Финансовая математика
Построение адаптивной мультипликативной модели Хольта-Уинтерса с учётом сезонного фактора. Оценка точности построенной модели с использованием средней относительной ошибки аппроксимации. Правила анализа стохастических линий и индекса относительной силы.
Рубрика | Экономико-математическое моделирование |
Вид | контрольная работа |
Язык | русский |
Дата добавления | 13.10.2013 |
Размер файла | 204,9 K |
Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже
Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.
Размещено на http://www.allbest.ru/
1. Задача 1
В каждом варианте приведены поквартальные данные о кредитах от коммерческого банка на жилищное строительство (в условных единицах) за 4 года (всего 16 кварталов, первая строка соответствует первому кварталу первого года).
Квартал |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
11 |
12 |
13 |
14 |
15 |
16 |
|
Вариант 5 |
35 |
44 |
52 |
34 |
37 |
48 |
59 |
36 |
41 |
52 |
62 |
38 |
46 |
56 |
67 |
41 |
Требуется:
1) Построить адаптивную мультипликативную модель Хольта-Уинтерса с учётом сезонного фактора, приняв параметры сглаживания б1 = 0,3; б2 = 0,6; б3 = 0,3.
2) Оценить точность построенной модели с использованием средней относительной ошибки аппроксимации.
3) Оценить адекватность построенной модели на основе исследования:
ь случайности остаточной компоненты по критерию пиков;
ь независимости уровней ряда остатков по d-критерию (критические значения d1 = 1,10 и d2 = 1,37) и по первому коэффициенту автокорреляции при критическом значении r1 = 0,32;
ь нормальности распределения остаточной компоненты по R/S-критерию с критическими значениями от 3 до 4,21.
4) Построить точечный прогноз на 4 шага вперёд, т.е. на 1 год.
5) Отразить на графике фактические, расчётные и прогнозные данные.
Решение
1) Для того чтобы построить адаптивную мультипликативную модель Хольта-Уинтерса необходимо предварительно подготовить значения коэффициентов а(0), b(0), F(-3), F(-2), F(-1), F(0). Для этого построим вспомогательную линейную модель, использовав первые 8 кварталов (2 года), значения которых даны нам в исходных данных (Сервис > Анализ данных > Регрессия). Получим «Вывод итогов» программы Регрессия, где в строках «Y-пересечение» и «Переменная Х1» находятся коэффициенты, которые можно использовать в качестве предварительных оценок а(0) и b(0). Заносим данные в таблицу «Построение модели Хольта-Уинтерса».
Рассмотрим столбец «Предсказанное Y» итогов регрессии, в котором содержатся теоретические Y и составим формулы: коэффициент сезонности первого квартала: Y(1)/ Y(1) и пятый квартал: Y(5)/ Y(5). В качестве оценки коэффициента сезонности предыдущего года возьмём среднее значение:
F(-3) = Ѕ*(Y(1)/ Y(1)+ Y(5)/ Y(5)) = 0,86;
Аналогично:
F(-2) = Ѕ*(Y(2)/ Y(2)+ Y(6)/ Y(6)) = 1,08;
F(-1) = Ѕ*(Y(3)/ Y(3)+ Y(7)/ Y(7)) = 1,27;
F (0) = Ѕ*(Y(4)/ Y(4)+ Y(8)/ Y(8)) = 0,79.
Предварительный расчёт завершён можно перейти к основному по формулам Хольта-Уинтерса. Используем t = 0 и k = 1. По основной формуле получим:
Yp(1) = [a(0)+b(0)*1]*F (0+1 - 4) = 34,52.
Уточним коэффициенты для t = 1:
a(1) = ба* Y(1)/F(-3)+(1 - ба)*(a(0)+b(0)) = 40,25;
b(1) = бb*(a(1) - a(0))+(1 - бb)* b(0) = 0,92;
F(1) = бF*Y(1)/a(1)+(1 - бF)* F(-3) = 0,87.
Аналогично выполняется расчёт t = 2,3,…, 16 (до шестнадцатой строки). Для автоматического вычисления в Excel можно растянуть строку, содержащую коэффициенты сглаживания a(1), b(1), F(1) и расчётное значение Yp(1). Модель Хольта-Уинтерса построена - это заполненная таблица основного расчёта. Результаты моделирования столбец Yp(t).
