ЧАСТЬ 1
На основе имеющихся исходных данных необходимо:
1. Провести предварительный статистический анализ исходных данных: найти границы вариации показателей, их средние значения, дисперсию, среднее квадратическое отклонение, коэффициент вариации. Сделать выводы.
2. Построить поле корреляции и сформулировать гипотезу о направлении и форме связи.
3. Построить линейную и заданную нелинейную регрессионные модели (табл.). Рассчитать параметры уравнений, оценить их качество, статистическую значимость. Оценить статистическую надежность результатов регрессионного моделирования с помощью F-критерия Фишера. Сделать вывод по наилучшей модели.
4. Дать сравнительную оценку силы связи фактора с результатом с помощью среднего (общего) коэффициента эластичности.
5. Оценить качество уравнений с помощью средней ошибки аппроксимации.
6. Все характеристики качества вынести в отдельную сводную аналитическую таблицу. Построить графики зависимостей исходных и модельных данных от х.
7. Рассчитать если возможное значение факторного признака возрастет на 20% от среднего уровня (для четных вариантов) и уменьшится на 30 % от максимального уровня (для нечетных вариантов). Найти доверительные интервалы для прогнозного значения. Вычисления сделать на уровне значимости a=0,05.
8. Оценить полученные результаты, выводы оформить в аналитической записке.