Documente Academic
Documente Profesional
Documente Cultură
PREVIZIUNEA ECONOMICĂ
ÎN MANAGEMENTUL FIRMEI
ELENA DOVAL
PREVIZIUNEA ECONOMICĂ
ÎN MANAGEMENTUL FIRMEI
Introducere …………………………………………………………… 9
Capitolul 1
MANAGEMENTUL ŞI PREVIZIUNEA
Capitolul 2
CONTEXTUL METODOLOGIC ÎN PREVIZIUNE
Capitolul 3
ANTICIPAREA STRATEGICĂ
Capitolul 5
PREVIZIUNEA PRELIMINARĂ
Capitolul 6
PREVIZIUNEA COMPLEXĂ (I)
Capitolul 7
PREVIZIUNEA COMPLEXĂ (II)
Capitolul 8
MĂSURAREA ACURATEŢEI PREVIZIUNII
Capitolul 10
MONITORIZAREA, ACTUALIZAREA ŞI RAPORTAREA
PREVIZIUNILOR
Bibliografie……………………………………………………………. 169
10
1
Băcanu B., Management strategic, Editura Teora, Bucureşti, 1999,
p.16.
11
PREVEDERE
ORGANIZARE
COMANDA
COORDONARE
CONTROL
2
Florescu C. şi colectiv, Marketing, Editura Marketer, Bucureşti, 1992,
pg.283.
13
15
16
3
Caracota D., Caracota C., Strategii de dezvoltare. Previziune
economică. Editura Sylvy, Bucureşti, 2001, p. 22.
17
18
EXEMPLU
EXEMPLU
21
22
1
Botez M. şi colectiv, Curs de prognoză. Editat de CPMB şi Laboratorul
de cercetări prospective al Universităţii Bucureşti, 1972, p.38.
23
24
2
Ibidem, p.33-36.
26
3
Caracota D., Caracota R.C., Strategii de dezvoltare. Previziune
economică. Ed. Sylvi, Bucureşti, 2001, pag.221.
4
Doval E., Modelarea unor procese decizionale privind investiţiile în
piaţa de capital - instrument al managementului schimbării, Teza de
doctorat. Biblioteca ASE, Bucureşti, 2001, cap. 6.
5
Kahn H. în World Futures, in „Science Journal”, 1967, p.113-116
29
explorativ
normativ intuitiv
teoretic
sintetic morfologi
Fig.2.1. Tipologia Kahn de tratare a viitorului
30
6
Stoica M., Cantău R.D., Previziunea economică a firmei., Ed. Matrix
Rom, Bucureşti, 2002, cap.3.
31
7
Caracota D., Caracota R.C., op. cit., cap.7.
8
Nicolae V., Constantin L.D., Grădinaru I., Previziune şi orientare
economică, Editura Economică, Bucureşti, 1998, cap.7
9
Nash J.C., Nash M. M., Practical forecasting for managers, Arnold,
London, 2001, p.10.
32
10
Shim J.K., Siegel J.G., Simon A.J., The Vest-Pocket, MBA, Prentice
Hall, USA, 1997.
33
34
O firmă produce umeraşe pentru spălătorii. Producţia şi vânzările pot creşte prin
dezvoltarea pieţei, adaptând umeraşele la designul cerut de magazine de confecţii, prin aplicarea
unei pelicule de vopsea în diferite culori.
3 Pasul 3. Evidenţierea ideilor care promovează noi direcţii de dezvoltare a firmei. Aceasta
nu este uşor de realizat, deoarece oamenii se complac în rutină şi practic sunt necesare eforturi
destul de mari. În sprijinul acestei acţiuni vin tehnicile de „brainstorming” cu personalul de elită a
firmei pentru a se considera şi discuta elemente potenţiale. Cercetarea are un rol însemnat,
constând în răsfoirea revistelor de specialitate care prezintă noi tehnologii şi care pot genera idei
valoroase ce se pun în discuţie. În culegerea ideilor este, de asemenea importantă, încurajarea
participării personalului la conferinţe şi sesiuni ştiinţifice, la mese rotunde de afaceri şi alte
asemenea întâlniri, de unde se pot genera idei pentru direcţiile viitoare ale afacerii.
4 Pasul 4. Organizarea ideilor în tabele, care să cuprindă cel puţin următoarele elemente:
activitatea, beneficiul ce poate fi obţinut, costurile, probabilitatea de apariţie sau de schimbare,
timpul, motivaţia. Aceste tabele au scopul de a etala întregul set de posibilităţi viitoare. În această
fază nu se cere o cuantificare riguroasă a amplitudinii, probabilităţii şi timpului, doar o estimare
grosieră. Universitatea SPIRU HARET
Datele culese din activitatea unei firme de construcţii se prezintă în tabelul de mai jos. Se
cuprind atât ideile uşor de previzionat, cât şi cele care comportă o analiză detaliată.
