МОДЕЛИРОВАНИЕ И КОЛИЧЕСТВЕННЫЙ АНАЛИЗ В МЕНЕДЖМЕНТЕ

Цель курса - изучение базовых статистических и количественных методов, а также программного инструментария для их практического применения к анализу данных и принятию эффективных управленческих решений.

В результате изучения курса слушатели получают основы теоретических знаний и практический опыт для статистического анализа данных, математического моделирования в бизнес - среде и принятия управленческих решений в условиях неопределенности. 

Курс "Моделирование и количественный анализ в менеджменте" связан с изучением теоретических основ статистики, оптимизации и получением комплексных знаний по практическому использованию методов обработки и анализа информации в бизнес - среде.

Изучение курса позволяет использовать полученные знания на практике при обработке первичных данных, представлении полученных результатов в виде таблиц, графиков, диаграмм, построении обобщающих показателей. На их основе обеспечивается возможность использования наиболее эффективных статистических и количественных методов и моделей в экономическом анализе, включая построение распределений, количественные методы оценки вероятностей, методы принятия решений в условиях неопределенности, методы построения доверительных интервалов, методы построения и оценки статистических гипотез, методы построения оптимизационных моделей, методы построения и оценки регрессионных зависимостей, элементы имитационного моделирования, методы экономического прогнозирования.

В соответствии с программой, изучение дисциплины включает курс лекций и практические занятия.

Целью лекционных занятий является изложение теоретических и методологических основ статистики и количественных методов анализа информации в бизнес - среде, методологии применения этих методов для принятия конкретных управленческих решений в условиях рыночной экономики.

Проведение практических занятий имеет целью дать необходимые навыки и практику владения современным программным инструментарием, позволяющим эффективно применять широко используемые в настоящее время в бизнес - среде методы количественного анализа деловой информации. В этой связи курс содержит многочисленные примеры решения конкретных задач на основе реальных экономических данных. Тематика примеров охватывает разнообразные социально-экономические сферы деятельности: учет, финансы, управление персоналом, маркетинг, операционный менеджмент и так далее.

В целях обеспечения более качественного уровня усвоения материала курс предусматривает значительный объемсамостоятельной работы. В этой связи слушателям предлагается самостоятельно выполнить ряд практических заданий по итогам каждой части курса. Помимо этого предусматривается самостоятельная работа над "кэйсами" по итогам завершения тематического этапа, которая имеет целью научить слушателей самостоятельно анализировать различные ситуации, возникающие в бизнес – среде, выявлять и формулировать проблемы, а также самостоятельно определять адекватные методы и программные средства для их решения.

ПРОГРАММА КУРСА

  1. Введение в количественные методы в бизнесе
    1. Введение

1.2

1.2.1Методы

1.2.2Программное обеспечение

  1. Примеры задач
  2. Моделирование и модели

1.4.1Графические модели

1.4.2Алгебраические модели

1.4.3Построение моделей в среде Excel.

1.4.4Семь этапов построения модели

Часть 1. Методы количественного анализа данных

  1. Описание данных: графики и таблицы
    1. Введение
    2. Основные понятия

2.2.1Генеральные совокупности и выборки

2.2.2Переменные и наблюдения

2.2.3Типы данных

  1. Таблицы частот и гистограммы

2.3.1 Формы гистограмм

  1. Анализ взаимозависимостей с помощью диаграмм рассеивания
  2. Временные ряды
  3. Исследование данных с помощью сводных таблиц
  4. Описание данных: обобщающие показатели
    1. Введение
    2. Измерение среднего значения по совокупности

3.2.1Математическое ожидание

3.2.2Медиана

3.2.3Наиболее вероятное значение

  1. Минимум, максимум и разброс
  2. Измерение степени разброса: дисперсия и стандартное отклонение

3.4.1 Интерпретация стандартного отклонения: правила областей

  1. Вычисление обобщенных показателей с помощью StatPro
  2. Меры взаимосвязи: ковариация и корреляция
  3. Описание наборов данных с помощью прямоугольных диаграмм
  4. Примеры использования программного инструментария

Часть 2. Количественные методы оценки вероятности

  1. Вероятность и распределения вероятностей
    1. Введение
    2. Понятие о вероятности

4.2.1Правило дополнения

4.2.2Аддитивное правило вероятности

4.2.3Условная вероятность и мультипликативное правило

4.2.4Вероятностная независимость

4.2.5Равновероятные события

  1. Распределение одной случайной величины
  2. Субъективные и объективные вероятности
  3. Производные вероятностные распределения
  4. Распределение двух случайных величин: сценарный подход
  5. Распределение двух случайных величин: подход с точки зрения совместной вероятности
  6. Независимые случайные величины
  7. Взвешенные суммы случайных величин
  8. Нормальные, биномиальные и Пуассоновские распределения
    1. Введение
    2. Нормальное распределение

5.2.1Непрерывные распределения и функции плотности распределения вероятностей

5.2.2Функция плотности распределения вероятностей для нормального распределения

5.2.3Стандартизация: -значения

5.2.4Таблицы нормального распределения и -значения

5.2.5Вычисления с нормальным распределением в .

