Нелінійна парна регресія

Аналіз загального випадку квазілінійних парних регресій. Використання коефіцієнту еластичності в економічних задачах для оцінки впливу на показник будь-якого явища. Оцінка адекватності парної нелінійної регресії. Довірчі інтервали показникової регресії.

Рубрика Экономико-математическое моделирование
Вид контрольная работа
Язык украинский
Дата добавления 26.11.2014
Размер файла 171,4 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/

Самостійна робота №3

Нелінійна парна регресія

Найбільш популярною моделлю в економіці є лінійна регресія. Проте далеко не всі економічні процеси можна моделювати за її допомогою. Тому на практиці використовуються складніші моделі з нелінійною залежністю між показником і фактором . За методикою оцінок параметрів розглядають парні нелінійні регресії двох видів: 1) нелінійні за факторами, але лінійні за невідомими параметрами, які підлягають оцінці; 2) нелінійні за факторами і параметрами. Регресії, нелінійні за факторами, але лінійні за оцінюваними параметрами, називаються квазілінійними.

Розглянемо загальний випадок квазілінійних парних регресій. Нехай нам відомий статистичний ряд

X

x1

x2

...

xn

Y

y1

y2

...

yn

Парну квазілінійну регресію можна записати в загальному вигляді: (1). Заміною величин (2), нелінійна парна регресія зводиться до лінійної парної регресії: (3). Формули для оцінок параметрів (згідно до нормальної системи рівнянь для парної лінійної регресії) набувають вигляду

(4), (5).

Коефіцієнт еластичності

В економічних задачах для оцінки впливу на показник будь-якого фактора часто використовують коефіцієнт еластичності. Якщо відомо статистичний ряд з базисними даними показника і фактора, то коефіцієнт еластичності для значення фактора знаходять за формулою

(6), де , .

Якщо між фактором і показником знайдена стохастична залежність, то коефіцієнт еластичності для значення фактора аналогічно можна знайти за формулою

(7).

Якщо зробити граничний перехід при , то одержимо формулу для точкової оцінки коефіцієнта еластичності:

(8).

Коефіцієнт еластичності показує, на скільки відсотків зміниться показник, якщо фактор зміниться на один відсоток.

Для парної лінійної регресії коефіцієнт еластичності знаходиться за формулою

(9).

Для парної квазілінійної регресії коефіцієнт еластичності знаходиться за формулою

(10).

Розглянемо ряд парних квазілінійних регресій

1) Регресія (11) заміною змінної величини (12) зводиться до лінійної регресії (13). Формули для оцінки параметрів будуть мати вигляд:

(14), (15), де , .

Коефіцієнт еластичності обчислюється за формулою

(16).

2) Регресія (17) заміною змінної величини (18) зводиться до лінійної регресії (19). Формули для оцінки параметрів набудуть вигляду:

, . (20)

Коефіцієнт еластичності обчислюється за формулою

(21).

3) Регресія (22) заміною змінної величини

(23)

зводиться до лінійної регресії (24). Формули для оцінки параметрів набудуть вигляду:

, (25).

Коефіцієнт еластичності для такої парної нелінійної регресії обчислюється за формулою

(26).

4) Регресія (27) заміною змінної величини (28) зводиться до лінійної регресії . Оцінки параметрів обчислюється за формулами

, .

Коефіцієнт еластичності обчислюється за формулою

.

5) Розглянемо квазілінійну регресію виду (29). Заміною (30) квазілінійна парна регресія зводиться до

лінійної парної регресії . Параметри такої квазілінійної регресії оцінюються за формулою

, .

Коефіцієнт еластичності обчислюється за формулою

.

6) Аналогічним чином знаходяться параметри регресії

(31):

, .

Коефіцієнт еластичності обчислюється за формулою

.

7) Розглянемо регресію, нелінійну за показником

(32).

Заміною величини (33) зводимо регресію до лінійної регресії (34). Оцінки параметрів і знаходяться за формулами:

, (35).

Коефіцієнт еластичності обчислюється за формулою

(36).

