Professional Documents
Culture Documents
Mentor: Student:
Leskovac, 2018.
SADRŽAJ
UVOD--------------------------------------------------------------------------------------------------------------1
TREND KAO KOMPONENTA VREMENSKE SERIJE----------------------------------------------2
POJAM I VRSTE TRENDA----------------------------------------------------------------------------------3
LINEARNI TREND-------------------------------------------------------------------------------------------3
PARABOLICNI TREND-------------------------------------------------------------------------------------3
EKSPONENCIJALNI TREND------------------------------------------------------------------------------3
ANALIZA TRENDA BROJA KOŠNICA U REPUBLICI SRBIJI-----------------------------------4
ANALIZA TRENDA PROIZVODNJE MEDA U REPUBLICI SRBIJI---------------------------10
ZAKLJUČAK--------------------------------------------------------------------------------------------------15
LITERATURA-------------------------------------------------------------------------------------------------16
UVOD
Prema nekim autorima, statistika je oblast matematike koja se bavi sakupljanjem, analizom,
interpretacijom, objašnjavanjem i prezentacijom podataka. Reč “statistika” potiče od latinske reči
“statisticus” sto u prevodu znači “državni poslovi”.
Početkom srednjeg veka, kada ekonomska moć drzava uglavnom zavisi od toga koliko je razvijena
poljoprivreda,rađeni su popisi zemljišta i ostalih poljoprivrednih resursa. Kasnije dolazi do
povećanog interesovanja za statističko posmatranje proizvodnje i drzavnih finansija. Jednom rečju,
raste potreba za brojnim statističkim informacijama, a statisticku informaciju čini numerički
podatak i njegovo metodološko objašnjenje. Danas, statističke informacije veoma doprinose
poslovanju preduzeća. Savremeno poslovanje se ne može ni zamisliti bez prognoziranja
proizvodnje, prometa, uvoza, izvoza itd. Da bi se predvidele neke pojave neophodno je raspolaganje
pouzdanim podacima i što je najvažnije stabilnost posmatrane pojave u budućnosti.
Metod trenda je jedan od najstarijih metoda za predvidjanje budućeg nivoa pojave i obuhvata
linearni, parabolični i eksponencijalni trend.
Trend se definiše kao zamišljena linija varijacija pojave na duži rok, koja predstavlja prosečno
kretanje pojave proizvonje prometa uvoza izvoza itd.
U radu će biti reči o broju košnica pčela, proizvodnji meda i prognozi njihovih količina za naredne
godine.
1
TREND KAO KOMPONENTA VREMENSKE SERIJE
Trend je dominantna komponenta u statističkom modelu vremenskog niza. Reč je metodi čijom
primenom je moguće pratiti dinamiku pojave nastale pod uticajem stalnih faktora i vršiti
prilagođavanje i predviđanje vremenskih serija. Trend predstavlja dinamičku srednju vrednost jer se
uz pomoć njega izračunava prosečno stanje pojave u svakom posmatranom periodu. Reč je o
putanji kretanja neke pojave u vremenu koja predstavlja niz prosečnih vrednosti koje bi posmatrana
pojava uzimala po svojoj prirodi. Originalni podaci variraju oko linije trenda i mogu biti regularni
(sezonske i ciklične varijacije) i neregularni (slučajne ili rezidualne varijacije).
Podela na deterministički i stohastički trend zavisi od toga da li se rast serije može ili ne može
predvideti tokom vremena. Deterministički trend može biti predstavljen formulom a+bx kojom se
određuje prirast ili opadanje vremenske serije u funkciji vremena. Stohastički trend je posledica
slučajnog rasta, ili pada vrednosti, ili kumulativni efekat neke sile koja prouzrokuje dugoročne
promene vrednosti vremenske serije. Kod stohastičkog trenda u trenutku t-1 ne možemo znati nivo
promenljive u trenutku t. Stohastički trend je karakterističan za ekonomske pojave. Trend može biti
posledica promena u društvu, tehnologiji, društvenih običaja, tržišnih i ekonomskih uslova, uslova u
okruženju i slično.
Prilikom dugoročne analize trenda kretanja posmatrane pojave pretpostavlja se da na njen razvoj
deluje jedna grupa faktora koja povremeno skreće tok pojave naviše ili naniže, dok druga grupa
faktora deluje stalno u jednom pravcu. Analizom vremenskih serija moguće je izdvojiti sve one
faktore koji remete uticaj faktora koji deluju stalno u jednom pravcu. Liniju trend možemo prikazati
grafički i uz pomoć odgovarajuće matematičke funkcije.
