![]() Главная страница Случайная страница КАТЕГОРИИ: АвтомобилиАстрономияБиологияГеографияДом и садДругие языкиДругоеИнформатикаИсторияКультураЛитератураЛогикаМатематикаМедицинаМеталлургияМеханикаОбразованиеОхрана трудаПедагогикаПолитикаПравоПсихологияРелигияРиторикаСоциологияСпортСтроительствоТехнологияТуризмФизикаФилософияФинансыХимияЧерчениеЭкологияЭкономикаЭлектроника |
РОЗВ’ЯЗОКСтр 1 из 5Следующая ⇒
Варіант №10 ЗМІСТ Лабораторна робота №1…………………………………………………………..3 Лабораторна робота №2…………………………………………………………..7 Лабораторна робота №3………………………………………………………....10 Лабораторна робота №4…………………………………………………………13 Лабораторна робота №5…………………………………………………………16 Лабораторна робота №6…………………………………………………………23 Лабораторна робота №9…………………………………………………………27 Лабораторна робота №11………………………………………………………..30 Лабораторна робота №12………………………………………………………..33 Лабораторна робота № 1 «Лінійна модель» Згідно з вибіркою статистичних даних побудувати лінійну модель залежності Y від X виду: Мета роботи: - визначити аналітичну залежність між дослідними даними із застосуванням методу найменших квадратів (знайти параметри моделі); - представити модель на графіку (графічне відображення моделі засновується на побудові лінії тренду в прямокутних координатах Y-X). Похідні дані для розрахунку моделей лабораторної роботи № 1 наведено в таблиці 1.1 Таблиця 1.1
РОЗВ’ЯЗОК 1) Визначимо аналітичну залежність між дослідними даними із застосуванням методу найменших квадратів (знайдемо параметри моделі); Використаємо МНК для оцінки теоретичних параметрів моделі парної регресії приводить до таких систем нормальних рівнянь: лінійна залежність Y = a0 + a1X.
Розрахунок аналітичної залежності та параметри моделі лінійної моделі проведемо за допомогою середовища EXCEL, застосуємо для цього вбудовану функцію ЛИНЕЙН» Результат – це оцінка параметрів лінійної регресії та регресійна статистика. Для цього треба: 1) відмітити поле, де буде знаходитись результат розміром (k + 1) ´ 5, або m1 ´ 5; m1 = k + 1 2) ввійти у «майстер функцій f». У категоріях вибираємо " статистична", а в функціях – ЛИНЕЙН. Вводимо адреси значень Y, Х та значення константи і статистики; 3) для того, щоб отримати на екрані результат, натискаємо спершу клавішу F2, а потім Ctrl+Shift+Еnter. Функція може додатково обчислювати регресійну статистику «Відомі значення Y» — множина значень Y. Якщо масив Y має один стовпець, то кожний стовпець масиву «відомі_значення_Х» інтерпретуються як окрема змінна. Якщо масив «відомі_значення_Y» має один рядок, то кожний рядок «відомих значень Х» інтерпретується як окрема змінна. «Відомі_значення_Х» — множина значень Х, що враховує або одну (парна регресія), або кілька змінних (множинна регресія). Якщо «відомі_значення_Х» пропустили, то вважається, що це масив {1; 2; 3;...} такого самого розміру, як n «відомих_значень Y». «Конст» — логічне значення. Якщо «конст» має значення «ложь», то a 0 беруть таким, що дорівнює нулю: значення aдобирають так, щоб виконувалася рівність Y = ХА (модель без вільного члена). Якщо «конст» має значення «истина», то a 0 обчислюється традиційно (модель з вільним членом). «Статистика» — логічне значення, яке вказує, чи потрібно обчислювати додаткову статистику за регресією. Якщо «статистика» має значення «истина», то функція ЛИНЕЙН обчислює додаткову регресійну статистику у вигляді масиву. Де а1 - оцінка параметра; а0 - оцінка вільного члена регресії; Sa1 – стандартна похибка оцінки параметра а1; R2 - коефіцієнт детермінації; sey – стандартна похибка залишків; F – критерій Фішера Ступінь свободи дорівнює (n – m), де n – кількість спостережень, m – кількість змінних у моделі; це значення необхідне для визначення табличного значення F-критерію. Ssreg - сума квадратів відхилення, що пояснюється регресією; ssresid – сума квадратів відхилення, що пояснюється похибкою u. Лінійна залежність має вигляд: Y = -1, 8132х+24, 853.
Лабораторна робота № 2. «Степенева функція» Згідно з вибіркою статистичних даних побудувати степеневу модель залежності Y від X виду: Мета роботи: - визначити аналітичну залежність між дослідними даними із застосуванням методу найменших квадратів (знайти параметри моделі); - представити модель на графіку (графічне відображення моделі засновується на побудові лінії тренду в прямокутних координатах Y-X). Похідні дані для розрахунку моделей лабораторної роботи № 2 наведено в таблиці 2.1 Таблиця 2.1
1) Визначимо аналітичну залежність між дослідними даними із застосуванням методу найменших квадратів (знайдемо параметри моделі); Використаємо МНК для оцінки теоретичних параметрів моделі парної регресії приводить до таких систем нормальних рівнянь: степенева залежність Логарифмуємо функцію lnY = ln a1 + a2· ln Х. Замінюємо логарифми lnY = Y′, ln Х = Х′, ln a1 = a′. Одержуємо лінійну модель Y′ = a′ + a1 · Х′. Складаємо систему нормальних рівнянь:
Параметри та розрахунок регресійної статистикистепеневої функції розраховуємо за допомогою вбудованої функції «ЛИНЕЙН» (відомі_значення_Y; відомі_значення_Х; конст; статистика) Степенева залежність має вид: Представимо модель на графіку (графічне відображення моделі засновується на побудові лінії тренду в прямокутних координатах Y-X).
