Добавил:

Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.

Вуз:

Южно-Уральский Государственный Университет

Предмет:

[НЕСОРТИРОВАННОЕ]

Файл:

Metodicheskie_ukazania_po_kursu.docx

Скачиваний:

Добавлен:

22.11.2019

Размер:

778.78 Кб

Скачать

☆

<<< < Предыдущая 1 2 3 4 5 6 7 8 9 10 11 1213 / 1513 14 15 > Следующая >>>

6. Задачи

1. По территории Челябинской области за 2009 год для сотового оператора “Связь+” известна зависимость между расходами на сотовую связь от среднедушевого дохода.

№	Расходы на сотовую связь Z в месяц, руб. (Y)	Среднедушевой доход в месяц, руб. (X)
1	95,11	8909,91
2	97,40	9344,76
3	94,24	8781,18
4	98,35	9549,72
5	96,34	8948,40
6	99,34	9639,44
7	91,65	8456,32
8	90,13	8303,42
9	94,14	9122,34
10	96,08	9501,37
11	95,95	9487,40
12	95,30	9372,09
13	92,67	8887,73
14	94,50	9274,25
15	94,13	9216,46
16	90,41	8560,97
17	95,28	9477,28
18	92,15	8892,62
19	98,16	10100,39
20	93,80	9276,44
21	93,04	9155,44
22	97,08	10024,53
23	91,31	9037,52
24	97,33	10223,13
25	96,73	10130,69
26	91,97	9225,48
27	94,81	9838,94
28	90,94	9159,08
29	96,28	10169,84

Необходимо:

а) построить корреляционное поле, исходя из графического анализа, предположить функциональный вид модели;

б) разбить исходный ряд данных на рабочую и контрольную выборки;

в) на рабочей выборке построить линейную, экспоненциальную, логарифмическую, полулогарифмическую, степенную, гиперболическую, обратную и квадратическую модели;

г) оценить значимость коэффициентов регрессии для каждой построенной модели на уровне значимости 5%;

д) оценить значимость модели в целом и соответствие модели статистическим данным на уровне значимости 5%;

е) рассчитать ошибку аппроксимации, среднюю процентную и среднеквадратическую ошибки подгонки, сделать качественные выводы;

ж) проверить наличие гетероскедастичности и автокорреляции в остатках;

з) при наличии гетероскедастичности, сделать соответствующую поправку;

и) оценить прогностические свойства моделей на контрольной выборке;

к) выбрать наилучшую модель, построить выбранную регрессионную модель на всей выборке, оценить коэффициенты регрессии

2. Известны данные за май 2010 года по стоимости перевозки фруктов.

№	Стоимость перевозки 1 кг груза, руб.	Стоимость 1 кг груза, руб.	Удаленность, км
1	265,68	79,63	5,575
2	790,9	195,46	6,669
3	429,32	144,83	1,02
4	683,37	228,36	5,246
5	1023,26	212,37	25,82
6	871,69	166,37	4,774
7	978,56	206,19	28,85
8	754,99	195,05	29,61
9	1186,25	297,85	28,527
10	443,59	0,13	14,735
11	785,49	136,3	21,469
12	1012,22	183,66	24,913
13	779,94	36,63	26,401
14	634,5	184,48	5,466
15	716,22	118,2	24,965
16	191,45	68,92	4,885
17	442,5	90,03	9,083
18	572,54	139,06	19,97
19	844,16	249,6	14,673
20	882,88	89,57	15,44

Необходимо:

а) разбить исходный ряд данных на рабочую и контрольную выборки;

б) на рабочей выборке построить линейную, экспоненциальную, логарифмическую, полулогарифмическую, степенную, гиперболическую, обратную модели;

в) проверить исходные данные на наличие мультиколлинерности;

г) оценить значимость коэффициентов регрессии для каждой построенной модели;

д) оценить значимость модели в целом и соответствие модели статистическим данным;

ж) проверить наличие гетероскедастичности и автокорреляции в остатках;

з) при наличии гетероскедастичности, сделать соответствующую поправку;

и) оценить прогностические свойства моделей на контрольной выборке;

к) выбрать наилучшую модель, построить выбранную регрессионную модель на всей выборке, оценить коэффициенты регрессии.

