Вначале мы располагали лишь эмпирическими данными между временем (в месяцах) и размерами прибыли (в тыс. руб.). В результате применения метода наименьших квадратов для аппроксимирующей функции линейного вида получили значения коэффициентов а и b, построили прогноз на шестой месяц, рассчитали ошибку аппроксимации, оценили степень тесноты связи функции и аргумента и сделали выводы о приемлемости нулевой гипотезы с помощью параметра Стьюдента.
Хотя и аргумент и функция связаны достаточно тесно, однако ошибка аппроксимации довольно высока. Поэтому надежность полученного прогноза вызывает известные сомнения. Для повышения точности прогноза необходимо попытаться аппроксимировать данную нам эмпирическую зависимость каким-либо другим видом парной зависимости (показательной, степенной и др.).
Далее предлагается провести подобные расчеты для вариантов, приведенных в табл. 5 и интерпретировать полученные результаты по следующему алгоритму.