Автор работы: Пользователь скрыл имя, 16 Марта 2012 в 03:23, практическая работа
Производственной функцией называется зависимость количества продукта, которое может произвести фирма, от объемов затрат ресурсов. Производственная функция характеризует чисто техническую зависимость между количеством применяемых ресурсов и объемом выпускаемой продукции в единицу времени. Производственная функция описывает множество технически эффективных способов производства заданного объема продукции.
Запишем уравнения:
Решая их, получим: ,
В результате уравнение тренда имеет вид
На основании полученной зависимости нетрудно спрогнозировать товарооборот на 2009г., (см. табл.)
номер месяца | Фактические значения (2009 г.) | Вычисленные значения (2009 г.) | ,% | |
49 | 688,6 | 756,0867 | 67,4867 | 9,800566 |
50 | 693,4 | 771,0121 | 77,6121 | 11,19298 |
51 | 695,7 | 785,9375 | 90,2375 | 12,97075 |
52 | 700,8 | 800,8629 | 100,0629 | 14,27838 |
53 | 695,3 | 815,7883 | 120,4883 | 17,32897 |
54 | 700,1 | 830,7137 | 130,6137 | 18,65643 |
55 | 710,9 | 845,6391 | 134,7391 | 18,95331 |
56 | 707,7 | 860,5645 | 152,8645 | 21,60018 |
57 | 725,6 | 875,4899 | 149,8899 | 20,65737 |
58 | 735,6 | 890,4153 | 154,8153 | 21,04613 |
59 | 740,2 | 905,3407 | 165,1407 | 22,31028 |
60 | 725,9 | 920,2661 | 194,3661 | 26,77588 |
сумма |
|
|
| 215,5712 |
Как видно из таблицы фактические и вычисленные значения отличаются.
Для оценки погрешности вычисленных значений воспользуемся формулой:
Где относительная погрешность.
Среднюю погрешность найдем по формуле:
Где количество значений
Другими словами спрогнозированный товарооборот на 2009 г. Отличается от фактических значений в среднем на .
Задание 11
1. Кластер (англ. cluster скопление) – объединение нескольких однородных элементов, которое может рассматриваться как самостоятельная единица, обладающая определёнными свойствами.
Кластерный анализ или кластеризация (англ. Data clustering) – задача разбиения заданной выборки объектов (ситуаций) на подмножества, называемые кластерами, так, чтобы каждый кластер состоял из схожих объектов, а объекты разных кластеров существенно отличались.
Страны | продукты |
| |||
мясо, кг | масло животное, кг | сахар | смертность |
| |