Исходные данные |
Построение модели Хольта-Уинтерса |
|||||
t |
Y(t) |
a(t) |
b(t) |
F(t) |
Yp(t) |
|
-3 |
0,86 |
|||||
-2 |
1,08 |
|||||
-1 |
1,27 |
|||||
0 |
39,21 |
0,87 |
0,79 |
|||
1 |
35 |
40,25 |
0,92 |
0,87 |
34,52 |
|
2 |
44 |
41,07 |
0,89 |
1,07 |
44,35 |
|
3 |
52 |
41,63 |
0,79 |
1,26 |
53,41 |
|
4 |
34 |
42,63 |
0,85 |
0,79 |
33,43 |
|
5 |
37 |
43,26 |
0,78 |
0,86 |
37,67 |
|
6 |
48 |
44,24 |
0,84 |
1,08 |
47,29 |
|
7 |
59 |
45,62 |
1,01 |
1,28 |
56,75 |
|
8 |
36 |
46,24 |
0,89 |
0,78 |
37,01 |
|
9 |
41 |
47,30 |
0,94 |
0,86 |
40,52 |
|
10 |
52 |
48,21 |
0,93 |
1,08 |
52,13 |
|
11 |
62 |
48,93 |
0,87 |
1,27 |
62,87 |
|
12 |
38 |
49,39 |
0,75 |
0,78 |
39,07 |
|
13 |
46 |
51,07 |
1,03 |
0,89 |
43,32 |
|
14 |
56 |
52,03 |
1,01 |
1,08 |
56,23 |
|
15 |
67 |
52,93 |
0,97 |
1,27 |
67,46 |
|
16 |
41 |
53,59 |
0,88 |
0,77 |
41,80 |
|
17 |
48,26 |
|||||
18 |
59,65 |
|||||
19 |
71,32 |
|||||
20 |
43,93 |
Для вычисления средней относительной ошибки аппроксимации Зотн. рассмотрим столбцы Y(t), Yp(t), определим остатки Е(t) = Y(t) - Yp(t) и относительную погрешность Еотн(t) = |Е(t)/ Y(t)|*100%.
Оценка качества модели |
|||
E(t) |
отн. погр. |
Пов. точ. |
|
0,48 |
1,36 |
||
-0,35 |
0,81 |
0 |
|
-1,41 |
2,71 |
1 |
|
0,57 |
1,68 |
1 |
|
-0,67 |
1,82 |
1 |
|
0,71 |
1,48 |
0 |
|
2,25 |
3,82 |
1 |
|
-1,01 |
2,80 |
1 |
|
0,48 |
1,16 |
1 |
|
-0,13 |
0,25 |
0 |
|
-0,87 |
1,40 |
0 |
|
-1,07 |
2,83 |
1 |
|
2,68 |
5,83 |
1 |
|
-0,23 |
0,41 |
0 |
|
-0,46 |
0,69 |
0 |
|
-0,80 |
1,94 |
Найдём среднее значение Еотн(t) с помощью математической функции СРЗНАЧ = 1,94 - относится к интервалу от 0 до 5% - точная модель.
Оценим адекватность построенной модели:
ь свойство случайности остатков по критерию Пиков:
а) количество поворотных точек (Мастер функций > Логические > ЕСЛИ) = 8.
б) критическое значение:
Ркр. = [2/3*14 - 1,96 v(16*16 - 29) /90] = 6.
Следовательно, Р > Ркр, т.е. 8 > 6. Свойство случайности остатков выполняется;
ь свойство независимости остатков (критерий Дарбина-Уотсона):
а) статистика: d = ?(Et - Et-1)І/ ?EtІ. Вычислим значения числителя и знаменателя приведённой формулы, с помощью функций СУММКВ в знаменателе и СУММКВРАЗН - в числителе. Получим значение дроби равное 2,41;
б) критические значения: d1 = 1,10; d2 = 1,37;
в) вывод: данное значение больше двух и попадает в интервал от 2 до 4, следовательно, необходимо вычислить значение dґ = 4 - d = 4 - 2,42 = 1,59. Значение 1,59 принадлежит интервалу (d2 = 1,37; 2), т.е. свойство независимости остатков выполняется.
Для дополнительной проверки используют первый коэффициент автокорреляции (в учебных целях):
а) рассчитаем статистику r1 = ?(Et * Et-1)І/ ?EtІ или СУММПРОИЗВ/СУММКВ = -0,23.
б) по условию критическое значение r1 кр. = 0,32.
