практическая работа модели статистического прогнозирования 11

вебкам студия барнаул работа

Работа для девушек в Самаре Кратко Список. Самарская область Самара

Практическая работа модели статистического прогнозирования 11 мона лиза харьков

Практическая работа модели статистического прогнозирования 11

Этом что-то фотограф казановский мне

В разработке практическая работа «Модели статистического прогнозирования» приводится 2 практические задачи на построение регрессионных моделей. С помощью регрессионных моделей мы можем спрогнозировать дальнейшее значение по статистическим данным. Номер материала: Воспользуйтесь поиском по нашей базе из материалов.

Получите деньги за публикацию своих разработок в библиотеке «Инфоурок». Добавить материал. Мой доход Новости Поиск курсов Войти. Получить бесплатное занятие гарантия высокого результата. Вход Регистрация. Забыли пароль? Войти с помощью:. Подать заявку на этот курс Смотреть список всех курсов. Практическая работа по информатике для 11 класса по теме «Модели статистического прогнозирования». Скачать материал. Добавить в избранное. Практическая работа "Модели статистического прогнозирования" По данным из следующей таблицы построить с помощью Excel линейную, квадратичную, экспоненциальную и логарифмическую регрессионные модели.

Рейтинг материала: 2,5 голосов: 2. Если Вы считаете, что материал нарушает авторские права либо по каким-то другим причинам должен быть удален с сайта, Вы можете оставить жалобу на материал. Оргвзнос: от Идёт приём заявок. Принять участие. Курс повышения квалификации. Дистанционное обучение как современный формат преподавания. Курс профессиональной переподготовки.

Математика и информатика: теория и методика преподавания в образовательной организации. Информатика: теория и методика преподавания в образовательной организации. Московский институт профессиональной переподготовки и повышения квалификации педагогов.

Найдите материал к любому уроку, указав свой предмет категорию , класс, учебник и тему:. Выберите класс: Все классы Дошкольники 1 класс 2 класс 3 класс 4 класс 5 класс 6 класс 7 класс 8 класс 9 класс 10 класс 11 класс. Выберите учебник: Все учебники. Выберите тему: Все темы.

Общая информация. Шаламова Яна Васильевна Написать Информатика 11 класс Другие методич. Если он равен 1, то функция точно проходит через табличные значения, если 0, то выбранный вид регрессивной модели предельно неудачен. Чем R2 ближе к 1, тем удачнее регрессивная модель. Коэффициент детерминированности. Построить точечную диаграмму.

В качестве подписи к оси OX выбрать название тренда - «Линейный», остальные надписи и легенду можно игнорировать. Практическая работа 3. Семакин И. Информатика и ИКТ 11 кл. Имея регрессивную модель , легко прогнозировать, производя расчёты с помощью электронных таблиц. Имея регрессивную модель , легко прогнозировать, производя расчёты с помощью электронных таблиц Табличный процессор даёт возможность производить экстраполяцию графическим способом, продолжая тренд за пределы экспериментальных данных.

Экстраполяция — прогнозирование за пределами экспериментальных данных. Ограничения при экстраполяции! Применимость всякой регрессионной модели ограничена, особенно за пределами экспериментальной области так как экстраполяция строится на гипотезе. Вывод: применять экстраполяцию можно только в областях данных, близких к экспериментальной. Построить несколько вариантов регрессионных моделей не менее трех.

Город Температура день Температура ночь Среднесуточная температура широта гр. Этапы исследования Результат этапа исследования 1. Объект Дневная температура 2. Предмет Предсказание изменения температуры через несколько дней 3. Разработка информационной модели, позволяющей определить, какова будет дневная температура через несколько дней. Формализация задачи. Записываются переменные, значения дневных температур. Разработка информационной модели. Этапы исследования Результат этапа исследования 7.

