- •Экономико-математические методы и модели
- •Содержание
- •Предисловие
- •1 Цели и задачи изучения дисциплины
- •2 Программа теоретического курса
- •3 Общие положения, рекомендации и требования к выполнению контрольной работы
- •4 Задания контрольной работы
- •4.1 Теоретическая часть Задание 1. Составление структурно-логических схем и тестов
- •4.2 Практическая часть
- •Задание 2. Система экономико-математических моделей оптимального планирования и управления
- •Задание 3. Экономико-статистическое моделирование и прогнозирование
- •5 Методическое пособие к решению практических заданий
- •5.1 Методика решения задания 2
- •2. Решение задачи с помощью инструмента Excel Поиск решения.
- •3. Анализ оптимального решения.
- •1. Экономико-математическая модель задачи.
- •2. Решение задачи с помощью инструмента Excel Поиск решения.
- •5.2 Методика решения задания 3
- •1. Использование инструмента Описательная статистика
- •2. Проведение корреляционного анализа
- •3. Прогнозирование развития показателей с помощью линии тренда Excel
- •4. Прогнозирование с применением функции экспоненциального сглаживания
- •5. Прогнозирование с применением метода скользящего среднего
- •6. Использование функции линейн для создания модели тренда
- •7. Использование функции тенденция для построения прогнозов
- •8. Использование функции предсказ для построения прогнозов
- •9. Анализ нелинейных процессов с помощью функции лгрфприбл.
- •10. Составление нелинейных прогнозов с помощью функции рост
- •11. Прогнозирование с использованием парной регрессии
- •12. Расчет и оценка уравнения множественной регрессии средствами Excel
- •Список рекомендуемой литературы
- •Приложение а Критические значения f-критерия (распределение Фишера)
- •Приложение б Распределение Стьюдента (t-распределение)
Задание 3. Экономико-статистическое моделирование и прогнозирование
Наиболее широкое распространение при построении прогнозов развития в практике коммерческой деятельности получили экономико-статистические модели, которые описывают зависимость исследуемого экономического показателя от одного или нескольких факторов, оказывающих на него существенное влияние.
MS Excel предлагает широкий диапазон средств для изучения экономической информации. Множество встроенных статистических функций (СРЗНАЧ, МЕДИАНА, МОДА и др.) используют для проведения несложного анализа данных.
Если возможностей встроенных функций недостаточно, то обращаются к инструменту Описательная статистика, имеющийся в пакете «Статистический анализ» MS Excel. Выходной диапазон инструмента Описательная статистика содержит следующие статистические характеристики для каждой переменной из входного диапазона: среднее, стандартная ошибка, медиана, мода, стандартное отклонение, дисперсия и др. (см. методику решения задания 3 п. 1).
Корреляционный анализ – это раздел математической статистики, посвященный изучению взаимосвязей между случайными величинами. Основной целью корреляционного анализа является установление характера влияния факторной переменной на исследуемый показатель и определение тесноты их связи с тем, чтобы с достаточной степенью надежности строить модель развития исследуемого показателя.
С технической точки зрения проведение корреляционного анализа сводится к расчету коэффициентов парной корреляции, значения которых помогут судить о характере и тесноте связи между исследуемым показателем и каждой отобранной факторной переменной.
Коэффициент парной корреляции используется в качестве меры, характеризующей степень линейной связи двух переменных. Значение коэффициента корреляции лежит в интервале от -1 (в случае строгой линейной отрицательной связи) до +1 (в случае строгой линейной положительной связи). Соответственно, положительное значение коэффициента корреляции свидетельствует о прямой связи между исследуемым и факторным показателем, а отрицательное — об обратной. Чем ближе значение коэффициента корреляции к 1, тем теснее связь. Качественно оценить тесноту связи позволяет специальная шкала значений коэффициентов корреляции, разработанная профессором Колумбийского университета США Чеддоком.
Размер коэффициента корреляции |
0,1-0,3 |
0,3-0,5 |
0,5-0,7 |
0,7-0,9 |
0,9-0,99 |
Теснота связи |
слабая |
умеренная |
заметная |
высокая |
весьма высокая |
Для количественной оценки взаимосвязи двух наборов данных можно обратиться к статистической функции КОРРЕЛ, вызывая ее в диалоговом окне Мастера функций.
