Secinājumi: "Aplūkojot grafiku var secināt, ka pilnais modelis labāk aproksimē izejas datus, bet prasa vairāk informācijas.
Informācijas trūkuma dēļ dažos gadījumos var izmantot saīsināto modeli, bet iegūtie dati būs ar lielāku novirzi."
1. Izmantojot REGRESSION rīku, atrast sākotnējiem datiem pilno un saīsināto matemātisko modeli
2. Noteikt katra modeļa koeficienta nozīmīgumu
3. Pārbaudīt modeļu adekvātumu ar Fišera kritēriju
4. Izveidot aproksimāciju pēc iegūtajiem modeļiem
5. Sastādīt prognozi pēc abiem modeļiem
6. Attēlot grafiski empīriskos datus, abu modeļu aproksimāciju un prognozes
7. Aprēķināt prognozes ticamības intervālu ar saīsināto modeli iegūtai prognozei
8. Izdarīt secinājumus un paskaidrot iegūtos rezultātus