Эконометрические задачи

Размещено на http://www.Allbest.Ru/

Размещено на http://www.Allbest.Ru/

Размещено на http://www.Allbest.Ru/

Контрольная работа

Задача 1

По территориям региона приводятся данные за 199X г. (см. таблицу своего варианта)

Требуется:

1. Построить линейное уравнение парной регрессии от .

2. Рассчитать линейный коэффициент парной корреляции и среднюю ошибку аппроксимации.

3. Оценить статистическую значимость параметров регрессии и корреляции с помощью -критерия Фишера и -критерия Стьюдента.

4. Выполнить прогноз заработной платы при прогнозном значении среднедушевого прожиточного минимума , составляющем 107% от среднего уровня.

5. Оценить точность прогноза, рассчитав ошибку прогноза и его доверительный интервал.

6. На одном графике построить исходные данные и теоретическую прямую.

Таблица 1

Номер региона	Среднедушевой прожиточный минимум в день одного трудоспособного, руб.,	Среднедневная заработная плата, руб.,
1	74	122
2	81	134
3	90	136
4	79	125
5	89	120
6	87	127
7	77	125
8	93	148
9	70	122
10	93	157
11	87	144
12	121	165

Решение

1. Для расчета параметров уравнения линейной регрессии рассчитаем таблицу 2.

Таблица 2

Вспомогательная таблица для расчета недостающих показателей

						x	y-x
1	74	122	9028	5476	14884	123,4592	-1,45924	1,196097
2	81	134	10854	6561	17956	130,0241	3,975899	2,967089
3	90	136	12240	8100	18496	138,4646	-2,46464	1,812234
4	79	125	9875	6241	15625	128,1484	-3,14843	2,518741
5	89	120	10680	7921	14400	137,5268	-17,5268	14,60567
6	87	127	11049	7569	16129	135,6511	-8,65113	6,81191
7	77	125	9625	5929	15625	126,2728	-1,27275	1,018201
8	93	148	13764	8649	21904	141,2782	6,721849	4,54179
9	70	122	8540	4900	14884	119,7079	2,292111	1,87878
10	93	157	14601	8649	24649	141,2782	15,72185	10,01392
11	87	144	12528	7569	20736	135,6511	8,348874	5,797829
12	121	165	19965	14641	27225	167,5376	-2,5376	1,53794
Итого	1041	1625	142749	92205	222513	1625	-1,4E-14	54,70019
Среднее значение	86,75	135,4167	11895,75	7683,75	18542,75	135,4167	-	4,56
	12,57726	14,32049	-	-	-	-	-	-
	158,1875	205,0764	-	-	-	-	-	-

;

Получено уравнение регрессии:.

С увеличением среднедушевого прожиточного минимума на 1 руб. среднедневная заработная плата возрастает в среднем на 0,94 руб.

2. Тесноту линейной связи оценит коэффициент корреляции:

;

Это означает, что 67,8% вариации заработной платы () объясняется вариацией фактора - среднедушевого прожиточного минимума.

Качество модели определяет средняя ошибка аппроксимации:

Допустимый предел значений - не более 8-10%.

Качество построенной модели оценивается как хорошее, так как не превышает 8-10%.

3. Оценку значимости уравнения регрессии в целом проведем с помощью -критерия Фишера. Фактическое значение -критерия:

Табличное значение критерия при пятипроцентном уровне значимости и степенях свободы и составляет . Так как , то уравнение регрессии признается статистически значимым.

Оценку статистической значимости параметров регрессии проведем с помощью -статистики Стьюдента и путем расчета доверительного интервала каждого из показателей.

Табличное значение -критерия для числа степеней свободы и составит .

Определим случайные ошибки , , :

;

;

Тогда

;

;

Фактические значения -статистики превосходят табличное значение:

;; ,

Поэтому параметры , и не случайно отличаются от нуля, а статистически значимы.

Рассчитаем доверительные интервалы для параметров регрессии и . Для этого определим предельную ошибку для каждого показателя:

;

.

Доверительные интервалы

Анализ верхней и нижней границ доверительных интервалов приводит к выводу о том, что с вероятностью параметры и , находясь в указанных границах, не принимают нулевых значений, т.е. не являются статистически незначимыми и существенно отличны от нуля.