Однако чаще всего в экономических расчетах приходится иметь дело сразу с несколькими (более двух) наборами данных, взаимосвязи которых требуется изучить. В этом случае рассчитывают коэффициент множественной корреляции, который принимает значения от 0 до 1, но несет в себе более универсальный смысл: чем ближе его значение к 1, тем в большей степени учтены факторы, влияющие на зависимую переменную, тем более точной выглядит построенная на основе отобранных факторов модель.
В таких случаях обращаются к инструменту Корреляция, содержащемуся в пакете «Статистический анализ» Excel. Для этого используют команду Анализ данных из меню Сервис. В открывшемся окне Инструменты анализа вызывают инструмент Корреляция (см. методику решения задания 3 п. 2).
Регрессионный анализ имеет своей целью вывод, определение (идентификацию) уравнения регрессии, включая статистическую оценку его параметров.
В основе любой регрессионной модели лежит уравнение (или система уравнений) регрессии, которое показывает, каким будет в среднем изменение зависимой переменной у, если независимые переменные х примут конкретные значения. Это обстоятельство позволяет применять модель регрессии не только для анализа, но и для прогнозирования (см. методику решения задания 3 п. 11 и 12).
Методика построения и виды моделей тренда
Если имеется некоторая совокупность данных, характеризующих динамику исследуемого показателя, то всегда можно попытаться найти на графике наилучшую линию, которая будет «ближайшей» к точкам наблюдений в рамках всей их совокупности. Чтобы составить прогноз развития исследуемого показателя, используя линии тренда Excel, сначала необходимо с помощью Мастера диаграмм построить диаграмму его динамики на основе базовых данных. Когда диаграмма построена, открывается контекстное меню, в котором содержится команда «Добавить линию тренда». После ее выбора Excel выведет окно диалога Линии тренда, содержащее две основные вкладки: Тип и Параметры (см. методику решения задания 3 п. 3).
Прогнозирование с применением функции экспоненциального сглаживания
Для составления прогнозов методом экспоненциального сглаживания в Excel предусмотрен инструмент Экспоненциальное сглаживание. Активизировать инструмент Экспоненциальное сглаживание можно из меню Сервис после загрузки надстройки Пакет анализа посредством команды Анализ данных. Инструмент Экспоненциальное сглаживание целесообразно применять для составления прогнозов только на период, непосредственно следующий за интервалом базовых наблюдений (см. методику решения задания 3 п. 4).
Вычисление скользящего среднего средствами Excel
Инструмент Скользящее среднее можно вызвать в диалоговом окне команды Анализ данных из меню Сервис. Как правило, прогноз с применением скользящего среднего составляется на период, непосредственно следующий за интервалом наблюдения (см. методику решения задания 3 п. 5).
Составление линейных прогнозов средствами Excel
Функция рабочего листа ЛИНЕЙН помогает определить характер линейной связи между результатами наблюдений и временем их фиксации и дать ей математическое описание, наилучшим образом аппроксимирующее исходные данные. Вызвать функцию ЛИНЕЙН можно в диалоговом окне Мастера функций (категория «Статистические»), расположенном на панели инструментов Стандартная (см. методику решения задания 3 п. 6).
Функция ТЕНДЕНЦИЯ рассчитывает прогнозные значения исследуемого показателя в соответствии с линейным трендом. Вызвать функцию ТЕНДЕНЦИЯ можно из окна диалога Мастера функций, расположенного на панели Стандартная (см. методику решения задания 3 п. 7).
Функция ПРЕДСКАЗ аналогична функции ТЕНДЕНЦИЯ за исключением того, что она определяет лишь одну точку на линии тренда и не может рассчитать массив, который формирует эту линию. Поэтому ее удобно использовать для оперативного вычисления единичных прогнозов. Как и ранее названные функции, ПРЕДСКАЗ можно вызвать в диалоговом окне Мастера функций (см. методику решения задания 3 п. 8).
