12 13 ME Curs 3 Regresie&Cerere Markov

semestrul II An universitar 2012 2013
Modelare economica
Prof.dr. Daniela Borisov daniela.hincu@man.ase.ro Catedra Management, ASE Bucuresti
Modelare Economica - an.univ. 2012-2013
MODELAREA FENOMENELOR DE PIA
II.4. Metode de de previziune (Continuare) Analiza de regresie i de corelaie III. Introducere in studiul pietei. 1. Indicatorii ofertei de mrfuri. Curba vieii produselor 2. Procese de tip Markov folosite pentru studiul comportamentului de alegere a unei mrci 3. Exemplificare - Previziunea pe termen scurt a cotelor de piata pentru produse concurentiale
Modelare Economica - an.univ. 2012-2013 2
II.4. Analiza de regresie i de corelaie

Efectuarea de prognoze economice privind valorile variabilei endogene (Y) n funcie de diferitele valori exogene (X) presupune acceptarea ipotezei c legea de dependen dintre Y i X este corect specificat i identificat, avnd un caracter de relativ stabilitate i repetabilitate. Prin analiza regresiei se nelege o clas de metode prin care, folosind o ecuaie de regresie determinat pe baza unor date experimentale, pot fi estimate (previzionate) valorile unor variabile date, presupunnd cunoscute ori previzionate valorile altor variabile. Analiza corelaiei are ca obiectiv evaluarea gradului de interdependen (asociere) ntre variabilele considerate ntr-un model de regresie, n particular ntre variabila dependent i cele independente (obiectiv care se realizeaz prin estimarea coeficienilor de corelaie i a coeficientului de determinare).
Modelare Economica - an univ. 2012 - 2013 3
Metode cauzale - Regresia

Scopul analizei de regresie: de a arta cum este legat o variabil Y de una sau mai multe variabile Xi cu ajutorul unei ecuaii care d posibilitatea de a previziona variabilele dependente n funcie de valorile cunoscute ale variabilelor independente Xi. Prin analiza de corelaie se urmrete: msurarea gradului de interdependen ntre variabila dependent Y i variabilele independente Xi, interdependen explicat prin ecuaia de regresie utilizat.
MSS - MAPSS - 2012 - 2013
Corelatia - evaluarea gradului de asociere ntre variabilele independente, atunci cnd ecuaia de regresie conine cel puin dou variabile independente Xi.
2012 - 2013
Prin analiza
de corelaie se urmrete:
- msurarea gradului de interdependen ntre variabila dependent Y i variabilele independente Xi, interdependen explicat prin ecuaia de regresie utilizat;
- evaluarea gradului de asociere ntre variabilele independente, atunci cnd ecuaia de regresie conine cel puin dou variabile independente Xi. Aceasta arat n ce msur dou valori sunt legate ntre ele intensitatea legturii este exprimat cu ajutorul a doi indicatori: coeficientul de corelaie (R) msoar puterea relaiei de dependen liniar printr-o valoare numeric ntre 1 i 1 coeficientul de determinare (R2) - msoar reducerea relativ n variaia lui Y ce poate fi atribuit cunoaterii factorilor Xi i a relaiei Y = f(X). De exemplu, o
valoare R2=0.76 indic c aproximativ 76% din variaia total a variabilei Y poate fi explicat prin variabilele dependente X incluse n model (o valoare 0.8 este considerat acceptabil).
Modelare Economica - an univ. 2012 - 2013
Semnificaia statistic a parametrilor modelului

