Вам нужна курсовая работа?
Интересует Высшая Математика?
Оставьте заявку
на Курсовую работу
Получите бесплатную
консультацию по
написанию
Сделайте заказ и
скачайте
результат на сайте
1
2
3

Моделирование сезонности выплат страховых компаний по ОСАГО

  • 28 страниц
  • 9 источников
  • Добавлена 31.05.2012
750 руб. 1 500 руб.
  • Содержание
  • Часть работы
  • Список литературы
  • Вопросы/Ответы
ВВЕДЕНИЕ
ГЛАВА 1. ТЕОРЕТИЧЕСКОЕ ОБОСНОВАНИЕ ПОНЯТИЯ СМОГ
1.1 Основные термины и понятия
1.2 Виды смога
1.2.1 Фотохимический смог
1.2.2 Влажный смог
1.1.3 Ледяной смог
ГЛАВА 2. ПРОБЛЕМА СМОГА
2.1 Воздействие смога на здоровье
2.2 Проявления смога в различных городах и странах
2.3 Борьба со смогом
ЗАКЛЮЧЕНИЕ
СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ

Фрагмент для ознакомления

|      **|. |1-0.210-0.2104.2603     ***|. |    ****|. |2-0.446-0.51223.7630.000      . |* |      .*|. |30.178-0.10026.8990.000      . |. |      **|. |40.022-0.25226.9480.000      .*|. |      **|. |5-0.148-0.24129.1770.000      . |** |      . |* |60.2650.11736.3630.000      .*|. |      **|. |7-0.202-0.32340.5870.000      . |* |      . |** |80.1080.31741.8170.000      . |* |      . |. |90.138-0.00243.8370.000     ***|. |      **|. |10-0.406-0.29661.5150.000      .*|. |     ***|. |11-0.137-0.35463.5420.000      . |***** |      . |** |120.6850.293115.130.000      .*|. |      . |* |13-0.1410.089117.340.000      **|. |      . |. |14-0.322-0.011129.020.000      . |* |      .*|. |150.082-0.111129.790.000      . |. |      . |* |160.0730.074130.410.000      .*|. |      . |. |17-0.107-0.062131.740.000      . |* |      . |. |180.1680.004135.100.000      .*|. |      . |. |19-0.1230.039136.920.000      . |* |      . |. |200.1000.006138.150.000      . |* |      . |. |210.080-0.019138.940.000      **|. |      .*|. |22-0.317-0.085151.570.000      .*|. |      . |. |23-0.0960.024152.730.000      . |**** |      . |* |240.5490.100191.610.000      .*|. |      .*|. |25-0.144-0.081194.330.000      **|. |      . |. |26-0.2560.009203.000.000      . |. |      .*|. |270.029-0.168203.110.000      . |* |      . |. |280.1070.067204.670.000      . |. |      . |. |29-0.050-0.018205.020.000      . |* |      . |. |300.0910.014206.180.000      .*|. |      . |* |31-0.0800.086207.110.000      . |* |      . |. |320.110-0.035208.870.000      . |. |      . |. |330.0140.066208.890.000      **|. |      . |. |34-0.245-0.050217.940.000      . |. |      . |. |35-0.0590.028218.470.000      . |*** |      .*|. |360.393-0.106242.480.000MA(1)Date: 04/26/12 Time: 00:54Sample: 2004M02 2011M12Included observations: 95Q-statistic probabilities adjusted for 1 ARMA term(s)AutocorrelationPartial CorrelationAC  PAC Q-Stat Prob      . |. |      . |. |1-0.039-0.0390.1501      .*|. |      .*|. |2-0.197-0.1993.99790.046      . |* |      . |* |30.1200.1075.43550.066      . |. |      . |. |40.0330.0025.54490.136      .*|. |      .*|. |5-0.109-0.0676.76330.149      . |** |      . |** |60.2680.27314.1920.014      .*|. |      **|. |7-0.163-0.21916.9730.009      . |* |      . |** |80.0940.26417.9130.012      . |. |      .*|. |90.042-0.13618.1060.020      **|. |      **|. |10-0.281-0.24326.6600.002      .*|. |      . |. |11-0.085-0.00427.4510.002      . |**** |      . |*** |120.5920.47266.3480.000      .*|. |      . |. |13-0.094-0.02467.3450.000      .*|. |      .