Пример: Транспортная логистика
Я ищу:
На главную  |  Добавить в избранное  

Математика /

Практикум по предмету Математические методы и модели

←предыдущая  следующая→
1 2 3 4 5 6 



Скачать реферат


Министерство образования Российской Федерации

Южно-Уральский государственный университет

Кафедра «Экономика и инвестиции»

_

_

Габрин К.Э.

МАТЕМАТИЧЕСКИЕ МЕТОДЫ И МОДЕЛИ

Семестровое задание

и методические указания к решению задач

Челябинск

Издательство ЮУрГУ

2000

УДК

ББК

Габрин К.Э., Математические методы и модели: Семестровое задание и методические рекомендации к решению задач. – Челябинск: Из-дательство ЮУрГУ, 2000. – 39 с.

Приведены задачи семестрового задания, методические указания к их решению, примеры вычислений, рекомендуемая литература и приложе-ния.

Пособие предназначено для студентов специальностей 060811, 061101, 061120.

Табл. 12, прилож. 4, список лит. – 13 назв.

Одобрено учебно-методической комиссией факультета «Экономика и управление».

Рецензент: Никифоров К.В.

Задача 1

МНОГОФАКТОРНЫЙ РЕГРЕССИОННЫЙ И КОРРЕЛЯЦИОННЫЙ АНА-ЛИЗ

Варианты задач с 1 по 25 с указанием результативного y и фактор-ных x1, x2 признаков приведены в табл. 1.

По выборочным данным, представленным в табл. 2 и табл. 3, иссле-довать на основе линейной регрессионной модели зависимость результа-тивного признака от показателей производственно-хозяйственной деятельности предприятий.

Таблица 1

Варианты задач

№ вар. Результативный признак Факторные признаки № вар. Результативный признак Факторные признаки

1 y1 x1,x3 14 y3 x1,x14

2 y2 x1,x5 15 y2 x5,x9

3 y2 x1,x7 16 y3 x8,x10

4 y2 x1,x11 17 y3 x7,x14

5 y2 x1,x10 18 y3 x3,x6

6 y1 x3,x4 19 y3 x1,x14

7 y2 x3,x11 20 y1 x2,x6

8 y2 x11,x5 21 y1 x3,x7

9 y1 x3,x5 22 y2 x5,x8

10 y2 x11,x6 23 y2 x9,x10

11 y2 x1,x6 24 y3 x4,x11

12 y2 x1,x12 25 y3 x1,x12

13 y2 x1,x2

Таблица 2

Обозначения и наименование показателей

производственно-хозяйственной деятельности предприятий

Обозначение показателя Наименование показателя

y1 Производительность труда, тыс.руб./чел.

y2 Индекс снижения себестоимости продукции

y3 Рентабельность

x1 Трудоемкость единицы продукции

x2 Удельный вес рабочих в составе ППР

x3 Удельный вес покупных изделий

x4 Коэффициент сменности оборудования, смен

x5 Премии и вознаграждения на одного работника ППР, тыс.руб.

x6 Удельный вес потерь от брака,%

x7 Фондоотдача активной части ОПФ, руб./руб.

x8 Среднегодовая численность ППР, чел.

x9 Среднегодовая стоимость ОПФ, млн.руб.

x10 Среднегодовой фонд заработной платы ППР

x11 Фондовооруженность труда, тыс.руб./чел.

x12 Оборачиваемость нормируемых оборотных средств, дн.

x13 Оборачиваемость ненормируемых оборотных средств, дн.

x14 Непроизводительные расходы, тыс.руб.

Таблица 3

Исходные данные для расчета

№ y1 y2 y3 x1 x2 x3 x4 x5 x6 x7 x8 x9 x10 x11 x12 x13 x14

1 9,4 62 10,6 0,23 0,62 0,4 1,35 0,88 0,15 1,91 7394 39,53 14257 5,35 173,9 11,88 28,13

2 9,9 53,1 9,1 0,43 0,76 0,19 1,39 0,57 0,34 1,68 11586 40,41 22661 3,9 162,3 12,6 17,55

3 9,1 56,5 23,4 0,26 0,71 0,44 1,27 0,7 0,09 1,89 7801 37,02 14903 4,88 101,2 8,28 19,52

4 5,5 30,1 9,7 0,43 0,74 0,25 1,1 0,84 0,05 1,02 6371 41,08 12973 5,65 177,8 17,28 18,13

5 6,6 18,1 9,1 0,38 0,72 0,02 1,23 1,04 0,48 0,88 4210 42,39 6920 8,85 93,2 13,32 21,21

6 4,3 13,6 5,4 0,42 0,68 0,06 1,39 0,66 0,41 0,62 3557 37,39 5736 8,52 126,7 17,28 22,97

7 7,4 89,8 9,9 0,30 0,77 0,15 1,38 0,86 0,62 1,09 14148 101,7 26705 7,19 91,8 9,72 16,38

8 6,6 76,6 19,1 0,37 0,77 0,24 1,35 1,27 0,5 1,32 15118 81,32 28025 5,38 70,6 8,64 16,16

9 5,5 32,3 6,6 0,34 0,72 0,11 1,24 0,68 1,2 0,68 6462 59,92 11049 9,27 97,2 9,0 20,09

10 9,4 199 14,2 0,23 0,79 0,47 1,4 0,86 0,21 2,3 24628 107,3 45893 4,36 80,3 14,76 15,98

