Контрольная работа: Оптимальный план загрузки оборудования и транспортных связей
У1 = =173,84
У2 = =157,37
У3 = =127,48
У4 = =238,09
У5 = =259,5
У6 = =150,5
=
Х1 = =531,03
Х2 = =463,6
Х3 = =444,3
Х4 = =463,59
Х5 = =376,85
Х6 = =608,1
Найдем уравнение регрессии
Y=ao+a1x
ao и a1 найдем из системы:
nao+a1=
ao+ a1=
Построим расчетную таблицу:
№ | Х | У | X^2 | Y^2 | X*Y | |
1 | 319 | 168,1 | 101761 | 28257,61 | 53623,9 | 151,97 |
2 | 358 | 176,2 | 128164 | 31046,44 | 63079,6 | 149,63 |
3 | 399 | 159,4 | 159201 | 25408,36 | 63600,6 | 147,17 |
4 | 401 | 138,9 | 160801 | 19293,21 | 55698,9 | 147,05 |
5 | 419 | 169,7 | 175561 | 28798,09 | 71104,3 | 145,97 |
6 | 420 | 123,5 | 176400 | 15252,25 | 51870 | 145,91 |
7 | 425 | 153,4 | 180625 | 23531,56 | 65195 | 145,61 |
8 | 429 | 113,4 | 184041 | 12859,56 | 48648,6 | 145,37 |
9 | 455 | 121,5 | 207025 | 14762,25 | 55282,5 | 143,87 |
10 | 459 | 134,6 | 210681 | 18117,16 | 61781,4 | 143,57 |
11 | 463 | 124,5 | 214369 | 15500,25 | 57643,5 | 143,33 |
12 | 465 | 145,9 | 216225 | 21286,81 | 67843,5 | 143,21 |
13 | 481 | 154,9 | 231361 | 23994,01 | 74506,9 | 142,25 |
14 | 491 | 148,7 | 241081 | 22111,69 | 73011,7 | 141,05 |
15 | 517 | 126,6 | 267289 | 16027,56 | 65452,2 | 140,09 |
16 | 529 | 128,6 | 279841 | 16537,96 | 68029,4 | 139,97 |
17 | 534 | 116,2 | 285156 | 13502,44 | 62050,8 | 139,07 |
18 | 561 | 158,4 | 314721 | 25090,56 | 88862,4 | 137,05 |
19 | 602 | 111,6 | 362404 | 12454,56 | 67183,2 | 134,99 |
20 | 614 | 189,4 | 376996 | 35872,36 | 116291,6 | 134,27 |
Итого: | 9341 | 2863,5 | 4473703 | 419704,69 | 1330760 | 2861,74 |
Таким образом, уравнение регрессии получается:
Используя уравнение регрессии, дополним последний столбец расчетной таблицей. Измерим частоту связи в парной корреляции с помощью коэффициента корреляции:
Вывод: коэффициент корреляции r равен - 0,02, что говорит о наличии прямой слабой связи между затратами на единицу продукции и балансовой прибыли предприятия.
Рассчитаем t-критерий Стьюдента:
гипотеза о наличии прямой слабой связи между показателями не отвергается.
Прогнозирование сезонных явлений.
Построить прогнозную модель сезонного явления. Рассчитать показатели сезонности, используя скользящую среднюю и уравнение тренда. Рассчитать поквартальные индексы сезонности. Описать модели прогноза.
