Задание 5
Имеется баланс двух взаимосвязанных отраслей (сельское хозяйство и машиностроение) за предыдущий год.
Найти конечный продукт каждой отрасли, чистую продукцию каждой отрасли, матрицу коэффициентов прямых затрат. Какой будет валовой продукт каждой отрасли, если конечный продукт сельского хозяйства необходимо увеличить на 40 %, а машиностроения уменьшить на 20 %. Матрица межотраслевых материальных связей xijи матрица валового выпускаXjприведены в таблице.
, .
Решение:
Конечный продукт определим по формуле:
,
где – единичная матрица,– матрица прямых затрат, элементы которой определяются по правилу.
В результате .
.
–конечный продукт отраслей.
Найдем чистую продукцию отраслей, используя формулу:
.
Имеем – чистая продукцияc/x,
–чистая продукция машиностроения.
Для нахождения валового продукта ,соответствующего новому конечному продукту вида , используем формулу:
.
Находим обратную матрицу:
, , тогда
.
В результате .
Задание 6
Некоторая фирма, производящая товар, хочет проверить, эффективность рекламы этого товара. Для этого в 10 регионах, до этого имеющих одинаковые средние количества продаж, стала проводиться разная рекламная политика и на рекламу начало выделяться xiденежных средств. При этом фиксировалось число продаж yi. Предполагая, что для данного случая количество продаж пропорционально расходам на рекламу, необходимо:
В соответствии с методом наименьших квадратов найти уравнение линейной регрессии .
Найти коэффициент линейной корреляции и с доверительной вероятности p= 0.95 проверить его значимость.
Построить графики данных и уравнения регрессии.
Сделать прогноз для количества продаж, если затраты на рекламу составят х = 5 млн. руб.
хi |
0 |
0,5 |
1 |
1,5 |
2 |
2,5 |
3 |
3,5 |
4 |
4,5 |
yi |
14.2 |
16.3 |
16.6 |
18.9 |
19.4 |
20.4 |
23.3 |
24.2 |
27.1 |
27.4 |
Решение:
1. Составим вспомогательную таблицу:
№ |
x |
y |
xy |
x2 |
y2 |
1 |
0 |
14,2 |
0 |
0 |
201,64 |
2 |
0,5 |
16,3 |
8,15 |
0,25 |
265,69 |
3 |
1 |
16,6 |
16,6 |
1 |
275,56 |
4 |
1,5 |
18,9 |
28,35 |
2,25 |
357,21 |
5 |
2 |
19,4 |
38,8 |
4 |
376,36 |
6 |
2,5 |
20,4 |
51 |
6,25 |
416,16 |
7 |
3 |
23,3 |
69,9 |
9 |
542,89 |
8 |
3,5 |
24,2 |
84,7 |
12,25 |
585,64 |
9 |
4 |
27,1 |
108,4 |
16 |
734,41 |
10 |
4,5 |
27,4 |
123,3 |
20,25 |
750,76 |
Сумма |
22,5 |
207,8 |
529,2 |
71,25 |
4506,32 |
Среднее |
2,25 |
20,78 |
52,92 |
7,125 |
450,632 |
Среднеквадратическое отклонение:
, .
, .
Параметры модели:
,
.
В результате уравнение регрессии имеет вид: .
2. Парный коэффициент корреляции найдем по формулам для линейной модели:
.
Полученное значение коэффициента корреляции свидетельствует о том, что между переменными Х и Yимеется весьма высокая корреляционная связь. Данная связь характеризуется как положительная, т.е. с увеличением выделяемых на рекламу денежных средств число продаж также увеличивается.
Проверяем значимость коэффициента корреляции:
Вычисляем статистику:
.
Критическое значение статистики: .
Так как , то нулевую гипотезу о равенстве нулю коэффициента корреляции отвергаем с вероятностью ошибки меньше 5% и делаем вывод о значимости коэффициента корреляции.
Строим на одном графике исходные данные (точками) и линию регрессии (рис. 1). Из графика видим, что линия регрессии достаточно точно описывает исходные данные.
Рис. 1. Исходные данные и линия регрессии
4. Прогноз для затрат рекламы 5 млн. руб.
продаж.