4. Полученные оценки уравнения регрессии позволяют использовать его для прогноза. Если прогнозное значение прожиточного минимума составит: руб., тогда прогнозное значение заработной платы составит: руб.

5. Ошибка прогноза составит:

Предельная ошибка прогноза, которая в случаев не будет превышена, составит:

Доверительный интервал прогноза:

руб.;

руб.

Выполненный прогноз среднемесячной заработной платы является надежным () и находится в пределах от 120,3 руб. до 161,9 руб.

Рисунок D.1

В заключение решения задачи построим на одном графике исходные данные и теоретическую прямую (рисунок D.1):

Задача 2

По 20 предприятиям региона изучается зависимость выработки продукции на одного работника (тыс. руб.) от ввода в действие новых основных фондов (% от стоимости фондов на конец года) и от удельного веса рабочих высокой квалификации в общей численности рабочих (%) (смотри таблицу своего варианта).

Требуется:

1. Построить линейную модель множественной регрессии. Записать стандартизованное уравнение множественной регрессии. На основе стандартизованных коэффициентов регрессии и средних коэффициентов эластичности ранжировать факторы по степени их влияния на результат.

2. Найти коэффициенты парной, частной и множественной корреляции. Проанализировать их.

3. Найти скорректированный коэффициент множественной детерминации. Сравнить его с нескорректированным (общим) коэффициентом детерминации.

4. С помощью -критерия Фишера оценить статистическую надежность уравнения регрессии и коэффициента детерминации .

5. С помощью частных -критериев Фишера оценить целесообразность включения в уравнение множественной регрессии фактора после и фактора после .

6. Составить уравнение линейной парной регрессии, оставив лишь один значащий фактор.

линейный выработка регрессия колебание электроэнергия

Вариант 2

Номер предприятия				Номер предприятия
1	6	3,5	10	11	10	6,3	21
2	6	3,6	12	12	11	6,4	22
3	7	3,9	15	13	11	7	23
4	7	4,1	17	14	12	7,5	25
5	7	4,2	18	15	12	7,9	28
6	8	4,5	19	16	13	8,2	30
7	8	5,3	19	17	13	8,4	31
8	9	5,3	20	18	14	8,6	31
9	9	5,6	20	19	14	9,5	35
10	10	6	21	20	15	10	36

Решение

Для удобства проведения расчетов поместим результаты промежуточных расчетов в таблицу 1.

Таблица 1

Вспомогательная таблица для расчета недостающих показателей

№
1	6	3,5	10	21	60	35	12,25	100	36
2	6	3,6	12	21,6	72	43,2	12,96	144	36
3	7	3,9	15	27,3	105	58,5	15,21	225	49
4	7	4,1	17	28,7	119	69,7	16,81	289	49
5	7	4,2	18	29,4	126	75,6	17,64	324	49
6	8	4,5	19	36	152	85,5	20,25	361	64
7	8	5,3	19	42,4	152	100,7	28,09	361	64
8	9	5,3	20	47,7	180	106	28,09	400	81
9	9	5,6	20	50,4	180	112	31,36	400	81
10	10	6	21	60	210	126	36	441	100
11	10	6,3	21	63	210	132,3	39,69	441	100
12	11	6,4	22	70,4	242	140,8	40,96	484	121
13	11	7	23	77	253	161	49	529	121
14	12	7,5	25	90	300	187,5	56,25	625	144
15	12	7,9	28	94,8	336	221,2	62,41	784	144
16	13	8,2	30	106,6	390	246	67,24	900	169
17	13	8,4	31	109,2	403	260,4	70,56	961	169
18	14	8,6	31	120,4	434	266,6	73,96	961	196
19	14	9,5	35	133	490	332,5	90,25	1225	196
20	15	10	36	150	540	360	100	1296	225
Сумма	202	125,8	453	1378,9	4954	3120,5	868,98	11251	2194
Ср. знач.	10,1	6,29	22,65	68,945	247,7	156,025	43,449	562,55	109,7

Найдем средние квадратические отклонения признаков:

;

;

1. Вычисление параметров линейного уравнения множественной регрессии.

Для нахождения параметров линейного уравнения множественной регрессии необходимо решить следующую систему линейных уравнений относительно неизвестных параметров , , :

либо воспользоваться готовыми формулами:

;;

.

Рассчитаем сначала парные коэффициенты корреляции:

;

;

Находим

;

;

.