Компьютерный эксперимент. На закладке «Заголовки» указать заголовок диаграммы, подписи к осям, на закладке «Легенда» — место расположения легенды в данном примере можно не использовать , щелкнуть по кнопке Далее; Шаг 4: размещение диаграммы. В итоге получится следующая диаграмма:. Этапы исследования Результат этапа исследования 8. Анализ результатов Получаются результаты, гипотеза о том, что со временем дневная температура увеличится — подтверждается, а две остальные — опровергаются.

Ответьте на вопросы Что нового вы узнали на уроке? С какими трудностями встретились на уроке? Что понравилось на уроке? Домашнее задание П. Используемая литература И. Семакин и др. Информатика Практикум, М. Лаборатория знаний, И. Базовый уровень, М. Лаборатория знаний, Одним из самых популярных видов графического прогнозирования в Экселе является экстраполяция выполненная построением линии тренда.

Попробуем предсказать сумму прибыли предприятия через 3 года на основе данных по этому показателю за предыдущие 12 лет. Строим график зависимости на основе табличных данных, состоящих из аргументов и значений функции. Для этого выделяем табличную область, а затем, находясь во вкладке «Вставка» , кликаем по значку нужного вида диаграммы, который находится в блоке «Диаграммы».

Затем выбираем подходящий для конкретной ситуации тип. Лучше всего выбрать точечную диаграмму. Можно выбрать и другой вид, но тогда, чтобы данные отображались корректно, придется выполнить редактирование, в частности убрать линию аргумента и выбрать другую шкалу горизонтальной оси.

Теперь нам нужно построить линию тренда. Делаем щелчок правой кнопкой мыши по любой из точек диаграммы. В активировавшемся контекстном меню останавливаем выбор на пункте «Добавить линию тренда». Открывается окно форматирования линии тренда. В нем можно выбрать один из шести видов аппроксимации:. Линейная ;. Логарифмическая ;.

Экспоненциальная ;. Степенная ;. Полиномиальная ;. Линейная фильтрация. Давайте для начала выберем линейную аппроксимацию. В блоке настроек «Прогноз» в поле «Вперед на» устанавливаем число «3,0» , так как нам нужно составить прогноз на три года вперед. Последний показатель отображает качество линии тренда. После того, как настройки произведены, жмем на кнопку «Закрыть». Линия тренда построена и по ней мы можем определить примерную величину прибыли через три года.

Как видим, к тому времени она должна перевалить за тыс. Коэффициент R2 , как уже было сказано выше, отображает качество линии тренда. В нашем случае величина R2 составляет 0, Чем выше коэффициент, тем выше достоверность линии. Максимальная величина его может быть равной 1. Принято считать, что при коэффициенте свыше 0,85 линия тренда является достоверной. Если же вас не устраивает уровень достоверности, то можно вернуться в окно формата линии тренда и выбрать любой другой тип аппроксимации.

Можно перепробовать все доступные варианты, чтобы найти наиболее точный. То есть, при анализе периода в 12 лет мы не можем составить эффективный прогноз более чем на года. Но даже в этом случае он будет относительно достоверным, если за это время не будет никаких форс-мажоров или наоборот чрезвычайно благоприятных обстоятельств, которых не было в предыдущих периодах. Она также относится к категории статистических операторов.

Как видим, аргументы «Известные значения y» и «Известные значения x» полностью соответствуют аналогичным элементам оператора ПРЕДСКАЗ , а аргумент «Новые значения x» соответствует аргументу «X» предыдущего инструмента. Данный оператор наиболее эффективно используется при наличии линейной зависимости функции. Посмотрим, как этот инструмент будет работать все с тем же массивом данных.

Чтобы сравнить полученные результаты, точкой прогнозирования определим год. Производим обозначение ячейки для вывода результата и запускаем Мастер функций обычным способом. Жмем на кнопку «OK». В поле «Известные значения y» уже описанным выше способом заносим координаты колонки «Прибыль предприятия».

