-
Сведем вычисления в матрицу:
|
|
|
|
|
|
k |
l |
m |
n |
h |
|
|
|
k |
|
|
1 |
|
|
|
|
|
|
|
l |
|
|
|
1 |
|
|
|
|
|
|
m |
|
|
|
|
1 |
|
|
|
|
|
n |
|
|
|
|
|
1 |
|
|
|
|
h |
|
|
|
|
|
|
1 |
-
Строим диаграммы рассеивания для сочетаний ln, kh, km.
5.1 Диаграмма рассеивания для номенклатур l и n.
Коэффициент
корреляции
,
что очень близко к 1. Это означает, что
зависимость между спросом на l-ю
и n-ю
номенклатуры запасных частей является
прямой линейной, близкой к функциональной,
т.е. увеличение спроса на l-ю
номенклатуру запасной части сопровождается
ростом спроса на n-ю
номенклатуру и наоборот.
5.2 Диаграмма рассеивания для номенклатур k и h.
Коэффициент
корреляции
,
что очень близко к 0. Чем ближе значение
r
к 0, тем слабее корреляция. Т.е. зависимость
в данном случае не линейная.
5.3 Диаграмма рассеивания для номенклатур k и m.
Коэффициент
корреляции r
=
0,824,
это очень близко к
1,
а значит зависимость обратная линейная.
Это значит, что повышение спроса на
номенклатуру k-ю
приведет к падение спроса на m-ю
номенклатуру и наоборот.
2. Корреляционное отношение
1.
Определим корреляционное отношение
спроса на номенклатуру h
от спроса на номенклатуру k
.
Данные представим в таб.4 для дальнейшей численной обработки.
Таблица 4
|
Середина Интервала,
|
Середина
интервала,
|
|
|
||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||
|
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
11 |
12 |
13 |
14 |
15 |
16 |
17 |
18 |
|
|
|||||||||||||||||||||||
|
|
14 |
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
2 |
10 |
|||||||||||||||||||||
|
|
13 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0 |
0 |
|||||||||||||||||||||
|
|
12 |
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
2 |
|||||||||||||||||||||
|
|
11 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0 |
0 |
|||||||||||||||||||||
|
|
10 |
1 |
|
1 |
|
|
|
|
|
|
|
|
|
|
|
1 |
|
1 |
4 |
10 |
|||||||||||||||||||||
|
|
9 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0 |
0 |
|||||||||||||||||||||
|
|
8 |
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
2 |
10 |
|||||||||||||||||||||
|
|
7 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0 |
0 |
|||||||||||||||||||||
|
|
6 |
|
|
|
|
1 |
|
1 |
|
|
|
1 |
|
|
|
|
|
|
3 |
8,67 |
|||||||||||||||||||||
|
|
3 |
0 |
2 |
0 |
1 |
0 |
1 |
0 |
0 |
0 |
1 |
0 |
0 |
0 |
2 |
0 |
2 |
12 |
9 |
||||||||||||||||||||||
|
|
12 |
0 |
9 |
0 |
6 |
0 |
6 |
0 |
0 |
0 |
6 |
0 |
0 |
0 |
9 |
0 |
12 |
9,5 |
|
||||||||||||||||||||||
Расчет корреляционного отношения начнем с расчета суммы:
=
Для
нахождения суммы
вычислим ее сначала для каждого k
и результаты сложим:
При k=1
При k=3
При k=5
При k=7
При k=11
При k=15
При k=17
Суммируем
все эти значения, получим
=16
Из этого следует:
Значение
корреляционного отношения достаточно
велико, что говорит о наличии некоторой
зависимости между X
и Y.
Коэффициент
корреляции для диаграммы рассеивания
h
от k
=
,
что очень близко к нулю. Это говорит о
том, что коэффициент корреляции не может
выявить нелинейную зависимость.
3. Регрессионный анализ спроса.
3.1. Определим методом наименьших квадратов уравнения прямой зависимости для номенклатуры с сильной прямой зависимостью ln:
Для определения параметров a и b сведем данные в таб.5
Таблица 5
|
|
|
|
|
|
8 |
8 |
64 |
64 |
|
6 |
6 |
36 |
36 |
|
4 |
8 |
16 |
32 |
|
16 |
18 |
256 |
288 |
|
4 |
6 |
16 |
24 |
|
6 |
8 |
36 |
48 |
|
10 |
8 |
100 |
80 |
|
8 |
10 |
64 |
80 |
|
10 |
14 |
100 |
140 |
|
8 |
8 |
64 |
64 |
|
8 |
8 |
64 |
64 |
|
10 |
12 |
100 |
120 |
|
|
|
|
|
Теперь запишем систему с учетом найденных значений:
Отсюда:
b=
,
подставляем в первое уравнение системы и находим:
a=0,942 и b=4,307
Получаем уравнение регрессии:
y=0,942x+4,307
Таблица 6
|
|
|
|
|
|
8 |
8 |
11,846 |
14,79 |
|
6 |
6 |
9,962 |
15,7 |
|
4 |
8 |
8,078 |
0,6084 |
|
16 |
18 |
19,382 |
1,91 |
|
4 |
6 |
8,078 |
4,318 |
|
6 |
8 |
9,962 |
3,85 |
|
10 |
8 |
13,73 |
32,83 |
|
8 |
10 |
11,846 |
3,41 |
|
10 |
14 |
13,73 |
0,0729 |
|
8 |
8 |
11,846 |
14,8 |
|
8 |
8 |
11,846 |
14,8 |
|
10 |
12 |
13,73 |
3 |
|
|
|
Сумма: |
110,0893 |
Ошибка уравнения регрессии:
δ=
=
= 3,03