Введение 3
Постановка задачи 4
Обзор литературы 6
Глава 1. Обзор существующих решений 7
1.1 Интуитивный подход 7
1.2 Коммерческие приложения 8
Глава 2. Анализ данных 9
2.1 Подготовка данных 10
2.1.1 Очистка данных 10
2.1.2 Оптимизация данных 11
2.2 Исследование данных 12
2.2.1 Сглаживание временного ряда 14
2.2.1.1 Реализация метода экспоненциального сглаживания 15
2.2.2 Описательная статистика 16
2.2.2.1 Реализация анализа на однородность 18
2.3 Стационарность ряда 18
2.3.1 Реализация теста Дикки-Фуллера 19
Глава 3. Моделирование данных 21
3.1 Инструменты реализации 21
3.2 Основные методы прогнозирования 23
3.2.1 Тренд и сезонность 24
3.2.2 Технический анализ 26
3.3 Математическая модель ARIMA 29
3.3.1 Построение прогноза с помощью ARIMA 32
Выводы 39
Заключение 40
Список Литературы 42
Система здравоохранения - важный социальный институт, который является совокупностью организаций, ресурсов и учреждений, направленных на оказание медицинской помощи. Такая система основана на трех базовых принципах: лечение заболеваний, поддержание здоровья населения и оказание финансовой поддержки в оплате медицинских услуг. Для качественного выполнения функций системы здравоохранения, необходима слаженная работа всех ее компонентов: финансового отдела, компетентных работников, руководства, а также аппарата всеобщего управления. Основной целью такой системы является повышение качества жизни населения за счет оказания услуг, чутко реагирующих на запросы граждан и справедливых с финансовой точки зрения. Важность слаженной работы этого механизма и всех его структур неоспорима так, как это оказывает влияние на качество оказываемых услуг.
Планирование и прогнозирование бюджета больницы сказывается на ее развитие так, как качество предоставляемых населению услуг коррелирует с возвратом затрат на их оказание. Возмещение медицинским учреждениям затрат на лечение граждан РФ оказывают страховые медицинские организации (СМО).
В настоящее время в больницах идет активное внедрение информационных технологий. Однако система работы финансового отдела учреждения здравоохранения требует оптимизации и уменьшения влияния на точность работы человеческого фактора.
В результате работы были детально рассмотрены и выполнены поставленные задачи, а именно:
• Рассмотрена предметная область, рассмотрены экономические подходы к решению задачи, проведен анализ данных, выбрана ключевая выборка.
• Выполнена предварительная подготовка данных, путем устранения дубликатов и противоречий, восстановления целостности, оптимизации данных. К полученному ряду применен метод экспоненциального сглаживания.
• Произведено исследование временного ряда на стационарность с помощью различных тестов, в частности Дикки-Фуллера. Проведен анализ трендовой и сезонной компоненты, однородности значений и выбросов.
• Рассмотрены и проанализированы математические модели применимые к рассматриваемой задаче, приведены их недостатки и достоинства. Выбранная математическая модель адаптирована под прикладную область, осуществлен выбор параметров. Приведена реализация и результаты работы прогноза.
• Все рассмотренные методы предварительной обработки, анализа данных, построение математической модели с возможностью прогноза реализованы на языке python с использованием библиотек statsmodels, pandas, scikit-learn. Для визуального представления данных использована библиотека matplotlib.
В качестве результата исследования получен программный инструмент, способный прогнозировать распределение бюджета больницы на динамический период. И готовый к внедрению в информационную медицинскую систему.
1. Тарасов Ю. И. Перспективы развития обязательного медицинского страхования // Экономика здравоохранения, 2004. № 3. C. 18-21.
2. Тарифное соглашение в сфере обязательного медицинского страхования по Краснодарскому краю http://www.kubanoms.ru/_files/normativnaya_baza/ts/2017/ts_2017_.pdf
3. Федеральный закон от 21 ноября 2011 г. N 323-ФЗ "Об основах охраны здоровья граждан в Российской Федерации" http://base.garant.ru/12191967/
4. Cielen D., Meysman A., Ali M. Introducing Data Science Big Data, Machine Learning, and more, using Python tools, 2016. 22-48 c.
5. Holt C. C. Forecasting trends and seasonals by exponentially weighted moving averages, 1957.
6. Бокс Дж., Дженкинс Г. Анализ временных рядов: прогноз и управление. Выпуск 1. М.: Мир, 1974. C. 144-164
7. Тихонов Э. Е. Методы прогнозирования в условиях рынка, 2006. М.: Наука. С. 11-49.
8. Documentation Statsmodels python http ://www.statsmodels.org/ stable/index.html
9. Documentation Pandas python http://pandas.pydata.org/pandas-docs/version/0.15.2/tutorials.html
10. Documentation scikit-learn python http:// scikit-learn. org/ stable/tutorial/ index.html