- •Введение
- •Задача 1. Построение и использование производственной функции на основе парной линейной зависимости в пп excel
- •Задача 2. Построение производственной функции на основе парной нелинейной зависимости. Задачу решить на пэвм по программе «pro_fun».
- •Задача 3. Многомерный корреляционно-регрессионный и дисперсионный анализ. Решение задачи на пэвм в пп «pro_fun». Оценка результатов.
- •Задача 4. Решение общих задач линейного программирования - задачи симплексного типа.
- •Система ограничений:
- •Составим экономико-математическую модель задачи
- •Задача 6. Оптимизация строительства жилых и нежилых помещений в черте города на основе транспортной модели. Решение задачи на пэвм по программе «rasp».
- •Задача 7. Оптимизация плана закрепления городских земель за бригадами при проведении мониторинга с целью минимизации расходов.
- •Заключение
- •Список используемых источников
Задача 1. Построение и использование производственной функции на основе парной линейной зависимости в пп excel
Построение и использование производственной функции на основе парной линейной зависимости в ПП EXCEL
Цель: Обработать информацию по выше распределённым вариантам в результате анализа оставить только те пары выборки, которые входят в 5-процентный интервал диапазона дисперсионного отклонения рыночной стоимости квартиры от линии тренда. По этим данным составить таблицу 1 исходных данных для построения производственной функции.
Таблица 1 – Исходные данные
№ п/п (j) |
Площадь квартиры, м2 (Xj) |
Стоимость квартиры, млн. руб., (Yj) |
1 |
32 |
6,8 |
2 |
51 |
11,2 |
3 |
39 |
7,8 |
4 |
62 |
12,2 |
5 |
32 |
5,5 |
6 |
45 |
8,2 |
7 |
72 |
11,95 |
8 |
64 |
13,5 |
9 |
44 |
7 |
10 |
59 |
9,7 |
11 |
37 |
7,8 |
12 |
50 |
8,45 |
13 |
52 |
13,4 |
14 |
40 |
7,5 |
15 |
31 |
6,2 |
Внести следующие изменения:
Величину фактора Х увеличить на 82,
Величину фактора У увеличить на 2.
Таблица 2 - Статистическая информация (одно-, двух-, трех-комнатные квартиры в панельных домах САО г. Москвы)
№ п/п (j) |
Площадь квартиры, м2 (Xj) |
Стоимость квартиры, млн. руб., (Yj) |
1 |
114 |
8,8 |
2 |
133 |
13,2 |
3 |
121 |
9,8 |
4 |
144 |
14,2 |
5 |
114 |
7,5 |
6 |
127 |
10,2 |
7 |
154 |
13,95 |
8 |
146 |
15,5 |
9 |
126 |
9 |
10 |
141 |
11,7 |
11 |
119 |
9,8 |
12 |
132 |
10,45 |
13 |
134 |
15,4 |
14 |
122 |
9,5 |
15 |
113 |
8,2 |
Для определения зависимости между значением площади и стоимостью квартиры построим график в двумерной системе координат (x,y), где у – стоимость квартиры, х – площадь квартиры (рис. 1).
Рис. 1. Графическое представление зависимости между значением стоимости квартиры и площадью квартиры
Рассчитываем статические оценочные характеристики производственной функции на основе многомерного корреляционно-регрессионного и дисперсионного анализа.
ВЫВОД ИТОГОВ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Регрессионная статистика |
|
|
|
|
|
|
|
|
Множественный R |
0,857623669 |
|
|
|
|
|
|
|
R-квадрат |
0,735518357 |
|
|
|
|
|
|
|
Нормированный R-квадрат |
0,715173615 |
|
|
|
|
|
|
|
Стандартная ошибка |
1,416059751 |
|
|
|
|
|
|
|
Наблюдения |
15 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Дисперсионный анализ |
|
|
|
|
|
|
|
|
|
df |
SS |
MS |
F |
Значимость F |
|
|
|
Регрессия |
1 |
72,49440550 |
72,49440550 |
36,15274975 |
4,35492E-05 |
|
|
|
Остаток |
13 |
26,06792784 |
2,005225218 |
|
|
|
|
|
Итого |
14 |
98,56233333 |
|
|
|
|
|
|
|
Коэффициенты |
Стандартная ошибка |
t-статистика |
P-Значение |
Нижние 95% |
Верхние 95% |
Нижние 95,0% |
Верхние 95,0% |
Y-пересечение |
-12 |
3,866943355 |
-3,103226217 |
0,008394475 |
-20,35402322 |
-3,645976779 |
-20,35402322 |
-3,645976779 |
Переменная X 1 |
0,178969072 |
0,029765098 |
6,012715672 |
4,35492E-05 |
0,114665487 |
0,243272657 |
0,114665487 |
0,243272657 |
Форма уравнения регрессии (полином 1-й степении 1 переменных):
Yсглаж = -12.0000 + 0.1790*X1
Матрица основных результатов:
=================================================================
| | | | | | |
| i | Yнабл| X1| X1*X1| Y*X1| Yсглаж|
| | | | | | |
=================================================================
| 1 | 8.80| 114.00| 12996.00| 1003.20| 8.40|
| 2 | 13.20| 133.00| 17689.00| 1755.60| 11.80|
| 3 | 9.80| 121.00| 14641.00| 1185.80| 9.66|
| 4 | 14.20| 144.00| 20736.00| 2044.80| 13.77|
| 5 | 7.50| 114.00| 12996.00| 855.00| 8.40|
| 6 | 10.20| 127.00| 16129.00| 1295.40| 10.73|
| 7 | 13.95| 154.00| 23716.00| 2148.30| 15.56|
