ВУЗ: Не указан
Категория: Не указан
Дисциплина: Не указана
Добавлен: 20.01.2026
Просмотров: 146
Скачиваний: 0
МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ
Филиал федерального Государственного бюджетного образовательного учреждения
высшего профессионального образования
«ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ УПРАВЛЕНИЯ»
в г. Обнинске кАЛУЖСКОЙ ОБЛАСТИ
Кафедра управления в экономических и социальных системах
МАГИСТРАТУРА
Направление: Менеджмент
Специализация: Управление развитием бизнеса (организации)
Форма обучения: заочная
КУРСОВОЙ ПРОЕКТ
по дисциплине «Экономико-математическое моделирование в бизнес-системах»
на тему «Пространственная выборка»
Исполнитель студентка:
|
1курса ММ-11группы |
______________________ Подпись студента |
Кириленко С.Ю. |
Проверил:
|
К.э.н., доцент |
|
Бурцева Т.А. |
|
Оценка:
____________________ |
_____________________ Подпись преподавателя |
|
Обнинск, 2012
Содержание
Введение……………………………………………………………………..….3
Проверка корреляции………………………………………………….…...4
Априорный анализ…………………………………………….………5
Построение парной регрессии (линейная модель)……………….…6
Построение парной регрессии (нелинейная модель)…………..……8
Выбор и обоснование лучшей модели………………………………10
Расчет сезонной волны……………………………………………….11
Заключение…………………………………………………………………….14
Введение
В своем курсовом проекте я рассмотрю объемы продаж организации ИП Косичкин , которая осуществляет розничную продажу строительного и авто инструмента.
Данная организация существует с 1996 года и состоит из двух магазинов. Рассматривать мы будем именно магазин «Автоинструмент» , так как его открытие состоялось 2.5 года назад, и он находится на стадии развития.
Рассмотрим данные с апреля 2010 по апрель 2012 года, построим парную регрессию для линейной и нелинейной модели, сделаем априорный анализ, рассчитаем сезонную волну и выберем лучшую модель.
1. Проверка корреляции
Таблица 1
|
Объем продаж (млн. руб.) |
месяц |
|
0,683517 |
1 |
|
0,643651 |
2 |
|
1,016982 |
3 |
|
0,986471 |
4 |
|
0,8892 |
5 |
|
1,209581 |
6 |
|
1,074015 |
7 |
|
0,891381 |
8 |
|
0,938443 |
9 |
|
0,915488 |
10 |
|
0,950892 |
11 |
|
1,232735 |
12 |
|
0,906469 |
1 |
|
1,073643 |
2 |
|
1,13593 |
3 |
|
1,142673 |
4 |
|
1,25 |
5 |
|
1,143 |
6 |
|
1,417181 |
7 |
|
1,23 |
8 |
|
1,12 |
9 |
|
1,135369 |
10 |
|
1,08 |
11 |
|
1,092 |
12 |
Обозначим месяц значением х, а объем продаж y.Посчитаем среднее y. Оно равно 1,048 млн. руб. Получаем коэффициент корреляции –он равен 0,34. Возводим его в квадрат = 11,56% Видим что связь между ними слабая, так как должно быть более 65%.
2. Априорный анализ
Определим стандартное отклонение. Для этого нам требуются средние xи y. Они равны y= 1.048 x=6.5
С помощью Excelрассчитываем стандартное отклонение
XY
Стандартное отклонение 3.5 0.17
Коэффициент вариации 54.25% 16.92%
Вычисляем прямую линию, которая наилучшим образом аппроксимирует имеющееся данные.
Уравнение для прямой линии y=ax+b
Для имеющихся данных получаем уравнение :
y(x) = 0.1734596x + 0.935527136
а=0.1734596 b=0.935527136
Ошибки Sa=0.01 Sb=0.075
R2 -коэффициент.
Для уравнения y(x) = 0.1734596x + 0.935527136 он равен 0,173 значение почти равно 0 значит оно не удачно для предсказания значения y.
Для уравнения y(x) = 0.129609x( b=0) коэффициент равен 0,805 . Данное значение близко к 1, модель значима.
F-статистика. Рассчитаем её с помощью функцийExcel
tкр= 0.68, tрасчетная= 9,77
tрасчет. >tkpи при этом > 2 , значит коэффициент значим. . Получаем значимый коэффициент а= 0.129609
3. Построение парной регрессии ( линейная модель ).
Линейная модель с const.
Таблица 2
|
у(х)=ах+b |
Отклонение от y |
|
0,952873096 |
-0,269356096 |
|
0,970219056 |
-0,326568056 |
|
0,987565016 |
0,029416984 |
|
1,004910976 |
-0,018439976 |
|
1,022256935 |
-0,133056935 |
|
1,039602895 |
0,169978105 |
|
1,056948855 |
0,017066145 |
|
1,074294815 |
-0,182913815 |
|
1,091640774 |
-0,153197774 |
|
1,108986734 |
-0,193498734 |
|
1,126332694 |
-0,175440694 |
|
1,143678654 |
0,089056346 |
|
0,952873096 |
-0,046404096 |
|
0,970219056 |
0,103423944 |
|
0,987565016 |
0,148364984 |
|
1,004910976 |
0,137762024 |
|
1,022256935 |
0,227743065 |
|
1,039602895 |
0,103397105 |
|
1,056948855 |
0,360232145 |
|
1,074294815 |
0,155705185 |
|
1,091640774 |
0,028359226 |
|
1,108986734 |
0,026382266 |
|
1,126332694 |
-0,046332694 |
|
1,143678654 |
-0,051678654 |
Среднее значение yздесь равно 1,0482 которое совпадает с средним значением y.Сумма квадратов отклонения для линейной модели с constсоставляет 0,637.
Линейная модель без const
Таблица 3
|
у(х)=ах |
Отклонение от y |
|
0,129609216 |
0,553907784 |
|
0,259218432 |
0,384432568 |
|
0,388827648 |
0,628154352 |
|
0,518436865 |
0,468034135 |
|
0,648046081 |
0,241153919 |
|
0,777655297 |
0,431925703 |
|
0,907264513 |
0,166750487 |
|
1,036873729 |
-0,145492729 |
|
1,166482945 |
-0,228039945 |
|
1,296092162 |
-0,380604162 |
|
1,425701378 |
-0,474809378 |
|
1,555310594 |
-0,322575594 |
|
0,129609216 |
0,776859784 |
|
0,259218432 |
0,814424568 |
|
0,388827648 |
0,747102352 |
|
0,518436865 |
0,624236135 |
|
0,648046081 |
0,601953919 |
|
0,777655297 |
0,365344703 |
|
0,907264513 |
0,509916487 |
|
1,036873729 |
0,193126271 |
|
1,166482945 |
-0,046482945 |
|
1,296092162 |
-0,160723162 |
|
1,425701378 |
-0,345701378 |
|
1,555310594 |
-0,463310594 |