*|. |14-0.190-0.15371.4420.000      . |. |      . |. |150.031-0.06371.5550.000      . |. |      . |* |160.0690.14872.1160.000      .*|. |      . |. |17-0.083-0.03572.9390.000      . |* |      . |. |180.1810.00476.8620.000      .*|. |      . |. |19-0.1060.01478.2300.000      . |* |      . |. |200.077-0.03878.9580.000      . |. |      . |. |210.005-0.03678.9600.000      **|. |      . |. |22-0.227-0.01785.4430.000      .*|. |      . |. |23-0.0800.04086.2540.000      . |*** |      . |. |240.4420.045111.650.000      .*|. |      .*|. |25-0.141-0.135114.280.000      .*|. |      . |. |26-0.1630.037117.810.000      . |. |      .*|. |27-0.020-0.074117.870.000      . |* |      . |* |280.0940.118119.070.000      . |. |      . |. |29-0.0370.007119.260.000      . |* |      . |. |300.117-0.015121.190.000      .*|. |      . |. |31-0.0790.024122.090.000      . |. |      .*|. |320.067-0.095122.750.000      . |. |      . |. |33-0.0530.008123.180.000      .*|. |      .*|. |34-0.195-0.089128.900.000      . |. |      . |. |35-0.0570.015129.400.000      . |** |      . |. |360.306-0.055144.010.000Исходя из построенных графиков, можно с уверенностью выбрать модель MA(1)Breusch-Godfrey Serial Correlation LM Test:F-statistic19.48612    Prob. F(2,90)0.0000Obs*R-squared28.40449    Prob. Chi-Square(2)0.0000Test Equation:Dependent Variable: RESIDMethod: Least SquaresDate: 04/26/12 Time: 00:59Sample: 2004M03 2011M12Included observations: 94Presample missing value lagged residuals set to zero.VariableCoefficientStd. Errort-StatisticProb.  C-0.0057370.043606-0.1315550.8956AR(1)-0.1852530.507656-0.3649170.7160RESID(-1)-0.1570570.469241-0.3347040.7386RESID(-2)-0.6038710.240501-2.5108930.0138R-squared0.302175    Mean dependent var3.54E-17Adjusted R-squared0.278915    S.D. dependent var0.705897S.E. of regression0.599425    Akaike info criterion1.855929Sum squared resid32.33792    Schwarz criterion1.964155Log likelihood-83.22867    Hannan-Quinn criter.1.899644F-statistic12.99075    Durbin-Watson stat2.050393Prob(F-statistic)0.000000Автокорреляция отсутствует, так все вероятности не равны нулю, а в большинстве случаев ближе к 1.На основании этой модели MA(1) целесообразно сделать прогноз.Прогнозирование при помощи модели MA (1)Точечный прогнозянварь4,62По данной модели мы можем спрогнозировать на один шаг вперед, для более долгосрочного прогноза предполагается использование более сложных моделей.ЗаключениеВ результате написания данной работы были проанализированы данные по объему страховых выплат компании ОАО «Росгосстрах». Проведены гипотезы на стационарность изначального ряда, с помощью ряда тестов найден стационарный ряд, который найден с помощью первых разностей, на основании которого выбрана наиболее подходящая модель.Использование программы EVIEWSпоиску оптимальной модели для составления краткосрочного прогноза для статистических данных во временном ряду.Список использованной литературыДоугерти К. Введение в эконометрику. М., 2003Магнус Я.Р., Катышев П.К., Пересецкий А.А. Эконометрика. Начальный курс: Учебник. – 8-е изд. – М.: Дело, 2007Анализ временных рядов. Пособие для студентов. М., 2003.Тихомиров Н.П., Тихомирова Т.М., Ушмаев О.С. Методы эконометрики и многомерного статистического анализа: Учебник – Москва: Экономика, 2011 - (Высшее образование)Эконометрика: Учебник / Елисеева И.И., Курышева С.В., Костеева Т.В. и др. – М.: Финансы и статистика, 2007