3. Для десяти предприятий США за 205 год известны следующие показатели:

№	Чистый доход, млн.$ США ( )	Оборотный капитал, млн.$ США ( )	Использованный капитал, млн. $ США ( )
1	1,50	5,90	5,90
2	5,50	53,10	27,10
3	2,40	18,80	11,20
4	3,00	35,30	16,40
5	4,20	71,90	32,50
6	2,70	93,60	25,40
7	1,60	10,00	6,40
8	2,40	31,50	12,50
9	3,30	36,70	14,30
10	1,80	13,80	6,50

Необходимо:

а) на всей выборке построить линейную, экспоненциальную, логарифмическую, полулогарифмическую, степенную, гиперболическую, обратную модели;

б) проверить исходные данные на наличие мультиколлинерности;

в) оценить значимость коэффициентов регрессии для каждой построенной модели;

г) оценить значимость модели в целом и соответствие модели статистическим данным;

д) рассчитать ошибку аппроксимации, среднюю процентную и среднеквадратическую ошибки подгонки, сделать качественные выводы;

е) проверить наличие гетероскедастичности и автокорреляции в остатках;

ж) при наличии гетероскедастичности, сделать соответствующую поправку;

з) оценить прогностические свойства моделей, выбрать наилучшую.

4. За февраль – март 2009 года были собраны статистические данные о стоимости однокомнатных квартир в Центральном районе города Челябинска:

Серия квартиры:

- Ленинградский проект

- Полнометражная квартира

- 121 серия

- “брежневка” (Бр)

- хрущевка (Хр)

- 97 серия (97)

- ленинградский проект (Лп)

- элитная планировка (Элит)

Общая площадь квартиры, кв.м
Жилая площадь квартиры, кв.м
Этаж
Этажность (высота дома)
Расстояние до центра, км
Застеклен балкон или нет
Есть ли интернет или нет
Есть ли евроокно или нет
Есть ли железная дверь или нет
Наличие стационарного телефона
Стоимость квартиры, тыс. руб.