Таким образом, получили следующее уравнение множественной регрессии: .

Коэффициенты и стандартизованного уравнения регрессии находятся по формулам:

;

Т.е. уравнение будет выглядеть следующим образом:

Так как стандартизованные коэффициенты регрессии можно сравнивать между собой, то можно сказать, что ввод в действие новых основных фондов оказывает большее влияние на выработку продукции, чем удельный вес рабочих высокой квалификации.

Сравнивать влияние факторов на результат можно также при помощи средних коэффициентов эластичности:

Вычисляем:

;.

Т.е. увеличение основных фондов (от своего среднего значения) и удельного веса рабочих высокой квалификации на 1% увеличивает в среднем выработку продукции на 0,83% или 0,04% соответственно. Таким образом, подтверждается большее влияние на результат фактора , чем фактора .

2. Коэффициенты парной корреляции мы уже нашли:

;;

Они указывают на весьма сильную связь каждого фактора с результатом, а также высокую межфакторную зависимость (факторы и явно коллинеарны, т.к. ). При такой сильной межфакторной зависимости рекомендуется один из факторов исключить из рассмотрения.

Частные коэффициенты корреляции характеризуют тесноту связи между результатом и соответствующим фактором при элиминировании (устранении влияния) других факторов, включенных в уравнение регрессии.

При двух факторах частные коэффициенты корреляции рассчитываются следующим образом:

;

Если сравнить коэффициенты парной и частной корреляции, то можно увидеть, что из-за высокой межфакторной зависимости коэффициенты парной корреляции дают завышенные оценки тесноты связи. Именно по этой причине рекомендуется при наличии сильной коллинеарности (взаимосвязи) факторов исключать из исследования тот фактор, у которого теснота парной зависимости меньше, чем теснота межфакторной связи.

Коэффициент множественной корреляции определяется через матрицу парных коэффициентов корреляции:

, где

- определитель матрицы парных коэффициентов корреляции;

- определитель матрицы межфакторной корреляции.

;

Коэффициент множественной корреляции

Аналогичный результат получим при использовании других формул:

;

;

Коэффициент множественной корреляции показывает на весьма сильную связь всего набора факторов с результатом.

3. Нескорректированный коэффициент множественной детерминации оценивает долю вариации результата за счет представленных в уравнении факторов в общей вариации результата. Здесь эта доля составляет 98% и указывает на весьма высокую степень обусловленности вариации результата вариацией факторов, иными словами - на весьма тесную связь факторов с результатом.

Скорректированный коэффициент множественной детерминации

определяет тесноту связи с учетом степеней свободы общей и остаточной дисперсий. Он дает такую оценку тесноты связи, которая не зависит от числа факторов и поэтому может сравниваться по разным моделям с разным числом факторов. Оба коэффициента указывают на весьма высокую (более ) детерминированность результата в модели факторами и .

4. Оценку надежности уравнения регрессии в целом и показателя тесноты связи дает -критерий Фишера:

В нашем случае фактическое значение -критерия Фишера:

Получили, что (при ), т.е. вероятность случайно получить такое значение -критерия не превышает допустимый уровень значимости . Следовательно, полученное значение не случайно, оно сформировалось под влиянием существенных факторов, т.е. подтверждается статистическая значимость всего уравнения и показателя тесноты связи .

5. С помощью частных -критериев Фишера оценим целесообразность включения в уравнение множественной регрессии фактора после и фактора после при помощи формул:

;

Найдем и .

;

Имеем

;

Получили, что . Следовательно, включение в модель фактора после того, как в модель включен фактор статистически нецелесообразно: прирост факторной дисперсии за счет дополнительного признака оказывается незначительным, несущественным; фактор включать в уравнение после фактора не следует.

Если поменять первоначальный порядок включения факторов в модель и рассмотреть вариант включения после , то результат расчета частного -критерия для будет иным. , т.е. вероятность его случайного формирования меньше принятого стандарта . Следовательно, значение частного -критерия для дополнительно включенного фактора не случайно, является статистически значимым, надежным, достоверным: прирост факторной дисперсии за счет дополнительного фактора является существенным. Фактор должен присутствовать в уравнении, в том числе в варианте, когда он дополнительно включается после фактора .

