Автор работы: Пользователь скрыл имя, 05 Февраля 2013 в 14:13, курсовая работа
цель исследования состоит в определении оптимального объема обслуживания жилой площади по критерию максимума прибыли.
Для достижения этой цели необходимо решить следующие задачи:
1.Собрать первичные данные – сведения об изменении объемов обслуживаемой площади и о финансовых результатах.
1. Предварительно обработать первичные данные – сгруппировать, оформить в виде таблиц и графиков.
2. Определить перечень статистических показателей, необходимых для достижения поставленной цели.
3. Рассчитать статистические показатели.
4. Зафиксировать, когда объем обслуживаемой жилой площади, с учетом динамики финансовых результатов, достигнет оптимального своего значения.
. Объект исследования…………………………………………………………..3
2. Цель и задачи исследования…………………………………………………..4
3. Программа наблюдения и сбор первичных данных…………………………5
3.1. Организационная форма наблюдения……………………………………....5
3.2. Вид статистического наблюдения…………………………………..............5
3.3. Способ статистического наблюдения……………………………………….6
4. Систематизация первичных данных…………………………………………..7
4.1. Группировка первичных данных…………………………………………....7
4.2. Табличная форма отображения первичных данных……………………….7
4.3. Графическое отображение первичных данных…………………………….8
5. Статистические показатели………………………………………....................9
5.1. Показатели описательной статистики………………………………………9
5.2. Относительные показатели…………………………………………………..9
5.3. Показатели зависимости признаков……………………………………….10
5.4. Индексы……………………………………………………………………...10
6. Расчет и анализ статистических показателей……………………………….12
6.1. Расчет показателей описательной статистики…………………………….12
6.2. Расчет относительных показателей………………………………………..14
6.3. Расчет показателей зависимости признаков………………………............17
6.3.1. Корреляция………………………………………………………………...17
6.3.2. Анализ регрессии………………………………………………………….18
7. Выводы………………………………………………………………………...21
8. Список использованной литературы………………………………………...22
Уравнение регрессии можно выразить функцией: Yx = f(x1, x2, ..., xk).
Регрессия показывает зависимость среднего значения одного признака от значений другого признака.
Регрессионный анализ дает
наиболее полную характеристику статистической
совокупности. Он используется при
прогнозировании уровней
В статистике под индексом понимается относительный показатель, который выражает соотношение величин какого-либо явления во времени, в пространстве или сравнение фактических данных с любым эталоном (план, прогноз, норматив и т.д.).
Все индексы можно классифицировать по
следующим показателям:
степень охвата явления; база сравнения;
вид весов (соизмерителя); форма построения;
характер объекта исследования; объект
исследования; состав явления; период
исчисления.
Итак, при решении нашей задачи мы анализировали объем обслуживаемой площади, поэтому было бы возможным использование индивидуального индекса физического объема реализации (iq = ), но данный показатель аналогичен относительному показателю динамики - коэффициенту роста. Его расчет представлен в таблице 5 в п.6.2. «Расчет относительных показателей», а расчет индивидуального индекса цен и товарооборота является нецелесообразным.
В данной работе исследуемый показатель (объем площади) представляет единое целое и не подразделяется на несоизмеримые элементы, а так же он не подвержен влиянию составных частей. Поэтому использование общих индексов не имеет смысла.
Анализ в нашей работе
С помощью программы Excel позволяет сразу вычислим комплекс показателей.
Результаты расчета приведены в табл. 2.
Таблица 2
Объем обслуживаемой площади |
Прибыль/Убыток |
||
Среднее |
31612,272 |
Среднее |
5172,756 |
Стандартная ошибка |
1844,844 |
Стандартная ошибка |
2160,959 |
Медиана |
32287,790 |
Медиана |
2997,000 |
Мода |
22634,290 |
Мода |
#Н/Д |
Стандартное отклонение |
11812,763 |
Стандартное отклонение |
13836,890 |
Дисперсия выборки |
139541375,01 |
Дисперсия выборки |
191459521,589 |
Эксцесс |
-0,701 |
Эксцесс |
-1,086 |
Асимметричность |
-0,441 |
Асимметричность |
0,153 |
Интервал |
43332,690 |
Интервал |
48522,000 |
Минимум |
7483,200 |
Минимум |
-20355,000 |
Максимум |
50815,890 |
Максимум |
28167,000 |
Сумма |
1296103,130 |
Сумма |
212083,000 |
Счет |
41,000 |
Счет |
41,000 |
Уровень надежности(95,0%) |
3728,568 |
Уровень надежности(95,0%) |
4367,461 |
Свойства распределений.
