Теоретические основы статистики коммерческой деятельности

В отличие от среднего квадратического или стандартного отклонения измеряет не абсолютную, а относительную меру разброса значений признака в статистической совокупности. Исчисляется в процентах. В статистике совокупности, имеющие коэффициент вариации больше 30−35%, принято считать неоднородными. Таблица 7. Рабочая таблица для вычисления средней величины, дисперсии и среднего квадратического отклонения.

Группа по величине капиталаxminxmaxДиапазон.

Число предприятий в группе fiСередина интервала xifixixi-xсредн.(xi-xсредн.).

2(xi-xсредн.).

2*fi10,23,20,2−3,271,6811,78−5,3428,52 199,6123,26,13,2−6,154,6523,25−2,375,6328,1636,19,16,1−9,157,6238,080,590,351,7649,112,19,1−12,1410,5842,333,5612,6750,69 512,115,012,1−15,0213,5527,106,5342,6085,19 615,018,015,0−18,0216,5233,039,4990,12 180,25Сумма25 175,58545,67Среднееxсреднее7,02ДисперсияϬ221,83Среднее квадратическое отклонениеϬ4,67Коэффициент вариацииV67%Выводы.

Совокупность данных неоднородная, так как коэффициент вариации превышает 33%.

2.3Изучение динамики показателей деятельности предприятий потребительской кооперации.

Для характеристики интенсивности развития во времени используются статистические показатели, получаемые сравнением уровней между собой, в результате чего получаем систему абсолютных и относительных показателей динамики. Для характеристики интенсивности развития за длительный период рассчитываются средние показатели. Если в ходе исследования необходимо сравнить несколько последовательных уровней, то можно получить или сравнение с постоянной базой (базисные показатели), или сравнение с переменной базой (цепные показатели).Базисные показатели характеризуют итоговый результат всех изменений в уровнях ряда от периода базисного уровня до данного (i-го) периода. Цепные показатели характеризуют интенсивность изменения уровня от одного периода к другому в пределах того промежутка времени, который исследуется. Основные показатели динамики:

1. Абсолютный прирост (∆) показывает, на сколько в абсолютном выражении уровень текущего периода больше или меньше базисного, может быть положительным и отрицательным числом. Цепной — ∆i =- Базисный — ∆i = YiYkгде, Yi — любой уровень рада (кроме первого) Yi-1 — уровень периода, предшествующего текущему, Yk — уровень принятый за базу сравнения.

2. Темп роста (), показывает во сколько раз уровень текущего периода больше или меньше уровня базисного периода или сколько % он составит по отношению к базисному, может быть выражен в виде коэффициента или %Цепной темп роста i = Базисный темп ростаi = 3. Темп прироста (Тпр), показывает на сколько процентов уровень текущего периода больше или меньше уровня базисного периода.Тпр.=Троста100−100%4. Абсолютное значение 1-го % прироста (а)ai =Таблица8. Таблица для расчёта динамики показателей.

ГодПрибыль (тыс.

руб.)Абсолютные приросты.

Темпы роста.

Темп прироста.

Абсолютное значение 1% приростацепные.

Базис-ныецепные.

Базис-ныецепные.

Базис-ные1120———-212 666 105%105%5%5%1,23 130 410 103%108%3%8%1,264 122−8294%102%-6%2%1,3 512 868 105%107%5%7%1,226 134 614 105%112%5%12%1,28Сумма7 601 440.

Средний абсолютный прирост по цепным приростам2,8Средний абсолютный прирост по базисным приростам2,8Средний темп роста цепной102%Средний темп роста базисный102%Рис. 7. Диаграмма по базисным темпам роста исследуемого показателя.

ВыводыТемпы роста неравномерные. В 4-м периоде цепные показатели имеют отрицательные значения, то есть, наблюдалось резкое падение исследуемого показателя.

2.4Прогнозирование прибыли предприятий потребительской кооперации методом экстраполяции.

