У вас вопросы?
У нас ответы:) SamZan.net

По семи предприятиям легкой промышленности региона получена информация характеризующая зависимость объ

Работа добавлена на сайт samzan.net: 2015-12-26

Поможем написать учебную работу

Если у вас возникли сложности с курсовой, контрольной, дипломной, рефератом, отчетом по практике, научно-исследовательской и любой другой работой - мы готовы помочь.

Предоплата всего

от 25%

Подписываем

договор

Выберите тип работы:

Скидка 25% при заказе до 5.4.2025

Образцы решения контрольной работы

Пример 1. По семи предприятиям легкой промышленности региона получена информация, характеризующая зависимость объема выпуска продукции (Y, млн. руб) от объема капиталовложений (X, млн руб).

Y

64

56

52

48

50

46

38

X

64

68

82

76

84

96

100

Требуется:

  1.  Для характеристики У от X построить следующие модели:
  2.  линейную (для сравнения с нелинейными),
  3.  степенную,
  4.  показательную,
  5.  гиперболическую.
  6.  Оценить каждую модель, определив:
  7.  индекс корреляции,
  8.  среднюю относительную ошибку,
  9.  коэффициент детерминации,
  10.  F-критерий Фишера.

3. Составить свободную таблицу вычислений, выбрать лучшую модель, дать интерпретацию рассчитанных характеристик.

4. Рассчитать прогнозные значения результативного признака по лучшей модели, если объем капиталовложений составит 89,573 млн руб.

5. Результаты расчетов отобразить на графике.

Р е ш е н и е. 1. Построение линейной модели парной регрессии.

Определим линейный коэффициент парной корреляции по следующей формуле

.

Можно сказать, что связь между объемом капиталовложений X и объемом выпуска продукции Y обратная, достаточно сильная связь.

Уравнение линейной регрессии имеет вид: .

Значение параметров a и b линейной модели определим, используя данные таблицы 1.


i

y

x

y × x

x × x

1

64

64

4096

4096

13,43

180,36

-17,4

303,8

60,2

3,84

6,000

2

56

68

3808

4624

5,43

29,485

-13.4

180,36

58,0

-1,96

-3,500

3

52

82

4264

6724

1,43

2,0449

0,57

0,3249

50,3

1,74

3,346

4

48

76

3648

5776

-2,57

6,6049

-5,43

29,485

53,6

-5,56

-11,583

5

50

84

4200

7056

-0,57

0,3249

2,57

6,6049

49,2

0,84

1,680

6

46

96

4416

9216

-4,57

20,885

14,57

212,28

42,6

3,44

7,478

7

38

100

3800

10000

-12,6

158,0

18,57

344,84

40,4

-2,36

-6,211

Итого среднее значение дисперсии

354

50.57

56.8

570

81.43

154.0

28232

4033.14

47.492

6784.57

0.01

397.71

1077

-0.02

39.798

5.685

Таблица 1


Уравнение линейной регрессии имеет вид:

С увеличением объема капиталовложений на 1 млн руб. объем выпускаемой продукции уменьшится в среднем на 550 тыс. руб. Это свидетельствует о неэффективности работы предприятий и необходимо принять меры для выяснения причин и устранения этого недостатка.

Рассчитаем коэффициент детерминации: R2 = r2YX = 0,822.

Вариации результата Y (объема выпуска продукции) на 82,2% объясняется вариацией фактора  X (объемом капиталовложений).

Оценку значимости уравнения регрессии проведем с помощью F-критерия Фишера

.

F < Fтабл = 6,61 для  α=0,05; .

Уравнение регрессии с вероятностью 0,95 в целом статистически значимое, т.к. F < Fтабл.

Определим среднюю относительную ошибку:

.

В среднем расчетные значения  для линейной модели отличаются от фактических значений на 5,585%..

2. Построение степенной модели парной регрессии

Уравнение степенной модели имеет вид:

Для построения этой модели необходимо произвести линеаризацию переменных. Для этого произведем логарифмирование обеих частей уравнения:

Таблица 2

Y(t)

Lg(Y)

X(t)

Lg(x)

1

64

1.806

64

1.806

2

56

1.748

68

1.833

3

52

1.716

82

1.914

4

48

1.681

76

1.881

5

50

1.699

84

1.924

6

46

1.663

96

1.982

7

38

1.58

100

2

28

354

11.893

570

13.340

Сред.зн.