8) Більш складною, з точки зору заміни змінних, є регресія виду (37). В цій парній регресії для зведення до лінійної регресії необхідно зробити заміну обох величин , (38), тоді нелінійна регресія запишеться

у вигляді лінійної (39), а оцінки параметрів будуть знаходитися за формулами

, (40).

Коефіцієнт еластичності знаходиться за формулою

(41).

Розглянемо деякі, нелінійні за параметрами, парні регресії.

9) (42). Логарифмуванням регресії зліва і справа та послідовною заміною величин і параметрів зводимо нелінійну парну регресію до лінійної парної регресії: (43). Після заміни

, , (44)

лінійна регресія набуває вигляду

(45).

Для цієї регресії спочатку знаходяться оцінки параметрів і

, (46).

Потім знаходимо оцінки параметрів

і : , (47), де , .

Коефіцієнт еластичності знаходиться за формулою

(48).

10) (49). Після логарифмування отримаємо

(50).

Якщо провести заміну

, , (51),

то отримаємо парну лінійну регресію

(52).

Для цієї регресії знаходяться спочатку оцінки параметрів

, .

Потім знаходимо .

Коефіцієнт еластичності знаходиться за формулою .

11) Аналогічно зводиться до парної лінійної регресії регресія (53): (54). Після заміни , (55), отримаємо парну лінійну регресію (56), де

, .

Звідси .

Коефіцієнт еластичності знаходиться за формулою .

12) Розглянемо регресію (57). Після логарифмування парної регресії і заміни отримаємо лінійну парну регресію (58), де , , (59). Оцінки параметрів і знаходяться за формулами

, .

Потім знаходяться значення параметра за формулою (60), де .

Коефіцієнт еластичності для наведеної парної нелінійної регресії обчислюється за формулою (61), тобто параметр є коефіцієнтом еластичності.

13) Розглянемо показниково-степеневу парну регресію (62). Після логарифмування і заміни отримаємо (63), де , , (64). Параметри і оцінюються за формулами

, (65).

Потім знаходиться оцінка параметра .

Коефіцієнт еластичності знаходиться за формулою .

14) Розглянемо нелінійну регресію (66). Запишемо регресію в такому вигляді (67). Заміною (68) зводимо парну нелінійну регресію до парної лінійної (69). Параметри і оцінюються за такими формулами:

, (70).

Коефіцієнт еластичності знаходиться за формулою

(71).

Оцінка адекватності парної нелінійної регресії

Для оцінки адекватності парної нелінійної регресії спостережуваним даним можна використовувати критерій Фішера. Розрахункове значення статистики Фішера знаходиться за формулою

(72),

де п - число дослідів, - число включених у регресію факторів, які чинять суттєвий вплив на показник (в нашому прикладі фактор один).

Для даного рівня надійності (73)( (74) - рівень значущості) і числа ступенів вільності , (75) знаходиться табличне значення (76). Отримане розрахункове значення порівнюється з табличним.

При цьому, якщо (77) надійністю можна вважати, що розглянута математична модель адекватна експериментальним даним, у протилежному випадку з надійністю розглянуту парну регресію не можна вважати адекватною.

Довірча зона базисних даних парної квазілінійної регресії

Довірча зона базисних даних для парної квазілінійної регресії знаходиться за тими ж формулами, що і для лінійної, лише замість береться значення . Довірча зона отримується сполученням відповідно верхніх і нижніх меж довірчих інтервалів (78), .

Прогноз і його надійний інтервал для парної квазілінійної регресії

Якщо встановлено, що із заданою надійною ймовірністю математична модель адекватна спостережуваним даним і соціально-економічні умови на період прогнозування змінюються за закономірностями, що мають місце і в базисному періоді, то точкова оцінка прогнозу знаходиться за формулою (79), де (80). Радіус для надійного інтервалу

квазілінійний регресія еластичність інтервал

(81)

знаходиться за формулою

(82).

Довірчі інтервали показникової регресії

У тих випадках, коли нелінійна регресія перетворюється в лінійну шляхом логарифмування і заміни величин, довірча зона спочатку знаходиться для лінійної регресії, потім, використовуючи зворотні перетворення для меж надійних інтервалів лінійної регресії, знаходяться межі надійних інтервалів нелінійної регресії. Для прикладу розглянемо показникову регресію . Для зведення цієї регресії до лінійної вона логарифмується і проводиться заміна величин. За вище наведеними формулами знаходяться межі надійних інтервалів базисних даних лінійної регресії, а потім шляхом зворотних перетворень (потенціювання) меж довірчих інтервалів лінійної регресії знаходяться межі надійних інтервалів показникової регресії

, .