Distribuia t (Student) se folosete n testele ipotezelor pe eantioane mici i n care variana variabilei respective trebuie estimat n raport cu datele. Este o distribuie de probabilitate n form de clopot, n care valoarea medie este egal cu zero, dispersia variabilelor n jurul valorii medii fiind dependent de gradele de libertate[1] dictate de mrimea eantionului. Dac erorile sunt distribuite normal se ateapt ca aproximativ 68% dintre valorile lui y s fie situate ntr-un interval mai mic de (eroarea standard de previziune) uniti fa de valoarea medie, sau 95% la mai puin de 2 sau 99% la mai puin de 3. Fiecare din parametrii estimai este caracterizat de o eroare standard deoarece determinarea lor se face pe baza unui eantion de date; probabil un alt eantion ar duce la obinerea altor valori ale parametrilor modelului. Valoarea aproximativ a statisticii t de verificare a semnificaiei coeficienilor modelului se calculeaz cu relaia:
t coeficient estimat valoarea coeficientului prin ipoteza eroarea _ s tan dard _ estimata _ a _ coeficientului
Ca regul, se realizeaz excluderea din model a oricrui coeficient pentru care t<tcrit. Orice coeficient pentru care t<tcrit este diferit de zero la un nivel de semnificaie de aproximativ 5%. Includerea n model a unor coeficieni cu valori absolute ale statisticii testului t substanial mai mici dect 2,0 va spori numrul parametrilor modelului i va duce la reducerea preciziei prediciei.
[1] Gradele de libertate arat numrul de elemente informaionale care pot varia independent unul de altul. Se spune c un eantion de n observaii are n grade de libertate. Totui, calcularea mediei simple a eantionului implic pierderea unui grad de libertate deoarece variaiile independente n n-1 din observaiile din eantion vor necesita o schimbare compensatorie n cel de al - n -lea grad de libertate, pentru a se menine valoarea medie a eantionului. Tot astfel, calcularea valorilor pentru un numr de k parametri n cadrul unui exemplu econometric implic pierderea a k grade de libertate, rmnnd (n-k). Gradele de libertate intr adesea ca parametri n distribuii de probabilitate (distribuia t sau ) crora le poate afecta alura n mod fundamental. Modelare Economica - an univ. 7 2012 - 2013
Interpretarea riscului de acceptare / respingere a H0

Eroare de tip I este dat de respingerea ipotezei nule atunci cnd, de fapt, aceasta ar fi trebuit acceptat; se confirm/valideaz o ipotez care nu este adevrat impact: concluzii gresite care pot duce la identificarea unor soluii/decizii inadecvate
Eroarea de tip II este urmarea acceptrii ipotezei nule cnd, de fapt, aceasta trebuie respins: n fapt, se ignor/ se pierde un efect important in consecint, se pot trata dou alternative/ opiuni ca identice dei, n realitate, acestea sunt diferite.
A. Regresia liniar simpl

- exprimat prin ecuaia de regresie: Yi a b xi Pentru a aprecia semnificaia estimatorilor: pentru un set de date de volum n 30se aplic testul Student cu n-2 grade de libertate pentru n 30 se aplic testul z al distribuiei normale[1] formulnd ipotezele: H0: a=0 i b=0 Ha: i a b t t Dac i atunci ipoteza H0 se respinge i se apreciaz ca a b a i b sunt semnificativi din punct de vedere statistic.
[1]
Teorema de limit central stabilete c suma (i media) unei mulimi de variabile aleatoare urmeaz o distribuie normal, dac eantionul este suficient de mare, indiferent de forma distribuiei de la care provine variabila individual. Teorema este folosit adesea pentru a explica ipoteza de normalitate a termenului de eroare n studiul econometric, care permite folosirea testului statistic t pentru testarea ipotezelor, deoarece acest termen de eroare se presupune c nglobeaz suma unei mulimi aleatoare de factori necunoscui (omii).
Aplicatie - Metode cauzale: Regresia liniara simpla

Romania 2013 date istorice PIB (produsul intern brut)/capita sau GDP (Gross domestic product)/capita) pentru perioada 2000 2011 exprimat ca procent din PIB la nivelul EU 27
60 50 40 % 30 20 10 0 29 31 34 35 41
Evolutie PIB/capita Romania (%) fata de 100% EU27
47 38
47
47
49
26
28
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
10
Modelul de regresie liniara simpla

Variabila dependenta = functie (variabila independenta) Forma ecuatiei de regresie:
Yi
a b * xi
Date initiale: seturile x1, x2, . xn si Y1,Y2, Yn pentru n observatii (date istorice)
MSS - MAPSS - 2010 - 2011
11
Calculul coeficientilor de regresie