5.2.6Вероятности стандартизованных диапазонов

  1. Применение нормального распределения
  2. Биномиальное распределение

5.4.1Математическое ожидание и стандартное отклонение для биномиального распределения

5.4.2Биномиальное распределение в контексте выборок

5.4.3Приближение биномиального распределения с помощью нормального

  1. Применение биномиального распределения
  2. Распределение Пуассона
  3. Подбор закона распределения по имеющимся данным
  4. Многошаговые процедуры принятия решений в условиях неопределенности
    1. Оценка стратегий
    2. Дерево решений
  5. Выборки и распределения выборок
  6. Введение
  7. Терминология теории выборок
  8. Методы построения случайных выборок

7.3.1Простейший подход

7.3.2Использование StatPro для построения простых случайных выборок

7.3.3Систематический метод построения выборок

7.3.4Метод стратификации

7.3.5Кластерный подход

7.3.6Многоступенчатые методы построения выборок

  1. Введение в теорию оценок

7.4.1Источники ошибок при оценивании

7.4.2Закон распределения выборочного математического ожидания

7.4.3Центральная предельная теорема

7.4.4Определения размеров выборки

7.4.5Некоторые ключевые идеи теории простых случайных выборок

  1. Оценка доверительных интервалов
    1. Введение
    2.  Распределения выборочных характеристик

8.2.1-распределение

8.2.2Распределения других характеристик

  1. Доверительный интервал для среднего значения
  2. Доверительный интервал для суммарного значения
  3. Доверительный интервал для пропорции
  4. Доверительный интервал для стандартного отклонения
  5. Доверительный интервал для разности двух средних значений

8.7.1Случай независимых выборок

  1. Доверительный интервал для разности между пропорциями
  2. Управление длиной доверительного интервала

8.9.1Размер выборки для оценки среднего значения

8.9.2Размер выборки для оценки других параметров

  1. Проверка гипотез
    1. Введение
    2. Основные понятия теории проверки гипотез

9.2.1Нулевая и альтернативная гипотезы

9.2.2Односторонние и двусторонние тесты

9.2.3Типы ошибок

9.2.4Уровень значимости область отвержения гипотезы

  1. Проверка гипотез для математического ожидания
  2. Проверка гипотез для остальных параметров

9.4.1Проверка гипотез для доли совокупности

9.4.2Проверка гипотез для разности математических ожиданий

9.4.3Проверка гипотез для разности между долями совокупности

Часть 3. Методы математического моделирования

10. Оптимизационные модели

  1. Введение в теорию линейного программирования
  2. Основные элементы оптимизационной модели
  3. Основные этапы решения оптимизационной задачи
  4. Использование инструмента "Поиск решения"
  5. Анализ чувствительности моделей
  6. Системы поддержки решений
  7. Примеры задач

10.7.1 Задача о смесях

10.7.2 Обучение работников компании ООО «ПК-Сервич»

10.7.3 Задача оптимального финансового планирования

10.7.4 Анализ строительного проекта

11. Имитационное моделирование

11.1 Введение в имитационное моделирование

11.2 Примеры задач

11.2.1 Модель прогнозирования структуры товарных рынков

11.2.2 Модель выбора наиболее предпочтительного вида товара для продвижения на рынок

11.2.3 Формирование программы продаж

11.2.4 Оценка проекта разработки новой модели автомабиля

11.2.5 Строительный проект с неопределенными продолжительностями работ

  1.  Регрессионный анализ: оценка зависимостей

12.1 Введение

12.2 Диаграммы рассеивания – графическое отображение взаимозависимостей

12.2.1Линейные и нелинейные зависимости

12.2.2Выбросы

12.2.3Случай зависимых дисперсий

12.2.4Отсутствие взаимозависимости

12.2.5Некоторые дополнительные свойства диаграмм рассеивания

12.3 Парная линейная регрессия

12.3.1 Оценка по методу наименьших квадратов

12.3.2 Стандартная ошибка оценки

12.3.3 Коэффициент детерминации

12.4 Множественная регрессия

12.4.1 Интерпретация коэффициентов регрессии

12.4.2 Интерпретация стандартной ошибки оценки и коэффициента детерминации

12.5 Возможности моделирования

12.5.1 Фиктивные переменные

12.5.2 Процедуры включения/исключения переменных

12.5.3 Нелинейные преобразования

12.5.4 Задача о замене оборудования

12.6 Оценка качества приближения

Формы контроля:

  • выполнение практического самостоятельного задания по курсу
  • письменный заключительный экзамен c практической частью, выполняемой на компьютере

​Преподаватель: Косоруков О.А.