Ūkio statistikos savarankiškas darbas

1 UŽDUOTIS Remiantis duomenimis apie Svarbiausių Lietuvos pramonės gaminių gamybą (1 priedas) apskaičiuokite 2001-2005 metų bendrąjį indikatorių, sudarytą iš keturių paprastųjų indikatorių (pagal 14; 47; 82; 117 variantų numerius), taikant šiuos metodus: 1.1. Duomenų standartizavimo. 1.2. Daugiamačio vidurkio. 1.3. santykinių tiesinių nuokrypių sumavimo. 1.4. PATTERN. Gautus skaičiavimų rezultatus pateikite lentelėse, atvaizduokite linijine diagrama ir iš jos padarykite išvadas. 1.Bendrųjų indikatorių skaičiavimas 1 lentelė Paprastieji indikatoriai Variantų Nr. Gaminiai 2001 2002 2003 2004 2005 14 47 82 117 Dešros ir rūkyti gaminiai , tūkst. t. Grikiai Kostiumai ir ansambliai, tūkst. Keramikiniai drenažo vamzdžiai, tūkst. t. 55,2 2,7 1463 6,6 53,4 2,9 488 6,6 59,3 4,6 383 7,3 73,5 3,4 414 2,8 76,3 6,0 314 1,0 2 lentelė Paprastųjų indikatorių skaitinės charakteristikos Gaminiai Iš viso Vidurkis Standartinis nuokrypis Dešros ir rūkyti gaminiai , tūkst.t Grikiai Kostiumai ir ansambliai, tūkst. t. Keramikiniai drenažo vamzdžiai, tūkst. t 317,7 19,6 3062 24,3 63,54 3,92 612,4 4,86 9,512 1,232 428,958 2,496 1.1.Duomenų standartizavimo metodas ; 3 lentelė Absoliutiniai standartizuoti nuokrypai Indikatoriai 2001 2002 2003 2004 2005 Dešros ir rūkyti gaminiai , tūkst.t Grikiai Kostiumai ir ansambliai, tūkst. t. Keramikiniai drenažo vamzdžiai, tūkst. t. 0,877 0,990 1,983 0,697 1,066 0,828 0,290 0,697 0,446 0,552 0,535 0,978 1,047 0,422 0,463 0,825 1,341 1,688 0,696 1,546 Iš viso: 4,547 2,881 2,510 2,757 5,272 Vidutiniškai 1,137 0,720 0,628 0,689 1,318 1.2.Daugiamačio vidurkio metodas ; 4 lentelė Paprastųjų indikatorių ir jų vidurkių santykiai Indikatoriai 2001 2002 2003 2004 2005 Dešros ir rūkyti gaminiai , tūkst.t Grikiai Kostiumai ir ansambliai, tūkst. t. Keramikiniai drenažo vamzdžiai, tūkst. 0,869 0689 2,389 1,358 0,840 0,740 0,797 1,358 0,933 1,173 0,625 0,300 1,157 0,867 0,676 0,576 1,201 1,531 0,513 0,206 Iš viso: 5,305 3,735 3,033 3,276 3,450 Vidutiniškai 1,326 0,934 0,758 0,819 0,862 1.3.Santykinių tiesinių nuokrypių sumavimo metodas ; 5 lentelė Normuoti absoliutiniai nuokrypiai Indikatoriai 2001 2002 2003 2004 2005 Dešros ir rūkyti gaminiai , tūkst.t Grikiai Kostiumai ir ansambliai, tūkst. t. Keramikiniai drenažo vamzdžiai, tūkst 0,131 0,311 1,390 0,358 0,160 0,260 0,203 0,358 0,067 0,173 0,375 0,502 0,157 0,133 0,324 0,424 0,201 0,531 0,487 0,794 Iš viso: 2,189 0,981 1,117 1,037 2,013 Vidutiniškai 0,547 0,245 0,279 0,259 0,503 1.4.PATTERN metodas ; 6 lentelė Paprastųjų indikatorių santykinės charakteristikos Indikatoriai 2001 2002 2003 2004 2005 Dešros ir rūkyti gaminiai , tūkst.t Grikiai Kostiumai ir ansambliai, tūkst. t. Keramikiniai drenažo vamzdžiai, tūkst 0,174 0,138 0,478 0,272 0,168 0,148 0,159 0,272 0,187 0,235 0,125 0,300 0,231 0,173 0,135 0,115 0,240 0,306 0,103 0,041 Iš viso: 1,061 0,747 0,847 0,655 0,690 Išvados: Iš 1 paveikslo matyti kaip kito svarbiausių Lietuvos pramonės gaminių gamyba nuo 2001m. iki 2005 m. Atliktų skaičiavimų rezultatus lyginant su kitų subjektų atliktais skaičiavimais skirtingais metodais, gaunami ne tokie patys skaičiavimų rezultatai. 