Na osnovu praktičnih iskustava najpogodnije je primeniti trend za dinamičku analizu jednogodišnje
vremenske serije. Takođe, primena trenda ima smisla ukoliko su predviđanja koja se vrše na osnovu
njega zasnovana na pretpostavci da će posmatrana pojava postojati i u budućnosti. Da bi se izvršila
analiza trenda ne postoji tačno definisan broj podataka koji se mora uzeti u razmatranje, već onaj
broj podataka na osnovu koga se može steći utisak o vrsti i obliku kretanja pojave u funkciji
vremena predstavlja dovoljan broj podataka. Predviđanje posmatrane pojave može se vršiti najviše
za vremenski period koji je dva puta kraći od perioda na koji se odnosi vremenska serija. Dužina
perioda predviđanja zavisi od toga koliko dugo posmatrana pojava ispoljava isti ili slični tok
kretanja.
2
POJAM I VRSTE TRENDA
Trend se definiše kao zamišljena linija (prava ili kriva) varijacija pojave na duži rok,koja predstavlja
prosečno kretanje pojave (proizvodnja, promet ,uvoz izvoz, itd.). Razlikujemo:
LINEARNI TREND;
PARABOLIČNI TREND;
EKSPONENCIJALNI TREND.
LINEARNI TREND
Linearni trend (pravolinijski trend) se koristi ako su varijacije u jednoj vremenskoj seriji takve da se
promena posmatrane pojave (proizvodnja, romet, uvoz, izvoz itd.) može predstaviti stalnim
porastom ili opadanjem tokom vremena. Linearni trend prati i standardna greška (Sy) koja pokazuje
prosecno (srednje) odstupanje vrednosti originalnih podataka, posmatrane vremenske serije od
linearnog trenda, koji se moze izraziti grafičkom i matematičkom metodom.
PARABOLICNI TREND
Ukoliko u proseku apsolutni prirast serije nije jednak,već iz godine u godinu pokazuje tendenciju
porasta ili opadanja,tada se koristi parabolični trend. Prilagodljivost paraboličnog trenda skupu
originalnih,empirijskih podataka proveravaju se pomoću standardne greške koja se odredjue na isti
način kao kod linearnog trenda.
EKSPONENCIJALNI TREND
Ako podaci u posmatranoj vremenskoj seriji iz godine u godinu pokazuju približno isti relativan
porast ili pad,onda se originalnim podacima moze najbolje prilagoditi eksponencijalni trend.
3
ANALIZA TRENDA BROJA KOŠNICA U REPUBLICI SRBIJI
∑ y 5910
N=11 b0 =
N
=
11
=537.27
b1=
∑ xy 7417
=
∑ x 2 110
=67.4 S y=
√Σ ( y− yt )2
N
=
√59726.18
11
=√5429.65=73.69
Grafik broj 1
4
Object 9
5
2012 654.00 0.00 0.00 0 0.00 0 525.3 128.70 16,563.69
Σxy 7417
N=11 b1= = =67.4
Σ x2 110
S y=
√
Σ ( y− yt )2
N
=
√
58482.51
11
= √5316.59=72.91
Grafik broj 2
900
800
700
600
500
400
300
200
100
0
2006 2008 2010 2012 2014 2016 2018
6
U 2007. Godini odstupanje je pozitivno od paraboličnog trenda za 48.7 .
U 2008. Godini odstupanje je pozitivno od paraboličnog trenda za 23.1 .
U 2009. Godini odstupanje je negativno od paraboličnog trenda za 31.9 .
U 2010. Godini odstupanje je negativno od paraboličnog trenda za 75.3 .
U 2011. Godini odstupanje je negativno od paraboličnog trenda za 153.1 .
U 2012. Godini odstupanje je pozitivno od paraboličnog trenda za 128.7 .
U 2013. Godini odstupanje je pozitivno od paraboličnog trenda za 59.1 .
U 2014. Godini odstupanje je pozitivno od paraboličnog trenda za 12.1 .
U 2015. Godini odstupanje je pozitivno od paraboličnog trenda za 53.7 .
U 2016. Godini odstupanje je negativno od paraboličnog trenda za 22.1 .
U 2017. Godini odstupanje je negativno od paraboličnog trenda za 43.3 .
N=11
Σlogy 29.55904
log b0 = = =2.687
N 11
Σx∗logy 6.4462
log b1= = =0.059
Σx
2
110
S y=
√
Σ ( y− yt )2
N
=
√
74495.54
11
=√ 6772.32=82.29
8
B roj k ošn ica p rimen om ek sp on en cijaln og tren d a
Y Yt
1200
1000
800
600
400
200
0
2006 2008 2010 2012 2014 2016 2018
Grafik broj 3
Tabela broj 4
Godina X Yt
2007 -5.00 218.3
2008 -4.00 274.9
2009 -3.00 333.9
2010 -2.00 395.3
2011 -1.00 459.1
2012 0.00 525.3
2013 1.00 593.9
2014 2.00 664.9
2015 3.00 738.3
2016 4.00 814.1
2017 5.00 892.3
2018 6.00 972.9
9
2019 7.00 1,055.9
2020 8.00 1,141.3
2021 9.00 1,229.1
2022 10.00 1,319.3
Najmanja vrednost standardne greške trenda je kod paraboličnog trenda i iznosi 72.91. Na osnovu
podataka o parametrima paraboličnog trenda možemo predvideti trend broja košnica za naredni
period sve do 2022. godine što se može videti u tabeli broj 4.