Использование возможностей Excel при построении нелинейных прогнозов
Функция ЛГРФПРИБЛ работает подобно функции ЛИНЕЙН. Различия между ними состоят лишь в том, что ЛИНЕЙН определяет параметры прямой линии, наилучшим образом аппроксимирующей исходные данные, а функция ЛГРФПРИБЛ — экспоненциальной кривой. Эта функция, как и ЛИНЕЙН, относится к категории «Статистические» и может быть вызвана с помощью окна диалога Мастера функций (см. методику решения задания 3 п. 9).
В то время как функция ЛГРФПРИБЛ рассчитывает параметры уравнения экспоненциальной кривой роста, которая аппроксимирует наилучшим образом множество базовых данных, функция РОСТ определяет точки, лежащие на этой кривой (см. методику решения задания 3 п. 10).
Задача 3.1
В рамках оценки конкурентоспособности продовольственных товаров, реализуемых в магазинах ОАО «Заднепровье», исследовать центральную тенденцию и изменчивость товарооборачиваемости двенадцати товарных групп на основе следующих собранных по ним за отчетный период данных, приведенных в таблице.
-
№
Товарные группы
Товарооборачиваемость, дней
1
Мясо и птица
10,6
2
Колбасные изделия и копчености
6,0
3
Рыба и морепродукты
16,8
4
Молоко и молочные продукты
7,2
5
Хлеб, хлебобулочные изделия
3,3
6
Макаронные изделия
35,6
7
Яйца и яйцепродукты
6,2
8
Картофель, овощи
16,6
9
Плоды, ягоды
4,9
10
Кондитерские изделия
41,4
11
Водка, ликероводочные изделия
12,5
12
Безалкогольные напитки
31,8
Анализ провести с помощью инструмента Excel Описательная статистика. Описать алгоритм анализа. Построить диаграмму для сравнения товарооборачиваемости по всем товарным группам. Сделать выводы. Результаты исследования распечатать.
Задача 3.2
В рамках оценки эффективности деятельности торгового предприятия ОАО «Арма» исследовать центральную тенденцию и изменчивость производительности труда в двенадцати магазинах ОАО «Арма» на основе следующих собранных по ним за отчетный период данных, приведенных в таблице.
№ магазина |
Производительность труда одного работника, млн руб. |
4 |
25906 |
17 |
29047 |
24 |
34486 |
42 |
28153 |
70 |
38104 |
78 |
25462 |
84 |
28199 |
86 |
21550 |
88 |
38000 |
95 |
36704 |
98 |
22102 |
102 |
35297 |
Анализ провести с помощью инструмента Excel Описательная статистика. Описать алгоритм анализа. Построить диаграмму для сравнения производительности труда по всем магазинам. Сделать выводы. Результаты исследования распечатать.
Задача 3.3
Провести корреляционный анализ прибыли на основе информации, представленной в таблице.
№ месяца |
Прибыль от реализации товаров, тыс. руб. |
Розничный товарооборот, тыс. руб. |
Издержки обращения, тыс. руб. |
Оборачиваемость товаров, дни |
1 |
375,556 |
2605,3 |
370,307 |
43,5 |
2 |
343,068 |
2423 |
380,833 |
43,0 |
3 |
394,745 |
2180,3 |
377,563 |
43,0 |
4 |
376,533 |
2421,7 |
364,826 |
43,5 |
5 |
435,719 |
2880,7 |
386,856 |
43,0 |
6 |
405,424 |
2201,1 |
330,248 |
42,5 |
7 |
412,705 |
2819,5 |
377,901 |
43,0 |
8 |
410,563 |
2755,7 |
359,231 |
41,5 |
9 |
406,955 |
2715 |
356,825 |
42,0 |
10 |
365,915 |
2683,9 |
348,120 |
41,5 |
11 |
356,637 |
2962,2 |
322,387 |
40,5 |
12 |
452,757 |
3347,7 |
393,116 |
40,0 |
Количественную оценку взаимосвязи объема данных провести с помощью инструмента Excel Корреляция. Построить диаграмму для анализа динамики прибыли от реализации товаров за 12 месяцев. Сделать выводы. Результаты анализа распечатать.
Задача 3.4
Составить прогноз валового дохода торгового предприятия на 13-й, 14-й и 15-й месяцы на основании данных отчетного периода, представленных в таблице.