50.5714

1.699

81.429

1.906

Обозначим , , .

Тогда уравнение примет вид :  – линейное уравнение регрессии.

Рассчитаем его параметры, используя данные таблицы 3.

Таблица 3

y

Y

x

X

YX

X2

Ei

E2i

1

64

1.8062

64

1.8062

3.2623

3.2623

61.294

2.706

4.23

7.322

2

56

1.7482

68

1.8325

3.2036

3.3581

58.066

-2.066

3.69

4.270

3

52

1.716

82

1.9138

3.2841

3.6627

49.133

2.867

5.51

8.220

4

48

1.6812

76

1.8808

3.1621

3.5375

52.58

-4.58

9.54

20.976

5

50

1.699

84

1.9243

3.2693

3.7029

48.088

1.9120

3.82

3.657

6

46

1.6628

96

1.9823

3.2960

3.9294

42.686

3.314

7.2

10.982

7

38

1.5798

100

2.0000

3.1596

4.0000

41.159

-3.159

8.31

9.98

итого

354

11,8931

13,3399

22,637

25,4528

0,51

42,32

65,407

Уравнение регрессии будет иметь вид:

Перейдем к исходным переменным х и у, выполнив потенцирование данного уравнения.

Получим уравнение степенной модели регрессии

Определим индекс корреляция:

Связь между показателем у и фактором х можно считать достаточно сильной.

Коэффициент детерминации равен 0,836:

 R2=ρ2YX=0.9142=0.836

Вариация результата Y (объема выпуска продукции) на 83,6% объясняется вариацией фактора X (объемом капиталовложений).

Рассчитаем F-критерий Фишера

F < Fтабл=6,61 для  α=0,05; k1=m=1, k2=n-m-1=5

Уравнение регрессии с вероятностью 0,95 в целом статистически значимое, т.к. F < Fтабл

Определим среднюю относительную ошибку:

 

В среднем расчетные значения  для степенной модели отличаются от фактических значений на 6,04%.

3.Построение показательной функции.

Уравнение показательной модели имеет вид:

Для построения этой модели необходимо произвести линеаризацию переменных. Для этого произведем логарифмирование обеих частей уравнения:

Обозначим , , .

Тогда уравнение примет вид :  – линейное уравнение регрессии. Рассчитаем его параметры, используя данные таблицы 4.

Уравнение регрессии будет иметь вид:

Перейдем к исходным переменным х и у, выполнив потенцирование данного уравнения:

Определим индекс корреляция:

Связь между показателем у и фактором х можно считать достаточно сильной.

Коэффициент детерминации равен 0,828:

R2=ρ2YX=0.912=0.828

Вариация результата Y (объема выпуска продукции) на 82,8% объясняется вариацией фактора X (объемом капиталовложений).


Таблица 4

y

Y

x

Yx

x2

()2

Ei

1

64

1,8062

64

115,6

4096

0,1072

0,0115

-17,43

303,76

60,6

11,464

3,3859

5,29

2

56

1,7482

68

118,88

4624

0,0492

0,0024

-13,43

180,33

58

3,9632

-1,991

3,555

3

52

1,716

82

140,71

6724

0,017

0,0003

0,57

0,33

49,7

5,4221

2,3285

4,478

4

48

1,6812

76

127,77

5776

-0,017

0,0003

-5,43

29,47

53,1

25,804

-5,08

10,583

5

50

1,699

84

142,71

7056

0,00

0,00

2,57

6,61

48,6

2,0031

1,4153

2,831

6

46

1,6628

96

159,62

9216

-0,036

0,0013

14,57

212,33

42,5

11,933

3,4544

7,509

7

38

1,5798

100

157,98

10000

-0,119

0,0142

18,57

344,9

40,7

7,3132

-2,704

7,117

итого

354

11,8931

570

963,28

4749

0,03

1077,7

67,903

0,8093

41,363

Ср.зн.

