- •1.Корреляционный анализ спроса.
- •Определение среднего значения спроса для каждой номенклатуры:
- •Сведем вычисления в матрицу:
- •3.2 Определим методом наименьших квадратов уравнения прямой зависимости для номенклатуры с сильной обратной зависимостью km:
- •3.3. Определим методом наименьших квадратов уравнения прямой зависимости для номенклатуры с обратной зависимостью kl:
- •4.Прогнозирование спроса.
- •4.1 Метод подвижного (скользящего) среднего.
- •4.2 Метод взвешенного подвижного (скользящего) среднего.
- •4.3 Метод экспоненциального сглаживания.
- •4.4 Метод проецирования тренда.
- •5.2 Определим и для трех различных параметров закона распределения скорости изнашивания: (0,5; 0,5); (0,75; 0,75); (1,25; 1,25). Результаты сведем в таблицу.
- •5.3 Определим для различных p. Результаты занесем в таблицу.
3.2 Определим методом наименьших квадратов уравнения прямой зависимости для номенклатуры с сильной обратной зависимостью km:
Для определения параметров a и b сведем данные в таб.7
Таблица 7
8 |
8 |
64 |
64 |
10 |
6 |
100 |
60 |
12 |
8 |
144 |
96 |
6 |
14 |
36 |
84 |
14 |
6 |
196 |
84 |
4 |
14 |
16 |
56 |
8 |
10 |
64 |
80 |
10 |
10 |
100 |
100 |
8 |
12 |
64 |
96 |
8 |
10 |
64 |
80 |
6 |
10 |
36 |
60 |
12 |
6 |
144 |
72 |
Отсюда:
b= ,
подставляем в первое уравнение системы и находим:
a=0,106 и b=8,66
Получаем уравнение регрессии:
y=0,106x+8,66
Таблица 8
8 |
8 |
9,508 |
2,274 |
10 |
6 |
9,72 |
13,84 |
12 |
8 |
9,932 |
3,73 |
6 |
14 |
9,296 |
22,13 |
14 |
6 |
10,144 |
17,17 |
4 |
14 |
9,084 |
24,17 |
8 |
10 |
9,508 |
0,242 |
10 |
10 |
9,72 |
0,0784 |
8 |
12 |
9,508 |
6,21 |
8 |
10 |
9,508 |
0,242 |
6 |
10 |
9,296 |
0,496 |
12 |
6 |
9,932 |
15,46 |
|
|
Сумма: |
106,0424 |
Ошибка уравнения регрессии:
δ= = = 2,97
3.3. Определим методом наименьших квадратов уравнения прямой зависимости для номенклатуры с обратной зависимостью kl:
Для определения параметров a и b сведем данные в таб.9
Таблица 9
8 |
8 |
64 |
64 |
6 |
6 |
36 |
36 |
8 |
8 |
64 |
64 |
18 |
14 |
324 |
252 |
6 |
6 |
36 |
36 |
8 |
14 |
64 |
112 |
8 |
10 |
64 |
80 |
10 |
10 |
100 |
100 |
14 |
12 |
196 |
168 |
8 |
10 |
64 |
80 |
8 |
10 |
64 |
80 |
12 |
6 |
144 |
72 |
Теперь запишем систему с учетом найденных значений:
Отсюда:
b= ,
подставляем в первое уравнение системы и находим:
a=0,445 и b=5,27
Получаем уравнение регрессии:
y=0,445x+5,27
Таблица 10
8 |
8 |
8,83 |
0,6889 |
6 |
6 |
7,94 |
3,7636 |
8 |
8 |
8,83 |
0,6889 |
18 |
14 |
13,28 |
0,5184 |
6 |
6 |
7,94 |
3,7636 |
8 |
14 |
8,83 |
0,6889 |
8 |
10 |
8,83 |
0,6889 |
10 |
10 |
9,72 |
0,0784 |
14 |
12 |
11,5 |
0,25 |
8 |
10 |
8,83 |
1,3689 |
8 |
10 |
8,83 |
1,3689 |
12 |
6 |
10,61 |
21,2521 |
|
|
Сумма: |
35,12 |
Ошибка уравнения регрессии:
δ= = = 1,712
Вывод: Из трех полученных квадратичных погрешностей (ошибок уравнения) наименьшая получилась для номенклатуры kl, а значит найденная регрессионная прямая ближе к результатам наблюдения.