Прогнозирование технико-экономических показателей деятельности предприятия

Размещено на http://www.allbest.ru/

Министерство образования и науки Российской Федерации

Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования «Сибирская государственная Автомобильно-дорожная академия (СибАДИ)»

ФГБОУ ВПО «СибАДИ»

Кафедра: ЭПУТС

Тема: «Прогнозирование технико-экономических показателей деятельности предприятия»

Пояснительная записка по курсовой работе по дисциплине статистика

КР - 02068982 - 0,76

Руководитель КР:

К.т.н., доцент Конорева А.А.

КР выполнила:

студент группы ЛОГб11-Э1

Иванов Иван Иванович

Омск - 2013 г.



Министерство образования и науки

ФГБОУ ВПО «СибАДИ»

Кафедра: ЭПУТС

Задание по курсовому проектированию

по дисциплине «Статистика»

студент: Науменко Ирина Сергеевна

1) Тема КР: Прогнозирование технико-экономических показателей деятельности предприятия;

2) Срок сдачи студентом законченной курсовой работы: 30.12.13

3) Исходные данные КР: 0,76

4) Содержание отчетно-пояснительной записки:__________________________________________________________________________________________________________________________________________________________________________________________________________________________________________

5) Дата выдачи задания: 09.09.2013

Руководитель: Конорева А.А.

____________

(подпись)



План курсовой работы по статистике

Титульный лист

Задание

Аннотация

Содержание

I. Структурная группировка статистических наблюдений на предприятиях.

1. По объему перевезенного груза произвести структурную группировку

Построить интервальный ряд распределения (выделить 4 группы)

2. Рассчитать средние показатели.

2.1. Рассчитать среднею арифметическую взвешенную

2.2. Подсчитать структурные средние. Изобразить графически. Проанализировать полученные результаты.

3. Рассчитать показатели вариации. Сделать выводы.

3.1. Среднее линейное отклонение

3.2. Среднее квадратическое отклонение

3.3. Коэфицент вариации

II. Аналитическая группировка статистических наблюдений на предприятии

· Определить тесноту связи между фактором (среднесписочная численность на предприятии) и результирующим показателем( объемом перевезенного груза). Подсчитать Коэфицент корреляции.

· Построить поле корреляции и сформулировать гипотезу о форме связи. Подсчитать Коэфицент регрессии.

· Определить долю влияния изучаемого фактора на результирующий показатель с помощью Коэфицент детерминации.

III. Анализ динамики объема выполненных работ с помощью расчета статистических показателей и средних характеристик.

1. Рассчитать основные показатели динамики объема выполненных работ (основные и базисные).

1.1. Абсолютный прирост

1.2. Темп роста

1.3. Средний темп прироста

2. Графически изобразить динамический ряд(3 шт.) с прогнозом на 2 года. Выбрать наилучшую модель с учетом коэффицента детерминации.

IV. Анализ перевозок грузов с помощью расчетов индекса сезонности

1.1. Рассчитать среднесуточный объем перевозок грузов

1.2. По полученным индексам сезонности сделать выводы

1.3. Изобразить графически сезонную волну

ЗАКЛЮЧЕНИЕ

БИБЛИОГРАФИЧЕСКИЙ СПИСОК



Исходные данные к курсовой работе по статистике

Исходные данные к I, II разделам:

Таблица 1. Средние данные о численности работников и объемах перевезенного груза по ряду предприятий.

№предприятия	среднесписочная численность	объем перевезенного груза, тыс. тн
1	925	2268
2	847	2434
3	329	566
4	512	1521
5	755	3540
6	699	2635
7	620	2677
8	542	1894
9	924	4121
10	620	3529
11	610	943
12	1020	1950
13	428	1508
14	921	3852
15	479	1106
16	825	2995
17	742	1355
18	625	1270
19	415	915
20	711	2937

Исходные данные к III разделу:

Таблица 2. Объём выполненных работ предприятия по годам.