50,57

1,699

81,4

137,61

6785

5,909


Рассчитаем F-критерий Фишера

F < Fтабл=6,61 для  α=0,05; k1=m=1, k2=n-m-1=5

Уравнение регрессии с вероятностью 0,95 в целом статистически значимое, т.к. F < Fтабл

Определим среднюю относительную ошибку:

 

В среднем расчетные значения  для показательной модели отличаются от фактических значений на 5,909%.

4.Построение гиперболической функции.

Уравнение степенной модели имеет вид:

Для построения этой модели необходимо произвести линеаризацию переменных путем замены Х=1/х.

В результате получим линейное уравнение  

Рассчитаем его параметры по данным таблицы 5.

Уравнение регрессии будет иметь вид:

Определим индекс корреляция:

Связь между показателем у и фактором х можно считать достаточно сильной.

Коэффициент детерминации равен 0,835:

 R2=ρ2YX=0.9142=0.835

Вариация результата Y (объема выпуска продукции) на 83,5% объясняется вариацией фактора X (объемом капиталовложений).

Рассчитаем F-критерий Фишера


Таблица 5

y

x

X

yX

X2

()2

Ei

()2

1

64

64

0,0156

1

0,0002441

13,43

180,33

61,5

2,489

6,1954

3,889

2

56

68

0,0147

0,8235

0,0002163

5,43

29,47

58,2

-2,228

4,9647

3,978

3

52

82

0,0122

0,6341

0,0001487

1,43

2,04

49,3

2,74

7,5089

5,27

4

48

76

0,0132

0,6316

0,0001731

-2,57

6,61

52,7

-4,699

22,078

9,789

5

50

84

0,0119

0,5952

0,0001417

-0,57

0,3265

48,2

1,777

3,1591

3,555

6

46

96

0,0104

0,4792

0,0001085

-4,57

20,9

42,9

3,093

9,5648

6,723

7

38

100

0,01

0,38

0,0001

12,57

158,04

41,4

-3,419

11,69

8,997

итого

354

0,088

4,5437

0,0011325

397,71

354,2

-0,246

65,159

42,202

Ср.зн.

50,57

0,0126

0,6491

0,0001618

6,029


F < Fтабл=6,61 для  α=0,05; k1=m=1, k2=n-m-1=5

Уравнение регрессии с вероятностью 0,95 в целом статистически значимое, т.к. F < Fтабл

Определим среднюю относительную ошибку:

 

В среднем расчетные значения  для гиперболической модели отличаются от фактических значений на 6,029%.

Для выбора лучшей модели построим сводную таблицу 6 результатов

Таблица 6

Модель

Коэффициент детерминации

Критерий Фишера

Индекс корреляции

Средняя относительная ошибка

Линейная

0,822

23,09

0,907

5,685

Степенная

0,828

24,06

0,910

6,054

Показательная

0,828

24,06

0,910

5,909

гиперболическая

0,835

25,3

0,914

6,029

Все модели примерно одинаковы, но большее значение F-критерия Фишера и большее значение коэффициента детерминации имеет гиперболическая модель. Ее можно взять в качестве лучшей модели для построения прогноза.

Расчет прогнозного значения результативного показателя:

Прогнозное значение результативного признака(объема выпуска продукции) определим по уравнению гиперболической модели, подставив в него планируемую (заданную по условию) величину объема капиталовложений:

 

Построение парной нелинейной регрессии можно  получить при осуществлении расчетов в Excell.

Пример 2. Задача состоит в построении модели для предсказания объема реализации одного из продуктов фирмы.

Объем реализации - это зависимая переменнаяY(млн руб.). В качестве независимых переменных выбраны: время- X1 , расходы на рекламу X2 (тыс. руб.), цена товара X3 (руб.), средняя цена у конкурентов X4 (руб), индекс потребительских расходов X5(%)

Требуется:

1. Осуществить выбор факторных признаков для построения двухфакторной регрессионной модели.

