Статистична інформація про внутрішні змінні організації та її аналіз

Необхідну для цього інформацію подаємо у формі таблиці:

Таблиця 4.6- Визначення показників.

Амплітуда сезонних коливань:

Rt=Iсез max - Icез min =36,7-29,6=7,1%

Cереднє лінійне відхилення:

ĺt=(1/4)*Σ│Iсез - 100│=266,8/4=66,7%

Середнє квадратичне відхилення:

δt=[(1/4)*Σ(Iсез – 100)2]1/2=(17820,86/4)^(1/2)=66,75%

Амплітуда сезонних коливань є невисокою , що свідчить про незначне відхилення збуту продукції по кварталах. Високий показник середнього квадратичного відхилення свідчить про інтенсивність сезонних коливань обсягу збуту.

4.3 Каузальне моделювання

Існує два методи кількісного прогнозування: аналіз часових рядів і каузальне моделювання.

Керівник повинен знати, як використовувати кількісну модель і повинен пам’ятати, що користь від прийняття рішення повинна покрити витрати на створення моделі.

Каузальний метод застосовують в ситуаціях з більш ніж однією змінною. Це спроба прогнозувати те, що відбудеться в подібних ситуаціях, шляхом дослідження статистичної залежності між факторами.

Залежність між факторами називається кореляцією. Чим вища кореляція (чим сильніший зв’язок між факторами ) тим вища придатність моделі для прогнозування. Повна кореляція буває, коли залежність в минулому була завжди правдивою. Спробуємо дослідити статистичну залежність між оптовими цінами на сировину, матеріали або комплектуючі вироби, що є факторними ознаками та оптовими цінами на продукцію, на виробництво якої ця сировина використовується і які виступають як результативні ознаки.

Подамо вихідну інформацію у вигляді таблиці:

Таблиця 4.7- Вихідні дані для проведення каузального моделювання

Визначаємо коефіцієнт автокореляції в ряді х, тобто темпів зростання середніх цін на матеріал.

Таблиця 4.8- Автокореляція х.

Обчислюємо екстраполяцію:

1=5

2=14

=(5+14)/2=9,5