Годы	Объём выпущенной продукции
2000	121,6
2001	158,2
2002	185,2
2003	168,3
2004	158,6
2005	187,3
2006	167,4
2007	156,9
2008	175,8
2009	152,4

Исходные данные к IV разделу:

Таблица 3. Среднемесячные объёмы перевезённых грузов предприятием по годам

Месяц	Среднемесячный объём перевезенного груза
	2008	2009	2010
январь	46242	42936	42754
февраль	44810	45631	41829
март	43111	46839	43425
апрель	45827	48115	44723
май	49682	47816	47111
июнь	52119	49424	48216
июль	54723	53829	49825
август	59475	57917	54210
сентябрь	60197	59600	57817
октябрь	56815	54128	44297
ноябрь	45637	46200	43810
декабрь	44438	49180	41973



АННОТАЦИЯ

В данной курсовой работе рассмотрено 20 предприятий, построен интервальный ряд распределения и выделено 4 группы.

В первой главе проведена структурная группировка статистических наблюдений на основе данных предприятий. Рассчитаны средние показатели, показатели вариации и сделаны выводы.

Во второй главе проведена аналитическая группировка статистических наблюдений на предприятии. Определена теснота связи между среднесписочной численностью на предприятиях и объема перевезенного груза. Построено поле корреляции и сформулированы гипотезы о форме связи. Определена доля влияния изучаемого объекта на результирующий показатель с помощью коэффициента детерминации.

В третьей главе выполнен анализ динамики объема выполненных работ, с помощью расчета статистических показателей и их характеристик. Рассчитаны основные показатели динамики объема выполненных работ, по средним показателям динамического ряда сделаны выводы.

В четвертой главе проведен анализ перевозок грузов с помощью расчетов индексов сезонности. Рассчитан среднесуточный объем перевозок грузов, по полученным индексам сезонности сделаны выводы. Изображена графическая сезонная волна.



ГЛАВА 1. СТРУКТУРНАЯ ГРУППИРОВКА СТАТИСТИЧЕСКИХ ДАННЫХ

Структурная группировка по объемам перевезенного груза.

По заданию нам дана выборка из предприятий и объём перевезенного груза. Сгруппируем эти данные по объёму перевезенного груза:

№предприятия	среднесписочная численность	объем перевезенного груза, тыс. тн
1	925	1724
2	847	1850
3	329	430
4	512	1156
5	755	2690
6	699	2003
7	620	2035
8	542	1439
9	924	3132
10	620	2682
11	610	717
12	1020	1482
13	428	1146
14	921	2928
15	479	841
16	825	2276
17	742	1030
18	625	965
19	415	695
20	711	2232

Рассматривается 20 предприятий. Выделено 4 группы.

1.1 Величина интервала

Пользуясь данными из таблицы 1, построим статистический ряд распределения предприятий по сумме объема перевезенного груза.

Величину шага находим по формуле:

где - максимальное значение признака; - минимальное значение признака; n - число групп.

Отсюда путем прибавления величины интервала к минимальному уровню признака интервала получаем верхнюю границу первой группы:

430+676=1106

Далее делаем аналогично. В результате получим следующие группы предприятий по объему перевезенного груза:

430 - 1106

1106 - 1782

1782- 2458

2458 - 3134

1.2 Интервальный ряд распределения

Интервалы
430 - 1106	6
1106 - 1782	5
1782- 2458	5
2458 - 3134	4

где частота попаданий предприятий в тот или иной интервал.



1.3 Расчет средней арифметической по объему перевезенного груза

Средняя величина является обобщающей характеристикой совокупности по качественно однородному признаку и показывает типичный уровень изучаемой совокупности.

Недостающие данные считаем и заносим в интервальный ряд распределения:

Интервалы		cum	x cp	x cp*
430 - 1106	6	6	677	4062
1106 - 1782	5	11	1353	6765
1782- 2458	5	16	2029	10145
2458 - 3134	4	20	2705	10820
	20			31792

Откуда:

Вывод: это означает что наиболее типичный обьем перевезенного груза равен 1589,6.



1.4 Структурные средние

К числу структурных средних относят моду (M_o) и медиану (M_e).

Модой называется значение признака (варианта), которое чаше всего встречается в данной совокупности. Мода применяется в тех изучениях, когда нужно охарактеризовать наиболее часто встречающуюся величину признака.

