Двойственная задача: Целевая функция:
Ограничения:
Основные переменные: , , ,
Дополнительные переменные: ,
Значение целевой функции:
Объективно обусловленная оценка y1=0 и y2=0 – равны нулю, это указывает на то, что у нас избыток цветных металлов и стали, и это свидетельствует о их недефицитности. Y3=0,333 и y4=0,833, т.е. больше нуля, это говорит о том, что ресурсы (токарные и фрезерные работы) полностью используются в оптимальном плане, являются дефицитными, т.е. сдерживающими рост целевой функции.
Правые части этих ограничений равны левым частям:
Ресурсы – цветные металлы и сталь используются не полностью: цветные металлы (9150<12600), сталь(10300<12000), поэтому имеют нулевую двойственную оценку (y1=0 и y2=0):
Эти ресурсы не влияют на план выпуска продукции.
2.2. Задание по теме 3. Вероятностно-статистические методы принятия решений. В течение одиннадцати последовательных месяцев фиксировался объём продаж одного изделия фирмы Y(t)(тыс. штук). Временной ряд Y(t)этого показателя приведен ниже.
Номер
|
| Номер наблюдения (t= 1, 2, …, 11)
|
|
|
|
|
| варианта
| 1
| 2
| 3
| 4
| 5
| 6
| 7
| 8
| 9
| 10
| 11
| 12
| 51
| 53
| 52
| 54
| 57
| 60
| 62
| 64
| 66
| 65
| 68
|
Требуется:
1) построить график временного ряда, сделать вывод о наличии тренда;
2) построить линейную модель Y(t)=aо+а1t,параметры которой оценить с помощью метода наименьших квадратов (МНК);
3) оценить адекватность построенной модели, используя свойства остаточной компоненты e(t);
4) оценить точность модели на основе использования средней относительной ошибки аппроксимации;
5) по построенной модели осуществить прогноз спроса на следующие два месяца (доверительный интервал прогноза рассчитать при доверительной вероятности P = 75%).
Модели временного ряда - Показатель-B
|
|
|
|
|
|
|
|
|
|
|
| Таблица кривых роста
|
|
|
|
|
| Функция
| Критерий
| Эластич ность
|
|
|
| Y(t)=+48.364+1.818*t
| 1,616
| 0,184
|
|
|
| Y(t)=+48.243+1.874*t -0.005*t*t
| 1,816
| 0,184
|
|
|
| Y(t)= +49.013*exp(+0.031*t)
| 1,730
| 0,185
|
|
|
| Y(t)= +47.227+7.571*ln(t)
| 6,665
| 0,125
|
|
|
| Y(t)= (+48.474)*(+1.037)**t*(+1.000)**(t*t)
| 1,798
| 0,185
|
|
|
| Y(t)= +50.045+2.188*t-1.664*sqr(t)
| 1,775
| 0,188
|
|
|
| Y(t)= t/(+0.013+0.014*t)
| 28,721
| 0,135
|
|
|
| Выбрана функция Y(t)=+48.364+1.818*t
|
|
|
|
|
|
|
|
|
|
|
| Характеристики базы моделей
|
|
|
|
|
| Модель
| Адекват ность
| Точность
| Качество
|
|
| Y(t)=+48.364+1.818*t
| 50,396
| 84,914
| 76,284
|
|
| Лучшая модель Y(t)=+48.364+1.818*t
|
|
|
|
|
|
|
|
|
|
|
| Параметры моделей
|
|
|
|
|
| Модель
| a1
| a2
|
|
|
| Y(t)=+48.364+1.818*t
| 48,364
| 1,818
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| Таблица остатков
|
|
|
|
|
| номер
| Факт
| Расчет
| Ошибка абс.
| Ошибка относит.