Evoluţia posibilă a activităţilor unei firme de construcţii
O
ri
Probabilitat zo
ea nt
Venit Costuri de apariţie ul
Activitatea anual anuale sau de Fundamentare
u.b. u.b. de ti
schimbare m
% p
an
i
Construcţii civile 5000 4500 25 5 Câştig mic şi sigur
case singulare tradiţionale
case duplex tip vilă 6000 4800 80 5 Presiuni pentru
„modern” şi alternative
case de vacanţă din lemn 4000 2500 10 10 Cerinţe în creştere
case ecologice 10000 8000 5 25
blocuri de apartamente Preţuri mari, clienţi
25000 24600 5 5 “sofisticaţi”
Construcţii industriale Dificultăţi de finanţare
- construcţii clasice construc- 80000 75000 20 8
ţii din schelet metalic şi sticlă 60000 50000 50 30 Cerinţe tradiţionale
1000 Presiuni pentru modern
Amenajări interioare 600 900 45 20 Cerinţe pentru modern
-faianţări, zugrăveli 1200 550 20 5 Cerinţe pentru confort
-recompartimentări 1000 80 30 Necesităţi tehnice
-modernizări instalaţii de
interior
1 Pasul 5. Datele din tabele se organizează prin comparaţie pe o scală, astfel ca decizia să
poată fi facilitată. Desigur că aceste tabele sunt flexibile, şi se actualizează permanent, unele
activităţi se elimină şi se adaugă altele.
3.2. Riscul în previziune
Riscul asociat cu hazardul sau cu întâmplarea este tehnic definit ca un produs între
amplitudinea hazardului şi probabilitatea de apariţie. Acesta este costul de diminuare riscului.
Când există mai multe posibilităţi sau şanse vorbim despre valoarea aşteptată a costurilor riscului.
În previziunea vânzărilor unei firme, riscul deteriorării mărfii la transport este supraestimat,
dar riscul de neîncasare a banilor este în general ignorat.
Prin urmare, abordarea estimării şi managementului riscului are la bază două elemente
importante:
1 amplitudinea riscului;
2 probabilitatea de apariţie a riscului.
Amplitudinea riscului
Riscul care nu implică costuri nu este un risc, deoarece magnitudinea hazardului se
estimează prin referire la costuri. Cel mai dificil de estimat este acel risc care se referă la moarte.
Se ştie că asumarea riscului este aproape un joc de noroc. Jucătorii de noroc studiază matematica
şi statistica şi calculează riscurile, apelând la teoria riscurilor. Inginerii proiectanţi de produse de
lungă folosinţă şi mai ales de produse care necesită siguranţa oamenilor (ca de exemplu:
avioanele, elicopterele, aparate medicale, construcţii etc), studiază fiabilitatea şi disponibilitatea
acestor produse, apelând la studii de specialitate bazate pe statistică. Prin urmare, se cuantifică
defecţiunea sau deteriorarea, care este analizată în contextul beneficiarilor de produs sau serviciu.
O estimare oricât de „brută” a riscului permite gruparea riscurilor după importanţă.
Probabilitatea de apariţie a riscului
Probabilitatea de apariţie, sau şansa ca un hazard să se realizeze, se consideră ca fiind un
eşantion de evenimente posibile. Eroarea de a nu include evenimente invalidează întreaga
operaţie. De exemplu: Vasul Titanic a fost construit practic de nedistrus, dar a eşuat deoarece
percepţia umană a judecat greşit şi nu a estimat corect hazardul.
De aceea, este important a se estima limite ale amplitudinii. Într-o judecată de acest fel, în
practică se utilizează arborele defecţiunilor şi arborele evenimentelor.
În vederea estimării riscului de apariţie respingerii unui lot de mobilă modulară la export,
s-au utilizat diagramele de mai jos.
Aceste diagrame de tip arbore fac posibilă trasarea posibilelor evenimente şi să se ataşeze
probabilităţi fiecărui nod al arborelui, astfel că probabilităţile compuse pot fi determinate prin
multiplicare. Dificultatea este de a include toate probabilităţile, dar aceste analize se efectuează
de regulă de specialişti în domeniul studiat. În general, se utilizează metode statistice bayesiene,
dar în domeniile mult studiate, în baza experimentelor dovedite, s-au construit tabele uşor de
utilizat. Când informaţiile sunt insuficiente, se utilizează mai mult tehnicile subiective (metoda
scenariilor, opinii, experţi etc).
În managementul riscului, în aplicarea riscului în previziune sau în planificare se utilizează
întregul set de opţiuni şi alternative pentru eliminarea sau pentru controlul hazardului.
Tranzacţiile prin internet au devenit frecvente şi uneori, pentru economisirea timpului, chiar
se preferă cumpărăturilor clasice sau participăriiSPIRU
Universitatea la licitaţii
HARET publice. Dacă se evită tranzacţiile pe
internet, se elimină riscul de fraudă, adică acel risc de a pierde sume de bani din cont indicând
codul de card sau de a nu primi niciodată produsele comandate.
