Если у вас возникли сложности с курсовой, контрольной, дипломной, рефератом, отчетом по практике, научно-исследовательской и любой другой работой - мы готовы помочь.
Предоплата всего
Подписываем
1. Предмет, цели, задачи дисциплины Бизнес статистика. Место дисциплины в учебном процессе.
В настоящее время термин «статистика» употребляется в четырех значениях:
1. комплекс учебных дисциплин, обладающих определенной спецификой и изучающих количественную сторону массовых явлений и процессов в неразрывной связи с их качественным содержанием – учебный предмет в высших и средних учебных заведениях;
2. отрасль практической деятельности («статистический учет») по сбору, обработке, анализу и публикации массовых цифровых данных о самых различных явлениях и процессахобщественной жизни; эту деятельность на профессиональном уровне осуществляет государственная статистика – Федеральная служба государственной статистики и система её учреждений, организованных по административно-территориальному признаку, а также ведомственная статистика (на предприятиях, ведомствах, министерствах);
3. совокупность цифровых сведений, характеризующих состояние массовых явлений и процессов общественной жизни; статистические данные, представляемые в отчетности предприятий, организаций, отраслей экономики, и публикуемые с сборниках, справочниках, периодической прессе, которые являются результатом статистической работы;
4. статистические методы (в том числе методы математической статистики), применяемые для изучения социально-экономических явлений и процессов.
Статистика, как наука, представляет собой целостную систему научных дисциплин: теория статистики, экономическая статистика и её отрасли, социально-демографическая статистика и её отрасли.
Статистика – это самостоятельная общественная наука, которая изучает количественную сторону массовых явлений и процессов, исследует закономерности общественного развития в конкретных условиях, места и времени. Статистика изучает статистические закономерности, которые в отличие от динамических проявляются только в массовых процессах.
Теория статистики – наука о наиболее общих принципах и методах статистического исследования социально-экономических явлений. Она разрабатывает понятийный аппарат и систему категорий статистической науки, рассматривает методы сбора, сводки, обобщения и анализа статистических данных, т. е. общую методологию статистического исследования массовых общественных процессов. Таким образом, теория статистики – методологическая основа всех отраслевых статистик.
ЗАДАЧИ. Научиться:
методологии построения моделей бизнес - прогнозов конкретных социально-экономических явлений и процессов;
изучать самостоятельно научную и учебно-методическую литературу по анализу и прогнозированию и уметь составлять критические обзоры опубликованных работ;
использовать в своей деятельности современные статистические и статистико-математические методы и модели прогнозирования социально-экономических явлений и процессов.
Иметь представление:
о направлениях развития методологии анализа и прогнозирования в бизнесе;
о возможных областях применения статистико-математических методов и моделей при исследовании деловой активности и эффективности функционирования объектов рыночной экономики.
Знать:
существующие статистико-математические методы и модели, применяемые в анализе тенденций и при прогнозировании основных характеристик и сегментов в бизнесе;
основные принципы и предпосылки осуществления бизнес - прогноза;
границы возможностей, предпосылки и область применения статистико-математических методов в анализе тенденций основных показателей социально-экономических явлений и процессов и при построении моделей прогноза, обеспеченность их программными средствами;
методику сбора и анализа информации, необходимой для разработки моделей бизнес - прогноза.
Уметь:
осуществлять постановку задач при разработке моделей, отражающих в динамике структуру, взаимосвязь сложных социально-экономических явлений и процессов, и на их основе построение моделей прогноза, оценку их качества, точности и надежности;
анализировать и прогнозировать конкретные социально-экономические явления и процессы.
ЦЕЛИ. Навыки по применению количественных статистических и математико-статистических методов анализа состояния, существующих тенденций и закономерностей, построения бизнес – прогнозов и на этой основе оценка перспектив развития конкретных социально-экономических явлений и процессов на основе построения адекватных, и хорошо аппроксимирующих реальные явления и процессы прогностических моделей, на основе которых возможна выработка конкретных предложений, рекомендаций и путей их прикладного использования.
2. Структура данных, классификация различных типов наборов данных.
