3. Построение математической модели.


. Регрессионный анализ.


Для построения математической модели выдвинем гипотезу о наличии линейной зависимости между прибылью и фактором времени, на нее влияющим. Следовательно, математическая модель может быть описана уравнением вида:

, (3.1)

где - линейно-независимые постоянные коэффициенты.

Для их отыскания применим регрессионный анализ. Результаты регрессии сведены в табл. 3.2 – 3.4.

Таблица 3.2 – Регрессионная статистика

Множественный R

0,096181456

R-квадрат

0,009250873

Нормированный R-квадрат

-0,012287152

Стандартная ошибка

537056,4999

Наблюдения

48


Таблица 3.3. –Дисперсионная таблица


df

SS

MS

F

Значимость F

Регрессия

1

1,23884E+11

1,23884E+11

0,429513513

0,515492131

Остаток

46

1,32678E+13

2,8843E+11



Итого

47

1,33916E+13





Таблица 3.4 – Коэффициенты регрессии.


Коэффициенты

Стандартная ошибка

t-статистика

P-Значение

Нижние 95%

Верхние 95%

Нижние 95,0%

Верхние 95,0%

Y

672637,41

157489,387

4,27100

9,65555E-05

355628

989646,

355628

989646

X

-3667,1732

5595,55298

-0,65537

0,51549

-14930,4

7596,07

-14930,4

7596,07

Таким образом, уравнение, описывающее математическую модель, приобретает вид:

Y= 672637,4113-3667,173252X1. (3.2)

F-критерий из табл. 3.3 показывает степень адекватности, полученной математической модели.

4. Временной анализ и прогнозирование.


По условию задания необходимо проанализировать прибыль предприятия за четыре года его работы, и на основе полученных данных построить прогноз на пятый год. Для решения поставленной задачи воспользуемся методом временных рядов.

Для расчета сезонных индексов зададимся мультипликативно-аддитивной моделью тренда:

Y=kX+b, (4.1)

и, используя метод простой линейной регрессии, построим гипотетическую модель (Приложение А). Отклонения от модели, выраженные в процентах, представлены в табл. 4.1.

Таблица 4.1 – Отклонение от модели


1994

1996

1997

1998

Январь

224%

264%

241%

317%

Февраль

135%

137%

154%

225%

Март

106%

97%

96%

87%

Апрель

46%

20%

44%

42%

Май

61%

49%

18%

0%

Июнь

38%

74%

27%

48%

Июль

31%

100%

24%

63%

Август

23%

125%

26%

69%

Сентябрь

47%

50%

46%

30%

Октябрь

39%

44%

64%

20%

Ноябрь

63%

77%

83%

52%

Декабрь

318%

291%

185%

383%

Для того чтобы рассчитать прогноз на следующий год, рассчитаем сезонные индексы по табл. 4.1, а затем, по уравнению тренда, найдем теоретические значения прибыли на следующий год. Для получения окончательного прогноза проведем нормирование, умножив значения тренда на сезонные индексы. Значения расчетов приведены в табл. 4.2.


Таблица 4.2 – Результаты прогноза.


Сезонные индексы

Тренд

Прогноз на 1999

Январь

209%

492946

1031069

Февраль

130%

489279

637311

Март

77%

485612

374399

Апрель

30%

481944

146354

Май

26%

478277

122574

Июнь

37%

474610

177951

Июль

43%

470943

204531

Август

49%

467276

227353

Сентябрь

35%

463609

160283

Октябрь

33%

459941

153419

Ноябрь

55%

456274

250688

Декабрь

235%

452607

1064985

График прогнозируемой прибыли представлен в Приложении Б.

ВЫВОДЫ


В результате проведенной работы был произведен статистический анализ исходных данных, полученных при исследовании основных показателей деятельности предприятия, с целью выявления доминирующих факторов влияющих на прибыль и построена адекватная математическая модель и спрогнозирована прибыль на последующие периоды.

В процессе выполнения работы изучили и научились применять на практике следующие методы математической статистики:

линейный регрессионный анализ,

множественный регрессионный анализ,

корреляционный анализ,

проверка стационарности и независимости выборок,

метод временных рядов,

выявление тренда,

критерий .

Перечень ссылок


Бендод Дж., Пирсол А. Прикладной анализ случайных данных: Пер. с англ. – М.: Мир, 1989.

Математическая статистика. Под ред. А. М. Длина, М.: Высшая школа, 1975.

Л.Н.Большев, Н.В.Смирнов. Таблицы математической статистики.-М.: Наука, 1983.

Н.Дрейпер, Г.Смит. Прикладной регрессионный анализ. Пер. с англ.- М.: Статистика, 1973.


ПРИЛОЖЕНИЕ А

Г
рафик зависимости колебаний прибыли предприятия от времени.


Рисунок А.1 – График зависимости прибыли предприятия от времени.

ПРИЛОЖЕНИЕ Б

График прогноза изменения прибыли по месяцам.



Рисунок Б.1 – График прогноза изменения прибыли по месяцам.



УДК

КП


Министерство образования Украины


Харьковский государственный технический университет радиоэлектроники


Кафедра ПОЭВМ


Комплексная курсовая работа

по курсу «Вероятностные процессы и математическая статистика в автоматизированных системах»

Тема: «Провести экономическую оценку эффективности работы предприятия. Провести долгосрочное планирование работы методом множественной линейной регрессии. Построить математическую модель повышения эффективности работы».


Выполнил:

Ст. гр. ПОВТАС-96-3 Фурсов Я. А.

Руководитель: асс. Шамша Т. Б.

Комиссия: проф. к. т. н. Дударь З. В.

проф. к.. т. н. Лесная Н. С.

асс. Шамша Т. Б.


1999

РЕФЕРАТ


Пояснительная записка к комплексной курсовой работе: 30 с.,


Информация о работе «Экономическое планирование методами математической статистики»
Раздел: Экономико-математическое моделирование
Количество знаков с пробелами: 71444
Количество таблиц: 54
Количество изображений: 23

Похожие работы

Скачать
150656
26
5

... несколько уравнений, а в каждом уравнении - несколько переменных. Задача оценивания параметров такой разветвленной модели решается с помощью сложных и причудливых методов. Однако все они имеют одну и ту же теоретическую основу. Поэтому для получения начального представления о содержании эконометрических методов мы ограничимся в последующих параграфах рассмотрением простой линейной регрессии. ...

Скачать
94674
0
0

... ПО “Уралмаш”, “АвтоВАЗ”, МИИТ, Казахского политехнического института, Донецкого государственного университета и многих других. Затем Институт в качестве Лаборатории эконометрических исследований разрабатывал эконометрические методы анализа нечисловых данных, а также процедуры расчета и прогнозирования индекса инфляции и валового внутреннего продукта. Институт высоких статистических технологий и ...

Скачать
46528
0
0

... на задний план традиционными постановками. Несколько лет назад при описании современного этапа развития статистических методов нами были выделены [29] пять актуальных направлений, в которых развивается современная прикладная статистика, т.е. пять "точек роста": непараметрика, робастность, бутстреп, интервальная статистика, статистика объектов нечисловой природы. Обсудим их. 5. ...

Скачать
381236
0
5

... и боятся бедности и как следствие воспитывают своих детей в такой же привычке к труду и благосостоянию, а удача доставляет удовлетворение их родительским чувствам и самолюбию. Принадлежит первое в истории экономической мысли достаточно глубокое теоретическое обоснование положений о капитале. Считал, “что деньги сами по себе представляют собой бесплодное богатство, которое ничего не производит”. ...

0 комментариев


Наверх