Управленческие и логистические решения

Программы семинаров

Контакты

01103, г. Киев,
бульвар Дружбы Народов 10
Тел. + 380 44 593-8134
Тел. + 380 44 593-8052
Тел. + 380 44 451-8614
Факс + 380 44 521-6064
mld@mld.com.ua

Форум

Вопросы и ответы

ПАРТНЕРЫ

Поиск на сайте

МАТЕМАТИЧЕСКИЕ МЕТОДЫ УПРАВЛЕНИЯ ЗАПАСАМИ

Цель семинара: обучение математическим методам в управлении запасами для получения применимых по точности выводов в сжатые сроки (с использованием возможностей программы MS Excel).

I.
Цели и задачи управления запасами на предприятии.
1. Определение ключевых клиентов предприятия в процессе управления запасами.
2. Выработка ключевых требований к процессу управления запасами.
3. Разработка стратегических задач на основании ключевых требований.
Предварительная обработка статистических данных.
1. Совокупность и выборка.
2. Анализ числовой информации.
3. Построение распределения частот.

II.
Предварительная обработка статистических данных (продолжение).
1. Дискретные и непрерывные значения.
2. Графические изображения частот:
3. Средние и другие характеристики распределения:
- среднее арифметическое;
- медиана;
- проценты;
- мода.
4. Симметрия и асимметрия распределения.
5. Характеристики рассеяния:
- вариационный размах;
- межквартильный размах;
- среднее отклонение;
- среднеквадратичное отклонение.

III.
Предварительная обработка статистических данных (окончание).
1. Коэффициент вариации.
2. Эмпирическое правило.
3. Правило Бьенамэ-Чебышева.
4. Оценка симметричности распределения.
Вероятность и распределение вероятностей.
5. Основы понятия теории вероятностей.
6. Основные теоремы теории вероятностей.
7.Формула полной вероятности.
8. Теорема гипотез (формула Бейеса).
9. Повторение опытов.

IV.
Вероятность и распределение вероятностей (окончание).
1. Ряд распределений.
2. Функция распределения.
3. Общие свойства функции распределения.
4. Плотность распределения
5. Основные свойства плотности распределения.
6. Числовые характеристики случайных величин. Их роль и назначения.
7. Характеристики положения случайных величин.
8. Моменты. Дисперсия. Среднеквадратичное отклонение случайной величины.
9. Закон равномерной плотности.
10. Закон Пуассона.
11. Нормальный закон распределения и его параметры.
12. Моменты нормального распределения.
13. Вероятность попадания заданной величины, подчиненной нормальному распределению, на заданный участок. Функция Лапласа.
14. Вероятное отклонение.

V.
Отбор выборки.
1. Генеральная совокупность и выборка. Случайная выборка.
2. Случайный отбор.
3. Другие методы отбора выборки:
- систематический отбор;
- экспертный отбор;
- районированный отбор;
- прочие методы отбора выборки.
Выборочные распределения.
1. Перечисление всех возможных выборок.
2. Распределение выборочных средних.
3. Абсолютная ошибка выборочного исследования.
4. Стандартная ошибка среднего.
5. Выборочные распределения как распределения вероятностей.
6. Ошибка выборочного исследования для бесповторной выборки.
7. Теоретические и экспериментальные выборочные распределения.
8. Распределение выборочных средних.
9. Сравнение отдельных выборок с генеральной совокупностью.

VI.
Выборочные распределения (окончание).
1. Доверительные пределы, соответствующие стандартной ошибке, вычисленной по экспериментальным
данным.
2. Получение доверительного интервала с помощью нормального распределения.
3. Изображение доверительных интервалов на графике.
4. Экспериментальные распределения процентных характеристик выборки.
5. Оценивание истинных параметров по выборке.
6. Оценивание истинного среднего.
7. Оценивание истинных процентных характеристик.
8. Оценивание истинной дисперсии и среднего квадратичного отклонения.

VII.
Однофакторное прогнозирование.
1. Введение: роль прогнозирования.
2. Предмет прогнозирования. Круг прогнозирования.
3. Факторы, не подконтрольные компании:
- состояние экономики;
- процентные ставки;
- рынок, валютный курс;
- население, социальные тенденции и образ жизни;
- технический прогресс, ср-ва связи;
- покупательная способность, прибыль.
4. Факторы, подконтрольные компании:
- долгосрочная стратегия;
- издержки.
5. Правила прогнозирования
6. Временной ряд.
7. Метод нахождения кривой подгонки.
8. Основные виды кривых подгонки.
9. Коэффициент детерминации.
10. Другие способы оценки моделей.
11. Ex post прогнозирование.
12. Модели сглаживания:
- наивная модель;
13. Способы устранения тренда.

VIII.
Однофакторное прогнозирование (окончание)
1. Модели сглаживания для временных рядов, не имеющих трендов:
- модель скользящего среднего;
- модель экспоненциально взвешенного скользящего среднего;
- модель экспоненциального сглаживания;
- модель двойного экспоненциального сглаживания.
2. Определение начальных значений моделей.
3. Модели сглаживания с трендом:
- двойное скользящее среднее;
- модель Холта;
- модель двойного экспоненциального сглаживания с трендом (модель Брауна).
4. Сезонные модели.
5. Алгоритм для нахождения сезонных факторов и десезонализированных значений.
Регрессия и корреляция:
1. Основы регрессионного и корреляционного анализа.
- пример полной корреляции;
- неполная корреляция;

IX.
Регрессия и корреляция (продолжение):
1. Основы регрессионного и корреляционного анализа (продолжение):
- отсутствие корреляции;
- рассеяние наблюдений вокруг регрессионной линии;
- вид регрессионной функции;
- корреляция.
2. Линейный регрессионный анализ.
3. Подгонка прямой линии с помощью методов наименьших квадратов:
- общий метод решения;
- метод быстрых вычислений.
4. Пределы доверительного интервала.
5. Пределы доверительного интервала прогноза регрессионным анализом.

X.
Регрессия и корреляция (окончание):
1. Двумерный (парный) корреляционный анализ.
2. Нелинейная регрессия.
3. Множественная регрессия:
- основные свойства;
- отбор регрессоров;
- бета-представление;
- мультиколлинеарность
4. Множественная корреляция.
5. Практика прогнозирования.

Резюме по изученным материалам.