Элементы экономико-математического моделирования. Давнис В.В - 25 стр.

UptoLike

Рубрика: 

Элементы ЭММ
25
равен 0,913. Следовательно, 91,3% вариации ежедневной
выручки магазинов может быть объяснено числом покупателей.
Только 8,7% вариации можно объяснить иными факторами , не
включенными в уравнение регрессии.
Коэффициент корреляции r=0,956. Близость его к единице
свидетельствует о тесной положительной связи между выручкой
магазина и числом посетителей.
Для того, чтобы сделать заключение о том, что зависимость
объема выручки от числа посетителей магазина статистически
существенна на 5%-ном уровне значимости , следует сравнить
наблюдаемое значение критерия t (оно равно 13,75) с
крит
t
,
значение которого по таблице распределения Стьюдента равно
2,1. Так как 13,75>2,1, то нулевая гипотеза
0
H
(линейной
зависимости нет ) отвергается в пользу альтернативной гипотезы
1
H (линейная зависимость есть).
6. Регрессионная модель может быть использована для прогноза
объема ежедневной выручки магазина, который посетят 600
покупателей. Для этого следует х=600 подставить в
регрессионное уравнение (19):
661.7600*00874.04177.2y
=
+
=
Отсюда , прогнозируемая дневная выручка для магазина
с 600 посетителями в день равна 7,661 у .е.
Для прогноза важно помнить, что обсуждаются только значения
независимых переменных, находящиеся в пределах от
наименьшего до наибольшего значения факторного признака и
используемые при создании модели . Так, из данных нашего
примера известно, что число посетителей находится в пределах
от 420 до 1010, следовательно и предсказание ежедневной
выручки может быть сделано только для магазинов с числом
покупателей от 420 до 1010 человек .
3.5. Пример лабораторного задания по построению
многофакторной модели регрессии
По выборочным данным, представленным в таблице, о
выработке деталей за смену 14 рабочими цеха требуется выявить
зависимость производительности труда (y) от двух факторов :
внутрисменных простоев (x1) и квалификации рабочих (x2)
                                                 Элементы ЭММ


  равен 0,913. Следовательно, 91,3% вариации ежедневной
  выручки магазинов может быть объяснено числом покупателей.
  Только 8,7% вариации можно объяснить иными факторами, не
  включенными в уравнение регрессии.
    Коэффициент корреляции r=0,956. Близость его к единице
  свидетельствует о тесной положительной связи между выручкой
  магазина и числом посетителей.
    Для того, чтобы сделать заключение о том, что зависимость
  объема выручки от числа посетителей магазина статистически
  существенна на 5%-ном уровне значимости, следует сравнить
  наблюдаемое значение критерия t (оно равно 13,75) с t крит ,
   значение которого по таблице распределения Стьюдента равно
   2,1. Так как 13,75>2,1, то нулевая гипотеза H 0 (линейной
   зависимости нет) отвергается в пользу альтернативной гипотезы
   H1 (линейная зависимость есть).
6. Регрессионная модель может быть использована для прогноза
   объема ежедневной выручки магазина, который посетят 600
   покупателей. Для этого следует х=600 подставить в
   регрессионное уравнение (19):
  y =2.4177 +0.00874 * 600 =7.661
  Отсюда, прогнозируемая дневная выручка для магазина
  с 600 посетителями в день равна 7,661 у.е.
  Для прогноза важно помнить, что обсуждаются только значения
  независимых переменных, находящиеся в пределах от
  наименьшего до наибольшего значения факторного признака и
  используемые при создании модели. Так, из данных нашего
  примера известно, что число посетителей находится в пределах
  от 420 до 1010, следовательно и предсказание ежедневной
  выручки может быть сделано только для магазинов с числом
  покупателей от 420 до 1010 человек.


       3.5. Пример лабораторного задания по построению
               многофакторной модели регрессии

     По выборочным данным, представленным в таблице, о
выработке деталей за смену 14 рабочими цеха требуется выявить
зависимость производительности труда (y) от двух факторов:
внутрисменных простоев (x1) и квалификации рабочих (x2)




                               25