Необходимым условием регулирования рыночных отношений является составление надежных прогнозов развития социально-экономических явлений. Для определения ориентировочных размеров явлений в будущем используют метод экстраполяции. Под экстраполяцией понимают нахождение уровней за пределами изучаемого ряда, т. е. продление в будущее тенденции, наблюдавшейся в прошлом (перспективная экстраполяция). Экстраполяция, проводимая в прошлое называется ретроспективой. Поскольку в действительности тенденция развития не остается неизменной, то данные, получаемые путем экстраполяции ряда, следует рассматривать как вероятностные оценки. Обычно, говоря об экстраполяции рядов динамики, подразумевают чаще всего перспективную экстраполяцию. Первоначальные прогнозы, как правило, сводятся к экстраполяции тенденции. При этом могут использоваться разные методы в зависимости от исходной информации. Можно выделить следующие элементарные методы экстраполяции: на основе среднего абсолютного прироста, среднего темпа роста и на основе применения метода наименьших квадратов и представления развития явлений во времени в виде уравнения тренда, т. е. математической функции уровней ряда (у) от фактора времени (t).Прогнозирование по среднему абсолютному приросту может быть выполнено в том случае, если общая тенденция считается линейной, т. е. метод основан на предположении о равномерном изменении уровня (под равномерностью понимается стабильность абсолютных приростов).В этом случае, чтобы получить прогноз на t шагов вперед (t — период упреждения), достаточно воспользоваться следующей формулой, где — прогнозная оценка значения (n+t)-го уровня ряда; уn — фактическое значение в последней точке ряда (конечный уровень ряда); — значение среднего абсолютного прироста, рассчитанное для ряда динамики. Прогнозирование по среднему темпу роста применяется, если рассчитанные цепные темпы роста приблизительно одинаковые при переходе от одного периода времени к другому.

Тогда общую тенденцию можно описать с помощью показательной функции, а прогнозируемое значение уровня определить следующим образом, где Tроста— средний темп роста динамического ряда, выраженный в коэффи циентах, t — количество периодов экстраполяции (срок прогноза).К недостаткам рассмотренных методов следует отнести то, что они учитывают лишь конечный и начальный уровень ряда, исключая влияние промежуточных уровней. Тем не менее методы среднего абсолютного прироста и среднего темпа роста имеют весьма широкую область применения, что объясняется простотой их вычисления. Они могут быть использованы как приближенные, простейшие способы прогнозирования, предшествующие более глубокому количественно-качественному анализу. Нужно иметь в виду, что экстраполяция в рядах динамики носит не только приближённый, но и условный характер. Поэтому её следует рассматривать как предварительный этап в разработке прогнозов. Для составления прогноза должна быть привлечена дополнительная информация, не содержащаяся в самом динамическом ряду. Таблица 9. Прогноз прибыли на 4 года (тыс.

руб.)Год.

ПрибыльПрогнозпо среднему абсолютному приросту.

По средне-годовому темпу роста1120 2126 3130 4122 5128 6134 7 136,8137,08 139,6140,09 142,4143,210 145,2146,4Выводы.

По среднегодовому темпу роста прогнозные значения получаются выше, чем по среднему абсолютному приросту. Однако полученные данные недостоверны, так как в анализируемый период прибыль изменялась неравномерно.

Заключение

.

В данной работе был проведён статистический анализ коммерческой деятельности предприятий. В теоретической части были рассмотрены особенности статистической методологии и методы статистики, а также средние показания, их значение и сущность, более подробно рассмотрена арифметическая средняя. В аналитической главе приводятся исследования статистических данных. Произведена группировка 25 предприятий, группировочный признак — величина капитала. Выделено 6 групп. В каждой группе определены средние показатели величины капитала, товарооборота, товарных запасов, прибыли. По результатам группировки построены полигоны и гистограммы. Вычислены показатели вариации.

Далее выполнен анализ динамического ряда (величина прибыли предприятий потребительской кооперации): вычислены аналитические показатели ряда динамики цепным и базисным способами, определены среднегодовые темпы роста. Осуществлено прогнозирование прибыли предприятий методом экстраполяции. Однако установлено, что прогнозы не являются достоверными, так как динамический ряд не соответствует ни линейной, ни показательной зависимости.

Список литературы

1. Теория статистики: учеб. для вузов: / под ред. Р. А. Шмойловой. — 4-е изд., доп. и перераб. ;

М.: Финансы и статистика, 2006. — 655 с. 2. Статистика: учебно-практическое пособие/ М. Г. Назаров, В. С. Варагин, Т. Б. Великанова и др.; под ред.

д-ра экон.

наук, проф., акад. Межд.

акад.информ. и РАЕН М. Г. Назарова.- 2-е изд., стер. — М.: КНОРУС, 2009. — 480 с.

3.Ефимова М. Р., Петрова Е. В., Румянцев В. Н. Общая теория статистики: Учеб. для вузов. М.: ИНФРА-М, 2008. — 413 с. 4. Статистика / Учеб. под ред. Елисеевой И. И. М.: Проспект, 2009.

— 444 с. 5. Практикум по теории статистики: учеб. пособие Р. А. Шмойлова, В. Г. Минашкин, Н. А. Садовникова; под ред.

Р.А. Шмойловой. — 2-е изд., пере-раб. и доп.- М.: Финансы и статистика, 2006. — 415 с.