Месяц |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
11 |
12 |
Валовый доход, ден. ед. |
437 |
407 |
483 |
503 |
552 |
527 |
528 |
621 |
579 |
639 |
609 |
808 |
Составить прогноз развития валового дохода с помощью построения диаграммы его динамики, используя линии тренда Excel. Подобрать линию тренда, имеющую наибольшую степень приближения к базовым данным. Показать уравнения для расчета прогноза на графиках. Результаты прогноза распечатать.
Задача 3.5
Составить прогноз балансовой прибыли торгового предприятия на 9-й, 10-й и 11-й годы на основании данных предыдущих периодов, представленных в таблице.
-
Год
1
2
3
4
5
6
7
8
Балансовая прибыль, ден. ед.
175
438
532
110
108
236
-262
181
Составить прогноз развития балансовой прибыли с помощью построения диаграммы ее динамики, используя линии тренда Excel. Подобрать линию тренда, имеющую наибольшую степень приближения к базовым данным. Показать уравнения для расчета прогноза на графиках. Результаты прогноза распечатать.
Задача 3.6
Спрос на товар имеет резко выраженный сезонный характер. Зная колебания спроса, составить прогноз на 13-й месяц.
Месяц |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
11 |
12 |
Объем спроса, ден. ед. |
145 |
198 |
472 |
564 |
1027 |
1982 |
3441 |
1550 |
840 |
920 |
642 |
311 |
Прогноз выполнить с помощью инструмента Excel Экспоненциальное сглаживание. Проиллюстрировать результаты на графике Экспоненциального сглаживания. Построить диаграмму динамики спроса, создать линию тренда, имеющую наибольшую степень приближения к базовым данным, показать уравнение модели. Сравнить графики. Сделать выводы. Результаты анализа распечатать.
Задача 3.7
Составить прогнозы объема продаж продукции предприятием на шесть месяцев в условиях, когда в течение последнего года происходило значительное сокращение штата торговых работников.
Месяц |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
11 |
12 |
Объем продаж, ден. ед. |
593 |
570 |
486 |
854 |
797 |
362 |
594 |
271 |
254 |
433 |
529 |
994 |
Прогноз выполнить с помощью инструмента Excel Скользящее среднее. Проиллюстрировать результаты на графике Скользящее среднее. Построить диаграмму динамики объема продаж, создать линию тренда, имеющую наибольшую степень приближения к базовым данным, показать уравнение модели. Сравнить графики. Сделать выводы. Результаты анализа распечатать.
Задача 3.8
По предлагаемым ниже данным объемов продаж продукции создать линейную регрессию с использованием функции ЛИНЕЙН. Построить диаграмму динамики объема продаж, создать линию тренда, имеющую наибольшую степень приближения к базовым данным, показать уравнение модели. Рассчитать прогнозные показатели объемов продаж на следующие три месяца по полученному уравнению регрессии. Оценить качество линейной модели. Сделать выводы. Результаты анализа распечатать.
Месяц
|
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
11 |
12 |
Объемы продаж, ден. ед.
|
165
|
163
|
180
|
306
|
277
|
295
|
341
|
444
|
478
|
546
|
492 |
583 |
Задача 3.9
Составить на следующие пять дней прогнозы жалоб клиентов фирмы, поступающих на ее продукцию, по данным за последние 10 дней. Использовать для этого функцию ТЕНДЕНЦИЯ для составления линейного прогноза. Проиллюстрировать результаты на диаграмме и показать уравнение линейной модели, оценить ее качество. Сделать выводы.
Номера дней |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
Количество звонков |
10 |
9 |
11 |
12 |
13 |
10 |
8 |
14 |
12 |
17 |
Задача 3.10
По предлагаемым ниже данным объемов продаж продукции создать линейную регрессию с использованием функции ПРЕДСКАЗ. Построить диаграмму динамики объема продаж, создать линию тренда, имеющую наибольшую степень приближения к базовым данным, показать уравнение модели. Рассчитать прогнозные показатели объемов продаж на следующие три месяца по полученному уравнению регрессии. Оценить качество линейной модели. Сделать выводы. Результаты анализа распечатать.