Ecuatia de regresie:
Functii in EXCEL:
Calculul coeficientului a
Yi
a b * xi
Metoda celor mai mici patrate presupune minimizarea erorilor in forma patratica (insumate) Se rezolva sistemul:
n n
=INTERCEPT
n a b
n i 1 n
xi
i 1 n
yi y i xi
i 1
a
i 1
xi
n
b
i 1
xi2
n
rezultand:
Calculul coeficientului b =LINEST Sau =SLOPE

yi
n b
i 1
xi y i
i 1 n
xi
i 1 n
n
i 1
2 i 1
Sau TOOLS/DATA ANALYSIS/REGRESSION

12
12
Tema de discutie: Romanii mai au de asteptat 66 de ani pana ii ajung din urma pe occidentali Romanii mai au de asteptat 66 de ani pana cand PIB-ul pe cap de locuitor raportat la puterea de cumparare va fi similar cu cel al statelor din vestul Europei. Estimarile au fost facute de Economist Intelligence Unit, care mai estimeaza o crestere cu 70 de procente a consumului pe cap de locuitor in urmatorii 5 ani. Chiar daca economia romaneasca a crescut in ritmuri spectaculoase in ultimii ani, romanii mai au mult si bine de asteptat pana cand vor beneficia de o putere de cumparare similara cu cea din vestul Europei. "Ne asteptam la o crestere a puterii de cumparare de 3,5 la suta pe an. Cea ce inseamna ca ii va lua Romaniei intre 60 si 70 de ani pentru a ajunge la media statelor din zona euro." a declarat Directorul Economist Intelligence Unit, Matthew Shinkman, noiembrie 2007. Chiar daca puterea de cumparare este inca scazuta, consumul pe cap de locuitor va creste cu 70% in urmatorii 5 ani, potrivit The Economist Intelligence Unit. Analistii britanici apreciaza ca marirea consumului va fi insotita de o crestere aproape la fel de mare a salariilor, in special pentru Modelare clasa de mijloc. Economica - an univ. 13
2012 - 2013
13
GDP per capita in PPS - Purchasing Power Standards

(PPS) (EU-27 = 100)
Gross domestic product (GDP) - is a measure for the economic activity. It is defined as the value of all goods and services produced less the value of any goods or services used in their creation. The volume index of GDP per capita in Purchasing Power Standards (PPS) is expressed in relation to the European Union (EU-27) average set to equal 100. If the index of a country is higher than 100, this country's level of GDP per head is higher than the EU average and vice versa. Basic figures are expressed in PPS, i.e. a common currency that eliminates the differences in price levels between countries allowing meaningful volume comparisons of GDP between countries. Data: GDP per capita in PPS - Index (EU-27=100) EUROSTAT ; Code: tec00114
Modelare Economica - an univ. 2012 - 2013 14 14
15 15
Reprezentare grafica RO GDP/capita

Evolutie PIB/capita
60
50 41 40 34 30 % 26 28 31 38 35
47
47
47
49
29
y = 2.2867x + 22.803 R = 0.9703
20
10
0 0 2 4 6 an 8 10 12 16 16 14
Prelucrare statistica: Functii INTERCEPT, SLOPE, LINEST
17 17
TOOLS / DATA ANALYSIS / REGRESSION
18 18
Rezultate obtinute prin Data Analysis/Regression
19 19
Rezultate obtinute prin Data Analysis/Regression valori recalculate
20 20
Determinarea duratei in timp pentru reducerea decalajelor (1)
21 21
Determinarea duratei in timp pentru reducerea decalajelor (2)
22 22
B. Metoda regresiei multiple

