Содержание работы
Основная часть работы состоит в решении практических задач, использующих возможности программы Excelдля анализа временных рядов.
Порядок выполнения
Для ряда, изображенного на графике (рис. 6.5) применить методы скользящего среднего и экспоненциального сглаживания средствами Excel, сравнить результаты и сделать выводы.
Рис. 6.5 Временной ряд
Сформировать в столбцах массивы случайных чисел, распределенных по требуемому закону распределения, число переменных = 1, число случайных чисел = 100:
Биномиальное распределение. Исходные данные: р = 0,8; число испытаний – 25.
Нормальное распределение. Исходные данные: среднее – 100; стандартное отклонение – 15.
На основе построенных массивов п.2 получить случайную выборку размером 14.
Для полученных исходных данных п.3 построить несколько вариантов типов моделей и выбрать наиболее адекватную модель тренда.
Для имеющихся данных продаж за первое полугодие спрогнозируйте объем продаж во втором полугодии, используя линейную и экспоненциальную зависимости с помощью функций ТЕНДЕНЦИЯ() и РОСТ() соответственно. Сравните результаты.
|
Месяц (x) |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
11 |
12 |
|
тыс. р.(y) |
380 |
250 |
285 |
420 |
440 |
480 |
|
|
|
|
|
|
Контрольные вопросы
Дать определение временного ряда. Привести примеры.
Перечислить задачи, решаемые при изучении временных рядов.
На какие части можно разделить модель временного ряда?
Что такое тренд? Какими моделями он может быть описан?
Какими способами можно выделить тренд?
Раскрыть принцип скользящего среднего.
Лабораторная работа 7: Регрессионный анализ Цель работы
Изучить средства программы Microsoft Excel для регрессионного анализа данных.
Теоретические основы
На практике встречается достаточно большое количество взаимосвязей, например, между заработной платой работника и его образованием, объемом выпускаемой продукции и затратами на производство, между производительностью работника и его отношением к труду и т.д. В связи с этим возникает необходимость в анализе двухмерных данных. Для этого используют два базовых инструмента: корреляционный анализ, позволяющий оценить степень взаимосвязи между факторами и регрессионный анализ, который показывает, как можно предсказать поведение одной из двух переменных или управлять ею с помощью другой.
Коэффициент корреляции
Наиболее важным для практического использования является случай, когда связь между признаками линейная. Мера силы линейной связи признаков называется коэффициентом корреляции. Величина коэффициента, близкая к 1, указывает, что зависимость между данными случайными величинами почти линейная. Значения, близкие к нулю, означают, что связь между величинами либо слабая, либо не носит линейного характера.
Для расчета коэффициента корреляции можно использовать функцию Excel=КОРРЕЛ(массив1;массив2) из категории статистические.
Для вывода результатов в виде таблицы применяют функцию Корреляцияиз пакетаАнализ данных.После ее вызова из окна диалогаАнализ данныхоткроется соответствующее диалоговое окно (рис. 7.1).
Рис. 7.1. Корреляция
В диалоговом окне (рис. 7.1) задаются следующие параметры:
1. Входной интервал- вводится диапазон ячеек, содержащих анализируемые данные.
2. Группирование– переключатель устанавливается в требуемое положение в зависимости от расположения исходных данных.
3. Метки в первой строке– флажок ставится, если первая строка содержит заголовок, в противном случае будут созданы стандартные заголовки автоматически.
4. Параметры вывода– указывается место, где будет указана таблица результатов анализа.