયંસંચાલિત વર્કસ્ટેશન તરીકે સ્થિત છે અને તેનો હેતુ મેનેજમેન્ટ, માર્કેટિંગ અને વ્યૂહાત્મક આયોજનનો વિકાસ. આ હેતુ લાંબા ગાળાના વલણોને ઓળખવાની અને આયોજન કરતી વખતે તેમને ધ્યાનમાં લેવાની જરૂરિયાતને પૂર્વનિર્ધારિત કરે છે. આગાહીની ક્ષિતિજ સંસ્થાના સંબંધિત લક્ષ્યોને આધારે નક્કી કરવામાં આવે છે.

નિષ્કર્ષ

આમ, આજની તારીખમાં, ઘણું સંશોધન કરવામાં આવ્યું છે અને વિજ્ઞાન, ટેકનોલોજી, અર્થશાસ્ત્ર, વસ્તી વિષયક અને અન્ય ક્ષેત્રોમાં આગાહીની સમસ્યાના પ્રભાવશાળી વ્યવહારિક ઉકેલો પ્રાપ્ત થયા છે. આ સમસ્યા તરફ ધ્યાન, અન્ય બાબતોની સાથે, આધુનિક અર્થતંત્રના સ્કેલ, ઉત્પાદનની જરૂરિયાતો, સામાજિક વિકાસની ગતિશીલતા, સંચાલનના તમામ સ્તરે આયોજન સુધારવાની જરૂરિયાત તેમજ સંચિત અનુભવને કારણે છે. આગાહી એ વ્યક્તિગત આર્થિક સંસ્થાઓ અને આર્થિક સમુદાયોના સંચાલનના અસરકારક સંગઠનના નિર્ણાયક ઘટકોમાંનું એક છે કારણ કે લીધેલા નિર્ણયોની ગુણવત્તા મોટે ભાગે તેમના પરિણામોની આગાહી કરવાની ગુણવત્તા દ્વારા નક્કી કરવામાં આવે છે. તેથી, આજે લીધેલા નિર્ણયો ભવિષ્યમાં અભ્યાસ કરવામાં આવતી ઘટનાઓ અને ઘટનાઓના સંભવિત વિકાસના વિશ્વસનીય મૂલ્યાંકન પર આધારિત હોવા જોઈએ.

ઘણા નિષ્ણાતો યોગ્ય માહિતી તકનીકોના વિકાસમાં આગાહીમાં સુધારો જુએ છે. તેમના ઉપયોગની જરૂરિયાત ઘણા કારણોસર છે, જેમાં નીચેનાનો સમાવેશ થાય છે: માહિતીના જથ્થામાં વૃદ્ધિ; પરિણામોની ગણતરી અને અર્થઘટન માટે ગાણિતીક નિયમોની જટિલતા; આગાહીની ગુણવત્તા માટે ઉચ્ચ આવશ્યકતાઓ; આયોજન અને વ્યવસ્થાપન સમસ્યાઓ ઉકેલવા માટે આગાહી પરિણામોનો ઉપયોગ કરવાની જરૂરિયાત.

સમય સમય પર, એક અથવા બીજી કંપની દ્વારા પ્રાપ્ત હકારાત્મક પરિણામો વિશે માહિતી દેખાય છે. સંખ્યાબંધ પ્રકાશનો નોંધે છે કે બજારની પરિસ્થિતિમાં વલણોનું સફળ મૂલ્યાંકન, માલ અથવા સેવાઓની માંગ તેમજ અન્ય આર્થિક પ્રક્રિયાઓ અને લાક્ષણિકતાઓ વ્યક્તિને નફામાં નોંધપાત્ર વધારો અને અન્ય આર્થિક સૂચકાંકોમાં સુધારો કરવાની મંજૂરી આપે છે. પ્રથમ નજરમાં સફળતાની પદ્ધતિ સરળ અને સ્પષ્ટ છે: ભવિષ્યમાં શું થશે તેની અપેક્ષા રાખીને, તમે હકારાત્મક વલણોનો ઉપયોગ કરીને અને નકારાત્મક પ્રક્રિયાઓ અને ઘટનાઓને વળતર આપીને, સમયસર અસરકારક પગલાં લઈ શકો છો.

ચોકસાઈ, વિશ્વસનીયતા અને કાર્યક્ષમતા, જોકે, આગાહી ગુણવત્તાના અન્ય ઘટકોની જેમ, સંખ્યાબંધ પરિબળો દ્વારા સુનિશ્ચિત કરવામાં આવે છે, જેમાંથી તે પ્રકાશિત કરવું જરૂરી છે: સૉફ્ટવેર, જે વાસ્તવિકતા અને કવરેજની સંપૂર્ણતા માટે આર્થિક અને ગાણિતિક મોડલ પર આધારિત છે; પ્રારંભિક માહિતીના સ્ત્રોતોની વિશ્વસનીયતા કે જેના પર તે આગાહી ગાણિતીક નિયમોના સંચાલન પર આધારિત છે; આંતરિક અને બાહ્ય માહિતીની પ્રક્રિયા કરવાની કાર્યક્ષમતા; આગાહીના અંદાજોનું વિવેચનાત્મક વિશ્લેષણ કરવાની ક્ષમતા; આગાહી માટે પદ્ધતિસરની અને માહિતી આધારમાં જરૂરી ફેરફારો કરવાની સમયસરતા.

ખાસ સોફ્ટવેર કાળજીપૂર્વક પસંદ કરેલ મોડેલો, પદ્ધતિઓ અને તકનીકો પર આધારિત છે. વર્તમાન અને વ્યૂહાત્મક આયોજનની સમસ્યાઓ હલ કરતી વખતે ઉચ્ચ-ગુણવત્તાની આગાહીઓ મેળવવા માટે તેમનો અમલ અત્યંત મહત્વપૂર્ણ છે. વર્તમાન પરિસ્થિતિનું વિશ્લેષણ દર્શાવે છે કે આઇટીની રજૂઆતમાં મુશ્કેલીઓ, જે આર્થિક પ્રક્રિયાઓની આગાહી પૂરી પાડે છે, તે માત્ર તકનીકી અથવા પદ્ધતિસરની નથી, પરંતુ સંસ્થાકીય અને મનોવૈજ્ઞાનિક પણ છે. પરિણામોના ઉપભોક્તા કેટલીકવાર ઉપયોગમાં લેવાતા મોડેલોના સિદ્ધાંતો, તેમની ઔપચારિકતા અને નિરપેક્ષપણે અસ્તિત્વમાં રહેલી મર્યાદાઓને સમજી શકતા નથી. આ, એક નિયમ તરીકે, પ્રાપ્ત પરિણામોમાં અવિશ્વાસને જન્મ આપે છે. અમલીકરણની સમસ્યાઓનું બીજું જૂથ એ હકીકત સાથે સંકળાયેલું છે કે અનુમાનિત મોડેલો ઘણીવાર બંધ હોય છે, સ્વાયત્ત પ્રકૃતિમાં હોય છે અને તેથી વિકાસ અને પરસ્પર અનુકૂલનના હેતુ માટે તેમનું સામાન્યીકરણ મુશ્કેલ છે. તેથી, મુખ્ય વિશ્લેષણાત્મક કાર્યોને પ્રકાશિત કરતો એક પગલું-દર-પગલાંનો અભિગમ સમાધાનકારી ઉકેલ હોઈ શકે છે.

જો કે, ત્યાં વ્યવહારીક રીતે કોઈ તૈયાર પ્રતિકૃતિ અથવા કોર્પોરેટ સોલ્યુશન્સ નથી જે ઉચ્ચ ગુણવત્તા અને પોસાય તેવા ભાવો સાથે સિસ્ટમ સ્તરે નાની અને મધ્યમ કદની આર્થિક સંસ્થાઓ માટે આગાહી પૂરી પાડે છે. હાલમાં, સ્વયંસંચાલિત એન્ટરપ્રાઇઝ મેનેજમેન્ટ સિસ્ટમ્સ મુખ્યત્વે પ્રાથમિક એકાઉન્ટિંગ અને નિયંત્રણ કાર્યો સુધી મર્યાદિત છે.

વપરાયેલ સાહિત્યની સૂચિ

1. અયવાઝયાન એસ.એ. ઇકોનોમેટ્રિક્સના ફંડામેન્ટલ્સ. એમ.: યુનિટી, 2011. - 432 પૃષ્ઠ.

2. આર્ઝેનોવ્સ્કી એસ.વી., ફેડોસોવા ઓ.એન. ઇકોનોમેટ્રિક્સ. રોસ્ટોવ-ઓન-ડોન: આરજીઇયુ, 2012. - 202 પૃ.

3. બોરોડિચ એસ.એ. ઇકોનોમેટ્રિક્સ. Mn.: નવું જ્ઞાન, 2015. - 408 પૃષ્ઠ.

4. વ્લાદિમીરોવા એલ.પી. બજારની પરિસ્થિતિઓમાં આગાહી અને આયોજન. એમ.: દશકોવ અને કે., 2013. -- 308 પૃષ્ઠ.

5. Dougherty K. અર્થમિતિશાસ્ત્રનો પરિચય. / અંગ્રેજીમાંથી અનુવાદિત. - એમ.: ઇન્ફ્રા-એમ, 2011. - 402 પૃ.

6. Ezhemanskaya S.N. ઇકોનોમેટ્રિક્સ. રોસ્ટોવ-ઓન-ડોન: ફોનિક્સ, 2013. - 160 પૃ.

7. ક્રેમર એન.એસ.એચ., પુટકો બી.એ. ઇકોનોમેટ્રિક્સ. એમ.: યુનિટી, 2015. - 311 પૃ.

8. મેગ્નસ વાય.આર., કાટિશેવ પી.કે., પેરેસેત્સ્કી એ.એ. ઇકોનોમેટ્રિક્સ: પ્રારંભિક અભ્યાસક્રમ. એમ.: ડેલો, 2011. - 400 પૃ.

9. નોવિકોવ એ.આઈ. ઇકોનોમેટ્રિક્સ. એમ.: ઇન્ફ્રા-એમ, 2013. - 306 પૃ.

10. ઓર્લોવ એ.આઈ. ઇકોનોમેટ્રિક્સ. એમ.: પરીક્ષા, 2014. - 576 પૃષ્ઠ.

11. તિખોમિરોવ એન.પી., ડોરોકિના ઇ.યુ. ઇકોનોમેટ્રિક્સ. એમ.: પરીક્ષા, 2013. - 512 પૃષ્ઠ.

12. અર્થમિતિ. / એડ. I.I. એલિસીવા. - એમ.: ફાઇનાન્સ એન્ડ સ્ટેટિસ્ટિક્સ, 2012. - 344 પૃષ્ઠ.

Allbest.ru પર પોસ્ટ કર્યું

પ્રશ્ન નંબર 25. ગાણિતિક આગાહી પદ્ધતિઓ .

આગાહી પદ્ધતિઓ- અભ્યાસ હેઠળના ઑબ્જેક્ટના ભૂતકાળ અને વર્તમાનના વાસ્તવિક ડેટાના વિશ્લેષણ પર આધારિત વૈજ્ઞાનિક અગમચેતી. વિશેષ નિયમો, તકનીકો અને પદ્ધતિઓનો સમૂહ રચાય છે આગાહી તકનીક. મેનેજમેન્ટ સિસ્ટમમાં આગાહી એ કંટ્રોલ ઑબ્જેક્ટના વિકાસ માટે મલ્ટિવેરિયેટ મોડલ્સનો પૂર્વ-યોજના વિકાસ છે. મુખ્ય આગાહી પદ્ધતિઓમાં શામેલ છે: આર્થિક-ગાણિતિક, એનાલોગ, નિષ્ણાત, વગેરે. ^ આગાહીની આર્થિક અને ગાણિતિક પદ્ધતિઓ:

રેખીય પ્રોગ્રામિંગ, ઓપ્ટિમાઇઝેશન સમસ્યાને રેખીય અવરોધો (અસમાનતા અથવા સમાનતા) અને એક રેખીય ઉદ્દેશ્ય કાર્યના સ્વરૂપમાં ઘડવાની મંજૂરી આપવી;

ગતિશીલ પ્રોગ્રામિંગ, મલ્ટિ-સ્ટેજ ઑપ્ટિમાઇઝેશન સમસ્યાઓ હલ કરવા માટે રચાયેલ છે;

પૂર્ણાંક પ્રોગ્રામિંગ, તમને ઑપ્ટિમાઇઝેશન સમસ્યાઓ ઉકેલવા માટે પરવાનગી આપે છે, જેમાં શ્રેષ્ઠ સંસાધન ફાળવણીની સમસ્યાઓ, ચલોના સ્વતંત્ર (પૂર્ણાંક) મૂલ્યો વગેરે સાથે;

સંભવિત અને આંકડાકીય મોડેલો – કતાર સિદ્ધાંતની પદ્ધતિઓમાં લાગુ;

રમત સિદ્ધાંત – આવી પરિસ્થિતિઓનું મોડેલિંગ, નિર્ણય લેવાની પ્રક્રિયા જેમાં વિવિધ વિભાગોના હિતોના તફાવતને ધ્યાનમાં લેવું આવશ્યક છે;

સિમ્યુલેશન મોડલ્સ – તમને સોલ્યુશન્સના અમલીકરણનું પ્રાયોગિક ધોરણે પરીક્ષણ કરવા, પ્રારંભિક જગ્યા બદલવા અને તેમના માટેની આવશ્યકતાઓને સ્પષ્ટ કરવાની મંજૂરી આપે છે.

