Автор: Пользователь скрыл имя, 03 Ноября 2012 в 09:07, курсовая работа
В ходе выполнения курсового проекта были освоены инструменты статистики для дальнейшего применения в решении управленческих задач с помощью статистической обработки информации о деятельности предприятия.
Главная задача статистики на современном этапе состоит в обработке достоверной информации. Обработанные определенным образом данные позволяют судить о явлении, делать прогнозы. Статистические данные способны сказать языком статистических показателей о многом в весьма яркой и убедительной форме.
1.Структурная группировка статистических наблюдений на транспорте 3
1.1 Построение интервального ряда распределения 3
1.2 Вычисление средних величин 5
1.3 Структурные средние 7
1.4 Показатели вариации 9
II Аналитическая группировка статистических наблюдений на транспорте 11
2.1 Коэффициент корреляции 11
2.2 Дополнительные коэффициенты 15
2.3 Оценка значимости коэффициента корреляции 19
III Анализ динамики перевозок грузов с помощью расчета статистических показателей и средних характеристик 20
3.1 Понятие о динамических рядах 20
3.2 Показатели изменений уровня динамического ряда 21
3.3 Средние характеристики динамического ряда 24
IV Анализ перевозок груза с помощью расчета индексов сезонности 29
V. Анализ затрат на производство различных видов продукции с помощью расчета статистических индексов 39
Заключение
Список используемой литературы
Вывод: так как коэффициент вариации превышает 40%, то совокупность неоднородная и среднее значение выбрано надежно.
II Аналитическая группировка
С помощью аналитической группировки исследуются связи между различными изучаемыми явлениями и их признаками.
Основными понятиями аналитической группировки являются корреляция и регрессия. Корреляция считается основным показателем и зависит от регрессии.
Регрессионный анализ изучает форму связи между случайными величинами. Корреляционный анализ изучает интенсивность связи между случайными явлениями.
2.1 Коэффициент корреляции
Коэффициент корреляции лежит в пределах от -1 до 1 (-1≤r≤1) и находится по формуле:
Где – случайные величины
5396т.
1704,38чел
Вывод: связь между среднесписочной численностью персонала и объемом перевезенного груза высокая. Чем больше среднесписочная численность персонала, тем больше объем перевезенного груза и наоборот.
Промежуточные расчеты представлены в таблице 2.
Таблица 2
Xi-Xср |
Yi-Yср |
(Xi-Xср)*(Yi-Yср) |
(Xi-Xср)^2 |
(Yi-Yср)^2 |
-881,88 |
-4006,00 |
3532791,25 |
777703,52 |
16048036,00 |
-666,88 |
-3113,50 |
2076315,31 |
444722,27 |
9693882,25 |
-429,38 |
-3038,50 |
1304655,94 |
184362,89 |
9232482,25 |
-506,88 |
-2631,00 |
1333588,13 |
256922,27 |
6922161,00 |
-891,88 |
-2471,00 |
2203823,13 |
795441,02 |
6105841,00 |
150,63 |
-2058,50 |
-310061,56 |
22687,89 |
4237422,25 |
-634,38 |
-1876,00 |
1190087,50 |
402431,64 |
3519376,00 |
-674,38 |
-1843,50 |
1243210,31 |
454781,64 |
3398492,25 |
-349,38 |
-911,00 |
318280,63 |
122062,89 |
829921,00 |
1095,63 |
-496,00 |
-543430,00 |
1200394,14 |
246016,00 |
858,13 |
266,50 |
228690,31 |
736378,52 |
71022,25 |
400,63 |
939,00 |
376186,88 |
160500,39 |
881721,00 |
20,63 |
1191,50 |
24574,69 |
425,39 |
1419672,25 |
595,63 |
1296,50 |
772227,81 |
354769,14 |
1680912,25 |
358,13 |
1841,50 |
659487,19 |
128253,52 |
3391122,25 |
323,13 |
1941,50 |
627347,19 |
104409,77 |
3769422,25 |
183,13 |
2454,00 |
449388,75 |
33534,77 |
6022116,00 |
95,63 |
3424,00 |
327420,00 |
9144,14 |
11723776,00 |
348,13 |
4209,00 |
1465258,13 |
121191,02 |
17715681,00 |
605,63 |
4881,50 |
2956358,44 |
366781,64 |
23829042,25 |
20236200,00 |
6676898,44 |
130738117,50 |
Где n – число предприятий (20)
Если 0≤r≤±0.4, то связь между явлениями отсутствует;
±0.41≤r≤±0.6, то между явлениями средняя зависимость;
±0.61≤r≤±0.8, то связь между явлениями высокая;
±0.81≤r≤±0.9, то связь между явлениями очень высокая;
±0.91≤r±1, то между явлениями полная зависимость.
