Статистика
| контрольные работы, Статистика Объем работы: 15 стр. Год сдачи: 2012 Стоимость: 10 бел рублей (323 рф рублей, 5 долларов) Просмотров: 311 | Не подходит работа? |
Оглавление
Введение
Заключение
Заказать работу
1. Введение............1
2. Теоретическое обоснование модели
Проанализируем продажи мороженого, продаваемого фирмой с лотков на пляжах Балтийского моря, за период 2 недели и составим регрессионную модель спроса на мороженое. ................2
3. Анализ и методы
3.1. Предварительный анализ данных...............4
3.2. Построение и анализ регрессионной модели
Определение коэффициентов регрессионной модели....................7
Проверка адекватности регрессионной модели..........10
Оценка статистической значимости параметров регрессии и корреляции............11
Заключение..............15
2. Теоретическое обоснование модели
Проанализируем продажи мороженого, продаваемого фирмой с лотков на пляжах Балтийского моря, за период 2 недели и составим регрессионную модель спроса на мороженое. ................2
3. Анализ и методы
3.1. Предварительный анализ данных...............4
3.2. Построение и анализ регрессионной модели
Определение коэффициентов регрессионной модели....................7
Проверка адекватности регрессионной модели..........10
Оценка статистической значимости параметров регрессии и корреляции............11
Заключение..............15
1. Введение
Существующие между явлениями формы и виды связей весьма разнообразны по своей классификации. Предметом статистики являются только такие из них, которые имеют количественный характер и изучаются с помощью количественных методов. Рассмотрим метод корреляционно-регрессионного анализа, который является основным в изучении взаимосвязей явлений.
Данный метод содержит две свои составляющие части — корреляционный анализ и регрессионный анализ. Корреляционный анализ — это количественный метод определения тесноты и направления взаимосвязи между выборочными переменными величинами. Регрессионный анализ — это количественный метод определения вида математической функции в причинно-следственной зависимости между переменными величинами.
Поставим целью на основе корреляционно-регрессионного анализа построить модель спроса на какой-нибудь продукт. Например, на мороженое.
Для того, чтобы построить модель спроса на мороженое, необходимо установить какие факторы оказывают влияние на продажи, сколько их. Далее найти или самостоятельно собрать статистику по значениям факторов и соответствующим им значениям спроса на мороженое. Это позволит нам опытным путем установить, действительно ли существует связь между переменными и насколько она сильна, каково ее направление и наконец, какова ее конкретная аналитическая форма.
Таким образом, корреляционно-регрессионный анализ предполагает решение следующих задач:
• сбор статистических данных о значениях влияющих и зависимой переменной. Могут использоваться данные, собранные за длительный период времени (например, за несколько лет), или данные, собранные на определенный момент времени по нескольким объектам (например, по нескольким предприятиям);
• определение тенденции изменения выходной переменной (рост, снижение, периодическое изменение и т.д.);
• определение вида зависимости выходной переменной от входных переменных, построение регрессионной модели;
• проверка адекватности регрессионной модели, оценка точности...
Существующие между явлениями формы и виды связей весьма разнообразны по своей классификации. Предметом статистики являются только такие из них, которые имеют количественный характер и изучаются с помощью количественных методов. Рассмотрим метод корреляционно-регрессионного анализа, который является основным в изучении взаимосвязей явлений.
Данный метод содержит две свои составляющие части — корреляционный анализ и регрессионный анализ. Корреляционный анализ — это количественный метод определения тесноты и направления взаимосвязи между выборочными переменными величинами. Регрессионный анализ — это количественный метод определения вида математической функции в причинно-следственной зависимости между переменными величинами.
Поставим целью на основе корреляционно-регрессионного анализа построить модель спроса на какой-нибудь продукт. Например, на мороженое.
Для того, чтобы построить модель спроса на мороженое, необходимо установить какие факторы оказывают влияние на продажи, сколько их. Далее найти или самостоятельно собрать статистику по значениям факторов и соответствующим им значениям спроса на мороженое. Это позволит нам опытным путем установить, действительно ли существует связь между переменными и насколько она сильна, каково ее направление и наконец, какова ее конкретная аналитическая форма.