Величину моды считают по формуле:

где:

- начало модального интервала;

- шаг;

- частота модального интервала;

- частота интервала предшествующего модальному;

- частота интервала идущего после модального.

Модальный интервал - это интервал с наибольшей частотой.

Интервалы
430 - 1106		6
1106 - 1782		5
1782- 2458		5
2458 - 3134		4

Как видно из интервального ряда распределения максимальная частота наблюдается у 1 - го интервала.

Следовательно:

Вывод: Это означает, что чаще всего в данной совокупности встречаются с объемами перевезенного груза 1009,4.

Изобразим моду графически:

Медиана - возможное значение признака, которое делит ранжированную совокупность (вариационный ряд выборки) на две равные части: 50 % «нижних» единиц ряда данных будут иметь значение признака не больше, чем медиана, а «верхние» 50 % - значения признака не меньше, чем медиана.

Медиана является важной характеристикой распределения случайной величины и так же, как математическое ожидание, может быть использовано для центрирования распределения. Медиана определяется для широкого класса распределений (например, для всех непрерывных), а в случае неопределённости, естественным образом доопределяется, в то время как математическое ожидание может быть не определено (например, у распределения Коши).

Медиана вычисляется по формуле:



где:

- начало медианного интервала;

- шаг;

- объем выборки;

- накопленная частота интервала предшествующего медианному;

- частота медианного интервала.

Медианный интервал - это интервал, накопленная частота которого равна или больше половины размера выборки.

Интервалы		cum
430 - 1106		6	6
1106 - 1782		5	11
1782- 2458		5	16
2458 - 3134		4	20

По интервальному ряду распределения видно, что медианным интервалом является 2-й интервал.

Вывод: У половины предприятий объём перевезенного груза меньше 1646,8 а у половины больше.

Изобразим графическое нахождение медианы:



1.5 Показатели вариации

По заданию необходимо рассчитать такие показатели вариации как, среднее линейное отклонение (d); среднее квадратическое отклонение; коэффициент вариации.

1.6 Среднее линейное отклонение

Среднее линейное отклонение вычисляют для того, чтобы учесть различия всех единиц исследуемой совокупности. Эта величина определяется как средняя арифметическая из абсолютных значений отклонений от средней. Так как сумма отклонений значений признака от средней величины равна нулю, то все отклонения берутся по модулю.

Формула для вычисления среднего линейного отклонения:

где:

- середина интервала;

- среднее арифметическое;

- частота.

Посчитаем недостающие данные и занесем их в таблицу:

Интервалы		cum		-
430-1106	6	6	677	912	5472
1106 1782	5	11	1353	236	1180
1782- 2458	5	16	2029	-440	2200
2458 - 3134	4	20	2705	-1116	4464
У						13316

Откуда:

Вывод: Среднее линейное отклонение индивидуальных значений от среднего составляет 665,8.

1.7 Среднее квадратическое отклонение

Среднее квадратичное отклонение определяется как обобщающая характеристика размеров вариации признака в совокупности. Оно равно квадратному корню из среднего квадрата отклонений отдельных значений признака от средней арифметической, т.е. корень из дисперсии.

Среднее квадратическое отклонение можно найти по формуле:

где:

- середина интервала;

- среднее арифметическое;

- частота.

Посчитаем недостающие данные и занесем их в таблицу:

Интервалы			-
430-1106	6	677	912	831744	4990464
1106 1782	5	1353	236	55696	278480
1782- 2458	5	2029	-440	193600	968000
2458 - 3134	4	2705	-1116	1245456	4981824
У						11218768

Откуда:

Вывод: Средний квадрат отклонений индивидуальных значений от среднего составляет 749.

1.8 Коэффициент вариации

Коэффициент вариации используют для сравнения рассеивания двух и более признаков, имеющих различные единицы измерения. Коэффициент вариации представляет собой относительную меру рассеивания, выраженную в процентах. Он вычисляется по формуле:

Коэффициент вариации равен 47% это значит, что совокупность неоднородна и среднее арифметическое ненадёжно.



