Курсовая работа: Взаимосвязь логистики и маркетинга
D=2,4477*1,97=4,82
Определяем прогнозное значение спроса седьмого месяца с вероятностью 95%:
X7 =
±4,82
37,51 42,33 47,15
Потребность седьмого периода с вероятностью 0,95 попадет в интервал от 37,51 до 47,15 единиц. Соответственно, вероятность того, что потребность окажется больше 47,15 или меньше 37,51 единиц, составит всего 0,05. Но перед нами стоит задача не просто рассчитать требуемый интервал, а определить, то количество товара, которое необходимо для обеспечения потребности седьмого месяца, т.е. нам необходимо определить значение, которое будет больше или равно ожидаемого фактического значения потребности минимум в 95 % случаев. Очевидно, что в данных условиях таким значением будет 47,15.
| месяц | Тыс. уп в месяц | Сравнение | Среднее арифметическое | Отклонение |
| окт.10 | 42 | 42+4,82=46,82 | | 4,49 |
| ноя.10 | 43 | 43+4,82=47,82 | | 5,49 |
| дек.10 | 39 | 39+4,82=43,82 | | 1,49 |
| янв.11 | 42 | 42+4,82=46,82 | | 4,49 |
| фев.11 | 44 | 44+4,82=48,82 | | 6,49 |
| мар.11 | 45 | 45+4,82=49,82 | | 7,49 |
| Среднее отклонение | 4,99 |
Вывод: данный метод не подходит, так как среднее отклонение 4,99-слишком большое.
2.1.4 Определение потребности на товар методом регрессионного анализа.
Регрессию можно определить как функциональную зависимость между двумя или несколькими переменными. Эту зависимость используют для предсказания значения одной переменной на основе значения другой. Для целей прогнозирования потребностей обычно изучают зависимость объема продаж (объема потребления) от времени. График линейной регрессии имеет следующий вид:
Y = a + bX,
где Y - значение зависимой переменной (в нашем случае это обычно объем продаж или объем потребления);
а - коэффициент, показывающий высоту подъема прямой по оси ОY);
b - коэффициент, показывающий угол наклона прямой;
X - значение независимой переменной (в нашем случае это номер соответствующего временного интервала).
Мы рассматриваем зависимость потребности в сахаре от времени. Время – это независимая переменная X, а объем потребления Y – зависимая переменная.
Для составления прямой Y = a + bX необходимо решить следующую систему уравнений (где n – количество периодов времени, данные которых используются при прогнозировании).
Если рассмотреть последние 9 периодов, то можно составить следующую прямую:
| месяц | Х | Y | X^2 | XY | Y=a+bx | Отклонение | |
| июл.10 | 1 | 39 | 81 | 351 | 40,24 | 1,24 | |
| авг.10 | 2 | 41 | 100 | 410 | 40,62 | 0,38 | |
| сен.10 | 3 | 42 | 121 | 462 | 41 | 1 | |
| окт.10 | 4 | 43 | 144 | 516 | 41,38 | 1,62 | |
| ноя.10 | 5 | 39 | 169 | 507 | 41,76 | 2,76 | |
| дек.10 | 6 | 42 | 196 | 588 | 42,14 | 0,14 | |
| янв.11 | 7 | 44 | 225 | 660 | 42,52 | 1,48 | |
| фев.11 | 8 | 45 | 256 | 720 | 42,9 | 2,1 | |
| мар.11 | 9 | 41 | 289 | 697 | 43,28 | 2,28 | |
| Сумма: | 45 | 376 | 285 | 1903 | 1,4444444 | ||
| 9a+45b=376 | |||||||
| 45a+285b=1903 | |||||||
| b=0,38 | |||||||
| a=39,86 | |||||||
Y=39,86+0,38*X 41=а2+0,38*17 а2=34,54 | |||||||
Вывод: метод является оптимальным. Так как отклонение минимально по всем методам.
Таким образом составляем прогноз на апрель, май, июнь 2011г методом регрессионного анализа.
| Месяц | Расчет | Прогноз | |
| Апрель 11 |
| 43,66 | |
| Май 11 | 39,86+0,38*19 | 44,04 | |
| Июнь 11 | 39,86+0,38*20 | 44,42 |
Вывод по прогнозированию потребности в товаре сок «Тонус»
Для прогнозирования потребности на товар сок «Тонус» было использовано 4 метода:
1. Простое скользящее среднее
2. Взвешенное скользящее среднее
3. Доверительный интервал
4. Регрессионный анализ
При проверке, отклонение от фактических значений минимально по методу регрессионного анализа (1,44). Прогноз будет выглядеть следующим образом: апрель – 43,66; май – 44,04; июнь – 44,42 тонн.
2.2 Прогнозирование потребности в товаре сахар «Краснодарский» на апрель, май и июнь месяцы 2011 года
Для организации снабжения оптовой базы товарами требуется рассчитать потребность в сахаре "Краснодарский" на апрель, май и июнь месяцы 2011 года при наличии следующих данных:
| месяц | Тыс. упаковок |
| ноя.09 | 16,2 |
| дек.09 | 21,7 |
| янв.10 | 19,4 |
| фев.10 | 18,5 |
| мар.10 | 16,2 |
| апр.10 | 13,5 |
| май.10 | 10,7 |
| июн.10 | 4,7 |
| июл.10 | 6,1 |
| авг.10 | 6,6 |
| сен.10 | 9,8 |
| окт.10 | 14,4 |
| ноя.10 | 19,1 |
| дек.10 | 19,4 |
| янв.11 | 21,6 |
| фев.11 | 17,9 |
| мар.11 | 15,6 |
Данный товар относится к товарам, потребляемым нерегулярно, а именно к сезонным товарам. Поэтому для прогнозирования спроса будем использовать методы стохастического расчета, а именно взвешенную скользящую среднюю, метод регрессионного анализа. После этого сравним средние отклонения и выберем наиболее точный метод прогнозирования.