Если с увеличением признака X, увеличивается значение Y, то зависимость между явлениями прямая.
Если с увеличением признака X, уменьшается значение Y, то зависимость между явлениями обратная.
После нахождения коэффициента корреляции строим поле корреляции. Полем корреляции называются нанесенные в определенном масштабе точки в прямоугольной системе координат, каждая из которых имеет две координаты.
Затем на диаграмму добавляем линию тренда (y=bx+a), где b – коэффициент регрессии, который определяет форму связи между случайными величинами и для линейной парной зависимости равен:
Диаграмма 3
Линейная зависимость
Диаграмма 4
Степенная зависимость
Диаграмма 5
Логарифмическая зависимость
2.2 Дополнительные коэффициенты
Коэффициент детерминации – это квадрат коэффициента корреляции . Он определяет долю влияния фактора, вошедшего в модель, на результат. определяет долю влияния фактора, не вошедшего в модель, на результат.
Вывод: Доля влияния факторов, включенных в модель, составляет 0,48 а доля влияния факторов, не включенных в модель, 0,52.
Дополнительной оценкой точности аппроксимации является средняя относительная ошибка аппроксимации . Она представляет собой среднее отклонение расчетных значений от фактических.
Где – y теоретическое. Рассчитывается путем подстановки исходного значения x в уравнение.
Если 20 – качество модели хорошее;
Если 40 – качество модели удовлетворительное;
Если 100 – качество модели плохое.
Для того чтобы выбрать наиболее адекватную модель, необходимо рассчитать 3 ошибки аппроксимации. Наиболее адекватной моделью является модель с наименьшей ошибкой аппроксимации.
Для линейной зависимости: y=3.03x+230,42
Вывод: так как ошибка аппроксимации равна %, то качество линейной модели удовлетворительное.
Промежуточные расчеты представлены в таблице 3.
Таблица 3
2723,23 |
-1333,23 |
0,96 |
3374,85 |
-1092,35 |
0,48 |
4094,66 |
-1737,16 |
0,74 |
3859,77 |
-1094,77 |
0,40 |
2692,92 |
232,08 |
0,08 |
5852,51 |
-2515,01 |
0,75 |
3473,35 |
46,65 |
0,01 |
3352,12 |
200,38 |
0,06 |
4337,12 |
147,88 |
0,03 |
8716,60 |
-3816,60 |
0,78 |
7996,79 |
-2334,29 |
0,41 |
6610,21 |
-275,21 |
0,04 |
5458,51 |
1128,99 |
0,17 |
7201,21 |
-508,71 |
0,08 |
6481,40 |
756,10 |
0,10 |
6375,32 |
962,18 |
0,13 |
5951,01 |
1898,99 |
0,24 |
5685,82 |
3134,18 |
0,36 |
6451,09 |
3153,91 |
0,33 |
7231,52 |
3045,98 |
0,30 |
6,45 |
Для степенной зависимости:
Промежуточные расчеты представлены в таблице 10.
Вывод: так как ошибка аппроксимации равна %, то качество модели удовлетворительное.
Таблица 4
2211,25 |
-821,25 |
0,59 |
2885,45 |
-602,95 |
0,26 |
3654,31 |
-1296,81 |
0,55 |
3400,91 |
-635,91 |
0,23 |
2180,46 |
744,54 |
0,25 |
5615,82 |
-2278,32 |
0,68 |
2989,27 |
530,73 |
0,15 |
2861,56 |
690,94 |
0,19 |
3918,26 |
566,74 |
0,13 |
9001,90 |
-4101,90 |
0,84 |
8132,42 |
-2469,92 |
0,44 |
6491,40 |
-156,40 |
0,02 |
5167,15 |
1420,35 |
0,22 |
7185,07 |
-492,57 |
0,07 |
6341,42 |
896,08 |
0,12 |
6218,25 |
1119,25 |
0,15 |
5728,72 |
2121,28 |
0,27 |
5425,42 |
3394,58 |
0,38 |
6306,20 |
3298,80 |
0,34 |
7220,89 |
3056,61 |
0,30 |
6,20 |
Для логарифмической модели: (Табл. 5).