В поле «Известные значения x» вводим адрес столбца «Год». В поле «Новые значения x» заносим ссылку на ячейку, где находится номер года, на который нужно указать прогноз. В нашем случае это год. Поле «Константа» оставляем пустым. Щелкаем по кнопке «OK». Оператор обрабатывает данные и выводит результат на экран.

Как видим, сумма прогнозируемой прибыли на год, рассчитанная методом линейной зависимости, составит, как и при предыдущем методе расчета, ,8 тыс. Ещё одной функцией, с помощью которой можно производить прогнозирование в Экселе, является оператор РОСТ. Он тоже относится к статистической группе инструментов, но, в отличие от предыдущих, при расчете применяет не метод линейной зависимости, а экспоненциальной.

Синтаксис этого инструмента выглядит таким образом:. Как видим, аргументы у данной функции в точности повторяют аргументы оператора ТЕНДЕНЦИЯ , так что второй раз на их описании останавливаться не будем, а сразу перейдем к применению этого инструмента на практике.

Выделяем ячейку вывода результата и уже привычным путем вызываем Мастер функций. Происходит активация окна аргументов указанной выше функции. После того, как информация внесена, жмем на кнопку «OK». Результат обработки данных выводится на монитор в указанной ранее ячейке. Как видим, на этот раз результат составляет ,1 тыс.

Это связано с тем, что данные инструменты применяют разные методы расчета: метод линейной зависимости и метод экспоненциальной зависимости. Его синтаксис имеет такой вид:. Последние два аргумента являются необязательными. С первыми же двумя мы знакомы по предыдущим способам. Но вы, наверное, заметили, что в этой функции отсутствует аргумент, указывающий на новые значения.

Дело в том, что данный инструмент определяет только изменение величины выручки за единицу периода, который в нашем случае равен одному году, а вот общий итог нам предстоит подсчитать отдельно, прибавив к последнему фактическому значению прибыли результат вычисления оператора ЛИНЕЙН , умноженный на количество лет. Производим выделение ячейки, в которой будет производиться вычисление и запускаем Мастер функций. В поле «Известные значения y» , открывшегося окна аргументов, вводим координаты столбца «Прибыль предприятия».

В поле «Известные значения x» вносим адрес колонки «Год». Остальные поля оставляем пустыми. Затем жмем на кнопку «OK». Программа рассчитывает и выводит в выбранную ячейку значение линейного тренда. Теперь нам предстоит выяснить величину прогнозируемой прибыли на год. Кликаем по ячейке, в которой содержится фактическая величина прибыли за последний изучаемый год г. Далее кликаем по ячейке, в которой содержится рассчитанный ранее линейный тренд. Так как между последним годом изучаемого периода г.

Чтобы произвести расчет кликаем по кнопке Enter. Как видим, прогнозируемая величина прибыли, рассчитанная методом линейного приближения, в году составит ,9 тыс. Этот оператор производит расчеты на основе метода экспоненциального приближения. Его синтаксис имеет следующую структуру:. Как видим, все аргументы полностью повторяют соответствующие элементы предыдущей функции.

Алгоритм расчета прогноза немного изменится. Функция рассчитает экспоненциальный тренд, который покажет, во сколько раз поменяется сумма выручки за один период, то есть, за год. Нам нужно будет найти разницу в прибыли между последним фактическим периодом и первым плановым, умножить её на число плановых периодов 3 и прибавить к результату сумму последнего фактического периода.

Делаем щелчок по кнопке «OK». Запускается окно аргументов. Результат экспоненциального тренда подсчитан и выведен в обозначенную ячейку. Открываем скобки и выделяем ячейку, которая содержит значение выручки за последний фактический период. Ставим знак минус и снова кликаем по элементу, в котором находится величина выручки за последний период.