2. АНАЛИТИЧЕСКАЯ ГРУППИРОВКА СТАТИСТИЧЕСКИХ НАБЛЮДЕНИЙ

2.1 Расчёт коэффициента корреляции

С помощью аналитических (факторных) группировок исследуются связи между изучаемыми явлениями и их признаками. В основе аналитической группировки лежит факторный признак, а каждая выделенная группа характеризуется средними значениями результативного признака.

Корреляционный анализ изучает связь между случайными величинами, он находится в зависимости от регрессионного анализа, который изучает форму связи между случайными величинами

С помощью коэффициента корреляции точно оценивается связь между фактором x и результативным показателем y

Коэффициент корреляции лежит в пределах от -1 до 1 (-1?r?1)

Если 0?r?±0.4 - связь отсутствует;

±0.41?r?±0.6 - связь средняя;

±0.61?r?±0.8 - связь высокая;

±0.81?r?±0.9 - связь очень высокая;

±0.91?r±1 - полная зависимость

Корреляционный анализ находится в зависимости от регрессионного анализа, чем ближе коэффициент корреляции по модулю к 1, тем ближе точки расположены к линии регрессии. Если коэффициент корреляции стремится к 0, то разброс точек вокруг линии регрессии большой.

Коэффициент корреляции рассчитывается следующим образом:

где , - выборки по 2 случайным величинам

Промежуточные расчеты для вычисления коэффициента корреляции представлены в таблице.

703	1724	188	51	9608,584	35396	2608
644	1850	129	177	22837,76	16604	31411
250	430	-265	-1242	329027,6	70131	1543677
389	1156	-126	-517	64964,35	15811	266925
574	2690	59	1018	59986,62	3474	1035901
531	2003	16	330	5404,609	268	108895
471	2035	-44	362	-15801,8	1906	130980
412	1439	-103	-233	24002,78	10597	54367
702	3132	187	1459	273450,5	35111	2129708
471	2682	-44	1009	-44073,8	1906	1018953
464	717	-51	-956	49002,78	2628	913798
775	1482	260	-191	-49622,5	67776	36331
325	1146	-190	-527	99820,23	35941	277232
700	2928	185	1255	232281,7	34261	1574804
364	841	-151	-832	125491,1	22747	692304
627	2276	112	604	67685,6	12575	364323
564	1030	49	-643	-31534,9	2407	413202
475	965	-40	-707	28198,7	1589	500426
315	695	-199	-977	194915,9	39785	954935
540	2232	25	560	14266,44	650	313054
?10297	?33452			? 1459912,187	?411564	?12363836

Вывод: связь между случайными величинами высокая.



2.2 Расчет коэффициента регрессии

статистический наблюдение показатель индекс

Полем корреляции называются нанесенные в определенном масштабе точки в прямоугольной системе координат, каждая из которых имеет две координаты.

После построения поля корреляции на диаграмму добавляем линию тренда (y=bx+a), где b - коэффициент регрессии, который определяет форму связи между случайными величинами и для линейной парной зависимости рассчитывается по формуле:

Коэффициент регрессии получился равным 3,55.

Линейная зависимость



Логарифмическая зависимость

Экспоненциальная зависимость

Дополнительной оценкой точности аппроксимации является средняя относительная ошибка аппроксимации . Она представляет собой среднее отклонение расчетных значений от фактических.

где - y теоретическое. Рассчитывается путем подстановки исходного значения x в уравнение.

Если <10% - качество модели отличное;

Если - качество модели хорошее;

Если - качество модели удовлетворительное;

Если - качество модели плохое.

Необходимо рассчитать 3 ошибки аппроксимации. Наилучшей моделью будет является модель с наименьшей ошибкой аппроксимации.