Россия | 55 | 3,9 | 30 | 84,98 | 1 |
Австралия | 100 | 2,6 | 47 | 30,58 | 2 |
Австрия | 93 | 5,3 | 37 | 38,42 | 3 |
Азербайджан | 20 | 4,1 | 12,4 | 60,34 | 4 |
Армения | 20 | 3,7 | 4,3 | 60,22 | 5 |
Беларусь | 72 | 3,6 | 28 | 60,79 | 6 |
Бельгия | 85 | 6,9 | 48 | 29,82 | 7 |
Болгария | 65 | 3 | 18 | 70,57 | 8 |
Великобритания | 67 | 3,5 | 39 | 34,51 | 9 |
Венгрия | 73 | 1,7 | 40 | 64,73 | 10 |
Германия | 88 | 6,8 | 35 | 36,63 | 11 |
Греция | 83 | 1 | 24 | 32,84 | 12 |
Грузия | 21 | 3,8 | 36 | 62,64 | 13 |
Дания | 98 | 5 | 38 | 34,07 | 14 |
Ирландия | 99 | 3,3 | 31 | 39,27 | 15 |
Испания | 89 | 0,4 | 26 | 28,46 | 16 |
Италия | 84 | 2,2 | 27 | 30,27 | 17 |
Казахстан | 61 | 4,2 | 19,2 | 69,04 | 18 |
Канада | 98 | 3,1 | 44 | 25,42 | 19 |
Киргизия | 46 | 4,1 | 23,5 | 53,13 | 20 |
Для кластерного анализа использовались в качестве метрики Эвклидово расстояние метод кластеризации «до ближайшего соседа». После проведения расчетов кластерных расстояний строим матрицу следующего вида:
| 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 | 13 | 14 | 15 | 16 | 17 | 18 | 19 | 20 |
1 | 0 | 72,63 | 39,26 | 46,28 | 49,99 | 29,64 | 65,39 | 21,27 | 52,65 | 28,96 | 58,82 | 59,56 | 41,12 | 67,13 | 63,46 | 66,17 | 62,02 | 20,17 | 74,79 | 33,73 |
2 | 72,63 | 0 | 14,76 | 92,11 | 95,41 | 45,37 | 15,65 | 60,54 | 34,19 | 44,10 | 18,50 | 28,73 | 85,97 | 10,15 | 18,25 | 23,90 | 25,62 | 61,45 | 6,31 | 94,22 |
3 | 39,26 | 14,76 | 0 | 80,10 | 82,92 | 32,02 | 16,17 | 46,73 | 26,43 | 33,38 | 5,87 | 17,85 | 75,99 | 6,71 | 8,76 | 16,13 | 16,03 | 47,75 | 15,74 | 51,08 |
4 | 46,28 | 92,11 | 80,10 | 0 | 8,11 | 54,29 | 80,20 | 46,50 | 59,87 | 59,96 | 75,53 | 69,78 | 23,73 | 86,20 | 83,85 | 77,30 | 72,23 | 42,46 | 91,12 | 29,18 |
5 | 49,99 | 95,41 | 82,92 | 8,11 | 0 | 57,15 | 84,08 | 48,17 | 63,83 | 64,09 | 78,31 | 71,51 | 31,81 | 88,91 | 85,98 | 79,07 | 74,23 | 44,51 | 94,19 | 33,09 |
6 | 29,64 | 45,37 | 32,02 | 54,29 | 57,15 | 0 | 39,23 | 15,65 | 28,92 | 12,81 | 29,98 | 30,41 | 51,66 | 38,63 | 34,66 | 36,72 | 32,84 | 16,34 | 46,73 | 27,48 |
7 | 65,39 | 15,65 | 16,17 | 80,20 | 84,08 | 39,23 | 0 | 54,55 | 20,94 | 38,13 | 14,98 | 24,98 | 72,98 | 17,05 | 24,23 | 23,33 | 21,55 | 54,32 | 14,79 | 51,70 |
