Kiekybiniai sprendimų metodai (4)


Finansų kursinis darbas.

Įvadas. Koreliacinė regresinė analizė. Tyrimo tikslai. Koreliacinė analizė su kiekvienu X1, X2,. X. X1, X2,. , Xm atrinkimas regresinei analizei atrinkti. Porinė regresinė analizė Y su kiekvienu X,. , Xn. Daugianarė koreliacinė regresinė analizė Y su (X,. , X). Gautų rezultatų aprašymas. Tyrimo rezultatų taikymo pavyzdžiai. Prognozė, slenkančio vidurkio ir eksponentinio išlyginimo metodais, vidutinės kvadratinės paklaidos. Gamybos planavimo uždavinys. Gamybos planavimo uždavinio sudarymas ir sprendimas grafiškai. Gamybos planavimo uždavinio sprendimas su SOLVER programa. Jautrumo analizės rezultatų aprašymas. Išvados. Literatūros sarašas.


Šis kursinis darbas sudarytas iš koreliacinės regresinės analizės, prognozavimo bei gamybos planavimo uždavinio. Mano darbo tikslas nustatyti ar egzistuoja stochastinis ryšys tarp veiksnių x ir y, tarp kurių veiksnių egzistuoja funkcinė priklausomybė.

Koreliacinės regresinės analizės tyrimo objektas yra prekės (lagaminų) pelnas per mėnesį. Analizės metu bus nustatyta kaip prekės pelną įtakoja šie veiksniai:

Be to, vienas iš tikslų, atlikti prognozę slenkančio vidurkio ir eksponentinio išlyginimo metodais, apskaičiuoti vidutines kvadratines paklaidas. Taip pat sudaryti ir išsprėsti gamybos planavimo uždavinį.

Kursiniame darbe yra pateikti tyrimo skaičiavimai, jų aprašymai bei rezultatai. Kursinio darbo metu buvo naudotos žinios, įgytos kiekybinių sprendimų metodų paskaitų metu, taip pat literatūros šaltinių.

Lyginant stochastinės priklausomybės būtinąją sąlygą, matome, kad ne visi duomenys tinkami. Tolimesniame tyrime naudosiu reikšmingas x kintamųjų reikšmes: X1, X2, X3 nes egzistuoja koreliacijos ryšys.

1.4 Porinė regresinė analizė y su kiekvienu x, ..., xn

A0 ir a1 randamos Microsoft Excel funkcijomis:

Porinei regresinei analizei atlikti yra tinkami šie trys veiksniai:

Ŷ = 283,6317 + 10,09967*X1, tiesė aprašo statistinių taškų, kurie nurodo pirkėjų skaičių, tenkančio vienam lagaminui, visumą. Tiesė pavaizduojama grafiškai:

Ŷ = -2568,38 + 4,753448*X2, tiesė aprašo statistinių taškų, nurodančių lagaminų kaina, visumą. Tiesė pavaizduojama grafiškai:

Ŷ = -325,852 + 2,548301*X3, tiesė aprašo statistinių taškų, nurodančių pinigų sumą skiriama benzinui per savaitę, visumą. Tiesė pavaizduojama grafiškai:

Kadangi grafikuose matoma, kad koreliacijos ryšys išsidėstęs pakankamai tvarkingai, galime teigti, kad regresijos lygtys yra adekvačios realiai padėčiai ir jas galima taikyti planavimui, praktiniams skaičiavimams.

Regresijos lygties koeficientai yra pirmojoje eilutėje. Joje regresijos lygties koeficientai pateikiami pradedant iš dešinės a0, a1, a2 ir a3. Antrojoje eilutėje yra šių koeficientų vidutiniai standartiniai nuokrypiai. Trečiosios eilutės pirmajame stulpelyje pateikiama determinacijos koeficiento reikšmė. Šiuo atveju ji lygi 0.913441, tai reiškia, jog regresijos lygtis paaiškina 91,34% statistinių taškų išsibarstymo, kas, be abejo, rodo lygties patikimumą.

Taigi tiesinės daugianarės regresijos lygtis yra:

Taigi tiesinė priklausomybė geriau atspindi ryšį tarp lagaminų pelno per mėnesį, ir trijų atrinktų nagrinėti veiksnių.

Remiantis LOGEST funkcijos duomenimis, tiesinės daugianarės regresijos lygtis yra:

Suvedus naujus duomenis ir atlikus prognozavimą su funkcijomis trend ir growth galima teigti, kad pirmu atveju gauti rezultatai būtų naudingesni, nes parodo tiesinę priklausomybę.

  • Finansai Kursiniai darbai
  • 2016 m.
  • Lietuvių
  • 16 puslapių (2461 žodis)
  • Universitetas
  • Finansų kursiniai darbai
  • Microsoft Word 83 KB
  • Kiekybiniai sprendimų metodai (4)
    10 - 7 balsai (-ų)
Kiekybiniai sprendimų metodai (4). (2016 m. Balandžio 07 d.). http://www.mokslobaze.lt/kiekybiniai-sprendimu-metodai-4.html Peržiūrėta 2016 m. Gruodžio 09 d. 09:47