- •Лабораторная работа №4 Задания для примера
- •1. Решение с помощью ппп Excel
- •2. Решение с помощью ппп Excel
- •3. Решение с помощью ппп Excel
- •Контрольные задания
- •1. Оценить показатели вариации каждого признака и сделать вывод о возможностях применения мнк для их изучения.
- •2. Проанализировать линейные коэффициенты парной и частной корреляции.
- •3. Написать уравнение множественной регрессии, оценить значимость его параметров, пояснить их экономический смысл.
- •2. Проанализировать линейные коэффициенты парной и частной корреляции.
- •3. Написать уравнение множественной регрессии, оценить значимость его параметров, пояснить их экономический смысл.
- •1. Оценить показатели вариации каждого признака и сделать вывод о возможностях применения мнк для их изучения.
1. Оценить показатели вариации каждого признака и сделать вывод о возможностях применения мнк для их изучения.
2. Проанализировать линейные коэффициенты парной и частной корреляции.
3. Написать уравнение множественной регрессии, оценить значимость его параметров, пояснить их экономический смысл.
4. С помощью F-критерия Фишера оценить статистическую надежность уравнения регрессии и показателя тесноты связи. Сравнить значения скорректированного и нескорректированного коэффициентов множественной детерминации.
5. Рассчитать точечную оценку прогноза себестоимости добычи 1т нефти и попутного газа по полученной регрессионной модели на 16, 17, 18 временной интервал.
6. Для каждого фактора корреляционно-регрессионной модели построить тренд и осуществить прогноз на 16, 17, 18 временной интервал.
4. Построить математическую модель рынка арендных ставок в зависимости от двух факторных признаков:
местоположения объекта аренды;
его состояния
Критерий |
Номер объекта |
||||
Местоположение, ч1 |
5 |
1 |
7 |
9 |
3 |
Состояние, x2 |
3 |
2 |
5 |
4 |
1 |
Арендная ставка, y |
200 |
250 |
180 |
170 |
240 |
Руководство фабрики заинтересовано в построении модели того, чтобы предсказать реализацию одной из своих уже долго существующих торговых марок. Были собраны следующие данные.
Дата |
Реализация за 6 месяцев, млрд.д.ед. |
Реклама, млрд.д.ед |
Цена, д.ед |
Цена конкурента, д.ед |
Индекс потребительских расходов |
январь-июнь |
126 |
4,0 |
15,0 |
17,0 |
100,0 |
июль-декабрь |
137 |
4,8 |
14,8 |
17,3 |
98,4 |
январь-июнь |
148 |
3,8 |
15,2 |
16,8 |
101,2 |
июль-декабрь |
191 |
8,7 |
15,5 |
16,2 |
103,5 |
январь-июнь |
274 |
8,2 |
15,5 |
16,0 |
104,1 |
июль-декабрь |
370 |
9,7 |
16,0 |
18,0 |
107,0 |
январь-июнь |
432 |
14,7 |
18,1 |
20,2 |
107,4 |
июль-декабрь |
445 |
18,7 |
13,0 |
15,8 |
108,5 |
январь-июнь |
367 |
19,8 |
15,8 |
18,2 |
108,3 |
июль-декабрь |
367 |
10,6 |
16,9 |
16,8 |
109,2 |
январь-июнь |
321 |
8,6 |
16,3 |
17,0 |
110,1 |
июль-декабрь |
307 |
6,5 |
16,1 |
18,3 |
110,7 |
январь-июнь |
331 |
12,6 |
15,4 |
16,4 |
110,3 |
июль-декабрь |
345 |
6,5 |
15,7 |
16,2 |
111,8 |
январь-июнь |
364 |
5,8 |
16,0 |
17,7 |
112,3 |
июль-декабрь |
384 |
5,7 |
15,1 |
16,2 |
112,9 |
Осуществить отбор факторов для включения в регрессионную модель.
Определить уравнение регрессии и прогнозировать объем реализации на январь-июнь следующего года.
По исходным технико-экономическим показателям транспорта газа оценить тесноту связи между параметрами. Определить уравнение регрессии. Спрогнозировать параметры на 5 лет.
Номер года |
Производительность |
Общая установленная мощность |
Средняя дальность перекачки |
ОПФ |
Средний диаметр ГП |
1 |
90,1 |
1538,8 |
644 |
1850 |
735 |
2 |
107 |
1868,8 |
656 |
2239 |
755 |
3 |
124,6 |
2096 |
678 |
2684 |
767 |
4 |
139,4 |
2460,5 |
744 |
3236 |
780 |
5 |
151,7 |
2990,7 |
864 |
3813 |
787 |
6 |
163 |
3077,3 |
875 |
4035 |
810 |
7 |
179,1 |
3400,7 |
917 |
4824 |
815 |
8 |
195 |
3873,7 |
924 |
5423 |
817 |
9 |
205,6 |
4248,3 |
962 |
6209 |
839 |
10 |
217,9 |
5296,5 |
1051 |
7219 |
855 |
11 |
245,4 |
6679,6 |
1126 |
8487 |
882 |
12 |
272,7 |
8232,1 |
1237 |
10061 |
897 |
13 |
302,2 |
9603,1 |
1341 |
11536 |
910 |
14 |
324,8 |
11165,7 |
1470 |
12891 |
931 |
15 |
348,2 |
13488 |
1668 |
14579 |
949 |
16 |
377,8 |
15463,5 |
1761 |
17941 |
957 |
17 |
403,1 |
17571,3 |
1751 |
20487 |
967 |
3. Исходные данные для выявления тенденции себестоимости добычи нефти и газа представлены в таблице.
Фактор времени t |
Себестоимость добычи 1 т нефти и попутного газа, руб. |
Средний дебит на отработанный скважино-месяц, т |
Обводненность нефти, % |
Удельная численность на одну скважину, чел./скв. |
Газовый фактор, газ м3/нефть т |
Фондоемкость на одну скважину, тыс.руб. |
1 |
5,8 |
407,0 |
35,1 |
2,21 |
150,2 |
68,3 |
2 |
6,1 |
410,0 |
29,3 |
2,27 |
257,0 |
72,2 |
3 |
5,5 |
409,0 |
23,2 |
2,50 |
324,8 |
78,1 |
4 |
5,9 |
408,0 |
25,1 |
2,55 |
272,3 |
83,1 |
5 |
5,7 |
411,0 |
20,2 |
2,63 |
228,7 |
94,1 |
6 |
6,1 |
406,0 |
17,7 |
2,77 |
211,7 |
87,9 |
7 |
5,6 |
408,0 |
15,1 |
2,83 |
231,1 |
97,1 |
8 |
5,3 |
413,0 |
12,8 |
2,87 |
273,0 |
102,7 |
9 |
6,3 |
407,0 |
12,6 |
3,01 |
258,2 |
117,1 |
10 |
5,9 |
408,0 |
12,2 |
3,20 |
214,6 |
131,3 |
11 |
6,2 |
411,0 |
12,9 |
3,52 |
188,8 |
166,6 |
12 |
5,5 |
412,0 |
15,6 |
2,99 |
174,7 |
177,6 |
13 |
6,2 |
409,0 |
20,5 |
2,98 |
165,9 |
175,6 |
14 |
5,8 |
410,0 |
24,3 |
2,95 |
183,7 |
194,6 |
15 |
6,1 |
407,0 |
31,2 |
2,86 |
159,7 |
214,1 |