Variabila dependent Y este pus n dependen de variabilele Xk considerate factori explicativi pentru nivelul i al caracteristicii (ecuaia de regresie n form aditiv): Y a b x b x ... b x
i 1 i1 2 i2 n in
sau (n form multiplicativ):
Yi
a xi1 1 xi 2 2 ....xin
bn
Distincia ntre cele dou forme este fundamental pentru interpretarea economic a coeficienilor de regresie: n cazul liniar, un coeficient bk, k=1,,n reprezint modificarea lui Y ca urmare a variaiei cu o unitate a nivelului lui Xk (n ipoteza c toi ceilali factori rmn constani), n cazul neliniar, un coeficient bk reprezint coeficientul de elasticitate al variabilei explicate Y n funcie de variabila explicativ Xk (arat modificarea procentual a variabilei rezultative Y atunci cnd factorul Xk variaz cu un procent i toi ceilali factori sunt constani).
EXCEL/DATA ANALYSIS/REGRESSION/Perform a regression analysis

Linear regression produces the slope of a line that best fits a single set of data. Based on a year's worth of sales figures, for example, linear regression can tell you the projected sales for March of the following year by giving you the slope and y-intercept (that is, the point where the line crosses the y-axis) of the line that best fits the sales data. By following the line forward in time, you can estimate future sales, if you can safely assume that growth will remain linear. Exponential regression produces an exponential curve that best fits a set of data that you suspect does not change linearly with time. For example, a series of measurements of population growth will nearly always be better represented by an exponential curve than by a line. Multiple regression is the analysis of more than one set of data, which often produces a more realistic projection. You can perform both linear and exponential multiple regression analyses. For example, suppose you want to project the appropriate price for a house in your area based on square footage, number of bathrooms, lot size, and age. Using a multiple regression formula, you can estimate a price, based on a database of information gathered from existing houses.
Linear regression.The equation y = mx + b algebraically describes a straight line for a set of data with one independent variable where x is the independent variable, y is the dependent variable, m represents the slope of the line, and b represents the y-intercept. If a line represents a number of independent variables in a multiple regression analysis to an expected result, the equation of the regression line takes the form y=m1x1+m2x2+...+mnxn+b in which y is the dependent variable, x1 through xn are n independent variables, m1 through mn are the coefficients of each independent variable, and b is a constant.
Calculating exponential regression

Unlike linear regression, which plots values along a straight line, exponential regression describes a curve by calculating the array of values needed to plot it. The equation that describes an exponential regression curve is y = b * m1x1 * m2x2 * * mnxn If you have only one independent variable, the equation is x y=b*m
III. Modelarea fenomenelor de piata

n activitatea managerial studierea fenomenelor de pia ocup un loc important datorit implicaiilor pe care acestea le au asupra rezultatelor financiare ale organizaiilor. Prezena ofertei de mrfuri n cadrul pieei este rezultatul cercetrii i cunoaterii amnunite a cererii de consum att sub aspect static ct i dinamic. Principalii indicatori statici ai ofertei de mrfuri sunt: structura pe categorii a mrfurilor pe pia la un moment dat, cantitatea de mrfuri pe pia la un moment dat, durata de ateptare a diferitelor mrfuri pn la vnzare, etc. Din punct de vedere dinamic oferta de mrfuri se poate analiza prin evoluia cantitativ i calitativ n timp a produselor, diversificarea sortimental i nnoirea produselor oferite pe pia, etc.
26
Consumatorul urmrete scopul de baz maximizarea efectului util al consumului de bunuri, avnd la dispoziie anumite venituri. Cererea de bunuri este principalul impuls ce pune n micare sistemul economic.
Un model matematic al cererii trebuie s explice alegerea bunurilor de ctre fiecare consumator. Fiecare consumator i alege cea mai bun combinaie de bunuri din mulimea de bunuri accesibile lui (determinate pe baza preurilor bunurilor i al venitului de care dispune). Orice bun satisface o anumit necesitate; capacitatea bunului de a satisface aceast necesitate este numit utilitatea bunului. Alegerea de ctre consumator a unei combinaii din mulimea combinaiilor posibile de bunuri accesibile (admise) depinde de gusturile, deprinderile, obiceiurile lui.
Indicatorii ofertei de mrfuri. Ciclul de via al produsului

