Optional Simulari de Marketing PDF

UNIVERSITATEA VASILE ALECSANDRI DIN BACU
FACULTATEA DE TIINE ECONOMICE

DEPARTAMENTUL PENTRU NVMNT LA DISTAN
SPECIALIZAREA MARKETING
SIMULRI DE MARKETING
- note de curs -
Laura Ctlina imira
2012
Refereni tiinifici:
Prof. univ. dr. Gheorghe EPURAN, Universitatea Vasile Alecsandri din Bacu;
Conf. univ. dr. Bogdan NICHIFOR, Universitatea Vasile Alecsandri din Bacu.
Descrierea CIP a Bibliotecii Naionale a Romniei

IMIRA, LAURA
Simulri de marketing : note de curs / imira Laura Ctlina. -
Bacu : Alma Mater, 2012
Bibliogr.
ISBN 978-606-527-223-1
519.876.5:339.138(075.8)
ISBN: 978-606-527-223-1
Simulri de marketing. Note de curs
INTRODUCERE
Lucrarea Simulri de marketing. Note de curs realizeaz o prezentare a unora

dintre noiunile de prim importan cu privire la simularea de marketing, elementele de
natur teoretic fiind combinate cu aspecte practice, prin inserarea diferitelor aplicaii.
n primele patru capitole ale lucrrii sunt prezentate o serie de aspecte referitoare
la coninutul i rolul simulrilor de marketing, tipologia precum i componentele i etapele
realizrii modelelor de simulare.
Capitolul V al lucrrii prezint unele modele de simulare frecvent utilizate n
practica cercetrilor de marketing, iar n capitolul VI sunt redate modaliti concrete de
realizare a simulrilor cu ajutorul programului EXCEL.
Lucrarea ofer informaii necesare studenilor de la specializarea Marketing n
procesul de pregtire ca viitori profesioniti n domeniu, dar poate constitui un material util
i pentru studenii de la alte specializri economice.
AUTORUL
Bacu, octombrie 2012
3
4
CUPRINS
1. Coninutul i rolul simulrilor de marketing................... 7
2. Clasificarea tehnicilor de simulare...................... 15
3. Componentele sistemelor de simulare de marketing...................... 19
4. Etapele simulrilor de marketing.................... 23
5. Modele de simulare ......................... 27

5.1. Generarea numerelor i variabilelor aleatoare................ 28
5.2. Metoda de simularea Monte Carlo.................. 30
5.3. Simularea evoluiei cotelor de pia pentru produse concureniale ... 39
5.4. Jocuri de simulare.................... 47
5.5. Simularea de tip Forrester.................... 56
6. Simulare cu ajutorul programului EXCEL......................... 61

6.1. Simulare folosind comanda Table din Excel.. 61
6.2. Simulri cu ajutorul funciilor ce descriu forma i intensitatea 66
legturilor dintre variabile ....
Anexe....................... 75
Bibliografie....................... 81
5
6
CAPITOLUL I
CONINUTUL I ROLUL SIMULRILOR DE MARKETING
Cuvinte cheie Obiectivele nvrii:

Simulare de marketing; Dup parcurgerea acestui capitol va trebui s
Model; cunoatei:
Model de simulare; - Ce reprezint simularea;
Variabile de intrare; - n ce situaii se folosete simularea pentru
Variabile de ieire. investigarea fenomenelor de marketing;
- Care este semnificaia modelului;
- Care sunt avantajele i dezavantajele
utilizrii simulrii n procesul de
investigarea a fenomenelor economice,
implicit de marketing;
- Caracteristicile ce stau la baza evalurii
tehnicilor de simulare.
Simularea constituie o modalitate de obinere a informaiilor utilizat n cercetrile

de marketing, care permite nelegerea evoluiei fenomenelor de marketing, previzionarea
acestora, identificarea i msurarea relaiilor de cauzalitate dintre variabilele investigate; a
modalitii de desfurare concret a acestor fenomene prin intermediul experimentelor de
marketing.
Din punct de vedere etimologic noiunea de simulare semnific capacitatea de a
reproduce, reprezenta, imita ceva.
Astfel, autorii Gelu Alexandrescu, Elena Doval1, precizeaz c prin simulare se
poate nelege:
o tehnic de construire a unei reprezentri a unui proces real, care trebuie studiat
din punctul de vedere al comportamentului su normal sau influenat de anumii
stimuli;
o analogie a unui fenomen real, bazat pe/sau reprezentat de o tehnic ce permite
studiul unor procese complexe reproduse pe modele de laborator sau n teren;
1
, Simularea metod de studiu a realitii, Buletinul Universitii de Aprare Carol I, nr 2 /2006
7
o reprezentare dinamic a unei pri a lumii reale, realizat prin construirea unui
model abstract ce poate fi micat n timp sau direct influenat de acesta;
o metod de cercetare bazat pe anticiparea rezultatelor unui ansamblu de ipoteze
care au la baz elemente tehnice i relaiile dintre acestea;
o tehnic ce poate realiza o cale de testare, evaluare i manipulare a unui proces
sau sistem fr a aciona direct asupra acestuia;
o tehnic numeric pentru conducerea experimentelor pe un calculator, care
implic anumite tipuri de modele matematice i logice care descriu comportarea
viitoare a unui sistem;
o tehnic de studiu a unor laturi ale comportamentului unui sistem, fr a aciona
direct asupra lui, utiliznd analogii fizice, chimice sau de calcul.
Dup ali specialiti, simularea, este o tehnic de realizare a experimentelor cu

calculatorul electronic, care implic utilizarea unor modele matematice i logice care
descriu comportarea unui sistem real de-a lungul unei perioade mari de timp2.
Deci, simularea presupune realizarea de experimente asupra unor modele care
reprezint fenomenele reale cercetate i care sunt studiate prin intermediul calculatorului;
rezultatele obinute constituindu-se n informaii utile managerilor n cadrul procesul
decizional.
n consecin tehnica simulrii presupune construirea unui model care s reprezint
fenomenul cercetat.
Modelul este o reprezentare izomorf a realitii care ofer o imagine intuitiv,
dar riguroas, n sensul structurii logice a fenomenului studiat, i permite descoperirea
unor legturi i legiti greu de stabilit pe alte ci.3
Simularea de marketing este, n consecin, n strnsa legtur cu modelarea
fenomenelor de marketing.
Modelarea proceselor economice n general, a fenomenelor de marketing n special
a rezultat din complexitatea problemelor cu care se confrunt managerii, din numrul mare
de variabile i dependenele stochastice dintre acestea, situaie n care studierea diferitele
fenomene cu ajutorul unor modele matematice pure este imposibil. n consecin, au
aprut modelele economico matematice, avnd la baz teoria economic, care sunt
2
Raiu Suciu, Camelia, Modelarea & simularea proceselor economice Teorie i practic, Ediia a patra,
Editura Economic, Bucureti, 2005, p. 38.
3
Idem, p. 26.
8
deosebit de elastice, i care reprezint legitatea i dinamica fenomenelor economice
(implicit de marketing).
Scopul unui model economico-matematic este acela de a determina valorile unor
variabile necontrolabile (de ieire) n funcie de valorile variabilelor de intrare
(controlabile) innd cont de interdependenele dintre acestea, respectiv dintre acestea i
mediul extern, n condiiile satisfacerii anumitor criterii de performan.
Modelul
Variabile de intrare Variabile de ieire
economico -
(controlabile) (necontrolabile)
matematic
n cazul n care interdependenele ce stau la baza determinrii valorilor variabilelor

de ieire n funcie de valorile variabilelor de intrare dat fiind complexitatea lor nu pot fi
descrise i rezolvate printr-un model analitic necesitnd utilizarea calculatorului electronic,
modelul economico-matematic devine model de simulare. Comparativ cu celelalte modele,
modelul de simulare simplific ntr-o mai mic msur realitatea.
Rezolvarea unor probleme de marketing prin intermediul unui model economico-
matematic se realizeaz pe cale deductiv. Simularea presupune, ns realizarea de
experimente asupra sistemului S care constituie o reprezentare a sistemului real S,
caracterul su fiind procedural. Astfel, nu se mai urmrete obinerea soluiei optime ca n
cazul utilizrii metodelor analitice, ci prin intermediul experimentelor, sunt verificate i
selectate diferitele variante de decizie avute n vedere. Se cunoate astfel modul n care un
sistem reacioneaz n anumite mprejurri, n funcie de aceasta obinndu-se mai multe
variante decizionale, ce stau la baza selectrii acelei variante ce corespunde cel mai bine
condiiilor concrete de desfurarea a fenomenului investigat. Aceasta poate fi adesea
diferit de varianta selectat printr-un model analitic (considerat mai precis, dar, aa cum
am precizat imposibil de aplicat pentru rezolvarea tuturor probleme economice, implicit de
marketing, datorit complexitii lor).
n consecina simularea este o metod descriptiv care ofer adesea soluii
suboptimale i nu soluia optim.
Datorit complexitii fenomenelor pe care le reprezint modelele de simulare sunt
construite adesea secvenial, deci nu este de la nceput un model exhaustiv. Pentru nceput
modelul de simulare constituie mai degrab un ansamblu de mai multe modele simple ce
reprezint legturile dintre diverse variabile ale sistemului real.
9
Simularea este adesea efectuat adesea pe eantioane de date reprezentative pentru
o colectivitate de date cercetat ceea ce implic utilizarea teoriei sondajului.
AVANTAJELE I DEZAVANTAJELE SIMULRII DE MARKETING
Avantaje
Utilizarea simulrii n cercetarea de marketing se datoreaz unor avantaje
incontestabile comparativ cu alte metode.
Principalul avantaj al utilizrii ca metod de obinere a datelor a simulrii rezult
din faptul c permite testarea diferitelor alternative de aciune pe un sistem nlocuitor i nu
pe cel real, respectiv fr a determina modificri n evoluia real a fenomenelor
investigate. Astfel este posibil a se testa eficiena unui numr mare de combinaii de aciuni
posibile ceea este imposibil de realizat n realitate4. Se pot, astfel, determina ntr-un timp
foarte scurt (cteva secunde, de exemplu) comportamente ale unor fenomene de marketing
n anumite condiii date.
Datorit utilizrii calculatorului electronic simularea asigur o reprezentare a
fenomenelor de marketing cu un grad sczut de simplificare i permite studierea diferitelor
relaii dintre variabilele sistemului, sau dintre acestea i variabilele externe. Altfel spus d
posibilitatea manevrrii unui numr mare de variabile, caracterizndu-se printr-un grad
ridicat de fezabilitate.
Simularea permite cunoaterea pe termen lung a rezultatelor diferitelor aciuni
datorit posibilitii de compresie a timpului.
Se poate utiliza pentru studierea unor fenomene extrem de diverse legate de mediul
de marketing intern i extern, permind adoptarea unor decizii imediate sau pentru
perioade lungi de timp. Astfel, prin intermediul simulrii de marketing este stabilit
alternativa decizional ce se va adopta ntr-o situaie dat, momentul adoptrii (eventual
succesiunea deciziilor i momentele n care aceste vor fi puse n aplicare), precum i
deciziile de rezerv.
Pentru realizarea simulrilor de marketing exist produse software relativ uor de
utilizat.
4
n cadrul experimentelor de marketing se testeaz diferite alternative de aciune, adesea n cadrul lumii
reale, n schimb numrul acestora este relativ redus.
10
Dezavantaje
O serie de dezavantaje ale simulrii rezult din dificultatea i uneori imposibilitatea
realizrii modelelor de simulare care s reproduc cu fidelitate procesele i fenomenele
reale. Conceperea modelelor de simulare presupune adesea eforturi financiare
considerabile, timp ndelungat pentru realizarea lor, experien ndelungat i nu n ultimul
rnd tehnic de calcul avansat.
De asemenea, rezultatele aplicrii tehnicii de simulare sunt direct dependente de
msura n care modelul de simulare reprezint modelul real; o singur asociere greit ntre
dou variabile (de exemplu), putnd duce la decizii total eronate.
Identificarea soluiei optime sau foarte bune nu se poate realiza dect dup
adoptarea deciziei, respectiv dup ce rezultatele respectivei decizii s-au produs (fa de
cazul modelelor analitice care permit identificarea de la nceput a soluiei optime).
Soluiile obinute din realizarea unei simulri anterioare nu pot fi utilizate i pentru
o alt problem decizional, modelul de simulare S reprezentnd un singur model real S.
Datorit uurinei n utilizarea programelor pentru simularea anumitor fenomene de
marketing se renun adesea la utilizarea modelrii economico matematice, rolul acesteia
din urm fiind incontestabil n anumite situaii date.
UTILIZRI ALE SIMULRII DE MARKETING
cunoaterea i nelegerea interdependenelor dintre variabilele de marketing,

estimarea valorilor anumitor variabile precum i a formei funcionale a
legturilor dintre variabilele modelului;
evaluarea i previzionarea consecinelor diferitelor aciuni (adoptarea anumitor
strategii, tactici de marketing), fr ns ca, pe parcursul experimentrii s
intervin schimbri n evoluia sistemului real;
verificarea i / sau demonstrarea ntr-un timp scurt a avantajelor i riscurilor
anumitor aciuni care n condiiile reale s-ar produce dup perioade lungi de
timp;
determinarea acelor alternative decizionale care duc la soluii optime sau
suboptime (ce pot duce aproximativ la cea mai bun rezolvare a problemei
decizionale);
11
studierea fenomenelor de marketing recursive (anumite schimbri ale
fenomenului cercetat au repercusiuni asupra altor fenomene). De exemplu:
schimbri la nivelul unei anumite verigi din lanul de distribuie poate declana
modificri n amontele traseului ducnd la amplificarea consecinelor aciunii
ntreprinse;
studierea efectelor decalate n timp ale anumitor aciuni ntreprinse, ce nu pot fi
exprimate prin intermediul modelelor analitice;
studierea proceselor de tranziie (de exemplu studierea evoluiei n timp a
percepiilor consumatorilor fa de anumii stimuli);
realizarea de teste de senzitivitate, respectiv studierea modului n care
fenomenele de marketing sunt influenate de variaia anumitor variabile
externe;
mai buna structurare a problemei cu care se confrunt decidentul i
fundamentarea cilor de rezolvare a acesteia.
EVALUAREA TEHNICILOR DE SIMULARE
Tehnicile utilizate n simulrile de marketing, pot fi evaluate dup ase

caracteristici de baz5:
funcionalitatea (gradul de complexitate i capacitatea de a produce rezultate
plauzibile pe baza unor date de intrare care nregistreaz valori situate i n
afara anumitor limite);
costurile legate de dezvoltarea modelului i adaptarea la specificul problemelor
investigate;
tehnicile de rulare, respectiv costurile de rulare, timpul necesar pentru obinerea
rezultatelor, uurina comunicrii att la intrarea ct i la ieirea datelor;
contextul utilizrii (domeniile investigate i frecvena cu care se apeleaz la
simulare pentru a gsi rspunsurile dorite);
gradul de validitate i valoarea rezultatelor obinute prin folosirea simulrii.
5
Ctoiu, Iacob (coordonator), Cercetri de marketing, Editura Uranus Bucureti, 2002, p 421.
12
Discuii finale:
- Definii simularea i rolul su in investigarea fenomenelor de marketing;
- Identificai similitudinile i diferenele dintre simulare i modelarea economico-
matematic;
- Identificai avantajele i dezavantajele utilizrii simulrii n procesul de investigare a
fenomenelor economice, implicit de marketing;
Tem propus:
Realizai un referat cu tema Importana simulrii n investigarea fenomenelor de
marketing.
13
14
CAPITOLUL II
CLASIFICAREA TEHNICILOR DE SIMULARE