Линейная зависимость : y=3,5472x-153,73

Промежуточные расчеты для линейной зависимости

2339,952	616,272	0,357
2129,674	279,834	0,151
733,212	303,052	0,705
1226,556	70,596	0,061
1881,653	808,747	0,301
1730,685	271,915	0,136
1517,711	516,809	0,254
1307,433	132,007	0,092
2337,256	794,704	0,254
1517,711	1164,329	0,434
1490,752	774,072	1,080
2596,059	1114,059	0,752
1000,103	145,977	0,127
2329,168	598,352	0,204
1137,593	297,033	0,353
2070,364	205,836	0,090
1846,607	816,807	0,793
1531,190	565,990	0,587
965,057	269,657	0,388
1763,035	469,085	0,210
		?7,329

Логарифмическая зависимость:

Промежуточные расчеты для логарифмической зависимости

2299,2037	575,2037	0,333645
2143,9348	293,9348	0,158884
467,8637	37,8637	0,088055
1250,9881	94,9881	0,08217
1940,1124	749,8876	0,278769
1802,1860	200,8140	0,100257
1589,8001	445,1999	0,218771
1352,7387	86,2613	0,059945
2296,6822	835,3178	0,266704
1589,8001	1092,1999	0,407233
1563,2775	846,2775	1,180303
2471,9163	989,9163	0,66796
932,5895	213,4105	0,186222
2291,6286	636,3714	0,21734
1133,3286	292,3286	0,347596
2096,5486	179,4514	0,078845
1908,9816	878,9816	0,85338
1604,7795	639,7795	0,662984
877,2319	182,2319	0,262204
400,0436	0,179231	0,179231
		? 6,630499

Экспоненциальная модель:

Промежуточные расчёты для экспоненциальной зависимости

2410,4469	686,4469	0,398
2067,6489	217,6489	0,118
742,3104	312,3104	0,726
1065,4659	90,5341	0,078
1723,5949	966,4051	0,359
1541,2784	461,7216	0,231
1318,6549	716,3451	0,352
1131,1244	307,8756	0,214
2404,1879	727,8121	0,232
1318,6549	1363,3451	0,508
1294,8724	577,8724	0,806
2906,6819	1424,6819	0,961
902,1380	243,8620	0,213
2391,7186	536,2814	0,183
998,4134	157,4134	0,187
1978,2491	297,7509	0,131
1679,3590	649,3590	0,630
1332,4404	367,4404	0,381
878,9847	183,9847	0,265
1577,7696	654,2304	0,293
		7,267

Вывод: при построении 3-х моделей и подсчета ошибки аппроксимации лучшей моделью оказывается логарифмическая для которой (для линейной и экспоненциальной 36,64% и 36,35% соответственно).

2.3 Расчет коэффициента детерминации

Ошибка детерминации определяет долю влияния факторов вошедших в модель на результат.

Итак:

Откуда понятно, что доля влияния факторов вошедших в модель составляет 0,42, а не вошедших 0,58.



3. АНАЛИЗ ДИНАМИКИ ОБЬЕМА ВЫПОЛНЕННЫХ РАБОТ С ПОМОЩЬЮ РАСЧЕТА СТАТИСТИЧЕСКИХ ПОКАЗАТЕЛЕЙ И СРЕДНИХ ХАРАКТЕРИСТИК

3.1 Расчет основных показателей динамики объёмов выполненных работ (цепные и базисные)

Динамический ряд представляет собой расположение в хронологической последовательности значения определённого экономического показателя

Основные характеристики динамического ряда:

- уровень ряда

- время

По времени отражения в динамических рядах, ряды подразделяются:

1) Моментные ряды - уровни характеризуют явление на определённую дату

2) Интервальные динамические ряды - характеризуют явления за определённый промежуток времени

Исходные данные представлены в таблице 2.

Таблица 2

Объем выполненных работ предприятием по годам, тыс. руб.

2000 г.	2001 г.	2002 г.	2003 г.	2004 г.	2005 г.	2006 г.	2007 г.	2008 г.	2009 г.
121,6	158,2	185,2	168,3	158,6	187,3	167,4	156,9	175,8	152,4

3.2 Абсолютный прирост

Абсолютный прирост определяет на сколько данный уровень ряда превышает уровень, принятый за базу сравнения. Абсолютный прирост с переменной базой - скорость роста.

