Пошаговое приближение распределения стоимости покупки к но­р­мальному закону распределения

Вид материалаЗакон

Содержание


Замечания для преподавателей.
Постановка задачи
Ход решения
Замечания для преподавателей.
Постановка задачи
Ход решения
Замечания для преподавателей.
Постановка задачи
Ход решения
Замечания для преподавателей и постановка задачи.
Ход решения
Расчет кривой агрегированного спроса методом статистического моделирования.
Рекомендуется для тем № 2, 4, 31 по списку, приведенному в конце основного текста.
Расчет кривой спроса на конкретный товар на основе N данных, полученных из наблюдения цен на рынках г. Москвы.
Постановка задачи
Ход решения
Замечания для преподавателей.
Рекомендуется для тем № 24, 25, 29.
Постановка задачи
Ход решения
...
Полное содержание
Подобный материал:
  1   2   3   4   5   6   7   8   9   10   11


Министерство образования Российской Федерации


Российская экономическая академия

имени Г. В. Плеханова


Кафедра анализа стохастических процессов в экономике


Статистические задачи исследовательского характера

для включения в КМКР студентов 3 курса Факультета Маркетинга




Москва 2008


Статистические задачи исследовательского характера

для включения в КМКР студентов 3 курса Факультета Маркетинга


Составитель САВВАТЕЕВ Владимир Васильевич





Редактор ___________


Подписано в печать Формат 60х84 1/16.

Печать офсетная. Бумага офсетная.

Усл. печ. л. Уч.-изд. л. Тираж 200 экз.

Заказ №


Издательство Российской экономической академии имени Г.В. Плеханова.

113054, Москва, Стремянный пер., 36.


Отпечатано в типографии РЭА имени Г.В. Плеханова.

113054, Москва, ул. Зацепа 41/4.


СОДЕРЖАНИЕ


Введение…………………………………………………………….. 3

Задание 1.

Пошаговое приближение распределения стоимости покупки к но­р­мальному закону распределения……………………………………. 4


Задание 2.

Рандомизация расположения ларьков на рынке, продающих то­вар по пониженным це­нам………………………………………...……… 4

Задание 3.

Формула Уилсона и страховой запас продаваемого в магазине товара…………………………………………………………………………… 5

Задание 4.

Обследование групп товаров в сети «12 месяцев»……………... 6

Задание 5.


Расчет кривой агрегированного спроса методом статистического

моделирования………………………………………………………. 7

Задание 6.


Расчет кривой спроса на конкретный товар на основе N данных, полученных из наблюдения цен на рынках г. Москвы…………………… 8

Задание 7.

Статистическое исследование феномена «отложенной реали­зации» с привлечением показа­теля NPV и учёта случайных изме­не­ний процентной ставки…………………………………………………... 9

Задание 8.

Исследование расширения области продаж……………………… 9


Задание 9.

Множественная регрессия и особенности её использования для изучения рынка офисов в Москве…………………………………………... 11

Задание 10.


Контроль полноты использования контейнера при снабже­нии арбузами…………………………………………………………………. 12

Задание 11.


Расчет нелинейной регрессии методом кривых Пирсона

(для тем, связанных с поведением потребителя)………………………….. 14


Задание 12.

Использование нелинейной кривой регрессии для расчета прибыли городской транспортной компании…………………………… 15

Задание 13.

Расчет кривой спроса построением параболической и синусоидальной регрессии…………………………………………………... 16

Задание 14.

Рекламная акция по продаже «Сникерсов». Расчет прибыли

методами ЛИФО и ФИФО…………………………………………………… 18

Задание 15.

Прогноз дохода от земельного участка за пять лет (множест­венная регрессия с двумя объясняющими переменными) ……………… 21

Задание 16.

Изучение устойчивости регрессионной прямой при засорении ис­ходных данных случайными ошибками с нарастающей дисперсией …. 25

Задание 17.

Статистические методы пополнения недостающих рыноч­ных данных………………………………………………………………………….. 27

Задание 18.

Подготовка различных вариантов задания для расчета себесто­имости женских сапог методом множественной регрессии………………30

Задание 19.

Определение степени оправданного риска при выдаче банком потребительских ссуд…………………………………………………………. 31

Задание 20.

Подбор параметров нелинейной регрессии……………………… 33


Примерная тематика КМКР по комплексу «Маркетинг, поведе­ние потребителей и эконометрика»………………………………………… 34


Предисловие


Внедрение в учебный процесс РЭА им. Г.В. Плеханова комплексных междисциплинарных курсовых работ (КМКР) поставило перед студентами и преподавателями ряд новых проблем, без успешного решения которых не удас­тся добиться кардинального улучшения уровня подготовки будущих спе­циалистов и развития у них интегрального восприятия экономики (для чего и были созданы комплексные курсовые работы).

Перед студентами, приступившими к выполнению КМКР, чуть ли не впервые встала проблема самостоятельности научного мышления. В преж­ние времена тема курсовой порою раскрывалась с помощью набора обтекае­мых, неконкретных фраз, что превращало её в некое подобие реферата (кото­рый затем очень часто скачивался из интернета). Этому способствовала по­рою и сама формулировка темы. Например, название темы «Консьюмеризм и общество» вряд ли вдохновит студента на применение в этой курсовой стати­стических методов или компьютерных технологий. Во-вторых, стало затруд­нительным писать курсовую работу в последнюю ночь перед сдачей, так как она теперь требует аккуратного сбора материала, его усвоения, теоретической обработки, компьютерных расчетов и осмысления результатов. Наконец, сту­денты начали осознавать, что общеобразовательные дисциплины, изученные и сданные на младших курсах, не следует забывать, так как без них написание КМКР будет под большим вопросом.

