Автор работы: Пользователь скрыл имя, 15 Мая 2014 в 17:31, курсовая работа
В настоящее время для решения задач подобного рода используются различные подходы: адаптивный регрессионный анализ, эволюционные алгоритмы самоорганизации, искусственные нейронные сети.
Адаптивные алгоритмы регрессионного анализа базируются на модифицированном методе наименьших квадратов и позволяют определить параметры и структуру регрессионного уравнения, которая обеспечивает наилучшие аппроксимационные свойства. Эти алгоритмы успешно используются для задач малой и средней размерности.
Введение
I Теоретическая часть
1.Теоретические основы использования методов моделирования и оптимизации в задачах обоснования маркетинговых решений на данном предпри-ятии………………………………………………………………………………..
1.1. Прогнозирование спроса в туризме с помощью регрессионного модели-рования……………………………………………………………………………
2. Методы маркетингового исследования в туризме, основные этапы маркетингового исследова-ния………………………………………………………...
3. Общая характеристика предприятия………………………………………….
II Математическая часть
2. Основы изучения корреляционного анализа…………………………………
III Практическая часть
3. Метод прогнозирования на основе многофакторной модели…………….
3.1. Множественная корреляция на примере 2-х факторов…………………
На основе этих данных можно сделать вывод о видах приближающей функции:
Линейная функция:
у = a0 + x1*a1 + x2*a2 , (3.2)
Степенная функция:
y=a0 * x1^a1 * x2^a2 , (3.3)
Показательная функция:
y=a0 * a1^x1 * a2^x2 , (3.4)
Функция многочлен:
y=a0 + x1*a1 + x2*a2 +a3*x1*x2 , (3.5)
Проведем необходимые расчеты ( данные взяты из П
Функция |
R^2 |
r |
Коэффициенты | |||
а0 |
а1 |
а2 |
а3 | |||
Линейная |
0,9958 |
0,9979 |
-2670,8 |
8,88 |
-0,41 |
- |
Степенная |
0,9951 |
0,9975 |
2,99 |
1,27 |
-0,15 |
- |
Показательная |
0,9813 |
0,9906 |
7641,3 |
1,0003 |
0,99 |
- |
Многочлен |
0,9958 |
0,9979 |
-3498,2 |
8,99 |
-0,25 |
-2,37 |
Таблица показывает , что наиболее подходящие функции это линейная и многочлен.
Для этих функций приведем табличное значение:
Линейная функция:
№ |
x1 |
x2 |
y |
yr |
1 |
1707,00 |
3200,00 |
10500,00 |
11165,80 |
2 |
1801,00 |
3460,00 |
12128,00 |
11893,06 |
3 |
1864,00 |
3500,00 |
12160,00 |
12436,05 |
4 |
1925,00 |
3750,00 |
13890,00 |
12874,36 |
5 |
1980,00 |
4260,00 |
13445,00 |
13151,74 |
6 |
2039,00 |
4870,00 |
12123,00 |
13423,25 |
7 |
2089,00 |
4880,00 |
13675,00 |
13863,20 |
8 |
2139,00 |
5680,00 |
13823,00 |
13976,13 |
9 |
2189,00 |
5720,00 |
14464,00 |
14403,66 |
10 |
2238,00 |
5830,00 |
15123,00 |
14793,34 |
11 |
2287,00 |
5940,00 |
14780,00 |
15183,01 |
12 |
2331,00 |
6890,00 |
14865,00 |
15180,55 |
13 |
2389,00 |
7550,00 |
15092,00 |
15422,48 |
14 |
3414,00 |
8340,00 |
25764,00 |
24199,33 |
15 |
5189,00 |
10120,00 |
40623,00 |
39227,73 |
16 |
5964,00 |
12230,00 |
46798,00 |
45237,70 |
17 |
6164,00 |
12470,00 |
45846,00 |
46914,71 |
18 |
6373,00 |
14890,00 |
48124,00 |
47769,24 |
19 |
6852,00 |
16240,00 |
49383,00 |
51464,79 |
20 |
6912,00 |
16710,00 |
50920,00 |
51803,14 |
21 |
7016,00 |
17560,00 |
51220,00 |
52374,98 |
1 |
2 |
3 |
4 |
5 |
22 |
7123,00 |
18430,00 |
52087,00 |
52965,19 |
23 |
7206,00 |
18500,00 |
53070,00 |
53673,41 |
24 |
7200,00 |
19500,00 |
56700,00 |
53206,16 |
Функция многочлен:
№ |
x1 |
x2 |
y |
yr |
1 |
1707,00 |
3200,00 |
10500,00 |
10929,4265 |
2 |
1801,00 |
3460,00 |
12128,00 |
11691,7520 |
3 |
1864,00 |
3500,00 |
12160,00 |
12241,7124 |
4 |
1925,00 |
3750,00 |
13890,00 |
12711,3382 |
5 |
1980,00 |
4260,00 |
13445,00 |
13049,2373 |
6 |
2039,00 |
4870,00 |
12123,00 |
13391,3737 |
7 |
2089,00 |
4880,00 |
13675,00 |
13832,5538 |
8 |
2139,00 |
5680,00 |
13823,00 |
14035,0172 |
9 |
2189,00 |
5720,00 |
14464,00 |
14466,1133 |
10 |
2238,00 |
5830,00 |
15123,00 |
14866,9377 |
11 |
2287,00 |
5940,00 |
14780,00 |
15267,5063 |
12 |
2331,00 |
6890,00 |
14865,00 |
15365,9160 |
13 |
2389,00 |
7550,00 |
15092,00 |
15675,0711 |
14 |
3414,00 |
8340,00 |
25764,00 |
24453,2457 |
15 |
5189,00 |
10120,00 |
40623,00 |
39409,3848 |
16 |
5964,00 |
12230,00 |
46798,00 |
45368,9526 |
17 |
6164,00 |
12470,00 |
45846,00 |
47015,3874 |
18 |
6373,00 |
14890,00 |
48124,00 |
47860,2918 |
19 |
6852,00 |
16240,00 |
49383,00 |
51443,0608 |
20 |
6912,00 |
16710,00 |
50920,00 |
51764,7119 |
21 |
7016,00 |
17560,00 |
51220,00 |
52304,3107 |
22 |
7123,00 |
18430,00 |
52087,00 |
52856,9989 |
23 |
7206,00 |
18500,00 |
53070,00 |
53538,1061 |
24 |
7200,00 |
19500,00 |
56700,00 |
53064,5938 |
Исходя из этих таблиц составим прогноз с учетом коэффициентов регрессии (а, в, с) наиболее подходящих функций : линейная и многочлен. Построим диаграмму к функции линейная и многочлен.
Линейная функция:
Рис. 3.2.
Функция многочлен:
Рис. 3.3.
Информация о работе Метод прогнозирования на основе многофакторной модели