Открытая Международная научно-исследовательская конференция старшеклассников и студентов «Образование. Наука. Профессия»

Секция

Информационные технологии

Тема

Компьютерные технологии и прогнозирование

Авторы:

Костюнина Дарья

Салаева Инга

Учебное заведение

МОУ Гимназия №39 «Классическая»

Научный руководитель:

Осипова Светлана Леонидовна, учитель информатики высшей категории

г. Отрадный

2011 год

Введение        

1        ИКТ и прогнозирование: историко-диагностическая картина        

1.1        Всегда ли было прогнозирование?        

1.2        Успехи и неудачи        

2        Качество прогнозирования и его подтверждение        

3        Возможности табличного процессора MS Excel        

3.1        Некоторые статистические функции        

3.2        Прогнозирование по регрессионным моделям        

3.3        Расчет корреляционных зависимостей        

3.4        Оптимальное планирование        

Выводы        

Литература        

Введение

В самом начале работы мы решили ответить на основополагающие вопросы:

1. Какова область наших интересов и что полезно узнать?
2. Будет ли наша работа актуальна и ее материалы полезны?

Ответив на эти вопросы, мы выбрали объект исследования - информационные технологии, а предмет исследования - прогнозирование средствами ИКТ.

Выбор  объекта исследования  связан с интересом к компьютерам и информационным технологиям, а выбор предмета исследования продиктован интересом к качеству  прогнозирования с использованием ИКТ в управлении, экономике, демографии и т. д., что достаточно актуально в современном обществе. Для нас актуально вдвойне, так как свою будущую специальность мы видим в сфере управления или экономики.

Основополагающие вопросы:

1. Возможно ли качественное прогнозирование различных процессов человеческой деятельности без современных компьютерных технологий?
2. Может ли компьютер заменить человека при управлении, планировании, прогнозировании?
3. Почему при быстром росте количества компьютеров и специализированного программного обеспечения  не достигается высокий уровень прогнозирования?

Анализ различных источников по выбранной теме^[1][2] позволили выявить противоречия между:

1. возросшими требованиями общества в качественном прогнозировании процессов и явлений в различных сферах жизнедеятельности и существующими методами и надежностью прогноза;
2. практической  востребованностью  возможностей ИТ- технологий в формировании качественных услуг прогнозирования и как степенью надежности компьютерных методов так и организационно-психологическим человеческим фактором.

Названные противоречия делают актуальной проблему исследования.

Проблема

На сегодня Россия и все человечество в целом имеет мощный парк вычислительной техники с современными программными средствами и it-специалистами, а результаты компьютерного прогнозирования не эффективны. Каким образом сделать прогнозирование в наиболее важных сферах человеческой деятельности качественным?

Проблемы прогнозирования находятся   под пристальным вниманием государственных структур и  науки, так как прогнозирование – это один из факторов эффективности управления конкретными субъектами, явлениями и процессами.

Поэтому решения должны опираться на достоверные оценки возможного развития изучаемых явлений и событий в будущем.

Многие специалисты и ученые считают, что повышение качества  прогнозирования тесно связано с  постоянной модернизацией вычислительной техники и разработкой соответствующих информационных технологий. Применение ИТ- технологий связано с непрерывно увеличивающимся  объемом информации,  сложностью алгоритмов расчета и анализа результатов,  высокими требования к качеству прогнозов,  необходимостью использования результатов прогнозирования для решения задач планирования и управления.

Составляющие качества прогнозирования - это точность, достоверность и оперативность, которые можно обеспечить если:

1. алгоритмы прогнозирования опираются на достоверную и надежную исходную информацию, на основании которой строятся   математические модели
2. оперативно обрабатывается  полученный результат,
3. критически анализируются прогнозируемые оценки
4. своевременно корректируются  изменения в алгоритме и программе прогнозирования

На сегодня есть  трудности при внедрении ИТ, обеспечивающих прогнозирование особенно экономических процессов. Они  носят не только технический или программный, но и организационно-психологический характер.