Аналогічним чином знаходяться межі довірчого інтервалу для прогнозного значення показника

: .

Очевидно, що при такому переході надійні інтервали нелінійних регресій будуть несиметричними відносно лінії регресії.

Приклад.

На основі статистичних даних показника і фактора (блок А2:В15) знайти оцінки параметрів лінії регресії, якщо припустити, що стохастична залежність між фактором і показником має вигляд: (83). Використовуючи критерій Фішера з надійністю оцінити адекватність прийнятої моделі статистичним даним. Якщо із заданою надійністю прийнята математична модель адекватна експериментальним даним, то знайти:

- з надійністю довірчу зону базисних даних;

- точкову оцінку прогнозу;

- з надійністю інтервальну оцінку прогнозу;

- коефіцієнти еластичності для базисних значень та прогнозу;

Побудувати графіки: фактичних даних, лінії регресії та її довірчу зону.

ХІД РОБОТИ

Вводиться гіпотеза, що між фактором і показником існує така стохастична залежність: . Заміною (84) зводимо нелінійну парну регресію до парної лінійної (85). Оцінки параметрів і для цієї регресії визначаються за формулами

, (86), де .

Для оцінки параметра необхідно обчислити:

, , , (87).

Блок вихідних даних формується з перших двох колонок. Для даного прикладу це буде блок (А3:В15). Розрахунковий блок проміжних обчислень розташовується у наступних колонках. Для обчислення наведених сум вводимо в третій рядок формули. Для обчислення у комірці С3 використовуємо вбудовану функцію КОРЕНЬ. (Для виклику вікна Мастер Функций можна використовувати комбінацію клавіш Shift+F3. Для введення координат аргументу функції КОРЕНЬ можна вказати на відповідну клітину (B3) мишою.)

Для визначення сум стовпців використовуємо вбудовану функцію СУММ (її можна вставити за допомогою піктограми У). У комірку В19 вводиться формула для обчислення оцінки параметра . У комірці B20 обчислюється оцінка параметра . Середнє значення та обчислюється у комірках D18, D19 за допомогою вбудованої статистичної функції СРЗНАЧ. Для обчислення значень (88) записуємо формулу у комірку F3 з абсолютними посиланнями координат параметрів і та з відносним посиланням координат . Після цього копіюємо формулу чорним хрестиком у блок F4:F15. У комірці F17 знаходимо . Оскільки математичне сподівання відхилень фактичних даних від розрахункових дорівнює нулю, то при правильному виконанні розрахунків значення комірок А17 та F17 збігатимуться.

Для оцінки адекватності прийнятої економічної моделі експериментальним даним використовується критерій Фішера. Для визначення розрахункового значення Фішера, оцінки довірчої зони базисних даних, оцінки довірчого інтервалу та оцінки прогнозу складаємо блок проміжних обчислень G2:L16. Значення , , , обчислюються відповідно у блоках G3:G15, Н3:Н15, I3:I15, а їх суми у блоці G17:I17. Значення

(89)

обчислюється у комірці D20. Значення

(90)

обчислюються в блоці J3:J15. Значення , (91) обчислюються відповідно у блоках К3:К15, L3:L15.

Для обчислення перерахованих значень набираємо відповідні формули в блоці G3:L3 та копіюємо ці формули у решту відповідних комірок блоку. Використовуючи вбудвану функцію СУММ, знаходимо суму колонки G3:G15 у комірці G17, далі копіюємо цю функцію у комірки H17:I17. Для зручності обчислень та побудови графіка значення прогнозу та його довірчий інтервал обчислюємо у 16 рядку. Значення прогнозу показника заносимо у комірку В16, у комірці С16 обчислюється значення прогнозне, а у комірці F16 - прогнозне.

Оцінку довірчого напівінтервалу для прогнозу

(92)

обчислюємо у комірці J16. Границі довірчого інтервалу знаходяться відповідно у комірках К16, L16.