№	Серия	S общая, кв.м	S жилая, кв.м	Этаж	Этаж-ность	км до центра	Балкон застеклен	Интер-нет	Евро-окна	Железн. дверь	Теле-фон	Стоимость
1	Лп	34	14	4	9	1,98	Есть	Нет	Нет	Есть	Есть	1380
2	Пм	36	17	8	9	1,60	Нет	Нет	Нет	Есть	Есть	1340
3	Лп	34	18	6	9	1,60	Есть	Есть	Нет	Есть	Есть	1600
4	Лп	34	14	7	9	1,60	Есть	Нет	Нет	Есть	Нет	1700
5	121	33	17	9	10	1,60	Есть	Нет	Нет	Есть	Есть	1650
6	Лп	33	14	2	9	1,60	Есть	Есть	Нет	Есть	Есть	1650
7	Бр	36	20	1	5	1,60	Есть	Нет	Нет	Есть	Есть	1550
8	Бр	36	21	1	5	1,60	Есть	Нет	Нет	Есть	Нет	1550
9	Бр	36	17	2	5	1,60	Нет	Нет	Есть	Есть	Есть	1600
10	Бр	35	20.5	5	5	1,60	Есть	Нет	Нет	Есть	Есть	1650
11	Бр	32	18	4	5	1,60	Есть	Нет	Нет	Есть	Есть	1700
12	Бр	36	20.5	2	5	1,60	Есть	Нет	Нет	Есть	Нет	1500
13	Хр	31	17	4	5	1,81	Нет	Нет	Нет	Есть	Есть	1650
14	хр	30	18	2	5	1,45	Нет	Нет	Нет	Есть	Нет	1000
15	Хр	32	18,00	2	5	0,448	Нет	Нет	Нет	Есть	Нет	1600
16	Бр	42	27.5	5	5	2,42	Есть	Нет	Есть	Есть	Есть	2000
17	Бр	31	18	3	5	2,42	Есть	Нет	Нет	Нет	Есть	1550
18	Бр	33	17	4	5	2,42	Есть	Есть	Есть	Есть	Есть	1600
19	Хр	34	17	1	5	1,09	Есть	Нет	Нет	Есть	Есть	1850
20	Пм	41	19	4	5	1,15	Есть	Нет	Нет	Есть	Есть	1800
21	Пм	41	19	3	5	1,15	Есть	Нет	Есть	Есть	Есть	1900
22	Хр	32	18	2	5	1,61	Нет	Нет	Нет	Есть	Есть	1650
23	Хр	33	20	5	5	1,55	Нет	Нет	Нет	Нет	Нет	1450
24	Хр	33	18	4	4	2,38	Есть	Нет	Нет	Есть	Есть	1650
25	Хр	32	19	3	5	0,44	Нет	Нет	Нет	Есть	Есть	2000
26	Хр	31	18	1	5	1,31	Нет	Нет	Есть	Есть	Есть	1850
27	Хр	31	18	5	5	2,68	Нет	Нет	Нет	Есть	Нет	1750
28	Бр	33	20	2	5	1,04	Нет	Есть	Нет	Есть	Есть	1580
29	Хр	22	13	3	5	1,32	Нет	Нет	Нет	Есть	Есть	1300
30	Хр	23	13	5	5	1,32	Нет	Нет	Нет	Есть	Есть	1230
31	Хр	32	18	5	5	1,32	Есть	Нет	Нет	Есть	Есть	1750
32	Бр	31	20	4	5	1,36	Есть	Нет	Нет	Есть	Есть	1700
33	Хр	30	17	3	5	1,32	Нет	Нет	Нет	Есть	Есть	1500
34	121	52	48	6	9	0,618	Есть	Есть	Есть	Есть	Есть	2930
35	Лп	33	18	1	16	0,163	Есть	Нет	Есть	Есть	Нет	2350
36	Лп	37	17	4	14	0,163	Есть	Есть	Есть	Есть	Есть	2400
37	Лп	29	13	4	9	1,040	Нет	Нет	Есть	Есть	Есть	2000
38	Хр	30	18	1	5	1,160	Есть	Нет	Нет	Есть	Есть	1750
39	Хр	34	19	5	5	1,400	Есть	Нет	Есть	Есть	Есть	1600
40	Хр	34	19	5	5	1,400	Есть	Нет	Нет	Есть	Есть	1480
41	Хр	33	18	5	5	1,390	Есть	Есть	Есть	Есть	Есть	1600
42	97	34	13	9	9	1,590	Нет	Нет	Нет	Есть	Есть	1750
43	97	43	19	4	10	1,530	Есть	Нет	Есть	Есть	Есть	2300
44	Бр	35	20	4	5	2,680	Есть	Нет	Есть	Есть	Есть	1900
45	Хр	32	17	5	5	1,160	Есть	Есть	Нет	Есть	Есть	1800
46	Элит	45	20	8	16	0,966	Есть	Есть	Есть	Есть	Есть	3500
47	Хр	33	18	2	5	0,760	Есть	Есть	Нет	Есть	Есть	2100
48	97	37	20	2	15	0,944	Есть	Есть	Есть	Есть	Есть	1850
49	Хр	37	20	5	5	1,070	Нет	Есть	Нет	Есть	Есть	1600
50	Хр	32	18	1	5	1,400	Нет	Нет	Нет	Есть	Нет	1550
51	Пм	38	22	5	5	0,400	Есть	Нет	Есть	Есть	Есть	2500
52	Элит	34	17	2	7	0,545	Есть	Есть	Есть	Есть	Есть	2100
53	Пм	31	17	2	2	0,772	Есть	Нет	Нет	Есть	Есть	1350
54	Лп	34	18	7	9	1,130	Есть	Нет	Есть	Есть	Есть	1940
55	Лп	33,3	19	9	10	1,050	Есть	Нет	Нет	Есть	Есть	1750
56	Лп	33	18	9	10	1,050	Нет	Нет	Нет	Есть	Есть	1550
57	лп	30	15,6	7	9	1,620	Есть	Нет	Нет	Есть	Есть	1400
58	Лп	32	20	4	10	1,050	Нет	Нет	Нет	Есть	Есть	1600
59	лп	33	18	1	10	1,110	Есть	Нет	Нет	Есть	Есть	1500
60	97	41	19	4	10	1,680	Есть	Нет	Есть	Есть	Есть	2250
61	Хр	32	18	1	5	1,640	Есть	Нет	Нет	Есть	Есть	1400
62	Лп	33	19	2	9	1,590	Есть	Нет	Нет	Есть	Нет	1500
63	Лп	34	18	4	9	1,050	Есть	Нет	Есть	Есть	Есть	1970
64	97	43	20	5	10	1,080	Есть	Нет	Есть	Есть	Есть	2450
65	Лп	34	18	4	9	1,010	Есть	Нет	Нет	Есть	Есть	1850
66	Бр	32	17	5	5	0,864	Нет	Нет	Нет	Есть	Есть	1420
67	Хр	30	18	5	5	0,864	Есть	Нет	Нет	Есть	Нет	1350
68	97	31	19	1	9	0,860	Нет	Нет	Есть	Есть	Есть	1920
69	Лп	39	18	3	9	1,160	Есть	Нет	Есть	Есть	Есть	2300
70	Лп	33	17	2	9	1,950	Есть	Есть	Нет	Есть	Есть	1600
71	Лп	30	16	7	9	1,620	Есть	Нет	Нет	Есть	Есть	1540
72	97	39	18	6	10	1,680	Есть	Нет	Есть	Есть	Есть	1920
73	121	34	18	3	5	2,840	Есть	Нет	Нет	Есть	Есть	1650
74	Хр	30	18	5	5	0,948	Есть	Нет	Нет	Есть	Есть	1645
75	Хр	28	17	1	5	0,948	Нет	Нет	Нет	Есть	Есть	1330
76	Хр	26	17,3	1	5	0,948	Нет	Нет	Есть	Есть	Есть	1380
77	Хр	28	17	2	5	0,995	Нет	Нет	Нет	Есть	Есть	1300
78	Хр	30,2	21	3	5	1,160	Нет	Нет	Есть	Есть	Есть	1850
79	Хр	32	18	3	5	1,670	Нет	Нет	Есть	Есть	Есть	1750
80	Хр	32	18	4	5	1,780	Есть	Нет	Есть	Есть	Есть	2100
81	Бр	33	18	2	5	1,040	Нет	Есть	Нет	Есть	Есть	1580
82	Хр	32	18	4	5	1,160	Нет	Нет	Есть	Есть	Есть	1650
83	Пм	37	21	2	2	2,070	Нет	Нет	Есть	Есть	Есть	1600