Simulare analogic; Dup parcurgerea acestui capitol va trebui
Simulare numeric; s cunoatei care sunt principalele
Simulare hibrid; tipuri de metode de simulare (avnd n
Simulare determinist; vedere principalele criterii de
Simulare ntmpltoare; clasificare) i principalele lor
Simulare simulare determinist cu caracteristici.
perturbaii ntmpltoare;
Simulare n timp real;
Simulare pseudotimp;
Antesimulare;
Postsimulare;
Simulare convenional;
Simulare interactiv vizual;
Simulare virtual;
Simulare fundamentate matematic;
Simulare interactiv euristic.
Exist mai multe criterii de clasificare a tehnicilor de simulare. Astfel:

n funcie de tipul modelului utilizat pentru realizarea simulrii exist:
metode de simulare analogic se bazeaz pe analogii cu alte sisteme
(fizice, biologice etc.);
metode de simulare numeric, ce presupune utilizarea modelelor
matematice pentru reprezentarea fenomenelor investigate. Aceasta este
categoria de metode cea mai frecvent folosit n cercetrile de
marketing. Dintre metodele de simulare numeric amintim: tehnica
Monte Carlo, simularea de tip joc i tip Forrester;
metode de simulare hibrid, care reprezint o mbinare ntre simularea
analogic i cea numeric.
15
n funcie de natura algoritmilor utilizai tehnicile de simulare sunt:
metode de simulare determinist (dirijat) variabilele (n cadrul
aceluiai ciclu de simulare) sau parametrii (de la un ciclu de simulare la
altul) capt n cadrul fiecrui ciclu de simularea valori deterministe
(valori date sau rezultate dintr-un anumit procedeu de calcul);
metode de simulare ntmpltoare cel puin una dintre variabilele
sau parametrii modelului capt valori ntmpltoare sau
pseudontmpltoare;
metode de simulare determinist cu perturbaii ntmpltoare
variabilele sunt att deterministe ct si ntmpltoare, acestea din urm
nefiind n msur s schimbe evoluia general a funcionrii sistemului.
Prezena acestor variabile confer ns un plus de realism modelului de
simulare.
n funcie de timpul necesar realizrii simulrii exist:

simulare n timp real timpul de simularea este identic cu timpul n
care fenomenele se produc n realitate. Astfel de simulri nu sunt
utilizate n cercetrile de marketing (n cercetarea fenomenelor
economice, n general);
simulare n pseudotimp timpul de simularea este (n cazul aplicaiilor
economice i implicit de marketing) mult mai redus dect timpul n care
fenomenele s-ar produce n realitate.
n funcie de momentul efecturii simulrii exist:

antesimulare simularea are loc anterior producerii n realitate a
fenomenului investigat. Astfel de modele se utilizeaz pentru
proiectarea sistemelor economice i realizarea de prognoze;
postsimulare simularea are loc dup producerea n realitate a
fenomenului investigat. Utilizarea acesteia are rolul de a perfeciona
anumite sisteme, precum i de a duce la dobndirea de experiene n
conducerea fenomenelor i proceselor reale.
n funcie de interaciunea om-calculator tehnicile de simulare se mpart n:
16
tehnici de simulare convenional rezultatele diferitelor experimente
sunt raportate statistic la sfrit, utilizatorii modelelor neavnd
posibilitatea de a interveni n procesul de simulare pentru a proceda la
diverse modificri pe parcursul desfurrii experimentelor i a evalua
impactul acestor intervenii asupra rezultatelor. Aceste tehnici presupun
calculul intervalului de ncredere al modelului;
tehnici de simulare interactiv vizual fiind dintre cele mai noi
tehnici de simulare, tehnicile de simulare interactiv vizual permit
intervenia utilizatorului n procesul de simulare i evidenierea
rezultatelor diverselor sale aciuni pe parcursul desfurrii
experimentelor. Aceste modele asigur redarea vizual static
(imaginile sunt afiate pe rnd) sau dinamic (evoluia sistemului este
prezentat n timp prin imagini animate) a rezultatelor diferitelor
intervenii ale utilizatorului. Avantajele acestor tehnici sunt
incontestabile n condiiile n care stimulii vizuali sunt adesea mult mai
bine percepui, iar utilizatorii prin interaciune cu modelul pot testa, pe
parcursul desfurrii experimentelor, diferite alternative de aciune
ceea ce duce creterea ncrederii n rezultatele obinute i ameliorarea
efectelor nvrii.
tehnici de simulare virtual presupun crearea unui mediu artificial
(virtual), la care, prin echipamente adecvate (aparate audio, cti,
senzori etc.) utilizatorul este conectat. Sunt evaluate deopotriv aciunile
sistemului ct i ale utilizatorului.
n funcie de precizia rezultatelor distingem:

tehnici de simulare fundamentate matematic presupun utilizarea
metodelor statistico-matematice, a teoriei probabilitilor, ceea ce
permite asigurarea unui anumit grad de precizie i realizarea de estimri
ale erorilor asociate modelului;
tehnici de simulare interactiv euristic nu vizeaz ndeplinirea
condiiilor legate de precizia rezultatelor, urmrindu-se ndeosebi
creterea operativitii.
17
Discuii finale:
Identificai i descriei caracteristicile diferitelor tehnici de simulare pornind de la
urmtoarele criterii de clasificare:
- tipul modelului utilizat;
- natura algoritmilor utilizai;
- timpul necesar realizrii simulrii;
- momentul efecturii simulrii;
- interaciunea om-calculator;
- precizia rezultatelor.
18
CAPITOLUL III
COMPONENTELE SISTEMELOR DE SIMULARE DE MARKETING

Sistem; Dup parcurgerea acestui capitol va
Element (component); trebui s cunoatei:
Stare; - Care sunt principalele concepte cu
Conexiune (legtur); care opereaz simulare;
Traiectorie; - Care sunt elementele unui sistem de
Optimizare; simulare.
Model;
Modelare;
Model de simulare;
Simulator;
Eveniment;
Proces;
Activitate;
Juctorii (operatorii);
Date de intrare;
Variabile de intrare;
Parametri de intrare;
Date de ieire;
Variabile perturbatoare;
Variabile intermediare.
CONCEPTE SPECIFICE SIMULRII
Exist o serie de concepte specifice simulrii:

sistem o mulime de elemente n interaciune. Un sistem cuprinde:
operatori umani, echipamente tehnologice;
element (component) o unitate identificabil ce poate fi complet
definit, aflat n conexiune cu una sau mai multe uniti ale sistemului. n
orice moment de timp componenta se caracterizeaz printr-o stare;
19
stare (a unei componente) reunire de atribute ce caracterizeaz
componenta. Strile componentelor principale descriu starea sistemului
propriu-zis. De fapt, obiectivul principal al simulrii este n nelegerea
evoluiei strilor sistemului, a modului n care acestea se modific, controlul
i predicia lor, n condiiile mbuntirii performanelor acestuia;
conexiune (legtur) interaciunea dintre dou sau mai multe
componente, sau dintre acestea i mediul extern;
traiectorie secvena de stri specifice sistemului ntr-un interval de timp
considerat;
optimizare idealul simulrii este de a determina acele performane
maxime (optime) posibile;
model vezi pag. 8;
modelare modalitate de cercetare a unor fenomene utiliznd ca
instrument modelul;
model de simulare - vezi pag. 9;
simulator sistem echivalent (analog) care se comport similar sistemului
real pe care l reprezint. Construcia sistemului echivalent / analog
(simulatorul) presupune fie pstrarea din sistemul real a ceea ce este
esenial (se vor elimina acele legturi cu anse reduse de a se produce, acele
componente a cror probabilitate de apariie este sczut etc.), fie reunirea
unor componente diferite de sistemul real, dar care n interaciunea dintre
ele se comport similar cu sistemul simulat;
eveniment schimbarea strii unei componente a sistemului;
proces secven de evenimente ordonate n timp;
activitate un ansamblu de operaii ce modific starea unei componente;
ELEMENTE ALE SISTEMULUI DE SIMULARE
Un sistem tipic de simulare, utilizat n cercetrile de marketing, este format din

urmtoarele elemente:
modelul;
juctorii (operatorii);
datele de intrare, care sunt reprezentate de
20
variabile de intrare, care pot fi ntmpltoare sau deterministe
nregistreaz valori discrete care se schimb n permanen n cadrul
ciclului de simulare;
parametri de intrare nregistreaz valori constante de-a lungul
ciclului de simulare
datele de ieire sunt variabile care depind de valorile variabilelor i
parametrilor de intrare; dependena dintre acestea fiind ilustrate prin
algoritmul ce st la baza modelului de simulare.
n afara datelor de intrare i de ieire un sistem de simulare mai cuprinde:

variabile perturbatoare constituie variabile necontrolabile ce genereaz
schimbarea strii unei / unor componente ale sistemului (evenimente).
Apariia acestor evenimente poate fi previzibil sau aleatoare.
variabile intermediare valori ce atest starea unei componente a
sistemului la un anumit moment dat.
Discuii finale:
- Definii principalele concepte specifice simulrii;
- Identificai elementele unui model de simulare.
21
22
CAPITOLUL IV
ETAPELE SIMULRILOR DE MARKETING

Problem de marketing; Dup parcurgerea acestui capitol va
Estimare a parametrilor i trebui s cunoatei care sunt
variabilelor modelului de simulare; etapele ce se parcurg n procesul de
Performan a modelului de realizare a experimentelor de
simulare; simulare i ce activiti se desfoar
Validare a sistemului de simulare; n cadrul fiecrei etape.
Program de simulare.
Demersul ntreprins pentru realizarea sistemului S care s reprezinte ct mai fidel

sistemul real S implic desfurarea unor activiti ntr-o anumit succesiune. Astfel,
realizarea experimentului de simulare presupune parcurgerea urmtoarelor etape:
formularea problemei, a scopului i obiectivelor urmrite presupune

identificarea problemei de marketing cu care se confrunt cercettorul a
gradului su de complexitate (n funcie de acest aspect justificndu-se sau
nu utilizarea ca metod de investigare a simulrii). n aceast etap
sistemul cercetat este analizat pentru a cunoate trsturile caracteristicile,
componentele sale i relaiile dintre acestea. Se realizeaz o delimitare
temporal, spaial i funcional a sistemului de mediul extern. Se
definesc, de asemenea, criteriile de performan ce trebuie atinse. n
anumite situaii exist posibilitatea optrii pentru simularea doar a unor
componente ale sistemului cercetat i nu n ntregul su. Pe baza analizrii
sistemului cercetat are loc definirea variabilelor i parametrilor modelului
precum i alternativele de aciune ce urmeaz a fi experimentate;
culegerea i prelucrarea preliminar a datelor reale acestea vor sta la

baza sugerrii ipotezelor pentru formularea modelelor matematice. De
23
asemenea, se pot aduce o serie de mbuntiri unor modele deja existente
i se poate verifica valabilitatea acestora;
construirea modelului presupune precizarea ipotezelor, a variabilelor i

parametrilor modelului (de intrare, de ieire, perturbatoare, intermediare), a
relaiilor dintre acestea, definirea relaiilor funcionale i algoritmului ce st
la baza obinerii valorilor datelor de ieire n baza valorilor datelor de
intrare;
estimarea mrimii parametrilor sau variabilelor de intrare utiliznd

fie procedeele de statistic matematic (estimarea valorilor datelor de
intrare pe baza valorilor datelor reale culese), fie prin generarea de numere
i variabile aleatoare;
evaluarea performanelor modelului modelul construit este testat cu

ajutorul valorilor unor date de intrare pentru care sunt cunoscute
rezultatele. n acest sens sunt utilizate teste de concordan: Kolmogorov,
Smirnov, Pearson sau 2. n urma testrii se procedeaz fie la reluarea
formulrii modelului de simulare (dac se constat existena anumitor
deficiene) fie validarea acestuia;
construirea algoritmului de simulare;
scrierea programelor de simulare presupune utilizarea fie a unor

limbaje generale de programare (EXCEL) sau specializate (GPSS,
SIMSCRIPT, SIMULA etc.) acestea din urm oferind o serie de faciliti;
validarea sistemului de simulare prin testarea programului de simulare

pentru o anumit situaie pentru care se cunosc rezultatele sau prin
compararea valorilor de ieire cu valorile obinute prin observarea unor
situaii similare;
24
realizarea propriu-zis a simulrii presupune rularea pe calculator a
programelor de simulare prin considerarea succesiv a ct mai multor
valori ale datelor de intrare. Se urmrete, astfel, acoperirea a ct mai
multor situaii reale; n funcie de valorile obinute ale variabilelor de ieire
se formuleaz decizii (se selecteaz anumite valori ale datelor de intrare) n
msur s genereze mbuntirea performanelor sistemului simulat.
analiza i interpretarea datelor presupune prelucrarea datelor simulate,

testarea semnificaiei lor statistice, compararea i evaluarea alternativelor
decizionale, realizarea de tabele, grafice etc. i interpretarea rezultatelor.
n procesul de simulare parcurgerea acestor etape nu trebuie privit cu rigiditate,

acestea neconstituind ntotdeauna pai distinci i, de asemenea, nu n toate cazurile
succesiunea este cea prezentat.
Dup selectarea celei ai bune alternative decizionale se va proceda la realizarea
unui raport ce va cuprinde: scopul, obiectivele i ipotezele, datele de intrare, aspectele
referitoare la validarea modelului i modul de proiectare a experimentelor, rezultatele,
concluziile i recomandrile.
Exploatarea rezultatelor simulrii va permite utilizatorilor perfecionarea sistemelor
de simulare.
Discuii finale:
- Indicai i descriei etapele ce se parcurg pentru realizarea experimentelor de
simulare de marketing.
25
26
CAPITOLUL V
MODELE DE SIMULARE

Generare de numere aleatoare; Dup parcurgerea acestui capitol va
Generator de numere aleatoare; trebui s cunoatei i s nelegei:
Numr aleatoriu; - Care este utilitatea i cum sunt
Simulare monte carlo; generate numerele aleatoare;
Lanuri Markov; - Care sunt cerinele satisfcute de un
Joc de ntreprindere; numr pseudoaleator (aleator);
Joc pentru ntreaga ntreprindere; - Principalele metode de generare de
Joc funcional; numere aleatoare;
Joc complex; - Caracteristicile, utilitatea i modul de
Joc pentru alte zone de specialitate; utilizare a metodei Monte Carlo n
Joc concurenial; investigarea fenomenelor economice;
Joc interdependent; - Previzionarea cotelor de pia ale
Joc independent; unor produse concurente utiliznd
Joc cooperativ; metoda Lanurilor Markov i simularea
Joc contra naturii; Monte Carlo;
Pachete de autonvare; - Caracteristicile i utilitatea jocurilor
Joc pe calculator; de ntreprindere;
Joc manual; - Clasificarea i caracteristicile
Joc de instruire; principalelor tipuri de jocuri de
Joc pentru fundamentarea deciziilor ntreprindere;
operative; - Cunoaterea etapelor specifice
Tehnici de dinamic industrial; desfurrii jocurilor de ntreprindere;
Model dinamic; - Cunoaterea utilitii i a principalelor
Variabile de nivel; caracteristici ale jocurilor de dinamic
Variabile de ritm; industrial.
Variabile auxiliare.
27
5.1. Generarea numerelor i variabilelor aleatoare
n simularea proceselor economice, inclusiv de marketing, atunci cnd valorile unor

parametri / variabile de intrare nu se cunosc se impune generarea de numere aleatore
(alese la ntmplare), aceasta realizndu-se cu ajutorul calculatorului electronic6. n
programele de simulare generarea numerelor aleatoare ocup o pondere relativ mare n
timpul total de rulare al calculatorului. Acest fapt este justificat prin numrul mare al
evenimentelor perturbatoare care afecteaz procesele economice, cel mai adesea acestea
avnd caracter aleator. n consecin algoritmii utilizai n procesul de simulare a
fenomenelor economice trebuie s fie astfel construii nct s fie n concordan cu teoria
economic.
Se consider numr aleator orice numr care este obinut astfel nct valoarea sa
nu poate fi prevzut anticipat.
Generarea, cu ajutorul calculatorului a numerelor aleatoare, avnd la baz reguli
prestabilite (algoritmi de generare) afecteaz ntr-o anumit msur caracterul aleator al
acestui proces. Astfel, numerele obinute sunt considerate pseudoaleatoare.
Numerele pseudoaleatoare satisfac urmtoarele cerine:

sunt repartizate uniform n intervalul standard [0,1]. Funcia de repartiie uniform
se definete astfel:
0, daca x 0

F ( x) x, daca x (0,1)
1, daca x 1

n cazul n care, utiliznd un procedeu de generare de numere aleatoare s-a
obinut un ir de numere repartizate uniform n intervalul (0, A), A fiind un
numr ntreg, iar n un anumit numr din cadrul irului generat, se face
transformarea x = n /A, obinndu-se un ir de valori uniform repartizate n
intervalul (0, 1);
6
Exist i modaliti de generare de numere aleatoare ce nu presupun utilizarea calculatorului electronic
(utilizarea de zaruri, rulete, urne cu bile etc.). Datorit vitezei reduse, astfel de metode nu sunt folosite n
simularea proceselor economice.
28
sunt statistic independente (nu sunt autocorelate) - exist o serie de teste statistice
ce studiaz independena dintre variabile (ex: testul 2 , testul Student, testul
Kolmogorov etc.) ce pot fi utilizate pentu verificarea acestei condiii;
sunt reproductibile, respectiv, utiliznd acelai algoritm cu aceleai valori iniiale se
obine acelai ir de numere;
funcia de repartiie este stabil, respectiv nu se produc schimbri ale repartiiei n
cursul rulrii programului de simulare;
irul enumerat are o perioad de repetiie mare (teoretic irurile de numere aleatore
nu trebuie s conin repetiii, ceea ce, prin utilizarea generatoarelor nu este
posibil). Avnd n vedere aceste aspecte perioada de repetiie trebuie s fie n
consecin ct mai mare.
Metodele utilizate pentru generarea de numere aleatoare (care, de fapt, genereaz

numere pseudoaleatoare), asigur o apropiere semnificativ a irurilor generate de irurile
aleatoare. De aceea se utilizeaz noiunea de aleatoare i pentru categoria irurilor
pseudoaleatoare.
METODE DE GENERARE A NUMERELOR ALEATOARE
Principalele clase de metode de generare a numerelor aleatoare sunt:

metode manuale presupun utilizarea de zaruri, rulete, urne cu bile etc. Se
caracterizeaz prin viteza redus motiv pentru care, n cele mai multe situaii, nu
sunt folosite;
metode fizice au la baz analogii cu diferite procese fizice (procese radioactive,
electronice etc.). Prezint dezavantajul c nu asigur reproductibilitatea datelor;
metode de memorizare presupun utilizarea unor tabele cu numere aleatoare.
Prezint dezavantajul unui consum de memorie a calculatorului ridicat;
metode care constau n consultarea specialitilor prezint dezavantajul
subiectivismului precum i vitez lent;
metode analitice presupun utilizarea anumitor algoritmi de calcul. Se impune ca
aceti algoritmi s asigure un consum minim de timp i memorie pe parcursul
rulrii pe calculator. Aceste metode sunt cele mai utilizate n procesul de simulare a
fenomenelor de marketing (fenomenelor economice, n general).
29
5.2. Metoda de simulare Monte Carlo
Atunci cnd sunt investigate prin simulare fenomene stochastice, pentru a imita sau
reproduce comportamentul sistemului simulat se impune generarea de numere aleatoare.
Procesul prin care sunt generate numere sau variabile n mod aleator poart numele
de metoda Monte Carlo.
Dup cum am precizat n subcapitolul anterior pentru generarea numerelor aleatore
- numere aleatoare uniform distribuite n intervalul [0, 1] - se impune utilizarea
generatorilor de numere aleatoare. Astfel de generatori, verificai i testai, sunt coninui
de toate limbajele de programare generale i limbajele speciale de simulare.
Metoda Monte Carlo reprezint o metod de simulare prin care se urmrete
studierea realitii prin procese probabilistice. De fapt, denumirea metodei provine dup
cazinourile de la Monte Carlo ale cror rulete pot fi considerate generatoare de numere
aleatoare.
La momentul actual, metoda de simulare Monte Carlo se aplic din ce n ce mai
mult pentru studierea fenomenelor economice (implicit a fenomenelor de marketing),
pentru studierea problemelor stochastice sau n condiii de risc, respectiv n situaia n care
aceleai direcii de aciune pot genera mai multe rezultate, ale cror probabiliti se pot
estima.
Avnd la baz teoria probabilitii, cu ajutorul metodei Monte Carlo sunt realizate
evaluri, ierarhizri care permit adoptarea deciziei n legtur cu diferite probleme de
marketing. Altfel spus, metoda Monte Carlo asociaz problemei investigate un model
aleatoriu, iar prin generarea unor variabile aleatorii care sunt legate funcional de soluie se
realizeaz experimente asupra modelului obinndu-se informaii n legtur cu problema
investigat.
Pentru asigurarea succesului n utilizarea metodei se impune ca variabilele generate
aleator s fie estimate astfel nct s se nregistreze o abatere n probabilitate ct mai mic
comparativ cu a variabilelor considerate reale.
Precizia metodei crete pe msur ce crete numrul ncercrilor, dar este
dependent i de variaia acestora. n fapt, metoda Monte Carlo este un mod de simulare
bazat pe sondaj.
30
PRECIZIA I PROPRIETILE METODEI MONTE CARLO
n procesul de utilizarea a simulrilor Monte-Carlo pentru investigarea fenomenelor

se vor avea n vedere urmtoarele aspecte:
Considernd n experimente n urma crora a rezultat o frecven relativ de apariie
a unei anumite valori este f*, frecvena relativ real f* (probabilitatea de producere
a evenimentului) se estimeaz cu ajutorul intervalului:
f * ' f * f * ' ,
unde:
f * ' (1 f * ' )
t , n 1 - eroarea ataat probabilitii de producere a
n
evenimentului;
t; n-1 - coeficientul ce corespunde probabilitii de garantare a rezultatelor, citit din
tabelul repartiiei Student (anexa 1), pentru n 1 grade de libertate i un nivel de
semnificaie ( = 1 P), determinat n funcie de probabilitatea P cu care se
dorete a se garanta rezultatele.
Exemplu
Considerm 20 experimente (n = 20), n urma crora s-a obinut o frecven f* =
0,6, i un nivel de semnificaie de = 0,05, rezult o frecven real de apariie a
evenimentului cuprins n intervalul:
0,6(1 0,6) 0,6(1 0,6)