6. Общий вывод состоит в том, что множественная модель с факторами и с содержит неинформативный фактор . Если исключить фактор , то можно ограничиться уравнением парной регрессии:

,.

Задача 3

Даны системы эконометрических уравнений

Требуется

1. Применив необходимое и достаточное условие идентификации, определите, идентифицируемо ли каждое из уравнений модели.

2. Определите метод оценки параметров модели.

3. Запишите в общем виде приведенную форму модели.

Вариант 2

Макроэкономическая модель (упрощенная версия модели Клейна):

где - потребление; - инвестиции; - доход; - налоги; - запас капитала; - текущий период; - предыдущий период.

Решение:

Модель представляет собой систему одновременных уравнений. Проверим каждое ее уравнение на идентификацию.

Модель включает три эндогенные переменные и четыре предопределенные переменные (две экзогенные переменные - и ).

Проверим необходимое условие идентификации для каждого из уравнений модели.

Первое уравнение: . Это уравнение содержит две эндогенные переменные и и одну предопределенную переменную . Таким образом, , а , т.е. выполняется условие . Уравнение идентифицируемо.

Второе уравнение: . Оно включает две эндогенные переменные и и одну экзогенную переменную . Выполняется условие . Уравнение идентифицируемо.

Третье уравнение: . Оно является тождество.

Проверим для каждого уравнения достаточное условие идентификации. Для этого составим матрицу коэффициентов при переменных модели.

I уравнение	-1	1	0		0
II уравнение	0	1	-1	0
III уравнение	1	-1	1	0	0

В соответствии с достаточным условием идентификации ранг матрицы коэффициентов при переменных, не входящих в исследуемое уравнение, должен быть равен числу эндогенных переменных модели без одного.

Первое уравнение. Матрица коэффициентов при переменных, не входящих в уравнение, имеет вид

II уравнение	-1
III уравнение	1	0

Ранг данной матрицы равен трем, так как определитель квадратной подматрицы не равен нулю:

Достаточное условие идентификации для данного уравнения выполняется.

Второе уравнение. Матрица коэффициентов при переменных, не входящих в уравнение, имеет вид

I уравнение	-1
III уравнение	1	0

Ранг данной матрицы равен трем, так как определитель квадратной подматрицы не равен нулю:

Достаточное условие идентификации для данного уравнения выполняется.

Таким образом, все уравнения модели сверхидентифицируемы. Приведенная форма модели в общем виде будет выглядеть следующим образом:

Задача 4

Имеются условные данные об объемах потребления электроэнергии () жителями региона за 16 кварталов.

Требуется:

1. Построить автокорреляционную функцию и сделать вывод о наличии сезонных колебаний.

2. Построить аддитивную модель временного ряда (для нечетных вариантов) или мультипликативную модель временного ряда (для четных вариантов).

3. Сделать прогноз на 2 квартала вперед.

Варианты 1, 2

1	5,8	9	7,9
2	4,5	10	5,5
3	5,1	11	6,3
4	9,1	12	10,8
5	7,0	13	9,0
6	5,0	14	6,5
7	6,0	15	7,0
8	10,1	16	11,1

Построим поле корреляции:

Рис. 1

Уже исходя из графика видно, что значения образуют пилообразную фигуру. Рассчитаем несколько последовательных коэффициентов автокорреляции. Для этого составляем первую вспомогательную таблицу.

Таблица 2

1	5,8
2	4,5	5,8	-2,89333	-1,24	3,587733333	8,371377778	1,5376
3	5,1	4,5	-2,29333	-2,54	5,825066667	5,259377778	6,4516
4	9,1	5,1	1,706667	-1,94	-3,310933333	2,912711111	3,7636
5	7	9,1	-0,39333	2,06	-0,810266667	0,154711111	4,2436
6	5	7	-2,39333	-0,04	0,095733333	5,728044444	0,0016
7	6	5	-1,39333	-2,04	2,8424	1,941377778	4,1616
8	10,1	6	2,706667	-1,04	-2,814933333	7,326044444	1,0816
9	7,9	10,1	0,506667	3,06	1,5504	0,256711111	9,3636
10	5,5	7,9	-1,89333	0,86	-1,628266667	3,584711111	0,7396
11	6,3	5,5	-1,09333	-1,54	1,683733333	1,195377778	2,3716
12	10,8	6,3	3,406667	-0,74	-2,520933333	11,60537778	0,5476
13	9	10,8	1,606667	3,76	6,041066667	2,581377778	14,1376
14	6,5	9	-0,89333	1,96	-1,750933333	0,798044444	3,8416
15	7	6,5	-0,39333	-0,54	0,2124	0,154711111	0,2916
16	11,1	7	3,706667	-0,04	-0,148266667	13,73937778	0,0016
Сумма	110,9	105,6	9,77E-15	-8,88E-16	8,854	65,60933333	52,536
Среднее значение	7,393333	7,04