  1.  Рассчитать параметры модели.
  2.  Для характеристики модели определить:
  3.  линейный коэффициент множественной корреляции,
  4.  коэффициент детерминации,
  5.  средние коэффициенты эластичности,
  6.  бетта-, дельта - коэффициенты. Дать их интерпретацию.
  7.  Осуществить оценку надежности уравнения регрессии.
  8.  Оценить с помощью t-критерия Стьюдента статистическую значимость коэффициентов уравнения множественной регрессии.
  9.  Построить точечный и интервальный прогнозы результирующего показателя.

7.Отразить результаты расчетов на графике.

Выполнение задач отразить в аналитической записке, приложить компьютерные распечатки расчетов.

  1.  Построение системы показателей (факторов). Анализ матрицы коэффициентов парной корреляции. Выбор факторных признаков для построения двухфакторной регрессионной модели.

Статистические данные по всем переменным приведены в таблице 7. В этом примере n = 16, m = 5.

Таблица 7

Y

X1

X2

X3

X4

X5

126

137

148

191

274

370

432

445

367

367

321

307

331

345

364

384

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

4.0

4.8

3.8

8.7

8.2

9.7

14.7

18.7

19.8

10.6

8.6

6.5

12.6

6.5

5.8

5.7

15.0

14.8

15.2

15.5

15.5

16.0

18.1

13.0

15.8

16.9

16.3

16.1

15.4

15.7

16.0

15.1

17.0

17.3

16.8

16.2

16.0

18.0

20.2

15.8

18.2

16.8

17.0

18.3

16.4

16.2

17.7

16.2

100.0

98.4

101.2

103.5

104.1

107.0

107.4

108.5

108.3

109.2

110.1

110.7

110.3

111.8

112.3

112.9

В таблице 8 приведены промежуточные результаты при вычислении коэффициента корреляции

Таблица 8

t

Y

X2

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

126

137

148

191

274

370

432

445

367

367

321

307

331

345

364

384

4.0

4.8

3.8

8.7

8.2

9.7

14.7

18.7

19.8

10.6

8.6

6.5

12.6

6.5

5.8

5.7

-180,813

-169,813

-158,813

-115,813

-32,8125

63,1875

125,1875

138,1875

60,1875

60,1875

14,1875

0,1875

24,1875

38,1875

57,1875

77,1875

32693,16

28836,29

25221,41

13412,54

1076,66

3992,66

15671,91

19095,79

3622,535

3622,535

201,2852

0,035156

585,0352

1458,285

3270,41

5957,91

-5,29375

-4,49375

-5,49375

-0,59375

-1,09375

0,40625

5,40625

9,40625

10,50625

1,30625

-0,69375

-2,79375

3,30625

-2,79375

-3,49375

-3,59375

28,02379

20,19379

30,18129

0,352539

1,196289

0,165039

29,22754

88,47754

110,3813

1,706289

0,481289

7,805039

10,93129

7,805039

12,20629

12,91504

957,1762

763,0849

872,4762

68,76367

35,88867

25,66992

676,7949

1299,826

632,3449

78,61992

-9,84258

-0,52383

79,96992

-106,686

-199,799

-277,393

4909

148,7

0

158718,4

0

362,0494

4896,381

Ср.зн.

306,81

9,294

0

Использование инструмента Корреляция (Анализ данных в Excell).

Для проведения корреляционного анализа выполните следующие действия:

  1.  Данные для  корреляционного анализа должны располагаются в смежных диапазонах ячеек.
  2.  Выберите команду Сервис→ Анализ данных.
  3.  В диалоговом окне Анализ данных выберите инструмент Корреляция, а затем щелкните по кнопке ОК.
  4.  В диалоговом окне Корреляция в поле Входной интервал необходимо ввести диапазон ячеек, содержащих исходные данные. Если выделены и заголовки столбцов, то установите флажок Метки в первой строке.
  5.  Выберите параметры вывода, в данном примере Новый рабочий лист
  6.  ОК.