પેટર્ન (પેટર્ન - તકનીકી મૂલ્યાંકન સુસંગતતા દ્વારા આયોજન સહાય) - આ તકનીક 1963 માં વિકસાવવામાં આવી હતી અને અનિશ્ચિતતાની પરિસ્થિતિઓ (એટલે ​​​​કે જટિલ, વિરોધાભાસી પ્રણાલીઓમાં) હેઠળ સંશોધન અને વિકાસ વિકાસનું આયોજન કરતી વખતે તેનો ઉપયોગ થાય છે. પેટર્ન માળખાના મુખ્ય ઘટકો: આગાહી ઑબ્જેક્ટની પસંદગી; ઑબ્જેક્ટની આંતરિક પેટર્નની ઓળખ; સ્ક્રિપ્ટ તૈયારી; કાર્યની રચના અને આગાહીનું સામાન્ય લક્ષ્ય; વંશવેલો વિશ્લેષણ; લક્ષ્યોની રચના; આંતરિક અને બાહ્ય માળખું અપનાવવું; સર્વેક્ષણ; પ્રશ્નાવલી ડેટાની ગાણિતિક પ્રક્રિયા; રચનાનું માત્રાત્મક મૂલ્યાંકન; ચકાસણી; સંસાધન વિતરણ માટે અલ્ગોરિધમનો વિકાસ; સાધનો ની ફાળવણી; વિતરણ પરિણામોનું મૂલ્યાંકન. આ તકનીક તમને પૂર્વ-અનુમાન ઓરિએન્ટેશન મેળવવા, ઑબ્જેક્ટનું આંતરિક માળખું ("ધ્યેય વૃક્ષ"), બાહ્ય માળખું (સ્થાનિક માપદંડોની સિસ્ટમ) બનાવવા અને ઑબ્જેક્ટના ઘટકોની સંસાધન જોગવાઈ માટે વિકલ્પો વિકસાવવા દે છે.

સંશોધનાત્મક આગાહી પદ્ધતિ.

સર્વેક્ષણની આગાહીમાં વપરાતી મુખ્ય પદ્ધતિઓમાંની એક સમય શ્રેણીનું એક્સ્ટ્રાપોલેશન છે - અમને રુચિના વિષય વિશે આંકડાકીય માહિતી. એક્સ્ટ્રાપોલેશન પદ્ધતિઓ એવી ધારણા પર આધારિત છે કે ભૂતકાળમાં બનેલી વૃદ્ધિનો નિયમ ભવિષ્યમાં પણ ચાલુ રહેશે, સંભવિત સંતૃપ્તિ અસરો અને ઑબ્જેક્ટના જીવન ચક્રના તબક્કાઓને કારણે ગોઠવણોને આધીન છે. સંખ્યાબંધ સામાન્ય પરિસ્થિતિઓમાં અનુમાનિત પરિમાણોમાંના ફેરફારોને તદ્દન સચોટપણે પ્રતિબિંબિત કરતા વળાંકોમાં ઘાતાંકીય છે, એટલે કે, ફોર્મનું કાર્ય: y=a*ebt, જ્યાં t એ સમય છે, a અને b એ પરિમાણો છે ઘાતાંકીય વળાંક. આગાહીમાં વપરાતા સૌથી પ્રસિદ્ધ ઘાતાંકીય વળાંકો પૈકી પર્લ કર્વ છે, જે સજીવો અને વસ્તીના વિકાસના ક્ષેત્રમાં વ્યાપક સંશોધનમાંથી ઉતરી આવ્યું છે અને તેનું સ્વરૂપ છે: Y = L/(1+a*(e-bt), જ્યાં L ચલ y ની ઉપલી મર્યાદા છે.

આવક વિતરણ અને મૃત્યુ દર (વીમા કંપનીઓ માટે) ના ક્ષેત્રના સંશોધનમાંથી મેળવવામાં આવેલ ગોમ્પર્ટ્ઝ વળાંક ઓછો સામાન્ય નથી, જ્યાં k એ ઘાતાંક પરિમાણ પણ છે.

સ્ટીમ એન્જિનની કાર્યક્ષમતામાં વધારો, રેડિયો સ્ટેશનોની કાર્યક્ષમતામાં વધારો, વેપારી કાફલાના જહાજોના ટનેજમાં વધારો વગેરે જેવા પરિમાણોની આગાહી કરવા માટે પર્લ અને ગોમ્પર્ટ્ઝ વક્રનો ઉપયોગ કરવામાં આવ્યો હતો. પર્લ વળાંક અને ગોમ્પર્ટ્ઝ વળાંક બંનેને કહેવાતા S-આકારના વળાંક તરીકે વર્ગીકૃત કરી શકાય છે. આવા વળાંકો પ્રારંભિક તબક્કે ઘાતાંકીય અથવા ઘાતાંકીય વૃદ્ધિની નજીક હોય છે, અને પછી, જેમ જેમ તેઓ સંતૃપ્તિ બિંદુની નજીક આવે છે, તેમ તેમ તેઓ ચપટી આકાર લે છે.

ઉલ્લેખિત ઘણી પ્રક્રિયાઓ અનુરૂપ વિભેદક સમીકરણોનો ઉપયોગ કરીને વર્ણવી શકાય છે, જેનો ઉકેલ પર્લ અને ગોમ્પર્ટ્ઝ વણાંકો છે. ઉદાહરણ તરીકે, અમે એક વિભેદક સમીકરણ ટાંકી શકીએ છીએ જે સંશોધકો N ની સંખ્યાના આધારે માહિતી (જ્ઞાન) I ના જથ્થામાં વધારાનું વર્ણન કરે છે, સમય t ના એકમ દીઠ એક સંશોધક q ની સરેરાશ ઉત્પાદકતા ગુણાંક અને C- સતત ગુણાંક. માહિતીના જથ્થામાં ફેરફારોની ગતિશીલતાનું લક્ષણ.

જ્યારે એક્સ્ટ્રાપોલેટિંગ, રીગ્રેસન અને અસાધારણ મોડેલોનો ઉપયોગ થાય છે. એક્સ્ટ્રાપોલેટિંગ ફંક્શનના પ્રકારને પસંદ કરવા અને તેના પરિમાણોના મૂલ્યો નક્કી કરવા માટે વિશેષ પદ્ધતિઓનો ઉપયોગ કરીને રીગ્રેસન મોડલ્સ ઘટનાઓની સ્થાપિત પેટર્નના આધારે બનાવવામાં આવે છે. ખાસ કરીને, એક્સ્ટ્રાપોલેટિંગ ફંક્શનના પરિમાણો નક્કી કરવા માટે ઓછામાં ઓછી ચોરસ પદ્ધતિનો ઉપયોગ કરી શકાય છે.

એક અથવા બીજા એક્સ્ટ્રાપોલેશન મોડલ, એક અથવા બીજા વિતરણ કાયદાનો ઉપયોગ ધારી રહ્યા છીએ, આગાહીના અંદાજોની વિશ્વસનીયતાને દર્શાવતા આત્મવિશ્વાસ અંતરાલો નક્કી કરવાનું શક્ય છે. ફેનોમેનોલોજિકલ મોડલ્સ પ્રક્રિયાના વલણના મહત્તમ અંદાજની શરતોના આધારે બનાવવામાં આવે છે, તેની વિશેષતાઓ અને મર્યાદાઓ અને તેના ભાવિ વિકાસ વિશે સ્વીકૃત પૂર્વધારણાઓને ધ્યાનમાં લઈને.

અસાધારણ મોડેલોમાં મલ્ટિફેક્ટર આગાહી સાથે, ભૂતકાળમાં ઘટનાઓના વિકાસ પર વધુ પ્રભાવ ધરાવતા પરિબળોને વધુ વજનના ગુણાંક સોંપવાનું શક્ય છે.

જો, આગાહી કરતી વખતે, પૂર્વવર્તી સમયગાળો ગણવામાં આવે છે, જેમાં ઘણા સમયગાળાનો સમાવેશ થાય છે, તો પછી, અનુમાનિત સૂચકાંકોની પ્રકૃતિના આધારે, સમય સ્કેલ પર આગાહીની ક્ષણથી ઓછું દૂર, વગેરે. તે પણ ધ્યાનમાં લેવું જોઈએ કે આગાહી કરતી વખતે, નજીકના ભવિષ્ય વિશે નિષ્ણાતોના મૂલ્યાંકન ઘણીવાર વધુ પડતા આશાવાદી હોઈ શકે છે, અને વધુ દૂરના ભવિષ્યને લગતા મૂલ્યાંકન વધુ પડતા નિરાશાવાદી હોઈ શકે છે.

જો અનુમાનિત પ્રક્રિયામાં ઘણી જુદી જુદી તકનીકો સામેલ હોઈ શકે છે, જેમાંથી દરેક અનુરૂપ વળાંક દ્વારા દર્શાવવામાં આવે છે, તો પછી વ્યક્તિગત તકનીકોને અનુરૂપ આંશિક વણાંકોના પરબિડીયુંનો પરિણામી નિષ્ણાત વળાંક તરીકે ઉપયોગ કરી શકાય છે.

સ્ક્રિપ્ટીંગ પદ્ધતિ.

મેનેજમેન્ટ નિર્ણયો વિકસાવતી વખતે, દૃશ્ય પદ્ધતિ વ્યાપક બની છે, જે ઘટનાઓના સંભવિત કોર્સ અને લીધેલા નિર્ણયોના સંભવિત પરિણામોનું મૂલ્યાંકન કરવાનું પણ શક્ય બનાવે છે. નિષ્ણાતો દ્વારા વિકસિત વિશ્લેષિત પરિસ્થિતિના વિકાસ માટેના દૃશ્યો, વિશ્વસનીયતાના એક અથવા બીજા સ્તર સાથે, સંભવિત વિકાસ વલણો, હાલના પરિબળો વચ્ચેના સંબંધો અને સંભવિત રાજ્યોનું ચિત્ર બનાવવાનું શક્ય બનાવે છે કે જેમાં પરિસ્થિતિ આવી શકે છે. ચોક્કસ પ્રભાવોનો પ્રભાવ. વ્યવસાયિક રીતે વિકસિત દૃશ્યો તમને વિવિધ નિયંત્રણ પ્રભાવોની હાજરીમાં અને તેમની ગેરહાજરીમાં, પરિસ્થિતિના વિકાસની સંભાવનાઓને વધુ સંપૂર્ણ અને સ્પષ્ટ રીતે નિર્ધારિત કરવાની મંજૂરી આપે છે.

બીજી બાજુ, પરિસ્થિતિના અપેક્ષિત વિકાસ માટેના દૃશ્યો અસફળ સંચાલન પ્રભાવો અથવા ઘટનાઓના પ્રતિકૂળ વિકાસથી ભરપૂર જોખમોને સમયસર સમજવાનું શક્ય બનાવે છે.

હાલમાં, દૃશ્ય પદ્ધતિના વિવિધ અમલીકરણો જાણીતા છે, જેમ કે: સર્વસંમતિ અભિપ્રાય મેળવવો, સ્વતંત્ર દૃશ્યોની પુનરાવર્તિત પ્રક્રિયા, ક્રિયાપ્રતિક્રિયા મેટ્રિસિસનો ઉપયોગ કરીને, વગેરે. સર્વસંમતિ અભિપ્રાય મેળવવાની પદ્ધતિ, સારમાં, અમલીકરણોમાંની એક છે. ડેલ્ફી પદ્ધતિ, નિષ્ણાતોના વિવિધ જૂથોના સામૂહિક અભિપ્રાય મેળવવા પર ધ્યાન કેન્દ્રિત કરે છે, જે ભવિષ્યના આપેલ સમયગાળામાં ચોક્કસ ક્ષેત્રની પ્રમાણમાં મોટી ઘટનાઓ છે. આ પદ્ધતિના ગેરફાયદામાં ઘટનાઓના વિકાસ, પરિસ્થિતિની ગતિશીલતાને પ્રભાવિત કરતા વિવિધ પરિબળોની પરસ્પર નિર્ભરતા અને ક્રિયાપ્રતિક્રિયા પર અપૂરતું ધ્યાન આપવામાં આવે છે.

