Modele nieliniowe - dodatkowe zadania
Case 1. Postanowiono zbudować „dobry” model potęgowy, opisujący kształtowanie kubatury (Y w hm3) budynków oddanych do użytku w Polsce w latach 1976-1995. Postawiono hipotezę, że potencjalnymi zmiennymi objaśniającymi w takim modelu mogą być: zatrudnienie w budownictwie (X1 w 1000 osób), produkcja cementu (X2 w mln ton), wartość środków trwałych w budownictwie (X3 w mld zł, ceny stałe 1980 = 100), produkcja szkła okiennego ciągnionego w przeliczeniu na 2 mm (X4 w km2), produkcja stali (X5 w mln ton). Rozważany model ma postać:
. Na podstawie Roczników Statystycznych GUS zebrano następujące obserwacje:
Kubatura |
ZATR |
CEMENT |
ŚRODKI |
SZKŁO |
STAL |
194,7 |
1385 |
19,8 |
55,83 |
65,9 |
15,6 |
213 |
1373 |
21,3 |
69,81 |
72,4 |
17,8 |
204,5 |
1394 |
21,7 |
79,19 |
70,5 |
18,2 |
199,3 |
1372 |
19,2 |
81,25 |
71,1 |
19,2 |
146,2 |
1337 |
18,4 |
94,09 |
69,5 |
19,4 |
124,4 |
1294 |
13,2 |
95,03 |
60,1 |
15,7 |
132,9 |
1224 |
16 |
95,51 |
55,7 |
14,8 |
144,7 |
1219 |
16,2 |
97,34 |
63 |
16,2 |
143,7 |
1243 |
16,6 |
98,86 |
69,7 |
16,5 |
135,1 |
1282 |
15 |
99,72 |
63,6 |
16,1 |
136,6 |
1317 |
15,8 |
99,82 |
59 |
17,1 |
138,3 |
1339 |
16,1 |
104,8 |
66,6 |
17,1 |
149 |
1350 |
17 |
114,1 |
68,6 |
16,7 |
118,2 |
1318 |
17,1 |
108,2 |
72,9 |
15,2 |
106 |
1243 |
12,5 |
107,6 |
57,2 |
13,6 |
97,4 |
1116 |
12 |
100,17 |
53,4 |
10,3 |
94,5 |
1014 |
11,9 |
99,5 |
50,5 |
9,8 |
74,5 |
880 |
12,2 |
96,3 |
46,3 |
9,9 |
67,4 |
853 |
13,8 |
98,45 |
42,9 |
11,1 |
64,5 |
827 |
13,9 |
97,16 |
38,1 |
11,8 |
POLECENIA:
Podaj sposób utworzenia liniowego modelu pomocniczego.
Oszacuj model ze wszystkimi potencjalnymi zmiennymi objaśniającymi.
Napisz równanie teoretyczne pomocniczego modelu liniowego i odtwórz równanie modelu oryginalnego.
Podaj interpretację otrzymanych ocen parametrów modelu potęgowego.
Oceń dobroć dopasowania tego modelu do obserwacji.
Czy przy poziomie istotności α = 0.05 uznać możemy, że zmienne objaśniające występujące w modelu mają istotny wpływ na kubaturę budynków oddawanych w Polsce do użytku?
Jeżeli nie, dokonaj odpowiedniej modyfikacji modelu.
Case 2. Poniższe dane przedstawiają liczbę pasażerów hiszpańskich linii lotniczych w latach 1990-2001.
Rok |
Czas |
Liczba pasażerów (w mln) |
1990 |
1 |
63 |
1991 |
2 |
68 |
1992 |
3 |
71 |
1993 |
4 |
73 |
1994 |
5 |
75 |
1995 |
6 |
82 |
1996 |
7 |
81 |
1997 |
8 |
89 |
1998 |
9 |
95 |
1999 |
10 |
101 |
2000 |
11 |
109 |
2001 |
12 |
116 |
Postanowiono skonstruować trend wykładniczy, opisujący zmiany liczby pasażerów w badanym okresie.