Необходимо:

а) разбить исходный ряд данных на рабочую и контрольную выборки;

б) определить, как вводить фиктивные переменные;

в) на рабочей выборке построить линейную, экспоненциальную, логарифмическую, полулогарифмическую, степенную, гиперболическую, обратную модели;

г) проверить исходные данные на наличие мультиколлинерности;

д) оценить значимость коэффициентов регрессии для каждой построенной модели;

е) оценить значимость модели в целом и соответствие модели статистическим данным;

ж) рассчитать ошибку аппроксимации, среднюю процентную и среднеквадратическую ошибки подгонки, сделать качественные выводы;

з) проверить наличие гетероскедастичности и автокорреляции в остатках;

и) при наличии гетероскедастичности, сделать соответствующую поправку;

к) оценить прогностические свойства моделей на контрольной выборке;

л) выбрать наилучшую модель, построить выбранную регрессионную модель на всей выборке, оценить коэффициенты регрессии.

5. Компанией, занимающейся изготовлением и продажей лыж, были проведены исследования за март 2009 года, на основе которых были собраны статистические данные. Данные содержат сведения о

годе изготовления лыж;
марке (Dynastar, K2. Nordica);
назначении лыж (трасса, вне трассы, freeride, carve, all mountain, pipe/park, twin);
характеристиках лыж (носок, талия, пятка, боковой вырез, крепления);
уровне подготовки (экспертный, спортивный, опытный, совершенствующийся, начинающий);
половой принадлежности (мужские, женские, детские).