11 5,7 90,8 8 0,41 0,71 0,2 1,28 0,45 0,66 1,43 1948 80,83 36813 4,16 128,5 10,44 22,76

12 5,2 82,1 17,5 0,41 0,79 0,24 1,33 0,74 0,74 1,82 18963 59,42 33956 3,13 94,7 14,76 15,41

13 10,0 76,2 17,2 0,22 0,76 0,54 1,22 1,03 0,32 2,62 9185 36,96 17016 4,02 85,3 20,52 19,35

14 6,7 37,1 12,9 0,31 0,79 0,29 1,35 0,96 0,39 1,24 6391 37,21 11688 5,82 85,3 7,92 14,63

15 9,4 51,6 13,2 0,24 0,70 0,56 1,2 0,98 0,28 2,03 6555 32,87 12243 5,01 116,6 18,72 22,62

Методические указания к решению задачи 1

Множественный корреляционный анализ состоит в оценке корреля-ционной матрицы генеральной совокупности по выборке и определении на ее основе оценок частных и множественных коэффициентов корреляции и детерминации.

Парный и частный коэффициенты корреляции характеризуют тесноту линейной зависимости между двумя переменными соответственно на фо-не действия и при исключении влияния всех остальных показателей, вхо-дящих в модель. Диапазон изменения этих коэффициентов [-1;1].

Множественный коэффициент корреляции характеризует тесноту связи между одной переменной (результативной) и остальными, входящи-ми в модель. Диапазон изменения этого коэффициента [0;1].

Квадрат множественного коэффициента корреляции называется множественным коэффициентом детерминации; он характеризует долю дисперсии одной переменной (результативной), обусловленной влиянием остальных, входящих в модель.

Дополнительная задача корреляционного анализа (основная – в рег-рессионном) – оценка уравнения регрессии.

Исходной для анализа является матрица X размерности (nk), кото-рая представляет собой n наблюдений для каждого из k факторов. Оцени-ваются: вектор средних Xср, вектор среднеквадратических отклонений S и корреляционная матрица R:

Xср=(x1ср, x2ср,…, xjср,…, xkср);

S=(s1, s2, …, sj, …, sk);

1 r12 … r1k

R= r21 1 … r2k

… … … …

rk1 rk2 … 1

где rjl=[(xij-xjср)(xil-xlср)]/(nsjsl), j,l=1,2,…,k;

sj=([(xij - xjср)2]/n)0,5, i=1…n;

xil – значение i-того наблюдения j-того фактора.

Кроме того, находятся оценки частных и множественных коэффици-ентов корреляции любого порядка. Например, частный коэффициент кор-реляции порядка k-2 между факторами X1 и X2 равен

r12/3,4,…,k=-R12/(R11R22)0,5,

где Rjl – алгебраическое дополнение элемента r12 матрицы R.

Множественный коэффициент корреляции порядка k-1 фактора X1 (результативного признака) определяется по формуле

r1/2,3,…,k= r1=(R12/R11)0,5,

где R12 – определитель матрицы R.

Значимость парных и частных коэффициентов корреляции проверяется по t-критерию Стьюдента. Наблюдаемое значение критерия находится по формуле

tнабл=(n-l-2)0,5r/(1-r2)0,5,

где r – оценка коэффициента, l – порядок коэффициента корреляции (чис-ло фиксируемых факторов).

Коэффициент корреляции считается значимым (т.е. гипотеза H0: =0 отвергается с вероятностью ошибки ), если tнабл>tкр, определяемого по таблицам t-распределения (Приложение 1) для заданного  и =n-l-2.

Значимость множественного коэффициента корреляции (или его квадрата – коэффициента детерминации) определяется по F-критерию. Наблюдаемое значение, например, для 21/2,…k, находится по формуле

Fнабл= [r21/2,…k/(k-1)]/[(1-r21/2,…k)/(n-k)].

Множественный коэффициент корреляции считется значимым, если Fнабл>Fкр(, k-1, n-k), где Fкр определяется по таблице F-распределения (Приложение 1) для заданных , 1=k-1 и 2=n-k.

Множественный регрессионный анализ – это статистический метод исследования зависимости случайной величины y от переменных xj, рас-сматриваемых как неслучайные величины независимо от истинного закона распределения xj. Предполагается, что y имеет нормальный закон распре-деления с условным мат. ожиданием y=(x1,x2,…,xk), являющимся функци-ей от аргументов xj, и с постоянной, не зависящей от аргументов дисперсией 2. Наиболее часто встречаются линейные уравнения регрес-сии вида y=0+1x1+2x2+…+jxj+…+kxk, линейные относительно неизвест-ных параметров j (j=0,1,…,k) и аргументов xj.

Коэффициент регрессии j показывает, на какую величину в среднем изменится результативный признак y, если переменную xj увеличить на единицу ее измерения, т.е. является нормативным коэффициентом.

В матричной форме регрессионная модель имеет вид

Y=X+,

где Y – случайный вектор-столбец размерности [n1] наблюдаемых значе-ний результативного признака (y1,y2,…,yn); X – матрица размерности [n (k+1)] наблюдаемых значений аргументов. Элемент матрицы xij рассматри-вается

←предыдущая  следующая→
1 2 3 4 5 6 



Copyright © 2005—2007 «Mark5»