Модель межотраслевого баланса
Контрольная работа - Менеджмент
Другие контрольные работы по предмету Менеджмент
ы переместить некоторое количество продукции т.е. загрузить ее. Отметим в транспортной таблице ячейку а2,b4 знаком + . Кроме нее мы пометим знаками - и + другие занятые числами ячейки таким образом, что в каждой строке и каждом столбце транспортной таблицы число знаков + будет равно числу знаков - . Это всегда можно сделать единственным образом, причем в каждой строке и каждом столбце содержится по одному + и - .То есть помеченные знаками клетки должны образовывать цикл.
Затем мы определим минимум M из всех элементов, помеченных знаком - , и выбираем одну ячейку где этот минимум достигается. В нашем случае таковой является а3,b3 и обозначает загруженую клетку, которая должна стать свободной.Число M при этом составляет: 50
Переход к новой транспортной таблице разбивается на следующие шаги.
а) В ячейку а2,b4 новой таблицы записывается число M.
б) Ячейка а3,b3 остается пустой.
Запас9 305 4010770611 30896 505087 9065 4904643 1102 0110215040110503-110
Итерация: 2
Рабочая матрица затрат с пересчитанными потенциалами и оценками (рассчитывается аналогично предыдущим операциям).
5341263222-1225110
Ячейка а4,b1, транспортной таблицы, должна загрузиться. Ячейка а4,b4 становится свободной. M = 0
Запас9 305 4010770611 30896 505087 9065 49046 043 1102 110215040110503-110
Итерация: 3
Рабочая матрица затрат с пересчитанными потенциалами и оценкам.
43411631223115120
В приведенной выше таблице нет отрицательных оценок (план улучшить нельзя), следовательно достигнуто оптимальное решение.
Общие затраты на перевозку всей продукции, для оптимального плана составляют: Pопт=2060
Задача 5.
Парная линейная регрессия
По выборочным данным исследовать зависимость между показателями X , Y и построить парную линейную регрессионную модель, для чего:
установить наличие связи между исследуемыми показателями графическим методом ( построить корреляционное поле);
для измерения интенсивности связи между показателями вычислить коэффициент корреляции, коэффициент детерминации;
вычислить ошибки коэффициента корреляции и параметров модели с заданной доверительной вероятностью;
оценить значимость коэффициента регрессии модели по критерию Стьюдента;
оценить адекватность модели по критерию F- отношения;
осуществить прогноз по полученной регрессионной модели.
X5,510,512,615,316,017,218,919,420,121,622,0Y7,17,98,310,613,615,217,816,317,918,920,6
1.В ячейки А2:12 и В2:B12 введем данные для Х и Y соответственно;
2.Графически изобразим данную зависимость;
Применим команду Сервис / Анализ данных / Регрессия;
Отчет по результатам:
В первом разделе массива Регрессионная статистика приведены основные статистические характеристики общего качества уравнения: коэффициент множественной корреляции R, коэффициент детерминации R2, стандартная ошибка оценки. Значение R2 0,890 говорит о том, что на основе полученного уравнения регрессии можно объяснить 89% вариации.
Статистические данные второго раздела выходного массива Дисперсионный анализ позволяют оценить дисперсию зависимой переменной у и остаточной вариации отклонений вокруг линии регрессии. SSp характеризует часть дисперсии, объясненную регрессией, a SS0 - часть дисперсии, не объясненную регрессией из-за наличия ошибок. Качество модели улучшается, если при введении в нее нового фактора значение объясненной части дисперсии возрастает.
В ячейках второго раздела выходного массива приведен уровень значимости для оцененного F. Значения F-статистики (73,13) является допустимым, так как уровень значимости для нее ниже 5%-ного предела, принятого для табличных F-статистик. Таким образом, что F-наблюдаемое будет не больше Fкрит.
Третий раздел массива содержит информацию о параметрах уравнения регрессии. Приведенные в значения параметров (коэффициентов) уравнения позволяют придать формальный вид модели, построенной с помощью регрессионного анализа:
где х1 - доход корпорации.
Если приведенный в выходном массиве уровень значимости не превышает 5%, то рассчитанные характеристики t-статистики будут больше табличного значения. Следовательно, статистическая значимость рассчитанных параметров уравнения высока.
Наряду с точечными значениями коэффициентов регрессии, третий раздел выходного массива позволяет получить их интервальные оценки с доверительной вероятностью 95 %:
;
;
На основании изложенного можно с 95%-ной уверенностью утверждать, что параметры уравнения содержат информацию, значимую для расчета исследуемого показателя.
Прогноз.
X10
Y