Коефіцієнт еластичності для всіх значень обчислюється у колонці М3:М16. Маємо

(93).

Розрахункове значення критерію Фішера (94) обчислюється у комірці F19. Порівнявши це значення із значенням (95) у комірці F20, з надійністю робимо висновок про адекватність моделі.

Для наочного уявлення розрахунків будуємо графіки в електронній таблиці. Будуються графіки статистичних даних, довірчої зони для базисних даних та прогнозу.

A

B

C

D

E

F

G

H

I

J

K

L

M

N

1

2

Y

X

X1

Y*X1

X1^2

Yp

(Y-Yp)^2

(Y-Yc)^2

(X1-X1c)^2

Dy

Ymin

Ymax

K

(Yp-Yc)^2

3

5,0

1

1,00

5,00

1,00

5,30

0,09

10,79

2,33

0,35

4,94

5,65

0,18

8,93

4

6,0

2

1,41

8,49

2,00

6,11

0,01

5,22

1,24

0,28

5,83

6,39

0,23

4,74

5

6,8

3

1,73

11,78

3,00

6,73

0,01

2,20

0,63

0,23

6,50

6,96

0,25

2,42

6

7,3

4

2,00

14,60

4,00

7,25

0,00

0,97

0,28

0,19

7,06

7,45

0,27

1,06

7

8,2

5

2,24

18,34

5,00

7,71

0,24

0,01

0,08

0,17

7,54

7,89

0,28

0,32

8

8,3

6

2,45

20,33

6,00

8,13

0,03

0,00

0,01

0,16

7,97

8,29

0,29

0,02

9

8,5

7

2,65

22,49

7,00

8,52

0,00

0,05

0,01

0,16

8,35

8,68

0,30

0,05

10

9,0

8

2,83

25,46

8,00

8,87

0,02

0,51

0,09

0,17

8,70

9,05

0,31

0,35

11

9,3

9

3,00

27,90

9,00

9,21

0,01

1,03

0,22

0,19

9,02

9,40

0,32

0,86

12

9,5

10

3,16

30,04

10,00

9,53

0,00

1,48

0,40

0,21

9,32

9,73

0,32

1,54

13

9,3

11

3,32

30,84

11,00

9,83

0,28

1,03

0,62

0,23

9,60

10,06

0,33

2,38

14

9,9

12

3,46

34,29

12,00

10,12

0,05

2,61

0,88

0,25

9,87

10,37

0,33

3,36

15

10,6

13

3,61

38,22

13,00

10,39

0,04

5,36

1,16

0,27

10,12

10,67

0,34

4,45

16

14

3,74

10,66

1,47

0,65

10,01

11,31

0,34

17

107,7

91,00

32,85

287,77

91,00

107,70

0,76

31,26

7,97

30,49

18

X1c=

2,53

19

a=

1,956

Yc=

8,28

Fроз=

438,664

tak=

2,201

20

b=

3,341

S=

0,264

Fa,k1,k2=

4,747

A

B

C

D

E

F

G

H

I

J

K

L

M

N

1

2

Y

X

X1

Y*X1

X1^2

Yp

(Y-Yp)^2

(Y-Yc)^2

(X1-X1c)^2

Dy

Ymin

Ymax

K

(Yp-Yc)^2

3

5,0

1

=КОРЕНЬ(B3)

=A3*C3

=C3^2

=$B$19*C3+$B$20

=(A3-F3)^2

=(A3-$D$19)^2

=(C3-$D$18)^2

=$H$19*$D$20*КОРЕНЬ(1/13+I3/$I$17)

=F3-J3

=F3+J3

=$B$19*C3/

(2*F3)

=(F3-$D$19)^2

4

6,0

2

=КОРЕНЬ(B4)

=A4*C4

=C4^2

=$B$19*C4+$B$20

=(A4-F4)^2

=(A4-$D$19)^2

=(C4-$D$18)^2

=$H$19*$D$20*КОРЕНЬ(1/13+I4/$I$17)

=F4-J4

=F4+J4

=$B$19*C4/

(2*F4)

=(F4-$D$19)^2

5

6,8

3

=КОРЕНЬ(B5)