Результат корреляционного анализа

Таблица 9

Объем реализации

Время

Реклама

Цена

Цена конкурента

Индекс потреб. расходов

Объем реализации

1

Время

0,678

1

Реклама

0,646

0,106

1

Цена

0,233

0,174

-0,003

1

Цена конкурента

0,226

-0,051

0,204

0,698

1

Индекс потреб. расходов

0,816

0,960

0,273

0,235

0,03

1

Анализ матрицы коэффициентов парной корреляции показывает, что зависимая переменная, т.е. объем реализации имеет тесную связь с индексом потребительских расходов (ryx5=0.816), с расходами на рекламу (ryx2=0.646) и со временем (ryx1=0.96). Однако факторы Х2 и Х5 тесно связаны между собой (rx1x5=0.96) , что свидетельствует о наличии мультиколлинеарности. Из этих двух переменных оставим в модели Х5- индекс потребительских расходов. В этом примере n=16, m=5, после исключения незначимых факторов n=16, k=2.

2. Выбор вида модели и оценка параметров.

Оценка параметров регрессии осуществляется по методу наименьших квадратов  по формуле

, используя данные приведенные в таблице 10:

Таблица 10

Y

X0

X1

X2

Объем реализации

Реклама

Индекс потреб.расходов

126

137

148

191

274

370

432

445

367

367

321

307

331

345

364

          384

1

1

1

1

1

1

1

1

1

1

1

1

1

1

1

1

4.0

4.8

3.8

8.7

8.2

9.7

14.7

18.7

19.8

10.6

8.6

6.5

12.6

6.5

5.8

           5.7

100.0

98.4

101.2

103.5

104.1

107.0

107.4

108.5

108.3

109.2

110.1

110.7

110.3

111.8

112.3

           112.9

Уравнение регрессии зависимости объема реализации от затрат на рекламу и индекса потребительских расходов можно записать в следующем виде:

у=-1471,314+9,568х1+15,754х2

Расчетные значения у определяются путем последовательной подстановки в эту модель значений факторов, взятых для каждого наблюдения.

Применение инструмента Регрессия(Анализ данных в Excell).

Для проведения регрессионного анализа выполните следующие действия:

  1.   Выберите команду Сервис→ Анализ данных.
  2.  В диалоговом окне Анализ данных выберите инструмент Регрессия, а затем щелкните по кнопке ОК.
  3.  В диалоговом окне Регрессия в поле Входной интервал Y введите адрес одного диапазона  ячеек, который представляет зависимую переменную. В поле Входной интервал X введите адреса одного или нескольких диапазонов, которые содержат значения независимых переменных.
  4.   Если выделены и заголовки столбцов, то установите флажок Метки в первой строке.
  5.  Выберите параметры вывода, в данном примере Новая рабочая книга.
  6.  В поле Остатки поставьте необходимые флажки.
  7.  ОК.

Результат регрессионного анализа содержится в следующих таблицах:

Регрессионная статистика

Таблица 11

Наименования в отчете Excel

Принятые наименования

Формула

1

Множественный R

Коэффициент множественной корреляции, индекс корреляции

2

R-квадрат

Коэффициент детерминации

3

Нормированный R-квадрат

Скорректированный

R-квадрат

4

Стандартная ошибка

Стандартная ошибка оценки

5

Наблюдения

Количество наблюдений

n

Таблица 12

Регрессионная статистика

Множественный R

R-квадрат

Нормированный R-квадрат

Стандартная ошибка

Наблюдения

0,927

0,859

0,837

41,473

16,000

Дисперсионный анализ

Таблица 13

Df- число степеней свободы

SS- сумма квадратов

MS

F-критерий Фишера

Регрессия

k=2

Остаток

n-k-1=13

n−k−1

Итого

n-1=15

Таблица 14

Дисперсионный анализ

df

SS

MS

F

Регрессия

Остаток

Итого

2

13

15

136358,334

22360,104

158718,438

68179,167

1720,008

39,639

Таблица 15

Коэффициенты

Стандартная ошибка

t-статистика

Y-пересечение

Реклама

Индекс потр. расходов

-1471,31

9,568

15,753

259,766

2,266

2,467

-5,664

4,223

6,386

Во втором столбце данной таблицы содержатся коэффициенты уравнения регрессии а012. В третьем столбце содержатся стандартные ошибки коэффициентов уравнения регрессии, а в четвертом- t- статистика, используемая для проверки значимости коэффициентов уравнения регрессии.