0,6 2,093 f * 0,6 2,093 0,37 f * 0,83 ;
20 20
t0,05; 20-1 , citit din tabelul repartiiei Student = 2,093.
Deci probabilitatea de apariie a fenomenului real este cuprins ntre (0,37, 0,83),
respectiv (37%, 83%). n acest caz eroarea ataat probabilitii de producere a
evenimentului este 0,23 sau 23%.
31
n cazul n care se dorete ca eroarea asociat probabilitii (p) de apariie a
evenimentului considerat s nu depeasc un anumit nivel , atunci se impune ca
numrul de repetiii ale experimentului s fie:
Exemplu
Dac pentru probabilitatea de apariie a evenimentului p = 0,6 se dorete asigurarea
unei erori care s nu depeasc nivelul 3%, n condiiile unui nivel de semnificaie de
0,05 atunci n va fi:
2,0932 0,6(1 0,6)
n 1169 .
0,032
Valoarea p poate fi considerat pentru nceput ca fiind egal cu probabilitate de
apariiei a evenimentului obinut n baza primelor ncercri realizate, ulterior urmnd a fi
ajustat pe msur ce numrul de experimente realizate crete.
Estimarea mediei reale ( x0 ) pe baza mediei determinate a unei variabile ( x ) dup
n experimente de simulare se realizeaz cu ajutorul intervalului:
x - < x 0 < x + , 65ip
unde:
x - constituie media aritmetic a valorilor nregistrate a variabilei simulate (xi) dup
n
x i
n experimente: x i 1
;
n
S
t , n 1 - eroarea ataat mediei reale;
n
x
2
i x
S - estimator al abaterii medii ptratice a valorilor xi.
n 1
Exemplu
Dac n cazul a n = 20 experimente s-a obinut o medie x =105, pentru care S = 15,
rezult media variabilei reale se va ncadra n intervalul:
32
105 7,02 < x0 < 105 + 7,02 97,98 < x0 < 112,02, unde:
n condiiile unui nivel de semnificaie de 0,05,

15
2,093 7,02
20
n cazul n care se impune de la nceput o anumit eroare maxim admis , se va

proceda la determinarea numrului de experimente ce pot asigura o astfel de eroare;
creterea numrului de experimente ducnd implicit la creterea gradului de
precizie. Pornind de la formula pentru determinarea erorii maxime admise, obinem
urmtoarea formul de calcul a lui n:
S2
n t2 , n 1 .
2
Exemplu
Considerm c dup n = 20 experimente a rezultat o valoare medie x = 105, pentru
care S = 15 i o valoare = 6,7, n condiiile unui nivel de semnificaie de = 0,05. Se
dorete determinarea numrului de experimente necesar a se realiza pentru a obine o
precizie a rezultatelor = 2.
15 2
n 2,093 2 247 .
22
De fapt, creterea preciziei de m ori, impune o cretere a numrului de experimente

de simulare de m2 ori.
n cazul n care probabilitatea de apariie a unor fenomene este redus metoda
Monte Carlo nu este indicat, asigurarea unui anumit grad de precizie impunnd un numr
foarte de mare de experimente de simulare.
se consider suficient pentru precizia metodei Monte Carlo o probabilitate de

garantare a rezultatelor cuprins ntre 0,99 i 0,997.
33
APLICAII ALE METODEI MONTE CARLO
Cu ajutorul Metodei Monte Carlo i pornind de la valorile nregistrate ale unei

variabile se pot realiza estimri cu privire la valorile parametrilor ce caracterizeaz
respectiva variabil investigat.
Considernd urmtoarea distribuie a variabilei cercetate:
Valorile nregistrate ale variabilei Frecvene absolute
investigate x fi
x1 f1
x2 f2
. .
. .
xi fi
. .
. .
xr fr
Total f
Estimarea mediei variabilei investigate pe baza valorilor nregistrate, prezentate n

tabelul anterior, presupune parcurgerea urmtorului algoritm:
sunt determinate frecvenele relative, care indic probabilitile de apariie a unei
anumite valori a variabilei cercetate (pi) i frecvenele relative cumulate:
fi
pi f i * r
f
i 1
i
Valorile nregistrate ale Probabiliti Probabiliti cumulate

variabilei investigate x pi pi
x1 p1 p1 = p1
x2 p2 p2 = p1 + p2
. . .
. . .
xi pi pi = p1 + p2+...+pi
. . .
. . .
xr pr pr = p1 + p2+...+pi+...+pr=1
Total 1 -
34
se reprezint grafic valorile nregistrate ale variabilei investigate i probabilitile
cumulate corespunztoare. Considernd pentru exemplificare un numr de 6 valori
xi, graficul se prezint astfel:
p'6
1
0.9
p'5
probabilitati cumulate 0.8
0.7
0.6
p'4
0.5
0.4
p'3
0.3
p'2
0.2
p'1
0.1
0
x1 x2 x3 x4 x5 x6
se realizeaz un anumit numr de selecii n cu ajutorul unui generator de numere

aleatoare. La ndemna oricui este funcia RAND() din Excel, care este un generator
de numere aleatoare.
valoarea xi corespunztoarea fiecrei valori aleatoare generate se citete cu ajutorul
graficul reprezentat anterior. Numrul generat constituie un punct pe axa Oy. Se
traseaz o paralel la Ox din respectivul punct pn n locul de intersecie cu prima
coloan, valoarea xi corespunztoare coloanei intersectate fiind de fapt valoarea xi
corespunztoare numrului aleator generat. Considernd un numr de 10 repetiii
rezultatele se prezint astfel:
Numr Valoare
Numr aleator
repetiii xi
1 0.582924 x5
2 0.053644 x1
3 0.887214 x6
4 0.942867 x6
5 0.783511 x5
6 0.181114 x2
7 0.591019 x5
8 0.388166 x4
9 0.026283 x1
10 0.888168 x6
35
Cu ajutorul acestor date se pot realiza estimri ale parametrilor variabilei
investigate (media, dispersia, coeficientul de variaie, abaterea medie ptratic).
Exemplu
Considerm un eantion de 200 persoane supus unei cercetri, pentru care s-a
nregistrat frecvena de cumprare (numrul de cumprturi) al unui anumit produs X, n
cursul unei luni. Rezultatele centralizate se prezint astfel:
Numrul de cumprturi Frecvene
ale produsului X n absolute
decursul unei luni (buci) (persoane)
0 15
1 19
2 36
3 53
4 41
5 18
6 11
7 7
Total 200
Pe baza acestor date se dorete a se estima evoluia pentru perioada urmtoare a
cumprrilor din produsul X. Se consider un nivel de semnificaie de 0,05.
determinm probabilitile de apariie a fiecrei valori xi, precum i probabilitile

cumulate:
Numrul de cumprturi Frecvene Probabiliti
Probabiliti
ale produsului X n absolute cumulate
pi
decursul unei luni (buci) fi pi
0 15 0.075 0.075
1 19 0.095 0.170
2 36 0.180 0.350
3 53 0.265 0.615
4 41 0.205 0.820
5 18 0.090 0.910
6 11 0.055 0.965
7 7 0.035 1.000
Total 200 1.000
36
se reprezint grafic valorile nregistrate ale variabilei investigate i probabilitile
cumulate corespunztoare:
0.965 1.000
1.0 0.910
0.9 0.820
probabilitati cumulate
0.8
0.7 0.615
0.6
0.5
0.4 0.350
0.3
0.170
0.2
0.075
0.1
0.0
0 1 2 3 4 5 6 7
numar produse achizitionate
se realizeaz un numr de 25 selecii cu ajutorul funciei RAND()i se ataeaz

valoarea xi corespunztoare citit cu ajutorul graficului:
Numr repetiii Numr aleator xi
1 0.2798 2
2 0.9862 7
3 0.6863 4
4 0.5229 3
5 0.3966 3
6 0.1808 2
7 0.9184 6
8 0.3931 3
9 0.9619 6
10 0.1439 1
11 0.8448 5
12 0.3823 3
13 0.1812 2
14 0.4835 3
15 0.7619 4
16 0.8278 5
17 0.7686 4
18 0.6407 4
19 0.7704 4
20 0.0629 0
21 0.0618 0
22 0.0600 0
23 0.8646 5
24 0.0152 0
25 0.2870 2
37
Cu ajutorul acestei distribuii se pot realiza estimri cu privire la cumprturile
medii realizate de ctre consumatori, precum i a altor indicatori de caracterizare a
distribuiei:
Numr repetiii xi (xi- x )2
1 2 1.2544
2 7 15.054
3 4 0.7744
4 3 0.0144
5 3 0.0144
6 2 1.2544
7 6 8.2944
8 3 0.0144
9 6 8.2944
10 1 4.4944
11 5 3.5344
12 3 0.0144
13 2 1.2544
14 3 0.0144
15 4 0.7744
16 5 3.5344
17 4 0.7744
18 4 0.7744
19 4 0.7744
20 0 9.7344
21 0 9.7344
22 0 9.7344
23 5 3.5344
24 0 9.7344
25 2 1.2544
Total 78 94,6400
x i
78
Media celor 25 valori selectate: x i 1
3,12 ;
n 25
Intervalul n care se va ncadra media real:

x - < x 0 < x + 3,12 0,82 < x 0 < 3,12 + 0,82
2,3 < x 0 < 3,94, unde:

38
S 1,986
t , n 1 2,064 0,820 ,
n 25
t0,05; 25-1 citit din tabelul repartiiei Student = 2,064;
Estimator al abaterii medii ptratice S;
x x
2
94,64
S i
1,986 ;
n 1 25 1
Estimator dispersiei S2:
x x
2
94,64
S 2
i
3,943 ;
n 1 25 1
S 1,986
Coeficientul de variaie: v 100 100 63,7% .
x 3,12
5.3. Simularea evoluiei cotelor de pia pentru produse

concureniale
Metoda Lanurilor Markov permite realizarea de previziuni ale cotelor de pia ale
unor produse concurente innd cont de modificarea preferinelor consumatorilor.
Pornind de la aceast metod i prin asocierea anumitor probabiliti de realizare
(prin generarea de numere aleatoare) aciunilor viitoare ale consumatorilor, se pot
previziona prin simulare cotele de pia ale produselor concurente, asigurndu-se un grad
mai mare de certitudine estimrilor realizate tocmai datorit caracterului aleatoriu al
fenomenelor economice.
5.3.1. Metoda Lanurilor Markov
Previziunea cotelor de pia ale unor produse concurente se poate realiza cu

ajutorul metodei lanurilor Markov, care presupune utilizarea coeficienilor de fidelitate /
probabilitilor de tranziie ce reflect modificrile de la o perioad la alta n privina
preferinelor i fidelitii fa de produsele (serviciile) care-i disput consumatorii n
cadrul unei piee. Un produs pierde cumprtori n favoarea altor produse (servicii) sau
39
poate ctiga noi cumprtori. Considernd modificrile intervenite, se pot estima cotele de
pia n noile condiii, dup care este posibil previzionarea vnzrilor n relaie cu
previziunile realizate pentru ntreaga pia avut n vedere.
n cazul lanurilor Markov de ordinul nti, se presupune c probabilitatea ca un
cumprtor s opteze pentru un produs (serviciu) este determinat de cea mai recent
cumprare. Mult mai realiste sunt ns lanurile Markov de ordin superior, care permit ca o
probabilitate de tranziie s fie determinat nu numai de cea mai recent cumprare ci i de
cele mai vechi.
Previziunea cu ajutorul lanurilor Markov are i anumite limite, ca urmare a
presupunerilor impuse de natura matematic a acestei metode. Practica acestui domeniu
sugereaz ns multe modaliti de depire a cadrului restrictiv existent.
Exemplu
Pentru trei produse concurente: A, B, C, D se consider urmtoarele cote de pia la
momentul t, respectiv: 30%, 40%, 25% i 5%.
Coeficienii de fidelitate asociai fiecruia din cele trei produse (ponderea
consumatorilor care repet cumprarea) sunt:
- 0,7 (70%) pentru produsul A;
- 0,5 (50%) pentru produsul B;
- 0,65 (65%) pentru produsul C;
- 0,8 (80%) pentru produsul D.
De asemenea se consider urmtoarele:
din cei 30% consumatori care prsesc produsul A, 10% vor achiziiona
produsul B, 15% vor achiziiona produsul C i 5% vor achiziiona produsul
D;
din cei 50% consumatori care prsesc produsul B, 15% vor achiziiona
produsul A, 15% vor achiziiona produsul C i 20% vor achiziiona
produsul D.
din cei 35% consumatori care prsesc produsul C, 10% vor achiziiona
produsul A, 5% vor achiziiona produsul B i 20% vor achiziiona produsul
D;
40
din cei 20% consumatori care prsesc produsul D, 5% vor achiziiona
produsul A, 5% vor achiziiona produsul B i 10% vor achiziiona produsul
C.
Pe baza acestor informaii se pot previziona cotele de pia ale celor trei produse
pentru n momente ulterioare.
Considerm n = 4.
Coeficienii de fidelitate i probabilitile de tranziie asociate celor trei produse vor
lua forma matricei:
p AA 0,70 p AB 0,10 p AC 0,15
p AD 0,05

p BA 0,15 p BB 0,50 p BC 0,15 p BD 0,20
p ,
0,10 p CB 0,05 p CC 0,65 p CD 0,20
CA
p 0,05 p DB 0,05 p DC 0,10 p DD 0,80
DA
unde pij reprezint probabilitatea ca dup achiziia produsului i s se achiziioneze produsul
j.
Valorile previzionate ale cotelor de pia pentru momentul t+1 vor fi:
- pentru produsul A: 30 . 0,70 + 40 . 0,15 + 25 . 0,10 + 5 . 0,05 = 29,75%;
- pentru produsul B: 30 . 0,10 + 40 . 0,50 + 25 . 0,05 + 5 . 0,05 = 24,50%;
- pentru produsul C: 30 . 0,15 + 40 . 0,15 + 25 . 0,65 + 5 . 0,10 = 27,25%;
- pentru produsul D: 30 . 0,05 + 40 . 0,20 + 25 . 0,20 + 5 . 0,80 = 18,50%;
Similar se vor previziona cotele de pia i pentru urmtoarele perioade:
Cota de pia la momentul:
Produsul
t t+1 t+2 t+3 t+4
A 30 29.75 28.15 26.43 24.99
B 40 24.50 17.51 14.29 12.75
C 25 27.25 27.70 27.52 27.17
D 5 18.50 26.64 31.76 35.09
Not: Previziunea cu ajutorul lanurilor Markov este o metod ce se utilizeaz n