8 | 21,27 | 60,54 | 46,73 | 46,50 | 48,17 | 15,65 | 54,55 | 0 | 41,78 | 24,16 | 44,55 | 42,28 | 48,20 | 53,15 | 48,01 | 49,19 | 45,46 | 4,61 | 61,67 | 26,39 |
9 | 52,65 | 34,19 | 26,43 | 59,87 | 63,83 | 28,92 | 20,94 | 41,78 | 0 | 30,88 | 21,73 | 22,14 | 54,00 | 31,06 | 33,33 | 26,44 | 21,28 | 40,26 | 32,69 | 32,07 |
10 | 28,96 | 44,10 | 33,38 | 59,96 | 64,09 | 12,81 | 38,13 | 24,16 | 30,88 | 0 | 32,64 | 37,06 | 52,24 | 39,75 | 37,52 | 42,06 | 38,44 | 24,52 | 46,78 | 33,79 |
11 | 58,82 | 18,50 | 5,87 | 75,53 | 78,31 | 29,98 | 14,98 | 44,55 | 21,73 | 32,64 | 0 | 13,93 | 71,94 | 10,90 | 12,50 | 13,77 | 11,90 | 45,12 | 17,90 | 46,65 |
12 | 59,56 | 28,73 | 17,85 | 69,78 | 71,51 | 30,41 | 24,98 | 42,28 | 22,14 | 37,06 | 13,93 | 0 | 69,88 | 20,94 | 18,75 | 7,72 | 4,25 | 42,75 | 26,16 | 42,31 |
13 | 41,12 | 85,97 | 75,99 | 23,73 | 31,81 | 51,66 | 72,98 | 48,20 | 54,00 | 52,24 | 71,94 | 69,88 | 0 | 82,16 | 81,58 | 76,84 | 71,42 | 43,86 | 85,90 | 29,53 |
14 | 67,13 | 10,15 | 6,71 | 86,20 | 88,91 | 38,63 | 17,05 | 53,15 | 31,06 | 39,75 | 10,90 | 20,94 | 82,16 | 0 | 8,94 | 16,66 | 18,42 | 54,28 | 10,70 | 57,26 |
15 | 63,46 | 18,25 | 8,76 | 83,85 | 85,98 | 34,66 | 24,23 | 48,01 | 33,33 | 37,52 | 12,50 | 18,75 | 81,58 | 8,94 | 0 | 15,82 | 17,98 | 49,70 | 19,02 | 55,30 |
16 | 66,17 | 23,90 | 16,13 | 77,30 | 79,07 | 36,72 | 23,33 | 49,19 | 26,44 | 42,06 | 13,77 | 7,72 | 76,84 | 16,66 | 15,82 | 0 | 5,70 | 49,91 | 20,53 | 49,77 |
17 | 62,02 | 25,62 | 16,03 | 72,23 | 74,23 | 32,84 | 21,55 | 45,46 | 21,28 | 38,44 | 11,90 | 4,25 | 71,42 | 18,42 | 17,98 | 5,70 | 0 | 45,79 | 22,57 | 44,52 |
18 | 20,17 | 61,45 | 47,75 | 42,46 | 44,51 | 16,34 | 54,32 | 4,61 | 40,26 | 24,52 | 45,12 | 42,75 | 43,86 | 54,28 | 49,70 | 49,91 | 45,79 | 0 | 62,35 | 22,29 |
19 | 74,79 | 6,31 | 15,74 | 91,12 | 94,19 | 46,73 | 14,79 | 61,67 | 32,69 | 46,78 | 17,90 | 26,16 | 85,90 | 10,70 | 19,02 | 20,53 | 22,57 | 62,35 | 0 | 62,39 |
20 | 33,73 | 63,08 | 51,08 | 29,18 | 33,09 | 27,48 | 51,70 | 26,39 | 32,07 | 33,79 | 46,65 | 42,31 | 29,53 | 57,26 | 55,30 | 49,77 | 44,52 | 22,29 | 62,39 | 0 |
| 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8-18 | 9 | 10 | 11 | 12-17 | 13 | 14 | 15 | 16 | 19 | 20 |