Уравнение регрессии зависимости объема реализации от затрат на рекламу и индекса потребительских расходов можно записать в следующем виде:

У=-1471,314+9,568х1+15,754х2

  1.  Оценка качества модели.

В таблице  16 приведены вычисленные по модели значения Y и значения остаточной компоненты.

Таблица 16

Вывод остатка

Наблюдение

Предсказанное

Остатки

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

142,25

124,7

159,24

242,35

247,02

307,06

361,20

416,80

424,18

350,32

345,37

334,72

386,79

352,05

353,23

361,73

-16,25

12,30

-11,24

-51,35

26,98

62,94

70,80

28,20

-57,18

16,68

-24,37

-27,72

-55,79

-7,05

10,77

22,27

Проверку независимости проведем  с помощью d –критерия Дарбина-Уотсона

В качестве критических  табличных уровней при N=16, двух объясняющих факторах при уровне значимости в 5% возьмем величины d1=0.98 и  d2=1,54.

Так как расчетное значение попало в интервал от d1  до d2 , то нельзя сделать окончательный вывод по этому критерию. Для определения степени автокорреляции вычислим коэффициент автокорреляции и проверим его значимость при помощи критерия стандартной ошибки. Стандартная ошибка коэффициента автокорреляции рассчитывается так:

Коэффициенты автокорреляции случайных данных обладают выборочным распределением, приближающимся к нормальному с нулевым математическим ожиданием и средним квадратичным отклонением, равным

Если r1 находится в интервале 1,96×0,25≤ r1×1,96≤0,25, то можно считать что данные не показывают наличие автокорреляции первого порядка, т.к. -0,49≤ r1=0,309≤0,49, и свойство независимости выполняется.

Вычислим для модели коэффициент детерминации:

0.859

Он показывает долю вариации результативного признака под действием изучаемых факторов. Следовательно, около 86%  вариации зависимой переменной учтено в модели и обусловлено влиянием включенных факторов.

Проверку значимости уравнения регрессии произведем на основе вычисления  F-критерия Фишера:

Табличное значение   F-критерия  при доверительном вероятности 0,95 при V1=k=2 и  V2=n-k-1=16-2-1=13 составляет 3,81. Табличное значение критерия можно найти с помощью функции  FРАСПОБР.

Поскольку Fрас < Fтабл уравнение регрессии следует признать адекватным.

  1.  Оценить с помощью t-критерия Стьюдента статистическую значимость коэффициентов уравнения множественной регрессии.

Значимость коэффициентов уравнения регрессии а0 1 , а2 оценим с использованием t-критерия Стьюдента.

b11=39.2314

b22=0.00299

b33=0.00354

ta0=-1471.314/259.766= -5.664

ta1=9.5684/2.2659=4.223

ta2=15.7529/2.4669=6.3858

Табличное значение  t-критерия Стьюдента можно найти с помощью функции СТЬЮДРАСПОБР.

Табличное значение  t-критерия при 5% уровне значимости и степенях свободы(16-3-1) составляет 2,16. Так как tрасч< tтабл, то коэффициенты  а1, а2  существенны (значимы).

5.Проанализировать влияние факторов на зависимую переменную по модели (для каждого коэффициента регрессии вычислить коэффициент эластичности, β-коэффициент).

Учитывая , что коэффициент регрессии невозможно использовать для непосредственной оценки влияния факторов на зависимую переменную из-за различия единиц измерения, используем коэффициент эластичности (Э), β-коэффициент, которые соответственно рассчитываются по формулам:

Э1=9,568×9,294/306,813=0,2898

Э2=15,7529×107,231/306,813=5,506

βi=αi×Sxi:Sy

β1=9,568×4,913/102,865=0,457

β2=15,7529×4,5128/102,865=0,691

Коэффициент эластичности показывает, на сколько процентов изменяется зависимая переменная при изменении фактора на 1% .

β-коэффициент с математической точки зрения показывает, на какую часть величины среднего квадратического отклонения меняется среднее значение зависимой переменной с изменением независимой переменной на одно среднеквадратическое отклонение при фиксированном на постоянном уровне значении остальных независимых переменных. Это означает, что при увеличении затрат на рекламу в нашем примере на 4,91 тыс. руб. объем реализации увеличится на 47 тыс. руб. (0,457×102,865).