в) Т.к. r1 кр > ¦ r1 ¦> 0,32 > 0,23. Свойство независимости остатков выполняется.
ь Свойства нормального распределения остатков по R/S-критерию:
а) статистика: R/S = (Еmax - Emin)/SE. Максимальное и минимальное значения остаточной компоненты определим с помощью МАКС и МИН: 2,68 и -1,41 Значение знаменателя определим через функцию СТАНДОТКЛ > R/S = 3,55.
б) критический интервал от 3 до 4,21
в) вывод: полученное значение входит в интервал от 3 до 4,21. Отсюда - свойство нормального распределения остатков выполняется.
Общий итог: проверка показала, что построенная модель является точной и адекватной, поэтому прогнозирование по этой модели выполнять целесообразно.
Для прогнозирования можно использовать только основную формулу модели. В ней нужно зафиксировать t = 16 и изменять шаг упреждения k = 1; 2; 3; 4. Получим:
Yp (16+1) = [a(16)+b(16)*1]*F (16+1 - 4) = 48,26;
Yp (16+2) = [a(16)+b(16)*2]*F (16+2 - 4) = 59,65;
Yp (16+3) = [a(16)+b(16)*3]*F (16+3 - 4) = 71,32;
Yp (16+4) = [a(16)+b(16)*4]*F (16+4 - 4) = 43,92.
Построенный точечный прогноз может считаться достоверным, если модель точна и адекватна.
Расчётные значения хорошо описывают фактические значения показателя Y:
2. Задача 2
Даны цены (открытия, максимальная, минимальная, закрытия) за 10 дней. Интервал сглаживания принять равным пяти дням. Рассчитать:
ь экспоненциальную скользящую среднюю;
ь момент;
ь скорость изменения цен;
ь индекс относительной силы;
ь %R, %K, %D.
Расчёты приводить для всех дней, для которых эти расчёты можно выполнить на основании имеющихся данных.
Вариант 5 |
||||
Дни |
Цены |
|||
макс. |
мин. |
закр. |
||
1 |
718 |
660 |
675 |
|
2 |
685 |
601 |
646 |
|
3 |
629 |
570 |
575 |
|
4 |
585 |
501 |
570 |
|
5 |
598 |
515 |
523 |
|
6 |
535 |
501 |
506 |
|
7 |
555 |
500 |
553 |
|
8 |
580 |
540 |
570 |
|
9 |
580 |
545 |
564 |
|
10 |
603 |
550 |
603 |
Дополним диаграмму вспомогательными линиями, ограничивающими график снизу (линии поддержки) и сверху (линии сопротивления). На графике можно видеть неявный характер тренда - нерезкие колебания диаграммы. Но, тем не менее, происходит чередование участков восходящего (приблизительно 6 - 10 день) и нисходящего (приблизительно 1 - 5 день) тренда. Пересечение графика с линиями тенденции является сигналом разворота. Таким образом, сигнал разворота можно видеть примерно на 5 день. Сигнал разворота говорит о смене тренда: 5 день: нисходящий > восходящий. При восходящем тренде - рекомендуются покупки, при нисходящем - продажи.
ь Для расчета экспоненциальной скользящей средней предварительно нужно подготовить первоначальное значение ЕМА(5) = МА(5), т. к. интервал сглаживания равен 5 дням), оно равно 598. Дальнейшие расчёты проводим по основной формуле ЕМА(t), где t ? n+1, а k = 2/(5+1) = ?. Например, ЕМА(6) > 6 ? 5+1 > ?С(6) + ? ЕМА(5) = 567,20. Далее аналогично (можно протянуть столбец в Excel и подсчёты будут проведены автоматически).
Вывод: тренд нисходящий вплоть до 8 дня, т. к. график скользящей средней расположен выше графика цен закрытия - рекомендуются продажи. На 9 день наблюдается сигнал разворота - графики пересекаются. На 10 день тренд меняет своё направление, становится восходящим, т. к. график скользящей средней расположен ниже графика цен закрытия - рекомендуются покупки.
ь По условию интервал сглаживания n = 5. Расчёт начинается с t = 6 = 5+1:
МОМ(6) = C(6) - C(1) = -169. Далее аналогично.
Вывод: С 6 - 9 день тренд нисходящий, т. к. график момента расположен ниже горизонтальной оси нулевого уровня - рекомендуются продажи.
Далее следует сигнал разворота - пересечение графика с осью иксов.
