КАТЕГОРИИ: Архитектура-(3434)Астрономия-(809)Биология-(7483)Биотехнологии-(1457)Военное дело-(14632)Высокие технологии-(1363)География-(913)Геология-(1438)Государство-(451)Демография-(1065)Дом-(47672)Журналистика и СМИ-(912)Изобретательство-(14524)Иностранные языки-(4268)Информатика-(17799)Искусство-(1338)История-(13644)Компьютеры-(11121)Косметика-(55)Кулинария-(373)Культура-(8427)Лингвистика-(374)Литература-(1642)Маркетинг-(23702)Математика-(16968)Машиностроение-(1700)Медицина-(12668)Менеджмент-(24684)Механика-(15423)Науковедение-(506)Образование-(11852)Охрана труда-(3308)Педагогика-(5571)Полиграфия-(1312)Политика-(7869)Право-(5454)Приборостроение-(1369)Программирование-(2801)Производство-(97182)Промышленность-(8706)Психология-(18388)Религия-(3217)Связь-(10668)Сельское хозяйство-(299)Социология-(6455)Спорт-(42831)Строительство-(4793)Торговля-(5050)Транспорт-(2929)Туризм-(1568)Физика-(3942)Философия-(17015)Финансы-(26596)Химия-(22929)Экология-(12095)Экономика-(9961)Электроника-(8441)Электротехника-(4623)Энергетика-(12629)Юриспруденция-(1492)Ядерная техника-(1748) |
Математические модели формы связи
N – количество потенциальных пользователей. N – средняя фактическая норма расхода или потребления, рациональная норма потребления, физиологическая норма потребления. Где Ē - относительная ошибка аппроксимации
N – число исследуемых признаков уi - экспериментальное значение признака
уср – среднеарифметическое значение признака чем меньше Ē, тем модель более адекватная
то есть Ē = {1/4 * [ (349,8-471,6): 349,8+ (463,8-471,6): 463,8+ (578,8- 471,6) : 578,8+ (711,8-471,6):711,8 ] }* 100% = [0,25 * (0,3 +0,02 +0,2 +0,3) ]* 100% =20,5%
Компьютерная обработка данных для построения линии тренда
Рис.1 Линейный тренд объема спроса на кондитерские изделия
П= n * N (7), Где П – прогноз спроса, Пример расчета: Среднее фактическое потребление мяса и мясопродуктов в год на душу населения – 52 кг Количество жителей в районе А – 350 тыс. чел, Б – 432 тыс. чел П = 52 * (350+432) =40,7 тонн
а) однофакторные модели
Б) многофакторные модели (уравнения множественной регрессии)
Последовательность составления прогноза спроса методом математического моделирования
1. Определение круга факторов, оказывающих возможное влияние на изменение спроса; 2. Определение степени влияния выбранных факторов. 3. Разработка модели для составления прогноза спроса. 4. Проведение оценки прогностической ценности модели спроса. 5. Составление прогноза спроса по наиболее оптимальной модели. 6. Расчет ошибки прогноза спроса.
Пример расчета
Рис.2 Линейный тренд объема спроса на бытовые обогреватели П 2003 = 4500 * 0,222+ 27,302 = 127,2 Расчет ошибки прогноза: Оп = +,- Ö å d2 (8),
Дата добавления: 2013-12-13; Просмотров: 366; Нарушение авторских прав?; Мы поможем в написании вашей работы! Нам важно ваше мнение! Был ли полезен опубликованный материал? Да | Нет |