Unele firme utilizează sistemul de asigurări, care limitează costurile pagubelor evidente,
cunoscute, pentru a da posibilitatea managementului de a se concentra pe probleme districte de
afaceri.
Asigurarea unui depozit de combustibil pentru riscul de incendii, asigurarea unui lot de
marfă exportat cu vaporul pentru riscul de eşuare şi distrugere sau deteriorare, sau asigurarea unei
investiţii străine într-o ţară cu risc mare etc.
Ceea ce se cuvine a fi subliniat este faptul că oricât de dificilă şi de costisitoare ar fi
estimarea amplitudinii şi probabilităţii riscului prin metode ştiinţifice, este de preferat comparând
cu managementul prin percepţii intuitive.
Schimbări pozitive în mediul de afaceri din România de azi poate conduce la anticiparea
riscului şi la noi oportunităţi.
Tendinţa de scădere continuă a ratei dobânzii creează un sentiment de siguranţă
managerilor, care pot dezvolta strategii de investiţii finanţate din credite bancare.
Schimbarea legislaţiei muncii (Noul cod al muncii) determină managerii să revizuiască
organigramele şi numărul de posturi, să renunţe la colaborări sau contracte pe termen determinat
şi, în prima etapă, să acţioneze pentru restrângerea unor activităţi sau realocarea sarcinilor pe
salariaţi cu contract de muncă nedeterminat.
Planurile strategice ale firmelor se bazează pe tendinţa de stabilitate şi continuitate în
mediul extern. Dar, mediul extern s-a dovedit a nu fi stabil, astfel că previziunile realizate pe baza
extrapolării datelor trecute şi prezente pot fi „eronate”. Mediul extern provoacă o capcană
mentală oricărui manager, aşa numita „capcană a previziunii”.
Schimbările din mediul extern pot fi atât oportunităţi, cât şi ameninţări pentru toate firmele.
Managerii nu pot anticipa viitorul, dar toate planurile strategice se bazează pe „presupuneri” şi
previziuni, care pot fi explicite, raţionale, sau implicite, ca rezultat al acţiunilor pro-active.
„Pentru a obţine succes, firmele trebuie să anticipeze schimbările posibile şi să fie oricând
gata să facă faţă oportunităţilor şi provocărilor într-o manieră pro-activă şi nicidecum re-activă”.
1
Nash J. C., Nash M.M., Practical Forecasting for Managers, Arnold,
London, 2001, cap.4.
45
46
2
Grant R., Contemporary Strategy Analysis, Blackwell, UK, 1998, p. 26.
49
3
Boldur Gh., Ciobanu Gh., Băncilă I., Analiza sistemelor complexe,
Ed. Ştiinţifică şi Encicopedică, Bucureşti, 1982, p.9-12; 345-349.
50
EXEMPLU
EXEMPLU
52
53
54
EXEMPLU
4
Stapleton T. şi colectiv, Complexity and the External Environment,
Unit 3 – Planning under conditions of uncertainty. MBA course. The Open
University Business School, 2000, p.192-209.
57
(5)
(2)
(4) (3)
Neimportant Important
(8) (6)
(9) (7)
Certitudine
Fig. nr. 4.1. Matricea importanţei şi incertitudinii
58
100
Zona convenţională
80
60 s c e n a r ii
40
20
59
60
5
Stapleton T. şi colectiv, Marketing in a Complex World. Complexity
and the External Environment, MBA course, The Open University Business
School, UK, 2000, unit 3, p.191; unit 2, p.153-165.
61
6
Ibidem.
62
Recunoaşte
4 5
Hoţul nr.2 Recunoaşte
4 1
Neagă
1 2
5 2
Fig. 4.3. Dilema prizonierilor
63
EXEMPLU
OBIECTIVUL
PRINCIPAL
OBIECTIVE
SECUNDARE
MIJLOACE DE
REALIZARE
RESURSE
m n
Pj = ∑ Ci ⋅ R ij , în care : ∑ Pj = 1
i =1 j=1
65
66
O0
O1 O2
68
1
Nash J.C., Nash M.M., Practical Forecasting for Managers, Arnold,
NY, 2001, p.87-89.
69
2
Donald Wates, Quantitive Methods for Business, Addison-Wesley,
2nd ed., 1997 England, p. 279 şi urm.
70
EXEMPLU
Numărul de zile de concediu de boală în ultimele 8 luni la
societatea comercială SANITAS SA a evoluat astfel:
71
72
73
timp
Fig. 5.1. Trendul (tendinţa)
2) variaţii ciclice, se referă la mişcările periodice:
• componenta ciclică (C) greu de definit
De exemplu: volumul cererii de îmbrăcăminte în funcţie de modă.