Podaj sposób utworzenia pomocniczego modelu liniowego.
Oszacuj parametry modelu pomocniczego.
Odtwórz równanie oszacowanego trendu wykładniczego.
Podaj interpretację uzyskanych ocen parametrów.
Czy przyjmując poziom istotności α = 0.05 mamy podstawy, by uznać, że zmiany liczby pasażerów w czasie są istotne statystycznie?
Czy Twoim zdaniem model można wykorzystać do prognozowania liczby pasażerów w Hiszpanii? Odpowiedź uzasadnij.
Case 3. SPRZEDAŻ LALEK
Przedsiębiorstwo produkujące zabawki stwierdziło, że wielkość sprzedaży pewnego typu lalek wykazuje od kilku miesięcy tendencję spadkową. W związku z tym postanowiono postawić prognozę, jaka będzie wielkość tej sprzedaży w kolejnych trzech miesiącach. Poniższa tabelka zawiera wielkości sprzedaży z ostatnich 16 miesięcy.
Miesiąc |
Sprzedaż lalek |
Czerwiec |
2500 |
Lipiec |
2250 |
Sierpień |
2000 |
Wrzesień |
1900 |
Październik |
1890 |
Listopad |
1700 |
Grudzień |
1650 |
Styczeń |
1600 |
Luty |
1550 |
Marzec |
1600 |
Kwiecień |
1590 |
Maj |
1600 |
Czerwiec |
1500 |
Lipiec |
1450 |
Sierpień |
1490 |
Wrzesień |
1390 |
Skonstruuj wykres przedstawiający zebrane obserwacje.
Oszacuj parametry trendu hiperbolicznego opisującego zmiany wielkości sprzedaży lalek
i podaj interpretację uzyskanych wyników.
Oceń jakość uzyskanego modelu. Czy nadaje się on do stawiania prognoz?
Jeżeli tak, ustal prognozę sprzedaży lalek na miesiące październik - grudzień.
Case 1. Postanowiono skonstruować model opisujący zależność wydajności pracowników (mierzonej wartością tygodniowej produkcji (w setkach zł) od ich stażu pracy. Zebrano następujące informacje:
Wydajność |
Staż pracy (w latach) |
|
5,3 |
1 |
|
6,1 |
1,7 |
|
6,5 |
1,4 |
|
7,3 |
1,8 |
|
7,5 |
2 |
|
8,2 |
2,1 |
|
10,4 |
2,3 |
|
10,8 |
2,8 |
|
12,1 |
3,5 |
|
13,2 |
3,3 |
|
15,5 |
4,8 |
|
15,4 |
5,1 |
|
16,1 |
7 |
|
17,2 |
8,2 |
|
18,3 |
8 |
|
18,0 |
10,2 |
|
18,5 |
8 |
|
21,8 |
12,7 |
|
20,5 |
12 |
|
22,1 |
15 |
|
23,2 |
14,4 |
|
20,1 |
15,3 |
|
19,5 |
16,1 |
|
Na podstawie wykresu punktów empirycznych zdecydowano, że zależność wydajności od stażu opisuje parabola. Oszacuj parametry tego modelu i na podstawie otrzymanych wyników odpwoedz na następujące pytania:
Zapisz równanie oszacowanego modelu
Oceń dobroć dopasowania modelu do zebranych obserwacji.
Jak oceniasz wpływ czynników losowych na wydajność pracowników?
Czy model potwierdził, że parabola jest właściwym modelem do opisu badanego zjawiska? Odpowiedź uzasadnij.
Na podstawie modelu ustal, jaka jest maksymalna tygodniowa wydajność pracownika i przy jakim stażu pracy jest ona osiągana.
Zastanów się, czy możliwe jest, by pracownik osiągnął wydajność na poziomie 2300 zł tygodniowo. Swoją odpowiedź uzasadnij.