Структура данных (англ. data structure) — программная единица, позволяющая хранить и обрабатывать множество однотипных и/или логически связанных данных в вычислительной технике. Для добавления, поиска, изменения и удаления данных структура данных предоставляет некоторый набор функций, составляющих её интерфейс.
Термин «структура данных» может иметь несколько близких, но тем не менее различных значений[1]:
Структуры данных формируются с помощью типов данных, ссылок и операций над ними в выбранном языке программирования.
Различные виды структур данных подходят для различных приложений; некоторые из них имеют узкую специализацию для определённых задач. Например, B-деревья обычно подходят для создания баз данных, в то время как хеш-таблицы используются повсеместно для создания различного рода словарей, например, для отображения доменных имён в интернет-адреса компьютеров.
При разработке программного обеспечения сложность реализации и качество работы программ существенно зависит от правильного выбора структур данных. Это понимание дало начало формальным методам разработки и языкам программирования, в которых именно структуры данных, а не алгоритмы, ставятся во главу архитектуры программного средства. Большая часть таких языков обладает определённым типом модульности, позволяющим структурам данных безопаснопереиспользоваться в различных приложениях. Объектно-ориентированные языки, такие как Java, C# и C++, являются примерами такого подхода.
Многие классические структуры данных представлены в стандартных библиотеках языков программирования или непосредственно встроены в языки программирования. Например, структура данных хэш-таблица встроена в языки программирования Lua, Perl, Python, Ruby, Tcl и др. Широко используется стандартная библиотека шаблонов(STL) языка C++.
Фундаментальными строительными блоками для большей части структур данных являются массивы, записи (struct в Си и record в Паскале), размеченные объединения (union в Си) и ссылки. Например, двусвязный список может быть построен с помощью записей и ссылок, где каждая запись (узел) будет хранить данные и ссылки на «левый» и «правый» узлы.
Типы данных бывают следующие:
Простые.
3. Статистическое наблюдение, систематизация данных и их представление с помощью гистаграмм.
Статистическое наблюдение – это первая стадия всякого статистического исследования, представляющая собой научно организованный по единой программе учет фактов, характеризующих явления и процессы общественной жизни, и сбор полученных на основе этого учета массовых данных.
Однако не всякий сбор сведений является статистическим наблюдением. О статистическом наблюдении можно говорить лишь тогда, когда, во-первых, обеспечивается регистрация устанавливаемых фактов в специальных учетных документах и, во-вторых, изучаются статистические закономерности, т.е. такие, которые проявляются только в массовом процессе, в большом числе единиц какой-то совокупности. Поэтому статистическое наблюдение должно быть планомерным, массовым и систематическим.
Под структурой мы понимаем данные о данных, т. е. метаданные. Например, язык несет в себе синтаксические метаданные о тексте, а частота - об аудио или видео потоке. Благодаря этому документы можно упорядочить по языку их содержимого и аудио файлы по частоте их дискретизации. Каждый файл, в свою очередь, может быть упорядочен структурно путем введения глав, секций, заголовков и т.д. Таким образом, возникает понятие структурных метаданных. И наконец, однотипные данные можно дифференцировать по смыслу, т. е. семантике. Например, различать омофоны в аудио потоке или омографы в тексте.
Огромное разнообразие возможных способов структурной организации данных требует использования профессиональных решений. И мы готовы предоставить их в полном объеме.
Показать все
Проанализировать данные и отобразить их в виде гистограммы (столбчатой диаграммы, показывающей частоту повторяемости значений) можно с помощью средства «Гистограмма» пакета анализа. Эта надстройка для анализа данных доступна при установке Microsoft Office Excel 2007, но она может не быть загружена автоматически.
ВАЖНО. Если в группе Анализ вкладки Данные отсутствует кнопка Анализ данных, необходимозагрузить надстройку пакета анализа.
Выберите действие
Чтобы создать гистограмму, необходимо организовать данные на листе в два столбца. Эти столбцы должны содержать следующие данные:
При использовании средства «Гистограмма» Microsoft Excel подсчитывает количество значений данных в каждом интервале данных. Значение данных включается в конкретный интервал, если значение больше нижней границы и меньше или равно максимальной границы интервала данных. Если диапазон интервалов не был введен, то набор интервалов, равномерно распределенных между минимальным и максимальным значениями входных данных, будет создан автоматически.