સ્વતંત્ર દૃશ્યોના પુનરાવર્તિત સંયોજનની પદ્ધતિમાં દરેક પાસાઓ માટે સ્વતંત્ર દૃશ્યો દોરવામાં આવે છે જે પરિસ્થિતિના વિકાસ પર નોંધપાત્ર અસર કરે છે, અને પરિસ્થિતિના વિવિધ પાસાઓના વિકાસ માટે દૃશ્યો પર સંમત થવાની પુનરાવર્તિત પુનરાવર્તિત પ્રક્રિયાનો સમાવેશ થાય છે.

આ પદ્ધતિનો ફાયદો એ પરિસ્થિતિના વિકાસના વિવિધ પાસાઓની ક્રિયાપ્રતિક્રિયાનું વધુ ઊંડાણપૂર્વકનું વિશ્લેષણ છે.

તેના ગેરફાયદામાં અપર્યાપ્ત વિકાસ અને પરિદ્રશ્ય મંજૂરી પ્રક્રિયાઓના પદ્ધતિસરના સમર્થનનો સમાવેશ થાય છે.

ગોર્ડન અને હેલ્મર દ્વારા વિકસિત પરસ્પર પ્રભાવ મેટ્રિસિસની પદ્ધતિ, નિષ્ણાતના મૂલ્યાંકનના આધારે, વિચારણા હેઠળની વસ્તીમાં ઘટનાઓના સંભવિત પરસ્પર પ્રભાવને નિર્ધારિત કરે છે.

અંદાજો કે જે ઘટનાઓના તમામ સંભવિત સંયોજનોને તેમની શક્તિ, સમયસર વિતરણ વગેરે દ્વારા જોડે છે, તે ઘટનાઓની સંભાવનાઓ અને તેમના સંયોજનોના પ્રારંભિક અંદાજોને રિફાઇન કરવાનું શક્ય બનાવે છે. પદ્ધતિના ગેરફાયદામાં મોટી સંખ્યામાં અંદાજો મેળવવા અને તેમને યોગ્ય રીતે પ્રક્રિયા કરવાની જટિલતા શામેલ છે.

પેપર દૃશ્યો દોરવા માટેની પદ્ધતિની દરખાસ્ત કરે છે, જેમાં જગ્યાના પ્રારંભિક નિર્ધારણ અને સિસ્ટમની લાક્ષણિકતા ધરાવતા પરિમાણોનો સમાવેશ થાય છે. આ પરિમાણ જગ્યામાં t સમયે સિસ્ટમની સ્થિતિ એ બિંદુ S(t) છે. પરિસ્થિતિના વિકાસમાં સંભવિત વલણો નક્કી કરવાથી અમને ભવિષ્યમાં S(t+l), S, S(t+l), એસ. (t+2), વગેરે.

જો ત્યાં કોઈ નિયંત્રણ ક્રિયાઓ ન હોય, તો એવું માનવામાં આવે છે કે સિસ્ટમ સૌથી સંભવિત દિશામાં વિકસિત થશે.

નિયંત્રણ ક્રિયાઓ એ દળોના પ્રભાવની સમકક્ષ છે જે S(t) ની દિશા બદલી શકે છે. સ્વાભાવિક રીતે, બાહ્ય અને આંતરિક બંને પરિબળો દ્વારા લાદવામાં આવેલી મર્યાદાઓને ધ્યાનમાં લેતા નિયંત્રણ ક્રિયાઓ ધ્યાનમાં લેવી જોઈએ.

દૃશ્યો વિકસાવવા માટેની સૂચિત તકનીકમાં અલગ સમયે સિસ્ટમની સ્થિતિને ધ્યાનમાં લેવાનો સમાવેશ થાય છે t, t+1, t+2, ... .

આ કિસ્સામાં, એવું માનવામાં આવે છે કે પરિમાણ જગ્યામાં સિસ્ટમ S(t) ને અનુરૂપ બિંદુ શંકુમાં સ્થિત છે જે પ્રારંભિક સમય t થી અંતર સાથે વિસ્તરે છે. અમુક ત્વરિત t+T પર, સિસ્ટમ ઇન્સ્ટન્ટ t+T ને અનુરૂપ શંકુના વિભાગમાં સ્થિત હોવાની અપેક્ષા છે.

પરિશિષ્ટ 1. વ્યવસાયમાં આંકડાકીય વિશ્લેષણ અને આગાહીની પદ્ધતિઓ

4. ગાણિતિક આગાહી સાધનો

વ્યવસાયમાં સ્ટોકેસ્ટિક વિશ્લેષણ અને આગાહીની સમસ્યાઓમાં વપરાતી ગાણિતિક પદ્ધતિઓ અને મોડેલો ગણિતની વિવિધ શાખાઓ સાથે સંબંધિત હોઈ શકે છે: રીગ્રેસન વિશ્લેષણ, સમય શ્રેણી વિશ્લેષણ, નિષ્ણાતના અભિપ્રાયોની રચના અને મૂલ્યાંકન, સિમ્યુલેશન મોડેલિંગ, એક સાથે સમીકરણોની સિસ્ટમ્સ, ભેદભાવપૂર્ણ વિશ્લેષણ, અને પ્રોબિટ મોડલ, તાર્કિક નિર્ણય કાર્યોનું ઉપકરણ, વિસંગતતા અથવા સહપ્રવર્તનનું વિશ્લેષણ, ક્રમના સહસંબંધોનું વિશ્લેષણ અને આકસ્મિક કોષ્ટકો, વગેરે. જો કે, તે બધા એ હકીકત દ્વારા એક થયા છે કે તેઓ બહુવિધ આંકડાકીય કેન્દ્રીય સમસ્યાને ઉકેલવા માટે વિવિધ અભિગમોનું પ્રતિનિધિત્વ કરે છે. વિશ્લેષણ અને અર્થમિતિશાસ્ત્ર - નિર્ભરતાના આંકડાકીય સંશોધનની સમસ્યાઓ, જે ચોક્કસ છે વ્યવસાયમાં આંકડાકીય વિશ્લેષણ અને આગાહીની મૂળભૂત સમસ્યા (તેની સામાન્ય રચના ફકરા 2 માં આપવામાં આવી હતી).

ફકરા 1 માં તે પહેલેથી જ નોંધ્યું હતું કે વચ્ચે p + k + l + mવિશ્લેષિત બહુપરિમાણીય લાક્ષણિકતાના ઘટક કાં તો માત્રાત્મક, ઓર્ડિનલ અથવા નામાંકિત ચલો હોઈ શકે છે. મલ્ટિવેરિયેટ સ્ટેટિસ્ટિકલ એનાલિસિસની કેન્દ્રિય સમસ્યાને ઉકેલવા માટે ઉપરોક્ત અભિગમો અભ્યાસ હેઠળના ચલોની પ્રકૃતિને ચોક્કસ રીતે ધ્યાનમાં લઈને રચવામાં આવ્યા હતા. આ અભિગમોની અનુરૂપ વિશેષતા કોષ્ટકમાં પ્રતિબિંબિત થાય છે. 4. તેમાં સાહિત્યિક સ્ત્રોતોના સંદર્ભો પણ છે જેમાં કોઈ આ અભિગમોનું એકદમ સંપૂર્ણ વર્ણન શોધી શકે છે.

કોષ્ટક 4.

પરિણામી સૂચકાંકોની પ્રકૃતિ	સમજૂતીત્મક ચલોની પ્રકૃતિ	બહુવિધ આંકડાકીય વિશ્લેષણના સહાયક વિભાગોનું નામ	સાહિત્યિક સ્ત્રોતો
જથ્થાત્મક	જથ્થાત્મક	રીગ્રેસન વિશ્લેષણ અને એક સાથે સમીકરણોની સિસ્ટમો
જથ્થાત્મક	"સમય" તરીકે અર્થઘટન કરાયેલ એકમાત્ર માત્રાત્મક ચલ	સમય શ્રેણી વિશ્લેષણ
જથ્થાત્મક	બિન-જથ્થાત્મક (ઓર્ડિનલ અથવા નોમિનલ ચલ)	વિભિન્નતાનું વિશ્લેષણ
જથ્થાત્મક		સહવર્તન વિશ્લેષણ, ટાઇપોલોજિકલ રીગ્રેશન મોડલ્સ
બિન-માત્રાત્મક (ઓર્ડિનલ ચલો)	બિન-માત્રાત્મક (ઓર્ડિનલ અને નોમિનલ ચલ)	રેન્ક સહસંબંધો અને આકસ્મિક કોષ્ટકોનું વિશ્લેષણ
બિન-માત્રાત્મક (નજીવા ચલ)	જથ્થાત્મક	ભેદભાવપૂર્ણ વિશ્લેષણ, લોગિટ અને પ્રોબિટ મોડલ, ક્લસ્ટર વિશ્લેષણ, વર્ગીકરણ, વિતરણનું વિભાજન મિશ્રણ
મિશ્ર (માત્રાત્મક અને બિન-માત્રાત્મક ચલ)	મિશ્ર (માત્રાત્મક અને બિન-માત્રાત્મક ચલ)	લોજિક સોલ્વર, ડેટા માઇનિંગ

જો કે, વ્યવસાયમાં આંકડાકીય વિશ્લેષણ અને આગાહીની પ્રથા સૂચવે છે કે તેમના ગાણિતિક સાધનોની સમગ્ર શ્રેણીમાં, નિર્વિવાદ નેતૃત્વ (વ્યાપકતા અને સુસંગતતાની દ્રષ્ટિએ) ત્રણ વિભાગોને અનુસરે છે:
- પાછળ નુ પૃથકરણ;
- સમય શ્રેણી વિશ્લેષણ;
- નિષ્ણાત આકારણીઓની રચના અને આંકડાકીય વિશ્લેષણ માટેની પદ્ધતિ.

ચાલો આ દરેક વિભાગોને ટૂંકમાં જોઈએ.

પાછળ નુ પૃથકરણ

પહેલાની જેમ, અમે અભ્યાસ હેઠળના વાસ્તવિક ઑબ્જેક્ટની કામગીરી (ફર્મ, કંપની, ઉત્પાદન પ્રક્રિયા અથવા ઉત્પાદનોનું વિતરણ, વગેરે) ચલોના સમૂહ સાથે વર્ણવીશું અને (તેનો મૂળ અર્થ ફકરા 2 માં વર્ણવેલ છે). ચાલો આપણે રીગ્રેસન વિશ્લેષણમાં વપરાતી સંખ્યાબંધ વ્યાખ્યાઓ અને વિભાવનાઓ રજૂ કરીએ.

પરિણામી (આશ્રિત, અંતર્જાત) ચલો.વિશ્લેષિત પ્રણાલીના કાર્યનું પરિણામ અથવા કાર્યક્ષમતા દર્શાવતું ચલ પરિણામી (આશ્રિત, અંતર્જાત) કહેવાય છે. તેના મૂલ્યો પ્રક્રિયામાં અને આ સિસ્ટમની કામગીરીમાં સંખ્યાબંધ અન્ય ચલો અને પરિબળોના પ્રભાવ હેઠળ રચાય છે, જેમાંથી કેટલાકને રેકોર્ડ કરી શકાય છે અને અમુક હદ સુધી વ્યવસ્થાપિત અને આયોજન કરી શકાય છે (આ ભાગને સામાન્ય રીતે કહેવામાં આવે છે. સમજૂતીત્મક ચલો, નીચે જુઓ). રીગ્રેસન વિશ્લેષણમાં, પરિણામી ચલ એક કાર્ય તરીકે કાર્ય કરે છે, જેનાં મૂલ્યો ઉપરોક્ત સ્પષ્ટીકરણાત્મક ચલોના મૂલ્યો દ્વારા (કેટલીક રેન્ડમ ભૂલ હોવા છતાં) નક્કી કરવામાં આવે છે, જે દલીલો તરીકે કાર્ય કરે છે. તેથી, તેની પ્રકૃતિ દ્વારા, પરિણામી ચલ હંમેશા સ્ટોકેસ્ટિક (રેન્ડમ) હોય છે. સામાન્ય કિસ્સામાં, ઘણા પરિણામી ચલોની વર્તણૂકનું સામાન્ય રીતે એક જ સમયે વિશ્લેષણ કરવામાં આવે છે. .