На 10 день тренд меняет направление на восходящий - график момента расположен выше горизонтальной оси нулевого уровня - рекомендуются покупки.
ь ROC(6) = C(6)/C(5)*100 = 74,96; для 6 = 5+1.
Формула показывает: при восходящем тренде ROC > 100%, при нисходящем меньше. Сигналом разворота является пересечение графика с уровнем 100%.
Вывод: С 6 - 9 день тренд нисходящий, т. к. график расположен ниже уровня 100% - рекомендуются продажи.
Далее следует сигнал разворота - пересечение графика с линией 100%.
На 10 день тренд меняет направление на восходящий - график момента расположен выше уровня 100% - рекомендуются покупки.
ь Прежде чем приступить к расчёту индекса относительной силы RSI(t) выполним подготовительную работу в виде вычислений:
1. изменения цен ? C(t) = C(t) - C (t-1). Среди этих изменений часть положительных, часть отрицательных;
2. разности изменений на приросты (+? C(t)) и убыль (-? C(t)). В Excel приросты и убыль можно определить, использовав, логическую функцию ЕСЛИ. Следует отметить, что отрицательные изменения должны быть представлены без минусов, для этого была применена математическая функция ABS;
3. расчет сумм положительных приростов AU и отрицательных AD при интервале сглаживания - 5 дней. В ППП Excel - функция СУММ неполного столбца.
Пример, RSI(6) = 100 - 100/(1+AU (6,5)/AD (6,5)) = 0. Далее расчёты проводим аналогично.
Занесём все данные в таблицу «Расчет индексов MOM, ROC, RSI (осцилляторы)» и построим график «График индекса относительной силы RSI(t)»:
t |
H(t) |
L(t) |
C(t) |
EMA(t) |
MOM(t) |
ROC(t) |
|
1 |
718 |
660 |
675 |
||||
2 |
685 |
601 |
646 |
||||
3 |
629 |
570 |
575 |
||||
4 |
585 |
501 |
570 |
||||
5 |
598 |
515 |
523 |
598 |
|||
6 |
535 |
501 |
506 |
567,20 |
-169 |
74,96 |
|
7 |
555 |
500 |
553 |
562,47 |
-93 |
85,60 |
|
8 |
580 |
540 |
570 |
564,98 |
-5 |
99,13 |
|
9 |
580 |
545 |
564 |
564,65 |
-6 |
98,95 |
|
10 |
603 |
550 |
603 |
577,43 |
80 |
115,30 |
|
t |
изменен. |
повышен. |
понижен. |
AU (t, 5) |
AD (t, 5) |
RSI(t) |
|
1 |
|||||||
2 |
-29 |
0 |
29 |
||||
3 |
-71 |
0 |
71 |
||||
4 |
-5 |
0 |
5 |
||||
5 |
-47 |
0 |
47 |
||||
6 |
-17 |
0 |
17 |
0 |
169 |
0 |
|
7 |
47 |
47 |
0 |
47 |
140 |
25 |
|
8 |
17 |
17 |
0 |
64 |
69 |
48 |
|
9 |
-6 |
0 |
6 |
64 |
70 |
48 |
|
10 |
39 |
39 |
0 |
103 |
23 |
82 |
Вывод: На 6 день RSI равен 0 - это означает, что AU (6,5) = 0, т.е. за 5 дней нет приростов, только убыль > быстрый непродолжительный нисходящий тренд, ожидается разворот. Затем до 7 дня график находится в зоне перепроданности - операции следует приостановить в ожидании скорого разворота тренда. Далее мы видим выход графика из критической зоны, т.е. сигнал разворота, график входит в нейтральную зону от 20 (25) до 75 (80) (8 - 9 день) - возможны операции (рекомендуются продажи по сигналам МОМ и ЕМА). На 10 день график входит в критическую зону перекупленности - зону бездействия, рекомендуется приостановить операции - сделки следует приостановить в ожидании сигнала разворота (выхода графика из критической зоны).
ь Прежде чем вычислять стохастические индексы, необходимо провести предварительные расчёты:
1. По условию n = 5. Для 5 дня определим максимальное значение H (t, n) с первого по пятый день (МАКС) и минимальное значение L (t, n) с первого по пятый день (МИН).
2. Заполним столбцы C - L, H - L, H - C в соответствии с формулами расчёта числителей и знаменателя % K и % R.
3. Пользуясь последними тремя колонками, определим значение % K и % R.
