Modele gospodarcze zadania różne


Overview

funkcja wydajności pracy
regresja1
funkcja kosztów
regresja2
Arkusz6
funkcja produkcji
regresja4
Arkusz5
zalezność sprzedaży od ceny
regresja3
regresja3b


Sheet 1: funkcja wydajności pracy

Zad.. 1











i Ti Wi









1 18 91


2 19 92

3 20 95

4 21 100

5 22 110

6 23 120

7 24 125

8 25 128

9 26 126

10 28 125

11 30 125

12 31 124

13 33 120

14 34 117

15 35 115

16 37 112



parabola f. wielomianowa st. 2




17 38 110



alfa2 < 0 ramiona do dolu




18 39 108









19 40 106









20 41 105











112,7









Na podstawie zawartych w tablicy danych dotyczących indywidualnej wydajności pracy W,











mierzonej procentem wykonania normy, oraz wieku pracowników T, wyrażonym w latach:
























a) Sporzadzić wykres korelacyjny i określić postać analityczną modelu zależności











indywidualnej wydajności pracy od wieku pracownika.
























b) Dokonać estymacji parametrów modelu ustalonego w punkcie a) oraz jego weryfikacji.
























c) Określić optymalny, z punktu widzenia wydajności indywidualnej, wiek pracownika oraz











podać optymalną wielkość wydajności.


















































W = alfa0 + alfa1 * T + alfa2 * T^2
























W = - 90,5 + 14,318T - 0,2369 T^2


Wi Ti Ti^2 = Z









91 18 324









92 19 361









95 20 400





model pomocniczy liniowy


100 21 441





W = alfa0 + alfa1*T + alfa2*Z


110 22 484









120 23 529






Współczynniki Błąd standardowy bledy ocen 125 24 576





Przecięcie -90,4996450848019 21,9054300252743 parametrow 128 25 625





Ti 14,3184873061181 1,55552437187396 strukturalnych 126 26 676





Ti^2 = Z -0,236856810596106 0,026215359881095 sa dopuszczalne 125 28 784









125 30 900





R2 = 0,84

124 31 961





model wyjasnia zmiennosc wydajnosci pracy w ok. 84%


120 33 1089





czyli jest dobrze dopasowany do danych


117 34 1156









115 35 1225





Se = 5,05

112 37 1369





wydajnosc empiryczna rozni się od wydajnosci teoretycznej


110 38 1444





przeciętnie o ok. 5,05% wykonania normy


108 39 1521









106 40 1600






Se/ Wśr * 100 = 4,48092280390417 % < 5% 105 41 1681






blad dopuszczalny




































Ad. C)

























Xw = -b / 2a = Topt - optymalny wiek pracownika










Yw = -delta/ 4a Wmax - maksymalna wydajnosc










delta = b^2 - 4ac














delta = 119,277249556003






Y = ax^2 + bx + c


Xw = 30,2260409360454 lat









Yw = 125,895946643684 % normy


















Sheet 2: regresja1

PODSUMOWANIE - WYJŚCIE
















Statystyki regresji






Wielokrotność R 0,914070825773039






R kwadrat 0,835525474529406






Dopasowany R kwadrat 0,816175530356395






Błąd standardowy 5,05217887238951






Obserwacje 20















ANALIZA WARIANCJI








df SS MS F Istotność F


Regresja 2 2204,28330690348 1102,14165345174 43,1797356653246 2,17189316046779E-07


Resztkowy 17 433,916693096522 25,5245113586189




Razem 19 2638,2















Współczynniki Błąd standardowy t Stat Wartość-p Dolne 95% Górne 95% Dolne 95,0% Górne 95,0%
Przecięcie -90,4996450848019 21,9054300252743 -4,13137952463769 0,000697735431192 -136,716062169789 -44,2832279998153 -136,716062169789 -44,2832279998153
Ti 14,3184873061181 1,55552437187396 9,20492636760714 5,14078904820674E-08 11,0366177845684 17,6003568276679 11,0366177845684 17,6003568276679
Ti^2 = Z -0,236856810596106 0,026215359881095 -9,03503944521139 6,70545815551083E-08 -0,292166384747347 -0,181547236444866 -0,292166384747347 -0,181547236444866

Sheet 3: funkcja kosztów

Zad. 2 X Y
l.p. Qi Ki
1 3,7 520
2 3,8 530
3 4,1 570
4 4,3 600
5 3,5 490
6 3,3 460
7 3,1 440
8 2,8 400
9 4,5 630
10 4,7 660
11 4,8 680
12 5,0 710






W tablicy zawarto dane dotyczace miesięcznych kosztów wydobycia węgla K (w tys. zł)







R2 modelu wielomianowego jest troche wieksze -> model wielomianowy jest lepszy





i miesięcznego wydobycia węgla Q (w tys. ton).






























a) Dokonać estymacji parametrów modelu miesięcznych kosztów całkowitych K jako funkcji miesięcznego wydobycia węgla Q.