• componenta sezonieră (S) supusă periodicităţii dar într-un
interval de timp definit
De exemplu: influenţa anotimpurilor asupra consumului de
energie termică, volumul vânzărilor unor produse în funcţie de sezon.
Variaţii ciclice
timp
Fig.5.2. Variaţii ciclice
2. reziduu, (componenta reziduală, aleatoare) (E), cu influenţă
nesemnificativă de regulă, denumită eroare.
Agregarea componentelor se face:
-fie prin adiţie : T+C+S+E = F
-fie prin multiplicare : TxCxSxE = F
74
Timp
Fig.5.3 Reziduu
EXEMPLU
Valoare previzionată
Eroarea Et
----------> valoarea observată yt
timp
Fig.5.4. Reprezentarea erorii
75
n n
EXEMPLU
Et 3 -1 2 -3 -3 5 2 4 -5 -5
I Et I 3 1 2 3 3 5 2 4 5 5
( Et ) 9 1 4 9 9 25 4 16 25 25
a. lineară F(t) = a+ bt
1
e. logistică F(t) = unde 0 < r < 1
a + br t
unde: a, b, c, d sunt parametrii curbei şi se estimează de regulă
prin metoda „celor mai mici pătrate”, care constă în minimizarea
sumei pătratelor diferenţelor dintre seria de date statistice şi seria de
date ajustate.
Practica a demonstrat că variabilele de previzionat se „aşează”,
de regulă, după o curbă a cărei „alură” corespunde uneia dintre
funcţiile de repartiţie menţionate mai sus.
5.4. Extrapolarea
Extrapolarea este o metodă explorativă şi una dintre cele mai
utilizate metode cantitative. Se bazează pe evoluţia anterioară a unui
proces desfăşurat în anumite condiţii ce au determinat o anumită
dinamică şi care conţin elemente care se conservă şi determină univoc
dezvoltarea viitoare a procesului. Altfel spus, viitorul apare ca o
prelungire a evoluţiei consiante în trecut.
Deoarece se presupune că nu vor apare modificări structurale
fundamentale faţă de dezvoltarea precedentă (trecută), metoda
extrapolării se utilizează în previzionarea fenomenelor care îşi menţin
ritmul şi direcţia de dezvoltare pe o perioadă mai lungă de timp.
Această metodă dă o imagine orientativă a viitorului, astfel că în
paralel se utilizează şi alte metode.
77
EXEMPLU
t=1
extrapolare mecanică
b. Yt = 250.000 + 1x 25.000 x 0,82 = 270.500 USD
K = 0,82
extrapolare euristică
78
79
y
b3
b2
b1
înfăşurătoare de speţa I
a1 a2 b1 a3 b2 b3 X
80
Y
k=1
k<1
a1 a2 a3 b1 b2 b3 X
perioada trecuta perioada de previziune
81
Xt = X0 ± tΔ
EXEMPLU
82
EXEMPLU
83
3
Pegels. C.C., Exponential forecasting: some new variations, în
Management science, vol.12, no.5, USA, 1969, p.311-315.
4
Ibidem.
84
85
EXEMPLU
Iniţial
2000
1000 Initial
Iniţial
0
0 2 4 6 8 10 12 14
86
Metoda B
cicluri q1 q2 q3 q4
observaţii trend X(t) 610 675 770 1120 1240 1350 1340 1475 1650 1070 1155 1300
media ciclului 685 1237 1488 1127
media anuală a trimes- 1134
trelor
modificarea sezoniera ds -449 103 354 -8
y(t+1)=X(t)+ds 161 226 321 1223 1343 1453 1694 1829 2004 1063 1148 1293
Metoda C
cicluri q1 q2 q3 q4
observaţii X(t) 610 675 770 1120 1240 1350 1340 1475 1650 1070 1155 1300
media anuală 1146
factorul 0,53 0,59 0,67 0,977 1,08 1,18 1,169 1,29 1,44 0,93 1,008 1,13
sezonier Ik
media factorilor 0,6 1,079 1,298 1,03
pe ciclu
(t)= X(t) x Ik 365 403 460 1208 1341 1590 1740 1898 2375, 1097 1164 1474
1
87
2000
4000
1000 Metoda A
Metoda A 2000 Metoda
Metoda B
0
0
0 5 10 15 0 5 10 15
Metoda D
cicluri q1 q2 q3 q4
observaţii 112 124 135 134 147 165 107 115 130
610 675 770
X(t) 0 0 0 0 5 0 0 5 0
media anuală 1146
modificarea
536 471 376 26 -94 -204 -194 -329 -504 76 -9 -154
sezoniera ds
109 133 155 153 180 215 116 145
y(t)=X(t)+ds 74 204 394 994
4 4 4 4 4 4 4 4
Metoda C Metoda D
3000 3000
2000 2000
Metoda C
Metoda C Metoda
Metoda DD
1000 1000
0 0
0 5 10 15 0 5 10 15
88
t t t
a) b) c)
Fig.nr.6.1. Funcţia putere şi funcţia exponenţială
Parametrii funcţiei se determină prin rezolvarea următorului
sistem de ecuaţii:
1
Nicolae V., Constantin L.D., Grădinaru I., Previziune şi orientare
economică, Editura Economică, Bucureşti, 1998, p.160-161.