4. Определим трёхдневные суммы величин в столбцах C - L, H - L.
5. С помощью последних двух столбцов вычислим % D.
Полученные данные вносим в таблицу «Расчет индексов % K, %R, %D (стохастические линии)» и строим график «Стохастические линии % R, %K, %D».
Расчет индексов % K, %R, %D (стохастические линии) |
||||||
t |
H (t, 5) |
L (t, 5) |
C(t) - L (t, 5) |
H (t, 5) - C(t) |
H (t, 5) - L (t, 5) |
|
1 |
||||||
2 |
||||||
3 |
||||||
4 |
||||||
5 |
718 |
501 |
22 |
195 |
217 |
|
6 |
685 |
501 |
5 |
179 |
184 |
|
7 |
629 |
500 |
53 |
76 |
129 |
|
8 |
598 |
500 |
70 |
28 |
98 |
|
9 |
598 |
500 |
64 |
34 |
98 |
|
10 |
603 |
500 |
103 |
0 |
103 |
|
t |
%K |
%R |
sum (C-L) |
sum (H-L) |
%D |
|
1 |
||||||
2 |
||||||
3 |
||||||
4 |
||||||
5 |
10,13825 |
89,86175 |
||||
6 |
2,717391 |
97,28261 |
||||
7 |
41,08527 |
58,91473 |
80 |
530 |
15 |
|
8 |
71,42857 |
28,57143 |
128 |
411 |
31 |
|
9 |
65,30612 |
34,69388 |
187 |
325 |
58 |
|
10 |
100 |
0 |
237 |
299 |
79 |
мультипликативный сезонный аппроксимация финансовый
Вывод: правила анализа стохастических линий соответствуют правилам анализа индекса относительной силы RSI(t). Таким образом, анализ стохастической линии % K показал, что с 5 - 6 день график находится в критической зоне перепроданности - рекомендуется приостановить операции. Далее - сигнал разворота - выход графика из критической зоны. С 7 - 9 день график находится в нейтральной зоне - можно проводить операции (продажи). На 10 день график находится в верхней критической зоне перекупленности (75 (80) - 100) - следует приостановить операции в ожидании сигнала разворота. При этом на графике существует точка - десятый день, в которой %K равен 100. Это свидетельствует о том, что цена закрытия десятого дня 603 равна максимальной цене десятого дня с параметром сглаживания n = 5. Т.е. цена закрытия является максимальной за десять дней, что говорит о наличии непродолжительного быстро восходящего тренда и появлении последующего разворота.
Стохастическая линия % R имеет график симметричный % K, для него верхняя зона - это зона перепроданности, а нижняя критическая зона - зона перекупленности. Сигналы поведения графика % R полностью совпадают с сигналами поведения графика % K.
Размещено на Allbest.ru
...Подобные документы
Построение адаптивной мультипликативной модели Хольта-Уинтерса с учетом сезонного фактора. Оценка точности построенной модели с использованием средней относительной ошибки аппроксимации. Определение суммы банковской ссуды, долга по ссуде и дисконта.
контрольная работа [393,0 K], добавлен 06.12.2007Построение адаптивной мультипликативной модели Хольта-Уинтерса с учетом сезонного фактора и согласно параметрам сглаживания. Средняя ошибка аппроксимации. Определение коэффициентов заданного линейного уравнения. Проверка точности построенной модели.
контрольная работа [1,6 M], добавлен 20.01.2010Построение адаптивной мультипликативной модели Хольта-Уинтерса, оценка ее точности и адекватности с использованием средней относительной ошибки аппроксимации. Построение точечного прогноза. Отражение на графике фактических, расчетных и прогнозных данных.
контрольная работа [816,2 K], добавлен 23.03.2013Построение адаптивной мультипликативной модели Хольта-Уинтерса с учетом сезонного фактора. Коммерческий расчет экспоненциально скользящей средней цены с использованием интервала сглаживания. Построение графиков фактических, расчетных и прогнозных данных.
контрольная работа [626,5 K], добавлен 28.04.2011Построение адаптивной мультипликативной модели Хольта-Уинтерса с учетом сезонного фактора. Определение эффективной ставки процента по вкладу в банке, номинальной ставки при начислении процента. Расчет дисконта по формуле математического дисконтирования.