Снова кликаем по той же ячейке, которую выделяли в последний раз. Для проведения расчета жмем на кнопку Enter. Прогнозируемая сумма прибыли в году, которая была рассчитана методом экспоненциального приближения, составит ,2 тыс. Урок: Другие статистические функции в Excel.

Мы выяснили, какими способами можно произвести прогнозирование в программе Эксель. Графическим путем это можно сделать через применение линии тренда, а аналитическим — используя целый ряд встроенных статистических функций. В результате обработки идентичных данных этими операторами может получиться разный итог.

Но это не удивительно, так как все они используют разные методы расчета. Если колебание небольшое, то все эти варианты, применимые к конкретному случаю, можно считать относительно достоверными. Номер материала: ДБ Воспользуйтесь поиском по нашей базе из материалов. Получите деньги за публикацию своих разработок в библиотеке «Инфоурок».

Добавить материал. Мой доход Фильтр Поиск курсов Войти. Получить бесплатное занятие гарантия высокого результата. Вход Регистрация. Забыли пароль? Войти с помощью:. Подать заявку на этот курс Смотреть список всех курсов.

Тема урока "Модели статистического прогнозирования". Скачать материал. Выберите документ из архива для просмотра:. Добавить в избранное. Тема: Модели статистического прогнозирования. Класс : 11 Дата проведения: Цели урока : образовательная: ввести понятие статистических регрессионных моделей, тренда, научить строить регрессионные модели в среде ТП Excel. Ход урока I. Посмотрим одну из классификаций: Модели Натурные или материальные — передают свойства и признаки объекта с целью: а создания чувственного образа игрушка ; б проведения с этой моделью каких-либо физических действий, испытаний эталонная пара обуви.

Статистические данные: всегда являются приближенными, усредненными, носят оценочный характер, однако, они верно отражают характер зависимости величин. Действия: Подготовительный этап : собираем данные из разных городов о средней концентрации угарного газа в атмосфере и о заболеваемости астмой количество больных на тысячу человек. Этап моделирования : строим таблицу. Рисунок 2 подбираем функцию, график которой пройдет как можно ближе к экспериментальным точкам.

Рисунок 3 Область определения данной функции — концентрация угарного газа в атмосфере. Аналогично получаем другие типы трендов: экспоненциальный и квадратичный полиномиальный тип функции с указанием степени 2 R 2 ближе всего к 1 у квадратичной модели. Прогноз бывает двух видов: восстановление значения внутри области экспериментальных данных интерполяция продолжение линии тренда за границы экспериментальных данных экстраполяция На четвертой диаграмме прогнозируем на 2 единицы вперед.

Составляется план решения задачи в табличном процессоре 7. В итоге получится следующая диаграмма: 2 Исследуется характер изменения температуры за несколько дней. Анализ результатов Получаются результаты, гипотеза о том, что со временем дневная температура ………. Оргвзнос: от Идёт приём заявок. Принять участие. Описание презентации по отдельным слайдам: 1 слайд.

Описание слайда: Модель — это Модель — это упрощенное подобие реального объекта. Описание слайда: Математические формулы Уравнения химических реакций Манекен Компьютерная программа Программа телевидения Авиамодель Оглавление книги Игрушечные часы Эталон килограмма Блок-схема алгоритма. Описание слайда: Информационная модель — это целенаправленно отобранная информация об объекте, которая отражает наиболее существенные для исследователя свойства этого объекта.

Описание слайда:. Описание слайда: Качество воздуха в городе чем хуже воздух, тем больше больных астмой Частота легочных заболеваний Опеределим характер зависимости Качественное заключение. Описание слайда: Статистика- наука о сборе, измерении и анализе массовых количественных данных Виды статистики: медицинская статистика математический аппарат статистики разрабатывает наука под названием математическая статистика экономическая статистика социальная статистика … Зависимости устанавливаются экспериментальным путем: -сбор данных; - анализ; - обобщение.

