Kiekybiniai sprendimų metodai kursinis (2)


Matematikos kursinis darbas. Koreliacinė regresinė analizė. Tyrimo tikslai. Koreliacinė analizė y su kiekvienu X1,. , Xn. (n≥5). Kintamųjų atranka regresinei analizei. Porinė regresinė analizė Y su X2, X4, X. Daugianarė koreliacinė regresinė analizė su X2, X4, X. Išvados. Tyrimo rezultatų taikymo pavyzdžiai. Prognozavimas slenkančio vidurkio ir eksponentinio išlyginimo metodais. Slenkančio vidurkio metodas. Eksponentinis metodas. Gamybos uždavinys. Gamybos planavimo uždavinio sprendimas Solver pagalba. Išvados.


Šiame kursiniame darbe tirsiu kavinės pajamų priklausomybę nuo įvairiausių faktorių. Mano tikslas sužinoti ar pajamos priklauso nuo aplinkybių ir jei priklauso, tai kaip stiprus jų tarpusavio santykis.

Tarkime, kad y – kavinės pajamos gautos per metus,

Pirmiausia susidarome lentelę, kurioje atsispindi visi duomenys Y su kiekvienu X1,X2,X3,X4,X5 t.y. nustatome tiesinio ryšio tarp kintamųjų Y ir X1 ,X2,X3,X4,X5 stiprumą. Suskaičiuojame vidurkius (Microsoft Excel programoje su funkcija AVERAGE), kurie parodo visų duomenų vidutinį panaudojimą, tada vidutinį standartinį nuokrypį su funkcija (STDEV), kuris parodo kaip visi duomenys yra nutolę nuo vidurkio, taip pat dispersiją, naudojant funkciją (VAR). Ši statistinė imties charakteristika, atspindi labiausiai tikėtiną eilinio matavimo vertės nukrypimą nuo aritmetinio vidurkio. Tai sklaidos charakteristika. Taip pat apskaičiuojame koreliacijos koeficientą, apskaičiuojamas naudojant funkciją (CORREL), kuris vienas svarbiausių rodiklių šiame tyrime, parodantis kaip stipriai yra koreliuoti tam tikri duomenys.

Koreliacijos koeficientas yra interpretuojamas taip: kuo koeficiento reikšmė arčiau -1, tuo stipresnis neigiamas tiesinis ryšys, o kuo arčiau 1, tuo stipresnis teigiamas tiesinis ryšys. Jei reikšmė lygi nuliui, tai ryšys išvis neegzistuoja. Stiprią koreliacinę priklausomybę rodo koeficientas, kai jis yra, kuo arčiau 1, tai parodo, jog koreliacija yra teigiama, -1 rodo, jog ryšys taip pat stiprus, tačiau jis yra neigiamas. Kaip matome iš skaičiavimų: tarp Y ir X2 (klientų skaičius) bei Y ir X4 (kavinės reklama) egzistuoja stiprus teigiamas tiesinis ryšys. Tarp Y ir X5 (konkurentų skaičius) egzistuoja stiprus neigiamas tiesinis ryšys, šie trys veiksniai X2, X4, X5 turi didžiausią koreliacijos koeficientą. X1 (kavinės reputacija) ir X3 (vidutinė patiekalo kaina kavinėje) rodo neigiamą labai silpną tiesinį ryšį.

Imties statistiką t gauname atlikę veiksmus pagal formulę:

Parametras a1 parodo keliais vienetais pasikeičia y reikšmė, vienetu padidėjus x reikšmei. Pirmiausia reikia surasti a1 ir a0 koeficientus (- INTERCEPT; - SLOPE). Apskaičiavus savo tyrimo koeficientus gavau tokias reikšmes:

Šis grafikas parodo, kad priklausomybė yra stipri, nes skaičiai spiečiasi kuo arčiau tiesės, neįskaitant keleto skaičių nutolusių. Tai reiškia, kad mūsų Y (kavinės pajamos) yra labai priklausomos nuo X2 (klientų skaičiaus).

Taigi šiame grafike atsispindi labai stipri priklausomybė, nors ji silpnesnė ir už pirmąją. Akivaizdu, kad kavinės reklama taip pat įtakoja įmonės pelną, nors ji kyla lėčiau.

Kiekybiniai sprendimų metodai kursinis (2). (2015 m. Balandžio 02 d.). http://www.mokslobaze.lt/kiekybiniai-sprendimu-metodai-kursinis-2.html Peržiūrėta 2016 m. Gruodžio 04 d. 12:20