контрольная работа [756,3 K], добавлен 05.04.2011Построение ряда динамики. Расчет параметров линейного, степенного, экспоненциального (показательного), параболического, гиперболического трендов с помощью пакета Excel. Вычисление относительной ошибки аппроксимации. Оценка адекватности линейной модели.
практическая работа [165,9 K], добавлен 13.05.2014Экономико-математическая модель для анализа ресурсов в форме отчета устойчивости. Проверка продуктивности технологической матрицы коэффициентов прямых материальных затрат. Оценка точности моделей на основе средней относительной ошибки аппроксимации.
задача [142,9 K], добавлен 03.05.2009Построение доверительного интервала для коэффициента регрессии в заданной модели. Оценка качества модели по анализу ошибки аппроксимации, индекса корреляции и F-критерия Фишера. Оценка эластичности спроса в зависимости от цены. Уравнение авторегрессии.
контрольная работа [156,8 K], добавлен 28.02.2011Порядок построения линейного регрессионного уравнения, вычисление его основных параметров и дисперсии переменных, средней ошибки аппроксимации и стандартной ошибки остаточной компоненты. Построение линии показательной зависимости на поле корреляции.
контрольная работа [75,1 K], добавлен 29.01.2010Экономическая интерпретация коэффициента регрессии. Нахождение статочной суммы квадратов и оценка дисперсии остатков. Проверка значимости параметров уравнения регрессии с помощью t-критерия Стьюдента. Расчет средней относительной ошибки аппроксимации.
контрольная работа [261,1 K], добавлен 23.03.2010Построение поля рассеяния, его визуальный анализ. Определение точечных оценок параметров методом наименьших квадратов. Расчет относительной ошибки аппроксимации. Построение доверительных полос для уравнения регрессии при доверительной вероятности У.
контрольная работа [304,0 K], добавлен 21.12.2013Проведение корреляционно-регрессионного анализа в зависимости выплаты труда от производительности труда. Построение поля корреляции, выбор модели уравнения и расчет его параметров. Вычисление средней ошибки аппроксимации и тесноту связи между признаками.
практическая работа [13,1 K], добавлен 09.08.2010Расчет основных параметров уравнений регрессий. Оценка тесноты связи с показателем корреляции и детерминации. Средний коэффициент эластичности, сравнительная оценка силы связи фактора с результатом. Средняя ошибка аппроксимации и оценка качества модели.
контрольная работа [3,4 M], добавлен 22.10.2010Построение доверительного интервала для коэффициента регрессии. Определение ошибки аппроксимации, индекса корреляции и F-критерия Фишера. Оценка эластичности изменения материалоемкости продукции. Построение линейного уравнения множественной регрессии.
контрольная работа [250,5 K], добавлен 11.04.2015Обзор корреляционного поля. Доверительные интервалы регрессии. Оценка качества линейной модели прогнозирования. Проверка ее на соответствие условиям теоремы Гаусса-Маркова. Точечный и интервальный прогнозы. Нахождение средней ошибки аппроксимации.
контрольная работа [47,9 K], добавлен 09.08.2009Возможные ошибки спецификации модели. Симптомы наличия ошибки спецификации первого типа. Проблемы с использованием замещающих переменных. Построение функции Кобба-Дугласа. Проверка адекватности модели. Переменные социально-экономического характера.
презентация [264,5 K], добавлен 19.01.2015Расчет параметров уравнения регрессии, среднего коэффициента эластичности и средней ошибки аппроксимации по рынку вторичного жилья. Определение идентификации моделей денежного и товарного рынков, выбор метода оценки параметров модели, оценка его качества.
контрольная работа [133,1 K], добавлен 23.06.2010Построение линейного уравнения парной регрессии, расчет линейного коэффициента парной корреляции и средней ошибки аппроксимации. Определение коэффициентов корреляции и эластичности, индекса корреляции, суть применения критерия Фишера в эконометрике.
контрольная работа [141,3 K], добавлен 05.05.2010Расчет коэффициента корреляции, определение вида зависимости, параметров линии регрессии и оценка точности аппроксимации. Построение матрицы прибыли в зависимости от выбранной стратегии и состоянии факторов внешней среды. Индивидуальное отношение к риску.
контрольная работа [474,7 K], добавлен 01.12.2010Анализ построенной модели на мультиколлинеарность на основе показателей, характеризующих социально-экономическое развитие городов и районов Оренбургской области. Построение линейной зависимости или корреляции между двумя и более объясняющими переменными.
лабораторная работа [99,6 K], добавлен 03.02.2015