Сетевое издание

Международный студенческий научный вестник

ISSN 2409-529X

• Авторы
• Файлы
• Литература

Цой Е.В. 1

---

1 Финансовый университет при Правительстве РФ

Статья в формате PDF

477 KB

1. Гармаш А.Н., Орлова И.В., Математические методы в управлении: учебное пособие. – М.: ИНФРА-М, 2012. – 272 с.

2. Орлова И.В., Половников В.А. Экономико-математические методы и модели: компьютерное моделирование: учебное пособие для студентов высших учебных заведений, обучающихся по специальности “Статистика” и другим экономическим специальностям. – 3-е издание, перераб. и доп. Серия «Вузовский учебник». – М., 2011.

3. Орлова И.В. Экономико-математическое моделирование: практическое пособие по решению задач. – 2-е издание, испр. и доп. – М.: ИНФРА-М, 2012.

4. Турундаевский В.Б. Компьютерное моделирование экономико-математических методов // Международный журнал прикладных и фундаментальных исследований. – 2014. – № 1-2. – С. 229-230.

Данная работа посвящена анализу численности летного экипажа, а также для дальнейшего прогнозирования летчиков и бортпроводников на основе конкретной фирмы и с заданными данными. Эта задача представляет интерес и актуальность для авиакомпаний, которые планируют и прогнозируют численность летного состава.

Цель работы является проведение анализа численности летчиков и бортпроводников авиакомпании ООО «Улёт», данные полученные на основании реальной компании, которая не афишируется в связи с конфиденциальностью информации, а название вымышленное.

Исходные данные с 01.01.2010 по 30.11.2014. По этим данным будет построенная регрессионная модель, а также произведена оценка качества модели. Для выполнения исследования использовался программный продукт Microsoft Excel.

Результирующей (эндогенной) переменной будет считаться численность летчиков и бортпроводников, фактор выбран налет на самолете за месяц (экзогенная).

Исходные данные получены из статистических отчетов с 01.01.2010 – 30.11.2014, в которые разбиты данные на 58 месяцев.

Реализация

Схема проведения оценки взаимосвязи статистических показателей при решении данной задачи будет выглядеть следующем образом:

1. Корреляционный анализ, получим матрицу коэффициентов парной корреляции для двух переменных с помощью инструмента Корреляция из пакета Анализа данных в Excel на основании исходных данных из таблицы 1.

Таблица 1

Таблица 2

Из таблицы 2 можно сделать оценку по шкале Чеддока, что взаимосвязь является весьма высокая т.к. входит в шкалу 0,9-1,0 ЛС и БП (летный состав и бортпроводники).

2. Регрессионный анализ, для этого построим однофакторную модель регрессии с помощью Регрессии из пакета Анализа данных в Excel, увидим зависимость ЛС и налета, БП и налета.

В результате получили регрессионный анализ ЛС и налета в таблице 3, БП и налета в таблице 4, из таблиц построим уравнение для ЛС и налета У₁=36,62+0,019Х, для БП и налета У₂=90,78+0,047Х.

3. Проверим качество уравнения регрессии, качество модели оценивается коэффициентом детерминации R².

R₁² и R₂² показывает 86%, что обуславливает влияние фактора налета на уравнение У₁ и У₂, что является высокой.

Также нужно оценить значимость точности модели с помощью средней ошибки аппроксимации Е_отн1 и Е_отн2 = 6%, Е_отн < 7%, свидетельствует о хорошей значимости модели.

Следующая оценка значимости проверяется с помощью критерия Фишера.

F₁ = 349 и F₂ = 341, больше F_кр = 4, уравнение регрессии следует признать значимым.

4. Определим значимость параметров модели регрессии при а = 0,05. Вычислим tрасч, таким образом получаем:

t_расч = 18 у обоих, t_кр = 2, в итоге t_расч > t_кр, что означает в-коэффицент значимый.

Еще один способ проверки значимости, это доверительный интервал нижней и верхней границы, если они оба положительны, то в-коэффицент также является значимый. В итоге значимый.

5. Доверительный интервал для прогнозов индивидуального значения У, к уравнению У прибавляется U, это тот интервал при котором возможна погрешность прогноза U₁ = 16, U₂ = 38.

Таким образом, на рисунках 1 и 2 мы увидим прогноз с доверительным интервалом.

Таблица 3

Таблица 4

Рисунок 1

Рисунок 2

Из полученных результатов при налете 5110, вероятностью 95% получили ЛС 119-151 чел., БП 291-367 чел., что характеризует широкий разрыв, является значительной неопределенностью прогноза линии регрессии, связана, прежде всего с высоким разбросом остатков.

6. Прогнозирование численности ЛС и БП на 2015 год в авиакомпании ООО «Улёт».

Возьмем за основу прогнозирования уравнение регрессии без доверительного интервала. В итоге получился прогноз на 2015 год по ЛС и БП (табл. 5).

Заключение

Итак, в данной работе проведен анализ численности экипажа летного состава авиакомпании ООО «Улёт». В процессе решения поставленной задачи была построена регрессионная модель.

Методом анализа уравнения был выявлен результат, что построенное уравнение является значимым для исходящих данных. В частности налет самолетов зависит от численности летного состава и бортпроводников. Полученное регрессионное уравнение позволяет сделать вывод, что при какой сумме налета в месяц изменится необходимая численность экипажа.

Полученные данные могут быть использованы авиакомпанией ООО «Улёт» для прогнозирования расчета необходимой численности летчиков и бортпроводников компании.

Таблица 5

Библиографическая ссылка