Анализ и прогнозирование ТЭП деятельности предприятия

Автор: Пользователь скрыл имя, 03 Ноября 2012 в 09:07, курсовая работа

Краткое описание

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.

Оглавление

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

Файлы: 1 файл

статистика 2_5.docx

— 144.02 Кб (Скачать)

 

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