Компьютерный практикум Анализ данных Вариант 4 Ответ

МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ ДНР

ГОУ ВПО «ДОНЕЦКАЯ АКАДЕМИЯ УПРАВЛЕНИЯ И ГОСУДАРСТВЕННОЙ СЛУЖБЫ ПРИ ГЛАВЕ ДНР»

Кафедра информационных технологий

Индивидуальная работа №1

по теме: «Анализ данных в MS EXCEL»

Вариант № 4

Выполнил: студент группы МП-20

Быковский Б.М.

Проверил: к.э.н., доцент Стешенко И.В.

Донецк, 2021 год

Оглавление

Описательная статистика 4

Оценка взаимосвязи 4

Корреляция 4

Регрессия 5

Множественная линейная регрессия 6

График зависимости 7

Предсказ 8

Тенденция 9

Описательная статистика

Рис.1 Описательная статистика

Выполнена описательная статистика совокупности данных стоимости помещения.

(Рисунок 1,2). При помощи Сервис – Анализ данных – Описательная статистика.

Оценка взаимосвязи

Корреляция

Рис. 2 Корреляция

На рисунке 2 выполнена оценка взаимосвязи и взаимное влияние прибыли от объема продаж. Прибыль к объему продаж, равна 0,9 что находится близко к нулю, это значит, что зависимость между данными величинами сильная, и носит линейный характер.

Рис. 3 Корреляция с учётом цены за шт.

- коэффициент корреляции объёма продаж равен 1;

- цена за шт. сильно связана с объёмом продаж, коэффициент корреляции равен 0,85;

- прибыль сильно связана с объёмом продаж и равняется 0,98

- прибыль сильно связана с ценой за штуку (коэффициент корреляции 0,81);

Регрессия

Рис. 4 Регрессия

Прибыль = 0,13264+ Объем продаж

у = 0,13264х – 2922,18

Для анализа адекватности полученного уравнения линейной регрессии в MS Excel используют параметры (см. рис. 4): коэффициент множественной корреляции (множественный R); коэффициент детерминации (R-квадрат); критерий Фишера (F-статистика); критерий Стьюдента (t-статистика).

Множественной корреляции R=0,982 говорит о сильной степени связи переменных общая площадь помещения и стоимость помещения. Однако, характер этой связи пока неясен.

Величина квадрата R2(RI) составляет 96,4%, что говорит о том, что имеющиеся статистические данные с высокой степенью точности описаны полученным уравнением регрессии.

F-статистика (критерий Фишера) F=163,168; df=1,6; p=0,326, то есть вероятность отвергнуть верную гипотезу о незначимости коэффициента при независимой переменной составляет 0,32%.

Значение t-статистики (критерий Стьюдента). В задаче для свободного члена t= -1,069; p=0,32, то есть вероятность отвергнуть верную гипотезу о незначимости свободного члена находится близко к нулю. Для коэффициента при неизвестной t=12,773; p=1,413, то есть вероятность отвергнуть верную гипотезу о незначимости коэффициента при неизвестной составляет 1,4%.

Таким образом, проанализировав все четыре вышеназванных параметра можно сделать вывод об адекватности полученного уравнения линейной регрессии.

Множественная линейная регрессия

Рис. 5

По этим результатам может быть построено следующее уравнение регрессии:

CP = 0,14174 – 1357,8 + 25049,348

или

y = 0,14174x1 – 13,57,8x2 + 25049,348

Коэффициент множественной корреляции R = 0,982 говорит о средней степени связи переменных ЦЕНА ЗА ШТУКУ, лет и ПРИБЫЛЬ. Однако, характер этой связи пока неясен.

Коэффициент детерминации R2(RI) 96,6%, что говорит о том, что имеющиеся статистические данные с высокой степенью точности могут быть описаны полученным уравнением регрессии.

F-статистика. Для задачи F=71,607; df=2,5; p=0,669, вероятность отвергнуть верную гипотезу о незначимости коэффициента при независимой переменной составляет 0,66%.

t-статистика t=0,453; p=0,669, то есть вероятность отвергнуть верную гипотезу о незначимости свободного члена практически равна нулю. Для коэффициента при неизвестной t=6717; p=0,001, то есть вероятность отвергнуть верную гипотезу о незначимости коэффициента при неизвестной составляет 0,001%. Для коэффициента при неизвестной t=-0,506; p=0,633, то есть вероятность отвергнуть верную гипотезу о незначимости коэффициента при неизвестной составляет 0,63%.

График зависимости

Рис. 6 Линейная

Рис. 7 Полиоминальная линия тренда 4-й степени

На рисунке 7 изображена полиоминальная линия тренда четвёртой степени. Эта линия тренда немногим лучше описывает процесс, чем линейная так как R² больше приближен к единице по сравнению с линейной. А если быть точнее, то R² =0,97.

Рис. 8 Прогнозирующая линия

На рисунке 8 изображена линия тренда с прогнозом прибыли при объёме продаж 390000, 400000, 450000, 500000. Из рисунка видно, что прогноз, который строится по предшествующим данным при увеличении объёма продаж, показывает стабильное повышение прибыли.

Предсказ

Рис. 9 Предсказ

На рисунке 9 сделан ПРЕДСКАЗ() для прогнозирования прибыли при новом объёме продаж 390000, 400000, 450000, 500000.

Тенденция

Рис. 10 Тенденция

Используя массив и формулу ТЕНДЕНЦИЯ() (рис. 10) была спрогнозирована прибыль при новом объёме продаж 390000, 400000, 450000, 500000 с учетом цены за штуку.