Комплексность курсовых создала проблемы и у преподавателей. Сле­дует признать, что ранее отдельные кафедры РЭА (экономической теории, бух­галтерского учета и аудита, статистики, информационных технологий, высшей математики и т.д.) хотя и добросовестно выполняли поставленные им задачи, но говорили на разных языках, хотя по сути дела речь шла об одних и тех же вещах. Классическим примером является понятие «маржинальной прибыли» (увеличение прибыли при увеличении количества производимого и реализуемого товара на единицу), которая с точки зрения математиков явля­ется просто производной dP/dN, где P – прибыль, N – количество произво­димого товара. Вторым примером является использование методов ЛИФО и ФИФО в бухгалтерском учете и порядок обслуживания очередей в логистике (и в компьютерных технологиях). У студентов создаётся впечатление, что методы ЛИФО и ФИФО в логистике никакого отношения не имеют к одно­имённым методам списания запасов в бухучёте. Наиболее же яркий пример пропасти между одной и другой наукой наблюдался автором в некоем ком­мерческом вузе, где ему довелось рассказывать о «вечной ренте». Студенты решили, что лектор шутит (хотя все они знают со школьных лет тот факт, что сумма бесконечно убывающей геометрической прогрессии является конеч­ной). Видимо, в глубине сознания у них осталась мысль: «школьные учителя могут выводить любые формулы, но мои финансы я бы по этим формулам рассчитывать не стал».

Разрушение этих корпоративных перегородок между разными кафед­рами (разными дисциплинами) в голове студента следует начинать с преодо­ления их в голове преподавателя. Преподаватель современного экономичес­кого вуза не может себе позволить оставаться узким специалистом, слабо представляющим себе, что творится на соседних кафедрах. Например, хотя и формально можно считать эконометрику одной из ветвей статистики, но по сути эконометрика гораздо теснее связана с экономическими проблемами, чем статистика в целом. Как говорится, «конечно, тигр – это всего лишь боль­шая кошка, но упрощать не следует». При этом наиболее способные студенты интуитивно чувствуют, что все разделы экономики тесно связаны между со­бой, но преподавателям трудно поддерживать в них эту уверенность, так как это требует непрерывного повышения их квалификации в экономических вопро­сах. После внедрения КМКР в РЭА этот процесс принял вполне осяза­емые формы. Защита КМКР перед комиссией, состоящей из трех специалис­тов с разных кафедр, хотя и поставила заслон перед практиковавшейся ранее зашитой курсовых «по мобильнику», но потребовала, чтобы эти три специ­алиста нашли общий язык. Иначе неизбежно появляются странные КМКР, в которых оценка по экономической части «5», а по статистической – «не аттестовано».

Попытка переложить преодоление этих трудностей на плечи студен­тов успеха не принесёт и приведёт только к попыткам их делать КМКР не самостоятельно, а с чьей-то помощью.

Автор, имея двухлетний опыт консультирования и оценивания стати­стической части КМКР на разных факультетах РЭА, пришел к выводам:

а) студенты слишком слабо представляют себе возможности статис­тики для анализа экономических процессов, чтобы самостоятельно выбрать нужный метод и правильно подобрать исходные данные.

б) преподаватели «профильных кафедр» РЭА должны формулировать темы так, чтобы в них явно было оставлено место для статистических и ком­пью­терных расчетов.

В связи с этим автор предлагает широкий спектр задач статистичес­кого характера, которые потенциально могли бы быть выбраны студентом как основа для статистической части КМКР, а затем уточнялись и обсуждались бы на консультациях как с преподавателями кафедр Статистики и Анализа стохастических процессов, так и с преподавателями «профильных кафедр» (которым вполне уместно было бы поинтересоваться содержанием задачи, которая поможет студенту раскрыть выбранную им тему КМКР).

Задание 1.

Пошаговое приближение распределения стоимости покупки к но­р­мальному закону распределения.

Замечания для преподавателей. Агент, закупающий товары на рынке (социальный работник, оптовик и т.д.) закупает большое количество разных товаров, причем и количество, и цена товара являются случайными числами. Поэтому случайной является и общая сумма денег, потраченная на закупки в данный день. Из курса ТВиМС известно, что закон распределения этой общей суммы денег близок к нормальному, если сумма содержит порядка тридцати независимых слагаемых. (Чтобы они действительно были незави­симыми, не­об­ходимо, чтобы входящие в эту сумму продукты не были ни взаимодопол­няющими, ни взаи­мозаменяющими, а нейтральными друг к другу). Возможно, явится сюрпризом, что в ситуации, рассмот­ренной в данной задаче, «норма­ль­ность» закона распределения суммы явственно проявится уже для суммы трех слагаемых, хотя законы распределения каждой из случайных величин, образу­ющих отдельные слага­емые, далеки от нормального.