- •Курсовая работа
- •Санкт-Петербург
- •Содержание
- •Введение
- •3.1. Расчет прибыли от продажи товаров в последнем месяце
- •3.2. Определение среднего значения прибыли от продаж по всей товарной номенклатуре
- •3.3. Построение вариационного ряда товаров по прибыльности
- •3.4. Расчет и построение кумулятивной кривой прибыльности товаров
- •3.5. Деление товаров на категории и определение доли товаров группы а
- •3.6. Расчет бюджета товаров группы а
- •4.1. Расчет коэффициентов линейной модели тренда для товаров группы а
- •4.2. Расчет параметров модели дисперсии ошибки прогноза
- •4.3. Определение доверительных границ прогноза продаж товаров группы а
- •5. Определение оптимальных размеров заказов товаров
- •5.1. Расчет параметров модели хозяйственного риска
- •5.2. Расчет оптимальных заказов
- •5.3. Определение оптимальных бюджетов товаров
- •6. Определение объемов закупок товаров группы а при ограниченном бюджете
- •6.1. Определение коммерческой значимости товаров
- •6.2. Расчет требуемых бюджетов товаров
- •6.3. Расчет оптимальных бюджетов и объемов закупок с учетом ограничений
- •Заключение
- •Список литературы
3.6. Расчет бюджета товаров группы а
Бюджет товаров группы А (наиболее прибыльные товары) определяется через заданный в исходных данных общий бюджет В0 в условных единицах по формуле:
, (5)
где γА – доля затрат в %, приходящаяся на группу товаров категории А. Эта доля находится по формуле:
, (6)
в которой SA – это суммарные затраты на товары группы А.
Все расчеты проводятся по первым 5-ти товарам группы А.
Доля товаров А, γА |
36,55464 |
|
Бюджет товаров группы А, Ва |
12 509,9 |
4.1. Расчет коэффициентов линейной модели тренда для товаров группы а
Параметры модели прогнозирования:
Q = a + b∙t, (7)
определяются методом наименьших квадратов (МНК). Для их расчета можно применить разные способы.
Первый, самый простой, заключается в формировании в среде Excel точечного графика Q(t) с последующим построением линии тренда.
Рис.2. Параметры модели прогнозирования
Второй способ состоит в использовании встроенных функций Excel.
Результаты расчетов представлены в табл.7.
Третий, наиболее информативный, способ заключается в использовании инструмента РЕГРЕССИЯ в Excel-расширении АНАЛИЗ ДАННЫХ.
Таблица 7
Второй способ прогнозирования
Параметры |
Обознач. |
Т21 |
Т18 |
Т22 |
Т20 |
Т23 |
Среднее значение аргумента t (мес.) |
tср |
4 |
||||
Коэффициент корреляции |
r |
- 0,979 |
- 0,944 |
0,933 |
- 0,944 |
0,943 |
Коэффициенты линейной модели тренда |
a |
335 |
275,571 |
261,543 |
325,286 |
199,057 |
b |
- 3,661 |
- 3,589 |
2,529 |
- 2,982 |
1,496 |
|
Статистика Стьюдента |
tβ |
4,773 |
Таблица 8
Третий способ прогнозирования
Параметры |
Текст в листинге |
Обознач |
Т21 |
Т18 |
Т22 |
Т20 |
Т23 |
Стандартная ошибка |
Стандартная ошибка |
σ0 |
1,796 |
2,973 |
2,311 |
2,464 |
1,247 |
Коэффициент корреляции |
Множественный R |
r |
0,979 |
0,944 |
0,933 |
0,944 |
0,943 |
Коэффициенты линейной модели тренда |
У-пересечения |
a |
335 |
275,57 |
261,54 |
325,29 |
199,06 |
Переменная Х1 |
b |
-3,661 |
-3,589 |
2,529 |
-2,982 |
1,496 |
|
Стандартные ошибки |
У-пересечения |
σa |
1,518 |
2,513 |
1,954 |
2,082 |
1,054 |
коэффициентов модели |
Переменная Х1 |
σb |
0,339 |
0,562 |
0,437 |
0,466 |
0,236 |