- •Цель самостоятельной работы.
- •Выполнение самостоятельной работы.
- •1. Определение количества подсистем, а именно: числа малых предприятий fj , попадающих в каждый интервал.
- •2. Определение средних значений для каждого из интервалов как подсистем «входа» X
- •3. Определение средних значений для каждого из интервалов как подсистем «выхода» y
- •4. Определение среднего значения для системного случайного «входа»X.
- •5. Определение суммарной дисперсии и соответствующего среднеквадратического отклонения для системного случайного «входа» X.
- •6. Случайный «вход»X. Вычисление моды Мо как структурной системной средней.
- •7. Случайный «вход»X. Вычисление медианы Ме как второй структурной системной средней.
- •9. Системный подход и правило «трёх стандартов».
- •10. Системный подход и выборочный метод.
- •11. Системный подход и регрессионный анализ.
- •12. Системный подход и корреляционный анализ.
- •13. Экономический смысл уравнения регрессии.
- •14. Неизбежные потери точности при пользовании интервальным рядом.
- •Контрольные вопросы
- •Список использованной литературы
9. Системный подход и правило «трёх стандартов».
Вновь обращаясь к табл. 1, выясним, есть
ли резко выпадающие значения для
системного «входа»
X.
С этой целью воспользуемся правилом
«трёх стандартов» [2]. В нашем случае
стандарт sх
= 2,74. При этом 3sх
= 8,22;
+
3sх = 15,06;
-
3sх < 0.
Вывод 9. С точки зрения правила «трёх стандартов», в табл. 1 нет резко выделяющихся в ту или иную сторону значений системного «входа» X.
Обратим внимание, что в США в настоящее время для контроля качества продукции обычно используют правило не трёх, а «шести стандартов». Согласно этому правилу, например, из 1 млрд. деталей, изготавливаемых станком-автоматом, лишь одна деталь будет бракованной. В случае же правила «трёх стандартов» число бракованных деталей окажется уже равным 2,7 млн.
10. Системный подход и выборочный метод.
Рассмотрим элементы выборочного
метода. В нашем случае n
= 25 – объём рассматриваемой системы как
выборки, а N = 100 – объём
так называемой генеральной совокупности
[2] (в нашем случае – общее количество
малых предприятий сферы обслуживания
в городе Севастополе). С помощью теорем
П.Л. Чебышева и А.М. Ляпунова [2] полученный
нами результат для выборочной средней
можно распространить на случай генеральной
средней
:
(6)
Очевидно, исследуемая выборка (см. табл. 1) является бесповторной. Коэффициент t обычно называют «доверительным числом», учитывающим «меру риска». Так как распределение системного «входа» X является нормальным, то при α =5% доверительное число t = 1,96; при α = 0,27% t = 3; при α = 31,7% t = 1 и т. д.
Обратим также внимание на то, что случай t = 3 отвечает уже упоминавшемуся выше правилу «трёх стандартов».
Заметим также, что в нашем случае
рассматриваемая выборка является малой
(п < 30). Соответствующую теорию
малых выборок разработал английский
ученый Госсет, который взял себе псевдоним
Student. Следуя таблицам
Стьюдента, находим при α = 5%, что t
= tα = 2,06 [2].
Подставляя в формулу (6) числовые значения,
получаем:
.
Вывод 10: на уровне доверия 95% можно утверждать, что среднее значение стоимости основных производственных фондов (X, тыс. грн.) 100 малых предприятий сферы обслуживания Севастополя изменяется в пределах (6,09…7,59) тыс. грн.
11. Системный подход и регрессионный анализ.
Для изучения тесноты связи между стоимостью основных производственных фондов (X,тысяч грн.) и дневной выручкой (Y, тыс. грн.) в приложении к 25 малым предприятиям (МП) сферы обслуживания Севастополя необходимо рассчитать:
уравнение линейной регрессии: у* = а0 + а1х;
парный коэффициент корреляции;
коэффициент детерминации;
коэффициент эластичности.
Уравнение простой парной регрессии (у на х) имеет вид: у* = а0 + а1х.
Здесь у* - теоретическое значение «выхода» Y; а0 и а1 – параметры регрессии, определяемые с помощью метода наименьших квадратов (МНК), разработанного Лежандром и Гауссом около 200 лет назад.
Итоговые формулы МНК таковы [2]:
а1
= sху
/ s2х;
(7)
Здесь sху – ковариация «входа» и «выхода»; s2х – дисперсия «входа» Х как случайной величины. Обратим внимание, что в этом пункте «выход» Y измеряется, как и «вход» Х, в тыс. грн.
Кроме, того, добавим, что за переход от громоздкого исходного ряда к компактному интервальному (см. табл. 2) нужно платить потерей точности при осуществлении корреляционного анализа. Проиллюстрируем сказанное, вычисляя параметр а1 – угловой коэффициент прямой.
Исходный корреляционный ряд.
Из предыдущих вычислений известна дисперсия «входа» Х как случайной величины: s2х = Дх = 2,74.
Вычислим ковариацию [2]:
(8)
Таблица 3
Вычисление ковариации «входа» и «выхода»
для исходного вариационного ряда (см. табл. 1)
№ |
хiуi |
№ |
хiуi |
1 |
1,20 |
14 |
8,20 |
2 |
1,84 |
15 |
7,29 |
3 |
2,53 |
16 |
3,93 |
4 |
2,06 |
17 |
2,25 |
5 |
1,14 |
18 |
9,46 |
6 |
0,34 |
19 |
5,35 |
7 |
4,65 |
20 |
4,99 |
8 |
3,40 |
21 |
1,68 |
9 |
1,52 |
22 |
3,28 |
10 |
2,06 |
23 |
11,13 |
11 |
4,94 |
24 |
7,80 |
12 |
3,90 |
25 |
5,95 |
13 |
10,41 |
|
∑ = 110 |
Из
маргинальной суммы табл. 3 находим
.
Зная
и
,
получаем из формулы (7) а1
= 0,066. Тогда
Таким образом, уравнение простой парной регрессии имеет вид
у* = 0,12 + 0,066х.
Здесь «вход» и выход измеряются в тыс. грн.