Абсолютный прирост определяется по формулам:

1- Абсолютный прирост с постоянной базой сравнения:

2- Абсолютный прирост с переменной базой сравнения:

Теперь рассчитаем данные и занесем их в таблицу:

Годы	Объём выполненных работ	Абсолютные изменения по сравнению
		с уровнем 2000г.	с предшествующим годом
2000	92,416	-	-
2001	120,232	27,816	27,816
2002	140,752	48,336	20,52
2003	127,908	35,492	-12,844
2004	120,536	28,12	-7,372
2005	142,348	49,932	21,812
2006	127,224	34,808	-15,124
2007	119,244	26,828	-7,98
2008	133,608	41,192	14,364
2009	115,824	23,408	-17,784
			23,41

Вывод: Абсолютное изменение по сравнению 2001 года на 24,52 больше чем уровень динамического ряда 2000 года.

3.3 Темп роста

Темп роста измеряют с помощью коэффициента роста. Коэффициент роста показывает во сколько раз данный уровень больше или меньше уровня с которым происходит сравнение.

Коэффициент роста определяется по формулам:

1- Коэффициент роста с постоянной базой сравнения:

2- Коэффициент роста т с переменной базой сравнения:

Рассчитаем данные и занесем их в таблицу:

Годы	Объём выполненных работ	Коэффициент роста по сравнению
		с уровнем 2000г.	с предшествующим годом
2000	92,416	-	-
2001	120,232	1,30	1,30
2002	140,752	1,52	1,17
2003	127,908	1,38	0,91
2004	120,536	1,30	0,94
2005	142,348	1,54	1,18
2006	127,224	1,38	0,89
2007	119,244	1,29	0,94
2008	133,608	1,45	1,12
2009	115,824	1,25	0,87
			1,3

Вывод: Коэффициент роста определяет, что два сравниваемых показателя (базисный и цепной) по сравнению с прошлым годом изменились на 1,3, а между собой они равны.

Темп роста определяется по формулам:

Годы	Объём выполненных работ	Темп роста по сравнению
		с уровнем 2000г.	с предшествующим годом
2000	92,416	-	-
2001	120,232	130,10	130,10
2002	140,752	152,30	117,07
2003	127,908	138,40	90,87
2004	120,536	130,43	94,24
2005	142,348	154,03	118,10
2006	127,224	137,66	89,38
2007	119,244	129,03	93,73
2008	133,608	144,57	112,05
2009	115,824	125,33	86,69

3.4 Темп прироста

Темп прироста показывает, на сколько процентов сравниваемый уровень больше или меньше уровня принятого за базу сравнения и вычисляется как отношение абсолютного прироста к уровню принятому за базу сравнения.

Коэффициент роста определяется по формулам:

1- Коэффициент роста с постоянной базой сравнения:

2- Коэффициент роста т с переменной базой сравнения:

Также темп прироста можно определять по формуле:

Проведем необходимые расчеты и занесем данные в таблицу:

Годы	Объём выполненных работ	Темпы прироста в % по сравнению
		с уровнем 2000г.	с предшествующим годом
2000	92,416	-	-
2001	120,232	30,10	30,09868
2002	140,752	52,30	17,067
2003	127,908	38,40461	-9,12527
2004	120,536	30,43	-5,76
2005	142,348	54,02961	18,09584
2006	127,224	37,66447	-10,6247
2007	119,244	29,02961	-6,2724
2008	133,608	44,57	12,04589
2009	115,824	25,32895	-13,3106

Вывод: Темп прироста 2001 года на 30,1 больше чем в 2000 году.

Абсолютное значение 1% прироста

Абсолютное значение 1% прироста рассчитаем по формуле:

Проведем необходимые расчеты и занесем данные в таблицу:

Года	Объём выполненных работ	Абсолютное значение 1% прироста
2000	92,416	-
2001	120,232	0,92
2002	140,752	1,20
2003	127,908	1,41
2004	120,536	1,28
2005	142,348	1,21
2006	127,224	1,42
2007	119,244	1,27
2008	133,608	1,19
2009	115,824	1,34

Вывод: Вывод: 0,92 содержится 1% прироста 2001 года.

