- •Экономико-математические методы в логистике
- •Практическое занятие № 1
- •Практическое занятие № 2
- •Задание 2.1. В таблице 2.1 представлены объёмы продаж (тыс.Руб.) за последние 11 кварталов. Необходимо построить линейную модель тренда.
- •Практическое занятие № 3
- •Практическое занятие № 4
- •Практическое занятие № 5
- •0.6; 0.2.
- •Практическое занятие № 6
- •Практическое занятие № 7
- •Практическое занятие № 8
Практическое занятие № 2
Методы прогнозирования в задачах логистики: метод наименьших квадратов (линейная модель тренда). Точечный и интервальный прогнозы.
Целью практического занятия является рассмотрение метода наименьших квадратов для расчёта параметров линейной модели тренда.
Задание 2.1. В таблице 2.1 представлены объёмы продаж (тыс.Руб.) за последние 11 кварталов. Необходимо построить линейную модель тренда.
Таблица 2.1
Объем продаж
Квартал |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
11 |
Объем продаж |
2 |
5,8 |
5,3 |
5,9 |
8 |
7,8 |
8,0 |
9,9 |
10 |
13,8 |
16,3 |
Порядок выполнения задания:
Построим график представленных данных (рис.2.1), для определения типа модели тренда.
Рис.2.1 Динамика объёма продаж
Выбираем линейную модель тренда . Найдем коэффициентыa и b для данной модели с помощью метода наименьших квадратов (МНК) следующим образом:
(2.1)
(2.2)
Данные для расчёта коэффициентов представлены в табличной форме (табл.2.2).
Таблица 2.2
Форма таблицы для расчета параметров линейной модели
Квартал |
x |
y |
x2 |
xy |
1 |
1 |
2 |
1 |
2 |
2 |
2 |
5,8 |
4 |
11,6 |
3 |
3 |
5,3 |
9 |
15,9 |
4 |
4 |
5,9 |
16 |
23,6 |
5 |
5 |
8 |
25 |
40 |
6 |
6 |
7,8 |
36 |
46,8 |
7 |
7 |
8,3 |
49 |
58,1 |
8 |
8 |
9,9 |
64 |
79,2 |
9 |
9 |
10 |
81 |
90 |
10 |
10 |
13,8 |
100 |
138 |
11 |
11 |
16,3 |
121 |
179,3 |
Сумма |
66 |
93,1 |
506 |
684,5 |
Результаты расчёта линейной модели выглядят следующим образом:
, .
(2.3)
Оценим точность и достоверность найденной модели корреляционным отношением .
(2.4)
где – дисперсия ошибки, – дисперсия данных.
. (2.5)
. (2.6)
–среднее значение данных, n – количество наблюдений, в рассматриваемом примере n=11, – число параметров, степеней свободы. Для линейной модели=2.
Интерпретируем полученное корреляционное отношение, сравнивая его значение с 1. Близость к единице говорит о высокой корреляции данных и модели прогноза, об адекватности и точности найденной модели.
Задание для самостоятельной работы:
Задание 2.2. Заданы объёмы продаж (тыс.руб.) продукции за 7 месяцев, представленные в таблице 2.2. Определите количество месяцев, на которые можно построить линейный прогноз по представленным данным и найдите его. Оцените адекватность найденной линейной модели.
Таблица 2.2
Объем отгрузок, тыс.руб.
Месяц |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
Объем продаж |
160 |
155 |
170 |
168 |
190 |
193 |
200 |
Практическое занятие № 3
Методы прогнозирования в задачах логистики: Точечный и интервальный прогнозы.
Целью практического занятия является построение точечного и интервального прогнозов при заданной величине риска.
Задание 3.1. На основании данных (табл.3.1) представить прогноз продаж на последующие два квартала, построить доверительные границы прогноза для доверительной вероятности β=0,1. Построить график точечного и интервального прогнозов.
Таблица 3.1
Объем продаж
Квартал |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
11 |
Объем продаж |
2 |
5,8 |
5,3 |
5,9 |
8 |
7,8 |
8,0 |
9,9 |
10 |
13,8 |
16,3 |
Порядок выполнения задания:
Найдём прогноз продаж на 12 и 13 кварталы по найденной линейной модели тренда (2.3):
Рассчитаем – среднеквадратическую ошибку найденной модели.
(3.1)
(3.2)
(3.3)
Найдём табличный коэффициент Стьюдента – для заданной доверительной вероятности β=0,1; количество точек наблюдения n=11; число степеней свободы =2. Данный коэффициент можно найти либо по таблице значений критерия Стьюдента, либо воспользоваться встроенной функцией Excel «СТЬЮДРАСПОБР(β; n–)». Для данных Задания 3.1
Вычислим – верхнюю и– нижнюю доверительные границы прогноза.
(3.4)
Данные для расчёта нижней и верхней границ прогноза представлены в табличной форме (табл.3.1).
Таблица 3.1
Форма таблицы для расчёта доверительных границ
x |
y | ||||||
1 |
2 |
2,74 |
0,55 |
25 |
0,76 |
1,35 |
4,134 |
2 |
5,8 |
3,89 |
3,67 |
16 |
0,66 |
2,68 |
5,087 |
3 |
5,3 |
5,03 |
0,07 |
9 |
0,56 |
4,00 |
6,057 |
4 |
5,9 |
6,17 |
0,08 |
4 |
0,48 |
5,29 |
7,056 |
5 |
8 |
7,32 |
0,46 |
1 |
0,43 |
6,54 |
8,1 |
6 |
7,8 |
8,46 |
0,44 |
0 |
0,41 |
7,72 |
9,208 |
7 |
8,3 |
9,61 |
1,71 |
1 |
0,43 |
8,83 |
10,39 |
8 |
9,9 |
10,75 |
0,73 |
4 |
0,48 |
9,87 |
11,63 |
9 |
10 |
11,90 |
3,60 |
9 |
0,56 |
10,87 |
12,92 |
10 |
13,8 |
13,04 |
0,58 |
16 |
0,66 |
11,84 |
14,24 |
11 |
16,3 |
14,19 |
4,47 |
25 |
0,76 |
12,79 |
15,58 |
∑ |
93,1 |
93,097 |
16,35 |
110 |
|
|
|
Построим график фактических данных, точечного и интервального прогнозов (рис 3.1.).
На рис.3.1 кривая «1» – фактические данные динамики продаж; кривая «2» – точечный прогноз, линейный тренд; кривая «3» – верхняя доверительная граница интервального прогноза; кривая «4» – нижняя доверительная граница интервального прогноза.
Рис.3.1 Точечный и интервальный прогноз объёма продаж
Задание для самостоятельного решения:
Задание 3.2. В таблице 3.2 представлены объёмы продаж (тыс.руб.) за последние 7 месяцев. Необходимо построить интервальный прогноз на последующие 2 месяца для доверительной вероятности β=0,05. Построить графики динамики продаж, точечного и интервального прогнозов, полученных МНК.
Таблица 3.2
Объем продаж
Месяц |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
Объем продаж |
160 |
155 |
170 |
168 |
190 |
193 |
200 |