| Код | 520528 |
| Дата создания | 2022 |
|
Мы сможем обработать ваш заказ (!) 6 мая в 12:00 [мск]
Файлы будут доступны для скачивания только после обработки заказа.
|
|
Имеются данные об объемах производства продукции на предприятии:
2007
2008
2009
2010
2011
2012
2013
2014
2015
2016
Мыло туалетное, т
102,0
99,8
93,2
89,3
89,2
88,2
88,5
80,5
78,4
78,1
1. Проведите сглаживание динамического ряда методом трехзвенной скользящей средней.
2. Постройте линейную модель тренда, оцените ее параметры методом наименьших квадратов.
3. Оцените качество построенной модели и её пригодность для прогнозирования.
4. Постройте точечный и интервальный прогноз объема производства на 2017 и 2018 годы.
5. Изобразите на графике фактические уровни ряда, сглаженные уровни ряда и тренд.
6. Интерпретируйте полученные результаты, сделайте выводы.
Имеются условные данные о сети филиалов фирмы:
№ филиала
Инвестиции в основной капитал, руб. (Y)
Объем выпуска продукции, руб. (X)
1
90945
1008678
2
40149
271236
3
47734
192826
4
122963
693054
5
28381
106934
6
67292
215760
7
13515
136074
8
44836
404965
9
94387
357104
10
345301
781483
11
20717
273121
12
36644
267743
13
47222
151175
14
50019
369509
15
80501
181451
16
66028
262714
17
63595
185683
1. Постройте линейное уравнение регрессии с одной объясняющей переменной.
2. Дайте экономическую интерпретацию коэффициента регрессии a1.
3. Выполните корреляционный анализ, т.е. вычислите линейный коэффициент корреляции и теоретическое корреляционное отношение (индекс корреляции). Сделайте вывод о тесноте и направленности связи между Y и X.
4. Вычислите коэффициент детерминации. Сделайте вывод.
5. Выполните дисперсионный анализ. Протестируйте статистическую гипотезу о достоверности уравнения регрессии при уровне значимости α=0,05. Сделайте вывод.
6. Вычислите среднюю относительную ошибку аппроксимации. Сделайте вывод о возможности использования регрессионной модели для прогнозирования и управления.
1. По учету фактора времени модели подразделяются на:
а. детерминированные и стохастические;
б. статические и динамические;
в. стабильные и нестабильные;
г. открытые и замкнутые.
2. Тренд – это:
а. форма проявления причинно-следственных связей между признаками;
б. аналитическая функция, описывающая тенденцию изменения явления;
в. основное направление развития явления.
3. Какая составляющая временного ряда отражает влияние на него факторов, не поддающихся учету и регистрации:
а. корелограмма;
б. лаг;
в. случайная компонента;
г. тренд?
4. В зависимости от уровня изучаемого процесса модели прогноза бывают:
а. отраслевые;
б. дискретные;
в. локальные.
5. Пусть имеется тенденция роста спроса на определенный товар. Модель тренда выражает эту тенденцию в форме зависимости:
а. от уровня средней заработной платы;
б. от цены на товар;
в. от количества средств, затрачиваемых на рекламу;
г. от времени;
д. от численности населения.
6. Период упреждения прогноза – это:
а. рассматриваемый период исходных данных;
б. период времени от последнего уровня исходных данных до момента, на который строится прогноз;
в. значение последнего уровня исходных данных.
7. Какое значение может принимать коэффициент детерминации:
а. 0,4;
б. –0,5;
в. –1,2;
г. 1,1?
8. Если коэффициент корреляции отрицателен, то в линейной модели:
а. с ростом X уменьшается Y;
б. с повышением X увеличивается Y;
в. с уменьшением X растет Y;
г. с ростом X не меняется Y.
9. Величина коэффициента эластичности показывает:
а. во сколько раз изменится в среднем результат при изменении фактора в два раза;
б. на сколько процентов изменится в среднем результат при изменении фактора на 1%;
в. предельно допустимое изменение варьируемого признака;
г. предельно возможное значение результата.
10. Парный линейный коэффициент корреляции характеризует наличие тесной обратной связи. Он может принимать следующие значения:
а. 1,2;
б. -0,82;
в. 0,92;
г. -0,24.