Бизнес-моделирование.
- транспонированная матрица Х
-обратная матрица
Рисунок 1 -Метод наименьших квадратов в матричной форме
Задание а. Необходимо аппроксимировать наблюдаемую зависимость построенной методом наименьших квадратов линией второго порядка и дать прогноз на 9 период.
Таблица 1 –Исходные данные Х
| Y
| 1
| 7
| 2
| 14
| 3
| 20
| 4
| 32
| 5
| 45
| 6
| 55
| 7
| 70
| 8
| 94
|
y = a+b*x+c*x2
Таблица 2 – Подготовка данных для расчета 0
| Х
| Х2
| Y
| 1
| 1
| 1
| 7
| 1
| 2
| 4
| 14
| 1
| 3
| 9
| 20
| 1
| 4
| 16
| 32
| 1
| 5
| 25
| 45
| 1
| 6
| 36
| 55
| 1
| 7
| 49
| 70
| 1
| 8
| 64
| 94
|
Составим систему уравнений
a*n + b*xi + c*xi2 = yi
a*xi + b*xi2 + c*xi*xi2 = yi*xi
a*xi2 + b* xi*xi2 + c*xi2*xi2 = yi*xi2
Отсюда
a*8 + b*36 + c*204 = 337
a*36 + b*204 + c*1296 = 2020
a*204 + b* 1296+ c*8772 = 13306
Или другое представление этих уравнений.
Таблица 3 – Формирование системы нормальных уравнений
Система нормальных уравнений
| Х*Хт
|
|
|
| X*Y
| 8
| 36
| 204
|
*
| a
|
=
| 337
| 36
| 204
| 1296
| b
| 2020
| 204
| 1296
| 8772
| c
| 13306
|
Таблица 4 – Определение обратной матрицы и расчет коэффициентов регрессии
Обратная матрица
| Коэффициенты
| 1,94643
| -0,9107
| 0,0893
| a
| 4,3393
| -0,91071
| 0,506
| -0,0536
| b
| 2,2917
| 0,08929
| -0,0536
| 0,006
| c
| 1,0774
|
Таблица 5 – Оценка качества аппроксимации
X
| Y
| YR
| D
| D^2
| ABC(D/Y)
| 1
| 7
| 7,71
| -0,71
| 0,50
| 0,101
| 2
| 14
| 13,23
| 0,77
| 0,59
| 0,055
| 3
| 20
| 20,91
| -0,91
| 0,83
| 0,046
| 4
| 32
| 30,74
| 1,26
| 1,58
| 0,039
| 5
| 45
| 42,73
| 2,27
| 5,14
| 0,050
| 6
| 55
| 56,88
| -1,88
| 3,52
| 0,034
| 7
| 70
| 73,17
| -3,17
| 10,07
| 0,045
| 8
| 94
| 91,63
| 2,37
| 5,64
| 0,025
| Итого
| 27,86
| 0,396
| Остаточная дисперсия
| 5,57
|
| Остаточное среднеквадратичное отклонение
| 2,36
|
| Относительная ошибка аппроксимации, %
| 4,95
|
Таблица 6 – Прогноз на 9 период
| Y
| YR
| 1
| 7
| 7,71
| 2
| 14
| 13,23
| 3
| 20
| 20,91
| 4
| 32
| 30,74
| 5
| 45
| 42,73
| 6
| 55
| 56,88
| 7
| 70
| 73,17
| 8
| 94
| 91,63
| 9
|
| 112,23
|
Рисунок 2 - Прогноз на 9 период
Задание б.
Необходимо аппроксимировать наблюдаемую сезонную зависимость с помощью метода наименьших квадратов (выбрать наиболее подходящую функцию из: y = a+bx+c sin π/2 x; y = a+bx+c cos π/2 x; y = a+bx+cx sin π/2 x; y = a+bx+cx cos π/2 x; y = a+bx+c/xsin π/2 x; y = a+bx+c/xcos π/2 x).
Таблица 7 - –Исходные данные Х
| Y
| 1
| 18
| 2
| 12
| 3
| 10
| 4
| 22
| 5
| 34
| 6
| 27
| 7
| 26
| 8
| 35
| 9
| 48
| 10
| 47
| 11
| 39
|
y = a+bx+c sin π/2 x;
Данные для расчета формируем аналогично варианта y = a+b*x+c*x2, только вместо x2 будет sin π/2 x.
Таблица 8 – Подготовка данных для расчета a
| Х
| Х2=sin p/2*х
| Y
| 1
| 1
| 1,0000
| 18
| 1
| 2
| 0,0000
| 12
| 1
| 3
| -1,0000
| 10
| 1
| 4
| 0,0000
| 22
| 1
| 5
| 1,0000
| 34
| 1
| 6
| 0,0000
| 27
| 1
| 7
| -1,0000
| 26
| 1
| 8
| 0,0000
| 35
| 1
| 9
| 1,0000
| 48
| 1
| 10
| 0,0000
| 47
| 1
| 11
| -1,0000
| 39
|
Дальнейшие расчеты выполняются аналогично заданию a.
Таблица 9 – Формирование системы нормальных уравнений
Система нормальных уравнений
| Х*Хт
| X*Y
| 11,000000
| 66,000000
| -0,000022
| 318,000000
| 66,000000
| 506,000000
| -6,000220
| 2285,000000
| -0,000022
| -6,000220
| 6,000000
| 24,998942
|
Таблица 10 – Определение обратной матрицы и расчет коэффициентов
Обратная матрица
| Коэффициенты
| 0,437063
| -0,0576924
| -0,05769
| а
| 5,7168
| -0,057692
| 0,0096154
| 0,009616
| b
| 3,8654
| -0,057693
| 0,0096155
| 0,176282
| c
| 8,032
|
Таблица 11 – Оценка качества аппроксимации
| Y
| YR
| D
| D^2
| ABC(D/Y)
| 1
| 18
| 17,61
| 0,386
| 0,149
| 0,0214
| 2
| 12
| 13,45
| -1,447
| 2,095
| 0,1206
| 3
| 10
| 9,28
| 0,719
| 0,517
| 0,0719
| 4
| 22
| 21,18
| 0,822
| 0,675
| 0,0373
| 5
| 34
| 33,08
| 0,924
| 0,854
| 0,0272
| 6
| 27
| 28,91
| -1,909
| 3,644
| 0,0707
| 7
| 26
| 24,74
| 1,258
| 1,581
| 0,0484
| 8
| 35
| 36,64
| -1,640
| 2,690
| 0,0469
| 9
| 48
| 48,54
| -0,537
| 0,289
| 0,0112
| 10
| 47
| 44,37
| 2,630
| 6,915
| 0,0559
| 11
| 39
| 40,20
| -1,204
| 1,450
| 0,0309
| Итого
| 20,859
| 0,5424
| Остаточная дисперсия
| 2,6073867
|
| Остаточное среднеквадратичное отклонение
| 1,6147405
|
| Относительная ошибка аппроксимации, %
| 4,931
|
Рисунок 3 – Фактическое и расчетное значение
|