Результат анализа гистограммы выводится на новом листе (или в новой книге) и содержит таблицу гистограммы и гистограмму, отображающую данные в таблице гистограммы.
4 Графический метод в изучении бизнес-процессов.
Графический метод помогает проследить за движением собственности на сырье и готовую продукцию. Схемы товарно-материальных потоков иллюстрируют богатый выбор обслуживающих их институтов на всех уровнях маркетингового процесса.
Применение графического метода для описания структуры распределения представлено на рисунках 4П.2 и 4П.З. Рисунок 4П.2 показывает типичные формы канала распределения потребительских продуктов. Самый типичный для потребителя канал состоит из трех уровней: оптовик—розничный торговец—потребители. Так попадает на рынок большинство потребительских товаров массового производства. Выбор канала производителем зависит от характеристик продукта, модели поведения покупателей и общей маркетинговой стратегии фирмы. Например, для успешной продажи продуктов напрямую потребителям в национальном масштабе требуется очень многочисленный торговый персонал. Такие компании, как Avon Products и Fuller, избрали для себя именно этот способ распределения. С другой стороны, производитель с ограниченными капитальными ресурсами и узким ассортиментом выпускаемой продукции, возможно, предпочтет нанять брокера или агента и продавать товары по потребительским каналам.
На рисунке 4П.З представлены альтернативные каналы распределения товаров производственного назначения. Большинство продуктов массового производства на индустриальном рынке поступает напрямую от изготовителя к потребителю. В то же время производственные дистрибьюторы зачастую занимаются грузопереработкой, комплектованием и разукрупнением партий товаров. Таким образом, производственные посредники выполняют в значительной мере те же самые функции, что и оптовики в потребительских каналах. Важное различие между потребительскими и производственными каналами состоит в том, что в последних намного чаще участвуют торговые агенты, брокеры и промышленные агенты.
Структуры, описанные рисунками 4П.2 и 4П.З, следует воспринимать лишь как общие схемы. Помимо них существует множество возможных вариаций, определяемых типом продукта, типом потребителя, представлением основной фирмы о составе участников. Четкая схема каналов распределения приобретает размытые и запутанные черты под воздействием такого явления, как смешанная торговля*. Организации, изначально считавшиеся предприятиями оптовой торговли, теперь зачастую работают в канале распределения и как розничные торговцы. А розничные торговцы и производители, в свою очередь, взяли на себя многие традиционные функции оптовиков. Такое расширение сфер деятельности получило название интегрированной оптовой торговли.
Главное достоинство графического метода в том, что он наглядно отображает многообразные связи, характерные для современного маркетинга, и располагает институты канала распределения в логистической последовательности. Однако удобная простота схемы зачастую маскирует всю сложность выбора отдельной фирмой правильного канала.
5 ОБобщающие статистические показатели в анализе и прогнозировании бизнес-процессов. Интерпритация типических значений.
В результате сводки статистических данных получают обобщающие показатели, в которых отражаются результаты познания количественной стороны изучаемых явлений. Обобщающие статистические показатели отражают количественную сторону изучаемой совокупности общественных явлений и представляют собой их величину, выраженную соответствующими единицами измерения. Эти статистические величины характеризуют объемы изучаемых процессов, т. е. численность работников, объем товарооборота и др.; их уровни (например, уровень производительности труда); соотношение (например, между продавцами и другими категориями работников) и др.
На практике исчисляют разнообразные статистические показатели, относящиеся ко многим сторонам жизни общества. Отображая экономические категории, статистические показатели имеют взаимосвязанные количественную и качественную стороны. Качественная сторона показателя отображается в его содержании безотносительно к конкретному размеру признака, например, при раскрытии розничного товарооборота через экономическую теорию. Количественная сторона статистического показателя – его числовое значение.
