Kiekybinių sprendimų metodų kursinis darbas (2)


Matematikos kursinis darbas. Kiekybiniai sprendimo metodai. Verslo technologijų katedra. Kiekybinių sprendimų metodų kursinio darbo užduotis koreliacinė regresinė analizė. Atlikti prognozę slenkančio vidurkio ir eksponentinio išlyginimo metodais , apskaičiuoti ir ištirti gamybos kvadratines paklaidas. Sudaryti ir ištirti gamybos planavimo uždavinį. Vienas svarbiausių statistikos uždavinių yra ryšių tarp reiškinių tyrimas. Koreliacinė analizė. Vidutinis kvadratinis nuokrypis. Esant tiesiniai ryšio formai. Esant eksponentiniam augimui. Xn atlikimas. +. + +. + xn /. X5 regresinei analizei atlikti. T lenteline. Šias reikšmes palyginame su t lenteline reikšme , kurią gavome su TINV funkcija. Porinė regresinė analizė Y su kiekvienu X1 , X2 , X. Daugianarė koreliacinė regresinė analizė. Tiesinė regresija. Norint išreikšti lygtį = a0 a1X2 a2X4 a3X5 a4X6 , turime su LINEST funkcijos pagalba sužinoti lygties koeficientus. Tyrimo rezultatų praktinis taikymas. Prognozavimas eksponentiniu metodu. Gamybos planavimo uždavinys.


Apskaičiavęs koreliaciją ir stebimasias reikšmes jau galiu atrinkti reikšmingiausiausius x-us porinei regresijos analizei atlikti. Reikšmingiausi x-ai: X1, X2, X5. Vadinasi, mano nagrinėjamu atveju, pajamas gautos iš reklamos priklauso nuo reklamų įvairovės, darbuotojų skaičiaus ir remėjų paramos.Toliau darbe analizuosiu būtent šią priklausomybę.

Nagrinėjant realius ekonominius procesus, dažnai neužtenka vienmatės regresijos modelio ir reikia nustatyti Y priklausomybę nuo kelių nepriklausomųjų kintamųjų. Tokia regresija vadinama daugianare. Šios regresinės analizės metu nustatomas bendro ryšio tarp pajamų (Y) ir visų pasirinktų veiksnių X1 (reklamos išlaidos), X2 (parduota rekalma), X5 (remejų parama) kartu egzistavimas ir jo analitinė išraiška.

Kaip matome iš aukščiau pateiktų lenteles Flent<=Fstat, todėl lygtis yra adekvati realiai padėčiai. Koeficientas R= 1,0 parodo, kad ryšys tarp X1, X2 X5 y,ra stiprus. Paskaičiavus gauname D=96,76 , tai reiškia, kad regresijos kreivė paaiškina 96,76% Y išsibarstymą apie savo vidurkį

Kaip matome iš aukščiau pateiktų lenteles Flent<=Fstat, todėl lygtis yra adekvati realiai padėčiai. Koeficientas R= 0,8 parodo, kad ryšys tarp Y ir X1, X2, X5 yra stiprus. Paskaičiavus gauname D=0,6011 , tai reiškia, kad regresijos kreivė paaiškina 60,11% y išsibarstymą apie savo vidurkį.

Tiesinės regresijos R = 0,9676Eksponentinės regresijos R = 0,6011Taigi, šis koreliacijos koeficientas parodo ryšio stiprumą tarp y veiksnio ir visų x veiksnių kartu.Tai reiškia, kad tiesinė daugianarės regresijos lygtis paaiškina 96,76% Y išsibarstymą apie vidurkį, o eksponentinė regresijos lygtis – 60,11%. Taigi tiesinė daugianarės regresijos lygtis geriau paaiškina Y išsibarstymą apie vidurkį. Determinacijos koeficientas parodė, kad reklamos išlaidos priklauso nuo paimtų regresinei analizei veiksnių, kai regresija tiesinė – 96,76% nuo išlaidų reklmai, pardotos reklamos ir remėjų paramos , kai regresija eksponentinė – 60,11%.1.6 Gautų rezultatų aprašymas

Koreliacinė regresinė analizė parodė, kad iš pateiktų visų penkių veiksnių, pajamos labiausiai priklauso nuo reklamos išlaidų, parduotos reklamos ir remejų paramos. Atlikus daugianarę regresinę analizę, nustačiau, kad tiesinė daugianarės regresijos lygtis paaiškina 96,76% Y išsibarstymą apie vidurkį, o eksponentinė regresijos lygtis – 60,11%. Taigi eksponentinė daugianarės regresijos lygtis geriau paaiškina Y išsibarstymą apie vidurkį. Skaičiuojant daugianarę regresinę analizę, gavau, kad eksponentinės regresijos koreliacijos santykis (0,8) blogiau atspindi ryšio stiprumą tarp y veiksnio ir visų x veiksnių kartu, nes jis yra mažesnis už tiesinės regresijos koreliacijos santykį (0,98).

2.1 Slenkančiojo vidurkio metodasSlenkančiojo vidurkio metodas taikomas laiko eilutėms, neturinčioms nei ryškaus trendo, nei ciklinės ar sezoninės komponentės. Esant tokiai situacijai, reiketų taikyti tokį prognozavimo metodą – išlyginti nereguliariają laiko eilutės komponentę, naudojant kurią nors vidurkio skaičiavimo procedūrą.Terminas „ slenkantysis vidurkis ” arba „ judantysis vidurkis ” pagrįstas tuo, jog sužinojus naują laiko eilutęs reikšmę, ji pakeičia seniausiąją reikšmę formulėje ir skaičiuojamas naujas vidurkis. Taigi vidurkis keičiasi, slenka, kai tik tampa žinomos naujų stebėjimų reikšmės.Paklaidų kvadratų vidurkis: šis vidurkis dažnai vadinamas kvadratine paklaida (Mean Squared Error arba MSE).Vidutinė kvadratinė paklaida – tai dažniausiai naudojamas prognozavimo tikslumo matas.

Turime 4 svaiačių įmonės apyvartą savaitės dienomis.

Išvados:Slenkščiojo vidurkio metodas yra laiko eilutės paskutiniųjų n reikšmių vidurkio skaičiavimas, jis naudojamas kaip prognozė naujam eiliniam laikotarpiui. MSE mažiausias gaunasi dešimtame menesyje, todėl galima teigti kad prognozavimas skaičiuojant dešimties menesių slenkančio vidurkio metodo pagrindu yra tiksliausias.

  • Matematika Kursiniai darbai
  • 2015 m.
  • Lietuvių
  • 22 puslapiai (1902 žodžiai)
  • Universitetas
  • Matematikos kursiniai darbai
  • Microsoft Word 258 KB
  • Kiekybinių sprendimų metodų kursinis darbas (2)
    10 - 2 balsai (-ų)
Kiekybinių sprendimų metodų kursinis darbas (2). (2015 m. Lapkričio 26 d.). http://www.mokslobaze.lt/kiekybiniu-sprendimu-metodu-kursinis-darbas-2.html Peržiūrėta 2016 m. Gruodžio 09 d. 01:59