[ НГУЭУ ] Экономико-статистическое моделирование бизнес-процессов и систем 6 вариант

Имеются данные об объемах производства продукции на предприятии:

2007

2008

2009

2010

2011

2012

2013

2014

2015

2016

Мыло туалетное, т

102,0

99,8

93,2

89,3

89,2

88,2

88,5

80,5

78,4

78,1

1. Проведите сглаживание динамического ряда методом трехзвенной скользящей средней.

2. Постройте линейную модель тренда, оцените ее параметры методом наименьших квадратов.

3. Оцените качество построенной модели и её пригодность для прогнозирования.

4. Постройте точечный и интервальный прогноз объема производства на 2017 и 2018 годы.

5. Изобразите на графике фактические уровни ряда, сглаженные уровни ряда и тренд.

6. Интерпретируйте полученные результаты, сделайте выводы.

Имеются условные данные о сети филиалов фирмы:

№ филиала

Инвестиции в основной капитал, руб. (Y)

Объем выпуска продукции, руб. (X)

1

90945

1008678

2

40149

271236

3

47734

192826

4

122963

693054

5

28381

106934

6

67292

215760

7

13515

136074

8

44836

404965

9

94387

357104

10

345301

781483

11

20717

273121

12

36644

267743

13

47222

151175

14

50019

369509

15

80501

181451

16

66028

262714

17

63595

185683

1. Постройте линейное уравнение регрессии с одной объясняющей переменной.

2. Дайте экономическую интерпретацию коэффициента регрессии a1.

3. Выполните корреляционный анализ, т.е. вычислите линейный коэффициент корреляции и теоретическое корреляционное отношение (индекс корреляции). Сделайте вывод о тесноте и направленности связи между Y и X.

4. Вычислите коэффициент детерминации. Сделайте вывод.

5. Выполните дисперсионный анализ. Протестируйте статистическую гипотезу о достоверности уравнения регрессии при уровне значимости α=0,05. Сделайте вывод.

6. Вычислите среднюю относительную ошибку аппроксимации. Сделайте вывод о возможности использования регрессионной модели для прогнозирования и управления.

1. По учету фактора времени модели подразделяются на:

а. детерминированные и стохастические;

б. статические и динамические;

в. стабильные и нестабильные;

г. открытые и замкнутые.

2. Тренд – это:

а. форма проявления причинно-следственных связей между признаками;

б. аналитическая функция, описывающая тенденцию изменения явления;

в. основное направление развития явления.

3. Какая составляющая временного ряда отражает влияние на него факторов, не поддающихся учету и регистрации:

а. корелограмма;

б. лаг;

в. случайная компонента;

г. тренд?

4. В зависимости от уровня изучаемого процесса модели прогноза бывают:

а. отраслевые;

б. дискретные;

в. локальные.

5. Пусть имеется тенденция роста спроса на определенный товар. Модель тренда выражает эту тенденцию в форме зависимости:

а. от уровня средней заработной платы;

б. от цены на товар;

в. от количества средств, затрачиваемых на рекламу;

г. от времени;

д. от численности населения.

6. Период упреждения прогноза – это:

а. рассматриваемый период исходных данных;

б. период времени от последнего уровня исходных данных до момента, на который строится прогноз;

в. значение последнего уровня исходных данных.

7. Какое значение может принимать коэффициент детерминации:

а. 0,4;

б. –0,5;

в. –1,2;

г. 1,1?

8. Если коэффициент корреляции отрицателен, то в линейной модели:

а. с ростом X уменьшается Y;

б. с повышением X увеличивается Y;

в. с уменьшением X растет Y;

г. с ростом X не меняется Y.

9. Величина коэффициента эластичности показывает:

а. во сколько раз изменится в среднем результат при изменении фактора в два раза;

б. на сколько процентов изменится в среднем результат при изменении фактора на 1%;

в. предельно допустимое изменение варьируемого признака;

г. предельно возможное значение результата.

10. Парный линейный коэффициент корреляции характеризует наличие тесной обратной связи. Он может принимать следующие значения:

а. 1,2;

б. -0,82;

в. 0,92;

г. -0,24.