Цель исследования  обосновать  эффективность использования компьютерных технологий как инструмента прогнозирования для принятия взвешенных решений  

Задачи:

1. Представить историко-диагностическую картину прогнозирования
2. Описать  состояние технических и программных ресурсов России
3. Проанализировать возможности табличных процессоров для решения некоторых задач планирования, управления
4. Представить практическое применение  MS Excel в виде решения различных задач в рамках выбранной темы

1. ИКТ и прогнозирование: историко-диагностическая картина

Прогнозирование - метод планирования, в котором предсказание будущего опирается на накопленный опыт и текущие предположения относительно будущего. Слова «предвидение», «предсказание», «прогноз» - синонимы. Но слово «прогноз» воспринимается иначе, оно несет в себе как бы груз научной ответственности.

1. Всегда ли было прогнозирование?

Прогностика, как наука,  сформировалась в 70 — 80 годы ХХ столетия.

В России, а затем в СССР планирование на макроуровне возникло в 20-е гг. Организация планового руководства осуществлялась Высшим Советом Народного Хозяйства, созданным в 1917 году. В 1918 г. были организованы областные, губернские и уездные советы народного хозяйства, на которые возлагалось управление всей экономической жизнью данных административных районов. В феврале 1920 г. была создана Государственная комиссия по электрификации России. В 1921 г. на ее основе была организована общегосударственная плановая комиссия (Госплан). Председателем Госплана был назначен Г.М. Кржижановский, талантливый ученый и инженер-практик.

Первый долгосрочный план, представляющий интерес с точки зрения общей методологии планирования, — это план ГОЭЛРО (Государственный план электрификации Рос сии), разработанный в 1920 г. В нем дан анализ экономического положения страны в целом и по районам, представлена стратегия электрификации страны на 10 лет. При его разработке использован программно-целевой метод, предполагающий определение цели и разработку комплекса взаимодействующих мероприятий по ее достижению. 

2. Успехи и неудачи

Сведения о положительных результатах прогнозирования в области управления, экономике, науки периодически появляются в средствах массовой информации.  

В ряде публикаций отмечается, что успешная оценка тенденций рыночной ситуации, спроса на товары или услуги, а также иных экономических процессов и характеристик позволяет получить существенный прирост прибыли, улучшить другие экономические показатели. Механизм успеха на первый взгляд прост и понятен: предполагая, что произойдет в будущем, можно своевременно предпринять эффективные меры, используя позитивные тенденции и компенсируя отрицательные процессы и явления.

Однако существуют и негативные примеры. Как ранее отмечал журнал «Директор информационной службы»^[2] [5], компания Cisco, в свое время провозглашенная символом новой экономики, не только не смогла предвидеть экономический спад 2001 года, но и оказалась даже в худшем положении, чем другие, так как считала свое программно-методическое обеспечение прогнозирования спроса безупречным.

Менеджмент компании не предполагал, что одной из причин ее кризиса могут быть используемые методы и технологии прогнозирования. В результате допущенной аналитической ошибки было списано товаров на 2,2 млрд. долл., уволено около 20% сотрудников, а акции компании подешевели почти в шесть раз. Таким образом, причина кризиса Cisco лежит не в задержках получения или недостаточном объеме исходной информации, необходимой для работы аналитиков компании.

Трудности возникли, очевидно, из-за методических ошибок и неадекватной оценки получаемых прогнозов. Можно предположить, что использовавшаяся Cisco модель не обеспечивала необходимый уровень адаптации прогнозных оценок к текущему изменению рыночной ситуации.

2. Качество прогнозирования и его подтверждение

Точность, достоверность и оперативность, впрочем, как и иные составляющие качества прогнозирования, обеспечиваются рядом факторов, среди которых необходимо выделить:

1. программное обеспечение, в основе которого лежат адекватные реальности экономико-математические модели; полноту охвата и надежность источников исходной информации, на которой основана работа алгоритмов прогнозирования;
2. оперативность обработки внутрифирменной и внешней информации;
3. умение критически анализировать прогнозные оценки;
4. своевременность внесения необходимых изменений в методическое и информационное обеспечение прогнозирования.

В основе специального программного обеспечения лежат тщательно подобранные модели, методы и методики. Их реализация крайне важна для получения качественных прогнозов при решении задач текущего и стратегического планирования.

Анализ сложившейся ситуации показывает, что трудности при внедрении ИТ, обеспечивающих прогнозирование экономических процессов, носят не только технический или методический, но и организационно-психологический характер. Потребители результатов подчас не понимают принципов используемых моделей, их формализацию и объективно существующие ограничения. Это, как правило, порождает недоверие к полученным результатам.