સમજૂતીત્મક (અનુભવી, એક્ઝોજેનસ) ચલો . ચલો (અથવા વિશેષતાઓ) કે જે રજીસ્ટર થઈ શકે છે, અભ્યાસ કરવામાં આવી રહેલી વાસ્તવિક આર્થિક પ્રણાલીની કાર્યકારી પરિસ્થિતિઓનું વર્ણન કરે છે અને પરિણામી ચલોના મૂલ્યો બનાવવાની પ્રક્રિયાને મોટાભાગે નિર્ધારિત કરે છે તેને સ્પષ્ટીકરણ કહેવામાં આવે છે. એક નિયમ તરીકે, તેમાંના કેટલાક ઓછામાં ઓછા આંશિક નિયમન અને સંચાલન માટે યોગ્ય છે. અસંખ્ય સમજૂતીત્મક ચલોના મૂલ્યો વિશ્લેષણ કરેલ સિસ્ટમની જેમ "બહારથી" સેટ કરી શકાય છે. આ કિસ્સામાં, તેઓ સામાન્ય રીતે એક્ઝોજેનસ કહેવાય છે. રીગ્રેસન વિશ્લેષણમાં, તેઓ ફંક્શનની દલીલોની ભૂમિકા ભજવે છે જેમાં વિશ્લેષિત પરિણામી સૂચક ગણવામાં આવે છે. તેમના સ્વભાવ દ્વારા, સમજૂતીત્મક ચલો રેન્ડમ અથવા નોન-રેન્ડમ હોઈ શકે છે.

રીગ્રેસન અવશેષો- આ સુપ્ત (એટલે ​​​​કે છુપાયેલા, સીધા માપી શકાય તેવા નથી) રેન્ડમ ઘટકો છે, જે અનુક્રમે, પ્રભાવને પ્રતિબિંબિત કરે છે ધ્યાનમાં ન લેવાયેલ પરિબળો, તેમજ વિશ્લેષિત પરિણામી ચલોના માપનમાં રેન્ડમ ભૂલો. સામાન્ય રીતે કહીએ તો, તેઓ પર પણ આધાર રાખી શકે છે, એટલે કે, સામાન્ય કિસ્સામાં.

રીગ્રેસન વિશ્લેષણમાં ચલોની ક્રિયાપ્રતિક્રિયાની સામાન્ય યોજના આકૃતિમાં બતાવવામાં આવી છે.

ચિત્ર . રીગ્રેસન વિશ્લેષણમાં ચલોની ક્રિયાપ્રતિક્રિયાની સામાન્ય યોજના.

રીગ્રેસન કાર્ય દ્વારા. કાર્ય કહેવાય છે રીગ્રેસન કાર્યદ્વારા (અથવા ખાલી - પ્રત્યાગમાન દ્વારા), જો તે પરિણામી ચલના શરતી સરેરાશ મૂલ્યમાં ફેરફારનું વર્ણન કરે છે (જો કે સ્પષ્ટીકરણાત્મક ચલોના મૂલ્યો સ્તરો પર નિશ્ચિત હોય તો) સ્પષ્ટીકરણ ચલોના મૂલ્યોમાં ફેરફારને આધારે. તદનુસાર, ગાણિતિક રીતે આ વ્યાખ્યા ફોર્મમાં લખી શકાય છે

જ્યાં પ્રતીકનો અર્થ મૂલ્યોની સૈદ્ધાંતિક સરેરાશની કામગીરી છે (એટલે ​​​​કે, રેન્ડમ ચલની ગાણિતિક અપેક્ષા છે, અને, અથવા સરળ રીતે, રેન્ડમ ચલની શરતી ગાણિતિક અપેક્ષા છે, જે શરત હેઠળ ગણવામાં આવે છે કે મૂલ્યો સમજૂતીત્મક ચલો સ્તર પર નિશ્ચિત છે).

જો આપણે પરિણામી ચલોનું એકસાથે વિશ્લેષણ કરીએ, તો આપણે અનુક્રમે, રીગ્રેસન કાર્યો અથવા, સમાન શું છે, તે ધ્યાનમાં લેવું જોઈએ. વેક્ટર-મૂલ્યવાળુંકાર્ય

. (11)

પછી રીગ્રેશન મોડલ ફોર્મમાં લખી શકાય છે

, (12)

વધુમાં, વ્યાખ્યામાંથી તે અનુસરે છે કે હંમેશા]

(12’)

(સમાનસમાન સાઇન ઇન (12’) નો અર્થ છે કે જ્યારે તે માન્ય છે કોઈપણમૂલ્યો; જમણી બાજુએ શૂન્યના કૉલમ વેક્ટરનું પરિમાણ છે).

રીગ્રેસન વિશ્લેષણ સમસ્યાતેના સૌથી સામાન્ય સ્વરૂપમાં નીચે પ્રમાણે ઘડી શકાય છે:

માપન પરિણામો પર આધારિત

વિશ્લેષિત વસ્તીના ઑબ્જેક્ટ્સ (સિસ્ટમ્સ, પ્રક્રિયાઓ) પર અભ્યાસ કરેલ ચલોમાંથી, આવા (વેક્ટર-મૂલ્યવાળું) કાર્ય (11) બનાવો જે પરિણામી મૂલ્યોને પુનઃસ્થાપિત કરવાની શ્રેષ્ઠ (ચોક્કસ અર્થમાં) રીતને મંજૂરી આપે. (અનુમાનિત) ચલો સ્પષ્ટીકરણાત્મક (બહિર્જાત) ચલોના આપેલ મૂલ્યો અનુસાર.

નોંધ 1. સૌથી સામાન્ય છે રેખીયરીગ્રેસન મોડલ્સ, એટલે કે મોડેલ જેમાં રીગ્રેસન ફંક્શન રેખીય સ્વરૂપ ધરાવે છે:

ટિપ્પણી 2. અનુક્રમે ફકરા 2 માં રજૂ કરાયેલા "વર્તણૂક", "સ્થિતિ" અને "બાહ્ય" ચલોનું અર્થઘટન કરવા માટે ઓછામાં ઓછા બે વિકલ્પો છે, અને વર્ણવેલ રીગ્રેશન મોડલ (12)-(12 ') ના માળખામાં. પ્રથમ સંસ્કરણમાં ત્રણેય પ્રકારોચલ અને સ્પષ્ટીકરણ ચલ તરીકે વર્ગીકૃત કરવામાં આવે છે અને રીગ્રેસન પર બનેલ છે. અન્ય મૂર્ત સ્વરૂપમાં, ચલો અને તરીકે અર્થઘટન કરવામાં આવે છે અવલોકન શરતોઅને પછી અલગઆ શરતોના દરેક નિશ્ચિત સંયોજન માટે, ફોર્મ (12) નું રીગ્રેસન મોડેલ બનાવવામાં આવે છે (રેખીય મોડેલ (12'' ના માળખામાં) આનો અર્થ એ થશે કે રીગ્રેશન ગુણાંક પોતે જ પર આધાર રાખે છે અને , એટલે કે, તેઓને અને ) ના કાર્યો તરીકે વ્યાખ્યાયિત કરવામાં આવે છે.

સમય શ્રેણી વિશ્લેષણ

કોઈપણ આંકડાકીય વિશ્લેષણ અને આગાહી પ્રારંભિક આંકડાકીય માહિતી પર આધારિત છે. તેમના મુખ્ય પ્રકારો ફકરા 1 માં રજૂ કરવામાં આવ્યા હતા. તદુપરાંત, જો ડેટા રેકોર્ડિંગની પ્રક્રિયા સમયસર થાય છે, અને સમય પોતે જ વિશ્લેષિત લાક્ષણિકતાઓના મૂલ્યો સાથે રેકોર્ડ કરવામાં આવે છે, તો અમે કહેવાતા આંકડાકીય વિશ્લેષણ વિશે વાત કરીએ છીએ. પેનલ ડેટા. જો તમે ચલની સંખ્યા અને આંકડાકીય રીતે તપાસેલ ઑબ્જેક્ટની સંખ્યાને ઠીક કરો છો, તો કાલક્રમિક ક્રમમાં સ્થિત મૂલ્યોનો ક્રમ

કહેવાય છે અવિચલિત સમય શ્રેણી. જો આપણે એકસાથે ફોર્મ (13) ની એક-પરિમાણીય સમય શ્રેણીને ધ્યાનમાં લઈએ, એટલે કે, આમાંના દાખલાઓનું પરીક્ષણ કરીએ. એકબીજા સાથે જોડાયેલસમય શ્રેણીનું વર્તન (13) માટે, ચલોની ગતિશીલતાનું લક્ષણ, પર માપવામાં આવે છે ખાલી એક જ(-m) પદાર્થ, પછી તેઓ વાત કરે છે આંકડાકીય વિશ્લેષણ બહુવિધ સમય શ્રેણી. અનિવાર્યપણે, આર્થિક ગતિશીલતા અને આગાહીઓના પૃથ્થકરણથી સંબંધિત તમામ કાર્યોમાં ચોક્કસ સૂચકાંકોની સમય શ્રેણીનો તેમના આંકડાકીય આધાર તરીકે ઉપયોગ સામેલ છે.

એક નિયમ તરીકે, વ્યવસાયની આગાહીની સમસ્યાઓમાં જ અલગ (અવલોકન સમય દ્વારા) માટે અવિચલિત સમય શ્રેણી સમાન અવલોકન ક્ષણો, એટલે કે આપેલ સમયનું પગલું ક્યાં છે (મિનિટ, કલાક, દિવસ, અઠવાડિયું, મહિનો, ત્રિમાસિક, વર્ષ, વગેરે). આ કિસ્સાઓમાં, ફોર્મમાં અભ્યાસ હેઠળની સમય શ્રેણીનું પ્રતિનિધિત્વ કરવું અમારા માટે વધુ અનુકૂળ રહેશે

વિશ્લેષિત સૂચકનું મૂલ્ય ઠ્ઠી વખતના પગલામાં ક્યાં નોંધાયેલું છે.

આગાહી સમસ્યામાં સમય શ્રેણી વિશ્લેષણ ઉપકરણના ઉપયોગ વિશે બોલતા, અમારો અર્થ છે ટૂંકમાં- અને મધ્યમ ગાળા આગાહી, બાંધકામ થી લાંબા ગાળાનાઆગાહી સંસ્થા અને આંકડાકીય વિશ્લેષણની પદ્ધતિઓનો ફરજિયાત ઉપયોગ સૂચવે છે વિશેષ નિષ્ણાત મૂલ્યાંકન.

અવલોકનોની ઉત્પત્તિ સમય શ્રેણી બનાવે છે. અમે મુખ્ય પરિબળોની રચના અને વર્ગીકરણ વિશે વાત કરી રહ્યા છીએ જેના પ્રભાવ હેઠળ સમય શ્રેણીના તત્વોના મૂલ્યો રચાય છે. નીચેના 4 પ્રકારના આવા પરિબળોને અલગ પાડવાની સલાહ આપવામાં આવે છે.

(A) લાંબા ગાળાના, વિશ્લેષણ કરેલ લાક્ષણિકતામાં ફેરફારોમાં સામાન્ય (લાંબા ગાળામાં) વલણ બનાવે છે. સામાન્ય રીતે આ વલણ એક અથવા બીજા બિન-રેન્ડમ કાર્યનો ઉપયોગ કરીને વર્ણવવામાં આવે છે f tr (t),સામાન્ય રીતે એકવિધ. આ કાર્ય કહેવામાં આવે છે વલણ કાર્યઅથવા સરળ રીતે વલણ.

(બી) મોસમી, વર્ષના ચોક્કસ સમયે વિશ્લેષણ કરેલ લાક્ષણિકતાના સમયાંતરે પુનરાવર્તિત વધઘટની રચના. ચાલો આપણે બિન-રેન્ડમ ફંક્શનનો ઉપયોગ કરીને મોસમી પરિબળોની ક્રિયાના પરિણામને દર્શાવવા માટે સંમત થઈએ. કારણ કે આ કાર્ય હોવું જોઈએ સામયિક(અવધિ સાથે જે ઋતુઓના ગુણાંક છે, એટલે કે, ક્વાર્ટર), તેની વિશ્લેષણાત્મક અભિવ્યક્તિમાં હાર્મોનિક્સ (ત્રિકોણમિતિ કાર્યો)નો સમાવેશ થાય છે, જેની સામયિકતા, એક નિયમ તરીકે, સમસ્યાના મૂળ સાર દ્વારા નક્કી કરવામાં આવે છે.

(IN) ચક્રીય (તકવાદી), આર્થિક, વસ્તી વિષયક અથવા એસ્ટ્રોફિઝિકલ પ્રકૃતિના લાંબા ગાળાના ચક્રની ક્રિયા (કોન્દ્રાટીવ તરંગો, વસ્તી વિષયક "છિદ્રો", સૌર પ્રવૃત્તિ ચક્ર, વગેરે) ની ક્રિયાને કારણે વિશ્લેષિત લાક્ષણિકતામાં ફેરફારોની રચના. અમે નોન-રેન્ડમ ફંક્શનનો ઉપયોગ કરીને ચક્રીય પરિબળોની ક્રિયાના પરિણામને દર્શાવીશું.

