- •Лабораторна робота № 1 лінійна багатофакторна регресійна модель
- •Теоретичні відомості
- •Алгоритм побудови та аналізу багатофакторної лінійної регресійної моделі
- •Розв’язок
- •Контрольні питання
- •Варіанти завдання для самостійного виконання
- •Лабораторна робота № 2 нелінійна регресійна модель
- •Теоретичні відомості
- •Алгоритм побудови нелінійної регресійної моделі
- •Розв’язок
- •3. Побудуємо параболічну регресійну модель
- •4. Побудуємо гіперболічну регресійну модель
- •5. Побудуємо показникову регресійну модель
- •6. Перевіримо адекватність побудованих моделей
- •6. Надамо відповідь на запитання задачі
- •Контрольні питання
- •Варіанти завдання для самостійного виконання
- •Лабораторна робота № 3 аналіз часових рядів
- •Теоретичні відомості
- •Алгоритм побудови та аналізу адитивної моделі
- •Розв’язок
- •Алгоритм побудови та аналізу мультиплікативної моделі
- •Розв’язок
- •Алгоритм методу експоненційного згладжування
- •Розв’язок
- •Контрольні питання
- •Варіанти завдання для самостійного виконання
- •Лабораторна робота № 4 оптимізаційні моделі і методи лінійного програмування
- •Теоретичні відомості
- •Алгоритм знаходження оптимального розв’язку задачі лінійного програмування
- •Розв’язок
- •Складемо економіко-математичну модель наданої оптимізаційної задачі.
- •Знайдемо оптимальний розв’язок оптимізаційної задачі засобами Excel
- •Знаходження оптимального рішення задачі цілочисельного програмування
- •Контрольні питання
- •Варіанти завдань для самостійного виконання
- •Література
- •Сенча Ірина Анатоліївна
- •Лабораторний практикум з дисципліни «Економіко - математичні моделі та методи проектного менеджменту»
- •Свідоцтво дк № 1434 від 17 липня 2003 р.
- •65009 М. Одеса, вул. Генуезька, 22
-
Контрольні питання
-
Що таке багатофакторна лінійна регресія?
-
Які етапи побудови багатофакторної лінійної регресійної моделі?
-
Як обґрунтовується вибір факторів для побудови моделі?
-
Що таке кореляційна матриця?
-
Який алгоритм побудови кореляційної матриці?
-
Які мета і правило обчислення частинних коефіцієнтів кореляції?
-
Що таке кореляційні плеяди?
-
Як оцінюється вплив факторів на результативну ознаку?
-
Як здійснюється прогноз за багатофакторної лінійної регресійної моделлю?
-
Варіанти завдання для самостійного виконання
Побудувати економіко-математичну модель для прогнозу об’єму продаж продукту деякого підприємства, якщо відомі такі дані (табл. 1.5):
Х1 – часовий фактор, порядковий номер кварталу;
Х2 – ціна одиниці продукту (грн.);
Х3 – ціна одиниці продукту підприємства-конкурента (грн.);
Х4 – витрати на рекламу (грн.);
Y – об’єм продаж (грн.).
Таблиця 1.5
Варіант |
Х1 |
Х2 |
Х3 |
Х4 |
Y |
1 |
1 |
16 |
17 |
5000 |
12000 |
2 |
15 |
18 |
6000 |
13000 |
|
3 |
15 |
17 |
4000 |
15000 |
|
4 |
15 |
16 |
9000 |
18000 |
|
5 |
16 |
18 |
8000 |
23000 |
|
6 |
17 |
19 |
10000 |
34000 |
|
2 |
1 |
17 |
17 |
5000 |
13000 |
2 |
