Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
ИТвКД лабы.docx
Скачиваний:
18
Добавлен:
13.04.2015
Размер:
2.68 Mб
Скачать

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.

Тут вы можете оставить комментарий к выбранному абзацу или сообщить об ошибке.

Оставленные комментарии видны всем.