Следует заметить, что среднее значение получается путем деления не на 16, а на 15, т.к. у нас теперь на одно наблюдение меньше.

Теперь вычисляем коэффициент автокорреляции первого порядка:

.

Составляем вспомогательную таблицу для расчета коэффициента автокорреляции второго порядка.

Таблица 3

1	2	3	4	5	6	7	8
1	5,8
2	4,5
3	5,1	5,8	-2,5	-1,242857143	3,107142857	6,25	1,544694
4	9,1	4,5	1,5	-2,542857143	-3,814285714	2,25	6,466122
5	7	5,1	-0,6	-1,942857143	1,165714286	0,36	3,774694
6	5	9,1	-2,6	2,057142857	-5,348571429	6,76	4,231837
7	6	7	-1,6	-0,042857143	0,068571429	2,56	0,001837
8	10,1	5	2,5	-2,042857143	-5,107142857	6,25	4,173265
9	7,9	6	0,3	-1,042857143	-0,312857143	0,09	1,087551
10	5,5	10,1	-2,1	3,057142857	-6,42	4,41	9,346122
11	6,3	7,9	-1,3	0,857142857	-1,114285714	1,69	0,734694
12	10,8	5,5	3,2	-1,542857143	-4,937142857	10,24	2,380408
13	9	6,3	1,4	-0,742857143	-1,04	1,96	0,551837
14	6,5	10,8	-1,1	3,757142857	-4,132857143	1,21	14,11612
15	7	9	-0,6	1,957142857	-1,174285714	0,36	3,830408
16	11,1	6,5	3,5	-0,542857143	-1,9

контрольная работа "Эконометрические задачи" скачать

Подобные документы

• Расчет и анализ экономических показателей путем построения уравнения парной линейной регрессии

  Исследование зависимости часового заработка одного рабочего от общего стажа работы после окончания учебы с помощью построения уравнения парной линейной регрессии. Вычисление описательных статистик. Построение поля корреляции и гипотезы о форме связи.
  
  контрольная работа [226,6 K], добавлен 11.08.2015
  

• Построение эконометрических моделей

  Исследование зависимости сменной добычи угля на одного рабочего от мощности пласта путем построения уравнения парной линейной регрессии. Построение поля корреляции. Определение интервальных оценок заданных коэффициентов. Средняя ошибка аппроксимации.
  
  контрольная работа [2,1 M], добавлен 09.08.2013
  

• Корреляционный и регрессионный анализ

  Построение 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 05.05.2010
  

• Расчет параметров парной линейной регрессии

  Определение количественной зависимости массы пушного зверька от его возраста. Построение уравнения парной регрессии, расчет его параметров и проверка адекватности. Оценка статистической значимости параметров регрессии, расчет их доверительного интервала.
  
  лабораторная работа [100,5 K], добавлен 02.06.2014
  

• Эконометрические методы исследования накоплений имущества

  Построение корреляционного поля между накоплениями и стоимостью имущества. Расчет коэффициентов линейного уравнения множественной регрессии, статистическая значимость уравнения. Точечный и интервальный прогноз накоплений. Парная и частная корреляция.
  
  контрольная работа [145,3 K], добавлен 12.09.2013
  

• Эконометрика

  Построение 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 11.04.2015
  

• Эконометрические расчеты в экономике

  Экономическое моделирование хозяйственных процессов. Множественная модель уравнения регрессии. Уравнение парной линейной регрессии, поиск необходимых значений. Выбор одного из значимых признаков для построения парной модели, расчет показателей.
  
  контрольная работа [117,6 K], добавлен 17.04.2015
  

• Регрессионный анализ

  Анализ метода наименьших квадратов для парной регрессии, как метода оценивания параметров линейной регрессии. Рассмотрение линейного уравнения парной регрессии. Исследование множественной линейной регрессии. Изучение ошибок коэффициентов регрессии.
  