Другая группа проблем внедрения связана с тем, что прогнозирующие модели нередко носят замкнутый, автономный характер и поэтому их обобщение с целью развития и взаимной адаптации затруднительно. Следовательно, компромиссным решением может оказаться поэтапный подход с выделением главных аналитических задач.

Однако готовых тиражируемых или корпоративных решений, обеспечивающих прогнозирование для малых и средних экономических субъектов на системном уровне с высоким качеством и доступных им по цене, практически нет.

В настоящее время автоматизированные системы управления предприятием ограничиваются в основном элементарными задачами учета и контроля. Причина такого положения в том, что до появления современных ИТ не было широких возможностей использовать эффективные экономико-математические модели непосредственно в процессе экономической деятельности. Кроме того, применение имевшихся моделей прогнозирования в аналитических целях не выдвигало столь высоких требований к их информационному обеспечению.^[3] [3]

3. Возможности табличного процессора MS Excel

1. Некоторые статистические функции

МАКС

МАКС(число1, число2, ...)

Результат: Наибольшее значение в списке аргументов.

МИН

МИН(число1, число2, ...)

Результат: Наименьшее значение в списке аргументов.

МЕДИАНА

МEДИАНА(число1, число2, ...)

Результат: Медиана заданного множества чисел (число, которое является серединой множества чисел: половина чисел больше, чем медиана, а половина чисел меньше, чем медиана).

ВЕРОЯТНОСТЬ

ВЕРОЯТНОСТЬ(х_интервал, интервал_вероятностей, нижний_предел, верхний_предел)

Результат: Значение вероятности того, что значение из интервала находится внутри заданных пределов.

СЧЕТ

СЧЕТ(значение1, значение2, ...)

Результат: Количество чисел в списке аргументов. Функция СЧЕТ используется для получения количества числовых ячеек в интервалах или массивах ячеек.

КОРЕЛ

Результат: Коэффициент корреляции между интервалами ячеек аргументов массив1 и массив2. Коэффициент корреляции используется для определения наличия взаимосвязи между двумя свойствами. Например, можно установить зависимость между средней температурой в помещении и наличием кондиционера.^[4] [6]

2. Прогнозирование по регрессионным моделям

Основные понятия:

Регрессия - зависимость среднего значения случайной величины от некоторой другой величины или нескольких величин.

Тренд - это график регрессионной модели. Виды тренда : Линейный, степенной, экспоненциальный, полиномиальный.

Аппроксимация - замена одних математических объектов другими, в том или ином смысле близкими к исходным.

Коэффициент детерминированности - величина, полученная в результате построения трендов.

Регрессионные модели строятся в тех случаях, когда известно, что зависимость между двумя факторами существует и требуется получить ее описание.

Существует два способа прогнозов по регрессионной модели.

1. Если прогноз производится в пределах экспериментальных значений независимой переменной, то называется восстановлением значения.
2. Прогнозирование за пределами экспериментальных данных называется экстраполяцией.

Если мы имеем регрессионную модель, то мы с легкостью можем прогнозировать производя расчеты с помощью электронной таблицы.

Задача 1: [1]

Постановка задачи. Опровергнуть или доказать утверждение: - частота заболевания бронхиальной астмой в городе зависит от качества городского воздуха, в частности от концентрации угарного газа в атмосфере. Дать прогноз за следующий год.

Исходные данные. Медицинская статистика за 10 лет хронических больных бронхиальной астмой на 1000 жителей г. Тольятти (Р больных/тыс.) и средняя концентрация оксида углерода (С мг/куб.м).

Алгоритм решения.

1. Полученные данные представить в виде таблицы
2. Построить точечную диаграмму в среде табличного процессора MS Excel
3. Используя команду меню Диаграмма – Добавить линию тренда – на закладке Тип выбрать Линейный тренд – на закладке Параметры установить флажки на «показать уравнения на диаграмме» и «поместить на диаграмму величину достоверности аппроксимации R2»

Выводы.

Из трех  построенных регрессионных моделей более достоверно описывает зависимость экспоненциальная модель 1, так как отклонение экспериментальной кривой от линии тренда наименьшее. На это указывает коэффициент детерминированности R2. Чем  R2 ближе к 1, тем удачнее регрессионная модель.

