Рис.19 Отчет тестов на случайность  остатков 

     Из  Рис. 19 видно, что тест Бокса-Пирса  базируется на первых 24 коэффициентах  автокорелляционной функции. Сумма  квадратов этих коэффициентов, умноженная на количество наблюдений – 84 месяца, равна 9,66127. Так как значение Р для этого теста больше критического значения 0.1, то при 90%-ном и более высоком уровне вероятности нельзя отклонить гипотезу о случайном характере остатков модели. Другими словами, остатки модели ARIMA (3,0,2) не содержат статистически существенной автокорреляции. Руководствуясь статистическим консультантом тестов на случайность, надо отметить, что у двух оставшихся тестов серий, рассчитанных по фактическим данным, значение Р больше критического 0.1, а из этого следует, что при 90%-ном и более высоком уровне вероятности нельзя отклонить гипотезу о случайном характере остатков модели.

     Вывод об адекватности модели ARIMA (3,0,2) для описания динамики ежемесячной загрузки гостиниц Северной Ирландии за период с 1997 по 2003 год можно подтвердить и рядом графиков.

     На  Рис.20 представлен график автокорелляционной функции остатков с 95%-ными доверительными границами. Он свидетельствует об отсутствии статистически существенных коэффициентов  автокорелляции. Ни один из 24 коэффициентов  не выходит за 95%-ные доверительные интервалы. Такое изменение автокорелляционной функции позволяет сделать заключение, что остатки распределены случайно.

Рис.20 Автокорелляционная функция остатков 

       О случайном характере распределения  остатков свидетельствует Рис.21, из которого видно, что поворотная точка, т.е. пик и впадина, встречается  примерно на каждые полтора наблюдения.

Рис.21 Временная последовательность остатков 
 
 
 
 
 

Рис.22 Периодограмма остатков

 
 

      На  Рис.22 представлена периодограмма остатков для переменной Occupancy rate. Сравнивая полученные данные с первоначальными, можно сделать вывод о том, что аддитивная сезонная корректировка в сочетании с интегрированной моделью авторегрессии и скользящего среднего ARIMA (3,0,2) адекватно отражает внутреннюю структуру исследуемого временного ряда. 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

Заключение

 

     Одной из отличительных черт современного этапа развития индустрии гостеприимства выступает ее информатизация. Новые  информационные технологии проникают  во все сферы деятельности индустрии  гостеприимства. Они изменяют характер принятия управленческих решений. Мировые  системы бронирования, корпоративные  системы управления отелями и  ресторанами, Интернет и электронные  телекоммуникации – основные виды применения информационных технологий в гостиничном бизнесе. Прогнозирование  с помощью компьютерных программ становится необходимостью на предприятиях индустрии гостеприимства.

     Подводя итог проделанной работы, необходимо отметить, что были расшифрованы понятия  временных рядов и методов  прогнозирования, был построен прогноз  на основании данных по ежемесячной  загрузке гостиниц Северной Ирландии, как итог данной работе был написан  анализ полученных результатов и  выработаны рекомендации по планированию хозяйственной деятельности гостиничных  предприятий Северной Ирландии на основе построенного прогноза.

     Проведенной исследование позволяет сделать  следующие предложения: в соответствии с анализом полученных в ходе прогнозирования  данных, выяснилось, что пик сезона гостиниц Северной Ирландии приходится на август, а спад туристического потока – на декабрь, эта тенденция будет  наблюдаться на протяжении всего  прогнозируемого периода. Следовательно, одной из мер привлечения клиентов в низкий сезон и соответственно увеличение прибыли заключается  в поиске альтернативного сегмента рынка, организации целевого отдыха, специальных мероприятий, конференций  и семинаров. Это означает, что  путем организации дополнительных мероприятий предприятие индустрии  гостеприимства обеспечивает загрузку гостиниц, т.е. клиентуру и прибыль, что и обеспечит дальнейшее процветание  предприятие на рынке услуг при  современных условиях рыночной экономики  и жестокой конкуренции в сфере  услуг. 
 