0 и 1 обозначают соответственно принадлежность или непринадлежность к тому или иному качественному признаку.

Модель	Цена,тыс руб	Год	Dynastar	K2	Nordica	Трасса,%	Вне трассы,%	Носок,мм	Талия,мм	Пятка,мм	Эксперт	Спортсмен	Опытный	Совершенствующийся	Начинающий	Муж	Жен	Дет	Freeride	Carve	All Mountain	Pipe/Park	Twin	Боковой вырез	Крепления
Speed Omeglass	30,134	1	1	0	0	90	10	118	66	102	1	0	1	0	0	1	1	0	0	1	0	0	0	0	1
Driver Plus	11,284	1	1	0	0	70	30	110	69	96	0	0	0	1	0	1	1	0	0	1	0	0	0	0	1
Legend Mythic Rider Fluid	28,236	1	1	0	0	30	70	122	88	110	1	0	1	0	0	1	1	0	1	0	0	0	0	0	1
Exclusive Active	15,054	1	1	0	0	60	40	120	74	100	0	0	1	1	0	0	1	0	0	1	0	0	0	0	1
Exclusive Pro Rider	26,364	1	1	0	0	20	80	127	100	118	1	0	0	0	0	0	1	0	1	0	0	0	0	0	1
Team Course	13,156	1	1	0	0	70	30	103	63	88	0	0	0	1	0	0	0	1	0	1	0	0	0	0	1
Speed	17,180	2	1	0	0	80	20	112	67	98	1	0	1	0	0	1	1	0	0	1	0	0	0	0	1
Cruise Plus	7,352	2	1	0	0	70	30	110	69	96	0	0	0	1	0	1	1	0	0	1	0	0	0	0	1
Exclusive Fluid Limited	14,723	2	1	0	0	70	30	120	68	102	1	0	1	0	0	0	1	0	0	1	0	0	0	0	1
Exclusive Legend Powder	14,723	2	1	0	0	40	60	121	85	104	1	0	1	0	0	0	1	0	1	0	1	0	0	0	1
She's Trouble BC	13,495	2	1	0	0	70	30	124	92	114	0	0	1	0	0	0	1	0	0	0	0	1	0	0	1
Team Trouble	4,895	2	1	0	0	50	50	114	76	105	0	0	0	0	1	0	0	1	1	0	0	1	0	0	1
Apache Outlaw	18,096	1	0	1	0	30	70	129	92	115	1	0	0	0	0	1	1	0	0	0	1	0	0	0	0
Apache Sidewinder	18,850	1	0	1	0	60	40	118	74	103	0	0	1	0	0	1	1	0	0	0	1	0	0	0	1
Tough Luv	21,840	1	0	1	0	30	70	124	88	111	1	0	0	0	0	0	1	0	0	0	1	0	0	0	1
Magic Luv	9,880	1	0	1	0	70	30	112	70	97	0	0	0	1	1	0	1	0	0	0	1	0	0	0	1
Bad Seed	9,100	1	0	1	0	30	70	113	85	104	0	0	1	0	0	0	0	1	0	0	0	0	1	12	1
Mt Baker Superlight	13,000	1	0	1	0	20	80	120	88	108	1	0	1	0	0	1	1	0	0	0	1	0	0	14	0
Apache Recon	16,538	2	0	1	0	50	50	119	78	105	1	0	0	0	0	1	1	0	0	0	1	0	0	0	1
Moto Comp	16,538	2	0	1	0	90	10	115	68	99	1	0	0	0	0	1	1	0	0	1	0	0	0	0	1
One Luv	10,395	2	0	1	0	60	40	118	74	103	0	0	1	0	0	0	1	0	0	0	1	0	0	0	1
First Luv	7,560	2	0	1	0	70	30	112	70	97	0	0	0	1	1	0	1	0	0	0	1	0	0	0	1