Dopasować postać analityczna modelu po wykonaniu wykresu korelacyjnego.






























b) Obliczyć koszt całkowity i jednostkowy oraz odpowiadajacy im zysk całkowity i jednostkowy dla wydobycia węgla














na poziomie 5 tys. ton i ceny 1 tony węgla równej 190 zł.




















































Ki Qi Z = Q^2












520 3,7 13,69












530 3,8 14,44












570 4,1 16,81












600 4,3 18,49












490 3,5 12,25












460 3,3 10,89












440 3,1 9,61












400 2,8 7,84












630 4,5 20,25












660 4,7 22,09












680 4,8 23,04












710 5,0 25


























K= 144,44 + 64,623*Q + 9,6743* Q^2


























ad. B)













Q = 5 tys ton













koszt calkowity K(5) - > wartosc funkcji kosztow dla Q=5
















koszt calkowity














K = 709,4125 tys zł












koszt jednostkowy














K/Q = k














k= 141,8825 tys zł / tys ton
141,88 zl / tonę

























zysk calkowity Z














Q* cena - koszty














Z = Q*C - K =
240590



























zysk jednostkowy z














cena jednostkowa - koszt jednostkowy














c- k = 48,12 zł / tonę











Sheet 4: regresja2

PODSUMOWANIE - WYJŚCIE
















Statystyki regresji






Wielokrotność R 0,998912151566249






R kwadrat 0,997825486546712






Dopasowany R kwadrat 0,997608035201383






Błąd standardowy 4,90907785088625






Obserwacje 12















ANALIZA WARIANCJI








df SS MS F Istotność F


Regresja 1 110584,009546539 110584,009546539 4588,72988363458 1,19758112429648E-14


Resztkowy 10 240,99045346062 24,099045346062




Razem 11 110825















Współczynniki Błąd standardowy t Stat Wartość-p Dolne 95% Górne 95% Dolne 95,0% Górne 95,0%
Przecięcie -0,578758949880466 8,35951433645787 -0,069233561494878 0,946168584281329 -19,2049175467581 18,0473996469972 -19,2049175467581 18,0473996469972
Qi 140,692124105012 2,07693803502265 67,7401644789454 1,19758112429648E-14 136,064417795866 145,319830414158 136,064417795866 145,319830414158

Sheet 5: Arkusz6

PODSUMOWANIE - WYJŚCIE
















Statystyki regresji






Wielokrotność R 0,969292986886894






R kwadrat 0,939528894428117






Dopasowany R kwadrat 0,922251435693293






Błąd standardowy 0,039114719745162






Obserwacje 10















ANALIZA WARIANCJI








df SS MS F Istotność F


Regresja 2 0,166395170894802 0,083197585447401 54,3788822678208 5,4377305113049E-05


Resztkowy 7 0,010709729105198 0,001529961300743




Razem 9 0,1771049















Współczynniki Błąd standardowy t Stat Wartość-p Dolne 95% Górne 95% Dolne 95,0% Górne 95,0%
Przecięcie -0,052697063284159 0,057411060117933 -0,917890440899515 0,389207044206117 -0,188452648311733 0,083058521743416 -0,188452648311733 0,083058521743416
nakłady czynnika X1 0,082626499379567 0,008592418200093 9,61621018151505 2,76745701732456E-05 0,06230865892933 0,102944339829805 0,06230865892933 0,102944339829805
nakłady czynnika X2 0,000637529298221 0,026156352221484 0,024373784724378 0,981234725932393 -0,061212415481071 0,062487474077514 -0,061212415481071 0,062487474077514

Sheet 6: funkcja produkcji

zad. 4
























miesiac produkcja Y nakłady czynnika X1 nakłady czynnika X2

ln Y ln X1 ln X2



1 0,035 1,1 2,0

-3,35240721749272 0,095310179804325 0,693147180559945
-1,45593195564972 0,041392685158225 0,301029995663981
2 0,152 2,4 2,0