este un concept care ncearc s descrie vnzrile i profiturile produsului, consumatorii, competiia i aciunile specifice de marketing ntreprinse de la apariia acestuia i pn la nlturarea sa de pe pia, sau, mai precis, intervalul de timp cuprins ntre momentul lansrii unui produs pe o pia dat i cel al retragerii sale definitive de pe pia. Curba ce descrie ciclul de via al unui produs ia forme concrete, diferite, n funcie de natura produsului i caracteristicile pieei, de aciunile de marketing ntreprinse. Forme mai speciale ale curbei ciclului de via se ntlnesc n cazul produselor de lux, al celor de mod sau al celor supuse capriciilor consumatorilor.
28
Ciclu de viata al produsului

Volumul total al vnzrilor:
V
0
k t
dt
Momentul vnzrilor maxime se obine prin anularea derivatei de ordinul I:
t= /
Prin anularea derivatei de ordinul II se obine momentul de cretere /al descreterii volumului vnzrilor: t
Etapele ciclului de via al produsului
pot fi caracterizate prin volumul vnzrilor din cadrul fiecrei etape. Evoluia n timp a volumului vnzrilor unui produs - o funcie de tip Gamma: t
k t
unde: V= volumul vnzrilor; t = timpul; exp = funcia exponenial; k = constant; , = parametri determinai statistic pentru fiecare tip de produs.
Modelarea cererii
31
32
2. Modele de comportamentului concurentiale
tip Markov pe piata a unor
studiul produse
Modele markoviene - sunt folosite pentru previziuni privind cotele de pia pentru produse concurente pe un anumit orizont de timp, ct i pentru determinarea strii de echilibru ce urmeaz a se contura pe msura trecerii timpului. Se asociaz un set de variabile aleatoare {Xt, t=0,1,2, } formnd un proces stochastic cu n stri corespunznd celor n produse distincte studiate pe pia (fiecare produs are asociat o stare).
33
Modelarea cu lanurile Markov a evoluiei pe pia a unor produse concureniale: elemente si proprieti
Probabilitile iniiale mpreun cu matricea P definesc complet un lan Markov (denumit i proces Markov). Procesele Markov = acele procese n care starea sistemului la un moment dat poate fi descris numai cu ajutorul strii sistemului n momentul anterior si a probabilitilor de tranzitie a acestuia de la o stare la alta. Dac se cunosc starea prezent i probabilitile de tranziie se va putea descrie comportarea probabil n viitor a sistemului. Strile procesului Markov se clasific n: recurente i tranzitorii. Dac este sigur c procesul se va ntoarce la o anumit stare ntr-un stadiu viitor, acea stare este cunoscut drept stare recurent. Daca este posibil ca procesul s nu mai ajung n acea stare niciodat, starea se numete tranzitorie. Un caz special de stare recurent este starea absorbant o stare care nu se mai prsete dup ce a fost atins.
Condiii de aplicare a unui model markovian

ansamblul consumatorilor este omogen din punctul de vedere al alegerii mrcilor considerate probabilitile de tranziie s nu se modifice n timp; cantitile achiziionate ntr-o perioad s fie, cel puin, n medie, aceleai pentru toi consumatorii; numrul total al consumatorilor s fie stabil n timp. Prin aplicarea lanurilor Markov se obin informaii despre stadiul de via n care se afl produsul (lansare, cretere, maturitate sau declin), iar acestea pot fi folosite pentru a formula politica de marketing a firmei.
Gradul de satisfacie a consumatorilor