Таким образом, корреляционно-регрессионный анализ предполагает решение следующих задач:
• сбор статистических данных о значениях влияющих и зависимой переменной. Могут использоваться данные, собранные за длительный период времени (например, за несколько лет), или данные, собранные на определенный момент времени по нескольким объектам (например, по нескольким предприятиям);
• определение тенденции изменения выходной переменной (рост, снижение, периодическое изменение и т.д.);
• определение вида зависимости выходной переменной от входных переменных, построение регрессионной модели;
• проверка адекватности регрессионной модели, оценка точности...
Заключение
Итак, мы провели корреляционно-регрессионный анализ для многофакторной модели спроса. Для этого мы определили наиболее важные с нашей точки зрения факторы, подобрали соответствующие статистические данные, установили наличие корреляционной связи между отобранными показателями, обосновали предположение о возможной форме связи, провели регрессионный анализ: нашли линию регрессии, провели тест на качество модели.
Полученный конечный результат у = 303,5+13,3X1+125,2X2 линия регрессии, позволит, подставляя определенные значения X1, X2 прогнозировать с некоторой вероятностью средний размер спроса на мороженое. При этом, отметим, что как мы и предполагали, наибольшее влияние оказывают факторы внешней среды, не зависящие от фирмы – это температура воздуха и то, какой день: выходной или нет. Остальные факторы мы вынуждены были исключить: средняя зарплата продавца, наличие яркой вывески, средняя цена на мороженое. Если насчет зарплаты и рекламы сложно усомниться, то по поводу отсутствия влияния цены есть сомнения. Возможно, влияние цены проявилось бы при большем объеме выборки. Стоит отметить, что у корреляционно-регрессионного анализа есть свои ограничения. Применение возможно при наличии достаточного количества наблюдений для изучения. На практике считается, что число наблюдений должно не менее, чем в 5-6 раз превышать число факторов (также встречается рекомендация использовать пропорцию не менее, чем в 10 раз превышающую количество факторов). В случае, если число наблюдений превышает количество факторов в десятки раз, в действие вступает закон больших чисел, который обеспечивает взаимопогашение случайных колебаний.
Итак, мы провели корреляционно-регрессионный анализ для многофакторной модели спроса. Для этого мы определили наиболее важные с нашей точки зрения факторы, подобрали соответствующие статистические данные, установили наличие корреляционной связи между отобранными показателями, обосновали предположение о возможной форме связи, провели регрессионный анализ: нашли линию регрессии, провели тест на качество модели.
Полученный конечный результат у = 303,5+13,3X1+125,2X2 линия регрессии, позволит, подставляя определенные значения X1, X2 прогнозировать с некоторой вероятностью средний размер спроса на мороженое. При этом, отметим, что как мы и предполагали, наибольшее влияние оказывают факторы внешней среды, не зависящие от фирмы – это температура воздуха и то, какой день: выходной или нет. Остальные факторы мы вынуждены были исключить: средняя зарплата продавца, наличие яркой вывески, средняя цена на мороженое. Если насчет зарплаты и рекламы сложно усомниться, то по поводу отсутствия влияния цены есть сомнения. Возможно, влияние цены проявилось бы при большем объеме выборки. Стоит отметить, что у корреляционно-регрессионного анализа есть свои ограничения. Применение возможно при наличии достаточного количества наблюдений для изучения. На практике считается, что число наблюдений должно не менее, чем в 5-6 раз превышать число факторов (также встречается рекомендация использовать пропорцию не менее, чем в 10 раз превышающую количество факторов). В случае, если число наблюдений превышает количество факторов в десятки раз, в действие вступает закон больших чисел, который обеспечивает взаимопогашение случайных колебаний.
После офорления заказа Вам будут доступны содержание, введение, список литературы*
*- если автор дал согласие и выложил это описание.