=A5*C5

=C5^2

=$B$19*C5+$B$20

=(A5-F5)^2

=(A5-$D$19)^2

=(C5-$D$18)^2

=$H$19*$D$20*КОРЕНЬ(1/13+I5/$I$17)

=F5-J5

=F5+J5

=$B$19*C5/

(2*F5)

=(F5-$D$19)^2

6

7,3

4

=КОРЕНЬ(B6)

=A6*C6

=C6^2

=$B$19*C6+$B$20

=(A6-F6)^2

=(A6-$D$19)^2

=(C6-$D$18)^2

=$H$19*$D$20*КОРЕНЬ(1/13+I6/$I$17)

=F6-J6

=F6+J6

=$B$19*C6/

(2*F6)

=(F6-$D$19)^2

7

8,2

5

=КОРЕНЬ(B7)

=A7*C7

=C7^2

=$B$19*C7+$B$20

=(A7-F7)^2

=(A7-$D$19)^2

=(C7-$D$18)^2

=$H$19*$D$20*КОРЕНЬ(1/13+I7/$I$17)

=F7-J7

=F7+J7

=$B$19*C7/

(2*F7)

=(F7-$D$19)^2

8

8,3

6

=КОРЕНЬ(B8)

=A8*C8

=C8^2

=$B$19*C8+$B$20

=(A8-F8)^2

=(A8-$D$19)^2

=(C8-$D$18)^2

=$H$19*$D$20*КОРЕНЬ(1/13+I8/$I$17)

=F8-J8

=F8+J8

=$B$19*C8/

(2*F8)

=(F8-$D$19)^2

9

8,5

7

=КОРЕНЬ(B9)

=A9*C9

=C9^2

=$B$19*C9+$B$20

=(A9-F9)^2

=(A9-$D$19)^2

=(C9-$D$18)^2

=$H$19*$D$20*КОРЕНЬ(1/13+I9/$I$17)

=F9-J9

=F9+J9

=$B$19*C9/

(2*F9)

=(F9-$D$19)^2

10

9,0

8

=КОРЕНЬ(B10)

=A10*C10

=C10^2

=$B$19*C10+$B$20

=(A10-F10)^2

=(A10-$D$19)^2

=(C10-$D$18)^2

=$H$19*$D$20*КОРЕНЬ(1/13+I10/$I$17)

=F10-J10

=F10+J10

=$B$19*C10/

(2*F10)

=(F10-$D$19)^2

11

9,3

9

=КОРЕНЬ(B11)

=A11*C11

=C11^2

=$B$19*C11+$B$20

=(A11-F11)^2

=(A11-$D$19)^2

=(C11-$D$18)^2

=$H$19*$D$20*КОРЕНЬ(1/13+I11/$I$17)

=F11-J11

=F11+J11

=$B$19*C11/

(2*F11)

=(F11-$D$19)^2

12

9,5

10

=КОРЕНЬ(B12)

=A12*C12

=C12^2

=$B$19*C12+$B$20

=(A12-F12)^2

=(A12-$D$19)^2

=(C12-$D$18)^2

=$H$19*$D$20*КОРЕНЬ(1/13+I12/$I$17)

=F12-J12

=F12+J12

=$B$19*C12/

(2*F12)

=(F12-$D$19)^2

13

9,3

11

=КОРЕНЬ(B13)

=A13*C13

=C13^2

=$B$19*C13+$B$20

=(A13-F13)^2

=(A13-$D$19)^2

=(C13-$D$18)^2

=$H$19*$D$20*КОРЕНЬ(1/13+I13/$I$17)

=F13-J13

=F13+J13

=$B$19*C13/

(2*F13)

=(F13-$D$19)^2

14

9,9

12

=КОРЕНЬ(B14)

=A14*C14

=C14^2

=$B$19*C14+$B$20

=(A14-F14)^2

=(A14-$D$19)^2

=(C14-$D$18)^2

=$H$19*$D$20*КОРЕНЬ(1/13+I14/$I$17)

=F14-J14

=F14+J14

=$B$19*C14/

(2*F14)

=(F14-$D$19)^2

15

10,6

13

=КОРЕНЬ(B15)