2 UŽDUOTIS Remiantis duomenimis apie Svarbiausių Lietuvos pramonės gaminių gamybą nustatykite tiriamos 1999 – 2005 m. tam tikros gamybos apimties kitimo (pagal 22 varianto Nr.) tendenciją pagal geriausiai tam tinkančią (didžiausias R2 arba mažiausia MAPE) matematinę funkciją ir prognozuokite reiškinio dydį 2006 metams. Nubraižykite linijinę diagramą ir padarykite išvadas. 2. Gamybos apimties tendencijos nustatymas ir prognozė 22 variantas 7 lentelė Bulvių, paruoštų be atcto arba acto rugšties gamyba Metai 1999 2000 2001 2002 2003 2004 2005 Tūkst. t. 1,1 3,9 5,2 4,2 3,8 3,6 5,6 Naudojant skaičiuoklės Microsoft Excel funkciją Add trendline nustatyta, kad turimai laiko eilutei aprašyti geriausiai tiko parabolė ir logoritmas, nes jų determinacijos koeficientai buvo didžiausi, atitinkamai ir . Prognozuojamos bulvių gamybos apimtys pagal parabolę sumažėtų, o pagal likusiųjų matematinių funkcijų – padidėtų. Atlikus skaičiavimus naudojantis skaičiuoklės Microsoft excel duomenų analizės posistemio data analysis uždavinių Regression gauti tokie rezultatai. Regression Statistics   Multiple R 0,612049 R Square 0,374603 Adjusted R Square 0,249524 Standard Error 1,255815 Observations 7 ANOVA   df SS MS F Significance F Regression 1 4,723214 4,723214 2,994927 0,144083 Residual 5 7,885357 1,577071     Total 6 12,60857         Coefficients Standard Error t Stat P-value Lower 95% Upper 95% Lower 95,0% Upper 95,0% Intercept 2,271429 1,061357 2,140117 0,085305 -0,45688 4,999735 -0,45688 4,999735 X Variable 1 0,410714 0,237327 1,730586 0,144083 -0,19935 1,020782 -0,19935 1,020782 RESIDUAL OUTPUT       Observation Predicted Y Residuals 1 2,682143 -1,58214 2 3,092857 0,807143 3 3,503571 1,696429 4 3,914286 0,285714 5 4,325 -0,525 6 4,735714 -1,13571 7 5,146429 0,453571 2006 m. 5,557143   Observation Predicted Y Observed Y 1 2,7 1,1 143,6 2 3,1 3,9 20,5 3 3,5 5,2 32,7 4 3,9 4,2 7,1 5 4,3 3,8 13,2 6 4,7 3,6 30,6 7 5,1 5,6 8,9 2006 m. 5,6 MAPE =36% Vidutinė procentinė absoliutinė paklaida MAPE, parodanti santykinį prognozavimo tikslumą ir leidžianti palyginti skirtingų funkcijų adekvatumą faktiškiems duomenims , apskaičiuojama: MAPE=%=% Čia -prognozavimo paklaida apskaičiuojama pagal liekanų (Residuals) skaičiavimo formulę (skirtumas tarp faktiškos reikšmės ir teorinių rodiklių reikšmės): = Kai 30≤ MAPE

Daugiau informacijos...

★ Klientai rekomenduoja

Šį rašto darbą rekomenduoja mūsų klientai. Ką tai reiškia?

Mūsų svetainėje pateikiama dešimtys tūkstančių skirtingų rašto darbų, kuriuos įkėlė daugybė moksleivių ir studentų su skirtingais gabumais. Būtent šis rašto darbas yra patikrintas specialistų ir rekomenduojamas kitų klientų, kurie po atsisiuntimo įvertino šį mokslo darbą teigiamai. Todėl galite būti tikri, kad šis pasirinkimas geriausias!