| 8 | 15.50| 146.00| 21316.00| 2263.00| 14.13|
| 9 | 9.00| 126.00| 15876.00| 1134.00| 10.55|
|10 | 11.70| 141.00| 19881.00| 1649.70| 13.23|
|11 | 9.80| 119.00| 14161.00| 1166.20| 9.30|
|12 | 10.45| 132.00| 17424.00| 1379.40| 11.62|
|13 | 15.40| 134.00| 17956.00| 2063.60| 11.98|
|14 | 9.50| 122.00| 14884.00| 1159.00| 9.83|
|15 | 8.20| 113.00| 12769.00| 926.60| 8.22|
-----------------------------------------------------------------
|Sum| 167.20| 1940.00| 253170.00| 22029.60| 167.20|
-----------------------------------------------------------------
|S/N| 11.15| 129.33| 16878.00| 1468.64| 11.15|
=================================================================
Матрица коэффициентов парной корреляции
| Y X1
---------------
Y | 1.00 0.86
X1 | 0.86 1.00
Коэффициент множественной корреляции
и среднеквадратичная ошибка его определения:
Rлин = 0.857624; SigmaRлин = 0.142635
Доверительные границы по уровню P=0.9 для коэффициента
множественной корреляции из генеральной совокупности:
0.828994 <= Rлин.ген <= 0.867382
Корреляционное отношение
и среднеквадратичная ошибка его определения:
Rотн = 0.857624; SigmaRотн = 0.142635
Доверительные границы по уровню P=0.9 для корреляционного
отношения из генеральной совокупности:
0.828994 <= Rотн.ген <= 0.867382
Коэффициент детерминации:
Bdet = 0.735520
Выборочная оценка стандартного отклонения случайной величины Y от
линии регрессии:
SigmaY = 1.4161
Дисперсия поверхности регрессии Dрег = 5.178226
(СКО поверхности регрессии Sрег = 2.275571)
Дисперсия отклонений Yнабл от поверхности регрессии Dост = 1.861995
(СКО Yнабл от поверхности регрессии Sост = 1.364549)
Дисперсия отклонений Yнабл от среднего значения Dyj_yсред = 7.040167
(СКО Yнабл от среднего значения Syj_yсред = 2.653331)
Доверительные границы [Y1,Y2] для истинных значений Y при различных
значениях X (уровень доверительной вероятности P=0.9) с учетом
отклонений Y от линии регрессии (Yсглаж) и ошибок определения
положения самой линии регрессии:
X | Y1 Y2 || Yсглаж
-----------------------------------------------------------------
113.0000 | 5.4942 10.9531 || 8.2236
116.2667 | 6.1281 11.4884 || 8.8082
119.5333 | 6.7518 12.0340 || 9.3929
122.8000 | 7.3646 12.5904 || 9.9775
126.0667 | 7.9663 13.1580 || 10.5622
129.3333 | 8.5567 13.7369 || 11.1468
134.2667 | 9.4266 14.6328 || 12.0297
139.2000 | 10.2708 15.5544 || 12.9126
144.1333 | 11.0905 16.5006 || 13.7955
149.0667 | 11.8873 17.4696 || 14.6785
154.0000 | 12.6632 18.4595 || 15.5614
Матрица сглаженных значений Yсглаж в заданных точках
==========================
| X | Y |
==========================
| 113.00 | 8.22|
| 115.16 | 8.61|
| 117.32 | 9.00|
| 119.47 | 9.38|
| 121.63 | 9.77|
| 123.79 | 10.15|
| 125.95 | 10.54|
| 128.11 | 10.93|
| 130.26 | 11.31|
| 132.42 | 11.70|
| 134.58 | 12.09|
| 136.74 | 12.47|
| 138.89 | 12.86|
| 141.05 | 13.24|
| 143.21 | 13.63|
| 145.37 | 14.02|
| 147.53 | 14.40|
| 149.68 | 14.79|
| 151.84 | 15.18|
| 154.00 | 15.56|
Коэффициент вариации
Cу= = 1,4161/11,15*100%=12,7%
ВЫВОД
|
Статистические характеристики |
||||||
Статистическая значимость переменных и адекватность модели объективной реальности |
|||||||
№ п/п |
Вид регрессионной модели |
r |
σr |
R |
σR |
D |
Sy |
1 |
Линейная Y = 0,179x - 12 |
0,857623669 |
|
|
|
0,735518357 |
1,416059751 |
2 |
Линейная (полином 1-й степени) Yсглаж = -12.0000 + 0.1790*X1 |
0,857624 |
0,142635 |
0,857624 |
0,142635 |
0,735520 |
1,4161 |
Статистические характеристики, показывающие статистическую значимость переменных:
Коэффициент множественной корреляции – r, среднеквадратичная ошибка его определения σr; корреляционное отношение – R, среднеквадратичная ошибка его определения σR;
Показывающее адекватность модели объективной реальности;
Коэффициент детерминации – D;
Выборочную оценку стандартного отклонения случайной величины Y от линии регрессии - Sy
Вывод по 1 задаче
1. Значение коэффициента корреляции 0,86 в каждой из функций показывает высокую степень линейной корреляции величин y и x.
2. Корреляционное отношение во 2 функции, равное 0,86, свидетельствует о соответствии принятого уравнения регрессии к реальной статистической картине.
3. Коэффициент детерминации D=0,74 в обоих функциях характеризует какая доля изменений величины y обусловлена изменением фактора x. Коэффициент детерминации показывает, что 74% изменений величины y вызвано изменениями производственного фактора x, a 26% обусловлены влиянием неучтенных факторов.