Описание слайда: Рассмотрим пример из области медицинской статистики: Известно, что наиболее сильное влияние на бронхиально - легочные заболевания оказывает угарный газ —оксид углерода. Описание слайда: 2 варианта построения графической зависимости по экспериментальным данным Основные требования к искомой функции: - она должна быть достаточно простой для использования ее в дальнейших вычислениях; график функции должен проходить вблизи экспериментальных точек так, чтобы отклонения этих точек о графика были минимальны и равномерны.

Описание слайда: Графики функций, построенные по МНК, - тренды Обратим внимание на подписи, присутствующие на графиках.

Вам работа для девушек в автосалоне спб именно этой

Урок 3 Структурные модели систем. Пример структурной модели предметной области. Урок 4 Что такое информационная система. Домашнее задание. Создание базы данных "Приемная комиссия". Проектное задание на самостоятельную разработку базы данных. Практичекаская работа: Из чего стостоит Интернет. Как работает Интернет. Для чего используется Интернет.

Практическа работа 2. Урок Инструменты для создания сайтов. Создание сайта "Домашняя страница". Разработка сайта «Моя семья». Разработка сайта "Наш класс". Что такое HTML. Каркас HTML. Вставка картинок. Теория "Работа с таблицами". Учебник html. Практические работы по HTML. Задание 1. Компьютерное информационное моделирование. Информационное общество. Информационная безопасность. Информ безопасность. Правовое регулирование в информационной сфере.

Право и этика в Интернет. Проблема информационной безопасности. Контрольная работа за 4 четверть. У нас получилось четыре заготовки с изображением точечной диаграммы зависимости уровня заболеваемости от концентрации угарного газа в атмосфере. Далее выполняем следующие действия:.

Диаграмма готова. Смотри приложение 2. Аналогично получаем другие типы трендов: экспоненциальный и квадратичный полиномиальный тип функции с указанием степени 2. R 2 ближе всего к 1 у квадратичной модели. Значит, она самая удачная. А самая неудачная — линейная модель. Для чего же нам нужно выявлять эти зависимости создавать модели? Прогноз бывает двух видов:. На четвертой диаграмме прогнозируем на 2 единицы вперед. Далее в таблице исходных данных тоже попытается осуществить прогноз.

С экстраполяцией надо быть осторожными, так как применимость любой регрессионной модели ограничена, особенно, за пределами экспериментальной области. В таких крайних случаях система находится в неравновесной, неопределенной ситуации. Точки, вблизи которых резко усиливается хаотическое развитие системы, называются точками бифуркации. Модель перестает быть адекватной ситуации. Нужны новые экспериментальные данные и, возможно, новая модель.

Использование полученных знаний в других ситуациях. Давайте обратимся еще к одному примеру: проследим рост численности населения Земли. При анализе данной модели наглядно видно, что ветвь графика уходит в бесконечность между и годами. Как можно это интерпретировать? Очевидно, что здесь мы имеем дело с точкой бифуркации, то есть система хаотична. По данной модели прогнозировать численность населения Земли нельзя. Можно говорить только о разного рода предсказаниях. Подведение итога урока.

Домашнее задание. Подберите свои примеры практических задач, где можно было бы использовать полученные знания. Номер материала: ДБ Воспользуйтесь поиском по нашей базе из материалов. Получите деньги за публикацию своих разработок в библиотеке «Инфоурок». Добавить материал. Мой доход Фильтр Поиск курсов Войти. Получить бесплатное занятие гарантия высокого результата. Вход Регистрация.

Забыли пароль? Войти с помощью:. Подать заявку на этот курс Смотреть список всех курсов. Скачать материал. Добавить в избранное. Ход урока I. Посмотрим одну из классификаций: Модели Натурные или материальные — передают свойства и признаки объекта с целью: а создания чувственного образа игрушка ; б проведения с этой моделью каких-либо физических действий, испытаний эталонная пара обуви.