Из табл. 2 следует, что для объема обслуживаемой площади асимметрия левосторонняя, так как относительный показатель асимметрии отрицательный, асимметрия близка к значительной, и распределение признака в генеральной совокупности практически несимметрично. Для прибыли/убытка асимметрия правосторонняя, незначительная, и условия симметричности выполняются. На это указывает достаточно малое значение коэффициента асимметрии.
Оценка островершинности распределений базируется на сравнении коэффициента эксцесса с нулем. Для объема обслуживаемой площади и прибыли/убытка эксцесс отрицательный, и это указывает на то, что распределение имеет вершину более плоскую, чем нормальное распределение.
Степень изменчивости (вариативность).
Рассеяние случайных величин оценивается показателями вариации. В описательной статистике присутствуют три таких показателя: дисперсия выборки (выборочная дисперсия), стандартное отклонение (или среднее квадратическое отклонение) и интервал (размах). Для удобства запишем эти данные в таблицу 3.
Таблица 3.
Наименование показателя |
Объем обслуживаемой площади |
Прибыль/Убыток |
Дисперсия выборки |
139541375,0208 |
191459521,5890 |
Стандартное отклонение |
11812,7632 |
13836,88980 |
Интервал |
43332,6900 |
48522,0000 |
Дисперсия является средней
величиной квадратов
Для прибыли среднее квадратическое отклонение равно 13836,89 руб., а средняя величина равна 5172,76 руб., поэтому степень вариации здесь не так велика.
Интервальные оценки генеральных средних.
Результаты расчета интервальных оценок генеральных средних курсов валют приведены в табл. 4.
Таблица 4.
Наименование показателя |
Объем обслуживаемой площади, кв.м. |
Прибыль/Убыток, руб. |
Среднее |
31612,272 |
5172,756 |
Предельная ошибка |
3728,568 |
4367,461 |
Максимум интервальной оценки |
35340,840 |
9540,217 |
Минимум интервальной оценки |
27883,704 |
805,295 |
Из табл. следует, что при доверительной вероятности 0,95 доверительный интервал для генерального среднего объема обслуживаемой площади равен [27883,704…35340,840] кв.м., а для прибыли/убытка – [805,295…9540,217] руб.
Рассчитаем коэффициент роста для объема обслуживаемой площади: выразим его кратным отношением, взяв за базу начальную площадь, то есть по состоянию на 01.01.2007г.
Базисный коэффициент роста рассчитывается по формуле:
Тpi/1 = Yi/Y1.
Расчеты приведены в таблице 5.
Таблица 5
Коэффициенты роста объема обслуживаемой площади.
Дата |
Объем обслуживаемой площади |
Дата |
Объем обслуживаемой площади |
Дата |
Объем обслуживаемой площади |
01.01.07 |
1,00 |
01.03.08 |
3,66 |
01.05.09 |
5,28 |
01.02.07 |
1,00 |
01.04.08 |
3,66 |
01.06.09 |
5,32 |
01.03.07 |
1,00 |
01.05.08 |
3,66 |
01.07.09 |
5,56 |
01.04.07 |
1,38 |
01.06.08 |
3,66 |
01.08.09 |
5,56 |
01.05.07 |
1,38 |
01.07.08 |
4,31 |
01.09.09 |
5,73 |
01.06.07 |
2,40 |
01.08.08 |
4,31 |
01.10.09 |
5,73 |
01.07.07 |
2,40 |
01.09.08 |
4,31 |
01.11.09 |
5,73 |
01.08.07 |
2,40 |
01.10.08 |
4,31 |
01.12.09 |
5,73 |
01.09.07 |
3,02 |
01.11.08 |
4,31 |
01.01.10 |
5,96 |
01.10.07 |
3,02 |
01.12.08 |
4,90 |
01.02.10 |
5,96 |
01.11.07 |
3,02 |
01.01.09 |
4,90 |
01.03.10 |
5,96 |
01.12.07 |
3,02 |
01.02.09 |
4,90 |
01.04.10 |
6,14 |
01.01.08 |
3,02 |
01.03.09 |
4,90 |
01.07.10 |
6,62 |
01.02.08 |
3,02 |
01.04.09 |
5,20 |
01.08.10 |
6,79 |
Динамику коэффициентов роста объема обслуживаемой площади можно представить наглядно в виде графика (рис. 3):
Рис. 3
Итак, объем обслуживаемой площади увеличился в 6,79 раза, но для того, чтобы оценить уровень развития этого явления на фоне изменения финансовых результатов, необходимо рассчитать еще один относительный показатель, а именно показатель интенсивности. Для этого найдем отношение финансового результата от хозяйственной деятельности к объему обслуживаемой площади, который является для первой величины факторным признаком (табл.6).
