Статистика - готовые работы

fig
fig
1.Теоретическая часть.
Термин экономико-математические методы понимается как обобщающее название комплекса экономических и математических научных дисциплин, объединенных для изучения экономических процессов и систем.
Основным метод исследования систем является метод моделирования, т.е. способ теоретического анализа и практического действия, направленный на разработку и использование моделей. При этом под моделью будем понимать образ реального процесса, отражающий его существенные свойства.
Под задачами экономико-математического моделирования понимаются: анализ экономических объектов и процессов, экономическое прогнозирование, предвидение развития экономических процессов.
Мы рассматриваем два вида экономико-математических моделей: адаптивные модели и компонентный анализ.
Адаптивные модели прогнозирования – это модели, способные приспосабливать свою структуру и параметры к изменению условий.
Общая схема построения адаптивных моделей может быть представлена следующим образом. По нескольким первым уровням ряда оцениваются значения параметров модели. По имеющейся модели строится прогноз на один шаг вперед, причем его отклонение от фактических уровней ряда расценивается как ошибка прогнозирования, которая учитывается в соответствии со схемой корректировки модели. Далее по модели со скорректированными параметрами рассчитывается прогнозная оценка на следующий момент времени и т.д. Т.о. модель постоянно учитывает новую информацию и к концу периода обучения отражает тенденцию развития процесса, существующую в данный момент.
Введение.
Использование ЭВМ позволяет облегчить работу с информацией представителям самых разных профессий. Существуют готовые многоцелевые программные продукты для различных видов работ - текстовые редакторы, базы данных, электронные таблицы и т.д. Но иногда удобнее составить небольшую программу решения конкретных задач. Для этого можно использовать различные языки программирования - Паскаль, Си, FoxPro и другие. Язык Visual Basic и ему подобные удобен для таких целей, т.к. имеет очень удобный интерфейс и при минимальном затрате времени позволяет получить хороший результат. На примере предложенного задания рассмотрим применение этого языка для решения задачи.
Введение
Предлагаемая методика анализа финансового состояния предназначена для обеспечения управления финансовым состоянием предприятия и оценки финансовой устойчивости его деловых партнеров в условиях рыночной экономики. Она включает элементы, общие как для внешнего, так и внутреннего анализа. Рассматриваемые ниже задачи и алгоритмы их решения определяют главные направления анализа, а их углубление на базе всей достоверной информации (в том числе на базе разрабатываемых на предприятиях нормативов) проводятся в рамках внутреннего анализа. Кроме того, основы методики могут быть адаптированы к требованиям конкретного внешнего пользователя и поэтому имеют в определенной степени универсальный характер, вытекающий из универсальности рыночных отношений, объединяющих различные формы собственности и различные виды экономической деятельности.
Методика включает следующие блоки анализа: общая оценка финансового состояния и его изменения за отчетный период; анализ финансовой устойчивости предприятия; анализ ликвидности баланса, анализ деловой активности и платежеспособности предприятия.