-1,88387475813586 0,8754687373539 0,693147180559945
-0,818156412055227 0,380211241711606 0,301029995663981
3 0,197 3,2 1,5

-1,62455155024415 1,16315080980568 0,405465108108164
-0,705533773838407 0,505149978319906 0,176091259055681
4 0,274 4,0 2,0

-1,29462717259407 1,38629436111989 0,693147180559945
-0,562249437179612 0,602059991327962 0,301029995663981
5 0,328 3,9 3,0

-1,11474167059799 1,3609765531356 1,09861228866811
-0,484126156288321 0,591064607026499 0,477121254719662
6 0,346 5,0 2,0

-1,06131650392441 1,6094379124341 0,693147180559945
-0,460923901207223 0,698970004336019 0,301029995663981
7 0,353 5,6 3,0

-1,04128722204884 1,7227665977411 1,09861228866811
-0,452225294612177 0,7481880270062 0,477121254719662
8 0,373 5,3 2,0

-0,986176859338321 1,66770682055808 0,693147180559945
-0,428291168191312 0,724275869600789 0,301029995663981
9 0,423 5,8 3,0

-0,860383099935859 1,75785791755237 1,09861228866811
-0,373659632624958 0,763427993562937 0,477121254719662
10 0,518 6,2 2,0

-0,657780036722654 1,82454929205105 0,693147180559945
-0,285670240254767 0,792391689498254 0,301029995663981

0,2999



1,38771460910349





W tablicy umieszczone są dane z 10 miesięcy dotyczące wielkości produkcji i nakładów czynników produkcji











w pewnym przedsiębiorstwie.











Oczacować model potęgowy Cobba - Douglasa funkcji produkcji. Zinterpretować parametry strukturalne modelu.
























Y - wielkość produkcji w tys. szt.











X1 - nakłady czynnika produkcji nr 1 w tys. zł











X2 - nakłady czynnika produkcji nr 2 w tys. zł
























propozycja modelu potegowego











Y = alfa0 * X1^alfa1 * X2^alfa2
























transponowanie do pomocniczego modelu liniowego











logarytmowanie obustronne
























ln Y = ln alfa0 + alfa1 * ln X1 + alfa2 * ln X2

Przecięcie -3,31256970577598







Se = 0,16
ln X1 1,44591854824663







R2 = 0,97
ln X2 -0,027811195406078







Se/ Yśr * 100 =
11,5297481881642 %








prawie dopuszczalny blad modelu
























blad oszacowania parametru alfa1 jest dopuszczalny











blad oszacowania parametru alfa2 jest niedopuszczalny


t Y X1 X2 Y^ = 0,04*X1^1,45 * X2^(-0,03) |et| = |yt-yt^| |et| / y^

model pomocniczy przecietny


1 0,035 1,1 2,0 0,04498300714316 0,00998300714316 0,221928407573749





2 0,152 2,4 2,0 0,139423310957874 0,012576689042126 0,090205066539596





3 0,197 3,2 1,5 0,213424720881379 0,016424720881379 0,076957911967977

alfa0 = 0,03651617375374

4 0,274 4,0 2,0 0,292426064073408 0,018426064073408 0,063011018295492





5 0,328 3,9 3,0 0,278477450248049 0,049522549751951 0,177833249003965

Y^ = 0,04* X1^1,45 *X2^(-0,03)


6 0,346 5,0 2,0 0,404143499520489 0,05814349952049 0,143868451650159





7 0,353 5,6 3,0 0,470564318524365 0,117564318524365 0,24983687435765





8 0,373 5,3 2,0 0,439773546995202 0,066773546995202 0,151836206273523





9 0,423 5,8 3,0 0,495127381538536 0,072127381538536 0,145674394565719





10 0,518 6,2 2,0 0,552073678090167 0,034073678090167 0,061719439709644











0,138287101993747




P wskazuje na dosc dobre dopasowanie modelu potegowego






















elastycznosci











alfa1 = 1,45% - >












elastycznosc produkcji względem X1











jeśli naklady czynnika X1 wzrosna (zmaleja) o 1% to produkcja powinna przeciętnie wzrosnac (zmalec) o ok. 1,45 %










alfa2 = -0,03% ->












elastycznosc produkcji względem X2











jeśli naklady czynnika X2 wzrosna (zmaleja) o 1% to produkcja powinna przeciętnie zmalec (wzrosnac) 0,03 %























