6 0 43 110 2 1102 1504011050 3-110
Ітерація: 3
Робоча матриця витрат з перерахованими потенціалами і оцінками.
434 116 3122 311 5120
У наведеній вище таблиці немає негативних оцінок (план поліпшити не можна), отже досягнуто оптимальне рішення.
Загальні витрати на перевезення всієї продукції, для оптимального плану складають: Pопт = 2060
Задача 5.
Парна лінійна регресія
За вибірковими даними дослідити залежність між показниками X, Y і побудувати парну лінійну регресійну модель, для чого:
встановити наявність зв'язку між досліджуваними показниками графічним методом (побудувати кореляційне поле);
для вимірювання інтенсивності зв'язку між показниками обчислити коефіцієнт кореляції, коефіцієнт детермінації;
обчислити помилки коефіцієнта кореляції і параметрів моделі з заданою довірчою ймовірністю;
оцінити значимість коефіцієнта регресії моделі за критерієм Стьюдента;
оцінити адекватність моделі за критерієм F-відносини;
здійснити прогноз за отриманою регресійній моделі.
1. У комірки А2: 12 і В2: B12 введемо дані для Х і Y відповідно;
В
2. Графічно зобразимо дану залежність;
В
В
Застосуємо команду В«Сервіс/Аналіз даних/РегресіяВ»;
В
Звіт за результатами:
У першому розділі масиву В«Регресійна статистикаВ» наведені основні статистичні характеристики загальної якості рівняння: коефіцієнт множинної кореляції R, коефіцієнт детермінації R 2 , стандартна помилка оцінки. Значення R 2 0,890 говорить про те, що на основі отриманого рівняння регресії можна пояснити 89% варіації.
Статистичні дані другого розділу вихідного масиву В«Дисперсійний аналізВ» дозволяють оцінити дисперсію залежної змінної у і залишкової варіації відхилень навколо лінії регресії. SS p характеризує частину дисперсії, пояснень регресією, a SS