89
Pentru b)
∑ ln Y = a ln a + b ∑ t
2
∑ (t ln Y ) = (ln a ) ∑ t + b ∑ t
Pentru c)
∑ ln Y = n ln a + b ln t
2
∑ (ln Y ln t ) = (ln a ) ∑ ln t + b( ∑ ln t )
EXEMPLU
90
1000
800
600 Date observate
400 Date calculate
200
0
1 2 2 3 4 5 7 8
Yt
t t+1
Et
Et = Yt – Ft Et = 1800- 2000 = -200
Ft+1 = Ft + α Et
Ft+1 = 2000 – 0,2 x 200 = 2000 – 40 = 1960
92
t
Fig. nr.6.3. Funcţia exponenţială
EXEMPLU
94
0,25
0,2
0,15
Curba
exponenţială
0,1
0,05
0
0 1 2 3 4 5 6
2
Nash C.J., Nash M.M., Practical Forecasting for Managers, Arnold,
London,2001, p.167-168.
95
3
Ibidem, p. 170-171.
96
6000
5000
4000
3000 volum producţie
2000
1000
0
1 2 3 4 5 6 7 8 9 10 11 12
Avem:
L lungimea sezonalităţii = 3;
α parametrul de uniformizare pentru S(t)= 0,2
β parametrul de uniformizare pentru I(t) = 0,2
97
6000
5000
4000
Date observate
3000
Date calculate
2000
1000
0
1 2 3 4 5 6 7 8 9 10 11 12
98
4
Piconni M.J., Romano A., Olson C., Business Statistics, Harper
Collins College Publisher, USA, 1993, ch.10.
99
xi
Fig. 6.4. Dreapta de regresie
Din acest grafic rezultă faptul că valoarea previzională Ŷ
reprezintă în general numai cea mai bună predicţie a valorii observate
Y dependentă de valoarea observată X.
Diferenţa dintre Y – Ŷ reprezintă eroarea E.
Metoda celor mai mici pătrate presupune că dreapta de regresie
minimizează suma pătratelor diferenţelor verticale, sau a erorilor
pentru datele observate yi.
Succint, prin metoda celor mai mici pătrate, dreapta de regresie
pentru setul de perechi (x,y) de date observate , minimizează:
Σ (Y- Ŷ)2 sau Σ E2 , unde E = - Ŷ
considerând Ŷ= a+bx
şi înlocuind avem:
Σ[Y- (a+bx)] = Σ(Y-a-bx)2
Pentru a minimiza pătratul diferenţei se utilizează ecuaţiile
normale, prin rezolvarea simultană a sistemului de două ecuaţii:
Σ y=na + bΣX
ΣXy=aΣX + bΣX2
unde n=numărul de perechi observate x şi y.
Izolând a şi b în ecuaţiile normale de mai sus, rezultă:
∑ X ∑ Y − n ∑ XY
b= 2 2
ΣX − n ( ΣX )
∑ X ∑Y −( ∑ X 2 )(∑Y )
a= ( ∑ X ) 2 −n ( ∑ X 2 )
100
Y _ _
( X, Y )
X
X
Fig. 6.5. Dreapta de regresie
EXEMPLU
I 1 2 3 4 5 6
Xi 4.000 6.000 3.000 5.000 8.000 7.000
Nr. piese
Yi 3.000.000 4.500.000 2.500.000 3.000.000 5.000.000 4.500.000
Salariu
101
33 X2
X= =5,5 x 103 =30,25 x 109
6
102
a X
Fig. nr. 6.6. Funcţia logaritmică
Y= a +b ln X
unde a, b sunt parametrii funcţiei şi se determină din sistemul de ecuaţii:
∑ Y = na + b ∑ ln X
2
∑ Y ln X = a ∑ ln X + b ∑ (ln X )
unde:
( ∑ Y )( ∑ (ln X ) 2 ) − ( ∑ ( Y ln X )( ∑ ln X )
a =
n ∑ ((ln X ) 2 ) − ( ∑ ln X ) 2
n ( ∑ Y ln X ) − ( ∑ ln X )( ∑ Y )
b =
n ( ∑ (ln X ) 2 ) − ( ∑ ln X ) 2
104
a X
Y Y
0, 1 0, a + b
a c
X X
Fig. 6.8. Funcţia hiperbolică
Funcţia poate avea forma:
Y = a +1bX
Unde constantele a şi b se determină din sistemul de ecuaţii:
∑ Y1 = na + b ∑ X
X 2
∑ Y = a∑ X + b∑ X
105
∑ XY = nd + a ∑ X − c ∑ Y
2 2
∑ X Y = d ∑ X + a∑ X − c ∑ YX
2 2
∑ XY = d ∑ Y + a ∑ XY − c ∑ Y
Y
Y’=k
X
Fig.nr.6.9. Funcţia logistică
106
b −1
lg a = ( ∑ 2 lg Y − ∑ lg Y )
( b X −1 ) 2
1
lg k = n
⎡ ( ∑ 1 lg Y )( ∑ 3 lg Y ) − ( ∑ 2 lg Y ) 2 ⎤
⎢⎣ ∑ 1 lg Y + ∑ 3 lg Y − 2 ∑ 2 lg Y ) ⎥⎦
Produs pe pereche
Maşini ore Ore manoperă Materiale
Ghete piele 4 4 1
Cizme cauciuc 2 6 1