NIE POWINNA WYCHODZIC W PRAKTYCE DLA FUNKCJI PRODUKCJI UJEMNA POTEGA CZYNNIKA PRODUKCJI











Sheet 7: regresja4

PODSUMOWANIE - WYJŚCIE
















Statystyki regresji






Wielokrotność R 0,983744204075644






R kwadrat 0,967752659052422






Dopasowany R kwadrat 0,958539133067399






Błąd standardowy 0,158366031709287






Obserwacje 10















ANALIZA WARIANCJI








df SS MS F Istotność F


Regresja 2 5,26856779420306 2,63428389710153 105,036080717156 6,02183266059696E-06


Resztkowy 7 0,175558599995428 0,025079799999347




Razem 9 5,44412639419848















Współczynniki Błąd standardowy t Stat Wartość-p Dolne 95% Górne 95% Dolne 95,0% Górne 95,0%
Przecięcie -3,31256970577598 0,200659568434526 -16,508406410018 7,30405290126971E-07 -3,78705418748128 -2,83808522407068 -3,78705418748128 -2,83808522407068
ln X1 1,44591854824663 0,10575484424064 13,6723623265569 2,63742861630978E-06 1,19584807889984 1,69598901759341 1,19584807889984 1,69598901759341
ln X2 -0,027811195406078 0,240582923453337 -0,115599207985648 0,9112165010352 -0,596699410568123 0,541077019755968 -0,596699410568123 0,541077019755968

Sheet 8: Arkusz5

PODSUMOWANIE - WYJŚCIE
















Statystyki regresji






Wielokrotność R 0,964804386057448






R kwadrat 0,930847503355689






Dopasowany R kwadrat 0,907796671140918






Błąd standardowy 0,050112341799292






Obserwacje 9















ANALIZA WARIANCJI








df SS MS F Istotność F


Regresja 2 0,202820253332025 0,101410126666012 40,3823816286868 0,000330691926954


Resztkowy 6 0,015067480803654 0,002511246800609




Razem 8 0,217887734135679















Współczynniki Błąd standardowy t Stat Wartość-p Dolne 95% Górne 95% Dolne 95,0% Górne 95,0%
Przecięcie -1,27125649435524 0,089052216299198 -14,2754054552003 7,39061469838264E-06 -1,48915941736883 -1,05335357134165 -1,48915941736883 -1,05335357134165
0,041392685158225 1,12821297799645 0,141366282118211 7,98077845078388 0,000206198170891 0,782302147595259 1,47412380839765 0,782302147595259 1,47412380839765
0,301029995663981 0,102924043412268 0,181950610870612 0,565670227320414 0,592127026708994 -0,342293061792697 0,548141148617232 -0,342293061792697 0,548141148617232

Sheet 9: zalezność sprzedaży od ceny

Zad. 3



l.p. X cena Y sprzedaż
1 2,0 122
2 2,5 101
3 3,2 90
4 3,6 74
5 4,3 59
6 5,0 52
7 6,5 40
8 8,2 35
9 9,5 32
10 10,2 30


63,5













W pewnym sklepie postanowiono zbadać zależność sprzedaży winogron (w kg) od ich ceny (w zł).
























a) Wyznaczyć parametry liniowej i hiperbolicznej funkcji regresji, opisujacych zalezność sprzedazy (popytu) od cen.
























b) Na podstawie funkcji lepiej opisujacej zależność obliczyć cenową elastyczność sprzedaży przy cenie równej 4 zł i 10 zł.


































X cena Y sprzedaż Z = 1/X
Model liniowy
Przecięcie 117,705446177448


Model hiperboliczny

2,0 122 0,5


X cena -9,85553566862695


Y = alfa0 + alfa1 * 1/X

2,5 101 0,4
Y = -9,86 + 117,71*X






Z
3,2 90 0,3125
Oecna jakosci modelu








3,6 74 0,277777777777778










4,3 59 0,232558139534884
R2 = 0,82








5,0 52 0,2
przecietne dopasowanie modelu liniowego






Przecięcie 6,26848634657563 6,5 40 0,153846153846154








Z = 1/X 238,272467098933 8,2 35 0,121951219512195
błąd modelu








9,5 32 0,105263157894737
Se = 14,47 Se/Yśr * 100% =
22,7874015748031 %
R2 = 0,99

10,2 30 0,098039215686275




bardzo duzy błąd modelu

Model hiperboliczny prawie idealnie dopasowany











Y = 6,27+238,27 * 1/X

%

błędy ocen parametrów dopuszczalne





Se = 3,88










Se/Y * 100 =
6,11023622047244











dopuszczalny blad modelu


















Model hiperboliczny jest lepiej dopasowany






















f(x) = 6,27 + 238,27* 1/X











funkcja wielkosci sprzedazy względem ceny X
























E - elastycznosc











E = f ' (x) * X/f(x)
























f ' (x) = 238,27 * (-1/X^2)
