  1.  Определить точечные и интервальные прогнозные оценки реализации на два квартала вперед (t0.7=1.12).

Прогнозные значения Х1,17, Х2,17 и  Х1,18,  Х2,18 можно определить  с помощью методов экспертных оценок, с помощью средних абсолютных приростов или вычислить на основе экстраполяционных методов.

Пример 3. Пять производственных объектов характеризуются двумя признаками: объемом продаж и среднегодовой стоимостью основных производственных фондов.

Объект

1

2

3

4

5

Объем продаж

1

3

6

13

12

Среднегодовая стоимость основных производственных фондов

9

10

8

5

7

Проведем классификацию этих объектов с помощью принципа «ближайшего соседа». Найдем расстояние между объектами по формуле . Заполним таблицу.

Объекты

1

2

3

4

5

1

0

2,24

5,10

12,65

11,18

2

0

3,61

11,18

9,49

3

0

7,62

6,08

4

0

2,24

5

0

Поясним, как заполняется таблица.

На пересечении строки «i»  и столбца «j» указанно расстояние (результат округляем до двух цифр после запятой). Например, на пересечении строки «1» и столбца «3» указано расстояние , а на пересечении строки «3» и столбца «5» указано расстояние .

Так как , то нижнюю часть таблицы можно не заполнять.

Применим принцип «ближайшего соседа». Находим в таблице наименьшее из расстояний (если таких несколько, то выбираем любое из них). Это .

Пусть . Тогда мы можем объединить в одну группу объекты 4 и 5, то есть в объединенном столбце «4 и 5» будет наименьшее из соответствующих чисел столбцов «4» и «5» первоначальной таблицы расстояний. Аналогично поступаем со строками «4» и «5».

Получим новую таблицу.

 

Объекты

1

2

3

4 и 5

1

0

2,24

5,10

11,18

2

0

3,61

9,49

3

0

6,08

4 и 5

0

Находим в полученной таблице наименьшее из расстояний (если таких несколько, то выбираем любое из них): . Тогда мы можем объединить в одну группу объекты 1 и 2, то есть в объединенном столбце «1 и 2» будет наименьшее из соответствующих чисел столбцов «1» и «2» предыдущей таблицы расстояний. Аналогично поступаем и со строками «1» и «2».

Получим новую таблицу.

Объекты

1 и 2

3

4 и 5

1 и 2

0

3,61

9,49

3

0

6,08

4 и 5

0

Находим в полученной таблице наименьшее из расстояний (если таких несколько, то выбираем любое из них): . Тогда мы можем объединить в одну группу объекты 1, 2, 3, то есть в объединенном столбце «1, 2, 3» будет наименьшее из соответствующих чисел столбцов «1 и 2» и «3» предыдущей таблицы расстояний. Аналогично поступаем и со строками «1 и 2» и «3».

Получим новую таблицу.

Объекты

1, 2, 3

4 и 5

1, 2, 3

0

6,08

4 и 5

0

Мы получили два кластера: (1, 2, 3) и (4, 5).

На дендрограмме указаны порядок выбора элементов и соответствующие минимальные расстояния .




1. Реферат- Політичне управління та його соціотехніка
2. ПОЛИТИКА ДОХОДОВ И ЗАРАБОТНОЙ ПЛАТЫ
3. Курсовая работа- Типы рынков и порядок ценообразования на них
4. вариантных образовательных технологий инновационной стратегии образовательного процесса; включения образ
5.  Организацией конференции занимался коллектив кафедры менеджмента и маркетинга МГИМО заведующая кафедрой
6. На тему- Расчет структурносетевых параметров мультисервисных сетей телекоммуникаций по дисциплине
7. Теория инноваций Роль инноваций в экономике
8. описывая по дням месяц за месяцем где каждому дню соответствовали свои праздники или будни обычаи и суеве
9. реферат дисертації на здобуття наукового ступеня кандидата біологічних наук Київ ~ Д
10. московских процессов