Год | Квартал | Фактическое значение | Расчет с помощью экспоненциального сглаживания | Расчет по уравнению тренда | ||
Расчетный уровень ряда | Показатели сезонности | Расчетный уровень ряда | Показатели сезонности | |||
1996 | I | 715 | -54987,9 | -0,01300287 | ||
II | 2145 | 715 | 3 | -169116 | -0,01268359 | |
III | 2955 | 1716 | 1,72203 | -233762 | -0,01264105 | |
IV | 3822 | 2583,3 | 1,4795 | -302958 | -0,01261563 | |
1997 | I | 594 | 3450,39 | 0,17215 | -45330,8 | -0,01310366 |
II | 2112 | 1450,917 | 1,45563 | -166482 | -0,01268602 | |
III | 2156 | 1913,675 | 1,12663 | -169994 | -0,0126828 | |
IV | 962 | 2083,303 | 0,46177 | -74700,9 | -0,01287802 | |
1998 | I | 126 | 1298,391 | 0,09704 | -7979,76 | -0,01578995 |
II | 415 | 477,7172 | 0,86871 | -31044,9 | -0,01336776 | |
III | 821 | 433,8152 | 1,89251 | -63447,7 | -0,01293979 | |
IV | 1557 | 704,8446 | 2, 209 | -122188 | -0,01274267 | |
1999 | I | 198 | 1301,353 | 0,15215 | -13726,1 | -0,01442509 |
II | 318 | 529,006 | 0,60113 | -23303,3 | -0,01364615 | |
III | 1218 | 381,3018 | 3, 19432 | -95132,3 | -0,01280323 | |
IV | 2415 | 966,9905 | 2,49744 | -190665 | -0,0126662 | |
2000 | I | 388 | 1980,597 | 0, 1959 | -28890 | -0,01343026 |
II | 242 | 865,7791 | 0,27952 | -17237,7 | -0,01403898 | |
III | 636 | 429,1337 | 1,48206 | -48682,9 | -0,01306415 | |
IV | 970 | 573,9401 | 1,69007 | -75339,4 | -0,01287507 |
1,2) На основании исходных данных строим в MS Excel график с добавлением на него линии тренда. При построении тренда необходимо, чтобы на нем отобразилось уравнение тренда.
Графа 4 рассчитывается: при помощи поката анализа MS Excel с использованием функции экспоненциальное сглаживание.
Графа 5 рассчитывается: делением графы 3 на графу 4.
Графа 6 рассчитывается: подстановкой в уравнение линейного тренда, полученного при помощи MS Excel, соответствующих значений периода (от 1 до 20 по диаграмме).
Графа 7 рассчитывается: делением графы 3 на графу 6.
3) определяем индексы сезонности по кварталам, которые вычисляются по формуле:
n - количество лет.
Индексы сезонности товарооборота
Квартал | Индекс сезонности | ||
С помощью экспоненциального сглаживания | С помощью уравнения тренда | ||
I | 0,15431187 | -0,013950368 |
|
II | 1,24099806 | -0,0132845 | |
III | 1,88350851 | -0,012826201 | |
IV | 1,66755568 | -0,012755519 |
4) Описание модели прогноза для каждого квартала:
5) Расчет среднеквадратичного отклонения осуществляется с помощью следующей таблицы:
Годы | I | II | III | IV | ||||||||
факт | расчет | откл | факт | расчет | откл | факт | расчет | откл | факт | расчет | откл | |
1999 | 715 | 1996,49 | -1281,49 | 2145 | 1916,68 | 228,32 | 2955 | 1836,87 | 1118,13 | 3822 | 1757,06 | 2064,94 |
2000 | 594 | 1677,25 | -1083,25 | 2112 | 1597,44 | 514,56 | 2156 | 1517,63 | 638,37 | 962 | 1437,82 | -475,82 |
2001 | 126 | 1358,01 | -1232,01 | 415 | 1278, 20 | -863, 20 | 812 | 1198,39 | -386,39 | 1557 | 1118,58 | 438,42 |
2002 | 198 | 1038,77 | -840,77 | 318 | 958,96 | -640,96 | 1218 | 4496,95 | -3278,95 | 2415 | 799,34 | 1615,66 |
2003 | 318 | 719,53 | -401,53 | 242 | 639,72 | -397,72 | 636 | 559,91 | 76,09 | 970 | 3847,80 | -2877,80 |
При заполнении таблицы используются фактические данные и расчетные, полученные при помощи уравнения тренда.
6) Расчет случайной величины:
где = 2, n =5 (количество периодов, лет)
7) Построение прогноза на 2001 год
I | II | III | IV | |
нижняя | 1466,05 | 1106,17 | 2192,77 | 1901,45 |
прогноз | 34,95 | 55,98 | 96,48 | 143,93 |
верхняя | -1396,14 | -994, 20 | -1999,81 | -1613,60 |
Прогнозное значение получается путем подстановки соответствующих периодов (21, 22, 23, 24) в уравнение прогноза каждого квартала (пункт 4).
Верхняя граница получается путем подстановки в уравнение модели прогноза каждого квартала соответствующей случайной величины с положительным знаком.
Нижняя граница получается путем подстановки в уравнение модели прогноза каждого квартала соответствующей случайной величины с отрицательным знаком.