Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
ППУР.doc
Скачиваний:
1
Добавлен:
01.03.2025
Размер:
245.25 Кб
Скачать

4. Определить наиболее вероятные объемы продаж в 13, 14 и 15 месяцы

После того как мы получили прогнозирующую функцию, можно прогнозировать развитие процесса в будущем. Для этого надо просто подставить в полученную формулу (12) значения t = 13, 14, 15.

Расчеты выполним по формулам:

y13 = 24,447*EXP(0,127*13) =24,447*EXP(1,651) =127,42

y14 = 24,447*EXP(0,127*14) =24,447*EXP(1,778) = 144,68

y15 = 24,447*EXP(0,127*15) =24,447*EXP(1,905) =164,283

5. Оценить правильность подбора прогнозирующей функции с помощью остаточной дисперсии, остаточного среднеквадратического отклонения и индекса корреляции

Рассчитаем правильность подбора прогнозирующей функции (в нашем случае – экспоненциальной), сравнив её с другой прогнозной функцией ­— прямой линией.

Для расчета статистических показателей воспользуемся формулами.

Вычислим значение средней арифметической yср:

yср = = 740 : 12= 61,67

Рассчитаем статистические показатели, для чего промежуточные данные вычислений (для суммарных значений) запишем в табличной форме:

Месяцы

Объем продаж (yt)

Значения прогнозирующей функции

Значения

( yt – ytэкс )2

( yt – ytлин )2

( yt yср)2

Экспоненциальная

yt= a*eхр(bt)

Линеной

( yt – ytэкс )2

Экспоненциальная

yt= a* eхр (bt)

( yt – ytлин )2

Линейной

1

25

27,748

21,511

7,551

12,173

1344,69

2

37

31,512

28,812

30,118

67,043

608,609

3

32

35,766

36,113

14,183

16,917

880,309

4

48

40,606

43,414

54,671

21,031

186,869

5

35

46,131

50,715

123,9

246,961

711,289

6

53

52,365

58,016

0,403

25,160

75,169

7

72

59,455

65,317

157,38

44,662

106,709

8

65

67,522

72,618

6,360

58,033

11,089

9

83

76,665

79,919

40,132

9,45

454,969

10

95

87,031

87,22

63,505

60,53

1110,889

11

87

98,84

94,521

140,186

56,565

641,609

12

108

112,211

101,822

17,732

38,168

2146,469

Всего

740

735,852

739,998

656,121

656,693

8278,67

( yt – ytэкс )2

1= (25-27,748)2 = 7,551

2 = (37-31,512)2 =30,118

3= (32-35,766)2 = 14,183

4= (48-40,606)2 = 54,671

5= (35-46,131)2 = 123,9

6= (53-52,365)2 =0,403

7 = (72-59,455)2 = 157,38

8 = (65-67,522)2 = 6,360

9 = (83-76,665)2 = 40,132

10 = (95-87,031)2 = 63,505

11 = (87-98,84)2 = 140,186

12 = (108-112,211)2 = 17,732

( yt – ytлин )2

1= (25-21,511)2 = 12,173

2 = (37-28,812)2 = 67,043

3= (32-36,113)2 = 16,917

4= (48-43,414)2 = 21,031

5= (35-50,715)2 = 246,961

6= (53-58,016)2 = 25,160

7 = (72-65,317)2 = 44,662

8 = (65-72,618)2 = 58,033

9 = (83-79,919)2 = 9,45

10 = (95-87,22)2 = 60,53

11 = (87-94,521)2 = 56,565

12 = (108-101,822)2 = 38,168

( yt – yср)2

1= (25-61,67)2 = 1344,69

2 = (37-61,67)2 =608,609

3= (32-61,67)2 =880,309

4= (48-61,67)2 =186,869

5= (35-61,67)2 =711,289

6= (53-61,67)2 =75,169

7 = (72-61,67)2 =106,709

8 = (65-61,67)2 = 11,089

9 = (83-61,67)2 = 454,969

10 = (95-61,67)2 =1110,889

11 = (87-61,67)2 = 641,609

12 = (108-61,67)2 = 2146,469

Вычислим значения σ2ост, σост , V

Для экспоненциальной функции:

1. Остаточная дисперсия

σ2ост= = 656,121: 12 =54,7;

2. Остаточное среднеквадратическое отклонение

σост = = 7,396;

3. Коэффициент вариации

V= ( )* 100% = 7,396: 61,67*100% =11,993

Для линейной функции:

1. Остаточная дисперсия

σ2ост= = 656,693: 12 = 54,724;

2. Остаточное среднеквадратическое отклонение

σост = =7,397;

3. Коэффициент вариации

V= ( )* 100% = 7,397: 61,67*100% =11,994

При сравнении получаем, что для экспоненциальной функции они меньше , чем для линейной. Следует, что подходит для уравнения прогноза больше экспоненциальная .

Чтобы вычислить индекс корреляции Ry/t , необходимо вычислить общую дисперсию σ2общ по формуле:

σ2общ= = 8278,67 : 12 = 689,9

Причем она одинакова для любой прогнозирующей функции (для экспоненциальной и линейной).

Рассчитаем значение индекса корреляции Ry/t :

Для экспоненциальной функции:

Ry/t = = = = 0,959

Для линейной функции:

Ry/t = = = = 0,921

Чем больше индекс корреляции, тем сильнее взаимодействие между переменными t и yt .Значение индекса корреляции приближается к 1, т.е. весьма высоко, что указывает на значительную связь между переменными. Для экспоненциальной функции оно выше и по этому критерию она подходит больше, чем линейная.

7.Построить графики изменения объема продаж во времени, скользящей средней и прогнозирующей функции вида =f(t)

Месяцы

1

2

3

4

5

6

7

8

9

10

11

12

Объем продаж (тыс. руб.)

25

37

32

48

35

53

72

65

83

95

87

108

Скользящие средние

31,3

39

38,3

45,3

53,3

63,3

73,3

81

88,3

96,7

Прогнозирующая экспоненциальная функция

27,748

31,512

35,766

40,606

46,131

52,365

59,455

67,522

76,665

87,031

98,84

112,211

10