E = 238,27 * (-1/X^2) * (X/6,27+238,27*1/X) = -238,27 / (X * (6,27+238,27*1/X)) = -238.27 / (6,27*X + 238,27)
























cena = 4zl











x=4

przy poziomie ceny 4zl/kg








E (x=4) = -0,904765521169546 % jeśli cena wzrosnie (zmaleje) o 1% to sprzedaz winogron może przeciętnie zmalec (wzrosnac) o ok.. 0,905%





















cena 10zl











x= 10

przy poziomie ceny 10zl/kg








E (x=10) = -0,791673588729774 % jeśli cena wzrosnie (zmaleje) o 1% to sprzedaz winogron może przeciętnie zmalec (wzrosnac) o ok.. 0,79%








Sheet 10: regresja3

PODSUMOWANIE - WYJŚCIE
















Statystyki regresji






Wielokrotność R 0,905192024627888






R kwadrat 0,819372601449934






Dopasowany R kwadrat 0,796794176631176






Błąd standardowy 14,4692240335111






Obserwacje 10















ANALIZA WARIANCJI








df SS MS F Istotność F


Regresja 1 7597,63244694452 7597,63244694452 36,2900693040906 0,000314826560687


Resztkowy 8 1674,86755305549 209,358444131936




Razem 9 9272,5















Współczynniki Błąd standardowy t Stat Wartość-p Dolne 95% Górne 95% Dolne 95,0% Górne 95,0%
Przecięcie 117,705446177448 10,0946015461606 11,6602369731192 2,66763499442332E-06 94,4272532879942 140,983639066902 94,4272532879942 140,983639066902
X cena -9,85553566862695 1,63601143646667 -6,02412394494756 0,000314826560687 -13,6281848032437 -6,08288653401017 -13,6281848032437 -6,08288653401017

Sheet 11: regresja3b

PODSUMOWANIE - WYJŚCIE
















Statystyki regresji






Wielokrotność R 0,993487487168981






R kwadrat 0,987017387161337






Dopasowany R kwadrat 0,985394560556504






Błąd standardowy 3,87913130653149






Obserwacje 10















ANALIZA WARIANCJI








df SS MS F Istotność F


Regresja 1 9152,1187224535 9152,1187224535 608,208778573109 7,80862108451646E-09


Resztkowy 8 120,381277546501 15,0476596933127




Razem 9 9272,5















Współczynniki Błąd standardowy t Stat Wartość-p Dolne 95% Górne 95% Dolne 95,0% Górne 95,0%
Przecięcie 6,26848634657563 2,62491212533643 2,38807474203435 0,04398780653613 0,215428136002851 12,3215445571484 0,215428136002851 12,3215445571484
Z = 1/X 238,272467098933 9,66156587734269 24,6618891931074 7,80862108451646E-09 215,992856251639 260,552077946227 215,992856251639 260,552077946227

Wyszukiwarka

Podobne podstrony:
Modele gospodarcze zadania różne
Modele gospodarcze funkcje potrzeb zadanie 3
Modele gospodarcze funkcje potrzeb zadanie 3
ZADANIA RÓŻNE klasy 1-3 polski matematyka, ćwiczymy dodawanie i odejmowanie
zadanie rózne, MATEMATYKA
Chemizm wód 2, Ochrona Środowiska studia, 3 rok (2008-2009), Semestr V (Rok 3), Hydrologia i gospoda
Zadania różne
Zadania różne dla klasy III, Zadania różne dla klasy III - matematyka
prolog zadania rozne
BO zadania rozne zestaw1, ZiIP Politechnika Poznańska, Badania Operacyjne
Zadania różne - ułamki dziesiętne, PRACA, matematyka, kl. 5, ułamki dziesiętne
aminy zadania różne
klasa3d zadania rózne
MODUŁ III ZADANIA RÓŻNE powtórzenie
Podatki w Działalności Gospodarczej - zadania ćwiczenia - 2013-05-12, IV sem. - Podatki w Działalnoś
04 Zadania rozne

więcej podobnych podstron