previzionarea cotei de pia pe intervale scurte de timp ca urmare a faptului c
probabilitile de tranziie cunosc modificri pe perioade mai lungi de timp.
Aceast limit a metodei poate fi compensat prin reactualizarea n permanen a
probabilitilor de tranziie prin intermediul studiilor de pia in profil longitudinal.
41
5.3.2. Simulare utiliznd metoda Monte Carlo (i metoda Lanurilor Markov)
Pentru a simula evoluia cotelor de pia pentru produse concurente metoda Monte
Carlo presupune ataarea anumitor probabiliti de realizare (prin generarea de numere
aleatoare) aciunilor viitoare ale consumatorilor. Modelul presupune parcurgerea
urmtoarelor etape:
determinarea probabilitilor de tranziie cumulate pentru fiecare produs
(vom lua n calcul inclusiv coeficienii de fidelitate);
ataarea fiecrui produs a unui interval de numere aleatoare uniform
distribuite pe baza valorilor probabilitilor de tranziie cumulate;
generarea de numere aleatoare pentru numrul de etape ulterioare pentru
care se dorete a se estima evoluia cotei de pia;
determinarea la nivelul fiecrui moment a produsului pe care l va
achiziiona cumprtorul innd cont de valoarea numrului aleator
corespunztor i ultima cumprare realizat (modelul se bazeaz pe metoda
Lanurilor Markov de ordinul nti ce presupune c probabilitatea ca un
cumprtor s opteze pentru un anumit produs este determinat de cea mai
recent cumprare)
se realizeaz n mod similar un anumit numr de experimente n funcie de
obiectivele urmrite (aa cum am precizat anterior, creterea numrului de
experimente va determina obinerea de rezultate mai precise).
Exemplu
Vom continua exemplul anterior (prezentat la metoda Lanurilor Markov) i vom
determina cota de pia i probabilitile de tranziie cumulate.
Produsul Probabilitate Interval de
Probabilitate
Produsul imediat de tranziie numere
de tranziie
urmator cumulate aleatoare
A 0.70 0.70 [0 - 0,70)
B 0.10 0.80 [0,70 - 0,80)
A
C 0.15 0.95 [0,80 - 0,95)
D 0.05 1,00 [0,95 - 1,00)
42
Produsul Probabilitate Interval de
Probabilitate
Produsul imediat de tranziie numere
de tranziie
urmator cumulate aleatoare
A 0.15 0.15 [0 - 0,15)
B 0.50 0.65 [0,15 - 0,65)
B
C 0.15 0.8 [0,65 - 0,80)
D 0.20 1,00 [0,80 - 1,00)
A 0.10 0.10 [0 - 0,10)
B 0.05 0.15 [0,10 - 0,15)
C
C 0.65 0.8 [0,15 - 0,80)
D 0.20 1,00 [0,80 - 1,00)
A 0.05 0.05 [0 - 0,05)
B 0.05 0.10 [0,05 - 0,10)
D
C 0.10 0.20 [0,10 - 0,20)
D 0.80 1,00 [0,20 - 1,00)
Vom genera, cu ajutorul funciei RAND() din Excel numere aleatoare pentru 4
momente ulterioare pentru care se dorete a se realiza estimarea. Vom realiza simularea
cotelor de pia pe baza coeficienilor de fidelitate i probabilitilor de tranziie estimate
pentru produsul C de exemplu.
Vom considera n = 15 experimente.
Numere aleatoare generate:
Nr. Momentul
Experiment t+1 t+2 t+3 t+4
1 0.5709 0.7883 0.4761 0.1631
2 0.9303 0.8631 0.6958 0.1081
3 0.1303 0.9102 0.1925 0.6333
4 0.9803 0.5561 0.3261 0.0061
5 0.5352 0.8389 0.0686 0.6134
6 0.4001 0.9932 0.6960 0.3809
7 0.2966 0.0393 0.6971 0.0147
8 0.5994 0.5701 0.7497 0.9645
9 0.5783 0.9309 0.1351 0.0962
10 0.4729 0.6656 0.1219 0.4565
11 0.4797 0.1937 0.7068 0.8034
12 0.8013 0.0162 0.3811 0.1608
13 0.4247 0.8046 0.8122 0.7393
14 0.3120 0.9762 0.5562 0.3965
15 0.8800 0.0940 0.4972 0.9511
43
Se determin pe baza numerelor aleatoare generate produsele ce se vor achiziiona
la momentele 1, 2, 3 i 4, astfel:
n cazul experimentului 1: la momentul 1 numrul aleator generat este 0.5709. n
tabelul n care sunt prezentate probabilitile de tranzitie, pentru produsul C, valoarea
0.5709 se ncadreaz n intervalul [0,15 - 0,80), care de asemenea, corespunde produsului
C; deci urmtorul produs cumprat va fi C. Numrul generat pentru momentul 2 este
0.7883 care aparine intervalului [0,15 - 0,80); deci la momentul 2 se va achiziiona tot C,
.a.m.d..
n cazul experimentului 2, prima valoare generat este 0.9303, care aparine
intervalului [0,80 - 1,00); deci produsul achiziionat la momentul 1 va fi D. La momentul 2
valoarea generat este 0.8631, ce aparine intervalului [0,20 - 1,00), deci se va achiziiona
tot D, .a.m.d..
Produse achiziionate la momentele 1, 2, 3 i 4:
Momentul
Nr. experiment
t+1 t+2 t+3 t+4
1 C C C C
2 D D D C
3 B D C C
4 D D D A
5 C D B B
6 C D D D
7 C A A A
8 C C C D
9 C D C A
10 C C B B
11 C C C D
12 D A A A
13 C D D D
14 C D D D
15 D B B D
Frecventa de alegere a produsului:
A - 2 2 4
B 1 1 3 2
C 10 4 5 3
D 4 8 5 6
Probabilititatea de tranziie
C-A 0.000 0.133 0.133 0.267
C-B 0.067 0.067 0.200 0.133
C-C (coeficieni de fidelitate) 0.667 0.267 0.333 0.200
C-D 0.267 0.533 0.333 0.400
44
Pe baza frecevenelor de apariie a fiecrui produs, fiecare dintre cele 4 momente se

determin coeficienii de fidelitate, respectiv probabilitile de tranziie. Astfel, la
momentul 1, probabilitatea ca dup achiziia produsului C s fie achiziionat tot C este de
66,7%. De asemenea, exist o probabilitate de 6,7% de achiziie a produsului B i respectiv
26,7% de achiziie a lui D.
Similar se pot determina coeficienii de fidelitate, respectiv probabilitile de
tranziie pentru produsele A, B i D, putndu-se astfel estima cotele de pia pentru cele 4
produse concurente dup modelul prezentat la Metoda Lanurilor Markov.
Astfel, n urma a 15 experimente se simulare realizate pentru fiecare dintre
produsele A, B i D am estimat coeficienii de fidelitate i probabilitile de tranziie
corespunztori celor 4 momente ulterioare:
- pentru produsul A:
Momentul
Nr. experiment
t+1 t+2 t+3 t+4
A-A (coeficieni de
0.733 0.533 0.533 0.267
fidelitate)
A-B 0.133 0.133 0.133 0.200
A-C 0.133 0.267 0.200 0.200
A-D 0.000 0.067 0.133 0.333
- pentru produsul B:
Momentul
Nr. experiment
t+1 t+2 t+3 t+4
B-A 0.333 0.200 0.267 0.267
B-B (coeficieni de
0.400 0.333 0.200 0.200
fidelitate)
B-C 0.133 0.200 0.200 0.200
B-D 0.133 0.267 0.333 0.333
- pentru produsul D:
Momentul
Nr. experiment
t+1 t+2 t+3 t+4
D-A 0.000 0.000 0.133 0.133
D-B 0.133 0.200 0.000 0.067
D-C 0.133 0.067 0.133 0.067
D-D (coeficieni de
0.733 0.733 0.733 0.733
fidelitate)
45
Pe baza valorilor cotelor de pia de la momentul t i a coeficienilor de fidelitate /

probabilitilor de tranziie estimate pentru momentul t+1 i care sunt prezentate n
matricea de mai jos, previzionm cotele de pia de la momentul t+1:
p AA 0,733 p AB 0,133 p AC 0,133 p AD 0,000

p BA 0,333 p BB 0,400 p BC 0,133 p BD 0,133
p 0,000 p CB 0,067 p CC 0,667 p CD 0,267
CA
p 0,000 p DB 0,133 p DC 0,133 p DD 0,733
DA
Valorile previzionate ale cotelor de pia pentru momentul t+1 vor fi:
- pentru produsul A: 30 . 0,733 + 40 . 0,333 + 25 . 0,000 + 5 . 0,000 = 35,33%;
- pentru produsul B: 30 . 0,133 + 40 . 0,400 + 25 . 0,067 + 5 . 0,133 = 22,33%;
- pentru produsul C: 30 . 0,133 + 40 . 0,133 + 25 . 0,667 + 5 . 0,133 = 26,67%;
- pentru produsul D: 30 . 0,000 + 40 . 0,133 + 25 . 0,267 + 5 . 0,733= 15,67%;
De asemenea, pe baza valorilor cotelor de pia de la momentul t+1 i a

coeficienilor de fidelitate / probabilitilor de tranziie estimate pentru momentul t+2,
previzionm cotele de pia de la momentul t+2. .a.m.d.
n urma calculelor fcute au rezultat urmtoarele valori estimate ale cotelor de pia
pentru cele 4 momente:
Cota de pia la momentul:

Produsul
t t+1 t+2 t+3 t+4
A 30 35.33 33.35 30.29 27.60
B 40 22.33 17.51 16.17 15.78
C 25 26.67 27.56 28.03 28.28
D 5 15.67 21.58 25.51 28.34
Bineneles, pentru uurina determinrilor numrul expermintelor este unul redus

(15), pentru obinerea unor rezultate cu un grad ridicat de certitudine impunndu-se
realizarea unui numr mult mai mare de experimente.
46
5.4. Jocuri de simulare
Simularea tip joc presupune utilizarea unui model matematic, experimentarea

constnd n atribuirea de valori variabilelor din model i monitorizarea impactului asupra
uneia sau mai multor funcii obiectiv. Astfel de simulri sunt des utilizate n aplicaii
militare. (De fapt, apariia i dezvoltarea jocurilor de simulare i au originea n jocurile de
rzboi, care urmreau stabilirea unor strategii de lupt i antrenarea ofierilor prin
simularea unor situaii militare).
Jocurile de simulare utilizate pentru simularea proceselor economice, implicit de
marketing, cunoscute i sub numele de joc de conducere (management game) sau joc de
ntreprindere (business game), au, n primul rnd un important rol educaional.
Jocurile de ntreprindere sunt modele de simulare care presupun participarea mai
multor participani i care sunt angajai ntr-un proces informaional-decizional ce
simuleaz o situaie de competiie real.
Interesul pentru jocurile de ntreprindere a crescut foarte mult, organizaii din
ntreaga lume folosesc jocuri n procesul de pregtire a personalului de conducere; metoda
putnd fi folosit i n procesul de testare a competenei salariailor.
Printre scopurile educaionale majore ale utilizrii jocurilor de ntreprindere sunt:

crearea la nivelul persoanelor ce ocup funcii de conducere a deprinderilor n
rezolvarea diferitelor probleme cu care se pot confrunta n desfurarea propriei
activiti;
proiectarea i aplicarea de strategii i politici;
fundamentarea tiinific a deciziilor; posibilitatea de testa o serie de ipoteze
asupra naturii deciziilor, precum identificarea efectelor probabile ale diverselor
decizii;
anticiparea consecinelor folosirii resurselor n cele mai diverse situaii,
bineneles fr utilizarea efectiv a acestora;
organizarea muncii managerilor;
crearea i dezvoltarea spiritului de echip;
abordarea sistematic a organizaiei i a componentelor sale;
stimularea creativitii participanilor i dezvoltarea simului de rspundere - pe
perioada desfurrii jocului participanii pot s-i manifeste pe deplin
47
personalitatea, s-i verifice cunotinele asimilate, puterea de a raiona corect
etc.
datorit echipamentelor necesare, jocurile de ntreprindere duc la familiarizarea
participanilor cu aspectele specifice implicate de utilizarea calculatorului n
procesele manageriale.
Aplicaiile jocurilor de simulare pentru rezolvarea unor probleme de marketing

reale nu sunt foarte numeroase datorit necesitii adaptrii acestora la nivelul fiecrui caz
particular, costurile fiind n consecin foarte mari.
Dintre motivele care ar putea justifica utilizarea jocurilor pentru rezolvarea
problemelor de marketing amintim:
grad ridicat de implicare a participanilor la desfurarea jocului i, implicit,
creterea motivaiei nvrii;
aplicarea conceptelor de marketing, ndeosebi cele referitoare la managementul
activitii de marketing;
adoptarea deciziilor n mediu concurenial;
creterea curbei nvrii datorit succeselor i greelilor realizate, a cror
consecine sunt n timp scurt observabile;
dezvoltarea spiritului de echip si a capacitii de a lua decizii sub presiunea
timpului.
Exemple de jocuri de simulare:

Jocul ABC Market - mai multe echipe concureaz pe aceeai pia. Pe baza
unui buget iniial, echipele vor cumpra, produce i vinde. Va ctiga echipa cu cea mai
buna strategie, nelegere a pieei i notorietate comercial. Jocul induce ideea de a
aciona strategic pe o pia n locul unei simple reacii la schimbrile conjuncturale.
Fiecare participant simuleaz o companie din sfera produciei aflat n competiie
cu toate firmele simulate de ctre ceilali participani la programul de instruire. Firmele
dispun de acelai buget iniial. Pe piaa astfel format exist 3 tipuri de materii prime (a, b
i c) prin a cror combinare dup o reet de producie se pot obine 4 produse finite (x, y,
z i w). La fel ca i n economia real, aceste materii prime nu se gsesc n cantiti
nelimitate, astfel nct nu toate firmele prezente pe pia vor reui aprovizionarea. Acest
proces se face prin licitaie direct nchis (fiecare firm i va elabora oferta de
cumprare cuprinznd cantitile cerute din fiecare materie prim precum i preul pe care
este dispus s-l plteasc). Firmele care nu au reuit aprovizionarea vor nregistra
48
penaliti - cheltuielile fixe legate de funcionarea companiei. Firmele care au reuit
aprovizionarea vor trece la stabilirea strategiei de producie: combinnd materiile prime
(conform reetelor de fabricaie) vor realiza produse finite n cantitile si sortimentele
alese. Aceste produse vor fi scoase la vnzare pe o pia concurenial ntr-un mod
similar cu procesul de aprovizionare: licitaie direct. Vor reui vnzarea acele firme care
au cerut pentru produsele lor un pre mai mic sau egal cu cel mediu stabilit pe pia n
urma procesrilor tuturor ofertelor de vnzare. Firmele care intr n dificulti financiare
pot solicita credite de la banca. Aceste credite se gajeaz cu valoarea stocurilor de materii
prime i/sau produse finite i sunt purttoare de dobnd. Creditul(ele) i dobnda
aferent se scad la sfritul jocului din bugetul firmei.
Jocul Managementul Vnzrilor - fiecare echip joac rolul unui Director

Regional de Vnzri i concureaz una mpotriva celeilalte. Printre deciziile care trebuiesc
luate amintim: alegerea pieelor de desfacere, selectarea produselor ce trebuie cumprate
i vndute, fixarea preurilor, stabilirea dimensiunii parcului auto si a rutelor, modalitatea
de vnzare, mrimea propriei structuri de angajai, decizii privind activitatea de marketing,
planificarea i stabilirea strategiilor manageriale etc.
Jocul a fost elaborat datorit unui fenomen extrem de evident pe piaa
romneasc de for de munc, n special n sectorul de vnzri: marea majoritate area
sales managerilor sunt promovai din rndul agenilor de vnzri care au rezultate
deosebite n activitate. Faptul c sunt foarte buni ageni de vnzri nu garanteaz c vor fi
i buni manageri n vnzri. Prima tentaie care apare la o astfel de persoan este s-i
pstreze comportamentul, adic s vnd mult. Astfel, noul ASM provenit din rndul
agenilor de vnzri poate neglija anumite atribute manageriale n vnzri (recrutare de
noi ageni, instruirea acestora - inclusiv "on the job", motivarea lor etc.) alocndu-i tot
timpul disponibil vnzrilor personale. Prin acest joc se permite fiecrui participant
adoptarea tuturor atributelor manageriale n vnzri: recrutare, training, motivare, training
on the job i vnzare personal.
Jocul Promoiilor - pe baza unui buget iniial i a unui portofoliu de produse

similare, echipele vor concura pe aceeai pia. Ele vor trebui s decid ce categorii de
clieni trebuie s abordeze i ce tipuri de produse pot fi vndute. Nu n ultimul rnd,
participanii vor decide cum s-i promoveze produsele ctre aceste categorii de clieni.
Clienii vor alege produsele cu cea mai atractiv promovare i care li se par cele mai
49
convenabile. n final, ei vor decide ce s cumpere i de la care echip, oferind astfel
juctorilor avantaj competitiv. 7
ntr-un joc de ntreprindere se poate utiliza att metoda de simulare Monte Carlo
(dac intervin variabile aleatorii) sau tehnicile de simulare Forrester, alturi de metodele
cercetrii operaionale sau statistico-matematice. Astfel, avnd n vedere c un model
matematic asigur o evaluare n termeni cantitativi a unui fenomen, n timp ce orice proces
economic complex impune n momentul lurii deciziei considerarea i a factorilor
calitativi, utilizatorul va combina cele dou categorii de metode (cantitative i calitative).
Un joc de ntreprindere trebuie astfel conceput nct s fie caracterizat prin
elasticitate; un model rigid neputnd pune n valoare inteligena i creativitatea
participanilor i, de asemenea, pe msura derulrii experimentrilor nu permite
perfecionarea sistemului.
CLASIFICAREA JOCURILOR DE SIMULARE
Jocurile de ntreprindere sunt clasificate dup numeroase criterii, dintre care mai
importante sunt8:
Dup sfera de aciune, jocurile se clasific n:
Jocurile pentru ntreaga ntreprindere (Total Entreprise sau Top
Management) - simuleaz funciile principale ale ntreprinderii, astfel
nct participanii la joc s poat nelege diversele legiti ale unitii
economice n ansamblu, n condiiile influenei reciproce att dintre
subsistemele interne, ct i dintre acestea i mediul exterior.
Jocul funcional (Functional game) se refer la o funcie specific a
ntreprinderii analizate, participanii la joc putnd experimenta diferite
decizii n cadrul compartimentului care ndeplinete funcia simulat
(serviciul de aprovizionare, serviciul de investiii, serviciul de producie
etc.) i estima eventualele consecine pentru alte compartimente cu care
acioneaz n strns legtur.
7
Preluat dup www.smartbox.ro
8
Preluat dup Raiu Suciu, Camelia, Modelarea & simularea proceselor economice Teorie i practic,
Ediia a patra, Editura Economic, Bucureti, 2005, pp. 254-257.
50
Jocurile complexe analizeaz mai multe funcii ale ntreprinderii i
relaiile principale cu alte compartimente sau chiar cu mediul exterior
ntreprinderii. n acest caz, juctorii trebuie s estimeze implicaiile unei
decizii adoptate ntr-un anumit compartiment asupra altor compartimente
ale ntreprinderii. De asemenea, se urmrete evaluarea efectelor unor
perturbaii asupra compartimentului considerat chiar dac aceste
perturbaii au aprut n afar, de pild, ntr-un compartiment cu care
exist strnse legturi.
Jocurile pentru alte zone de specialitate permit testarea unor strategii
politice, economice, tehnico-organizatorice privind o ramur de activitate
economic dintr-o anumit zon geografic. De exemplu, dac se
consider diverse programe de lucru ale unor uniti de distribuie, se pot
constata efectele economice la nivelul unitilor beneficiare sau se pot
stabili consecinele pentru unitile de distribuie analizate, corelate cu
comportamentul unitilor consumatoare.
Dup elementul competitiv, jocurile pot fi:

Jocuri concureniale sunt acelea n care fiecare participant adopt astfel
de decizii nct s-i depeasc adversarul (adversarii). Ele pot fi: jocuri
interdependente i jocuri independente.
o Jocurile interdependente sunt acele jocuri n care
succesul unui participant este influenat att de propriile
decizii, ct i de deciziile concurenilor. n acest caz,
funcia de performan economic a unui juctor depinde
att de propriile aciuni, ct i de aciunile adversarului
sau adversarilor si. Sunt jocuri specifice pentru
economia de pia.
o Jocurile independente sunt acele jocuri n care fiecare
realizeaz mbuntirea propriilor performane
economice, fr a aciona asupra celorlali juctori.
Practic, juctorul adopt diverse decizii cu scopul de a-i
mbunti indicatorii economici, fr a leza interesele
partenerului de joc. n cadrul coaliiilor de juctori se
poate considera c jocul este independent, atunci cnd
51
juctorii din cadrul coaliiei se ajut reciproc. Coaliia
poate fi ns n competiie cu alte coaliii, aceast
competiie putnd avea caracter dependent (dac
coaliiile i influeneaz rezultatele reciproc) sau caracter
independent, n caz contrar.
Jocurile cooperative sunt acele jocuri n care doi parteneri convin ca,
cel puin n privina anumitor clase de decizii i aciuni, acestea s nu fie
ndreptate mpotriva intereselor celuilalt partener. Aceste jocuri
simuleaz situaii reale de la nivelul economiei de pia, ca de exemplu,
convenii ntre doi sau mai muli parteneri prin care acetia i mpart
piaa pentru anumite produse conform unor principii precum: fiecare
partener i desface mrfurile pe piaa cea mai apropiat, fiecare
partener vinde unui numr de clieni proporional cu volumul produciei
etc.
Jocurile contra naturii sunt acele jocuri n care un decident real i
ndreapt aciunea mpotriva unui partener virtual, care reprezint, de
fapt, mediul ambiental. Acest partener poate aciona att n favoarea
decidentului, ct i n defavoarea acestuia. Diferena dintre modul n
care acioneaz natura i modul n care acioneaz un partener virtual
este c acest partener acioneaz contient, n timp ce mediul
acioneaz fr intenie (fr scop). n concluzie, aceste aciuni
constituie, de fapt, perturbaii. n majoritatea cazurilor participantul la
joc se gsete n interaciune cu mediul (natura). Pentru a contracara
efectele negative ale perturbaiilor mediului este necesar s se adopte o
serie de msuri preventive, care reduc probabilitatea de apariie a
evenimentelor nedorite;
Pachete de auto nvare permit participanilor s nvee prin
exerciii practice preluate din afaceri. Aceste pachete sunt realizate
astfel nct s furnizeze att teorie ct i practic privind concepte
fundamentale de afaceri (n Ctoiu, Iacob -coordonator, Cercetri de
marketing, Editura Uranus Bucureti, 2002, p 439).
Dup prelucrarea rezultatelor, distingem:

Jocuri pe calculator
52
Jocuri manuale.
n cazul jocurilor complexe se elaboreaz programe de calcul care determin
efectele economice ale deciziilor adoptate de parteneri. n cazul unui joc
simplu, calculele pot fi efectuate fie manual, fie cu ajutorul unui
minicalculator.
Dup scopul urmrit, pot fi:

Jocurile de instruire sunt acele jocuri care permit participanilor s
nvee s adopte decizii optime n condiiile unor situaii ipotetice, dar
foarte posibil a fi regsite n practica unitilor economice. La aceste
jocuri calculatorul efectueaz operaii de rutin sau adopt decizii
simple. Deciziile importante trebuie s fie adoptate ns de juctori
raionali. Prin solicitri repetate se reuete, de cele mai multe ori,
perfecionarea stilului de adoptare a deciziilor de ctre juctori.
Jocurile de ntreprindere pentru fundamentarea deciziilor operative
sunt jocuri care permit specialitilor s adopte decizii mai bune pentru
situaii reale. Aceste jocuri necesit utilizarea calculatorului electronic,
deoarece deciziile se adopt pe baza unui algoritm complex, care
analizeaz efectele economice ale mai multor soluii (care constau n
diferite variante sau strategii) n condiiile unor perturbaii. n acest caz,
decidentul poate cunoate consecinele asupra performanelor
economice att ale soluiei optime (sau suboptime), ct i ale soluiilor
ineficiente, ceea ce i permite ca, n afar de instruire, s obin un spor
semnificativ de economii de resurse.
ETAPELE DESFURRII UNUI JOC DE NTREPRINDERE
Jocurile de ntreprindere se desfoar sub conducerea unui administrator (arbitru)

i presupun parcurgerea mai multor etape, dintre care, cele mai importante sunt:
Descrierea general a jocului i instruirea participanilor. n aceast etap sunt
comunicate:
regulile jocului;
obiectivele jocului;
53
valorile iniiale ale parametrilor de stare precum i evoluiile probabile
ale unor indicator; posibile perturbaiile i eventual probabilitatea de
realizare etc.;
restriciile de joc (respectiv restricii n legtur cu resursele la
dispoziia participanilor, informaiile pe care le deine sau le poate
obine un participant, opiunile posibile i decizia pe care trebuie s o
adopte pentru realizarea obiectivului impus, restricii de aciune etc.),
obiectivele ntreprinderii sau compartimentului pe care l reprezint
fiecare juctor;
Adoptarea deciziilor de ctre participani.

Participanii la joc trebuie s adopte deciziile pe care le consider cele mai bune
pentru obiectivul urmrit, cu respectarea condiiilor impuse iniial i comunicate n etapa
anterioar. De regul, arbitrul nu pune la dispoziia juctorilor nici un fel de algoritm,
pentru gsirea celei mai bune soluii, decizia fiind adoptat pe baza competenei, a unui
algoritm euristic elaborat n timpul jocului sau cunoscut anterior i adaptat condiiilor
concrete ale jocului sau prin tatonare (se aleg la ntmplare valori numerice ale
parametrilor economici i se evalueaz consecinele). Direcia de aciune a fiecrui
participant poate, n consecin, s fie schimbat pe parcursul desfurrii jocului pentru
mbuntirea performanelor.
Fiecare decizie adoptat de ctre participani constituie o iteraie (ciclu) a jocului,
numrul total de iteraii putnd fi precizat de arbitru n prima etap a jocului. n unele
cazuri el nu anun de la nceput acest numr de cicluri, aceasta stabilindu-se pe parcursul
derulrii jocului n funcie de rezultate.
Efectuarea de ctre arbitru a calculelor i evaluarea deciziilor adoptate.

n baza deciziile adoptate de ctre fiecare participant i a perturbaiilor aprute,
administratorul ruleaz programul de simulare i evalueaz consecinele acestor decizii
asupra performanelor economice ale ntreprinderilor, sau compartimentelor pe care le
reprezint juctorii.
Astfel, arbitrul poate evalua msur n care juctorii stpnesc fenomenele
economice i poate estima att timpul de instruire ct i capacitatea participanilor de a
conduce un compartiment / ntreprinderea n totalitate.
54
Comunicare de ctre arbitru a unei informri asupra rezultatelor obinute.

Dup evaluarea rezultatelor fiecrei iteraii arbitrul, anun rezultatele obinute
fiecrui participant. Sunt comunicate att informaii cu caracter general (care privesc toi
participanii la joc), dar i informaii destinate fiecrei echipe (confideniale echipelor
concurente). Unele informaii pot fi obinute doar contra cost.
Juctorii fac o analiz a rezultatelor. n baza creia se ia decizia de a menine
direcia de aciune sau de a adopta o alt strategie.
Efectuarea de ctre arbitru a unui test de continuare, respectiv ncetare a jocului.

Arbitrul ia decizia de a continua numrul de iteraii sau de a nceta jocul. Aceast
decizie se poate baza fie pe realizarea numrului de iteraii stabilit nc de la nceputul
jocului, fie pe o evaluare a situaiei, astfel:
dac se constat c toi participanii i-au nsuit jocul cu mult nainte de
terminarea numrului prestabilit de cicluri se procedeaz la finalizarea
jocului;
dac se constat, ns, c participanii nu i-au nsuit jocul, arbitrul poate
mri numrul faa de cel stabilit iniial.
Pe parcursul derulrii jocului unii participani pot prsi jocul (ex: n cazul jocurilor
concureniale, n situaie de faliment).
Anunarea sfritului jocului i a rezultatelor finale.

n baza evalurii evoluiei de ansamblu a fiecrui participant, arbitrul evalueaz
rezultatele jocului. Astfel, sunt calculai diveri indicatori de performan n baza crora se
va determina calificativul global al fiecrui participant la joc i care va sta la baza
ierarhizrii participanilor. De asemenea, se recomand elaborarea de ctre fiecare echip a
unei prezentri care s cuprind deciziile adoptate. Aceasta va putea permite evaluarea
msurii n care participanii s-au folosit de aspectele nvate anterior i coerena aciunilor
ntreprinse.
55
LIMITE ALE JOCURILOR DE NTREPRINDERE
consumul mare de timp i experien n diverse domenii (economic, matematic,

inginerie, informatic, programare) pentru concepere, modelare i punerea la
punct a unui astfel de joc;
rezultatele scontate apar dup un anumit numr de ani (n timp ce implementarea
acestuia este extrem de costisitoare).
5.5. Simularea cu ajutorul tehnicilor Forrester
Modelarea dinamic (dinamica industrial) a fost elaborat de Jay Forrester n

perioada anilor '60. La baza acesteia st faptul c funcionarea unui sistem presupune
cunoaterea interaciunilor dintre fluxurile de informaii, comenzi, resurse materiale i
umane etc.
Un model dinamic surprinde comportarea sistemelor complexe, evideniind modul
n care structura acestora determin traiectoria, respectiv comportarea n timp.
Tehnicile Forrester au fost utilizate deopotriv la nivel microeconomic i
macroeconomic. Astfel, la nivel microeconomic aplicaiile au vizat alocarea capacitilor,
programarea i urmrirea produciei, organizarea desfacerilor de produse, controlul
stocurilor. La nivel macroeconomic aceste tehnici au fost utilizate pentru organizarea
cercetrii tiinifice i protecia mediului ambiant.
Instrumentele utilizate de dinamica industrial combin metodele de natur
calitativ cu cele cantitative.
La baza modelrii dinamice st ciclul informaie decizie aciune. Acesta se
constituie din dou ci:
calea direct: intrare (decizie) - ieire (starea sistemului);
calea de reacie invers (feed-back-ul): ieire (starea sistemului) - informaie
despre ieire (eventual prelucrat) - intrare (decizie).
56
AVANTAJELE UTILIZRII TEHNICILOR DE DINAMIC INDUSTRIAL:
constituie o modalitate de analiz global, sistemic a fenomenelor economice

complexe, evideniind elementele de intercondiionare, precum i procesele de
feed-back;
ofer posibilitatea rezolvrii unor probleme de mare complexitate prin simulare,
utiliznd deopotriv relaii cantitative i calitative;
bazndu-se pe analize i interpretri calitative, tehnicile de tip Forrseter evit
rigiditatea modelelor matematice.
Tehnicile de dinamic industrial opereaz cu urmtoarele categorii de variabile

(mrimi ce sunt influenate de deciziile din interiorul sistemului):
variabile care reprezint acumulri de cantiti, ce sunt msurabile (se pot
msura nivelurile acestora la un moment dat). De exemplu, nivelul
desfacerilor la un anumit moment dat;
variabile care exprim modul de desfurare a unor procese (variabile de
ritm). De exemplu, ritmul desfacerilor ntr-o anumit perioad de timp;
variabile auxiliare constituie pri ale ecuaiilor de ritm care exprim
concepte cu neles independent.
Variabilele de ritm sunt constante pe durata unui interval, n timp ce variabilele de
nivel capt valori distincte la momente diferite
n afara acestor variabile tehnicile de dinamic industrial conin i parametri ai
cror valori nu sunt influenate de deciziile din interiorul sistemului analizat. Valorile
parametrilor pot fi modificate de la o simulare la alta.
Comportarea sistemului este descris cu ajutorul unui sistem de ecuaii ce cuprind:
ecuaii de nivel (variaia unei variabile de stare);
ecuaii de ritm (ritmul variaiei strii);
ecuaii auxiliare (dependena unei variabile de alt variabil sau parametru).
57
Discuii finale:
Descriei principele caracetristici ale urmtoarelor modele de simulare:
- Generarea numerelor i variabilelor aleatoare;
- Metoda de simularea Monte Carlo;
- Simularea evoluiei cotelor de pia pentru produse concureniale;
- Jocuri de simulare;
- Simularea de tip Forrester.
Teme propuse:
1. Considerai 30 experimente n urma crora s-a obinut o frecven relativ de
apariie a unei anumite valori f* de 0,7 i un nivel de semnificaie de = 0,01.
Determinai frecvena real de apariie a evenimentului.
2. Determinai numrul de experimente necesar cunoscnd c probabilitatea de

apariie a evenimentului cercetat este 0,7, iar nivelul de semnificaie considerat este
0,01. Se dorete asigurarea unei erori care s nu depeasc nivelul 5%.
3. Considerai 25 experimente - n urma crora s-a obinut o medie a variabilei

cercetate x = 200 i o abatere fa de medie S = 12 - i un nivel de semnificaie de
= 0,05. Determinai media real a variabilei cercetate.
4. Considernd c dup n = 25 experimente, a rezultat o medie x = 200, pentru care S

= 12, se dorete determinarea numrului de experimente necesar pentru a obine o
precizie a rezultatelor = 2,5.
5. Considerai un eantion de 100 persoane supus unei cercetri, pentru care s-a
nregistrat frecvena de vizitare a unui anumit anumit magazin, n decursul unei
luni. Rezultatele centralizate se prezint astfel:
58
Frecvene
Numrul de vizite realizate
absolute
0 23
1 31
2 18
3 17
4 11
Total 100
Utiliznd metoda Monte-Carlo estimai evoluia pentru perioada urmtoare a

numrului de vizite ale respectivului magazin. Se consider un nivel de
semnificaie de 0,05. Considerai un numr de 30 experimente.
6. Pentru trei produse concurente: A, B, C se cunosc cotele de pia la momentul t,

respectiv: 35%, 40% i 25%.
Coeficienii de fidelitate asociai fiecruia din cele trei produse sunt:
- 0,75 (75%) pentru produsul A;
- 0,70 (70%) pentru produsul B;
- 0,85 (85%) pentru produsul C.
Din cei 25% consumatori care prsesc produsul A, 10% vor achiziiona produsul
B i 15% vor achiziiona produsul C.
Din cei 30% consumatori care prsesc produsul B, 15% vor achiziiona produsul
A i 15% vor achiziiona produsul C.
Din cei 15% consumatori care prsesc produsul C, 10% vor achiziiona produsul
A i 5% vor achiziiona produsul B.
Previzionai cotele de pia ale celor trei produse pentru 3 momente ulterioare
utiliznd Metoda Lanurilor Markov.
7. Pentru datele prezentate la problema anterioar, previzionai cotele de pia ale

celor trei produse pentru 3 momente ulterioare utiliznd metoda Monte Carlo (i
metoda Lanurilor Markov).
59
60
CAPITOLUL VI
SIMULARE CU AJUTORUL PROGRAMULUI EXCEL

simulare cu o singur variabil Dup parcurgerea acestui capitol va
simulare cu dou variabile trebui s cunoatei i s nelegei:
regresie - realizarea de simulri cu o
corelaie variabil i cu dou variabile
utiliznd comanda TABLE din
meniul DATA;
- realizarea de simulri cu ajutorul
funciei LINEST.
6.1. Simulare folosind comanda Table din Excel
Comanda TABLE din meniul DATA, permite realizarea de simulri pe baza

valorilor ale unei sau dou variabile de intrare.
6.1.1. Simulare cu o singur variabil
n cazul n care se dorete a se determina valorile de ieire ale unei variabile yi n

funcie de valorile de intrare ale unei singure variabile se procedeaz astfel:
- se definete funcia yi = F(xi) ce descrie relaia dintre variabila de ieire yi i
variabila de intrare xi;
- se determin valoarea F(xi) pentru o anumit valoarea x0;
- se definete o zon de simulare unde pe o coloan (sau pe rnd) sunt trecute
valorile pe care le poate lua variabila xi;
- n celula situat pe coloana imediat urmtoare, respectiv, pe rndul aflat deasupra
primei valori a variabilei xi se copie celula n care a fost determinat funcia F(xi)
pentru valoarea x0;
61
- se selecteaz coloanele n care sunt trecute valorile xi i, respectiv, unde urmeaz s
fie generate rezultatele - yi (cuprinznd i celulele situate deasupra respectivelor
coloane indicate);
- se acceseaz comanda TABLE din mediul DATA, iar prin selecia casetei din
dreptul opiunii Column input cell (Row input cell, dac valorile lui xi sunt trecute
pe rnd) se indic variabila n funcie de care se va realiza simularea; respectiv,
se va accesa celula n care este trecut valoarea lui x0;
- se activeaz OK.
Exemplu
Considernd pentru o anumit populaie un eantion cercetat de n = 1000 uniti
(valoarea abaterii medii ptratice a colectivitii este = 8), se dorete a se determina
eroarea fa de media colectivitii considernd diferite nivele de semnificaie (pe baza
creia putem determina intervalul de ncredere corespunztor).
Clarificri conceptuale
n cazul cercetrilor selective de tip sondaj intervalul de ncredere este definit
ca intervalul cuprins ntre limita inferioar i limita superioar unde este probabil
s se ncadreze parametrul cercetat al colectivitii studiate.
Intervalul de ncredere pentru media colectivitii poate fi scris ( x ; x ; ),

ncadrarea mediei n acest interval fiind garantat cu o anumit probabilitate (P),
unde: x = media eantionului cercetat;

= eroarea maxim admis.