Полученная регрессионная модель 1 достаточно хорошо прогнозирует количество заболевших при изменении  концентраций угарного газа в диапазоне от 2 до 5 мг/куб.м. С осторожностью надо прогнозировать за пределами этого диапазона. Что будет за пределами этой области сложно прогнозировать  т. к. при  экстраполяции, то есть прогнозировании за пределами экспериментальных данных, далеко уходить от экспериментальной области не рекомендуется. Тем не менее,  на 2011 прогноз следующий:  при увеличении угарного газа до 5,2 мг/куб.см  количество человек заболевших бронхиальной астмой прогнозируется до 190 человек на 1000.

Задача 2:

Постановка задачи. Спрогнозировать сезонный объем продаж мороженого.

Исходные данные. Объемы реализации продукции по сезонам.

Алгоритм решения.

1. Данные продаж мороженого по сезонам представить в виде таблицы.
2. Определяется тренд, наилучшим образом аппроксимирующий фактические данные (в данной задаче это полиномиальный тренд)

Выводы.

Более достоверно описывает зависимость полиномиальная модель, так как ее коэффициент детерминированности R2 ближе к 1. Чем ближе R2  к единице, тем удачнее построена модель.

Полученная модель хорошо прогнозирует сезонные продажи мороженого. Но прогнозировать продажи в следующие сезоны сложно, так как при  экстраполяции, далеко уходить от экспериментальной области не рекомендуется. Однако можно заметить, что летние продажи мороженого (особенно в июне, и в июле) будут высоки.

3. Расчет корреляционных зависимостей

Зависимости между величинами, каждая из которых подвергается не контролируемому полностью разбросу, называется корреляционными зависимостями.

Задача:[1]

Постановка задачи. Определить зависимость успеваемости учащихся старших классов школы от двух факторов: обеспеченности школьной библиотеки учебниками и обеспеченности школы компьютерами.

Исходные данные. Результаты измерения обоих факторов в 11 разных школах.

Алгоритм решения.

1. Полученные данные представить в виде таблицы.
2. Рассчитать коэффициент по формуле корреляции. В Excel для этого есть функция КОРРЕЛ, которая входит в группу статистических функций.

Выводы.

Для обеих зависимостей получены коэффициенты линейной корреляции. Как видно из таблицы, корреляция между обеспеченностью учебниками и успеваемостью сильнее, чем корреляция между компьютерным обеспечением и успеваемостью. Можно сделать вывод, что пока еще книга остается более значимым источником знаний, чем компьютер.

4. Оптимальное планирование

Объектами планирования могут быть самые разные системы: деятельность отдельного предприятия, отрасли промышленности или сельского хозяйства, региона, наконец, государства. Так же это может быть состояние здоровья, состояние погоды. Постановка задачи планирования выглядит следующим образом:

1. имеются некоторые плановые показатели: x, y и другие;
2. имеются некоторые ресурсы: R1, R2 и другие, за счет которых эти плановые показатели могут быть достигнуты.Эти ресурсы практически всегда ограничены;
3. имеется определенная стратегическая цель, зависящая от значений x, y и других плановых показателей, на которую следует ориентировать планирование.

Нужно определить значение плановых показателей с учетом ограниченности ресурсов при условии достижения стратегической цели. Это и будет оптимальным планом. [1]

Выводы

Прогнозирование является неотъемлемой частью любой сферы жизни, например управления или экономики, математики или метеорологии.

При работе над проектом мы выяснили, что качественное прогнозирование различных процессов человеческой деятельности без современных компьютерных технологий не возможно. С этой  целью мы изучили возможности табличного процессора  MS Excel по созданию компьютерных моделей используемых при прогнозировании. Многие функции человека при управлении, планировании, прогнозировании можно переложить на компьютер.

Литература

1. Информатика. 11-й класс /И. Г. Семакин, Е.К. Хенкель.- М: БИНОМ. Лаборатория базовых знаний, 2007., 139 с.
2. Настольный журнал ИТ- руководителя http://www.osp.ru/cio/2002/09/172281/
3. А. Баутов, директор ИС http://www.parus.ru/printout.php?page=8&mode=press&sub=179 
4. Баутов А. Н. Заметки о статье С. А. Кошечкина "Алгоритм прогнозирования продаж в MS Excel", Маркетинг в России и за рубежом, 2002. № 2.
5. Беринато С. Что случилось с Cisco? "Директор информационной службы". 2001. № 5-6.
6. Компьютерная литература: книги, учебники, самоучители http://www.taurion.ru/excel/10/4