1.Боголюбов С.А. Экологическое право: Учебник. М.: Юрист, 2004.
2.Вронский В.А. Прикладная экология: Учебное пособие для студентов вузов. – Ростов-на-Дону, 1996.
3.Глухов В.В. и др. Экономические основы экологии: Учебник / Глухов В.В., Лисочкина Т.В., Некрасова Т.П. - СПб.: Спец. лит., 1995. - 279 с.
4.Горохов В.Л., Кузнецов Л. М., Шмыков А. Ю. Экология. Учебное пособие. Москва-СПб: Изд.дом «Герда» 2005. 650c.
5.Ерофеев, Б. В. Экологическое право России : учеб. / Б. В. Ерофеев. - 20-е изд., перераб. и доп. - М. : ЭКСМ0, 2008
6.Лапина М.А. Экологическое право. Курс лекций. М.: Консультант Плюс, 2008. — 148 с.
7.Протасов В.Ф. Экология, здоровье и охрана окружающей среды в России: Учебное и справочное пособие.-2-еизд. – М.: Финансы и статистика, 2000.
8.ФЗ «Об охране окружающей среды»
9.Экологическое право. Курс лекций и практикум/Под ред. д.ю.н., проф. Ю.Е. Винокурова. М.: Экзамен, 2003.

Моделирование туристских потоков показатели инфраструктуры регионов Центрального федерального округа

Моделирование туристских потоков показатели инфраструктуры регионов Центрального федерального округа

Левизов А. С., Архипова В. Ф., ВлГУ

Туристских потоков в условиях устойчивой экономики определяет степень обустроенности инфраструктуры регионов. Для решения проблемы перспективы развития туризма необходимо определить основные факторы влияния на сферу услуг.

Нами были исследованы основные характеристики туристической инфраструктуры регионов Центрального федерального округа, рассчитывается многомерный средний показатель, характеризующий состояние туристических ресурсов по регионам. Построена модель (функцию) в зависимости от объема туристских потоков по показателям инфраструктуры. Статистические характеристики параметров модели позволило оценить влияние этих показателей на развитие туристической отрасли. В качестве расчетного аппарата выбран метод множественной линейной регрессии в сочетании с пошаговой регрессией, которая позволяет из множества переменных-факторов, производить выбор наиболее важных для адекватного представления исходных данных и выполнения отсев несущественных факторов. В расчетах использовали пакет прикладных программ для статистической обработки данных на КОМПЬЮТЕРЕ.

Исследования были проведены в следующем порядке. В начале была сформирована матрица исходных данных T (16х10); первые 9 столбцов занимают показатели туристической инфраструктуры в 16 регионах: X1 – количество мест в средствах размещения, X2 – количество мест в учреждениях питания, X3 – количество туристических агентств, X4 – количество музеев, X5 – количество театров, X6 - количество культурно-досуговых учреждений, X7 – количество спортивных сооружений, Х8 – длина железных дорог, Х9 – протяженность автомобильных дорог; десятый столбец занят результирующий фактор Y – количество туристских потоков. Формат матрицы TR (16х11), где первые 16 столбцов, занимаемых факторов в процентном выражении к выборочному средний, 11, столбец нужен многомерный средний показатель p .. На нем построен интервальный вариационный ряд, анализ которого с учетом ошибки репрезентативности выборки Δ позволило выделить основные группы A, b, C однородных развития туристской инфраструктуры регионов. В центральную группу включены регионы, для которых продолжительность многомерного среднего не превышает пределы доверительного интервала Рв– Δ ≤ M [P] ≤ Rv Δ . В группе, со слаборазвитой инфраструктурой вошли регионы, для которых Р < Pb– Δ = 89,84 %; в группу с – регионы, с Р

Узнать стоимость работы