- •Министерство образования и науки украины
- •Содержание
- •1.2. Классификация и основные виды бизнес - процессов.
- •1.3. Описание организационной структуры
- •5. Структурные схемы.
- •2. Задание
- •Лабораторная работа № 2 Базовые технологии автоматизации задач управления. Анализ данных и принятие решений средствами ms Office
- •1. Теоретические сведения
- •1.1. Сводные таблицы для анализа данных
- •Структура сводной таблицы
- •1.2. Многомерные (olap) источники данных
- •2. Построение сводной таблицы
- •2.1. Создадим базу данных
- •2.2. Построим сводную таблицу
- •2.3. Повышение наглядности и удобства получения данных
- •2.4. Анализ данных
- •Инструментальная панель "Сводные таблицы"
- •Сводные диаграммы
- •2.5. Построение olap-куба
- •3. Задание
- •Варианты заданий
- •Лабораторная работа № 3 Анализ данных и прогноз для целей управления
- •1. Теоретические сведения
- •1.1. Методы прогнозирования
- •1.2. Методы краткосрочного прогноза
- •1.3. Метод экспоненциального сглаживания
- •Прогнозирование нестационарных показателей
- •1.5. Сезонный спрос
- •1.6. Среднесрочный прогноз и методы регрессионного анализа
- •2. Встроенные функции Excel и прогнозирование
- •2.1. Функция линейн
- •Пример выполнения задачи прогнозирования Прогноз произведем на основании уравнения регрессии (применения функции линейн в задаче прогнозирования)
- •2.2. Функция тенденция
- •2.3. Функция предсказ
- •4. Практический алгоритм решения задачи Прогнозирования
- •Задание
- •Лабораторная работа № 4
- •1.3. Пример использование таблицы подстановок
- •2. Сценарии
- •3.Оптимизация и анализ "Что, если ...?"
- •4. Задание
- •Варианты заданий
4. Практический алгоритм решения задачи Прогнозирования
ЗАДАЧА: На основе своих исходных данных об объемах продаж товаров (или услуг) за 22- месяца построить график динамики продаж и определить прогноз (на 23 и 24 месяц).
Этапы РЕШЕНИЯ:
1. Модель прогноза линейная: Xt = Tr + e
Остатки составляют: et = Xt – Tr
Линия тренда
Tr =89.438* t + 3900,8 |
получена из анализа графика (см. ниже сам график).
Исходные данные: Создаем таблицу, вводим данные и формулы расчета:
2. Строим график для X(t) - используя Мастер диаграмм
Затем – в результате щелканья Левой клавишей по линии графика – вызываем маркеры.
Затем, нажав правую Клавишу мыши, выбираем пункт - "добавить линию тренда".
Указываем: «линейная» в окне Параметры - и «Показать уравнение», в результате получаем график в виде:
Уравнение Модели тренда показано на графике тренда.
3. Расчет Tr :
- считаем значения тренда в столбце 4 по уравнению. полученной модели и значение остатков (Xt –Tr ) в столб. 5.
4. Далее ниже на листе Строим график остатков (как обычный график) и определяем "описательные статистики» для остатков из Сервис – Анализ данных.
5. Строим гистограмму для остатков- в меню Сервис -Анализ данных
Графическим образом выборочной плотности вероятностей и ее приближенной оценкой служит гистограмма, т. е. диаграмма, показывающая, сколько наблюдений попадает в интервалы, на которые разбит диапазон изменения наблюдаемой величины.
Вид гистограммы позволяет предположить, что случайные колебания показателя относительно тренда подчиняются закону распределения вероятностей, близкому к нормальному (Гауссову). Это мы и учтем при построении прогноза:
6. Строим График Прогноза:
1.Выделить линию графика левой клавишей мыши.
2 Затем, нажав правую клавишу мыши, выполняем "Добавить линию тренда"
3.В закладке "параметры" задаем число дней для прогноза "Прогноз вперед на 5"
4. Получаем измененный график: с продленной линией:
7. Выполняем расчет прогноза для некоторых месяцев: например: 25 и 30
добавляя эти дни в исходной таблице в 1 ст. и формулы в 4 –й столбец, получаем значения.
8. Проверка: Проверить, попадает ли полученный прогноз этих дней в интервал :(m ± 2s) с вероятностью = 0.955, где m – среднее значение, s - стандартные отклонения величины прогноза.
Для этого используем Описательные статистики (среднее “m” и стандартные отклонения - s) и считаем границы интервала:
левую m – 2 s и правую m + 2s
для того, чтобы сравнить с величиной прогнозного значения:
Чтобы это проверить используем фактические данные на 25 и 30 месяцы (если они есть!).
Задание
Для своего варианта выполнить анализ количественных данных и сделать прогноз.
Построить уравнение регрессии рассматриваемого показателя от нескольких параметров (3-х) и построить графики прогноза от этих параметров (см. п. 3).
По своим данным выполнить линейный тренд – прогноз и анализ.
Сделать выводы.
Оформить алгоритм решения и результаты как отчет в MS Word.
№ вар-та |
Организация (учреждение) |
Показатель |
Влияющие параметры | ||
1 |
2 |
3 | |||
1 |
Техникум |
Количество абитуриентов |
Количество выпускников 9-х классов в городе |
Проведенная профориентационная работа по школам |
Проходной балл |
2 |
ПТУ |
Количество стипендиатов |
Средний (школьный) балл поступающих |
Посещаемость занятий |
Текущая успеваемость |
3 |
Школа |
Количество первоклассников |
Число шестилеток в микрорайоне |
Количество выпускников, поступивших в вузы |
Число факультативов, кружков, секций, спец. предметов |
4 |
ВУЗ |
Количество «красных» дипломов |
Проходной балл при поступлении |
Число медалистов при поступлении |
Количество студенческих научных публикаций |
5 |
Библиотека ВУЗа |
Число новых приобретений |
Число обращений в библиотеку (ежедневно) |
Стоимость новинок |
Сумма денег, выделяемая на закупку |
6 |
Общежитие ВУЗа |
Количество койко-мест |
Число иногородних среди абитуриентов |
Число иногородних среди первокурсников |
Стоимость проживания в общежитии |
7 |
Столовая ВУЗа |
Количество посадочных мест |
Количество студентов в ВУЗе |
Стоимость (комплексных) обедов |
Длительность занятий (часы присутствия студентов) |
8 |
Вычислительный центр ВУЗа |
Количество компьютерных аудиторий |
Число групп, изучающих дисциплины компьютерной направленности |
Количество аудиторных часов в день (среднее) по дисциплинам компьютерной направленности |
Число студентов, посещающих свободный доступ (среднее за день) |
9 |
Профком ВУЗа |
Количество студенческих проездных билетов |
Число студентов дневной формы |
Стоимость билетов (стоимость одной поездки) |
График учебного процесса (занятия, сессия, каникулы, практика) |
10 |
Колледж |
Количество студентов, активно занимающихся спортом |
Число поступивших на 1-й курс спортсменов |
Общее количество студентов |
Количество действующих спорт секций (тренеры-преподаватели) |