= z . ,
n
unde: z = coeficientul ce corespunde nivelului de semnificaie , respectiv
probabilitii P cu care se garanteaz rezultatele, citit din tabelul funciei Gauss
Laplace (Anexa 2);
= abaterea medie ptratic a colectivitii.
Astfel, pentru a determina abaterile fa de medie putem utiliza formula prezentat

anterior sau putem folosi funcia CONFIDENCE din Excel.
62
Vom calcula pentru nceput valoarea abaterii pentru un nivel de semnificaie =
0,05. Pentru a putea aplica funcia CONFIDENCE, datele se vor organiza n foia de lucru
astfel:
A B
1 0,05
2 S 8
3 n 1000
4 =CONFIDENCE(B1,B2,B3)
rezultnd o abatere fa de medie de 0,495836.
Dac dorim s estimm valoarea abaterii fa de medie pentru diferite nivele de

smnificaie vom proceda astfel.
- n celula B6 copiem celula B4 (=B4);
- selectm zona de simulare - (A6:B16);
- accesm comanda TABLE din mediul DATA;
- selectm caseta din dreptul opiunii Column input cell i executm click pe celula
B1 (se indic astfel c simularea se va face pe baza diferitelor valori ale lui ).
- se activeaz OK.
Rezultatele se prezint n tabelul:
A B
1 0,05
2 S 8
3 n 1000
4 0,495836
5
6 0,495836
7 0,005 0,7101296
8 0,01 0,651639
9 0,015 0,6153486
10 0,02 0,5885246
11 0,025 0,567035
12 0,03 0,5489943
13 0,035 0,5333772
14 0,04 0,5195619
15 0,045 0,5071419
16 0,05 0,495836
17
63
Din tabel rezult, aadar, valorile abaterilor n + sau fa de medie pentru diferite
nivele de semnificaie. De exemplu, pentru un nivel de semnificaie de 0,005 rezult o
abatere de 0,7101296, iar pentru un nivel de semnificaie de 0,01 rezult o abatere de
0,651639, ,a,m,d,
Cunoscnd media eantionului de 40 de exemplu, se pot determina intervalele de
ncredere ale mediei colectivitii cercetate pentru diferite nivele de semnnificaie,
respectiv:
- pentru un nivel de semnificaie de 0,005, intervalul de ncredere pentru media
colectivitii este 40 0,71013 (39,28987; 40,71013);
- pentru un nivel de semnificaie de 0,01 intervalul de ncredere pentru media
colectivitii este 40 0,65164 (39,34836; 40,65164) etc.
6.1.2. Simulare cu dou variabile
n cazul n care se dorete a se determina valorile de ieire ale unei variabile yi n

funcie de valorile de intrare pentru dou variabile se procedeaz astfel:
- se definete funcia zi = F(xi, yi) ce descrie relaia dintre variabila de ieire zi i cele
dou variabile de intrare xi; yi;
- se determin valoarea F(xi, yi) pentru anumite valori x0 i y0;
- ntr-o celul amplasat n funcie de zona de simulare aleas (zona de simulare va fi
de forma unui tabel) se va copia celula n care a fost determinat funcia F(xi, yi)
pentru valorile x0 i y0; respectiv aceast celul va fi amplasat n colul din stnga
sus al tabelului n care vor fi generate rezultale;
- pe primul rnd i prima coloan ale respectivei zone de simulare se vor trece
valorile pe care le pot lua variabilele xi i yi;
- se selecteaz ntreaga zon de simulare;
- se acceseaz comanda TABLE din mediul DATA, selectndu-se casetele din
dreptul opiunilor Column input cell i Row input cell. Se indic variabilele n
funcie de care se va realiza simularea; respectiv se vor accesa celulele n care sunt
trecute valoarile lui x0 i y0 corespunztor poziionrii valorilor posibile ale
variabilelor xi i yi n cadrul zonei de simulare;
- se activeaz OK.
64
Exemplu
Continund exemplul prezentat la subcapitolul 6.1.1., dorim s determinm eroarea
fa de medie considernd diferite nivele de semnificaie i diferite dimensiuni ale
eantionului cercetat.
Deci datele iniiale vor fi organizate similar:
A B
1 0,05
2 S 8
3 n 1000
4 =CONFIDENCE(B1,B2,B3)
n continuare se va proceda astfel:

- n celula B6 copiem celula B4 (=B4);
- selectm zona de simulare (A6:G16);
- accesm comanda TABLE din mediul DATA;
- selectm caseta din dreptul opiunii Column input cell i executm click pe celula
B1;
- selectm caseta din dreptul opiunii Row input cell i executm click pe celula B3;
- se activeaz OK.
Rezultatele se prezint n tabelul:
A B C D E F G
1 0,05
2 S 8
3 n 1000
4 0,495836
5
6 0,495836 500 600 700 800 900 1000
7 0,005 1,0042749 0,9167734 0,8487672 0,793949 0,7485423 0,7101296
8 0,01 0,9215567 0,8412623 0,7788576 0,7285545 0,6868878 0,651639
9 0,015 0,8702344 0,7944117 0,7354823 0,6879807 0,6486344 0,6153486
10 0,02 0,8322995 0,759782 0,7034215 0,6579905 0,6203594 0,5885246
11 0,025 0,8019086 0,7320391 0,6777365 0,6339644 0,5977074 0,567035
12 0,03 0,7763951 0,7087485 0,6561737 0,6137942 0,5786908 0,5489943
13 0,035 0,7543092 0,688587 0,6375077 0,5963338 0,5622289 0,5333772
14 0,04 0,7347715 0,6707516 0,6209953 0,5808879 0,5476664 0,5195619
15 0,045 0,717207 0,6547174 0,6061505 0,5670019 0,5345745 0,5071419
16 0,05 0,701218 0,6401216 0,5926374 0,5543615 0,5226571 0,495836
17
65
Din tabel rezult, aadar, valorile abaterilor n + sau fa de medie pentru diferite
nivele de semnificaie i pentru diferite dimensiuni ale eationului. De exemplu, pentru un
nivel de semnificaie de 0,005 i un eantion de 500 rezult o abatere de 1,0042749.
Pe baza abaterilor determinate se pot calcula intervalele de ncredere ale mediei
colectivitii cercetate pentru diferite nivele de semnnificaie i diferite dimensiuni ale
eantioanelor cercetate conform modalitii prezentate anterior.
6.2. Simulri cu ajutorul funciilor ce descriu forma i intensitatea

legturilor dintre variabile
Cunoscnd forma legturilor dintre variabile, precum i intensitatea i semnificaia

acestora se pot realiza estimri ale variabilelor dependente pentru diferite nivele ale
variabilelor independente.
Prin intermediul funcilor sale (LINEST pentru legturi liniare, GROWTH -
pentru legturi exponeniale etc.) programul Excel ne permite determinarea facil a formei,
intensitii si semnificaiei legturilor dintre variabile pentru un numr mare de
caracteristici considerate, ceea ce poate fi extrem de dificil n absena utilizrii unor
programe specializate.
La baza determinrii formei, intensitii si semnificaiei legturilor dintre o
variabil dependent i una sau mai multe variabile independente st analiza de regresie i
corelaie.
Clarificri conceptuale
Metoda regresiei reprezint o metod statistic utilizat pentru determinarea
ecuaiei ce descrie forma legturii dintre o variabil dependent msurat pe scal
metric i una sau mai multe variabile independente, msurat(e) pe scal metric
sau nemetric. Aproximarea formei legturii dintre variabilele cercetate se
realizeaz cu ajutorul unei funcii, denumit funcie de regresie.
Exprimarea matematic a funciei de regresie se prezint astfel:
yi =f( x1i , x 2i , x 3i , ...... x mi )+,
unde:
yi - variabila dependent sau rezultativ;
66
x1i , x 2i , x3i , ...... x mi - variabile independente sau factoriale;
= eroare aleatoare,
Alegerea funciei de regresie presupune reprezentarea grafic, cu ajutorul
corelogramei (norului de puncte), a fiecrei perechi de variabile yi - xi , rezultnd,
astfel, m grafice, n funcie de numrul variabilelor independente considerate n

analiz. n funcie de forma norului de puncte se va alege modelul matematic care
aproximeaz cel mai bine forma legturii dintre fiecare pereche de variabile
corelate. Determinarea parametrilor ecuaiei de regresie presupune utilizarea
metodei celor mai mici ptrate.
Pentru a msura intensitatea legturilor dintre variabilele de marketing se poate
utiliza raportul de corelaie. Raportul de corelaie se calculeaz dup una din
urmtoarele formulele:
Y y Yi ,
2 2
i y i
Ry / x , sau Ry / x 1
y y y
2 2
i i y
unde:
y i - valorile reale ale variabilei dependente (obinute din observare);
y - media aritmetic a valorilor reale;

Yi - valorile teoretice obinute prin nlocuirea n ecuaia de regresie a
valorilor variabilei / variabilelor independente xi .
Raportul de corelaie ia valori ntre 0 i 1. n funcie de valorile lui R y / x se poate
caracteriza i intensitatea legturii dintre variabilele analizate. Respectiv, cu ct

valoarea raportului de corelaie se apropie de 1, cu att legtura este mai
puternic i cu ct se apropie mai mult de 0, cu att legtura dintre variabile este
mai slab.
Pe baza raportului de corelaie se poate determina coeficientul de determinaie
( R 2 y / x ), Acest coeficient se exprim n procente i arat ponderea influenei
variaiei variabilei / variabilelor independente asupra variaiei variabilei

dependente.
Verificarea semnificaiei modelului de regresie se poate face cu ajutorul analizei

dispersionale.
Se lanseaz ipoteza nul conform creia ecuaia de regresie nu este
semnificativ.
67

Pornind de la formulele de calcul ale variaiei factoriale - Y y
i
2
i ale variaiei
reziduale - y i Yi 2, se poate determina valoarea Fc:

2
Fc
Y i y
:
y i Yi
,
f n f 1
unde: f = numrul variabilelor independente;
n = numrul valorilor observate ale caracteristicii y.
Valoare Fc se compar cu valoarea tabelat, citit din tabelele funciei Fisher,
pentru f i, respectiv, n-f-1 grade de libertate i un anumit nivel de semnificaie
determinat n funcie de probabilitatea P cu care se dorete a se garanta
rezultatele (a se vedea anexele 3,4,5).
Dac: Fc < F tabelat => ipoteza nul se accept, modelul de regresie nu este
semnificativ;
Fc > F tabelat => ipoteza nul se respinge, modelul de regresie este
semnificativ, putnd fi extins, pentru probabilitatea de garantare a rezultatelor
considerat, la nivelul ntregii colectiviti cercetate.
Simulare cu ajutorul funciei LINEST
Funcia LINEST este utilizat pentru determinarea parametrilor ecuaiei de

regresie, precum i a raportului de determinaie i valorii calculate Fc, pentru cazul
legturilor liniare dintre o variabil dependent i una sau mai multe variabile
independente. Astfel, ecuaia de regresie are urmtoarea form:
Yi = a b1 x1i b2 x 2i , ...... bm x mi
Cunoscnd valorile variabilelor yi i x1i , x 2i , x3i , ......x mi , pentru un anumit numr de
uniti cercetate, se procedeaz astfel:

- se nregistreaz pe cte o coloan valorile fiecrei variabile cercetare, pe fiecare
rnd corespunznd valori ale unei singure uniti cercetate;
- ntr-o celul amplasat n funcie de zona n care se dorete a se obine rezultatele,
se acceseaz funcia LINEST;
- selectm casetele din dreptul opiunii Known_ys i Known_xs, indicndu-se
valorile variabilei dependente yi i respectiv independente x1i , x 2i , x3i , ......x mi ;
68
- selectm caseta din dreptul opiunii const i indicm TRUE n cazul n care
parametrul a este diferit de zero sau FALSE dac acesta se consider nul, caz n
care valorile b1 , b2 ,...., bm sunt calculate astfel nct s se respecte ecuaia Yi =
b1 x1i b2 x 2i , ...... bm x mi ;
- selectm caseta din dreptul opiunii stats i indicm TRUE pentru a se calcula
valorile coeficienilor b1 , b2 ,...., bm ;
- se activeaz OK;
- se selecteaz o zon ce include celula n care s-a accesat funcia LINEST,
cuprinznd 4 rnduri sub respectiva celula i respectiv un numr de coloane n
partea dreapt a celulei, egal cu numrul variabilelor independente. Se acceseaz
F2 i ulterior CTRL+SHIFT+ENTER. Se obin (printre altele) urmtoarele valori:
valorile parametrilor ecuaiei de regresie, n urmtoarea ordine
bm , bm 1 ,...., b1 , a ;
coeficientul de determinaie;
valoarea calculat Fc;
variaia factorial i rezidual.
n cazul n care ecuaia de regresie este semnificativ pentru probabilitatea de

garantare a rezultatelor considerat, se vor putea realiza estimri ale variabilei Y pentru
diferite nivele ale variabilelor xi .
Exemplu
Se cunosc valorile nregistrate pentru 5 variabile la nivelul a 10 uniti comerciale,
respectiv: desfacerile, suprafaa comercial, cheltuielile promoionale, diversitatea ofertei
(numr articole comercializate), orarul zilnic (numrul orelor de program).
Pornind de la aceste valori, se dorete identificarea ecuaiei de regresie care va sta
la baza estimrii vnzrilor pentru diferite nivele ale celorlalte 4 variabile considerate.
Valorile variabilelor cercetate se vor trece ntr-o pagin EXCEL (celulele A3:F12),
astfel:
69
1 A B C D E F G
Suprafaa Cheltuieli
Numr Numr ore
Nr. Desfaceri comercial promoionale
articole de program
crt (u.m.) yi (m2) (u.m.)
x3 x4
2 x1 x2
3 1 50 110 8.5 105 16
4 2 80 105 9.7 115 24
5 3 25 74 4.6 74 10
6 4 64 125 4.6 94 14
7 5 30 87 5.1 75 10
8 6 40 75 6.2 78 12
9 7 55 125 4.8 78 14
10 8 89 126 6.8 104 16
11 9 32 45 4.5 64 10
12 10 68 94 6.3 78 24
13
Prin reprezentarea grafic cu ajutorul corelogramei a desfacerilor (variabila

dependent) n raport de fiecare dintre celelalte 4 variabile (independente) se constat c,
n toate cazurile, norul de puncte descrie o legtur liniar. Deci ecuaia de regresie este de
forma:
Yi = a b1 x1i b2 x 2 b3 x3i b4 x 4
n continuare se procedeaz astfel:

- n celula B14 (de exemplu) accesm funcia LINEST (=LINEST(..);
- n caseta din dreptul opiunii Known_ys selectm celulele (B3:B12);
- n caseta din dreptul opiunii Known_xs selectm celulele (C3:F12);
- selectm caseta din dreptul opiunii const i scriem TRUE;
- selectm caseta din dreptul opiunii stats i scriem TRUE;
- se activeaz OK;
- dup determinarea valorii corespunztoare se selecteaz zona B14:F18 i se apas
F2, apoi CTRL+SHIFT+ENTER.
70
Rezultatele se prezint astfel:
1 A B C D E F
Suprafaa Cheltuieli
Numr Numr ore
Nr. Desfaceri comercial promoionale
2 articole de program
crt (u.m.) yi (m2) (u.m.)
x3 x4
x1 x2
3 1 50 110 8.5 105 16
4 2 80 105 9.7 115 24
5 3 25 74 4.6 74 10
6 4 64 125 4.6 94 14
7 5 30 87 5.1 75 10
8 6 40 75 6.2 78 12
9 7 55 125 4.8 78 14
10 8 89 126 6.8 104 16
11 9 32 45 4.5 64 10
12 10 68 94 6.3 78 24
13
14 2.848842 (b4) 0.96148 (b3) -6.91061 (b2) 0.085816 (b1) -38.6667 (a)
15 1.174276 0.728344 6.241199 0.283911 21.95006
0.841364
16 11.68847 #N/A #N/A #N/A
( R2 y/ x )
17 6.629687 (Fc) 5 #N/A #N/A #N/A
3622.999 683.1014
18 (variaia (variaia #N/A #N/A #N/A
factorial) rezidual)
19
Not: au fost trecute n paranteze semnificaiile diferitelor valori utilizate n analiza de fa.
n consecin:
- ecuaia de regresie poate fi scris astfel:
Yi = -38.6667 + 0.085816 x1 - 6.91061 x2+ 0.96148 x3 + 2.848842 x4;
- coeficientul de determinaie este R 2 y / x este 84,14%;
- valoarea calculat Fc este 6.629687.
Considernd un nivel de semnificaie de 5%, valoarea tabelat citit din tabelele

funciei Fisher, pentru 4 i, respectiv, 5 grade de libertate este 5,19 < Fc => modelul de
regresie este semnificativ, putnd fi extins, pentru probabilitatea de garantare a rezultatelor
71
considerat (95%), la nivelul ntregii colectiviti cercetate i, implicit, putndu-se realiza
estimri ale variabilei Yi pentru diferite nivele ale variabilelor xi.
De exemplu, continund pe aceeai foaie de lucru, putem introduce n celulele C20,
C21, C22, C23 valorile variabilelor x1 , x2, x3, x4 pentru care se dorete a se estima variabila
Y, iar n celula C24 se va introduce formula de calcul corespunztoare.
A B C
.
.
20 x1
21 x2
22 x3
23 x4
24 =-38.6667+0.085816*C20-
Y
6.91061*C21+0.96148*C22+2.848842*C23
Astfel, estimm desfacerile pentru urmtoarele valori ale variabilelor independente:

A B C
.
.
20 x1 140
21 x2 10
22 x3 120
23 x4 24
24 Y 88
Rezult aadar o valoare estimat a variabilei Y de 88 u.m. Trebuie precizat c

aceast valoare reprezint centrul intervalului n care este probabil ca variabila Y s se
ncadreze pentru respectivele valori ale variabilelor independente xi.
Discuii finale:
Prezentai cteva dintre modalitile concrete de utilizare a programul EXCEL
pentru realizarea de simulri de marketing.
72
Teme propuse:
1. Folosind comanda TABLE realizai simulri cu o singur variabil i, respectiv,
cu dou variabile, pornind de la un set de date de intrare / modele ce atest
legturile dintre variabile, la alegere.
2. Folosind funcia LINEST realizai simulri pornind de la un set de date de intrare
la alegere. Considerai un numr de 4 variabile studiate pentru care dispunei de
valori nregistrate la nivelul a 15 uniti.
73
74
Anexa nr. 1
Tabel cu valorile repartiiei Student n funcie de nivelul de semnificaie
i numrul f al gradelor de libertate
Nivel de semnificaie pentru testul bilateral
f 0,50 0,20 0,10 0,05 0,02 0,01 0,002 0,001 0,0001

1 1,000 3,078 6,314 12,706 31,821 63,657 318,309 636,618 6366,198
2 0,816 1,886 2,920 4,303 6,695 9,925 22,327 31,598 99,992
3 0,765 1,638 2,353 3,182 4,541 5,841 10,214 12,924 28,000
4 0,741 1,533 2,132 2,776 3,747 4,604 7,173 8,610 15,544
5 0,727 1,476 2,015 2,571 3,365 4,032 5,893 6,869 11,178

6 0,718 1,440 1,943 2,447 3,143 3,707 5,208 5,959 9,082
7 0,711 1,415 1,895 2,365 2,998 3,499 4,785 5,408 7,885
8 0,706 1,397 1,860 2,306 2,896 3,355 4,501 5,041 7,120
9 0,703 1,383 1,833 2,262 2,821 3,250 4,297 4,781 6,594
10 0,700 1,372 1,812 2,228 2,764 3,169 4,144 4,587 6,211

11 0,697 1,363 1,796 2,201 2,718 3,106 3,025 4,437 5,921
12 0,695 1,356 1,782 2,179 2,681 3,055 3,930 4,318 5,694
13 0,694 1,350 1,771 2,160 2,650 3,102 3,852 4,221 5,513
14 0,692 1,345 1,761 2,145 2,624 2,977 3,787 4,140 5,363
15 0,691 1,341 1,753 2,131 2,602 2,947 3,733 4,073 5,239

16 0,690 1,337 1,746 2,120 2,583 2,921 3,686 4,015 5,134
17 0,689 1,333 1,740 2,110 2,567 2,898 3,646 3,965 5,014
18 0,688 1,330 1,734 2,101 2,552 2,878 3,610 3,922 4,966
19 0,688 1,328 1,729 2,093 2,539 2,861 3,579 3,883 4,897
20 0,687 1,325 1,725 2,086 2,528 2,845 3,552 3,850 4,837

21 0,686 1,323 1,721 2,080 2,518 2,831 3,527 3,819 4,784
22 0,686 1,321 1,717 2,074 2,508 2,819 3,505 3,792 4,736
23 0,685 1,319 1,714 2,069 2,500 2,807 3,485 3,767 4,693
24 0,685 1,318 1,711 2,064 2,492 2,797 3,467 3,745 4,654
25 0,684 1,316 1,708 2,060 2,485 2,787 3,450 3,725 4,619

26 0,684 1,315 1,706 2,056 2,479 2,779 3,435 3,707 4,587
27 0,684 1,314 1,703 2,052 2,472 2,771 3,421 3,690 4,558
28 0,683 1,313 1,701 2,048 2,467 2,763 3,408 3,674 4,530
29 0,683 1,311 1,699 2,045 2,462 2,756 3,396 3,659 4,506
30 0,683 1,310 1,697 2,042 2,457 2,750 3,385 3,646 4,482

35 0,682 1,306 1,690 2,030 2,438 2,724 3,340 3,491 4,389
40 0,681 1,303 1,684 2,021 2,423 2,704 3,307 3,551 4,321
45 0,680 1,301 1,679 2,014 2,412 2,690 3,281 3,520 4,269
50 0,679 1,299 1,676 2,009 2,403 2,678 3,261 3,496 4,228
60 0,679 1,296 1,671 2,000 2,390 2,660 3,232 3,460 4,169

70 0,678 1,294 1,667 1,994 2,381 2,648 3,211 3,435 4,127
80 0,678 1,292 1,664 1,970 2,374 2,639 3,195 3,416 4,096
90 0,677 1,291 1,662 1,987 2,368 2,632 3,183 3,402 4,072
100 0,677 1,290 1,660 1,984 2,364 2,626 3,174 3,390 4,053
120 0,677 1,289 1,658 1,980 2,358 2,617 3,160 3,373 4,025
200 0,676 1,286 1,653 1,972 2,345 2,601 3,131 3,310 3,970
500 0,675 1,283 1,648 1,965 2,334 2,586 3,107 3,310 3,922
1000 0,675 1,282 1,646 1,962 2,330 2,581 3,098 3,300 3,906
0,675 1,282 1,645 1,960 2,326 2,576 3,090 3,290 3,891
0,25 0,10 0,05 0,025 0,01 0,005 0,001 0,0005 0,00005
f Nivel de semnificaie pentru testul unilateral
75
Anexa 2
Tabel cu valorile funciei Gauss Laplace
z P(z) z P(z) z P(z) z P(z) z P(z)
0,00 0,0000 0,52 0,3969 1,04 0,7017 1,56 0,8812 2,16 0,9692
0,01 0,0080 0,53 0,4039 1,05 0,7063 1,57 0,8836 2,18 0,9707
0,02 0,0160 0,54 0,4108 1,06 0,7109 1,58 0,8859 2,20 0,9722
0,03 0,0239 0,55 0,4177 1,07 0,7154 1,59 0,8882 2,22 0,9734
0,04 0,0319 0,56 0,4245 1,08 0,7199 1,60 0,8904 2,24 0,9749
0,05 0,0399 0,57 0,4313 1,09 0,7243 1,61 0,8926 2,26 0,9762
0,06 0,0478 0,58 0,4331 1,10 0,7287 1,62 0,8948 2,28 0,9774
0,07 0,0558 0,59 0,4448 1,11 0,7330 1,63 0,8969 2,30 0,9786
0,08 0,0638 0,60 0,4515 1,12 0,7375 1,64 0,8990 2,32 0,9797
0,09 0,0717 0,61 0,4581 1,13 0,7415 1,65 0,9011 2,34 0,9807
0,10 0,0797 0,62 0,4647 1,14 0,7457 1,66 0,9031 2,36 0,9817
0,11 0,0876 0,63 0,4713 1,15 0,7499 1,67 0,9051 2,38 0,9827
0,12 0,0955 0,64 0,4778 1,16 0,7540 1,68 0,9070 2,40 0,9836
0,13 0,1034 0,65 0,4843 1,17 0,7560 1,69 0,9090 2,42 0,9845
0,14 0,1113 0,66 0,4907 1,18 0,7620 1,70 0,9109 2,44 0,9853
0,15 0,1192 0,67 0,4971 1,19 0,7660 1,71 0,9127 2,46 0,9861
0,16 0,1271 0,68 0,5035 1,20 0,7699 1,72 0,9146 2,48 0,9869
0,17 0,1350 0,69 0,5098 1,21 0,7737 1,73 0,9164 2,50 0,9876
0,18 0,1428 0,70 0,5161 1,22 0,7775 1,74 0,9181 2,52 0,9883
0,19 0,1507 0,71 0,5223 1,23 0,7813 1,75 0,9199 2,54 0,9889
0,20 0,1585 0,72 0,5285 1,24 0,7850 1,76 0,9216 2,56 0,9895
0,21 0,1663 0,73 0,5346 1,25 0,7887 1,77 0,9233 2,58 0,9901
0,22 0,1741 0,74 0,5407 1,26 0,7923 1,78 0,9249 2,60 0,9907
0,23 0,1819 0,75 0,5467 1,27 0,7959 1,79 0,9265 2,62 0,9912
0,24 0,1897 0,76 0,5527 1,28 0,7995 1,80 0,9281 2,64 0,9917
0,25 0,1974 0,77 0,5587 1,29 0,8030 1,81 0,9297 2,66 0,9922
0,26 0,2051 0,78 0,5646 1,30 0,8064 1,82 0,9312 2,68 0,9926
0,27 0,2128 0,79 0,5705 1,31 0,8098 1,83 0,9328 2,70 0,9931
0,28 0,2205 0,80 0,5763 1,32 0,8132 1,84 0,9342 2,72 0,9935
0,29 0,2282 0,81 0,5821 1,33 0,8165 1,85 0,9357 2,74 0,9939
0,30 0,2358 0,82 0,5878 1,34 0,8198 1,86 0,9371 2,76 0,9942
0,31 0,2434 0,83 0,5935 1,35 0,8230 1,87 0,9385 2,78 0,9946
0,32 0,2510 0,84 0,5991 1,36 0,8262 1,88 0,9399 2,80 0,9949
0,33 0,2586 0,85 0,6047 1,37 0,8293 1,89 0,9412 2,82 0,9952
0,34 0,2661 0,86 0,6102 1,38 0,8324 1,90 0,9426 2,84 0,9955
0,35 0,2737 0,87 0,6157 1,39 0,8355 1,91 0,9439 2,86 0,9958
0,36 0,2812 0,88 0,6211 1,40 0,8385 1,92 0,9454 2,88 0,9960
0,37 0,2886 0,89 0,6265 1,41 0,8415 1,93 0,9464 2,90 0,9962
0,38 0,2961 0,90 0,6319 1,42 0,8444 1,94 0,9476 2,92 0,9965
0,39 0,3035 0,91 0,6372 1,43 0,8478 1,95 0,9488 2,94 0,9967
0,40 0,3108 0,92 0,6424 1,44 0,8501 1,96 0,9500 2,96 0,9969
0,41 0,3182 0,93 0,6476 1,45 0,8529 1,97 0,9512 2,98 0,9971
0,42 0,3255 0,94 0,6528 1,46 0,8557 1,98 0,9523 3,00 0,9973
0,43 0,3328 0,95 0,6579 1,47 0,8584 1,99 0,9534 3,20 0,9986
0,44 0,3401 0,96 0,6629 1,48 0,8611 2,00 0,9545 3,40 0,9993
0,45 0,3473 0,97 0,6680 1,49 0,8638 2,02 0,9566 3,60 0,99968
0,46 0,3545 0,98 0,6729 1,50 0,8664 2,04 0,9587 3,80 0,99986
0,47 0,3626 0,99 0,6778 1,51 0,8690 2,06 0,9606 4,00 0,999938
0,48 0,3688 1,00 0,6827 1,52 0,8715 2,08 0,9625 4,50 0,999993
0,49 0,3759 1,01 0,6875 1,53 0,8740 2,10 0,9643 5,00 0,999999
0,50 0,3829 1,02 0,6923 1,54 0,8764 2,12 0,9660
0,51 0,3899 1,03 0,6970 1,55 0,8789 2,14 0,9676
76
Anexa 3
Valorile raportului dispersiilor F, corespunztoare unui

nivel de semnificaie de 5% sau 0,05 (P = 95% sau 0,95)
i pentru f1 i, respectiv, f2 grade de libertate
f1
f2 1 2 3 4 5 6 8 12 24
1 161,4 199,5 215,7 224,6 230,2 234,0 238,9 243,9 249,0 254,3
2 18,51 19,00 19,16 19,25 19,30 19,33 19,37 19,41 19,45 19,50
3 10,31 9,55 9,28 9,12 9,01 8,94 8,84 8,74 8,64 8,53
4 7,71 6,94 6,59 6,39 6,26 6,16 6,04 5,91 5,77 5,63
5 6,61 5,79 5,41 5,19 5,05 4,95 4,82 4,68 4,53 4,36
6 5,99 5,14 4,76 4,53 4,39 4,28 4,15 4,00 3,84 3,67
7 5,58 4,74 4,35 4,12 3,97 3,87 3,73 3,57 3,41 3,23
8 5,32 4,46 4,07 3,84 3,69 3,58 3,44 3,28 3,12 2,93
9 5,12 4,26 3,86 3,63 3,48 3,37 3,23 3,07 2,90 2,71
10 4,96 4,10 3,71 3,48 3,33 3,22 3,07 2,91 2,74 2,54
11 4,84 3,98 3,59 3,36 3,20 3,09 2,95 2,79 2,61 2,40
12 4,75 3,88 3,49 3,26 3,11 3,00 2,85 2,69 2,50 2,30
13 4,67 3,80 3,41 3,18 3,02 2,92 2,77 2,60 2,42 2,21
14 4,60 3,74 3,34 3,11 2,96 2,85 2,70 2,53 2,35 2,13
15 4,54 3,68 3,29 3,06 2,90 2,79 2,64 2,48 2,29 2,07
16 4,49 3,63 3,24 3,01 2,85 2,74 2,59 2,42 2,24 2,01
17 4,45 3,59 3,20 2,96 2,81 2,70 2,55 2,38 2,19 1,96
18 4,41 3,55 3,16 2,93 2,77 2,66 2,51 2,34 2,15 1,92
19 4,38 3,52 3,13 2,90 2,74 2,63 2,48 2,31 2,11 1,88
20 4,35 3,49 3,10 2,87 2,71 2,60 2,45 2,28 2,08 1,84
21 4,32 3,47 3,07 2,84 2,68 2,57 2,42 2,25 2,05 1,81
22 4,30 3,44 3,05 2,82 2,66 2,55 2,40 2,23 2,03 1,78
23 4,28 3,42 3,03 2,80 2,64 2,53 2,38 2,20 2,00 1,76
24 4,26 3,40 3,01 2,78 2,62 2,51 2,36 2,18 1,98 1,73
25 4,24 3,38 2,99 2,76 2,60 2,49 2,34 2,16 1,96 1,71
26 4,22 3,37 2,98 2,74 2,59 2,47 2,32 2,15 1,95 1,69
27 4,21 3,35 2,96 2,73 2,57 2,46 2,30 2,13 1,93 1,67
28 4,20 3,34 2,95 2,71 2,56 2,44 2,29 2,12 1,91 1,65
29 4,18 3,33 2,93 2,70 2,54 2,43 2,28 2,10 1,90 1,64
30 4,17 3,32 2,92 2,69 2,53 2,42 2,27 2,09 1,89 1,62
40 4,08 3,23 2,84 2,61 2,45 2,34 2,18 2,00 1,79 1,51
60 4,00 3,15 2,76 2,52 2,37 2,25 2,10 1,92 1,70 1,39
120 3,92 3,07 2,68 2,45 2,29 2,17 2,02 1,83 1,61 1,25
3,84 2,99 2,60 2,37 2,21 2,09 1,94 1,75 1,52 1,00
77
Anexa 4

nivel de semnificaie de 1% sau 0,01 (P = 99% sau 0,99)
f1
f2 1 2 3 4 5 6 8 12 24
1 4052 4999 5403 5625 5764 5859 5981 6106 6234 6366
2 98,49 99,00 99,17 99,25 99,30 99,33 99,36 99,42 99,46 99,50
3 34,12 30,81 29,46 28,71 28,24 27,91 27,49 27,05 26,60 26,12
4 21,20 18,00 16,69 15,98 15,52 15,21 14,80 14,37 13,93 13,46
5 16,26 13,27 12,06 11,39 10,97 10,67 10,27 9,89 9,47 9,02
6 13,74 10,92 9,78 9,15 8,75 8,47 8,10 7,72 7,31 6,88
7 12,25 9,55 8,45 7,85 7,46 7,19 6,84 6,47 6,07 5,65
8 11,26 8,65 7,59 7,01 6,63 6,37 6,03 5,67 5,28 4,86
9 10,56 8,02 6,99 6,42 6,06 5,80 5,47 5,11 4,73 4,31
10 10,04 7,56 6,55 5,99 5,64 5,39 5,06 4,71 4,33 3,91
11 9,65 7,20 6,22 5,67 5,32 5,07 4,74 4,40 4,02 3,60
12 9,33 6,93 5,95 5,41 5,06 4,82 4,50 4,16 3,78 3,36
13 9,07 6,70 5,74 5,20 4,86 4,62 4,30 3,96 3,59 3,16
14 8,86 6,51 5,56 5,03 4,69 4,46 4,14 3,80 3,43 3,00
15 8,68 6,36 5,42 4,89 4,56 4,32 4,00 3,67 3,29 2,87
16 8,53 6,23 5,29 4,77 4,44 4,20 3,89 3,55 3,18 2,75
17 8,40 6,11 5,18 4,67 4,34 4,10 3,79 3,45 3,08 2,65
18 8,28 6,01 5,09 4,58 4,25 4,01 3,71 3,37 3,00 2,57
19 8,18 5,93 5,01 4,50 4,17 3,94 3,63 3,30 2,92 2,49
20 8,10 5,85 4,94 4,43 4,10 3,87 3,56 3,23 2,86 2,42
21 8,02 5,78 4,87 4,37 4,04 3,81 3,51 3,17 2,80 2,36
22 7,94 5,72 4,82 4,31 3,99 3,76 3,45 3,12 2,75 2,31
23 7,88 5,66 4,76 4,26 3,94 3,71 3,41 3,07 2,70 2,26
24 7,82 5,61 4,72 4,22 3,90 3,67 3,36 3,03 2,66 2,21
25 7,77 5,57 4,68 4,18 3,86 3,63 3,32 2,99 2,62 2,17
26 7,72 5,53 4,64 4,14 3,82 3,59 3,29 2,96 2,58 2,13
27 7,68 5,49 4,60 4,11 3,78 3,56 3,26 2,93 2,55 2,10
28 7,64 5,45 4,57 4,07 3,75 3,53 3,23 2,90 2,52 2,06
29 7,60 5,42 4,54 4,04 3,73 3,50 3,20 2,87 2,49 2,03
30 7,56 5,39 4,51 4,02 3,70 3,47 3,17 2,84 2,47 2,01
40 7,31 5,18 4,31 3,83 3,51 3,29 2,99 2,66 2,29 1,80
60 7,08 4,98 4,13 3,65 3,34 3,12 2,82 2,50 2,12 1,60
120 6,85 4,79 3,96 3,48 3,17 2,96 2,66 2,34 1,95 1,38
6,64 4,60 3,78 3,32 3,02 2,80 2,51 2,18 1,79 1,00
78
Anexa 5