pentru un anumit produs sau pentru o marc se poate msura cu ajutorul a doi indicatori: gradul de fidelitate reprezint procentajul de cumprtori care, dup ce au cumprat marca A continu s cumpere aceeai marc; gradul de atracie reprezint procentajul de cumprtori care, dup ce ntr-o perioad precedent au achiziionat marca I a unei firme concurente, n prezent achiziioneaz marca J. probabilitate de tranziie pij - poate fi estimat pe baza unor anchete de opinie sau cu ajutorul datelor obinute de la un panel de consumatori care permit urmrirea segmentelor de cumprare n timp, cu un grad mai ridicat de precizie. Cunoaterea probabilitilor de tranziie permite analiza pieei n funcie de schimburile inter-piee i de dinamica concurenei. Acest tip de analiz este important mai ales n stadiul de lansare a unei mrci noi, deoarece permite att analiza comportamentului dup prima cumprare, ct i previziunea evoluiei acestui comportament.
Modelarea cu lanurile Markov a evoluiei pe pia a unor produse concureniale: elemente si proprieti-Ipoteze I1. Pe pia exist un numr finit n de produse care satisfac aceeai necesitate de consum. I2. Utilizatorul cumpr n fiecare perioad, un singur tip de produs. Acesta poate fi A1, A2, ..., Ai, Aj, ..., An. I3. Niciodat nu cumpr n aceeai perioad mai multe sortimente simultan. n terminologia proceselor Markov, produsul selectat ntr-o anumit perioad de un utilizator, reprezint starea procesului n acea perioad. n fiecare perioad, sistemul are n stri: Starea 1: cumprtorul alege A1..., Starea n: cumprtorul alege An. I4 . Nu se poate spune cu certitudine ce tip (marc) de produs va alege cumprtorul ntr-o anumit perioad. I5 . Rezultatul oricrei ncercri depinde de rezultatul ncercrii care o precede direct i numai de aceasta. Proces fr memorie Aceast proprietate se numete proprietate Markovian
38
39
40
Studiu de caz - exemplificare
41
Date numerice
- vectorul cotelor iniiale de pia este: S0=( 0.45 0.35 0.20). Determinarea probabilitilor iniiale s-a fcut, n mod firesc, construind rapoartele de tipul: pentru cota de pia a mrcii A la momentul 0:
4500 10000
0.45
Probabilitile de tranziie pentru marca A sunt:
p11
4500 675 675 4500
0.7
(cu interpretarea de coeficient de fidelitate pentru produsul A) 675 p12 0.15 p13 4500
[1] In matricea P, coloana nti descrie atractivitatea produsului A: 70% (n valori absolute: 3150 persoane) din clienii care cumpr acum produsul A, vor continua s-l cumpere i data urmtoare; un procent de 25%, adic 875 de persoane, dintre actualii clieni ai produsului B se vor reorienta ctre produsul A la momentul urmtor: de asemenea 30% (600 de persoane) dintre clienii produsului C vor cumpra n viitor (la urmtoarea cumprare) produsul A.
Evoluia cotelor de pia pentru 4 momente de timp

Timp Cota de piaa pentru produs A
0.4625
Cota de piaa pentru produs B

0.3175
Cota de piaa pentru produs C

0.2200
0.4691
0.3039
0.2270
0.4725
0.2981
0.2295
0.4741
0.2956
0.2303
Componentele din vectorul starea de echilibru (SE) reprezint modul de distribuie a cotelor de pia corespunztoare produselor concureniale analizate n ipoteza c matricea probabilitilor de tranziie nu se modifice termen lung (astfel nct ntre momente diferite de timp nu mai au loc redistribuiri ntre clienii/cumprtorii produselor). Cotele de pia pentru starea de echilibru sunt {47.55%; 29.37%, 23.08%} pentru produsele A, B i C n aceast ordine. Pentru produsul cu marca A, timpul de recuren este 2.1029 i reprezint numrul de procese de cumprare ce au loc ntre cumprri succesive ale produsului A. (e.g. o persoan ce cumpr produsul A n acest moment, este de ateptat s cumpere acelai produs peste dou luni calendaristice).
43
Avantaje / dezavantaje ale metodei Markov

Avantaje ale lanurilor Markov pentru analiza evoluiei pe pia a produselor concureniale: - studiul atitudinii utilizatorilor fa de produsele concureniale; - determinarea poziiei ntreprinderilor productoare n cadrul pieei i perspectivele acestora - obinerea de informaii pentru analiza efectelor unor aciuni promoionale, publicitare etc. ntre dezavantajele utilizrii lanurilor Markov la analiza evoluiei pe pia a produselor concureniale se numr ipoteza simplificatoare c starea urmtoare depinde numai de starea curent i nu depinde i de strile anterioare. Previziunea fenomenelor de pia impune luarea n considerare i a influenei unor factori conjuncturali, care conduc la modificarea permanent a matricei de tranziie de la o perioad la alta.