=A15*C15

=C15^2

=$B$19*C15+$B$20

=(A15-F15)^2

=(A15-$D$19)^2

=(C15-$D$18)^2

=$H$19*$D$20*КОРЕНЬ(1/13+I15/$I$17)

=F15-J15

=F15+J15

=$B$19*C15/

(2*F15)

=(F15-$D$19)^2

16

14

=КОРЕНЬ(B16)

=$B$19*C16+$B$20

=(C16-$D$18)^2

=$H$19*$D$20*КОРЕНЬ(1/13+1+I16/$I$17)

=F16-J16

=F16+J16

=$B$19*C16/

(2*F16)

17

=СУММ

(A3:A15)

=СУММ

(B3:B15)

=СУММ(C3:C15)

=СУММ

(D3:D15)

=СУММ

(E3:E15)

=СУММ(F3:F15)

=СУММ

(G3:G15)

=СУММ(H3:H15)

=СУММ(I3:I15)

=СУММ(N3:N15)

18

X1c=

=СРЗНАЧ

(C3:C15)

19

a=

=(13*D17-A17*C17)/(13*E17-C17^2)

Yc=

=СРЗНАЧ

(A3:A15)

Fроз=

=(13-2)*(N17/G17)

tak=

=СТЬЮДРАСПОБР(0,05;13-2)

20

b=

=D19-B19*D18

S=

=КОРЕНЬ

(G17/(13-2))

Fa,k1,k2=

=FРАСПОБР

(0,05;1;12)

Зміст роботи:

1. Титульна сторінка.

2. Короткі теоретичні відомості.

3. Постановка задачі.

4. Результат обчислень (роздруковка таблиці Excel).

5. Графік, що відображає дані з умови задачі, лінію регресії розрахункові значення прогнозу, надійну зону регресії (роздруковка діаграми з Excel на окремому аркуші).

6. Висновки по роботі (яка задача розв'язувалась, яким чином, який результат отримано і які висновки можна зробити на його підставі, які переваги дає використання Excel для розв'язання задачі, які вбудовані функції Excel було використано, з якими параметрами). Висновки мають бути написані кожним студентом особисто від руки.

Варіант 1

Дані про залежність ціни пляшки марочного портвейну Y (у доларах) від його витримки X (у роках) представлені у таблиці:

Витримка, років

5

7

9

11

13

15

17

19

21

23

Ціна, дол.

5,81

9,33

13,45

18,74

27,15

32,24

43,28

56,97

63,32

78,87

Припустимо, що між показником Y і фактором X існує квазілінійна залежність. Знайти оцінки параметрів регресії . З надійністю = 0,95 за критерієм Фішера зробити висновок про адекватність прийнятої стохастичної залежності. Використовуючи побудовану регресію, спрогнозувати ціну на пляшку портвейну, витриманого 25 років. Знайти: з надійністю довірчу зону базисних даних, з надійністю інтервальну оцінку прогнозу, коефіцієнти еластичності для базисних значень та прогнозу. Побудувати графіки: статистичних даних, лінії регресії та її довірчої зони.

Варіант 2

Дані про залежність вартості побудови атомної електростанції Y (у млн. доларів) від її номінальної потужності X (у мегаватах) представлені у таблиці:

Потужність, МВт

500

600

700

800

900

1000

1100

1200

1300

1400

Вартість, млн.дол.

341

385

422

437

455

481

507

518

537

545

Припустимо, що між показником Y і фактором X існує квазілінійна залежність. Знайти оцінки параметрів регресії . З надійністю = 0,95 за критерієм Фішера зробити висновок про адекватність прийнятої стохастичної залежності. Використовуючи побудовану регресію, спрогнозувати вартість побудови електростанції у 1500 МВт. Знайти: з надійністю довірчу зону базисних даних, з надійністю інтервальну оцінку прогнозу, коефіцієнти еластичності для базисних значень та прогнозу. Побудувати графіки: статистичних даних, лінії регресії та її довірчої зони.

Варіант 3

Дані про залежність ціни одноповерхового будинку Y (у тисячах гривень) від його корисної площі X (у кв. метрах) представлені у таблиці:

Площа, м2

70

80

90

100

110

120

130

140

150

160

Ціна, тис. грн.