Месяц
|
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
11 |
12 |
Объемы продаж, ден. ед.
|
165
|
163
|
180
|
306
|
277
|
295
|
341
|
444
|
478
|
546
|
492 |
583 |
Задача 3.11
По предлагаемым ниже данным объема спроса на телевизоры LG создать нелинейную регрессию с использованием функции ЛГРФПРИБЛ.
Месяц
|
1
|
2
|
3
|
4
|
5
|
6
|
7 |
8 |
9 |
Объем спроса, ден. ед.
|
53
|
220
|
334
|
458
|
526
|
627
|
789 |
821 |
934 |
Построить модель тренда. Оценить качество построенной модели. Рассчитать прогнозные показатели объемов спроса на следующие три месяца по полученному уравнению регрессии. Построить диаграмму динамики объема спроса, создать линию тренда, имеющую наибольшую степень приближения к базовым данным, показать уравнение модели. Сделать выводы. Результаты анализа распечатать.
Задача 3.12
Составить на следующие пять дней прогноз на продажу товара, спрос на который резко возрос за последние 10 дней после удачной рекламной кампании. Спрос носит нелинейный характер, поэтому для прогнозирования использовать функцию РОСТ. Проиллюстрировать результаты на диаграмме и показать уравнение нелинейной модели, оценить ее качество. Какая из линий тренда лучше описывает фактические данные? Сделать выводы. Результаты анализа распечатать.
Номера дней |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
11 |
12 |
Объем спроса, ден. ед. |
100 |
40 |
59 |
78 |
94 |
109 |
128 |
143 |
179 |
210 |
242 |
286 |
Задача 3.13
По данным характеристики качества (время наработки на отказ в днях) и зависящей от нее цены аппаратуры (ден. ед.) проанализировать тесноту связи между ценой и качеством и найти уравнение парной регрессии, которое наилучшим образом опишет изучаемую зависимость.
Месяц |
1
|
2 |
3 |
4 |
5 |
6
|
Характеристика качества
|
450
|
960
|
145
|
212
|
265
|
312
|
Цена аппаратуры
|
4500
|
8000
|
3000
|
5500
|
5400
|
6500
|
Уравнение парной регрессии определить с помощью графического метода. Построить линии тренда и оценить качество аппроксимации базовых данных каждым из пяти типом линий. Сделать выводы. Результаты анализа распечатать.
Задача 3.14
По данным характеристики качества (время наработки на отказ в днях) и зависящей от нее цены аппаратуры (ден. ед.) проанализировать тесноту связи между ценой и качеством и найти уравнение парной регрессии.
Месяц |
1
|
2 |
3 |
4 |
5 |
6
|
Характеристика качества
|
450
|
960
|
145
|
212
|
265
|
312
|
Цена аппаратуры
|
4500
|
8000
|
3000
|
5500
|
5400
|
6500
|
Уравнение парной регрессии определить с помощью функции ЛИНЕЙН. Оценить качество статистической значимости модели регрессии. Предположив, что характеристика качества (время наработки на отказ в днях) в седьмом месяце составит 500 дней, составить прогноз цены аппаратуры в седьмом месяце. Результаты анализа распечатать.
Задача 3.15
По предлагаемым ниже данным объемов продаж продукции, уже рекламировавшейся фирмой ранее, проанализировать возможность описания взаимосвязи данных линейной регрессией, проиллюстрировав зависимость объема продаж от величины сметы на рекламу на диаграмме. Построить линию тренда, показать уравнение модели и оценить ее качество и достоверность. Предположив, что смета на рекламу в 11-м месяце повысится до 1000 ден. ед., спрогнозировать объем продаж в 11-м месяце. Сделать выводы. Результаты анализа распечатать.
Месяц |
1
|
2 |
3 |
4 |
5 |
6
|
7 |
8 |
9 |
10 |
Смета на рекламу, ден. ед.
|
35
|
100
|
118
|
336
|
372
|
554
|
556
|
665
|
710
|
821
|
Объемы продаж в единицах продукции
|
165
|
63
|
18
|
306
|
77
|
95
|
541
|
544
|
478
|
746
|
Задача 3.16
По предлагаемым ниже данным объемов продаж продукции, уже рекламировавшейся фирмой ранее, выполнить линейный регрессионный анализ с использованием пакета анализа Excel. Сделать выводы. Результаты распечатать.