Total pe săptămână 100 180 40
60 E
50 B
40 C punct optim
30 A
20 D
10
0
10 20 30 40 50 60
Rezultă: X1 = 15 X2 = 20
max (3X1 + 4X2) → 3 x 15 + 4 x 20 = 45 + 80 = 125 mii
Punctele dreptei se determină din restricţie astfel :
A: 4X1 + 2X2 = 100
X1= 100 = 25 X2= 100 = 50
4 2
Valorile lui X1 şi X2 se inserează în restricţii, astfel:
A: 4 x 15 + 2 x 20 = 100 ore – maşină utilizate integral
B: 4 x 15 + 6 x 20 = 180 ore – manoperă utilizate integral
C: 1 x 15 + 1 x 20 = 35 consumul de materiale
D: 1 x 15 = 15 perechi vânzări ghete piele – contract onorat
110
EXEMPLU
112
5
Stoica M.D., Cantau R.D., Previziunea economică a firmei, Editura
Matrix Rom, Bucureşti, 2002, p. 65.
113
unde:
d= ecartul maxim între cele două variante, în valoare absolută
Dij = mulţimea criteriilor pentru care:
ajs > ais, dacă Cs este criteriu maxim
ajs < ais, dacă Cs este criteriu de minim
În continuare se aplică teoria grafurilor, ţinând cont de restricţii.
114
c = criterii
¾ media aritmetică
m
mj = ∑ c ja ij
i =1
Considerând 5 variante: A1……..A5 care se compară după
două criterii şi reprezentând în spaţiul bidimensional curbele de
115
A4
A1
A3
A5
100
Variante A1 A2 A3 A4 A5 A6
Mii consumatori 100 90 110 140 120 80
Criteriile care stau la baza vânzărilor sunt:
C1 = preţul
C2 = prezentarea
C3 = culoarea verde
C4 = accesibilitatea la cumpărare
116
Pasul 1
se stabileac perechile de variante (A1, A2), (A3, A4), (A5,
A6)…..
se stabilesc perechile de criterii (c1, c2), (c3, c4), (c1,
c4), (c2, c4), (c2, c3), (c1, c3).
se dă o valoare numerică preferinţelor, de exemplu:
Ponderea
Subiectivă
C1/C2 : 2 0,5 unde : 0 = indiferenţă
C3/C4 : -1 -0,25 -1 = preferinţă slabă
C1/C4 : 0 0 1 = preferinţă puternică
C2/C4 : -1 -0,25 2 = preferinţă f. puternică
C2/C3 : 1 0,25
C1/C3 : 1 0,25
Total : 4 1
Pasul 2
se compară perechile de variante cu fiecare criteriu şi
rezultă ponderile
subiective aij.
A1, A2 cu criteriul C1/C2 100 x 0,5 A1
A3, A4 C1/C2 140 x 0,5 A4
A5, A6 C1/C2 120 x 0,5 A5
s.a.m.d.
7.2. Funcţiile de producţie
Funcţiile de producţie (Wicksteed, 1894) reprezintă legătura
exprimată funcţional dintre rezultatul unei activităşi de producţie şi
factorii care o determină şi exprimă în mod complex corelaţiile
multiple ce se ivesc între produsul muncii şi principalii factori de
producţie.
Cea mai renumită este funcţia de producţie Cobb – Douglas.
Aceasta are forma:
Q = f ( x1, x2, …xn ).
117
118
1
Andreica M., Stoica M., Modelarea şi simularea proceselor economice,
ASE Bucureşti 1994, p. 195, 201.
119
121
Nr.zile.stoc * Volum.aprovizionare.m
Stoc mediu material m = 365
122
NECESAR RESURSE R
N
I Resurse de muncă potenţiale (1+2+3)
Ramura 1 1. Populaţia în vârstă de muncă
din care: 2. Populaţia în afara vârstei de muncă, care lucrează
pe categorii 3. Populaţia în vârstă de muncă, care nu lucrează (inaptă)
. II Resurse de muncă disponibile
. III Resurse de muncă (1+2+3+4)
. 1. Elevi, studenţi în vârstă de muncă
. 2. Populaţia casnică în vârstă de muncă, aptă de muncă
. 3. Militari în termen
ramura n 4. Şomeri
Balanţele forţei de muncă se corelează cu prognoza populaţiei şi
alte prognoze la nivel macroeconomic.