12 13 ME Curs 3 Regresie&amp;Cerere Markov

Încărcat de

Informații document

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

12 13 ME Curs 3 Regresie&amp;Cerere Markov

Încărcat de

Drepturi de autor:

Formate disponibile

semestrul II An universitar 2012 2013

Modelare Economica - an.univ. 2012-2013

MODELAREA FENOMENELOR DE PIA

II.4. Analiza de regresie i de corelaie

Metode cauzale - Regresia

MSS - MAPSS - 2012 - 2013

Modelare Economica - an univ. 2012 - 2013

Semnificaia statistic a parametrilor modelului

Interpretarea riscului de acceptare / respingere a H0

A. Regresia liniar simpl

Aplicatie - Metode cauzale: Regresia liniara simpla

Evolutie PIB/capita Romania (%) fata de 100% EU27

Modelare Economica - an univ. 2012 - 2013

Modelul de regresie liniara simpla

MSS - MAPSS - 2010 - 2011

Calculul coeficientilor de regresie

Calculul coeficientului b =LINEST Sau =SLOPE

Sau TOOLS/DATA ANALYSIS/REGRESSION

Modelare Economica - an univ. 2012 - 2013

GDP per capita in PPS - Purchasing Power Standards

Modelare Economica - an univ. 2012 - 2013

Reprezentare grafica RO GDP/capita

y = 2.2867x + 22.803 R = 0.9703

Modelare Economica - an univ. 2012 - 2013

Prelucrare statistica: Functii INTERCEPT, SLOPE, LINEST

Modelare Economica - an univ. 2012 - 2013

TOOLS / DATA ANALYSIS / REGRESSION

Modelare Economica - an univ. 2012 - 2013

Rezultate obtinute prin Data Analysis/Regression

Modelare Economica - an univ. 2012 - 2013

Rezultate obtinute prin Data Analysis/Regression valori recalculate

Modelare Economica - an univ. 2012 - 2013

Determinarea duratei in timp pentru reducerea decalajelor (1)

Modelare Economica - an univ. 2012 - 2013

Determinarea duratei in timp pentru reducerea decalajelor (2)

Modelare Economica - an univ. 2012 - 2013

B. Metoda regresiei multiple

sau (n form multiplicativ):

EXCEL/DATA ANALYSIS/REGRESSION/Perform a regression analysis

Calculating exponential regression

III. Modelarea fenomenelor de piata

Modelare Economica - an.univ. 2012-2013

Indicatorii ofertei de mrfuri. Ciclul de via al produsului

Modelare Economica - an.univ. 2012-2013

Ciclu de viata al produsului

Momentul vnzrilor maxime se obine prin anularea derivatei de ordinul I:

Etapele ciclului de via al produsului

Modelare Economica - an.univ. 2012-2013

Modelare Economica - an.univ. 2012-2013

2. Modele de comportamentului concurentiale

tip Markov pe piata a unor

Modelare Economica - an.univ. 2012-2013

Condiii de aplicare a unui model markovian

Gradul de satisfacie a consumatorilor

Modelare Economica - an.univ. 2012-2013

Modelare Economica - an.univ. 2012-2013

Modelare Economica - an.univ. 2012-2013

Studiu de caz - exemplificare

Modelare Economica - an.univ. 2012-2013

Probabilitile de tranziie pentru marca A sunt:

4500 675 675 4500

Evoluia cotelor de pia pentru 4 momente de timp

Cota de piaa pentru produs B

Cota de piaa pentru produs C

12 13 ME Curs 3 Regresie&Cerere Markov

12 13 ME Curs 3 Regresie&Cerere Markov