onlayn taksi yo‘lovchilar soni ko‘rsatkichini arima modeli yordamida prognozlash

DOCX 4 sahifa 53,8 KB Bepul yuklash

4 sahifa

FaylHub.uz

Telegram orqali yuklab olish

Hajm 53,8 KB

Fayl turi DOCX

Sahifalar 4

Yangilangan Dek 2025

Sahifa ko'rinishi (4 sahifa)

Pastga aylantiring 👇

1 / 4

“hudud xizmat ko’rsatish sohasida raqamli texnologiyalarning samaradorliginini oshirish yo’llari” magistrlik dissertatsiyasi bo’yicha surxondaryo viloyatida onlayn taksi xizmatidan foydalangan yo’lovchilar soni ko‘rsatkichini arima modellari bilan prognozlashtirish abdunabiyev shahzodbek termiz iqtisodiyot va servis universiteti magistranti kirish. vaqtli qatorlarni prognoz qilish uchun mashhur va keng qo'llaniladigan statistik usullardan biri arima modellashtirish usulidir. arima modeli tarkibiy qismlari: 1. avtoregressiya (ar(p)): 2. integratsiyalashgan (i(d)): 3. harakatlanuvchi o'rtacha (ma(q)): modeldan surxandaryo viloyatida onlayn taksi xizmatidan foydalangan yo’lovchilar soni ko’rsatkichini prognozlashda foydalanamiz. asosiy qism. surxandaryo viloyatida xizmatlar sohasi holatini belgilab beruvchi asosiy ko’rsatkichlardan biri bu transport xizmatlari hajmi hisoblanadi. bu ko’rsatkich 2023-yilda 6737,6 mln yo’lovchi – km ni tashkil etgan. ko’rsatkichning o’sishi oldingi davrga nisbatan o’sish 104,5% ni tashkil etgan. surxandaryo viloyatida xizmatlar sohasi holatini belgilab beruvchi asosiy ko’rsatkichlardan biri bo‘lgan onlayn taksi xizmatlari soni (1-rasm)ni prognozlashtiramiz. 1-rasm. surxandaryo viloyatida onlayn taksi yo’lovchilar soni ko’rsatkichi , (mln. yo’lovchi - km)[footnoteref:0] [0: ] malumki, arima yordamida modellashtirish quyidagi …

2 / 4

esting down from 4 lags, criterion aic sample size 22 unit-root null hypothesis: a = 1 test without constant including 0 lags of (1-l)d_y model: (1-l)y = (a-1)*y(-1) + e estimated value of (a - 1): -0.571617 test statistic: tau_nc(1) = -2.85432 asymptotic p-value 0.004197 1st-order autocorrelation coeff. for e: -0.058 test with constant including 0 lags of (1-l)d_y model: (1-l)y = b0 + (a-1)*y(-1) + e estimated value of (a - 1): -1.00052 test statistic: tau_c(1) = -4.52104 asymptotic p-value 0.0001754 1st-order autocorrelation coeff. for e: -0.017 1-jadvalga ko‘ra p-qiymatlar 0,05 ahamiyatlilik darajasidan katta emas. shu sababli 1-farqlar statsionar hisoblanadi. endi navbatdagi bosqichda korrelogramma ko‘zdan kechiriladi (2-rasm). 2-rasm. vaqtli qator bo’yicha korrelogramma. 2-rasmga ko‘ra jarayon avtoregressiyaga hos bo’lib, acf eksponentsial tarzda kamayib borayapdi hamda pacf da esa 1 lag dan keyin uzilish sodir bo‘lgan. shu sababli quyidagi model tartibiga to’xtalish mumkin: arima(1, 1, 0) (2) (2) ni modellashtirishda dastlab …

3 / 4

nt std. error z p-value phi_1 0.410585 0.185927 2.208 0.0272 ** mean dependent var 245.3659 s.d. dependent var 291.9518 mean of innovations 149.6120 s.d. of innovations 341.2062 r-squared 0.970223 adjusted r-squared 0.970223 log-likelihood −166.8751 akaike criterion 337.7502 schwarz criterion 340.0212 hannan-quinn 338.3213 real imaginary modulus frequency ar root 1 2.4356 0.0000 2.4356 0.0000 2-jadvaldan modelning umumiy ko’rinishi quyidagicha bo’ladi: (3) modelning barcha parametrlari fisherning z mezoni bo’yicha ahamiyatli ekanligi 2-jadvaldan ko’rinib turibdi. shuningdek, tajribalarda modelning approksimatsiya xatoligini mape=6,4% ekanligi malum bo’ldi. bundan tashqari, (3) model qoldiqlarida avtokorrelatsiya kuzatilmadi. shunday qilib, model iqtisodiy jarayonga mos. (3) modeldan foydalanib prognoz qiymatlar ishlab chiqamiz (3-jadval). 3-jadval surxandaryo viloyatida onlayn taksi yo’lovchilar soni ko’rsatkichi prognoz qiymatlari[footnoteref:1] [1: ] yillar prognoz qiymatlar ishonch intervalining quyi chegarasi ishonch intervalining yuqori chegarasi 2024 6856,66 6187,91 7525,42 2025 6905,54 5449,21 8061,87 2026 6925,61 5359,60 8491,62 2027 6933,85 5018,76 8848,94 2028 6937,23 4717,99 9156,48 2029 6938,62 4448,63 9428,61 ishlab …

4 / 4

086.86372307284 4502.48279128242 4747.79 880923545 5100.4107583226 5399.8961 5662.9848 5882.1060063145 5728.3008 5145.3793 6094.3502 6447.67248560703 6737.61669 image1.png image2.png

Ko'proq o'qimoqchimisiz?

Barcha 4 sahifani Telegram orqali bepul yuklab oling.

To'liq faylni yuklab olish

"onlayn taksi yo‘lovchilar soni ko‘rsatkichini arima modeli yordamida prognozlash" haqida

“hudud xizmat ko’rsatish sohasida raqamli texnologiyalarning samaradorliginini oshirish yo’llari” magistrlik dissertatsiyasi bo’yicha surxondaryo viloyatida onlayn taksi xizmatidan foydalangan yo’lovchilar soni ko‘rsatkichini arima modellari bilan prognozlashtirish abdunabiyev shahzodbek termiz iqtisodiyot va servis universiteti magistranti kirish. vaqtli qatorlarni prognoz qilish uchun mashhur va keng qo'llaniladigan statistik usullardan biri arima modellashtirish usulidir. arima modeli tarkibiy qismlari: 1. avtoregressiya (ar(p)): 2. integratsiyalashgan (i(d)): 3. harakatlanuvchi o'rtacha (ma(q)): modeldan surxandaryo viloyatida onlayn taksi xizmatidan foydalangan yo’lovchilar soni ko’rsatkichini prognozlashda foydalanamiz. asosiy qism. surxandaryo viloyatida xizmatlar sohasi holatini be...

Bu fayl DOCX formatida 4 sahifadan iborat (53,8 KB). "onlayn taksi yo‘lovchilar soni ko‘rsatkichini arima modeli yordamida prognozlash"ni yuklab olish uchun chap tomondagi Telegram tugmasini bosing.

Teglar: onlayn taksi yo‘lovchilar soni … DOCX 4 sahifa Bepul yuklash Telegram