La nivelul firmei, se utilizează informaţiile din balanţele
macroeconomice şi se stabilesc necesarul şi resursele de forţă de muncă.
123
Total utilizări x
Consum Public
Consum Popul.
consumatoare xj
Invest. Fol.fixe
Total
Export
Stoc
Ramura
producătoare xi
Total
Valoarea Cadran
adăugată III Dj
Total resurse x
Ecuaţia repartizării produselor (output) este:
Xi = Xi1 + Xi2 + …………Xin + Yi
Ecuaţia cheltuielilor de producţie (input) este:
Xj = X1j + X2j + …………Xnj + Dj
n
Deci: Xi = ∑ x ij + yi sistem de ecuaţii liniare
i, j=1
Se notează: coeficientul consumului de obiecte ale muncii
aij = Xij matricea A
Xj
126
Xj = ∑ x ij + D j
Dj = suma valorii adăugate a ramurilor = producţie -
consumuri intermediar
(amortizare, alte cheltuieli) + venituri
n n
∑ x ij + yi = ∑ x ij + D j
i, j=1 i, j=1
sau
I + II = I + III ecuaţia de echilibru a BLR
În modelul dinamic se consideră creşterea în timp a producţiei
pe baza creşterii în timp a investiţiilor sau a capitalului, sau
mijloacelor de muncă ( K ).
K ij
Se notează: coeficientul consumurilor de muncă bij =
Xj
matricea B.
dX j
Notăm cu Kij’ = bij x (creşterea de mijloace de muncă)
dt
n
Yj= Y j' + ∑ k ij' unde: yj’ = yj fără investiţii
i, j=1
kij’ = investiţii ( creşterea în timp a mijloacelor de muncă)
Xi = ∑ a ijX j + ∑ k 'jj + y'j
7.6. Metoda lanţurilor MARKOV
Metoda se bazează pe teoria lanţurilor MARKOV, 2 în care se
porneşte de la evaluarea cotei de piaţă a firmelor producătoare şi
consumatoare.
Se utilizează notaţiile:
• producătorii cu P1, P2,…Pj…..Pn
• consumatorii cu C1, C2,…Ci…Cm
• Nij fluxul produselor, unde I = 1….m şi j= 1…n
• CTi cererea solvabilă de produse a consumatorului Ci
• Qj volumul livrărilor producătorului Pj
2
Stoica M.D., Cantau R.D., Previziunea economică a firmei, Editura
Matrix Rom, Bucureşti, 2002., p.89-94.
127
128
129
130
1
Makridakis S., Metaforecasing-ways of Improving Forecasting
Accuracy and Usefulness, Fontainebleau, INSEAD, 1988.
131
132
2
Nash J.C, Nash M.M., Practical Forecasting for Managers, cap.15, p.193.
133
134
3
Picconi M., Romano A., Olson Ch., Business Statistics, Harper
Collins, USA, 1993, p.535-538.
135
r = +1 r = -1
r= 0,83 r= - 0,4
30 100
80
20
60
10 40
20
0
0
0 10 20 30 0 20 40 60 80 100
Corelaţie puternic pozitivă Corelaţie slabă negativă
80
60
40
20
0
0 20 40 60 80 100
Corelaţie inexistentă
mil.lei / lună
1 2 3 4 5
Profit secţia damă X 4 6 2 5 3
Profit secţia bărbaţi Y 5 8 2 5 3
X = 20 / 5 =4 Y = 23 / 5 =4,6
Luna t X Y X- X Y- Y (X- X )(Y- Y ) (X - X )2 (Y - Y )
1 4 5 0 0,4 0 0 0,16
2 6 8 2 3,4 6,8 4 11,56
3 2 2 -2 -2,6 5,2 4 6,76
4 5 5 1 0,4 0,4 1 0,16
5 8 3 1 -1,6 1,6 1 2,56
Total ΣX=20 ΣY=23 Σ=10 Σ=21,20
Rezultă:
14
r= = 0,962 corelaţie puternică.
10 21,20
4
Waters D., Quantitative methods for business, Addison – Westley,
USA, 1997, p.249.
137
Σ( Y − Ŷ ) 2 2
r2 = 1 - 2
sau r2= Σ(Ŷ − Y) 2
Σ(Y − Y) Σ(Y − Y)
2
( n Σ XY
− ΣXΣY )
r2=
[
nΣX
2
− (Σ X )
2
nΣY
2
][
− (Σ Y )
2
]
Coeficientul de corelaţie r.