(જી) રેન્ડમ(અનિયમિત), એકાઉન્ટિંગ અને નોંધણીને આધીન નથી. સમય શ્રેણીના મૂલ્યોની રચના પર તેમની અસર ચોક્કસપણે નક્કી કરે છે સ્ટોકેસ્ટિક પ્રકૃતિતત્વો, અને તેથી અનુક્રમે રેન્ડમ ચલો પર કરવામાં આવેલા અવલોકનો તરીકે અર્થઘટનની જરૂરિયાત. અમે રેન્ડમ ચલો ("અવશેષો", "ભૂલો") નો ઉપયોગ કરીને રેન્ડમ પરિબળોના પ્રભાવના પરિણામને સૂચિત કરીશું. અલબત્ત, કોઈપણ સમય શ્રેણીના મૂલ્યો બનાવવાની પ્રક્રિયામાં પરિબળો એક સાથે ભાગ લે તે જરૂરી નથી. દરેક વ્યક્તિચાર પ્રકાર. કેટલાક કિસ્સાઓમાં, સમય શ્રેણીના મૂલ્યો પરિબળો (A), (B) અને (D) ના પ્રભાવ હેઠળ રચાય છે, અન્યમાં - પરિબળો (A), (B) અને (D) ના પ્રભાવ હેઠળ ) અને છેવટે, ફક્ત રેન્ડમ પરિબળો (જી) ના પ્રભાવ હેઠળ. જો કે, તમામ કિસ્સાઓમાં રેન્ડમ લોકોની અનિવાર્ય ભાગીદારી ધારવામાં આવે છે (ઉત્ક્રાંતિવાદી) પરિબળો (D).વધુમાં, તે સામાન્ય રીતે સ્વીકારવામાં આવે છે (એક પૂર્વધારણા તરીકે) ઉમેરણ માળખાકીય યોજનામૂલ્યોની રચના પર પરિબળો (A), (B), (C) અને (D) નો પ્રભાવ, જેનો અર્થ છે સમય શ્રેણીના સભ્યોના મૂલ્યોને વિસ્તરણના સ્વરૂપમાં રજૂ કરવાની કાયદેસરતા:

મૂલ્યોની રચનામાં આ પ્રકારનાં પરિબળો સામેલ છે કે નહીં તે અંગેના તારણો કાં તો કાર્યના મૂળ તત્ત્વના વિશ્લેષણ પર આધારિત હોઈ શકે છે (એટલે ​​કે સ્વભાવે પ્રાથમિક-નિષ્ણાત), અને વિશેષ પર અભ્યાસ હેઠળ સમય શ્રેણીનું આંકડાકીય વિશ્લેષણ.

પરિચયિત વિભાવનાઓ અને હોદ્દાઓના માળખામાં સમય શ્રેણીના આંકડાકીય વિશ્લેષણની સમસ્યાસામાન્ય રીતે નીચે પ્રમાણે ઘડી શકાય છે:

બેઝ પિરિયડના સમય ચક્ર દરમિયાન અભ્યાસ હેઠળના ચલના માપના પરિણામોના આધારે, વિસ્તરણની શરતો (14) માટે શ્રેષ્ઠ (ચોક્કસ અર્થમાં) અંદાજો બનાવો.

આ સમસ્યાના ઉકેલનો ઉપયોગ વિસ્તરણની જમણી બાજુના ઘટકોના મેળવેલ અંદાજો ક્યારે અને ક્યારે તેમાં સ્થાનાંતરિત કરીને ફોર્મ્યુલા (14) નો ઉપયોગ કરીને સમયના પગલાઓ માટે આગાહી મૂલ્ય બનાવવા માટે થાય છે.

નિષ્ણાત મૂલ્યાંકનોની રચના અને આંકડાકીય વિશ્લેષણની પદ્ધતિઓ

સામાન્ય રીતે, નિષ્ણાતોના જૂથના કાર્યના સંગઠનના નીચેના મુખ્ય પ્રકારોને અલગ પાડવામાં આવે છે:

· કોલેજીયલ: "કમિશન પદ્ધતિ" (ચર્ચા હેઠળના મુદ્દા પર ખુલ્લી ચર્ચાના સ્વરૂપમાં); "અજમાયશ પદ્ધતિ" (સમસ્યાના ચર્ચાસ્પદ ઉકેલ માટેના દરેક વિકલ્પો માટે "બચાવ" અને "પ્રોસિક્યુશન" વચ્ચેના મુકાબલાના સ્વરૂપમાં); "મંથન", વગેરે;

· આંશિક રીતે કોલેજીયન:"શું-જો" પ્રકારનું દૃશ્ય વિશ્લેષણ, "ડેલ્ફી" પદ્ધતિ - નિષ્ણાતોના ગુપ્ત મત સાથે સમસ્યાની બહુ-ગોળ ચર્ચા અથવા દરેક રાઉન્ડના અંતે વિશેષ અનામી પ્રશ્નાવલિ ભરવા અને સ્વતંત્ર વિશ્લેષણાત્મક કાર્ય રાઉન્ડ, વગેરે વચ્ચેના અંતરાલોમાં જૂથ;

· વ્યક્તિગત રીતે સ્વાયત્ત:નિષ્ણાત જૂથના દરેક સભ્ય ચર્ચા કરેલ ઉકેલ વિકલ્પો (અથવા ઑબ્જેક્ટ્સ) ને રેન્કિંગ આપવાના સ્વરૂપમાં તેમના અભિપ્રાય (અન્ય સહભાગીઓની સ્થિતિને ધ્યાનમાં લીધા વિના) બનાવે છે અને વ્યક્ત કરે છે, તેમની જોડી પ્રમાણે સરખામણી કરે છે અથવા તે દરેકને અગાઉ વર્ણવેલ ગ્રેડેશનમાંના એકને સોંપે છે. (પ્રારંભિક આંકડાકીય માહિતીને આવર્તન કોષ્ટકોના રૂપમાં પ્રસ્તુત કરવા માટેના સ્વરૂપો જુઓ અથવા th અને th નિષ્ણાતોના મંતવ્યો વચ્ચેના આકસ્મિક કોષ્ટકોને મૂલ્ય દ્વારા માપવામાં આવે છે, સ્પીયરમેન રેન્ક સહસંબંધ ગુણાંક ક્યાં છે (જુઓ, પ્રકરણ 11] એક અથવા અન્ય નિર્ધારિત કર્યા પછી નિષ્ણાતોની જોડીના મંતવ્યો વચ્ચે "અંતર" ની ગણતરી કરવાની પદ્ધતિ, અમે પછી "ક્લસ્ટરિંગ" નિષ્ણાતોની સમસ્યાને હલ કરી શકીએ છીએ, આ રીતે મળેલા દરેક ક્લસ્ટરને સમાન-વિચારના નિષ્ણાતોના જૂથ તરીકે અર્થઘટન કરી શકીએ છીએ.

(ii) નિષ્ણાતોના જૂથના મંતવ્યોની પરસ્પર સુસંગતતાનું વિશ્લેષણ.નિષ્ણાતોના સમગ્ર જૂથના મંતવ્યો ધરાવતા, આંકડાકીય વિશ્લેષક આ તમામ નિષ્ણાત મૂલ્યાંકનોની સુસંગતતાની ડિગ્રીનું મૂલ્યાંકન કરવાનો પ્રયાસ કરે છે, જેમાં કોઈપણ સુસંગતતાની સંપૂર્ણ ગેરહાજરી વિશેની પૂર્વધારણાને આંકડાકીય રીતે ચકાસવામાં આવે છે (અને પછી, દેખીતી રીતે, કોઈએ ફોર્મ્યુલેશનની સ્પષ્ટતા કરવી જોઈએ. નિષ્ણાતોને પ્રસ્તાવિત સમસ્યા અથવા રચના નિષ્ણાત જૂથમાં ફેરફાર કરો). મલ્ટિવેરિયેટ આંકડાકીય વિશ્લેષણ દ્વારા પણ આ સમસ્યાનું નિરાકરણ કરવામાં આવે છે. ચોક્કસ પદ્ધતિની પસંદગી સ્રોત આંકડાકીય માહિતીના સ્વરૂપ પર આધારિત છે. ઉદાહરણ તરીકે, જો નિષ્ણાતના મંતવ્યો રેન્કિંગ દ્વારા રજૂ કરવામાં આવે છે, તો પછી તેમની સુસંગતતાના માપને ધ્યાનમાં લઈ શકાય છે ઑબ્જેક્ટ ગુણાંક), એટલે કે. ફોર્મના પ્રારંભિક આંકડાકીય માહિતી સાથે તે ફોર્મ j ની ઑપ્ટિમાઇઝેશન સમસ્યાના ઉકેલ તરીકે નક્કી કરવામાં આવે છેનિષ્ણાત એક જૂથના અભિપ્રાયથી જેટલું અંતર ધરાવે છે, તેની સંબંધિત યોગ્યતાનું નીચું સ્તર મૂલ્યાંકન કરવામાં આવે છે. નોંધ કરો કે જો, નિષ્ણાત અભિપ્રાયોના સમૂહની રચનાના અભ્યાસના પરિણામે, આંકડાકીય વિશ્લેષક એવા નિષ્કર્ષ પર આવે છે કે નિષ્ણાતોના કેટલાક પેટાજૂથોદરેક પેટાજૂથમાં અભિપ્રાયોની એકરૂપતા સાથે અને આવા પેટાજૂથોની કોઈપણ જોડીમાં અભિપ્રાયોમાં નોંધપાત્ર તફાવત સાથે, પછી એક જૂથ અભિપ્રાયનું કાર્ય અને નિષ્ણાતની સંબંધિત યોગ્યતાનું મૂલ્યાંકન દરેક ઓળખાયેલા પેટાજૂથો માટે અલગથી ઉકેલવામાં આવે છે.

રેન્ડમ પરિબળો, બદલામાં, બે પ્રકૃતિના હોઈ શકે છે: અચાનક("અવ્યવસ્થા"), અર્થ નિર્માણની પદ્ધતિમાં અચાનક માળખાકીય ફેરફારો તરફ દોરી જાય છે x(t)(જે વ્યક્ત થાય છે, ઉદાહરણ તરીકે, કાર્યોની મૂળભૂત માળખાકીય લાક્ષણિકતાઓમાં આમૂલ અચાનક ફેરફારોમાં f tr(t), j(ટી)અને y(ટી)સમયના રેન્ડમ બિંદુએ સમય શ્રેણીનું વિશ્લેષણ કર્યું), અને ઉત્ક્રાંતિ અવશેષ, મૂલ્યોના પ્રમાણમાં નાના રેન્ડમ વિચલનોનું કારણ બને છે x(t)તેમાંથી જે બહાર આવ્યું છે માત્ર પરિબળોના પ્રભાવ હેઠળ (A), (B) અને (C).જો કે, આ વિભાગમાં અમે ક્રિયા સહિત સમય શ્રેણીની રચના માટેની યોજનાઓ પર વિચાર કરીશું માત્ર ઉત્ક્રાંતિવાદી અવશેષ રેન્ડમ પરિબળો.

અગાઉના

2018/2019 શૈક્ષણિક વર્ષના વસંત સત્રમાં વિશેષ અભ્યાસક્રમો અને વિશેષ સેમિનાર.

25 માર્ચ, 2019=14:35 – 16:10 s/c માસ્ટર્સ “ગ્રાફ્સ, નેટવર્ક્સ, સમાનતા કાર્યોનું વિશ્લેષણ”, Maisuraze A.I., 507 વર્ગ થશે નહીં 25 માર્ચ (સોમવાર), લેક્ચરર બીમાર છે;
16:20 – 17:55 s/k સ્નાતક "એનાલિટીકલ SQL", Maysuradze A.I., 582 વર્ગ યોજાશે નહીં 25 માર્ચ (સોમવાર), લેક્ચરર બીમાર છે.
27/02/2019: શૈક્ષણિક અને સંશોધન સેમિનાર "ડેટા માઇનિંગ: નવા કાર્યો અને પદ્ધતિઓ", નેતાઓ S.I. Gurov, A.I. Maisuradze સ્પેશિયલ સેમિનાર થઈ રહ્યા છે ઓડિટોરિયમમાં બુધવારે. 704, 18-05 થી શરૂ થાય છે. માર્ચ 04 (સોમવાર)ખાસ સેમિનારમાં આઈ.એસ. બાલાશોવ (ઉચ્ચ ઉચ્ચ શિક્ષણ, 3 જી વર્ષ) દ્વારા એક અહેવાલ હશે. "ગ્રાફ થિયરી પદ્ધતિઓનો ઉપયોગ કરીને ગર્ભાવસ્થા દરમિયાન માઇક્રોબાયોમનો અભ્યાસ". તે જાણીતું છે કે શરીરના વિવિધ સ્થાનોમાં રહેતા સૂક્ષ્મજીવો એકબીજા સાથે ક્રિયાપ્રતિક્રિયા કરે છે અને માઇક્રોબાયોમ તરીકે ઓળખાતા સમુદાયો બનાવે છે, અને આ સુક્ષ્મસજીવોની સંપૂર્ણતાને માઇક્રોબાયોટા કહેવામાં આવે છે. સંખ્યાબંધ રોગો માટે, માઇક્રોબાયોટા અમુક રોગોના વિકાસ માટે જોખમી પરિબળ તરીકે દર્શાવવામાં આવ્યું છે. માઇક્રોબાયોટાની રચના પરનો ડેટા ગ્રાફના રૂપમાં રજૂ કરી શકાય છે, અને પછી આ આલેખની લાક્ષણિકતાઓનો અભ્યાસ સામાન્ય સ્થિતિમાં અને પેથોલોજીમાં કરી શકાય છે. આ કાર્ય વિષય વિસ્તારની વિશેષતાઓ અને ડેટાના વર્ણન અને વિશ્લેષણ માટેની પદ્ધતિઓની પસંદગી પર તેમની અસર રજૂ કરશે, અને માઇક્રોબાયોમનું વર્ણન કરતા મૂળભૂત મોડેલો રજૂ કરશે.