16 |
18 |
6000 |
12000 |
|
3 |
16 |
17 |
4000 |
15000 |
|
4 |
16 |
16 |
9000 |
17000 |
|
5 |
17 |
18 |
8000 |
23000 |
|
6 |
18 |
19 |
10000 |
33000 |
Продовж. табл. 1.5
Варіант |
Х1 |
Х2 |
Х3 |
Х4 |
Y |
3 |
1 |
17 |
16 |
5000 |
13000 |
2 |
17 |
16 |
6000 |
14000 |
|
3 |
16 |
17 |
4000 |
16000 |
|
4 |
16 |
17 |
9000 |
19000 |
|
5 |
18 |
18 |
8000 |
21000 |
|
6 |
18 |
17 |
10000 |
31000 |
|
4 |
1 |
18 |
19 |
5000 |
12000 |
2 |
17 |
18 |
6000 |
13000 |
|
3 |
17 |
17 |
4000 |
15000 |
|
4 |
16 |
17 |
9000 |
18000 |
|
5 |
17 |
16 |
8000 |
23000 |
|
6 |
17 |
16 |
10000 |
34000 |
|
5 |
1 |
18 |
19 |
5000 |
13000 |
2 |
18 |
17 |
6000 |
12000 |
|
3 |
16 |
17 |
4000 |
15000 |
|
4 |
16 |
17 |
9000 |
17000 |
|
5 |
17 |
16 |
8000 |
23000 |
|
6 |
17 |
16 |
10000 |
33000 |
|
6 |
1 |
16 |
17 |
6000 |
14000 |
2 |
15 |
18 |
7000 |
17000 |
|
3 |
15 |
17 |
5000 |
12000 |
|
4 |
15 |
16 |
9000 |
23000 |
|
5 |
16 |
18 |
9000 |
25000 |
|
6 |
17 |
19 |
11000 |
29000 |
|
7 |
1 |
17 |
17 |
6000 |
31000 |
2 |
16 |
18 |
7000 |
34000 |
|
3 |
16 |
17 |
5000 |
28000 |
|
4 |
16 |
16 |
9000 |
44000 |
|
5 |
17 |
18 |
9000 |
42000 |
|
6 |
18 |
19 |
11000 |
47000 |
Продовж. табл. 1.5
Варіант |
Х1 |
Х2 |
Х3 |
Х4 |
Y |
8 |
1 |
17 |
16 |
6000 |
31000 |
2 |
17 |
16 |
7000 |
34000 |
|
3 |
16 |
17 |
5000 |
28000 |
|
4 |
16 |
17 |
9000 |
44000 |
|
5 |
18 |
18 |
9000 |
42000 |
|
6 |
18 |
17 |
11000 |
47000 |
|
9 |
1 |
18 |
19 |
6000 |
12000 |
2 |
17 |
18 |
7000 |
13000 |
|
3 |
17 |
17 |
5000 |
15000 |
|
4 |
16 |
17 |
9000 |
18000 |
|
5 |
17 |
16 |
9000 |
23000 |
|
6 |
17 |
16 |
11000 |
34000 |
|
10 |
1 |
18 |
19 |
6000 |
13000 |
2 |
18 |
17 |
7000 |
12000 |
|
3 |
16 |
17 |
5000 |
15000 |
|
4 |
16 |
17 |
9000 |
17000 |
|
5 |
17 |
16 |
9000 |
23000 |
|
6 |
17 |
16 |
11000 |
33000 |
|
11 |
1 |
16 |
17 |
9000 |
14000 |
2 |
15 |
18 |
7000 |
17000 |
|
3 |
15 |
17 |
7000 |
12000 |
|
4 |
15 |
16 |
8000 |
23000 |
|
5 |
16 |
18 |
8000 |
25000 |
|
6 |
17 |
19 |
9000 |
29000 |
|
12 |
1 |
17 |
17 |
9000 |
26000 |
2 |
16 |
18 |
7000 |
24000 |
|
3 |
16 |
17 |
7000 |
32000 |
|
4 |
16 |
16 |
8000 |
33000 |
|
5 |
17 |
18 |
8000 |
25000 |
|
6 |
18 |
19 |
9000 |
26000 |
Продовж. табл. 1.5
Варіант |
Х1 |
Х2 |
Х3 |
Х4 |
Y |
13 |
1 |
17 |
16 |
9000 |
13000 |
2 |
17 |
16 |
7000 |
14000 |
|
3 |
16 |
17 |
7000 |
16000 |
|
4 |
16 |
17 |
8000 |
19000 |
|
5 |
18 |
18 |
8000 |
21000 |
|
6 |
18 |
17 |
9000 |
31000 |
|
14 |
1 |
18 |
19 |
9000 |
14000 |
2 |
17 |
18 |
7000 |
17000 |
|
3 |
17 |
17 |
7000 |
12000 |
|
4 |
16 |
17 |
8000 |
23000 |
|
5 |
17 |
16 |
8000 |
25000 |
|
6 |
17 |
16 |
9000 |
29000 |
|
15 |
1 |
18 |
19 |
9000 |
12000 |
2 |
18 |
17 |
7000 |
13000 |
|
3 |
16 |
17 |
7000 |
15000 |
|
4 |
16 |
17 |
8000 |
18000 |
|
5 |
17 |
16 |
8000 |
23000 |
|
6 |
17 |
16 |
9000 |
34000 |
|
16 |
1 |
16 |
17 |
9000 |
13000 |
2 |
15 |
18 |
8000 |
12000 |
|
3 |
15 |
17 |
7000 |
15000 |
|
4 |
15 |
16 |
7000 |