138
EXEMPLU
T 1 2 3 4 5 6 7 8 9 10 11 12 Total an
Y vânzări mil.lei 30 40 28 32 50 40 40 46 28 44 36 36 450
X cheltuieli pentru 18 34 38 22 28 46 24 24 44 14 26 30 348
promovare mil.lei
348
ΣXY=13.656 ΣX=348 X= =29
12
ΣX2 =11.168 ΣY=450
ΣY2 =17.436 Y = 450 =37,5
12
Funcţia de regresie:
Ŷ =21,16 + 0,5632 X , unde:
Ŷ = vânzările estimate
X= cheltuielile cu promovarea produselor
139
606 2
r2 = = 367.236
= 367236 =0,0507
2
1076 ⋅ (12 ⋅ 17436 − 450 ) 1076 ⋅ (209232 − 202500) 7243632
Σ( Y − Ŷ ΣY 2 − aΣY − bΣXY
Se= =
n−2 n−2
Acesta măsoară gradul (nivelul) de încredere a predicţiilor.
Intervalele de încredere exprimă probabilitatea ca rezultatele
unui eşantion să poată fi aplicate la întreaga populaţie.
Dacă dorim ca intervalul de încredere în predicţii să fie de un
anumit procent se calculează intervalul de încredere.
Intervalul de încredere = Y+t (Se) , unde t se citeşte din tabele, fiind
determinată de nivelul de încredere dorit şi gradele de libertate (n-2).
De exemplu, pentru 95% nivel de încredere şi (12-2 =10) grade
de libertate se citeşte t= 2,228.
EXEMPLU
140
Se Se
Sb= sau
(X − X)
2 2
ΣX − X ⋅ ΣX
EXEMPLU
141
Testul t statistic
Testul r2
Multicolinearitatea
1. Testul tstatistic
tstatistic arată semnificaţia fiecărei variabile independente în
previziunea variabilei dependen
tstatistic= bi unde i= variabila independentă
Sb i
(1,2,3…..i…..n)
Regula este: valoarea mai mare decât +2 sau mai mică decât –2
este acceptată.
Este de preferat ca t statistic să fie mai mare pentru fiecare
variabilă independentă (fie + , fie - ).
Variabilele cu o valoare a lui t mai mică pot fi eliminate fără a
descreşte substanţial
r2 sau crescând eroarea standard.
Valoarea lui t se citeşte din tabele în funcţie de pragul (nivelul)
de semnificaţie şi gradele de libertate alese.
Unde:
n −1
r2 =1 – (1-r2)
n−k
unde : n = numărul de observaţii
142
5
Shim J.K., Siegel J.G., Simon A.J. – The Vest –Pocket MBA,
Prentice Hall, USA, 1997, p.246.
143
144
Management
general
SISTEMUL CONTABILITĂŢII
Contabilitatea costurilor
Managementul costurilor
147
t 1 2 3 4 5 6 7 8
y1 70 85 88 91 91 94 96 97
y2 74 90 98 102 110 118 127 135
y3 66 68 71 74 75 78 82 85
Media simplă:
t 1 2 3 4 5 6 7 8
ym 70 81 86 89 92 97 102 106
148
149
151
EXEMPLU
Să considerăm curba de creştere logistică cu 3 parametrii (b1,
b2, b3) şi timpul t:
y(t) = b1(1+b2exp(-b3t) pe perioada de timp t = (0 –45).
Graficele prezentate mai jos arată multiplele curbe care pot apărea
când modificăm parametrii, fiecare din ei sau în combinaţie până la
10% din amplitudinea lor faţă de valorile „uzuale” de:
b1 =100, b2=10, b3=0,1.
Să notăm modificările în tabelul nr. 1.
Seriile (variantele) 1 2 3 4 5 6 7 8 9
b1 asimptota 100 690 110 100 100 100 100 90 110
b2 punctul de plecare 10 10 10 9 11 10 10 9 11
b3 punctul de inflexiune 0,1 0,1 0,1 0,1 0,1 0,09 0,11 0,09 0,11
1
Nash J.C., Nash M.M., Practical Forecasting for Managers, Arnold,
UK, 2001, p.62-63.
154
100,00
80,00
60,00
40,00
20,00
0,00
1
13
17
21
25
29
33
37
41
45
Fig.nr.9.1. Seria 1
120,00
100,00
80,00
60,00
40,00
20,00
0,00
1
13
17
21
25
29
33
37
41
45
156
157
EXEMPLU
158
159
160
161
162
1
Nicolae V., Constantin L.D., Grădinaru I., Previziune şi orientare
economică, Ed. Economică, Bucureşti, 1998, p.133.
163
2
Maniu-Isaic A., Mitruţ C., Voineagu V., Statistica pentru
managementul afacerilor, Editura Economică, Bucureşti, 1999, p.412 - 416.
164
165
3
Nash J.C., Nash M.N., Practical Forecasting for Managers, Arnold,
GB, 2001, p.269.
166
168
169
170
171
172
173
174
175
176