referat-web.com Бесплатно скачать - рефераты, курсовые, контрольные. Большая база работ.
Прогнозирование на основе регрессионных моделей
По имеющимся исходным данным выявить и оценить на основе регрессионных моделей производственные связи. Провести расчет прогнозных значений показателей, когда уровень факторных показателей на 30% превышают средние величины исходных данных.
Исходные данные представлены в таблице:
№ | Удой молока на среднегодовую корову, кг | Расход кормов на 1 корову, корм. ед. | Удельный вес чистопородных коров в стаде, % | Себестоимость молока за 1 кг, руб. |
| 1 | 3280 | 48,20 | 61 | 0,313 |
| 2 | 2920 | 43,10 | 54 | 0,413 |
| 3 | 5140 | 60,70 | 70 | 0,268 |
| 4 | 4630 | 60,10 | 67 | 0,310 |
| 5 | 4950 | 59,40 | 71 | 0,309 |
| 6 | 5000 | 52,50 | 74 | 0,288 |
| 7 | 2790 | 44,00 | 45 | 0,357 |
| 8 | 4340 | 54,20 | 68 | 0,247 |
| 9 | 4160 | 53,20 | 65 | 0,305 |
| 10 | 2660 | 46,40 | 51 | 0,376 |
| 11 | 2960 | 47,10 | 52 | 0,351 |
| 12 | 3230 | 46,10 | 57 | 0,356 |
| 13 | 3480 | 53,90 | 58 | 0,312 |
| 14 | 3230 | 53,40 | 52 | 0,415 |
| 15 | 2370 | 39,40 | 44 | 0,411 |
| 16 | 2610 | 40,20 | 50 | 0,380 |
| 17 | 3000 | 45,50 | 52 | 0,326 |
| 18 | 2960 | 41,40 | 49 | 0,341 |
| 19 | 3100 | 47,80 | 53 | 0,398 |
| 20 | 2720 | 46,30 | 57 | 0,405 |
Необходимо определить тесноту связи между данными признаками. Для этого вначале воспользуемся коэффициентом корреляции рангов Спирмэна. Этот показатель основан на корреляции не самих значений коррелируемых признаков, а их рангов. Для его расчета присвоим ранги значениям соответствующих признаков, затем найдем их разность d. Эти вычисления отразим в нижеследующих таблицах. Далее вычислим непосредственно сам коэффициент, который равен: 
, ( n – число наблюдаемых пар значений признаков.)
Расчетные таблицы для определения коэффициента корреляции рангов Спирмэна
| Удой молока на среднегодовую корову, кг | Себестоимость молока за 1 кг, руб. | Ранги | Разность рангов d = Nx - Ny | d2 | ||
| x | y | Nx | Ny | |||
| 3280 | 0,313 | 8 | 13 | -5 | 25 | |
| 2920 | 0,413 | 15 | 2 | 13 | 169 | |
| 5140 | 0,268 | 1 | 19 | -18 | 324 | |
| 4630 | 0,31 | 4 | 15 | -11 | 121 | |
| 4950 | 0,309 | 3 | 16 | -13 | 169 | |
| 5000 | 0,288 | 2 | 18 | -16 | 256 | |
| 2790 | 0,357 | 16 | 8 | 8 | 64 | |
| 4340 | 0,247 | 5 | 20 | -15 | 225 | |
| 4160 | 0,305 | 6 | 17 | -11 | 121 | |
| 2660 | 0,376 | 18 | 7 | 11 | 121 | |
| 2960 | 0,351 | 13,5 | 10 | 3,5 | 12,25 | |
| 3230 | 0,356 | 9,5 | 9 | 0,5 | 0,25 | |
| 3480 | 0,312 | 7 | 14 | -7 | 49 | |
| 3230 | 0,415 | 9,5 | 1 | 8,5 | 72,25 | |
| 2370 | 0,411 | 20 | 3 | 17 | 289 | |
| 2610 | 0,38 | 19 | 6 | 13 | 169 | |
| 3000 | 0,326 | 12 | 12 | 0 | 0 | |
| 2960 | 0,341 | 13,5 | 11 | 2,5 | 6,25 | |
| 3100 | 0,398 | 11 | 5 | 6 | 36 | |
| 2720 | 0,405 | 17 | 4 | 13 | 169 | |
| n = 20 | ∑ d 2 = | 2398 | ||||
| ρ = | -0,803 | |||||