1 | 0 | 72,6 | 39,3 | 46,3 | 50 | 29,6 | 65,4 | 23 | 52,7 | 29 | 58,8 | 62,9 | 41,1 | 67,1 | 63,5 | 66,2 | 74,8 | 33,7 |
2 | 72,6 | 0 | 14,8 | 92,1 | 95,4 | 45,4 | 15,7 | 63,3 | 34,2 | 44,1 | 18,5 | 29,3 | 86 | 10,1 | 18,2 | 23,9 | 6,31 | 94,2 |
3 | 39,3 | 14,8 | 0 | 80,1 | 82,9 | 32 | 16,2 | 49,5 | 26,4 | 33,4 | 5,87 | 19,1 | 76 | 6,71 | 8,76 | 16,1 | 15,7 | 51,1 |
4 | 46,3 | 92,1 | 80,1 | 0 | 8,11 | 54,3 | 80,2 | 46,8 | 59,9 | 60 | 75,5 | 73,1 | 23,7 | 86,2 | 83,9 | 77,3 | 91,1 | 29,2 |
5 | 50 | 95,4 | 82,9 | 8,11 | 0 | 57,1 | 84,1 | 48,6 | 63,8 | 64,1 | 78,3 | 75 | 31,8 | 88,9 | 86 | 79,1 | 94,2 | 33,1 |
6 | 29,6 | 45,4 | 32 | 54,3 | 57,1 | 0 | 39,2 | 18,3 | 28,9 | 12,8 | 30 | 33,8 | 51,7 | 38,6 | 34,7 | 36,7 | 46,7 | 27,5 |
7 | 65,4 | 15,7 | 16,2 | 80,2 | 84,1 | 39,2 | 0 | 56,7 | 20,9 | 38,1 | 15 | 25,4 | 73 | 17 | 24,2 | 23,3 | 14,8 | 51,7 |
8-18 | 23 | 63,3 | 49,5 | 46,8 | 48,6 | 18,3 | 56,7 | 0 | 43,3 | 26,6 | 47,1 | 48,5 | 48,3 | 56 | 51,2 | 51,9 | 64,3 | 26,6 |
9 | 52,7 | 34,2 | 26,4 | 59,9 | 63,8 | 28,9 | 20,9 | 43,3 | 0 | 30,9 | 21,7 | 23,8 | 54 | 31,1 | 33,3 | 26,4 | 32,7 | 32,1 |
10 | 29 | 44,1 | 33,4 | 60 | 64,1 | 12,8 | 38,1 | 26,6 | 30,9 | 0 | 32,6 | 39,9 | 52,2 | 39,7 | 37,5 | 42,1 | 46,8 | 33,8 |
11 | 58,8 | 18,5 | 5,87 | 75,5 | 78,3 | 30 | 15 | 47,1 | 21,7 | 32,6 | 0 | 15 | 71,9 | 10,9 | 12,5 | 13,8 | 17,9 | 46,6 |
12-17 | 62,9 | 29,3 | 19,1 | 73,1 | 75 | 33,8 | 25,4 | 48,5 | 23,8 | 39,9 | 15 | 0 | 72,8 | 21,8 | 20,5 | 8,83 | 26,5 | 45,5 |
13 | 41,1 | 86 | 76 | 23,7 | 31,8 | 51,7 | 73 | 48,3 | 54 | 52,2 | 71,9 | 72,8 | 0 | 82,2 | 81,6 | 76,8 | 85,9 | 29,5 |
14 | 67,1 | 10,1 | 6,71 | 86,2 | 88,9 | 38,6 | 17 | 56 | 31,1 | 39,7 | 10,9 | 21,8 | 82,2 | 0 | 8,94 | 16,7 | 10,7 | 57,3 |
15 | 63,5 | 18,2 | 8,76 | 83,9 | 86 | 34,7 | 24,2 | 51,2 | 33,3 | 37,5 | 12,5 | 20,5 | 81,6 | 8,94 | 0 | 15,8 | 19 | 55,3 |
16 | 66,2 | 23,9 | 16,1 | 77,3 | 79,1 | 36,7 | 23,3 | 51,9 | 26,4 | 42,1 | 13,8 | 8,83 | 76,8 | 16,7 | 15,8 | 0 | 20,5 | 49,8 |
19 | 74,8 | 6,31 | 15,7 | 91,1 | 94,2 | 46,7 | 14,8 | 64,3 | 32,7 | 46,8 | 17,9 | 26,5 | 85,9 | 10,7 | 19 | 20,5 | 0 | 62,4 |
20 | 33,7 | 63,1 | 51,1 | 29,2 | 33,1 | 27,5 | 51,7 | 26,6 | 32,1 | 33,8 | 46,6 | 45,5 | 29,5 | 57,3 | 55,3 | 49,8 | 62,4 | 0 |