• 27/02/2019: માન્યતામાં લોજિકલ ડેટા વિશ્લેષણ, (માન્યતામાં લોજિકલ ડેટા વિશ્લેષણ) લેક્ચરર ઇ.વી. ડ્યુકોવા, સોમવારે રૂમમાં થાય છે. 645, 16-20 થી શરૂ થાય છે. 25મી ફેબ્રુઆરીએ પ્રથમ પાઠ. વિશિષ્ટ અભ્યાસક્રમ માન્યતા, વર્ગીકરણ અને આગાહી સમસ્યાઓમાં માહિતી વિશ્લેષણની અલગ પદ્ધતિઓ અંતર્ગત સામાન્ય સિદ્ધાંતોની રૂપરેખા આપશે. તાર્કિક કાર્યોના ઉપકરણ અને બુલિયન અને પૂર્ણાંક મેટ્રિસીસના આવરણ બાંધવા માટેની પદ્ધતિઓના ઉપયોગ પર આધારિત માન્યતા પ્રક્રિયાઓની રચના માટેના અભિગમો ધ્યાનમાં લેવામાં આવશે. મુખ્ય મોડેલોનો અભ્યાસ કરવામાં આવશે અને તેમના અમલીકરણની જટિલતાના અભ્યાસ સાથે સંબંધિત મુદ્દાઓ અને લાગુ સમસ્યાઓ ઉકેલવાની ગુણવત્તાને ધ્યાનમાં લેવામાં આવશે. 2-4 વર્ષના સ્નાતક માટે ખાસ કોર્સ. વિશેષ અભ્યાસક્રમ માટે પાઠ્યપુસ્તક પ્રકાશિત કરવામાં આવ્યું છે.

• 27/02/2019: સંભવિત વિષય મોડેલિંગ(સંભવિત વિષય મોડેલિંગ), લેક્ચરર, રશિયન એકેડેમી ઑફ સાયન્સના પ્રોફેસર, ભૌતિક અને ગાણિતિક વિજ્ઞાનના ડૉક્ટર. કે.વી. Vorontsov, રૂમમાં ગુરુવારે થાય છે. 510, 18-05 થી શરૂ થાય છે. 14મી ફેબ્રુઆરીના રોજ પ્રથમ પાઠ. વિષયનું મોડેલિંગ એ મશીન લર્નિંગ અને કોમ્પ્યુટેશનલ ભાષાશાસ્ત્રના આંતરછેદ પર સંશોધનનું આધુનિક ક્ષેત્ર છે. એક વિષય મોડેલ નક્કી કરે છે કે મોટા ટેક્સ્ટ સંગ્રહમાં કયા વિષયો સમાયેલ છે અને દરેક દસ્તાવેજ કયા વિષયોનો છે. વિષયના મૉડલ્સ તમને કીવર્ડના બદલે અર્થ દ્વારા લખાણો શોધવા અને જ્ઞાનને વ્યવસ્થિત કરવા માટે નવી પ્રકારની માહિતી પુનઃપ્રાપ્તિ સેવાઓ બનાવવાની મંજૂરી આપે છે. વિશેષ અભ્યાસક્રમ વર્ગીકરણ, વર્ગીકરણ, વિભાજન, પ્રાકૃતિક ભાષાના ગ્રંથોના સારાંશ, તેમજ ભલામણ પ્રણાલીઓ માટે, બેંકિંગ વ્યવહારના ડેટાના વિશ્લેષણ અને બાયોમેડિકલ સિગ્નલો માટે વિષયના મોડેલોની તપાસ કરે છે. ગણિતમાંથી આપણને સંભાવના સિદ્ધાંત, ઑપ્ટિમાઇઝેશન પદ્ધતિઓ અને મેટ્રિક્સ વિઘટનની જરૂર પડશે. પ્રોગ્રામિંગના ઉત્સાહીઓ માટે, ઓપન સોર્સ પ્રોજેક્ટ BigARTM.org માં ભાગ લેવાની તક છે. ખાસ કરીને ઉત્સાહી લોકો માટે, યાન્ડેક્સ ઑફિસમાં સાંજે વધારાના સેમિનાર છે. પાઠ્યપુસ્તકના અંતે સાચો જવાબ ન હોય તેવા વાસ્તવિક જીવનની સમસ્યાઓનું નિરાકરણ અભ્યાસક્રમ સોંપણીઓ કરશે. અંડરગ્રેજ્યુએટ માટે ખાસ કોર્સ, પરંતુ બીજા વર્ષના વિદ્યાર્થીઓ પણ બધું સમજી શકશે :) 18+ (જે વિદ્યાર્થીઓએ સિદ્ધાંત શીખ્યા છે તેમના માટે).

• 27/02/2019: કોમ્પ્યુટેશનલ ભૂમિતિની સમસ્યાઓ અને અલ્ગોરિધમ્સ(કોમ્પ્યુટેશનલ ભૂમિતિ: સમસ્યાઓ અને અલ્ગોરિધમ્સ), એલ.એમ. મેસ્ટેત્સ્કી, ઓડિટોરિયમમાં શુક્રવારે યોજાય છે. 607, 18-05 થી શરૂ થાય છે. 15મી ફેબ્રુઆરીના રોજ પ્રથમ પાઠ. ભૌમિતિક માહિતી સાથે કામ કરવા માટે અસરકારક ગાણિતીક નિયમો એ તમામ આધુનિક કમ્પ્યુટર વિઝન સિસ્ટમ્સ, ઇમેજ વિશ્લેષણ અને માન્યતા, કમ્પ્યુટર ગ્રાફિક્સ અને જીઓઇન્ફોર્મેટિક્સનું અનિવાર્ય લક્ષણ છે. ભૌમિતિક ગાણિતીક નિયમો લાગુ ગણિતમાં જરૂરી અલ્ગોરિધમિક વિચારસરણી વિકસાવવા માટે સારું ક્ષેત્ર પ્રદાન કરે છે. વિશેષ કોર્સનો પ્રથમ ભાગ કોમ્પ્યુટેશનલ ભૂમિતિના ક્લાસિક વિષયોને આવરી લેશે: ભૌમિતિક શોધ, બહિર્મુખ હલ, આંતરછેદ અને વસ્તુઓની નિકટતા, વોરોનોઈ આકૃતિઓ, ડેલૌનાય ત્રિકોણ. કોર્સનો બીજો ભાગ હાડપિંજર માટે સમર્પિત છે, બહુકોણ માટે વોરોનોઈ આકૃતિઓનું સામાન્યીકરણ અને છબીઓના મધ્ય આકારના વિશ્લેષણની સમસ્યાઓ. સ્નાતક સ્વાગત છે.

• 27/02/2019: મશીન લર્નિંગ પદ્ધતિઓ અને ડેટામાં નિયમિતતા માટે શોધ, લેક્ચરર ઓ.વી. સેન્કો, સભાગૃહમાં ગુરુવારે થાય છે. 507, 18-05 થી શરૂ થાય છે. 14મી ફેબ્રુઆરીના રોજ પ્રથમ પાઠ. કોર્સ કેસ-આધારિત શિક્ષણ પદ્ધતિઓ (મશીન લર્નિંગ) નો ઉપયોગ કરતી વખતે ઊભી થતી મુખ્ય સમસ્યાઓની ચર્ચા કરે છે. માન્યતા અને રીગ્રેસન વિશ્લેષણની હાલની પદ્ધતિઓની સંક્ષિપ્ત ઝાંખી આપવામાં આવી છે. સામાન્ય વસ્તી (સામાન્ય કરવાની ક્ષમતા) પર ચોકસાઈનું મૂલ્યાંકન કરવાની પદ્ધતિઓનું વર્ણન કરે છે. મશીન લર્નિંગ પદ્ધતિઓની સામાન્યીકરણ શક્તિને સુધારવાની વિવિધ રીતોની ચર્ચા કરવામાં આવી છે. સ્નાતક સ્વાગત છે.

• 27/02/2019: ગ્રાફ, નેટવર્ક્સ, સમાનતા કાર્યોનું વિશ્લેષણ(ગ્રાફ્સ, નેટવર્ક, ડિસ્ટન્સ ફંક્શન એનાલિસિસ), A.I. Maisuradze, રૂમમાં સોમવારે થાય છે. 582, 16-20 થી શરૂ થાય છે. 18મી ફેબ્રુઆરીના રોજ પ્રથમ પાઠ. પ્રણાલીઓના વિશ્લેષણની સમસ્યાઓ અને પદ્ધતિઓ, જેનું વર્ણન વસ્તુઓની જોડી અથવા બહુવિધ ક્રિયાપ્રતિક્રિયાઓ પર આધારિત છે, ધ્યાનમાં લેવામાં આવે છે. આ ઑબ્જેક્ટ્સ એક જ પ્રકારની અથવા વિવિધ પ્રકારની હોઈ શકે છે. જ્યારે ક્રિયાપ્રતિક્રિયાની હાજરી અથવા ગેરહાજરી મહત્વપૂર્ણ હોય છે, ત્યારે ગ્રાફ થિયરીની ભાષામાં ઔપચારિકતા હાથ ધરવામાં આવે છે. જથ્થાત્મક લાક્ષણિકતાઓ સાથે ગ્રાફ વર્ણનને વિસ્તૃત કરવાથી નેટવર્ક્સ તરફ દોરી જાય છે. જો એવું માનવામાં આવે છે કે ઑબ્જેક્ટના દરેક સમૂહને સંખ્યાત્મક રીતે દર્શાવી શકાય છે, તો તેઓ અંતર અથવા સમાનતા વિશે વાત કરે છે. સમસ્યાઓને ઔપચારિક બનાવવા અને IAD ના મોડેલો અને પદ્ધતિઓની વિશાળ શ્રેણીના નિર્માણ, અમલીકરણ અને વિશ્લેષણ માટે સૈદ્ધાંતિક આધાર રજૂ કરવામાં આવે છે. અમે હ્યુરિસ્ટિક ડેટા મોડલ્સનો અભ્યાસ કરીએ છીએ જે સમાનતાના ખ્યાલના વિવિધ અમલીકરણના આધારે માન્યતા ઑબ્જેક્ટ વિશેની પ્રારંભિક માહિતીનું વર્ણન કરે છે. આ મોડેલોને અમલમાં મૂકતી વખતે ઉકેલની જરૂર હોય તેવી સમસ્યાઓ ધ્યાનમાં લેવામાં આવે છે. વિશેષ ડેટા સ્ટ્રક્ચર્સ અને એલ્ગોરિધમ્સનો અભ્યાસ કરવામાં આવે છે જે તમને અભ્યાસ કરેલ મોડલ્સને અસરકારક રીતે ગોઠવવા અને તેનો ઉપયોગ કરવાની મંજૂરી આપે છે. સમાનતાનો વિચાર માનવ વિચારની લાક્ષણિકતા છે; આનાથી IAD ના તમામ મૂળભૂત કાર્યો - કહેવાતા મેટ્રિક પદ્ધતિઓ માટે અભિગમોના સંપૂર્ણ સમૂહને જન્મ આપ્યો છે. સમાનતા કાર્યોના નિર્માણ અને ગણતરી માટેની પદ્ધતિઓ, ઑબ્જેક્ટના વિવિધ સેટ પર સમાનતા મેળવવી, અને અસ્તિત્વમાં છે તે વસ્તુઓના આધારે ઑબ્જેક્ટ્સની તુલના કરવા માટે નવી પદ્ધતિઓનું સંશ્લેષણ કરવું. કમ્પ્યુટર સિસ્ટમ્સ દ્વારા મેટ્રિક માહિતીની અસરકારક રજૂઆત અને પ્રક્રિયા માટે રચાયેલ તકનીકોનો સમૂહ ગણવામાં આવે છે. ગ્રાફની લાક્ષણિકતાઓ કે જે તેમના વિશ્લેષણમાં સક્રિયપણે ઉપયોગમાં લેવાય છે તે ધ્યાનમાં લેવામાં આવે છે. સૈદ્ધાંતિક રીતે અને કાર્યક્ષમ અમલીકરણના દૃષ્ટિકોણથી ગ્રાફ અલ્ગોરિધમ્સનો અભ્યાસ કરવામાં આવે છે. વિવિધ ગ્રાફ વૃદ્ધિ મોડલ. ગ્રાફ પર પ્રતિનિધિ નમૂનાઓનું નિર્માણ. આપેલ લાક્ષણિકતાઓ સાથે આલેખનું નિર્માણ. ક્લસ્ટર વિશ્લેષણની અસંખ્ય ઔપચારિકતાઓ પર અભ્યાસક્રમમાં નોંધપાત્ર ધ્યાન આપવામાં આવે છે. તે બતાવવામાં આવે છે કે સામાન્ય પદ્ધતિઓ દ્વારા કઈ સમસ્યાઓ હલ થાય છે. સજાતીય અને વિજાતીય પ્રણાલીઓ (બાઇક્લસ્ટરિંગ, કોક્લસ્ટરિંગ) માટે ક્લસ્ટરિંગ સમસ્યાઓની વિશાળ શ્રેણીની ટાઇપોલોજી હાથ ધરવામાં આવી છે. અંડરગ્રેજ્યુએટ્સ માટે ખાસ કોર્સ.