3.5 Средние показатели динамического ряда. Средний абсолютный прирост

Средний абсолютный прирост определяет на сколько в среднем изменилась изучаемая величина.

Средний абсолютный прирост можно найти по формуле:

Вывод: В среднем на 4,03 изменился объём выпущенной продукции.

3.6 Средний темп роста

Средний темп роста показывает во сколько раз в среднем, за рассматриваемый промежуток времени, изменился уровень динамического ряда.

Вывод: В среднем в 1,02 раз изменились уровни динамического ряда по объёму выполненных работза 2000-2009 г.г.

Откуда:

Вывод: В среднем в 102% изменились уровни динамического ряда за анализированный период времени.

3.7 Средний темп прироста

Средний темп прироста показывает на сколько в среднем изменился сам показатель.

Вывод: В среднем на 2% изменились уровни объёма выполненных работ за 2000-2009г.г.

3.8 Динамический ряд с прогнозом на 2 года

Построим прогнозные графики развития с использованием линии тренда на 2 года вперед. В данном случае будут использованы следующие модели: экспоненциальную, логарифмическую и линейную:



Чем выше коэффициент детерминации, тем более адекватна модель для прогнозирования эмпирических данных. Наилучшей моделью является экспоненциальная, она составляет 0,0973.



4. Анализ перевоза грузов с помощью расчёта индексов сезонности

Таблица 3

Среднемесячный объем перевезенного груза предприятием по годам

Месяц	Среднемесячный объём перевезенного груза
	2008	2009	2010
январь	46242	42936	42754
февраль	44810	45631	41829
март	43111	46839	43425
апрель	45827	48115	44723
май	49682	47816	47111
июнь	52119	49424	48216
июль	54723	53829	49825
август	59475	57917	54210
сентябрь	60197	59600	57817
октябрь	56815	54128	44297
ноябрь	45637	46200	43810
декабрь	44438	49180	41973

В статистике, периодические колебания, которые имеют определенный и постоянный период, равный годовому промежутку называется сезонные колебания или сезонные волны, а динамический ряд - сезонным рядом динамики.

Существует ряд методов изучения и измерения сезонных колебаний. Самый простой заключается в построении специальных показателей, которые называются индексами сезонности Is. Совокупность этих показателей отражает сезонную волну. Индексами сезонности являются процентные отношения фактических внутригрупповых уровней УК теоретическим уровням, выступающим в качестве базы сравнения(не менее 3 лет).

- количество перевезенного груза за месяц;

- количество дней в периоде

Рассчитаем данные и занесем их в таблицу:

Месяц	Среднемесячный обьем перевезенного груза, т.	Кол-во дней в месяце	Среднесуточный обьем перевезенного груза, т.
	2008	2009	2010		2008	2009	2010
январь	35143,92	32631,36	32493,04	31	1133,675	1052,625	1048,163
февраль	34055,6	34679,56	31790,04	28	1216,271	1238,556	1135,359
март	32764,36	35597,64	33003	31	1056,915	1148,311	1064,613
апрель	34828,52	36567,4	33989,48	30	1160,951	1218,913	1132,983
май	37758,32	36340,16	35804,36	31	1218,01	1172,263	1154,979
июнь	39610,44	37562,24	36644,16	30	1320,348	1252,075	1221,472
июль	41589,48	40910,04	37867	31	1341,596	1319,679	1221,516
август	45201	44016,92	41199,6	31	1458,097	1419,901	1329,019
сентябрь	45749,72	45296	43940,92	30	1524,991	1509,867	1464,697
октябрь	43179,4	41137,28	33665,72	31	1392,884	1327,009	1085,991
ноябрь	34684,12	35112	33295,6	30	1156,137	1170,4	1109,853
декабрь	33772,88	37376,8	31899,48	31	1089,448	1205,703	1029,015
итого	458337,8	457227,4	425592,4	365	15069,32	15035,3	13997,66

Определим среднесуточный интервал для каждого месяца за 3 года

Среднесуточный интервал определяется по формуле:

Рассчитаем индекс сезонности

Индекс сезонности определяется по формуле:



Полученные расчеты занесем в таблицу:

