Мы пойдём другим путём. Вызовем надстройку «Анализ данных» (рис. 4.17) и попросим построить нам уравнение регрессии:
Data — Analysis — Data Analysis — Regression.
Что это такое и как это работает — мы разбирали в одной из предыдущих работ [2].
Появляется диалоговое окно
Regression.
Указываем диапазоны ячеек для «игреков» и для «иксов»:
— Input Y Range;
— Input X Range.
Чтобы всё запутать, вначале нас просят ввести «игреки». Но мы не поддаёмся на провокации и делаем всё правильно.
Ещё нужно указать, куда выводить результаты анализа. Указываем на свободное место.
Нажимаем ОК.
Рис. 4.17. Построение регрессии
Задание. Вызовите надстройку «Анализ данных» и выберите построение регрессии.
Рассмотрим результаты регрессионного анализа (рис. 4.18).
Среди большого количества цифр нас будет интересовать раздел с коэффициентами. Напомним, кто есть кто:
Intercept — свободный член уравнения
X Variable 1 — коэффициент регрессии, то есть коэффициент при «иксе». В нашем случае, при переменной t, которая обозначает время, номер дня.
Теперь можем записать наше уравнение тренда более точно. Оставляем по пять значащих разрядов в каждом коэффициенте:
y = —116,25 +0,0027435 t.
Последний разряд округляем.
Обратите внимание, как выглядят ЗНАЧАЩИЕ ЦИФРЫ. Перед ними и после них может быть много нулей, которые могут и не содержать полезной информации.
Кстати, это пример ситуации, когда ДАННЫЕ и ИНФОРМАЦИЯ — не одно и то же. Много данных в виде цифр — это не обязательно много полезной информации. Это просто цифры. А информация должна быть ПОЛЕЗНОЙ для дела.
Рис. 4.18. Результаты регрессионного анализа
Задание. Запишите уравнение тренда с точностью до пяти значащих цифр.
4.5. Сезонные колебания цен
Сезонные колебания — это изменения с периодом в один год. То есть двенадцать месяцев, или примерно 365 дней. Сезон — это времена года и всё, что с ними связано.
Причина сезонных колебаний цен — это изменение количества товаров, которое предлагается на рынке. В экономике это называется ПРЕДЛОЖЕНИЕ. Понятно, что сразу после сбора урожая сельскохозяйственной продукции много, и цены обычно снижаются. А вот когда запасы подходят к концу, цена может вырасти. Эта картина повторяется каждый год.
Мы будем моделировать сезонные колебания цен в диапазоне плюс-минус 10% от среднего значения цены. Пусть все цены достигают минимального значения в октябре каждого года. И пусть они меняются по синусоиде.
Пусть минимум будет 1 октября 2018 года. Находим порядковый номер этого дня, как мы уже проделали в предыдущем разделе (рис. 4.19). Получаем число