| 1 | 2 | 3-11 | 4 | 5 | 6 | 7 | 8-18 | 9 | 10 | 12-17 | 13 | 14 | 15 | 16 | 19 | 20 |
1 | 0 | 72,6 | 52 | 46,3 | 50 | 29,6 | 65,4 | 23 | 52,7 | 29 | 62,9 | 41,1 | 67,1 | 63,5 | 66,2 | 74,8 | 33,7 |
2 | 72,6 | 0 | 19,6 | 92,1 | 95,4 | 45,4 | 15,7 | 63,3 | 34,2 | 44,1 | 29,3 | 86 | 10,1 | 18,2 | 23,9 | 6,31 | 94,2 |
3-11 | 52 | 19,6 | 0 | 80,7 | 83,6 | 33,9 | 18,5 | 51,3 | 27 | 35,9 | 20 | 76,9 | 11,7 | 13,6 | 17,9 | 19,8 | 51,8 |
4 | 46,3 | 92,1 | 80,7 | 0 | 8,11 | 54,3 | 80,2 | 46,8 | 59,9 | 60 | 73,1 | 23,7 | 86,2 | 83,9 | 77,3 | 91,1 | 29,2 |
5 | 50 | 95,4 | 83,6 | 8,11 | 0 | 57,1 | 84,1 | 48,6 | 63,8 | 64,1 | 75 | 31,8 | 88,9 | 86 | 79,1 | 94,2 | 33,1 |
6 | 29,6 | 45,4 | 33,9 | 54,3 | 57,1 | 0 | 39,2 | 18,3 | 28,9 | 12,8 | 33,8 | 51,7 | 38,6 | 34,7 | 36,7 | 46,7 | 27,5 |
7 | 65,4 | 15,7 | 18,5 | 80,2 | 84,1 | 39,2 | 0 | 56,7 | 20,9 | 38,1 | 25,4 | 73 | 17 | 24,2 | 23,3 | 14,8 | 51,7 |
8-18 | 23 | 63,3 | 51,3 | 46,8 | 48,6 | 18,3 | 56,7 | 0 | 43,3 | 26,6 | 48,5 | 48,3 | 56 | 51,2 | 51,9 | 64,3 | 26,6 |
9 | 52,7 | 34,2 | 27 | 59,9 | 63,8 | 28,9 | 20,9 | 43,3 | 0 | 30,9 | 23,8 | 54 | 31,1 | 33,3 | 26,4 | 32,7 | 32,1 |
10 | 29 | 44,1 | 35,9 | 60 | 64,1 | 12,8 | 38,1 | 26,6 | 30,9 | 0 | 39,9 | 52,2 | 39,7 | 37,5 | 42,1 | 46,8 | 33,8 |
12-17 | 62,9 | 29,3 | 20 | 73,1 | 75 | 33,8 | 25,4 | 48,5 | 23,8 | 39,9 | 0 | 72,8 | 21,8 | 20,5 | 8,83 | 26,5 | 45,5 |
13 | 41,1 | 86 | 76,9 | 23,7 | 31,8 | 51,7 | 73 | 48,3 | 54 | 52,2 | 72,8 | 0 | 82,2 | 81,6 | 76,8 | 85,9 | 29,5 |
14 | 67,1 | 10,1 | 11,7 | 86,2 | 88,9 | 38,6 | 17 | 56 | 31,1 | 39,7 | 21,8 | 82,2 | 0 | 8,94 | 16,7 | 10,7 | 57,3 |
15 | 63,5 | 18,2 | 13,6 | 83,9 | 86 | 34,7 | 24,2 | 51,2 | 33,3 | 37,5 | 20,5 | 81,6 | 8,94 | 0 | 15,8 | 19 | 55,3 |
16 | 66,2 | 23,9 | 17,9 | 77,3 | 79,1 | 36,7 | 23,3 | 51,9 | 26,4 | 42,1 | 8,83 | 76,8 | 16,7 | 15,8 | 0 | 20,5 | 49,8 |
19 | 74,8 | 6,31 | 19,8 | 91,1 | 94,2 | 46,7 | 14,8 | 64,3 | 32,7 | 46,8 | 26,5 | 85,9 | 10,7 | 19 | 20,5 | 0 | 62,4 |
20 | 33,7 | 63,1 | 51,8 | 29,2 | 33,1 | 27,5 | 51,7 | 26,6 | 32,1 | 33,8 | 45,5 | 29,5 | 57,3 | 55,3 | 49,8 | 62,4 | 0 |
Информация о работе Экономико-математические методы в анализе и управлении на предприятии