367

381

387

401

412

421

428

434

444

458

Припустимо, що між показником Y і фактором X існує квазілінійна залежність. Знайти оцінки параметрів регресії . З надійністю = 0,9 за критерієм Фішера зробити висновок про адекватність прийнятої стохастичної залежності. Використовуючи побудовану регресію, спрогнозувати ціну на будинок площею у 170 м2. Знайти: з надійністю довірчу зону базисних даних, з надійністю інтервальну оцінку прогнозу, коефіцієнти еластичності для базисних значень та прогнозу. Побудувати графіки: статистичних даних, лінії регресії та її довірчої зони.

Варіант 4

Дані про залежність вартості розміщення рекламного оголошення у газеті Y (у гривнях) від його площі X (у квадратних сантиметрах) представлені у таблиці:

Площа, см2

200

210

220

230

240

250

260

270

280

290

Вартість, грн.

50,21

52,33

54,45

56,52

58,35

61,04

61,7

63,07

64,32

65,57

Припустимо, що між показником Y і фактором X існує квазілінійна залежність. Знайти оцінки параметрів регресії . З надійністю = 0,9 за критерієм Фішера зробити висновок про адекватність прийнятої стохастичної залежності. Використовуючи побудовану регресію, спрогнозувати ціну при площі 300 см2. Знайти: з надійністю довірчу зону базисних даних, з надійністю інтервальну оцінку прогнозу, коефіцієнти еластичності для базисних значень та прогнозу. Побудувати графіки: статистичних даних, лінії регресії та її довірчої зони.

Размещено на Allbest.ru

...

Подобные документы

  • Перевірка загальної якості рівняння регресі та статистичної значущості оцінок параметрів економетричної моделі. Прогнозування значень залежної змінної. Визначення коефіцієнта еластичності. Економетричний аналіз лінійної функції парної регресії в MS Exel.

    презентация [1,4 M], добавлен 10.10.2013

  • Специфікація економетричної моделі парної регресії. Побудова лінійної, степеневої та показникової економетричної моделі, поняття коефіцієнта регресії та детермінації. Графічне зображення моделювання лінійного зв’язку, застосування F–критерію Фішера.

    контрольная работа [5,1 M], добавлен 17.03.2010

  • Побудова економетричної моделі парної регресії. На основі даних про витрати обігу (залежна змінна) і вантажообігу (незалежна змінна) побудувати економетричну модель. Рівняння регресії. Коефіцієнт парної детермінації та кореляції. Перевірка надійності.

    задача [563,6 K], добавлен 28.12.2008

  • Побудова загальної лінійної регресії та аналіз її основних характеристик. Перевірка гіпотези про лінійну залежність між змінними. Визначення статистичної властивості окремих оцінок і моделі в цілому. Альтернативні способи оцінки параметрів регресії.

    лабораторная работа [77,0 K], добавлен 22.07.2010

  • Виконання економетричної моделі, що визначає залежність товарообороту від торгової площі. Побудова діаграми розсіювання, обґрунтування можливості використання парної, нелінійної, багатофакторної лінійної регресії для розробки економічної інтерпретації.

    контрольная работа [449,4 K], добавлен 09.02.2014

  • Типи економетричних моделей. Етапи економетричного аналізу економічних процесів та явищ. Моделі часових рядів та регресійні моделі з одним рівнянням. Системи одночасних рівнянь. Дослідження моделі парної лінійної регресії. Однофакторні виробничі регресії.

    задача [152,8 K], добавлен 19.03.2009

  • Виробнича функція Кобба-Дугласа. Розрахунок методом математичної екстраполяції прогнозного значення обсягу виробництва при заданих значеннях витрат праці та виробничого капіталу. Оцінка адекватності моделі за критерієм Фішера. Оцінки параметрів регресії.

    контрольная работа [39,9 K], добавлен 13.03.2015

  • Параметри проведення економетричного аналізу. Метод найменших квадратів. Оцінка параметрів лінійної регресії за методом найменших квадратів. Властивості простої лінійної регресії. Коефіцієнти кореляції і детермінації. Ступені вільності, аналіз дисперсій.