%
Таблица 5
2161,77 |
-771,77 |
0,56 |
3285,72 |
-1003,22 |
0,44 |
4283,40 |
-1925,90 |
0,82 |
3979,88 |
-1214,88 |
0,44 |
2102,56 |
822,44 |
0,28 |
6098,10 |
-2760,60 |
0,83 |
3435,00 |
85,00 |
0,02 |
3250,60 |
301,90 |
0,08 |
4577,93 |
-92,93 |
0,02 |
8090,89 |
-3190,89 |
0,65 |
7661,89 |
-1999,39 |
0,35 |
6710,02 |
-375,02 |
0,06 |
5746,43 |
841,07 |
0,13 |
7138,82 |
-446,32 |
0,07 |
6611,30 |
626,20 |
0,09 |
6528,46 |
809,04 |
0,11 |
6182,16 |
1667,84 |
0,21 |
5952,42 |
2867,58 |
0,33 |
6587,78 |
3017,22 |
0,31 |
7159,81 |
3117,69 |
0,30 |
107544,96 |
375,04 |
6,10 |
Вывод: так как ошибка аппроксимации равна 30,5%, то качество логарифмической модели удовлетворительное.
Вывод: из всех рассмотренных моделей наименьшей ошибкой аппроксимации обладает логарифмическая модель. Поэтому она и будет является адекватной моделью.
2.3 Оценка значимости коэффициента корреляции
Расчеты, сделанные по выборочной совокупности, могут не соответствовать реальному показателю корреляции в генеральной совокупности (ρ).
Для проверки существенности полученного коэффициента корреляции r рассчитывается критерий значимости.
Для малых выборок n<20 используется критерий Стьюдента . При этом определяется расчетное значение .
В экономических расчетах используется 95% вероятность. Поэтому уровень значимости L=5%.
По исходным данным =2,44
Если , то в генеральной совокупности коэффициент корреляции ρ отличен от 0 с 95% вероятностью.
Если , то в генеральной совокупности коэффициент корреляции ρ может быть равен 0 с 95% вероятностью.
Вывод: так как , значит подтвердилась значимость коэффициента корреляции в генеральной совокупности.
III Анализ динамики
3.1 Понятие о динамических рядах
Динамические ряды - это значения статистических показателей, которые представлены в определенной хронологической последовательности. С помощью динамических рядов выявляются закономерности общественных явлений во времени.
Каждый динамический ряд содержит две составляющие:
1) показатели периодов времени (годы, кварталы, дни или даты);
2) показатели, характеризующие исследуемый объект за временные периоды или на соответствующие даты, которые называют уровнями ряда
Динамический ряд характеризуется временем t и уровнем ряда y.
Основная задача анализа динамических рядов выявление основной закономерности в изменении уровней с помощью построения линии тренда.
Динамические ряды делятся по времени на моментные и интервальные.
Моментные ряды характеризуют состояние показателя на определенный момент времени. Например, количество сырья на складе.
В каждом последующем уровне моментного ряда содержится полностью или частично значение предыдущего уровня, поэтому эти данные суммировать нельзя, можно рассчитать только разность уровней.
В интервальном динамическом ряде уровни характеризуют размер явления за конкретный период времени (год, квартал, месяц, декада). Например, объем производства.
Уровни интервального динамического ряда не содержатся в предыдущих и последующих, поэтому их можно суммировать и рассчитывать с нарастающими итогами (кумулятивные).
Уровни ряда могут быть представлены абсолютными, относительными и средними величинами и изображаются графически с помощью различных диаграмм.
Основным условием для получения правильных выводов при анализе динамических рядов является сопоставимость уровней между собой.
Информация о работе Анализ и прогнозирование ТЭП деятельности предприятия