Месяц |
1
|
2 |
3 |
4 |
5 |
6
|
7 |
8 |
9 |
10 |
Смета на рекламу, ден. ед.
|
35
|
100
|
118
|
336
|
372
|
554
|
556
|
665
|
710
|
821
|
Объемы продаж в единицах продукции
|
165
|
63
|
18
|
306
|
77
|
95
|
541
|
544
|
478
|
746
|
Задача 3.17
Имеются следующие фактические данные по объемам продаж за прошедшие месяцы: 593, 570, 486, 854, 797, 362, 594, 271, 45, 254, 433, 529, 994, 319, 610, 748, 832, 193, 720, 415, 536, 850, 201, 833. Составить прогнозы объема продаж продукции на следующие три месяца в условиях, когда в течение последних двух лет происходило значительное сокращение штата торговых работников предприятия. Прогнозы выполнить несколькими способами. Прогнозные значения сравнить с фактическими данными. Сделать выводы. Результат прогноза распечатать.
Задача 3.18
Для исследования процентного прироста прибыли (у) в розничной торговле собраны данные о средних показателях розничной цены (х1), количестве товара (х2), его ассортименте (х3), затратах на поставку товара (х4) и производственных издержках (х5) за предыдущие периоды.
х1
|
х2 |
х3 |
х4 |
х5 |
у
|
1,2
|
1,2
|
13
|
35
|
2,1
|
0,99
|
1,4
|
1,5
|
10
|
80
|
1,1
|
1,21
|
1,9
|
1,3
|
10
|
23
|
2,3
|
2,07
|
2,5
|
1,4
|
16
|
80
|
1,4
|
2,14
|
3,4
|
2,6
|
12
|
80
|
1,7
|
3,05
|
1,9
|
1,6
|
13
|
69
|
1,5
|
3,87
|
2,7
|
1,7
|
13
|
80
|
0,5
|
4,87
|
Требуется составить зависимость между всеми факторами X (i=l,2,3,4,5) и приростом прибыли У по этим данным с помощью инструмента анализа Регрессия. Сделать выводы. Результаты анализа распечатать.
Задача 3.19
Исследовать зависимость объема продаж продукции от изменения расходов на рекламу и колебания цены на единицу этой продукции, выполнив линейный регрессионный анализ с использованием пакета анализа Excel. Построить уравнение регрессии, проанализировать его достоверность. Представить прогноз на будущее при сумме расходов на рекламу, равной 1000 ден. ед., и продажной цены, равной 25 ден. ед. Сделать выводы. Результаты распечатать.
Смета на рекламу
|
35 |
100 |
118 |
336 |
372 |
554
|
556
|
665 |
710 |
821 |
Цена на единицу продукции |
88 |
110 |
85 |
28 |
101 |
71 |
7 |
82 |
62
|
24
|
Объемы продаж в единицах продукции |
165 |
63 |
18
|
306 |
77 |
95 |
541 |
544 |
478
|
746 |
Задача 3.20
Для исследования процентного прироста прибыли (у) в розничной торговле собраны данные о средних показателях розничной цены (х1), количестве товара (х2), его ассортименте (х3), затратах на поставку товара (х4) и производственных издержках (х5) за предыдущие периоды.
х1
|
х2 |
х3 |
х4 |
х5 |
у
|
1,2
|
1,2
|
13
|
35
|
2,1
|
0,99
|
1,4
|
1,5
|
10
|
80
|
1,1
|
1,21
|
1,9
|
1,3
|
10
|
23
|
2,3
|
2,07
|
2,5
|
1,4
|
16
|
80
|
1,4
|
2,14
|
3,4
|
2,6
|
12
|
80
|
1,7
|
3,05
|
1,9
|
1,6
|
13
|
69
|
1,5
|
3,87
|
2,7
|
1,7
|
13
|
80
|
0,5
|
4,87
|
Требуется создать нелинейную регрессию с помощью функции РОСТ. Сделать выводы. Результаты анализа распечатать.