  контрольная работа [108,5 K], добавлен 28.03.2018
  

• Расчет эконометрических параметров

  Построение модели парной регрессии и расчет индекса парной корреляции. Построение производственной функции Кобба-Дугласа, коэффициент детерминации . Зависимость среднедушевого потребления от размера дохода и цен. Расчет параметров структурной модели.
  
  контрольная работа [1,6 M], добавлен 05.01.2012
  

• Построение и анализ модели множественной регрессии

  Описание классической линейной модели множественной регрессии. Анализ матрицы парных коэффициентов корреляции на наличие мультиколлинеарности. Оценка модели парной регрессии с наиболее значимым фактором. Графическое построение интервала прогноза.
  
  курсовая работа [243,1 K], добавлен 17.01.2016
  

• Модель парной регрессии

  Выборка и генеральная совокупность. Модель множественной регрессии. Нестационарные временные ряды. Параметры линейного уравнения парной регрессии. Нахождение медианы, ранжирование временного ряда. Гипотеза о неизменности среднего значения временного ряда.
  
  задача [62,0 K], добавлен 08.08.2010
  

• Построение и анализ функции спроса на товар

  Построение эконометрической модели спроса в виде уравнений парной и множественной регрессии. Отбор факторов для построения функции потребления. Расчет коэффициентов корреляции и детерминации, проверка правильности выбранных факторов и формы связи.
  
  контрольная работа [523,7 K], добавлен 18.08.2010
  

• Уравнение линейной регрессии

  Расчет параметров уравнения линейной регрессии, экономическая интерпретация ее коэффициента. Проверка равенства математического ожидания уровней ряда остатков нулю. Построение степенной модели парной регрессии. Вариация объема выпуска продукции.
  
  контрольная работа [771,6 K], добавлен 28.04.2016
  

• Проверка гипотез относительно коэффициентов линейного уравнения регрессии

  Определение параметров линейной регрессии и корреляции с использованием формул и табличного процессора MS Excel. Методика расчета показателей парной нелинейной регрессии и корреляции. Вычисление значений линейных коэффициентов множественной детерминации.
  
  контрольная работа [110,4 K], добавлен 28.07.2012
  

• Линейные уравнения парной и множественной регрессии

  Расчет линейного коэффициента парной и частной корреляции. Статистическая значимость параметров регрессии и корреляции. Анализ корреляционного поля данных. Точность прогноза, расчет ошибки и доверительный интервал. Коэффициент множественной детерминации.
  
  контрольная работа [155,8 K], добавлен 11.12.2010
  

• Построение корреляции исследуемых зависимостей

  Изучение зависимости прибыли банков от вложений в уставные капиталы предприятий графическим методом подбора вида уравнения регрессии. Построение модели объема выпуска продукции по данным численности рабочих, элекровооруженности и потери рабочего времени.
  
  контрольная работа [166,2 K], добавлен 22.11.2010
  

• Построение регрессионной модели

  Порядок 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 29.01.2010
  

• Эконометрические задачи

  Исследование зависимости производительности труда от уровня механизации работ по данным 14 промышленных предприятий. Критическое значение статистики Фишера. Оценка параметров множественной линейной регрессии. Построение кривой и диаграммы рассеяния.
  
  контрольная работа [308,0 K], добавлен 17.05.2015
  

• Корреляционно-регрессионный анализ. Анализ сезонности потребления электроэнергии

  Построение поля корреляции, оценка тесноты связи с помощью показателей корреляции и детерминации, адекватности линейной модели. Статистическая надёжность нелинейных моделей по критерию Фишера. Модель сезонных колебаний и расчёт прогнозных значений.
  
  практическая работа [145,7 K], добавлен 13.05.2014
  

• Экономико-математическое моделирование

  Примеры решения задач линейного программирования в Mathcad и Excel. Нахождение минимума функции f(x1, x2) при помощи метода деформируемого многогранника. Построение многофакторного уравнения регрессии для решения экономико-статистической задачи.
  
  курсовая работа [1,3 M], добавлен 17.12.2011
  

Другие документы, подобные "Эконометрические задачи"

• главная
• рубрики
• по алфавиту
• вернуться в начало страницы
• вернуться к началу текста
• вернуться к подобным работам