 
 
 
 
 

Список  использованной литературы

 

1. Боровиков В.П., Ивченко Г.И. Прогнозирование  в системе STATISTICA в среде WINDOWS. Основы теории и интенсивная практика на компьютере. М.: Финансы и статистика, 1999
2. Гуляев В.Г. Новые информационные технологии в туризме. М.: Приор, 1998
3. Дуброва Т.А. Статистические методы прогнозирования: Учебное пособие для вузов. М.: ЮНИТИ-ДАТА, 2003
4. Кендл М. Временные ряды. М.: Финансы и статистика, 1981
5. Льюис К. Прогнозирование экономических показателей. М.: Финансы и статистика, 1986
6. Попов В.А. Прогнозирование показателей национальной экономики на персональном компьютере: Учебное пособие. М.: Изд-во Рос. экон. акад., 2001
7. Попов Л.А. Анализ временных рядов и прогнозирование: Учебное пособие. – М.: Изд-во Рос. экон. акад., 2005
8. Попов Л.А., Козлов Д.А. Методы прогнозирования в индустрии гостеприимства: Учебное пособие. М.: Изд-во Рос. экон. акад., 2000
9. Трахтенгерц Э.А. Компьютерная поддержка принятия решений. М.: СИНТЕГ, 1998
10. Тюрин Ю.Н., Макаров А.А. Статистический анализ данных на компьютере. М.: ИНФРА-М, 1998
11. Чудновский А. Гостиничный и туристический бизнес. М.: Финансы и статистика, 1998

 

Интернет  источники 

1. www.sas.com
2. www.spss.com
3. www.tos.ru
4. www.incomsoft.ru
5. www.ankey.ru
6. www.cognitive.ru

ПРИЛОЖЕНИЯ

Приложение 1

Descriptive Methods - Occupancy rate 

Analysis Summary 

Data variable: Occupancy rate 

Number of observations = 84

Start index =  1.97          

Sampling interval = 1,0 month(s)

Length of seasonality = 12 

Adjustments

-----------

Seasonal adjustment: Additive

Nonseasonal differencing of order: 1 
 
 

The StatAdvisor

---------------

   This procedure constructs various statistics and plots for adjusted

Occupancy rate.  The data cover 84 time periods.  Each value of

Occupancy rate has been adjusted in the following way:

(1) An additive seasonal adjustment was applied.

(2) Simple differences of order 1 were taken.

Select the desired tables and graphs using the buttons on the analysis

toolbar.  All output will apply to the adjusted values of Occupancy

rate. 
 
 

 

Data Table for Occupancy rate 

Period           Data                Adjusted

---------------------------------------------------------

 1.97            29,0                                   

2.97            36,0                -0,5625            

3.97            38,0                1,39583            

4.97            39,0                -2,45139           

5.97            45,0                -0,298611          

6.97            49,0                0,861111           

7.97            40,0                -2,88889           

8.97            55,0                6,375              

9.97            53,0                0,215278           

10.97            47,0                1,5625             

11.97            42,0                -0,75              

12.97            33,0                0,0902778          

1.98            31,0                -1,54861           

2.98            39,0                0,4375             

3.98            38,0                -1,60417           

4.98            40,0                -1,45139           

5.98            46,0                -0,298611          

6.98            45,0                -4,13889           

7.98            43,0                4,11111            

8.98            52,0                0,375              

9.98            49,0                -0,784722          

10.98            42,0                0,5625             

11.98            38,0                0,25               

12.98            29,0                0,0902778          

1.99            30,0                1,45139            

2.99            35,0                -2,5625            

3.99            37,0                1,39583            

4.99            41,0                0,548611           

5.99            47,0                -0,298611          

6.99            52,0                1,86111            

7.99            48,0                2,11111            

8.99            54,0                -2,625             

9.99            54,0                2,21528            

10.99            46,0                -0,4375            

11.99            42,0                0,25               

12.99            30,0                -2,90972           

1.00            28,0                -1,54861           

2.00            36,0                0,4375             

3.00            37,0                0,395833           

4.00            45,0                4,54861            

5.00            50,0                -1,29861           

6.00            52,0                -1,13889           

7.00            46,0                0,111111           

8.00            52,0                -2,625             

9.00            51,0                1,21528            

10.00            41,0                -2,4375            

11.00            38,0                1,25               

12.00            31,0                2,09028            

1.01            30,0                -0,548611          

2.01            38,0                0,4375             

3.01            38,0                -0,604167          

4.01            39,0                -2,45139           

5.01            46,0                0,701389           

6.01            53,0                3,86111            

7.01            45,0                -1,88889           

8.01            55,0                1,375              

9.01            50,0                -2,78472           

10.01            43,0                0,5625             

11.01            39,0                0,25               

12.01            31,0                1,09028            

1.02            31,0                0,451389           

2.02            39,0                0,4375             

3.02            40,0                0,395833           

4.02            42,0                -1,45139           

5.02            50,0                1,70139            

6.02            51,0                -2,13889           

7.02            46,0                1,11111            

8.02            52,0                -2,625             

9.02            50,0                0,215278           

10.02            43,0                0,5625             

11.02            38,0                -0,75              

12.02            29,0                0,0902778          

1.03            31,0                2,45139            

2.03            40,0                1,4375             

3.03            41,0                0,395833           

4.03            45,0                0,548611           

5.03            51,0                -0,298611