    контрольная работа [994,5 K], добавлен 29.03.2009

  • Статистичні методи аналізу та обробки спостережень. Характерні ознаки типової і спеціалізованої звітності підприємств. Оцінка параметрів простої лінійної моделі методом найменших квадратів. Аналіз показників багатофакторної лінійної і нелінійної регресії.

    контрольная работа [327,1 K], добавлен 23.02.2014

  • Оцінка якості моделі лінійної регресії. Використання методу найменших квадратів при розрахунках параметрів. Згладжування рядів динаміки за методом простої середньої і експоненціального згладжування. Перевірка адекватності моделі за критерієм Фішера.

    контрольная работа [272,3 K], добавлен 10.05.2015

  • Загальна лінійна економетрична модель, етапи побудови. Емпірична модель множинної лінійної регресії. Проведення кореляційного аналізу за допомогою MS Exel. Позитивна та негативна автокореляція. Значення статистик Дарбіна-Уотсона при 5% рівні значимості.

    лекция [1,3 M], добавлен 10.10.2013

  • Аналіз прогнозу заробітної плати при прогнозному значенні середнього добового прожиткового мінімуму. Побудова лінійного рівняння парної регресії. Розрахунок лінійного коефіцієнта парної кореляції, коефіцієнта детермінації й середньої помилки апроксимації.

    лабораторная работа [409,7 K], добавлен 24.09.2014

  • Непараметричні (емпіричні) методи оцінки тісноти зв’язку. Розрахунки рангових коефіцієнтів кореляції Спірмена та Кендала. Найпростіші показники кореляційної залежності Фехнера. Коефіцієнти асоціації і контингенції, взаємної спряженості Пірсона і Чупрова.

    контрольная работа [72,4 K], добавлен 18.06.2010

  • Поняття про кореляцію і регресію. Сутність дисперсійного аналізу. Однофакторний дисперсійний аналіз. Функціональна і статистична залежності. Визначення параметрів вибіркового рівняння прямої лінії середньоквадратичної регресії за незгрупованих даних.

    реферат [123,3 K], добавлен 12.02.2011

  • Методи одержання стійких статистичних оцінок. Агломеративні методи кластерного аналізу. Грубі помилки та методи їх виявлення. Множинна нелінійна регресія. Метод головних компонент. Сутність завдання факторного аналізу. Робастне статистичне оцінювання.

    курсовая работа [1,2 M], добавлен 28.04.2014

  • Створення економіко-математичної моделі на основі рівняння множинної регресії та прогнозування конкурентоспроможності національної економіки за допомогою системи показників її розвитку. Оцінка впливу валютного курсу, практика його державного регулювання.

    автореферат [50,3 K], добавлен 06.07.2009

  • Особливості побудови математичної моделі економічного явища. Множинна лінійна регресія в стандартизованому масштабі. Множинна нелінійна регресія, комп’ютерна реалізація методу Брандона. Моделювання для підприємств аграрно-промислового комплексу.

    курсовая работа [1,9 M], добавлен 29.04.2010

  • Графік емпіричних змінних. Графік регресійної функції. Відносна похибка розрахункових значень регресії. Коефіцієнти еластичності. Межі надійних інтервалів індивідуальних прогнозованих значень.

    контрольная работа [119,0 K], добавлен 11.08.2007

  • Кореляційно-регресійний статистичний аналіз впливу технологічних параметрів та економічності автомобілів на ціну їх продажу. Прогнозування ціни на новий автомобіль в автосалонах Луганської області на основі рівняння багатофакторної множинної регресії.

    курсовая работа [417,0 K], добавлен 17.12.2014

  • Статистичний і економічний зміст коефіцієнтів кореляції і детермінації. Економічне тлумачення довірчих інтервалів коефіцієнтів моделі, точкового значення прогнозу. Форма відображення статистичних даних моделі. Параметри стандартного відхилення асиметрії.

    контрольная работа [20,1 K], добавлен 03.08.2010

Работы в архивах красиво оформлены согласно требованиям ВУЗов и содержат рисунки, диаграммы, формулы и т.д.
PPT, PPTX и PDF-файлы представлены только в архивах.
Рекомендуем скачать работу.