Продолжение

Модель	Цена,тыс руб	Год	Dynastar	K2	Nordica	Трасса,%	Вне трассы,%	Носок,мм	Талия,мм	Пятка,мм	Эксперт	Спортсмен	Опытный	Совершенствующийся	Начинающий	Муж	Жен	Дет	Freeride	Carve	All Mountain	Pipe/Park	Twin	Боковой вырез	Крепления
Nance	10,395	2	0	1	0	50	50	128	95	118	1	0	0	0	0	0	1	0	0	0	1	0	1	0	0
Juvy	5,670	2	0	1	0	60	40	95	70	91	0	0	1	0	0	0	0	1	0	0	0	0	1	0	1
Dobermann SL	32,032	1	0	0	1	90	10	120	67	103	1	1	0	0	0	1	1	0	0	1	0	0	0	0	1
Speedmachine Mach 1	15,080	1	0	0	1	80	20	118	70	103	0	0	0	1	0	1	1	0	0	0	1	0	0	0	1
Hot Rod Afterburner	26,390	1	0	0	1	40	60	126	84	112	0	0	1	0	0	1	1	0	1	0	1	0	0	0	1
Olympia Speed	18,850	1	0	0	1	80	20	118	70	103	1	0	1	0	0	0	1	0	0	0	1	0	0	0	1
Olympia Cute	10,556	1	0	0	1	70	30	116	70	100	0	0	0	1	1	0	1	0	0	0	1	0	0	0	1
Spark J	9,802	1	0	0	1	50	50	102	72	92	0	0	0	0	1	0	0	1	0	0	0	1	0	0	1
Dobermann GS	21,130	2	0	0	1	90	10	111	67	97	1	1	0	0	0	1	1	0	0	1	0	0	0	0	1
Speedmachine Mach 3	17,199	2	0	0	1	80	20	119	72	104	1	0	1	0	0	1	1	0	0	0	1	0	0	0	1
Hot Rod Eliminator	12,285	2	0	0	1	60	40	119	74	104	0	0	1	0	0	1	1	0	1	0	1	0	0	0	1
Olympia Victory	14,742	2	0	0	1	60	40	119	74	104	1	0	1	0	0	0	1	0	1	0	1	0	0	0	1
Olympia Mint	9,337	2	0	0	1	70	30	119	72	102	0	0	1	1	0	0	1	0	0	0	1	0	0	0	1
Speedmachine 6x	4,914	2	0	0	1	80	20	102	66	91	0	1	0	0	0	0	0	1	0	0	1	0	0	0	1

Необходимо:

а) разбить исходный ряд данных на рабочую и контрольную выборки;

б) определить, как вводить фиктивные переменные;

г) проверить исходные данные на наличие мультиколлинерности;

д) оценить значимость коэффициентов регрессии для каждой построенной модели;

е) оценить значимость модели в целом и соответствие модели статистическим данным;

з) проверить наличие гетероскедастичности и автокорреляции в остатках;

и) при наличии гетероскедастичности, сделать соответствующую поправку;

к) оценить прогностические свойства моделей на контрольной выборке;

<<< < Предыдущая 1 2 3 4 5 6 7 8 9 10 11 1213 / 1513 14 15 > Следующая >>>

Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]

#
08.05.20156.19 Mб54metodakr.pdf
#
21.12.2018826.37 Кб21Metodchka_po_grazhd_pravu (2).doc
#
17.08.2019776.7 Кб3METODIChESKIE_REKOMENDATsII_IPB.doc
#
10.12.2018397.82 Кб22Metodicheskie_ukazania_-_propedevtika_2.doc
#
16.03.2016331.78 Кб12Metodicheskie_ukazania_po_istorii_2015-2016_zaochniki.doc
#
22.11.2019778.78 Кб2Metodicheskie_ukazania_po_kursu.docx
#
14.11.2018558.01 Кб2Metodicheskie_ukazania_po_vypolneniyu_kursovoy_....docx
#
16.11.2019113.15 Кб3metodichka_3_po_kursovoy.doc
#
16.11.20191.14 Mб4Metodichka_Biznes-plan_1.doc
#
10.11.2019731.14 Кб4metodichka_dlya_3_kursa.doc
#
08.05.2015532.99 Кб10Metodichka_ETM.doc