nivel de semnificaie de 0,1% sau 0,001 (P = 99,9% sau 0,999)
f1
f2 1 2 3 4 5 6 8 12 24
1 405284 500000 540379 562500 576405 585937 598144 610667 623497 636619
2 998,5 999,0 999,2 999,2 999,3 999,3 999,4 999,4 999,5 999,5
3 167,5 148,5 141,1 137,1 134,6 132,8 130,6 128,3 125,9 123,5
4 74,14 61,25 56,18 53,44 51,71 50,53 49,00 47,41 45,77 44,05
5 47,04 36,61 33,20 31,09 29,75 28,84 27,64 26,42 25,14 23,78
6 35,51 27,00 23,70 21,90 20,81 20,03 19,03 17,99 16,89 15,75
7 29,22 21,69 18,77 17,19 16,12 15,52 14,63 13,71 12,73 11,69
8 25,42 18,49 15,83 14,39 13,49 12,86 12,04 11,19 10,30 9,34
9 22,86 16,39 13,90 12,56 11,71 11,13 10,37 9,57 8,72 7,81
10 21,04 14,91 12,55 11,28 10,48 9,92 9,20 8,45 7,64 6,76
11 19,69 13,81 11,56 10,35 9,58 9,05 8,35 7,63 6,85 6,00
12 18,64 12,97 10,80 9,63 8,89 8,38 7,71 7,00 6,25 5,42
13 17,81 12,31 10,21 9,07 8,35 7,86 7,21 6,52 5,78 4,97
14 17,14 11,78 9,73 8,62 7,92 7,43 6,80 6,13 5,41 4,60
15 16,59 11,34 9,34 8,25 7,57 7,09 6,47 5,81 5,10 4,31
16 16,12 10,97 9,00 7,94 7,27 6,81 6,19 5,55 4,85 4,06
17 15,72 10,66 8,73 7,68 7,02 6,56 5,96 5,32 4,63 3,85
18 15,38 10,39 8,49 7,46 6,81 6,35 5,76 5,13 4,45 3,67
19 15,08 10,16 8,28 7,26 6,61 6,18 5,59 4,97 4,29 3,52
20 14,82 9,95 8,10 7,10 6,46 6,02 5,44 4,82 4,15 3,38
21 14,59 9,77 7,94 6,95 6,32 5,88 5,31 4,70 4,03 3,26
22 14,38 9,61 7,80 6,81 6,19 5,76 5,19 4,58 3,92 3,15
23 14,19 9,47 7,67 6,69 6,08 5,65 5,09 4,48 3,82 3,05
24 14,03 9,34 7,55 6,59 5,98 5,55 4,99 4,39 3,74 2,97
25 13,88 9,22 7,45 6,49 5,88 5,46 4,91 4,31 3,66 2,89
26 13,74 9,12 7,36 6,41 5,80 5,38 4,83 4,24 3,59 2,82
27 13,61 9,02 7,27 6,33 5,73 5,31 4,76 4,17 3,52 2,75
28 13,50 8,93 7,19 6,25 5,66 5,24 4,69 4,11 3,46 2,70
29 13,39 8,85 7,12 6,19 5,59 5,18 4,64 4,05 3,41 2,64
30 13,29 8,77 7,05 6,12 5,53 5,12 4,58 4,00 3,36 2,59
40 12,61 8,25 6,60 5,70 5,13 4,73 4,21 3,64 3,01 2,23
60 11,97 7,76 6,17 5,31 4,76 4,37 3,87 3,31 2,69 1,90
120 11,38 7,31 5,79 4,95 4,42 4,04 3,55 3,02 2,40 1,56
10,83 6,91 5,42 4,62 4,10 3,74 3,27 2,74 2,13 1,00
80
BIBLIOGRAFIE
1. Alexandrescu Gelu, Elena Doval, Simularea metod de studiu a realitii, Buletinul

Universitii de Aprare Carol I, nr, 2 /2006,
2. Balaure, Virgil (coordonator) (2002), Marketing, Editura Uranus, Bucureti,
3. Baron, T,, E, Biji, L, Tvissi, P, Wagner, Al, Isaic Maniu, M, Korka, D, Porojan
(1996), Statistic teoretic i economic, Editura Didactic i Pedagogic R, A,,
Bucureti,
4. Ctoiu, Iacob (coordonator) (2002), Cercetri de marketing, Editura Uranus, Bucureti,
5. Datculescu, Petre (2006), Cercetarea de Marketing, Cum ptrunzi n mintea
consumatorului, cum msori i cum analizezi informaia, IRSOP Market Research &
Consulting, Brandbuilders Group, Bucuresti,
6. Demetrescu, M, C, (2000), Metode de analiz n marketing, Editura Teora, Bucureti,
7. Dobre Ion, Floare Musta Horpos (2006), Simularea proceselor economice, Editura
ASE, Bucreti,
8. Drgan, J, C,, M, C, Demetrescu (1996), Practica prospectrii pieei, Tehnici de
cercetare n marketing, Editura Europa Nova, Bucureti,
9. Gheorghi Mircea (2001), Modelarea & simularea proceselor economice, Editura ASE,
Bucreti,
10. Harja Eugenia, Laura C, imira (2009), Metode statistice utilizate n cercetarea de
marketing, Editura Alma Mater a Universitii din Bacu,
11. Florescu, C (coordonator) (1992), Marketing, Editura Marketer, Bucureti,
12. Isaic Maniu, Alexandru, Constantin Mitru, Virgil Voineagu (1995), Statistic pentru
managementul afacerilor, Editura Economic, Bucureti,
13. http://office.microsoft.com,
14. www.smartbox.ro.
81
Valabil pentru anul universitar 20122013
UNIVERSITATEA VASILE ALECSANDRI DIN BACU

DEPARTAMETUL PENTRU NVMNT LA DISTAN
Domeniul de studii: Marketing
Ciclul de studii: Licen
Forma de nvmnt: ID
Programul de studii/ Calificarea: Marketing
FIA DISCIPLINEI:
SIMULRI DE MARKETING
Cod disciplin UB07MK507S.2
Forma AT TC AA Total ore semestru

An Durata
Semestrul de Credite Total Studiu
studiu (sptmni) Numrul ore pe semestru/activiti
evaluare ore individual
III 1 14 V 4 10 4 42 28
Total ore din planul de nvmnt Distribuia fondului de timp (Studiu individual)*
AT TC AA 1 2 3 4 5 6
4 10 10 8 10
Distribuia fondului de timp*:

1 - Studiul dup manual, suport de curs, bibliografie i notie;
2 Documentare suplimentar n bibliotec, pe platformele electronice de specialitate, pe teren;
3 Pregtire activiti tutoriale/ activiti apicative asistate/ proiect, teme de control, referate, portofolii i eseuri;
4 Tutoriat;
5 - Examinri;
6 Alte activiti.
STATUT DISCIPLIN (se marcheaz cu X)

Obligatorie Opional Facultativ
X
Categorie disciplin (se marcheaz cu X)

Fundamental n domeniu De specialitate Complementar
X
de curriculum Discipline studiate: Marketing, Cercetri de marketing

Precondiii de
Competene asigurate de disciplinele Marketing i Cercetri
accesare a disciplinei de competene
de marketing conform RNCIS
de desfurare a
Posibilitate utilizare laptop, videoproiector
activitilor tutoriale
Condiii
de desfurare a
(dac este cazul)
activitilor aplicative -
asistate
F 267.08/Ed.02
COMPETENELE SPECIFICE ACUMULATE
Competene Culegerea, analiza i interpretarea informaiilor de marketing privind

profesionale organizaia i mediul su:
- Interpretarea impactului variabilelor de mediu asupra
activitii organizaiei;
- Evaluarea i clasificarea factorilor care influeneaz
funcionarea organizaiei.
Competene -
transversale
OBIECTIVELE DISCIPLINEI (reieind din grila competenelor specifice acumulate):

Obiectivul general al disciplinei
nsuirea modalitii de utilizare i construire a modelelor de simulare utilizate n investigarea
Obiectivele specifice
Dobndirea cunotinelor necesare pentru culegerea, analiza i interpretarea informaiilor de marketing
privind organizaia i mediul su.
CONINUTUL DISCIPLINEI
Suportul de curs
1. Coninutul i rolul simulrilor de marketing
2. Clasificarea tehnicilor de simulare
3. Componentele sistemelor de simulare de marketing
4. Etapele simulrilor de marketing
5. Modele de simulare
5.1. Generarea numerelor i variabilelor aleatoare
5.2. Metoda de simularea Monte Carlo
5.3. Simularea evoluiei cotelor de pia pentru produse concureniale
5.4. Jocuri de simulare.
5.5. Simularea de tip Forrester
6. Simulare cu ajutorul programului EXCEL
6.1. Simulare folosind comanda Table din Excel
6.2. Simulri cu ajutorul funciilor ce descriu forma i intensitatea legturilor dintre
variabile
Activiti tutoriale
Studii de caz, exemplificri, dezbateri pe marginea aspectelor prezentate n suportul de curs.
Bibliografie
1. imira Laura Ctlina - Simulri de marketing. Note de curs, Editura Alma Mater Bacu,
2012;
2. Ctoiu Iacob (coord) Cercetri de marketing, Ed. Uranus, Bucureti, 2002;
3. Gheorghi Mircea - Modelarea i simularea proceselor economice, Editura ASE, Bucureti
2001;
4. Raiu-Suciu Camelia Modelarea i simularea proceselor economice. Teorie i practic,
Ediia a patra, Editura Economic, 2005.
F 267.08/Ed.02
Activiti aplicative asistate/ teme de control
Studenii vor realiza un proiect cu titlul Utilizarea programului EXCEL pentru simularea
Bibliografie
1. imira Laura Ctlina - Simulri de marketing. Note de curs, Editura Alma Mater Bacu,
2012;
2. Ctoiu Iacob (coord) Cercetri de marketing, Ed. Uranus, Bucureti, 2002;
3. Gheorghi Mircea - Modelarea i simularea proceselor economice, Editura ASE, Bucureti
2001;
4. Raiu-Suciu Camelia Modelarea i simularea proceselor economice. Teorie i practic,
Ediia a patra, Editura Economic, 2005.
Metode de predare
Dezbaterea, exemplificarea
Observaii
-
COROBORAREA CONINUTURILOR DISCIPLINEI CU ATEPTRILE REPREZENTANILOR

COMUNITII EPISTEMICE, ASOCIAIILOR PROFESIONALE I ANGAJATORI
REPREZENTATIVI DIN DOMENIUL AFERENT PROGRAMULUI
Se asigur competene conform prevederilor RNCIS.
STABILIREA NOTEI FINALE
Tip de activitate (Examen, Colocviu, Verificare pe parcurs) Verificare

Criterii de Metode de Pondere din Standard minim de
evaluare evaluare nota final performan
Activiti tutoriale
Activiti Evaluarea Proiect 50% Obinerea notei
aplicative asistate/ temelor de minime 5
teme de control control
Examen/Verificare Rspunsuri la Test (teste gril, 50% Obinerea notei
verificare aplicaii) minime 5
Condiii minime de promovare

Condiii de obinere a notei maxime
(cum se obine nota 5)
demonstrarea nsuirii i stpnirii unui demonstrarea nsuirii i stpnirii ntr-o
minim de cunotine teoretice i practice foarte bun msur a cunotinelor teoretice i
prin intermediul proiectului realizat; practice prin intermediul proiectului realizat;
nota obinut la evaluarea final s fie 5. nota obinut la evaluarea final s fie minim
9,5.
F 267.08/Ed.02
Titularul disciplinei
Numele i Prenumele imira Laura Ctlina
Instituia Universitatea Vasile Alecsandri din Bacu
Departament Marketing i Management
Titlul tiinific Doctor, domeniul Marketing
Gradul didactic Confereniar universitar
ncadrarea (norm de baz n Univ./asociat) Norm de baz n Universitate
Titularul activitilor tutoriale/ activitilor aplicative asistate

Numele i Prenumele imira Laura Ctlina
Instituia Universitatea Vasile Alecsandri din Bacu
Departament Marketing i Management
Titlul tiinific Doctor, domeniul Marketing
Gradul didactic Confereniar universitar
ncadrarea (norm de baz n Univ./asociat) Norm de baz n Universitate
Data Semntura Semntura titularului de Data avizrii n Semntura

completrii titularului de activiti tutoriale/ departament directorului de
disciplin activiti aplicative departament
asistate
Conf.univ.dr.
24.09.2012 08.10.2012
Prihoanc Diana
F 267.08/Ed.02

Optional Simulari de Marketing PDF

Încărcat de

Informații document

Titlu original

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

Optional Simulari de Marketing PDF

Încărcat de

Drepturi de autor:

Formate disponibile

UNIVERSITATEA VASILE ALECSANDRI DIN BACU

FACULTATEA DE TIINE ECONOMICE

Laura Ctlina imira

Descrierea CIP a Bibliotecii Naionale a Romniei

Lucrarea Simulri de marketing. Note de curs realizeaz o prezentare a unora

Bacu, octombrie 2012

1. Coninutul i rolul simulrilor de marketing................... 7

2. Clasificarea tehnicilor de simulare...................... 15

3. Componentele sistemelor de simulare de marketing...................... 19

4. Etapele simulrilor de marketing.................... 23

5. Modele de simulare ......................... 27

6. Simulare cu ajutorul programului EXCEL......................... 61

Cuvinte cheie Obiectivele nvrii:

Simularea constituie o modalitate de obinere a informaiilor utilizat n cercetrile

Dup ali specialiti, simularea, este o tehnic de realizare a experimentelor cu

n cazul n care interdependenele ce stau la baza determinrii valorilor variabilelor

AVANTAJELE I DEZAVANTAJELE SIMULRII DE MARKETING

UTILIZRI ALE SIMULRII DE MARKETING

cunoaterea i nelegerea interdependenelor dintre variabilele de marketing,

EVALUAREA TEHNICILOR DE SIMULARE

Tehnicile utilizate n simulrile de marketing, pot fi evaluate dup ase

Cuvinte cheie Obiectivele nvrii:

Exist mai multe criterii de clasificare a tehnicilor de simulare. Astfel:

n funcie de timpul necesar realizrii simulrii exist:

n funcie de momentul efecturii simulrii exist:

n funcie de interaciunea om-calculator tehnicile de simulare se mpart n:

n funcie de precizia rezultatelor distingem:

Cuvinte cheie Obiectivele nvrii:

CONCEPTE SPECIFICE SIMULRII

Exist o serie de concepte specifice simulrii:

ELEMENTE ALE SISTEMULUI DE SIMULARE

Un sistem tipic de simulare, utilizat n cercetrile de marketing, este format din

n afara datelor de intrare i de ieire un sistem de simulare mai cuprinde:

Cuvinte cheie Obiectivele nvrii:

Demersul ntreprins pentru realizarea sistemului S care s reprezinte ct mai fidel

formularea problemei, a scopului i obiectivelor urmrite presupune

culegerea i prelucrarea preliminar a datelor reale acestea vor sta la

construirea modelului presupune precizarea ipotezelor, a variabilelor i

estimarea mrimii parametrilor sau variabilelor de intrare utiliznd

evaluarea performanelor modelului modelul construit este testat cu

construirea algoritmului de simulare;

scrierea programelor de simulare presupune utilizarea fie a unor

validarea sistemului de simulare prin testarea programului de simulare

analiza i interpretarea datelor presupune prelucrarea datelor simulate,

n procesul de simulare parcurgerea acestor etape nu trebuie privit cu rigiditate,

Cuvinte cheie Obiectivele nvrii:

5.1. Generarea numerelor i variabilelor aleatoare

n simularea proceselor economice, inclusiv de marketing, atunci cnd valorile unor

Numerele pseudoaleatoare satisfac urmtoarele cerine:

Metodele utilizate pentru generarea de numere aleatoare (care, de fapt, genereaz

METODE DE GENERARE A NUMERELOR ALEATOARE

Principalele clase de metode de generare a numerelor aleatoare sunt:

5.2. Metoda de simulare Monte Carlo

PRECIZIA I PROPRIETILE METODEI MONTE CARLO

n procesul de utilizarea a simulrilor Monte-Carlo pentru investigarea fenomenelor

0,6(1 0,6) 0,6(1 0,6)

t0,05; 20-1 , citit din tabelul repartiiei Student = 2,093.

Estimarea mediei reale ( x0 ) pe baza mediei determinate a unei variabile ( x ) dup

n experimente de simulare se realizeaz cu ajutorul intervalului:

x - < x 0 < x + , 65ip

n condiiile unui nivel de semnificaie de 0,05,

n cazul n care se impune de la nceput o anumit eroare maxim admis , se va

De fapt, creterea preciziei de m ori, impune o cretere a numrului de experimente