Σxy 7417
N=11 b1= = =67.4
Σ x2 110
S y=
√ Σ ( y− yt )2
N √=
58482.51
11
= √5316.59=72.91
Na osnovu podataka iz tabele možemo uočiti da je prisutan rastući trend u broju košnica.
10
ANALIZA TRENDA PROIZVODNJE MEDA U REPUBLICI SRBIJI
Tabela broj 1 Proizvodnja meda od 2007-2017
N=11
∑ y 64282
b0 = = =5843.82
N 11
∑ xy 57325
b1= = =521.14
∑ x2 110
S y=
√
Σ ( y− yt )2
N √ =
45215557.6
11
=√ 4110505.24 =2027.44
Grafik broj 1
12000
10000
8000
6000
4000
2000
0
2006 2008 2010 2012 2014 2016 2018
11
U 2007. Godini odstupanje je pozitivno od linearnog trenda za 299.88 .
U 2008. Godini odstupanje je negativno od linearnog trenda za 1,198.26 .
U 2009. Godini odstupanje je pozitivno od linearnog trenda za 296.60 .
U 2010. Godini odstupanje je negativno od linearnog trenda za 322.54 .
U 2011. Godini odstupanje je negativno od linearnog trenda za 1,039.68 .
U 2012. Godini odstupanje je pozitivno od linearnog trenda za 1,021.18 .
U 2013. Godini odstupanje je pozitivno od linearnog trenda za 2189.04 .
U 2014. Godini odstupanje je negativno od linearnog trenda za 2499.10 .
U 2015. Godini odstupanje je pozitivno od linearnog trenda za 4,855.76 .
U 2016. Godini odstupanje je negativno od linearnog trenda za 2,167.38 .
U 2017. Godini odstupanje je negativno od linearnog trenda za 1,435.52 .
Σxy 57325
N=11 b1= = =521.14
Σ x2 110
2 2
NΣ x y−Σy∗Σ x 11∗596813−64282∗110 −506077
b2= 4 2 2
= 2
= =−53.62
NΣ x −(Σ x ) 11∗1958−(110 ) 9438
12
Σy −b2∗Σ x 2 64282−(−53.62)∗110 70180.2
b0 = = = =6380
N 11 11
S y=
√
Σ ( y− yt )2
N
=
√42748606.49
11
=√ 1971.35=44.4
Grafik broj 2
14,000
12,000
10,000
8,000
6,000
4,000
2,000
0
2006 2008 2010 2012 2014 2016 2018
13
U 2016. Godini odstupanje je negativno od paraboličnog trenda za 1,845.64 .
U 2017. Godini odstupanje je negativno od paraboličnog trenda za -631.20 .
N=11
Σlogy 41.00672
log b0 = = =3.728
N 11
Σx∗logy 4.460835
log b1= = =0.405
Σx
2
110
S y=
√Σ ( y− yt )2
N
=
√
366537987709.21
11
= √33321635246.29=182542.15
Grafik broj 3
14
p roizvod n ja med a u p otreb om ek sp on en cijaln og tren d a
Y Yt
600,000
500,000
400,000
300,000
200,000
100,000
0
2006 2008 2010 2012 2014 2016 2018
15
U 2007. Godini odstupanje je pozitivno od eksponencijalnog trenda za 3,487.53 .
U 2008. Godini odstupanje je pozitivno od eksponencijalnog trenda za 2,432.77 .
U 2009. Godini odstupanje je pozitivno od eksponencijalnog trenda za 4,251.16 .
U 2010. Godini odstupanje je pozitivno od eksponencijalnog trenda za 3,651.06 .
U 2011. Godini odstupanje je pozitivno od eksponencijalnog trenda za 2,179.22 .
U 2012. Godini odstupanje je pozitivno od eksponencijalnog trenda za 1,519.36 .
U 2013. Godini odstupanje je negativno od eksponencijalnog trenda za 5,029.13 .
U 2014. Godini odstupanje je negativno od eksponencijalnog trenda za 30,127.37 .
U 2015. Godini odstupanje je negativno od eksponencijalnog trenda za 75,437.08 .
U 2016. Godini odstupanje je negativno od eksponencijalnog trenda za 217,082.51 .
U 2017. Godini odstupanje je negativno od eksponencijalnog trenda za 559,225.29 .
16
ZAKLJUČAK
17
LITERATURA
1. Marjanović. M., Mihailović I., Spasić K., 2016., Statistika u ekonomiji i poslovanju sa zbirkom
rešenih zadataka, Visoka poslovna škola strukovnih studija, Leskovac.
18