Статистические показатели выполняют ряд функций, в особенности познавательную и управленческую. Однако некоторые из них (экономические) выполняют также и стимулирующую функцию. Познавательная функция статистических показателей заключается в том, что они характеризуют состояние и развитие изучаемых явлений, направление и интенсивность процессов, происходящих в обществе. Обобщающие показатели – это база анализа и прогнозирования социально-экономического развития отдельных регионов, областей, районов, а также страны в целом. При изучении и познании количественной стороны явлений экономист анализирует качественную сторону объекта и проникает в ее сущность. Рассматриваемые показатели выполняют и управленческую функцию, являясь важнейшим элементом процесса управления на всех его уровнях. Роль статистических показателей возрастает с переходом к рынку.
Показатели статистической практики подразделяются по следующим признакам:
1) сущности изучаемых явлений: объемные, характеризующие размеры (объемы) процессов, и качественные, выражающие собой количественные соотношения, типичные свойства изучаемых совокупностей;
2) характеру изучаемых явлений: интервальные и моментные статистические показатели. Те данные, которые выражают развитие явлений за отдельные периоды времени, – интервальные, например, товарооборот за месяц, квартал, год. К моментным показателям относятся те из них, которые отражают состояние явления на определенную дату (момент), например, величина товарных запасов, число цехов предприятия на начало и конец периода;
3) степени агрегирования явлений: индивидуальные, характеризующие единичные процессы, и обобщающие, отображающие совокупность в целом или ее часть.
К статистическим показателям предъявляется требование правильного отражения изучаемых явлений. С достоверностью данных связано понятие точности, которую обычно отождествляют с областью неопределенности результата измерения, предполагающего допустимые зоны изучаемого явления. Требование точности дополняется понятием оценки точности, основывающейся на определенной степени вероятности, так как размер отклонений в пределах зоны допуска всегда связан с вероятностью. Однако любая хорошая система показателей не дает однозначной характеристики исследуемого объекта. Поэтому возникает потребность в поисках тех интегральных или комплексных показателей, которые отражали бы изучаемую совокупность в целом.
Среди используемых специальных методов прогнозирования на практике выделяют т.н. рациональные и точные методы прогнозирования, которым присущи свои преимущества и недостатки.
Преимущество рациональных методов заключается в том, что они доступны для изучения, могут быть описаны в словесной форме и объяснены. Эти методы обеспечивают разработку такой методики, которую способен применить любой специалист, прошедший необходимую подготовку.
Преимущество точных методов состоит в том, что они могут быть проверены другими специалистами. При проверке можно убедиться в отсутствии ошибок, а прогноз может быть пересмотрен при изменении внешних условий.
Типология прогнозов строится по различным критериям в зависимости от целей, задач, объектов, предметов, проблем, методов организации прогнозирования и т.д. Основополагающим является проблемно-целевой критерий, т.е. критерий, определяющий, для чего разрабатывается прогноз.
Различают два типа прогнозов:
Поисковый прогноз — это прогноз, с помощью которого определяется возможное состояние явления в будущем. Имеется в виду условное продолжение в будущем тенденций развития изучаемого явления в прошлом и настоящем. Такой прогноз отвечает на вопрос, что вероятнее всего произойдет при условии сохранения существующих тенденций.
Нормативный прогноз — определение путей и сроков достижения возможных состояний явления, принимаемых в качестве целей. Такой прогноз отвечает на вопрос: какими путями достичь желаемого.
Поисковый прогноз строится по определенной шкале возможностей, по которой затем устанавливается степень вероятности прогнозируемого явления. При нормативном прогнозировании происходит такое же распределение вероятностей, но уже в обратном порядке: от заданного состояния к наблюдаемым тенденциям. Целевой прогноз — прогноз желаемых состояний — отвечает на вопрос: что именно желательно и почему. В данном случае происходит построение по определенной шкале возможностей сугубо оценочной функции:
Плановый прогноз отвечает на вопрос: как, в каком направлении ориентировать планирование, для эффективного достижения поставленных целей.
Программный прогноз отвечает на вопрос: что конкретно необходимо, чтобы достичь желаемой цели. Для ответа на него важны и поисковые, и нормативные прогнозные разработки. Первые выявляют проблемы, которые нужно решить, чтобы реализовать программу, вторые определяют условия реализации.
Проектный прогноз отвечает на вопрос: как это может выглядеть. Проектные прогнозы призваны содействовать отбору оптимальных вариантов перспективного проектирования.