17000 |
|
5 |
16 |
18 |
6000 |
23000 |
|
6 |
17 |
19 |
6000 |
33000 |
|
17 |
1 |
17 |
17 |
9000 |
31000 |
2 |
16 |
18 |
8000 |
34000 |
|
3 |
16 |
17 |
7000 |
28000 |
|
4 |
16 |
16 |
7000 |
44000 |
|
5 |
17 |
18 |
6000 |
42000 |
|
6 |
18 |
19 |
6000 |
47000 |
Продовж. табл. 1.5
Варіант |
Х1 |
Х2 |
Х3 |
Х4 |
Y |
18 |
1 |
17 |
16 |
9000 |
26000 |
2 |
17 |
16 |
8000 |
24000 |
|
3 |
16 |
17 |
7000 |
32000 |
|
4 |
16 |
17 |
7000 |
33000 |
|
5 |
18 |
18 |
6000 |
25000 |
|
6 |
18 |
17 |
6000 |
26000 |
|
19 |
1 |
18 |
19 |
9000 |
31000 |
2 |
17 |
18 |
8000 |
34000 |
|
3 |
17 |
17 |
7000 |
28000 |
|
4 |
16 |
17 |
7000 |
44000 |
|
5 |
17 |
16 |
6000 |
42000 |
|
6 |
17 |
16 |
6000 |
47000 |
|
20 |
1 |
18 |
19 |
9000 |
14000 |
2 |
18 |
17 |
8000 |
17000 |
|
3 |
16 |
17 |
7000 |
12000 |
|
4 |
16 |
17 |
7000 |
23000 |
|
5 |
17 |
16 |
6000 |
25000 |
|
6 |
17 |
16 |
6000 |
29000 |
|
21 |
1 |
16 |
17 |
11000 |
34000 |
2 |
15 |
18 |
9000 |
37000 |
|
3 |
15 |
17 |
8000 |
36000 |
|
4 |
15 |
16 |
6000 |
38000 |
|
5 |
16 |
18 |
6000 |
33000 |
|
6 |
17 |
19 |
6000 |
31000 |
|
22 |
1 |
17 |
17 |
11000 |
13000 |
2 |
16 |
18 |
9000 |
14000 |
|
3 |
16 |
17 |
8000 |
16000 |
|
4 |
16 |
16 |
6000 |
19000 |
|
5 |
17 |
18 |
6000 |
21000 |
|
6 |
18 |
19 |
6000 |
31000 |
Продовж. табл. 1.5
Варіант |
Х1 |
Х2 |
Х3 |
Х4 |
Y |
23 |
1 |
17 |
16 |
11000 |
13000 |
2 |
17 |
16 |
9000 |
14000 |
|
3 |
16 |
17 |
8000 |
16000 |
|
4 |
16 |
17 |
6000 |
19000 |
|
5 |
18 |
18 |
6000 |
21000 |
|
6 |
18 |
17 |
6000 |
31000 |
|
24 |
1 |
18 |
19 |
11000 |
12000 |
2 |
17 |
18 |
9000 |
13000 |
|
3 |
17 |
17 |
8000 |
15000 |
|
4 |
16 |
17 |
6000 |
18000 |
|
5 |
17 |
16 |
6000 |
23000 |
|
6 |
17 |
16 |
6000 |
34000 |
|
25 |
1 |
18 |
19 |
11000 |
13000 |
2 |
18 |
17 |
9000 |
12000 |
|
3 |
16 |
17 |
8000 |
15000 |
|
4 |
16 |
17 |
6000 |
17000 |
|
5 |
17 |
16 |
6000 |
23000 |
|
6 |
17 |
16 |
6000 |
33000 |
|
26 |
1 |
19 |
19 |
11000 |
12000 |
2 |
18 |
18 |
9000 |
13000 |
|
3 |
18 |
17 |
8000 |
15000 |
|
4 |
17 |
17 |
6000 |
18000 |
|
5 |
18 |
16 |
6000 |
23000 |
|
6 |
18 |
16 |
6000 |
34000 |
|
27 |
1 |
18 |
17 |
11000 |
13000 |
2 |
18 |
17 |
9000 |
12000 |
|
3 |
16 |
16 |
8000 |
15000 |
|
4 |
16 |
17 |
6000 |
17000 |
|
5 |
18 |
18 |
6000 |
23000 |
|
6 |
17 |
16 |
6000 |
33000 |
Продовж. табл. 1.5
Варіант |
Х1 |
Х2 |
Х3 |
Х4 |
Y |
28 |
1 |
17 |
16 |
8000 |
13000 |
2 |
17 |
16 |
6000 |
14000 |
|
3 |
16 |
17 |
6000 |
16000 |
|
4 |
16 |
17 |
6000 |
19000 |
|
5 |
18 |
18 |
11000 |
21000 |
|
6 |
18 |
17 |
6000 |
31000 |
|
29 |
1 |
18 |
19 |
6000 |
12000 |
2 |
17 |
18 |
6000 |
13000 |
|
3 |
17 |
17 |
11000 |
18000 |
|
4 |
16 |
17 |
9000 |
15000 |
|
5 |
17 |
16 |
8000 |
19000 |
|
6 |
17 |
16 |
6000 |
14000 |
|
30 |
1 |
18 |
19 |
9000 |
13000 |
2 |
18 |
17 |
7000 |
12000 |
|
3 |
16 |
17 |
8000 |
15000 |
|
4 |
16 |
17 |
6000 |
17000 |
|
5 |
17 |
16 |
7000 |
23000 |
|
6 |
17 |
16 |
6000 |
33000 |