Контрольные задания

Задание 1

Необходимо минимизировать затраты на перевозку товаров от предприятий-производителей на торговые склады. При этом нужно учесть возможности поставок каждого из производителей при максимальном удовлетворении запросов потребителей.

Рассматриваются пять региональных складов и три завода-изготовителя. Товары могут доставляться с любого завода на любой склад.

Исходные данные для расчета плана представлены на рисун- ке 6.4.

Рисунок 6.4 – Исходные данные для поиска решения

Поля, обведенные пунктиром, вводятся с клавиатуры, остальные рассчитываются по формулам в соответствии с приведенным вариантом (рисунок 6.5).

Рисунок 6.5 – Исходные данные для поиска решения

в аналитическом виде

Оцените полученные результаты и сравните с контрольными, приведенными в таблице 6.5.

Таблица 6.5 – Результаты решения задачи

План объема перевозок от завода к складу
Заводы:	План поставок		Чебоксары		Псков			Орел			Липецк			Тамбов
Смоленск	300		0		0			0			80			220
Екатеринбург	260		0		0			180			80			0
Воронеж	280		180		80			20			0			0
			Поставлено каждому складу
Всего			180			80			200			160			220
			Исходные данные для расчета плана
Потребности складов				180			80			200			160			220
Заводы:		Мощность завода	Стоимость перевозки единицы груза от завода к складу
Смоленск		310	10			8			6			5			4
Екатеринбург		260	6			5			4			3			6
Воронеж		280	3			4			5			5			9
			Стоимость перевозок по каждому складу
		3200	540			320			820			640			880

Ответьте на вопросы.

1. Сколько товаров Смоленский завод перевозит на склад в Липецке?

2. С каких заводов получает товары на склад в Орле?

3. Какова потребность склада в Тамбове?

4. Кто является поставщиком склада в Липецке?

Контрольные вопросы

1. Как подключить инструмент Поиск решения?

2. Как задаются искомые переменные?

3. Как задать целевую функцию, для которой будет осуществляться поиск решения?

7 Лабораторная работа № 7 Решение коммерческих задач в программеStatistica (6 часов)

Цель лабораторной работы: овладение практическими приемами решения экономических задач в программе Statistica.

Теоретическое обоснование работы. Программа Statistica предоставляет уникальные возможности для проведения анализа данных. Система рассчитана на специалистов в прикладных областях.

В верхней строке имеется специальный пункт меню: Statistics. Методы, содержащиеся в данном пункте меню, покрывают весь спектр современного анализа данных. В программе реализованы следующие методы анализа данных:

- Basic Statistics/Tables (основные статистики и таблицы) –содержатся описательные статистики, методы группировки данных, анализ таблиц сопряженности, различные варианты t-критерия Стьюдента;

- Multiple Regression (множественная регрессия) – представлены процедуры множественной регрессии для построения многомерных линейных моделей;

- ANOVA (дисперсионный анализ) – собраны процедуры дисперсионного анализа, предназначенного для оценки различия в группах, например, продажи товаров в различных регионах;

- Nonparametrics (непараметрическая статистика);

- Distribution Fitting (подгонка распределений);

- Advanced Leaner\Nonlinear Models (углубленные линейные/нелинейные модели) – содержится анализ выживаемости, нелинейное оценивание, логлинейный анализ таблиц, общие линейные модели, обобщенные линейные и нелинейные модели, анализ и прогнозирование временных рядов;

- Multivariate Exploratory Techniques (многомерные разведочные методы) – содержится факторный, кластерный анализ, канонический анализ, метод главных компонент, деревья классификации, дискриминантный и обобщенный дискиминантный анализ, анализ соответствий, многомерное шкалирование.

- Industrial Statistics&Six Sigma (промышленная статистика и шесть сигма) – содержит карты контроля качества Шухарта, анализ процессов и метрология, анализ надежности, планы выборочного контроля и мощный набор процедур для планирования эксперимента;

- Power Analisis (анализ мощности);

- Neural Networks (нейронные сети) – новейшие методы добычи данных, включая правила ассоциаций, многомерные адаптивные сплайны, различные виды деревьев классификации, общие CHAID модели и др.;

- Data Mining (добыча данных);

- QC Data Mining & Root Cause Analysis (добыча данных в управлении качеством и анализ причин);

- Text & Document Mining (текстовая добыча данных).

Данные в Statistica организованы в виде электронной таблицы. Электронная таблица состоит из столбцов (Variables) и строк (Cases).

Постановка задачи. Пример основан на реальных данных, описывающих рынок пива в Греции. Известно, что этот рынок поделен между 5-ю фирмами, обозначенными далее как A, B, C, D и E.

В таблице 7.1 представлены данные объемов продаж отрасли и долей каждой фирмы.

Таблица 7.1 – Объемы продаж пивных компаний Греции

Фирма/ год	2000			2001			2002
	Значение	%	Значение		%	Значение		%
В целом	7646,287	100,0	10458,140		100,0	13475,974		100,0
A	1926,300	25,2	1571,417		15,0	1595,742		11,8
B	2347,987	30,7	3073,511		29,4	3660,954		27,3
C	3372,000	44,1	4381,000		41,9	5677,000		42,1
D	–	–	596,755		5,7	1042,278		7,7
E	–	–	835,457		8,0	1500,000		11,1

До 2001 года на рынке присутствовали фирмы A, B и C, а в 2001 году в отрасль вошли фирмы D и E. Можно заметить, что после появления фирм D и E происходит резкое снижение доли фирмы A. Как видно из двух вышеприведенных таблиц, две новые фирмы D и E по-разному освоили рынок пива. Фирма D имела большие производительные способности, чем фирма E, но заметно отстает от нее по объемам продаж. Но уже в 2003 году фирма D не выдерживает конкуренции, а у фирмы A возникают финансовые проблемы.