Оценка финансового состояния и его изменения за отчетный период по сравнительному аналитическому балансу, а также анализ показателей финансовой устойчивости составляют исходный пункт, из которого должен логически развиваться заключительный блок анализа финансового состояния. Анализ ликвидности баланса должен оценивать текущую платежеспособность и давать заключение о возможности сохранения финансового равновесия и платежеспособности в будущем. Сравнительный аналитический баланс и показатели финансовой устойчивости отражают сущность финансового состояния. Ликвидность баланса характеризует внешние проявления финансового состояния, которые обусловлены его сущностью. Углубление анализа на основе данных учета приводит к задачам, относящимся преимущественно к внутреннему анализу. Так, исследование факторов финансовой устойчивости вызывает необходимость внутреннего анализа запасов и затрат, а уточнение оценки ликвидности баланса производится с помощью внутреннего анализа состояния дебиторской и кредиторской задолженности.
В ходе анализа для характеристики различных аспектов финансового состояния применяются как абсолютные показатели, так и финансовые коэффициенты, представляющие собой относительные показатели финансового состояния. Последние рассчитываются в виде отношений абсолютных показателей финансового состояния или их линейных комбинаций. Согласно классификации одного из основателей балансоведения Н.А. Блатова, относительные показатели финансового состояния подразделяются на коэффициенты распределения и коэффициенты координации.
Коэффициенты распределения применяются в тех случаях, когда требуется определить, какую часть тот или иной абсолютный показатель финансового состояния составляет от итога включающей его группы абсолютных показателей. Коэффициенты распределения и их изменения за отчетный период, как будет показано ниже, играют большую роль в ходе предварительного ознакомления с финансовым состоянием по сравнительному аналитическому балансу-нетто.
Коэффициенты координации используются для выражения отношений разных по существу абсолютных показателей финансового состояния или их линейных комбинаций, имеющих раз личный экономический смысл.
Анализ финансовых коэффициентов заключается в сравнении их значении с базисными величинами, а также в изучении их динамики за отчетный период и за ряд лет. В качестве базисных величин используются усредненные по временному ряду значения показателей данного предприятия, относящиеся к прошлым благоприятным с точки зрения (финансового состояния периодам, среднеотраслевые значения показателей, значения показателей, рассчитанные поданным отчетности наиболее удачливого конкурента. Кроме того, в качестве базы сравнения могут служить теоретически обоснованные или полученные в результате экспертных опросов величины, характеризующие оптимальные или критические с точки зрения устойчивости финансового состояния значения относительных показателей. Такие величины фактически выполняют роль нормативов для финансовых коэффициентов, хотя методики их расчета в зависимости, например, от отрасли производства пока не создано, поскольку в настоящее время не устоялся и поэтому лишен полноценной системной упорядоченности набор относительных показателей, применяемых для анализа финансового состояния предприятия. Зачастую предлагается избыточное количество показателей. Для точной и полной характеристики финансового состояния предприятия и тенденций его изменения достаточно сравнительно небольшого количества финансовых коэффициентов. Важно лишь, чтобы каждый из этих показателей отражал наиболее существенные стороны финансового состояния.
Введение.
В успешном решении экономических и социальных вопросов одним из решающих факторов является автоматизация и механизация производства.
В настоящее время технический прогресс характеризуется непрерывным ростом автоматизации производства во всех отраслях народного хозяйства. От автоматизации отдельных установок и агрегатов в настоящее время переходят к комплексной автоматизации и созданию автоматических цехов и заводов- автоматов, обеспечивающих максимальное повышение производительности труда, снижение себестоимости продукции и повышение культуры производства. Только благодаря автоматизации стало возможным осуществление ряда наиболее прогрессивных технологических прогрессов, создание новых современных видов сообщений и средств связи.