Месяц	Кол-во дней в месяце	Среднесуточный обьем перевезенного груза, т.	Среднесуточная интенсивность N	N*Дм	Индекс сезонности Is
		2008	2009	2010
январь	31	1133,675	1052,625	1048,163	1078	33418	88,03
февраль	28	1216,271	1238,556	1135,359	1197	33516	97,71
март	31	1056,915	1148,311	1064,613	1090	33790	88,99
апрель	30	1160,951	1218,913	1132,983	1171	35130	95,60
май	31	1218,01	1172,263	1154,979	1182	36642	96,49
июнь	30	1320,348	1252,075	1221,472	1265	37950	103,25
июль	31	1341,596	1319,679	1221,516	1294	40114	105,67
август	31	1458,097	1419,901	1329,019	1402	43462	114,50
сентябрь	30	1524,991	1509,867	1464,697	1500	45000	122,46
октябрь	31	1392,884	1327,009	1085,991	1269	39339	103,58
ноябрь	30	1156,137	1170,4	1109,853	1145	34350	93,52
декабрь	31	1089,448	1205,703	1029,015	1108	34348	90,47
Итого	365	15069,32	15035,3	13997,66		447059

Рассчитаем недостающие данные:

Общая среднесуточная величина определяется по формуле:

Вывод: Динамические ряды характеризуются резко выраженной сезонностью. Максимальный индекс сезонности в сентябре, а минимальный в январе, это связано с сезонным характером деятельности отраслей экономики.



Вывод: таким образом из графика мы видим что минимальный среднесуточный обьем перевозок приходится на декабрь, что связано с деловой активностью в данный период. Максимальный среднесуточный обьем перевозок приходится на май, что связано с подготовкой к зиме ( перевозка овощей, материалов)

Вывод: по графику сезонной волны видно что пик объема перевозок приходится на май и сентябрь, обьем перевозок составляет наибольшую величину. Это вызвано большим количеством заказов носящий сезонный характер( уборочные работы). Необходимо чтобы парк АТП в это время работал в полную силу, следовательно все машины должны быть в работоспособном состоянии. В другие месяцы спад обьемов перевозок в декабре и в январе и потребность в автомобилях снижается. Можно проводить капитальный ремонт авто, отправлять в отпуск водителей, оказывать платные услуги.

Рекомендации по снижению сезонной неравномерности:

1. Природно - климатические причины - больше времени уделять ремонту в ТО

2. Технологические особенности производства - улучшить технологию производства, качество работы т.е повысить эффективность, необходимо организовать непрерывную работу автомобилей, минимизировать время на маневрирование, на ожидание и простой под погрузкой, разгрузкой, увеличение числа ездок.

3. Работа с клиентами - выявление особенностей спроса по сезонам, разработка совместного графика работы в несколько смен в месяцы с низкой сезонной неравномерностью, отдавать в аренду подвижной состав , а в месяцы с высокой привлекать частных лиц



Заключение

В данной курсовой работе, была рассмотрена выборка, состоящая из различных предприятий. По заданию эти предприятия были разбиты по группам, рассчитаны средние показатели вариации. Были рассчитаны показатели: мода равная 889, медиана 1451,8, коэффициент вариации 44%. Также была проведена аналитическая группировка статистических наблюдений на предприятиях с помощью таких показателей как теснота связи, коэффициент корреляции равный 0,64%. Также было построено поле корреляции. Был проведен анализ динамики выполненных работ с помощью расчета статистических показателей и средних характеристик. Здесь рассчитывались такие показатели как средний темп прироста, темп роста, абсолютный прирост и т.д. Был проведен анализ перевозок грузов с помощью индекс сезонности.



Библиографический список

1. Конорева А.А. «Экономико-статистические методы, исследование систем, при управлении предприятиями дорожной отрасли», 2012 г.

2. Годин: «Статистика», 2011 г.

3. Конорева А.А., Кузнецова Т.Ф. «Методические указания к выполнению курсовой работы», Омск -2011 г.

4. Статистический словарь. Под ред. Юркова Ю.А. - М.: Финстатинформ, 1996.

Размещено на Allbest.ru