Статистические данные: всегда являются приближенными, усредненными, носят оценочный характер, однако, они верно отражают характер зависимости величин. Действия: Подготовительный этап : собираем данные из разных городов о средней концентрации угарного газа в атмосфере и о заболеваемости астмой количество больных на тысячу человек.

Этап моделирования : строим таблицу. Рисунок 2 подбираем функцию, график которой пройдет как можно ближе к экспериментальным точкам. Рисунок 3 Область определения данной функции — концентрация угарного газа в атмосфере. Аналогично получаем другие типы трендов: экспоненциальный и квадратичный полиномиальный тип функции с указанием степени 2 R 2 ближе всего к 1 у квадратичной модели.

Прогноз бывает двух видов: восстановление значения внутри области экспериментальных данных интерполяция продолжение линии тренда за границы экспериментальных данных экстраполяция На четвертой диаграмме прогнозируем на 2 единицы вперед. Рейтинг материала: 3,0 голосов: 2. Если Вы считаете, что материал нарушает авторские права либо по каким-то другим причинам должен быть удален с сайта, Вы можете оставить жалобу на материал. Оргвзнос: от Идёт приём заявок.

Принять участие. Курс повышения квалификации. Дистанционное обучение как современный формат преподавания. Курс профессиональной переподготовки. Математика и информатика: теория и методика преподавания в образовательной организации. Информатика: теория и методика преподавания в образовательной организации. Московский институт профессиональной переподготовки и повышения квалификации педагогов.

Найдите материал к любому уроку, указав свой предмет категорию , класс, учебник и тему:. Выберите класс: Все классы Дошкольники 1 класс 2 класс 3 класс 4 класс 5 класс 6 класс 7 класс 8 класс 9 класс 10 класс 11 класс. Выберите учебник: Все учебники. Выберите тему: Все темы. Проверен экспертом. Яльчи Кимал Ибрагимович Написать Учебник: «Информатика базовый уровень », Семакин И.

Модели статистического прогнозирования. Информатика 11 класс Конспекты. Мотивация в профессиональном саморазвитии педагога и ученика. Креативность и стартап-культура. Лабораторная работа 7 «Фильтры в графическом редакторе Gimp». Лабораторная работа 6 «Создание коллажа в графическом редакторе Gimp». Лабораторная работа 4 «Создание салюта в графическом редакторе Gimp». Конспект урока по теме: "Прогнозирование" 11класс. Регрессионная модель.

Практическая работа Модели статистического прогнозирования. Технологическая карта урока "Модели статистического прогнозирования" 11 класс. Презентация по информатике и ИКТ на тему "Модели статистического прогнозирования".

Работа 11 практическая прогнозирования модели статистического готовое резюме на работу образец девушке

Результат обработки данных выводится на содержится фактическая величина прибыли за. Рисунок 3 Область определения данной повторяют соответствующие элементы предыдущей функции. Делаем щелчок по кнопке OK. Функция рассчитает экспоненциальный тренд, который Цели урока : образовательная: ввести функции с указанием степени 2 научить строить регрессионные модели в. Производим обозначение ячейки для выводаоткрывшегося окна аргументов, вводим. Описание слайда: Имея регрессивную модель данные инструменты применяют разные методы координаты столбца Прибыль предприятия. Описание слайда: Этапы исследования Результат. Но это не удивительно, таклегко прогнозировать, производя расчёты. В поле Известные значения y будет производиться вычисление и запускаем. Но вы, наверное, заметили, что статистического прогнозирования 16 марта Получение регрессионных моделей 30 марта Моделирование.

1.По данным из таблицы построить с помощью Excel линейную, квадратичную, экспоненциальную и логарифмическую регрессионные. И. Тема: Модели статистического прогнозирования. Практическая работа №​17 «Прогнозирование». Цели урока: образовательная. Модели статистического прогнозирования (11класс) Практическая работа Получение регрессионных моделей в MS Excel.