Для расчёта параметров уравнения произведём дополнительные расчёты
№ п/п | |||||||
2,0 | 8,9 | 17,80 | 4,00 | 79,21 | 9,13 | 0,052 9 | |
2,3 | 10,0 | 23,0 | 5,29 | 100,00 | 9,66 | 0,115 6 | |
2,4 | 9,9 | 23,76 | 5,76 | 98,01 | 9,83 | 0,004 9 | |
2,9 | 10,3 | 29,87 | 8,41 | 106,09 | 10,71 | 0,168 1 | |
2,9 | 10,0 | 29,00 | 8,42 | 100,00 | 10,71 | 0,504 1 | |
3,7 | 13,0 | 48,10 | 13,69 | 169,00 | 12,12 | 0,774 4 | |
3,7 | 12,8 | 47,36 | 13,69 | 163,84 | 12,12 | 0,462 4 | |
4,6 | 13,1 | 53,71 | 16,81 | 171,61 | 12,83 | 0,072 9 | |
4,6 | 13,2 | 60,72 | 21,16 | 174,24 | 13,71 | 0,260 1 | |
4,7 | 13,5 | 63,45 | 22,09 | 182,25 | 13,88 | 0,144 4 | |
Итого | 33,3 | 114,7 | 396,77 | 119,31 | 1 344,25 | 114,7 | 2,559 8 |
1. Определим параметры уравнения и
;
=3,33; ;
; .
.
Уравнение регрессии
.
Таким образом, с увеличением стоимости основных производственных фондов на 1 млн руб. суточная переработка сахарной свёклы возрастает на 1,76 тыс.т.
Определим типичность параметров уравнения. Для этого необходимо вычислить теоретические значения , которые определяются из уравнения регрессии:
; ;
и т.д.
Рассчитаем и
; ;
.
Сравним и с ( (Приложение Г)
;
Следовательно, параметры признаются типичными.
Определим типичность параметров уравнения. Для этого необходимо вычислить теоретические значения , которые определяются из уравнения регрессии.
2. Определим тесноту связи с помощью линейного коэффициента корреляции
;
;
.
Таким образом, линейный коэффициент корреляции показывает сильную связь между стоимостью основных производственных фондов и суточной переработкой свёклы.
Проверим линейный коэффициент корреляции на значимость
.
Сравним рассчитанный показатель с табличным (Приложение Г).
= 2,306.
Следовательно, рассчитанный линейный коэффициент корреляции статистически значим.
3. Рассчитаем индекс корреляции
.
Таким образом индекс корреляции показывает сильную связь между факторным и результативным признаками.
Проверим исчисленный показатель на значимость с помощью .
= .
Сравним с (.
Так как =37,2 = 5,32 (Приложение В), то индекс корреляции признается статистически значимым. Следовательно, построенная модель пригодна для принятия решений и осуществления прогноза.