Таблица 6
Коэффициенты интенсивности.
Дата |
Прибыль/ убыток на 1кв.м. обслуживаемой площади, руб. |
Дата |
Прибыль/ убыток на 1кв.м. обслуживаемой площади, руб. |
Дата |
Прибыль/ убыток на 1кв.м. обслуживаемой площади, руб. |
01.01.07 |
- 2,64 |
01.03.08 |
- 0,09 |
01.05.09 |
0,54 |
01.02.07 |
- 2,42 |
01.04.08 |
- 0,10 |
01.06.09 |
0,56 |
01.03.07 |
- 2,72 |
01.05.08 |
- 0,13 |
01.07.09 |
0,67 |
01.04.07 |
- 1,33 |
01.06.08 |
- 0,11 |
01.08.09 |
0,47 |
01.05.07 |
- 1,26 |
01.07.08 |
- 0,08 |
01.09.09 |
0,54 |
01.06.07 |
0,17 |
01.08.08 |
- 0,08 |
01.10.09 |
0,56 |
01.07.07 |
0,17 |
01.09.08 |
- 0,08 |
01.11.09 |
0,56 |
01.08.07 |
0,11 |
01.10.08 |
- 0,06 |
01.12.09 |
0,64 |
01.09.07 |
- 0,30 |
01.11.08 |
- 0,07 |
01.01.10 |
0,16 |
01.10.07 |
- 0,34 |
01.12.08 |
0,23 |
01.02.10 |
0,16 |
01.11.07 |
- 0,26 |
01.01.09 |
0,34 |
01.03.10 |
0,17 |
01.12.07 |
- 0,27 |
01.02.09 |
0,35 |
01.04.10 |
0,26 |
01.01.08 |
- 0,49 |
01.03.09 |
0,35 |
01.07.10 |
0,48 |
01.02.08 |
- 0,50 |
01.04.09 |
0,50 |
01.08.10 |
0,55 |
Итак, данный показатель, рассчитанный
за каждый соответствующий период времени,
демонстрирует нам влияние
Для оценки силы зависимости результативного и факторного признаков произведем вычисление коэффициента корреляции с помощью стандартной функции Excel. Он равен: 0,868.
Коэффициент корреляции очень близок к единице, что указывает на практически функциональную линейную связь.
Основной предпосылкой регрессионного анализа является то, что только результативный признак подчиняется нормальному закону распределения, а факторные признаки могут иметь произвольный закон распределения.
Для построения уравнения регрессии прибыли применим инструменты программы Excel.
Чтобы найти зависимость прибыли от обслуживаемой площади, представим взаимосвязь двух признаков графически, построив точечную диаграмму (рис.4): на оси абсцисс отложим значения факторного признака, а на оси ординат – результативного. Чем сильнее связь между признаками, тем теснее будут группироваться точки вокруг определенной линии.
Рис.4
В результате последовательных проб получили следующие значения коэффициента детерминации, представленные в табл. 7.
Таблица 7
Тип аппроксимирующей функции |
Коэффициент детерминации |
Линейная |
0,673 |
Логарифмическая |
0,832 |
Полиномиальная |
0,827 |
Оказалось, что коэффициент принимает наибольшее значение при логарифмической аппроксимации. Во всех остальных случаях он меньше.
Оптимальную площадь находим следующим образом:
y= 1.426 ln(x) - 14.7. Производная от y равна по x 1.426/х. Приравняем
ее к нулю: 1.426/х = 0. Отсюда максимум прибыли будет при бесконечной обслуживаемой площади.
Поэтому выбираем другую аппроксимирующую функцию, например, полином второй степени (рис. 5).
Рис. 5