Организационный прогноз отвечает на вопрос, в каком направлении ориентировать решения для достижения цели. Сопоставление результатов поисковых и нормативных разработок должно охватывать весь комплекс организационных мероприятий.
По периоду упреждения (промежутку времени, на который рассчитан прогноз) различают:
Оперативные прогнозы содержат количественные оценки:
Временная градация прогнозов является относительной и зависит от характера и цели прогноза. В социально-экономических прогнозах установлен следующий временной массив:
Наиболее широкое распространение в практике решения задач прогнозирования получили методы экспертных оценок и методов статистического прогноза.
Группа методов экспертных оценок предполагает учет субъективного мнения экспертов о будущем состоянии. Методы экспертных оценок, как правило, имеют качественный характер. Экспертные оценки разделяются на индивидуальные и коллективные. К индивидуальным экспертным оценкам относятся сценарии, метод «интервью», аналитические докладные записки. Коллективные экспертные оценки включают метод «комиссий», метод «мозговой атаки», метод Дельфи.
Статистические методы прогнозирования базируются на использовании накопленной статистической информации об изменении показателей, характеризующих анализируемый объем или процесс.
В методическом плане основным инструментом любого прогноза является схема экстраполяции. Различают:
Формальная экстраполяция базируется на предположении о сохранении прошлых и настоящих тенденций развития объема прогноза в будущем. При прогнозной экстраполяции фактическое развитие увязывается с гипотезами о динамике исследуемого процесса с учетом в перспективе его физической и логической сущности. Для применения статистических методов строятся статистические модели прогнозирования, которые можно разделить на трендовые и многофакторные.
В трендовых моделях прогнозирования выводятся зависимости анализируемого показателя от времени. Многофакторные модели позволяют получить зависимости изучаемого параметра от широкого набора факторов, которые в той или иной мере оказывают влияние на его изменения. В этой связи трендовые модели требуют для своего построения меньше информации, чем многофакторные.
Разнообразие методов стратегического планирования, применяемых на разных его этапах, требует обеспечения совместимости результатов, получаемых с их помощью, и разработки единой процедуры проведения стратегического планирования.
6 Средние величины в статистическом анализе.
Средняя величина - это обобщающая количественная характеристика совокупности однотипных явлений по одному варьирующему признаку. Важнейшее свойство средней величины заключается в том, что она представляет значение определенного признака во всей совокупности одним числом, несмотря на количественные различия его у отдельных единиц совокупности, и выражает то общее, что присуще всем единицам изучаемой совокупности. Таким образом, через характеристику единицы совокупности она характеризует всю совокупность в целом.
Средние величины связаны с законом больших чисел. Суть этой связи заключается в том, что при осреднении случайные отклонения индивидуальных величин в силу действия закона больших чисел взаимопогашаются и в средней выявляется основная тенденция развития, необходимость, закономерность, однако, для этого среднюю необходимо вычислять на основе обобщения массы фактов.
Средние величины позволяют сравнивать показатели, относящиеся к совокупностям с различной численностью единиц.
Важнейшим условием научного использования средних величин в статистическом анализе общественных явлений является однородность совокупности, для которой исчисляется средняя. Одинаковая по форме и технике вычисления средняя в одних условиях (для неоднородной совокупности) фиктивная, а в других (для однородной совокупности) соответствует действительности. Качественная однородность совокупности определяется на основе всестороннего теоретического анализа сущности явления. Так, например, при исчислении средней урожайности требуется, чтобы исходные данные относились к одной и той же культуре (средняя урожайность пшеницы) или группе культур (средняя урожайность зерновых). Нельзя вычислять среднюю для разнородных культур.
7 Получение оценок. Точечныые и интервальные оценки.
8 Изучение вариации.
9 Характеристики распределения статистических величин. Основные виды распределений.
10 Выборочный метод в статистических исследованиях бизнес-процессов.
11 Статистическое изучение динамики бизнес-процессов.
12 Статистическая проверка гипотиз.
13 Введение в теорию регрессионного анализа.
14 Регрессионный анализ в Excel.
15 Множественная регрессия.
16 Регрессионный анализ временных рядов.
17 Статистические методы прогнозирования бизнес-процессов.