Лабораторна робота № 3. «Параболічна функція» Згідно з вибіркою статистичних даних побудувати параболічнумодель залежності Y від X виду: Мета роботи: визначити аналітичну залежність між дослідними даними із застосуванням методу найменших квадратів (знайти параметри моделі); представити модель на графіку (графічне відображення моделі засновується на побудові лінії тренду в прямокутних координатах Y-X). Похідні дані для розрахунку моделей лабораторної роботи № 3 наведено в таблиці 3.1 Таблиця 3.1
параболічна залежність Y = a0 + a1х2. Замінюємо х2 = х′ і отримаємо лінійну модель Y = a0 + a1х′. Для оцінки теоретичних параметрів моделі складаємо систему нормальних рівнянь:
Визначимо аналітичну залежність між дослідними даними із застосуванням методу найменших квадратів та знайдемо параметри моделі в середовище Excel за допомогою вбудованої функції ЛИНЕЙН» (відомі_значення_Y; відомі_значення_Х; конст; статистика)
Для того, щоб отримати на екрані результат, натискаємо спершу клавішу F2, а потім Ctrl+Shift+Еnter. Отже, гіперболічнамодель залежності Y від X має вид:
Лабораторна робота № 4. «Гіперболічна функція» Згідно з вибіркою статистичних даних побудувати гіперболічнумодель залежності Y від X виду: Мета роботи: - визначити аналітичну залежність між дослідними даними із застосуванням методу найменших квадратів (знайти параметри моделі); - представити модель на графіку (графічне відображення моделі засновується на побудові лінії тренду в прямокутних координатах Y-X). Похідні дані для розрахунку моделей лабораторної роботи № 4 наведено в таблиці 4.1 Таблиця 4.1
Замінюємо Для оцінки теоретичних параметрів моделі складаємо систему нормальних рівнянь:
Визначимо аналітичну залежність між дослідними даними із застосуванням методу найменших квадратів та знайдемо параметри моделі в середовище Excel за допомогою вбудованої функції ЛИНЕЙН» (відомі_значення_Y; відомі_значення_Х; конст; статистика)
Для того, щоб отримати на екрані результат, натискаємо спершу клавішу F2, а потім Ctrl+Shift+Еnter.
Отже, гіперболічнамодель залежності Y від X має вид:
Лабораторна робота № 5. «Експоненціальна модель» Згідно з вибіркою статистичних даних побудувати експоненціальнумодель залежності Y від X виду:
- визначити аналітичну залежність між дослідними даними із застосуванням методу найменших квадратів (знайти параметри моделі); - представити модель на графіку (графічне відображення моделі засновується на побудові лінії тренду в прямокутних координатах Y-X). Похідні дані для розрахунку моделей лабораторної роботи № 5 наведено в таблиці 5.1 Таблиця 5.1
Для оцінки теоретичних параметрів зводимо модель до лінійного вигляду:
Одержуємо лінійну модель Розрахунок параметрів та регресійної статистикиекспоненціальноїфункції розраховуємо за допомогою вбудованої функції «ЛИНЕЙН» (відомі_значення_Y; відомі_значення_Х; конст; статистика)
Лабораторна робота № 6 Задача. Для виготовлення двох видів продукції А1 і А2 використовують три види сировини І, ІІ і ІІІ. Запаси сировини, норми їх витрат і прибуток від реалізації одиниці продукції задано у таблиці. Знайти розмір максимального прибутку, який можна одержати за наявності даних запасів сировини. Варіанти асортименту обрати з таблиці 6.1. Таблиця 6.1
РІШЕННЯ Позначимо кількість виготовленої продукції першого виду А1 через х1, другого – х2. Враховуючи витрати сировини I, II та III виду на виготовлення одиниці продукції видів А1 та А2, а також обмежені запаси сировини, запишемо систему обмежень (6.1). Прибуток, одержаний з виготовлення продукції у вигляді функції мети (6.2).
Зведемо задачу лінійного програмування (6.3 6.4) до канонічної форми додавши невідомі х3, х4 та х5 до лівої сторони двох нерівностей відповідно:
Розв'яжемо систему рівнянь методом Гаусса-Джордана, тому запишемо систему обмежень (6.3) у вигляді початкової розрахункової таблиці, яку назвемо ітерацією 1. Для знаходження початкового базового плану розділимо змінні на дві групи – базові і вільні. Для вибору базових змінних доцільно скористатися таким правилом: в якості базових змінних ітерації симплекс-таблиці необхідно вибрати такі змінні (їх кількість визначається числом основних обмежень), кожна з яких тільки раз входить у рівняння основних обмежень. Решту змінних будемо вважати вільними. Запишемо цільову форму f у вигляді рівняння Таблиця заповнюється формально за вибраною канонічною формою. 1. Заповнюємо базові стовпчики: на перетині однойменних рядків і стовпчиків ставимо 1, а в усіх інших клітинках будуть нулі. 2. В інших рядках виписуємо коефіцієнти, що стоять біля відповідних невідомих. Нульовий рядок відповідає оптимізуючій формі і служить для визначення ступеня оптимальності опорного плану.
|