Для решения этих задач необходимо повышать технический уровень вычислительной техники, приборов и средств автоматизации на основе новейших достижений микроэлектроники, оптоэлектроники и лазерной техники; опережающими темпами развивать производство быстродействующих вычислительных комплексов, периферийного оборудования и программных средств к ним, электронных устройств регулирования и телемеханики, исполнительных механизмов, приборов и датчиков систем комплексной автоматизации сложных технологических процессов, агрегатов, машин и оборудования, а также микропроцессорной техники.
Для выполнения этих решений, разработки и эффективной эксплуатации автоматических систем регулирования необходимо знать общие законы их построения и действия, методы исследования и настройки. Эти вопросы изучает наука об автоматических системах управления, в частности один из её разделов – автоматические системы регулирования.
Простейшие автоматические регуляторы и устройства человек стал применять ещё в древнейшие времена. Так на рубеже нашей эры арабы с успехом применяли поплавковые регуляторы уровня для повышения точности показаний водяных часов. В средние века с успехом применялись центробежные регуляторы хода водяных мукомольных мельниц. В 1657 г. Гюйгенс предложил и встроил в механические часы маятниковый регулятор хода.
Однако развитие промышленных автоматических регуляторов началось лишь на рубеже XVIII и XIX столетий – в эпоху промышленного переворота в Европе.
Опыт применения регуляторов показал, что эффективность их работы нельзя рассматривать в отрыве от статических и динамических свойств объекта регулирования.
Введение.
Сложившаяся в стране негативная экономическая ситуация, заполнение рынка импортным продовольствием нацеливают сельскохозяйственные предприятия на поиск внутренних резервов увеличения производства конкурентоспособной продукции. Государство не только не в состоянии оказать экономическую и социальную поддержку колхозам и совхозам, но и вынужденно ужесточить режим бюджетного финансирования. Однако и в этих сложных условиях главными задачами колхозов и совхозов были и остаются: идти вперед, проводить весене–полевые работы, готовится к уборке урожая, убирать все выращенное на земле, сохранить основное поголовье крупного рогатого скота, повысить материальное состояние тружеников предприятия.
Урожайность – важнейший показатель, отражающий уровень интенсификации сельскохозяйственного производства. От правильного планирования и прогнозирования уровня урожайности сельскохозяйственных культур во многом зависит качество планово экономического уровня этих экономических категорий, как себестоимость, производительность труда, рентабельность и другие экономические показатели. Таким образом урожайность культур в каждом хозяйстве играет одну из первых ролей, и производитель сельскохозяйственной продукции должен стремиться к постоянному повышению урожайности всех культур. В нашем случае будет рассматриваться урожайность кукурузы, которая играет важную роль. В первую очередь кукуруза важна как кормовая культура для животных. В нашей республике находится крупнейший комбинат по переработке кукурузы - БМК. В наша республике не выращивают кукурузу в таком объеме, чтобы обеспечить этот комбинат. Это в большой мере зависит и от того, что урожайность кукурузы в наших хозяйствах очень низкая, да и по стране в целом тоже. Значит, чтобы повысить урожайность данной культуры нужно знать факторы влияющие на нее.