|
| 1
| 51,000
| 50,182
| 0,818
| 1,604
|
| 2
| 53,000
| 52,000
| 1,000
| 1,887
|
| 3
| 52,000
| 53,818
| -1,818
| -3,497
|
| 4
| 54,000
| 55,636
| -1,636
| -3,030
|
| 5
| 57,000
| 57,455
| -0,455
| -0,797
|
| 6
| 60,000
| 59,273
| 0,727
| 1,212
|
| 7
| 62,000
| 61,091
| 0,909
| 1,466
|
| 8
| 64,000
| 62,909
| 1,091
| 1,705
|
| 9
| 66,000
| 64,727
| 1,273
| 1,928
|
| 10
| 65,000
| 66,545
| -1,545
| -2,378
|
| 11
| 68,000
| 68,364
| -0,364
| -0,535
|
|
|
|
|
|
|
|
|
|
|
|
|
| Характеристики остатков
|
|
|
|
|
| Характеристика
| Значение
|
|
|
|
| Среднее значение
| 0,000
|
|
|
|
| Дисперсия
| 1,322
|
|
|
|
| Приведенная дисперсия
| 1,616
|
|
|
|
| Средний модуль остатков
| 1,058
|
|
|
|
| Относительная ошибка
| 1,822
|
|
|
|
| Критерий Дарбина-Уотсона
| 1,391
|
|
|
|
| Коэффициент детерминации
| 1,000
|
|
|
|
| F - значение ( n1 = 1, n2 = 9)
| 24137,100
|
|
|
|
| Критерий адекватности
| 50,396
|
|
|
|
| Критерий точности
| 84,914
|
|
|
|
| Критерий качества
| 76,284
|
|
|
|
| Уравнение значимо с вероятностью 0.95
|
|
|
|
|
|
|
|
|
|
|
| Таблица прогнозов (p = 80%)
|
|
|
|
|
| Упреждение
| Прогноз
| Нижняя граница
| Верхняя граница
|
|
| 1
| 70,182
| 69,042
| 71,321
|
|
| 2
| 72,000
| 70,709
| 73,291
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
ВЫВОД ИТОГОВ
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| Регрессионная статистика
|
|
|
|
|
|
|
| Множественный R
| 0,98
|
|
|
|
|
|
|
| R-квадрат
| 0,96
|
|
|
|
|
|
|
| Нормированный R-квадрат
| 0,96
|
|
|
|
|
|
|
| Стандартная ошибка
| 1,27
|
|
|
|
|
|
|
| Наблюдения
| 11,00
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| Дисперсионный анализ
|
|
|
|
|
|
|
|
| df
| SS
| MS
| F
| Значимость F
|
|
|
| Регрессия
| 1,00
| 363,64
| 363,64
| 225,00
| 0,00
|
|
|
| Остаток
| 9,00
| 14,55
| 1,62
|
|
|
|
|
| Итого
| 10,00
| 378,18
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| Коэффициенты
| Стандартная ошибка
| t-статистика
| P-Значение
| Нижние 95%
| Верхние 95%
| Нижние 95,0%
| Верхние 95,0%
| Y-пересечение
| 48,36
| 0,82
| 58,83
| 0,00
| 46,50
| 50,22
| 46,50
| 50,22
| t
| 1,82
| 0,12
| 15,00
| 0,00
| 1,54
| 2,09
| 1,54
| 2,09
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| ВЫВОД ОСТАТКА
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| Наблюдение
| Предсказанное Y
| Остатки
|
|
|
|
|
|
| 1,00
| 50,18
| 0,82
|
|
|
|
|
|
| 2,00
| 52,00
| 1,00
|
|
|
|
|
|
| 3,00
| 53,82
| -1,82
|
|
|
|
|
|
| 4,00
| 55,64
| -1,64
|
|
|
|
|
|
| 5,00
| 57,45
| -0,45
|
|
|
|
|
|
| 6,00
| 59,27
| 0,73
|
|
|
|
|
|
| 7,00
| 61,09
| 0,91
|
|
|
|
|
|
| 8,00
| 62,91
| 1,09
|
|
|
|
|
|
| 9,00
| 64,73
| 1,27
|
|
|
|
|
|
| 10,00
| 66,55
| -1,55
|
|
|
|
|
|
| 11,00
| 68,36
| -0,36
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|