• 27/02/2019: વિશ્લેષણાત્મક SQL(એનાલિટીકલ એસક્યુએલ), એ.આઈ. Maisuradze, રૂમમાં સોમવારે થાય છે. 507, 14-35 થી શરૂ થાય છે. 18મી ફેબ્રુઆરીના રોજ પ્રથમ પાઠ. આજકાલ, માહિતીના મોટા જથ્થાના સંગ્રહ અને અનુગામી વિશ્લેષણ વિના ઘણી પ્રવૃત્તિઓનું ઓટોમેશન અને ઑપ્ટિમાઇઝેશન અશક્ય છે. તે જ સમયે, સમય જતાં તે સ્પષ્ટ થઈ ગયું કે કેટલાક ડેટા મોડેલો લોકો માટે ખાસ કરીને અનુકૂળ છે - આવા મોડેલો વિવિધ પ્રકારની તકનીકીઓ સાથે સંચારની સાર્વત્રિક ભાષા બની ગયા છે. આ અર્થમાં, એસક્યુએલ એ સૌથી વધુ ઉપયોગમાં લેવાતી ભાષાઓમાંની એક હોવાનું બહાર આવ્યું છે, અને આજે વિવિધ તકનીકો (માત્ર રિલેશનલ જ નહીં) તેનો ઉપયોગ કરવાની મંજૂરી આપે છે. અભ્યાસક્રમ જ્ઞાન પ્રદાન કરવા અને કુશળતા વિકસાવવા માટે વ્યવહારુ ઉદાહરણોનો ઉપયોગ કરશે જેની લગભગ કોઈપણ વિશ્લેષકને ડેટા સ્ત્રોતો સાથે કામ કરતી વખતે જરૂર પડશે. વિશ્લેષણાત્મક પ્રવૃત્તિઓ પર ભાર મૂકવામાં આવે છે: વિશ્લેષક ડેટા એકત્રિત કરવા અને સંગ્રહિત કરવા માટે સિસ્ટમોનો ઉપયોગ કરે છે, પરંતુ તેનું સંચાલન કરશે નહીં. વર્ગોમાં વાસ્તવિક ડેટાબેસેસ પર ક્રિયાઓની અરસપરસ પૂર્ણતાનો સમાવેશ થાય છે. સ્નાતક માટે ખાસ કોર્સ.

એન્ટરપ્રાઇઝ મેનેજમેન્ટમાં આગાહી કરવા માટેની ગાણિતિક પદ્ધતિઓ

કોવલચુક સ્વેત્લાના પેટ્રોવના

4થા વર્ષનો વિદ્યાર્થી, આર્થિક સાયબરનેટિક્સ વિભાગ, VNAU, Vinnitsa

કોલ્યાડેન્કો સ્વેત્લાના વાસિલીવેના

સાયન્ટિફિક સુપરવાઈઝર, ડોક્ટર ઓફ ઈકોનોમિક્સ, પ્રોફેસર VNAU, Vinnitsa

પરિચય.બજાર સંબંધોના વિકાસના સંદર્ભમાં, એન્ટરપ્રાઇઝના અસરકારક સંચાલનને સુનિશ્ચિત કરવા અને મેનેજમેન્ટ નિર્ણયો લેવા માટે, ગતિશીલતામાં તેની પ્રવૃત્તિઓના આર્થિક સૂચકાંકોનું ઊંડાણપૂર્વક વિશ્લેષણ કરવું જરૂરી છે, જે તેને શક્ય બનાવે છે, સમયાંતરે ફેરફારોની પેટર્નને ઓળખવા અને મેનેજમેન્ટ ઑબ્જેક્ટના વિકાસ માટે વાજબી રીતો નક્કી કરવા માટે, આગાહી પદ્ધતિઓનો ઉપયોગ કરીને, નવી માહિતી ઉપલબ્ધ થાય છે.

નવીનતમ સંશોધન અને પ્રકાશનોનું વિશ્લેષણ. I. Ansoff, V. Geets, G. Dobrov, M. Dolishny, A. Ilishev, M. Kizim, V. Kucheruk, V. Lisichkin, જેવા પ્રખ્યાત સ્થાનિક અને વિદેશી અર્થશાસ્ત્રીઓના વૈજ્ઞાનિક કાર્યોમાં આગાહીના મુદ્દાનો અભ્યાસ કરવામાં આવ્યો હતો. એ. મેલ્નિક, એમ. મેસ્કોન, ઝેડ. મિકિટીશિન, આઈ. મિખાસ્યુક, બી. પનાસ્યુક, એમ. પોર્ટર, જી. સવિત્સ્કાયા, આર. સૈફુલીન અને અન્ય. તેમ છતાં, બજાર અર્થતંત્રની રચનાની વિશિષ્ટતાઓને ધ્યાનમાં લેતા, સાહસોની પ્રવૃત્તિઓની આગાહીના પદ્ધતિસરના અને લાગુ પાયાના વધુ સંશોધનની ઉદ્દેશ્ય જરૂરિયાત છે.

અભ્યાસનો હેતુએન્ટરપ્રાઇઝ મેનેજમેન્ટમાં આર્થિક આગાહીની ગાણિતિક પદ્ધતિઓનું વ્યવસ્થિતકરણ, તેમની સુવિધાઓ, કાર્યો અને સિદ્ધાંતોનું નિર્ધારણ.

અભ્યાસના મુખ્ય પરિણામો.આગાહી (ગ્રીક પૂર્વસૂચનમાંથી - અગમચેતી) એ ભવિષ્યમાં કેટલીક ઘટના અથવા પ્રક્રિયાની સ્થિતિ નક્કી કરવાનો પ્રયાસ છે. આગાહી બનાવવાની પ્રક્રિયાને આગાહી કહેવામાં આવે છે. એન્ટરપ્રાઇઝ મેનેજમેન્ટમાં આગાહી એ તેની સ્થિતિમાં સંભવિત જથ્થાત્મક અને ગુણાત્મક ફેરફારો, સમગ્ર વિકાસનું સ્તર, ભવિષ્યમાં પ્રવૃત્તિના વ્યક્તિગત ક્ષેત્રો, તેમજ અપેક્ષિત સ્થિતિ પ્રાપ્ત કરવાના વૈકલ્પિક માર્ગો અને સમયનું વૈજ્ઞાનિક પ્રમાણ છે.

આગાહી પ્રક્રિયા હંમેશા અમુક સિદ્ધાંતો પર આધારિત હોય છે:

• હેતુપૂર્ણતા - સોંપેલ સંશોધન કાર્યોનું અર્થપૂર્ણ વર્ણન;
• વ્યવસ્થિત - ચોક્કસ પદાનુક્રમ અને ક્રમ દ્વારા વર્ગીકૃત થયેલ પદ્ધતિઓ અને મોડેલોની સિસ્ટમ પર આધારિત આગાહીનું નિર્માણ;
• વૈજ્ઞાનિક માન્યતા - સામાજિક વિકાસના ઉદ્દેશ્ય કાયદાઓની જરૂરિયાતોની વ્યાપક વિચારણા, વિશ્વના અનુભવનો ઉપયોગ;
• બહુ-સ્તરનું વર્ણન - એક અભિન્ન ઘટના તરીકે ઑબ્જેક્ટનું વર્ણન અને તે જ સમયે વધુ જટિલ સિસ્ટમના તત્વ તરીકે;
• માહિતી એકતા - સમાન સમાન સામાન્યીકરણ અને સુવિધાઓની અખંડિતતા માટે માહિતીનો ઉપયોગ;
• વિકાસના ઉદ્દેશ્ય પેટર્નની પર્યાપ્તતા - સ્થિર સંબંધો અને ઑબ્જેક્ટના વિકાસના વલણોની ઓળખ અને મૂલ્યાંકન;
• અનિશ્ચિતતાનો સતત ઉકેલ - લક્ષ્યો અને હાલની પરિસ્થિતિઓને ઓળખવાથી વિકાસની સંભવિત દિશાઓ નક્કી કરવા માટે એક પગલું-દર-પગલાની પ્રક્રિયા;
• વૈકલ્પિકતા - વિવિધ માર્ગો, વિવિધ સંબંધો અને માળખાકીય સંબંધોને આધિન ઑબ્જેક્ટ વિકસાવવાની સંભાવનાને ઓળખવી.

આગાહી ત્રણ મુખ્ય કાર્યો કરે છે અને તેમાં ત્રણ તબક્કા છે:

• ભવિષ્યમાં ફેરફારોના સંભવિત વલણોની આગાહી કરવી, પેટર્ન, વલણો, આ ફેરફારોનું કારણ બનેલા પરિબળોની ઓળખ કરવી (સંશોધન સ્ટેજ);
• ચોક્કસ નિર્ણયો લેવાના પરિણામે ઑબ્જેક્ટના વિકાસને પ્રભાવિત કરવા માટેના વૈકલ્પિક વિકલ્પોની ઓળખ, આ નિર્ણયોના અમલીકરણના પરિણામોનું મૂલ્યાંકન (વ્યવસ્થાપનના નિર્ણયોના વાજબી ઠેરવવાનો તબક્કો);
• નિર્ણયોના અમલીકરણના પરિણામોનું મૂલ્યાંકન, બાહ્ય વાતાવરણમાં અણધાર્યા ફેરફારો, નિર્ણયને સમયસર રીતે સંકલન કરવા માટે (નિરીક્ષણ અને સુધારણાનો તબક્કો).

આ ત્રણ કાર્યો અને ત્રણ તબક્કાઓ પરસ્પર જોડાયેલા છે, પુનરાવર્તિત રીતે પુનરાવર્તિત છે અને કોઈપણ ક્ષેત્રમાં મેનેજમેન્ટ પ્રવૃત્તિના અભિન્ન ઘટકો છે.

આગાહીની ગુણવત્તા મોટે ભાગે આગાહી પદ્ધતિઓ પર આધાર રાખે છે, જે તકનીકો અને મૂલ્યાંકનોનો સમૂહ છે જે તેને શક્ય બનાવે છે, ઑબ્જેક્ટમાં અંતર્ગત ભૂતકાળના (પૂર્વવર્તી) આંતરિક અને બાહ્ય જોડાણોના વિશ્લેષણના આધારે, તેમજ તેમના ફેરફારો, ઑબ્જેક્ટના ભાવિ વિકાસને લગતી ચોક્કસ સંભાવના સાથે નિષ્કર્ષ.

માહિતીના ન્યાયીકરણના સિદ્ધાંતના આધારે, નીચેની પદ્ધતિઓ અલગ પાડવામાં આવે છે:

આઈ. વાસ્તવિક પદ્ધતિઓ કે જે આગાહીના ઑબ્જેક્ટ અને તેના ભૂતકાળના વિકાસ વિશેની વાસ્તવિક માહિતી સામગ્રી પર આધારિત છે:

• આંકડાકીય પદ્ધતિઓ: એક્સ્ટ્રાપોલેશન અને ઇન્ટરપોલેશન, સહસંબંધ અને રીગ્રેસન વિશ્લેષણ, પરિબળ મોડલ;
• સામ્યતા: ગાણિતિક, ઐતિહાસિક;
• અદ્યતન આગાહી પદ્ધતિઓ, જે વૈજ્ઞાનિક અને તકનીકી માહિતીની વિશેષ પ્રક્રિયાના ચોક્કસ સિદ્ધાંતો પર આધારિત છે અને આગાહીમાં તેની વૈજ્ઞાનિક અને તકનીકી પ્રગતિના વિકાસને વટાવી દેવાની મિલકતનો અમલ કરે છે (પેટન્ટિંગની ગતિશીલતાના વિશ્લેષણ માટેની પદ્ધતિઓ, પ્રકાશન આગાહી પદ્ધતિઓ).