Целью курсовой работы является выявление факторов влияющих на урожайность кукурузы, как положительных, так и отрицательных, путей уменьшения влияния неблагоприятных факторов. При этом чтобы более точно определить закономерности складывающиеся в развитии урожайности мы проведем анализ при помощи динамических рядов. Это нам даст возможность определить тенденцию развития урожайности. Для выявления тенденции воспользуемся аналитическим методом. Как уже говорилось на урожайность влияет множество факторов. Для выявления их влияния применим регрессионно – корреляционный анализ, а в качестве фактора возьмем количество вносимых удобрений.
Все цифровые данные используемые в курсовой работе взяты из годовых отчетов и первичных документов учхоза имени А. Саламова.
Краткая природно-экономическая характеристика хозяйства.
Учебно-опытное хозяйство ГГАУ организовано в 1924 году. С1996 года в результате объединения учхозов “Михайловское” и “Аланское” рассматриваемое хозяйство носит название учхоза имени профессора А. Саламова.
Центральная усадьба расположена в 9 км на север от республиканского центра города Владикавказа, в селении Михайловском. На севере учхоз граничит с землями ОПХ и НИИ “Горное”, на юго-востоке – с землями колхоза имени Ленина, на востоке с землями колхоза “Чермен”.
Учхоз является многоотраслевым хозяйством в котором возделываются зерновые, технические культуры, овощи, картофель, содержится развитое племенное свиноводство. Но основная его деятельность – это учебно-опытная база, чем и объясняется то, что хозяйство многоотраслевое.
Климат хозяйства характеризуется достаточным, а иногда избыточным увлажнением со среднегодовой температурой воздуха +7,90С. среднемесячная температура воздуха в самые жаркие летние месяцы – июль, август колеблется в пределах от +19,60С до +20,10С, абсолютный максимум достигает +380С. Средняя температура за вегетационный период – апрель -составляет 30000С - 32000С, что вполне достаточно для вызревания таких теплолюбивых культур как кукуруза на зерно, овощей для производства семян.
ВВЕДЕНИЕ.
Курсовая работа по дисциплине “экономико-математическое моделирование” своей задачей определяет практическое освоение и закрепление теоретических знаний по математическому моделированию экономических процессов. В этом проекте также рассматривается умение привлекать новые информационные технологии для решения оптимизационных задач.
Проект состоит из трёх разделов из области принятия решений в бизнесе, которые являются логически связанными между собой объектами принятия решений (фирма и её филиалы). Субъектами принятия решений являются менеджеры фирмы и её филиалов, а также владельцы пунктов реализации продукции.
Раздел 1 – рассматривает линейное программирование как метод моделирования распределения ограниченных ресурсов. Здесь необходимо максимизировать прибыль предприятия, производящего различные виды продукции. Для этого используется математическая модель общей задачи линейного программирования (ОЗЛП) и программный продукт “EXCEL”.
Раздел 2 – продолжает рассмотрение проблемы распределения ограниченных ресурсов с помощью классической транспортной задачи линейного программирования (ТЗЛП). В нём разрабатывается оптимальный план перевозки сырья для всех филиалов предприятий. Для этого составляется математическая модель транспортной задачи линейного программирования и используется программный продукт “EXCEL”.
Раздел 3 – рассматривает правила принятия решений в бизнесе по различным критериям. Здесь рассматриваются различные способы оптимизации портфеля заказов при реализации продукции всех филиалов предприятия через розничную торговую сеть. При этом используются различные теории вероятности и игровые способы принятия решений.
15.1. Укажите номер правильного ответа!
В МАКРОМОДЕЛИ КЕЙНСА, КОЛИЧЕСТВО ТОЖДЕСТВ РАВНО 1) единице; 2) двум; 3) трём; 4) четырём.
ОТВЕТ: 1
1. В парной регрессии спецификация задается в виде изолированного уравнения:

Статистические данные, описывающие связь между себестоимости 1 т.лития ( руб.) и выроботкой литья на одного работающего (т), представлены в таблице.
i Y X
1 170 56.0
2 173 40.2
3 197 40.6
4 172 75.8
5 201 27.6
6 130 88.4
7 251 16.6
8 195 33.4
9 282 17.0
10 196 33.1
11 186 30.1
12 176 65.2
13 238 22.6
14 204 33.4
15 205 19.7

Для оценки коэффициентов регрессии используем МНК.
Метод наименьших квадратов (метод решения систем уравнений, при кото-ром в качестве решения принимается точка минимума суммы квадратов отклоне-ний), то есть в основу этого метода положено требование минимальности сумм квадратов отклонений эмпирических данных от выравненных :
.
Эта функция является квадратичной функцией двух параметров и . Услови-ем существования минимума функции двух переменных является равенство нулю ее частных производных:

Разделив оба уравнения системы на n, получим:
,
где
Из формул статистики очевидно, что:

Тогда
где – выборочный коэффициент корреляции, – стандартные отклонения
Для оценки параметров уравнения регрессии воспользуемся MS Excel функцией
ЗАДАНИЕ №3.
На основании приведенных данных вычислите:
1. рост производительности труда по отделам и по универмагу в целом;
2. оцените влияние структурных сдвигов на изменение производительности труда;
3. какая часть абсолютного прироста товарооборота получена за счет увеличения численности продавцов, а какая за счет повышения производительности труда;
4. абсолютную экономию численности продавцов – всего и в том числе за счет структурных сдвигов в товарообороте и повышения производительности труда продавцов в отделах.
Отделы универсального магазина Товарооборот, тыс.руб. Выручка на одного продавца, тыс.руб.
2000 г 2001г 2000 г 2001г
Готового платья 450 900 1,0 1,2
Парфюмерии 60 75 0,2 0,25
РЕШЕНИЕ:
Будучи сводной характеристикой качественного показателя, средняя величина складывается как под влиянием значений показателя у индивидуальных элементов (единиц), из которых состоит объект, так и под влиянием соотношения их весов («структуры» объекта).
Если любой качественный индексируемый показатель обозначить через x, а его веса – через f, то динамику среднего показателя можно отразить за счет изменения обоих факторов (x и f), так за счет каждого фактора отдельно. В результате получим три различных индекса: индекс переменного состава, индекс фиксированного состава и индекс структурных сдвигов.
Индекс переменного состава отражает динамику среднего показателя (для однородной совокупности) за счет изменения индексируемой величины x у отдельных элементов (частей целого) и за счет изменения весов f, по которым взвешиваются отдельные значения x. Любой индекс переменного состава – это отношение двух средних величин для однородной совокупности (за два периода или по двум территориям):

Величина этого индекса характеризует изменение средневзвешенной средней за счет влияния двух факторов: осредняемого показателя у отдельных единиц совокупности и структуры изучаемой совокупности.
Индекс фиксированного состава отражает динамику среднего показателя лишь за счет изменения индексируемой величины x, при фиксировании весов на уровне, как правило, отчетного периода :

Другими словами, индекс фиксированного состава исключает влияние изменения структуры (состава) совокупности на динамику средних величин, рассчитанных для двух периодов при одной и той же фиксированной структуре.
Индекс структурных сдвигов характеризует влияние изменения структуры изучаемого явления на динамику среднего уровня индексируемого показателя и рассчитывается по формуле:
Строим корреляционную таблицу 1.1., где факторный признак размещается в строках, результативный - в столбцах таблицы. Числа, размещенные на пересечение строк и столбцов (графов) таблицы, обозначают частоту попадания признака в данный интервал, которые суммируются в графе (8) и в последней строке таблицы 1.1.
Корреляционная таблица
Таблица 1.1.
Центральное значение
Группы Х Центральные значения




0,15 0,45 0,75 1,05 1,35
группы Y
0 - 0,3 0,3 - 0,6 0,6 - 0,9 0,9 - 1,2 1,2 - 1,5
1,35 0,9 - 1,8 6 4 10 0,57
2,25 1,8 - 2,7 3 2 3 1 9 0,55 -0,02 -0,022
3,15 2,7 - 3,6 2 15 3 2 22 0,518 -0,032 -0,035
4,05 3,6 - 4,5 3 12 15 0,69 0,172 0,191
4,95 4,5 - 5,4 2 1 3 0,85 0,16 0,178
5,85 5, 4 - 6,3 1 1 1,35 0,5 0,556
-
5 26 24 3 2 60 0,605 - -
Групповая средняя определяется по формуле:

тогда






Все полученные данные заносим в таблицу 1.1.
Строим поле корреляции:

Рис.1. Поле корреляции.
Последовательное увеличение результативного признака от одной группы к другой свидетельствует о присутствии корреляционной связи между признаками.
Эффект влияние на определяется отношениями прироста средних групповых этих величин , где ; . По данным таблицы 1.1. приросты во всех группах одинаковые и равны интервалу , т.е. . А средний объем продажи увеличивается по группам таким образом (таблица 1.1. графа 10)
Тогда с увеличением расходов на рекламу объем продаж в среднем увеличится
1. При практическом проведении регрессионного анализа при помощи метода МНК следует обратить серьезное внимание на проблемы, связанные с выполнимостью свойств случайных отклонений моделей. Свойства оценок коэффициентов регрессии напрямую зависят от свойств случайного члена в уравнении регрессии. Для получения качественных оценок необходимо следить за выполнимостью предпосылок МНК, так как при их нарушении МНК может давать оценки с плохими статистическими свойствами. Одной из ключевых предпосылок МНК является условие постоянства дисперсий случайных отклонений. Выполнимость данной предпосылки называется гомоскедастичностью (постоянством дисперсии отклонений), невыполнимость данной предпосылки называется гетероскедастичностью (непостоянством дисперсии отклонений).
Случайные отклонения принимают произвольные значения некоторых вероятностных распределений. Но, несмотря на то что при каждом конкретном наблюдении случайное отклонение может быть большим либо меньшим, положительным либо отрицательным, не должно быть причины, вызывающей большие отклонения при одних наблюдениях и меньшие при других.
На рисунке 1.1 приведены два примера линейной регрессии – зависимости потребления от дохода : .
В обоих случаях с ростом дохода растет среднее значение потребления. Но на рисунке 1.1, а дисперсия остается одной и той же для различных уровней дохода, а на рисунке 1.1, б дисперсия потребления не остается постоянной, а увеличивается с ростом дохода. Фактически это означает, что во втором случае субъекты с большим доходом в среднем потребляют больше, чем субъекты с меньшим доходом, и, кроме того, разброс в их потреблении более существенен для большего уровня дохода. Люди с большим доходом имеют больший простор для его распределения. Реалистичность данной ситуации не вызывает сомнений.

Рис. 1.1
Гетероскедастичность приводит к тому, что выводы, полученные на основе - и -статистик, а также интервальные оценки будут ненадежными.
Обнаружение гетероскедастичности
Обнаружение гетероскедастичности является довольно сложной задачей. В настоящее время существует ряд методов, позволяющих определить наличие гетероскедастичности.
1. Графический анализ остатков
В этом случае по оси абсцисс откладываются значения объясняющей переменной , а по оси ординат либо отклонения , либо их квадраты . Примеры таких графиков представлены на рисунке 1.2.
На рисунке 1.2, а все отклонения находятся внутри полуполосы постоянной ширины, параллельной оси абсцисс. Это говорит о независимости дисперсий от значений переменной и их постоянстве, т.е. в этом случае выполняются условия гомоскедастичности.
На рисунках 1.2, б  12, д наблюдаются некоторые систематические изменения в соотношениях между и . Рисунок 1.2, б соответствует примеру из главы 1.1. Рисунок (в) отражает линейную, рисунок 1.2, г – квадратичную, рисунок 1.2, д – гиперболическую зависимости между квадратами отклонений и значениями объясняющей переменной . Другими словами, ситуации 1.2, б  1.2, д отражают большую вероятность наличия гетероскедастичности для рассматриваемых статистических данных.

Рис. 1.2
Графический анализ остатков является удобным в случае парной регрессии. При множественной регрессии графический анализ возможен для каждой из объясняющих переменных , . Чаще вместо объясняющих переменных по оси абсцисс откладывают значения , , получаемые из эмпирического уравнения регрессии.
2. Тест ранговой корреляции Спирмена
Значения и (абсолютные величины) ранжируются (упорядочиваются по величинам). Затем определяется коэффициент ранговой корреляции:
(1.1)
где – разность между рангами и , ; – число наблюдений.
Например, если является 25-ым по величине среди всех наблюдений, а является 32-м, то .
Затем рассчитывается статистика:
(1.2)
Если значение, рассчитанное по формуле (1.2), превышает критическое , то необходимо отклонить гипотезу об отсутствии гетероскедастичности. В противном случае гипотеза об отсутствии гетероскедастичности принимается.
Если в модели регрессии больше, чем одна объясняющая переменная, то проверка гипотезы может осуществляться с помощью -статистики для каждой из них отдельно.
Узнайте стоимость работы онлайн!
Предлагаем узнать стоимость вашей работы прямо сейчас.
Это не займёт
много времени.
Узнать стоимость
girl

Наши гарантии:

Финансовая защищенность
Опытные специалисты
Тщательная проверка качества
Тайна сотрудничества