II. નિષ્ણાત પદ્ધતિઓ, જે ભવિષ્યની સ્થિતિને લગતા તેમના વિચારોને ઓળખવા અને સારાંશ આપવા માટે વ્યવસ્થિત પ્રક્રિયાઓની પ્રક્રિયામાં નિષ્ણાત નિષ્ણાતો દ્વારા પ્રદાન કરવામાં આવેલી વ્યક્તિલક્ષી માહિતી પર આધારિત છે. આ પદ્ધતિઓ તર્કસંગત પુરાવાઓ અને સાહજિક જ્ઞાન બંનેના આધારે ભવિષ્યની આગાહી દ્વારા વર્ગીકૃત થયેલ છે. તેઓ સામાન્ય રીતે ગુણાત્મક પ્રકૃતિના હોય છે. આ પદ્ધતિઓમાં નીચેનાનો સમાવેશ થાય છે:

• પ્રત્યક્ષ: નિષ્ણાત પ્રશ્ન; નિષ્ણાત વિશ્લેષણ, જ્યારે કોઈ નિષ્ણાત અથવા નિષ્ણાતોની ટીમ પોતે જ પ્રશ્નો ઉભા કરે છે અને તેનું નિરાકરણ કરે છે જે નિર્ધારિત લક્ષ્ય તરફ દોરી જાય છે; પ્રતિસાદ સાથે; "કમિશન" પદ્ધતિ, જેનો અર્થ "રાઉન્ડ ટેબલ" અને અન્ય સમાન ઇવેન્ટ્સનું આયોજન થઈ શકે છે, જેમાં નિષ્ણાતોના વિચારો પર સંમત થાય છે; "મંથન" પદ્ધતિ, જે વિચારોની સામૂહિક પેઢી અને સર્જનાત્મક સમસ્યાનું નિરાકરણ દ્વારા વર્ગીકૃત થયેલ છે; ડેલ્ફી પદ્ધતિ, જેમાં જ્ઞાનના પસંદ કરેલા ક્ષેત્રના નિષ્ણાતોના પ્રશ્નાવલિ સર્વેક્ષણનો સમાવેશ થાય છે.

III. મિશ્ર માહિતી આધાર સાથે સંયુક્ત પદ્ધતિઓ, જેમાં પ્રાથમિક માહિતી તરીકે વાસ્તવિક અને નિષ્ણાત માહિતીનો ઉપયોગ થાય છે: સંતુલન મોડલ; ઓપ્ટિમાઇઝેશન મોડલ્સ.

સૌથી સામાન્ય આગાહી પદ્ધતિઓમાંની એક અર્થમિતિ પદ્ધતિઓ છે - આ આર્થિક અને ગાણિતિક વૈજ્ઞાનિક શાખાઓનું એક સંકુલ છે જે આર્થિક પ્રક્રિયાઓ અને સિસ્ટમોનો અભ્યાસ કરે છે. ઇકોનોમેટ્રિક મોડલ એ રીગ્રેસન (સ્ટોચેસ્ટિક) સમીકરણો અને ઓળખની સિસ્ટમ છે. સમીકરણોના ગુણાંક ચોક્કસ આર્થિક અને આંકડાકીય માહિતીના આધારે ગાણિતિક આંકડાઓની પદ્ધતિઓ દ્વારા નક્કી કરવામાં આવે છે, અને ગુણાંકને માપવા માટેની સૌથી સામાન્ય પદ્ધતિ તેના ફેરફારો સાથે ઓછામાં ઓછા ચોરસ પદ્ધતિ છે. ઈકોનોમેટ્રિક સમીકરણો ભૂતકાળમાં આ ચલોની સ્થિતિ સહિત અન્ય સૂચકોમાં ફેરફારો પર અભ્યાસ હેઠળના ચલોની અવલંબનને વ્યક્ત કરે છે. ઓળખ ચલો વચ્ચે પરસ્પર નિર્ભરતા સ્થાપિત કરે છે જે વપરાયેલ આંકડાઓની રચનાને પ્રતિબિંબિત કરે છે.

ઇકોનોમેટ્રિક મોડલ્સના ગાણિતિક પ્લેટફોર્મમાં સહસંબંધ અને રીગ્રેસન વિશ્લેષણની પદ્ધતિઓનો સમાવેશ થાય છે. સહસંબંધ વિશ્લેષણ સૌથી નોંધપાત્ર પરિબળોને પસંદ કરવાનું અને અનુરૂપ રીગ્રેસન સમીકરણનું નિર્માણ કરવાનું શક્ય બનાવે છે.

સહસંબંધ વિશ્લેષણ પ્રદાન કરે છે: બે અથવા વધુ ચલો વચ્ચે જોડાણની ડિગ્રીનું માપન; આશ્રિત ચલને સૌથી વધુ પ્રભાવિત કરતા પરિબળોની ઓળખ; અગાઉના અજ્ઞાત કાર્યકારણ જોડાણોનું નિર્ધારણ (સહસંબંધ ઘટનાઓ વચ્ચેના સાધક જોડાણોને સીધો જ પ્રગટ કરતું નથી, પરંતુ આ જોડાણોનું સંખ્યાત્મક મૂલ્ય અને તેમના અસ્તિત્વ અંગેના નિર્ણયોની સંભાવના નક્કી કરે છે). વિશ્લેષણના મુખ્ય માધ્યમો જોડી, આંશિક અને બહુવિધ સહસંબંધ ગુણાંક છે.

રીગ્રેશન વિશ્લેષણ તમને નીચેની સમસ્યાઓ હલ કરવાની મંજૂરી આપે છે:

• એક અંતર્જાત અને એક અથવા વધુ એક્ઝોજેનસ ચલો (હકારાત્મક, નકારાત્મક, રેખીય, બિનરેખીય) વચ્ચે અવલંબનના સ્વરૂપોની સ્થાપના. એક અંતર્જાત ચલ સામાન્ય રીતે સૂચવવામાં આવે છે વાય, અને exogenous (exogenous), જેને રીગ્રેસર પણ કહેવાય છે, – એક્સ;
• રીગ્રેસન કાર્યની વ્યાખ્યા. આશ્રિત ચલમાં પરિવર્તનના સામાન્ય વલણને સૂચવવું જ નહીં, પણ જો બાકીના (નાના, ગૌણ) પરિબળો બદલાયા ન હોય તો મુખ્ય પરિબળોના આશ્રિત ચલ પરના પ્રભાવની ડિગ્રી શોધવા માટે પણ મહત્વપૂર્ણ છે. સમાન સરેરાશ સ્તર) અને રેન્ડમ તત્વોને બાકાત રાખવામાં આવ્યા હતા;
• આશ્રિત ચલના અજાણ્યા મૂલ્યોનો અંદાજ.

આગાહીના હેતુ અનુસાર, મોડેલમાં સમાવિષ્ટ ચલોનો સમૂહ અને માળખું નક્કી કરવામાં આવે છે. ચલો વચ્ચેના સંબંધોના સૈદ્ધાંતિક વિશ્લેષણના આધારે, સમીકરણોની સિસ્ટમ રચાય છે, અને રીગ્રેસન સમીકરણોના પરિમાણો અંદાજવામાં આવે છે. સમીકરણોની રચના માટેના વિવિધ વિકલ્પોને ધ્યાનમાં લેવાના પરિણામે, જે શ્રેષ્ઠ ગુણાત્મક લાક્ષણિકતાઓ ધરાવે છે અને આર્થિક સિદ્ધાંતનો વિરોધાભાસ નથી કરતી તે સિસ્ટમમાં રહે છે. અને મોડેલ બનાવવાના છેલ્લા તબક્કામાં ભૂતકાળના આર્થિક વિકાસની ગતિશીલતાને ફરીથી બનાવવાની તેની ક્ષમતાની કસોટી છે, એટલે કે. બેઝ પીરિયડ મોડલ પર સિમ્યુલેશન, જે વ્યક્તિને તેની ગુણવત્તાનું મૂલ્યાંકન કરવાની મંજૂરી આપે છે.

એન્ટરપ્રાઇઝ મેનેજમેન્ટમાં આગાહીના ઑબ્જેક્ટ્સ આ હોઈ શકે છે: માંગ, ઉત્પાદનોનું ઉત્પાદન (સેવાઓનું પ્રદર્શન), વેચાણનું પ્રમાણ, સામગ્રી અને મજૂર સંસાધનોની જરૂરિયાત, ઉત્પાદનના ખર્ચ અને ઉત્પાદનોના વેચાણ, કિંમતો, એન્ટરપ્રાઇઝની આવક, તેનો તકનીકી વિકાસ.

આગાહીના વિષયો એ એન્ટરપ્રાઇઝના આયોજન અને આર્થિક વિભાગો, માર્કેટિંગ અને તકનીકી વિભાગો છે.

આગાહી યોજનાઓનો વિકાસ (ભવિષ્ય માટે, ટૂંકા ગાળા માટે (વર્ષ, ક્વાર્ટર, મહિનો) અને ઓપરેશનલ (દિવસ, દાયકા)) એ એન્ટરપ્રાઇઝ માટે સમગ્ર અને તેના માળખાકીય વિભાગો માટે બંને થાય છે: વર્કશોપ્સ, વિભાગો, સેવાઓ. સૂચકાંકોની આગાહી કરતી વખતે, નીચેની પદ્ધતિઓનો ઉપયોગ કરવાની સલાહ આપવામાં આવે છે: નિષ્ણાત મૂલ્યાંકન, પરિબળ મોડેલો, ઑપ્ટિમાઇઝેશન પદ્ધતિઓ, આદર્શ પદ્ધતિ.

તારણો.નિર્ણય લેવા માટે, વિશ્વસનીય અને સંપૂર્ણ માહિતી હોવી જરૂરી છે, જેના આધારે ઉત્પાદનોના ઉત્પાદન અને વેચાણ માટેની વ્યૂહરચના બનાવવામાં આવે છે. આ સંદર્ભમાં, આગાહીઓની ભૂમિકા વધી રહી છે, સિસ્ટમનું જરૂરી વિસ્તરણ અને વ્યવહારમાં ઉપયોગમાં લેવાતી આગાહી પદ્ધતિઓમાં સુધારો. ઉત્પાદનોની માંગ, ઉત્પાદન ખર્ચ, કિંમતો અને નફાની આગાહી કરવા પર ખાસ ધ્યાન આપવું જોઈએ. આ હેતુ માટે, સ્થાનિક અને વિશ્વ બજારોનો અભ્યાસ હાથ ધરવામાં આવે છે, અને માંગની સ્થિતિસ્થાપકતાનું વિશ્લેષણ હાથ ધરવામાં આવે છે.

ગ્રંથસૂચિ:

1. લુગિનિન O.E. અર્થશાસ્ત્ર: પાઠયપુસ્તક. વિદ્યાર્થીઓ માટે સહાય ઉચ્ચ શિક્ષણ મેનેજર - 2જી આવૃત્તિ., સુધારેલ. અને વધારાના – કે.: શૈક્ષણિક સાહિત્ય કેન્દ્ર, 2008. – 278 પૃષ્ઠ.
2. ઓર્લોવ એ.આઈ. ઇકોનોમેટ્રિક્સ. – એમ.: પરીક્ષા, 2002. – 576 પૃષ્ઠ.
3. પ્રિસેન્કો જી.વી., રવિકોવિચ ઇ. I. સામાજિક-આર્થિક પ્રક્રિયાઓની આગાહી: પાઠ્યપુસ્તક. ભથ્થું – K.: KNEU, 2005. – 378 p.
4. સ્ટેત્સેન્કો ટી. ઓ., તિશ્ચેન્કો ઓ. પી. પ્રાદેશિક અર્થશાસ્ત્રનું સંચાલન: પાઠયપુસ્તક. ભથ્થું રાજ્ય ઉચ્ચ શૈક્ષણિક સંસ્થા Kyiv. રાષ્ટ્રીય ઇકોન યુનિવર્સિટી નામ આપવામાં આવ્યું છે વી. ગેટમેન. – K.: KNEU, 2009. – 471 p.
5. યાકોવેટ્સ યુ.વી. આગાહી ચક્ર અને કટોકટી. – એમ.: એમએફકે, 2000. – પૃષ્ઠ 42.