Автор работы: Пользователь скрыл имя, 28 Марта 2014 в 08:55, курсовая работа
Имитационное моделирование является одним из мощнейших методов анализа экономических систем.
Часто практически невыполним или требует значительных затрат сбор необходимой информации для принятия решений. Например, при оценке кредитного риска, как правило, используют прогнозные данные об объемах кредитных ресурсов, экономической ситуации в стране и т.д.
Однако чтобы адекватно оценить риск необходимо иметь достаточное количество информации для формулировки правдоподобных гипотез о вероятностных распределениях ключевых параметров кредита.
Введение 4
1.Описание предприятия 6
1.1. Определение цели функционирования компании 7
2. Организационная структура компании 9
2.1 Организационная структура компании 9
2.2.Краткое описание отделов предприятия 11
2.3 Должностные обязанности сотрудников 12
3. Постановка задачи имитационного моделирования 14
4.Схема основного бизнес-процесса компании 15
5. Исходные данные для моделирования бизнес-процесса “Кредитование” 17
6. Статистическая информация о бизнес-процессе 18
7. Идентификация законов распределения случайных величин 20
7.1 Проверка гипотезы о распределении случайной величины по нормальному закону. 20
7.2 Проверка гипотезы о распределении случайной величины по показательному закону. 23
7.3 Проверка гипотезы о распределении случайной величины по закону Пуассона 26
7.4 Результаты идентификации законов распределения случайных величин 28
8. Разработка моделирующего алгоритма реализации имитационного моделирования 30
Описание моделирующего алгоритма 33
Заключение 35
Список использованных источников 37
Параметры распределения:
Среднеквадратическое отклонение – 46,55.
Выборочное среднее – 100,57.
Дисперсия – 2167,14.
Построим гистограмму эмпирического распределения затрат на проведение рекламной кампании по кредитным предложениям (рис. 4):
Рис. 4. График распределения эмпирических относительных частот
Вычислим теоретических вероятностей попадания в заданный интервал нормально распределенной случайной величины (таблица 6):
Таблица 6. Теоретические вероятности попадания в заданный интервал нормально распределенной случайной величины
№ |
xi-xcp.выб. |
xi+1-xcp.выб. |
zi |
zi+1 |
Ф(zi) |
Ф(zi+1) |
Рi=Ф(zi+1)-Ф(zi) |
1 |
6,0 |
30,5 |
-1,5052 |
-2,0315 |
0,066 |
0,021 |
0,045 |
2 |
30,5 |
55,0 |
-0,9789 |
-1,5052 |
0,164 |
0,066 |
0,098 |
3 |
55,0 |
79,5 |
-0,4526 |
-0,9789 |
0,325 |
0,164 |
0,162 |
4 |
79,5 |
104,0 |
0,0737 |
-0,4526 |
0,529 |
0,325 |
0,204 |
5 |
104,0 |
128,5 |
0,6000 |
0,0737 |
0,726 |
0,529 |
0,196 |
6 |
128,5 |
153,0 |
1,1263 |
0,6000 |
0,870 |
0,726 |
0,144 |
7 |
153,0 |
177,5 |
1,6525 |
1,1263 |
0,951 |
0,870 |
0,081 |
8 |
177,5 |
202,0 |
2,1788 |
1,6525 |
0,985 |
0,951 |
0,035 |
0,964 |
Вычисление наблюдаемого значения критерия :
Таблица 7. Наблюдаемое значение критерия
№ |
Частоты Мi |
Pi |
Мi'=N*Pi |
Мi-Мi' |
(Мi-М'i)^2 |
(Мi-М'i)^2/Мi' |
1 |
7 |
0,0450 |
4,5035080 |
2,4965 |
6,2325 |
1,38391 |
2 |
10 |
0,0977 |
9,7677459 |
0,2323 |
0,0539 |
0,00552 |
3 |
18 |
0,1616 |
16,1599665 |
1,8400 |
3,3857 |
0,20951 |
4 |
21 |
0,2040 |
20,3951487 |
0,6049 |
0,3658 |
0,01794 |
5 |
15 |
0,1964 |
19,6368262 |
-4,6368 |
21,5002 |
1,09489 |
6 |
13 |
0,1442 |
14,4235054 |
-1,4235 |
2,0264 |
0,14049 |
7 |
10 |
0,0808 |
8,0816883 |
1,9183 |
3,6799 |
0,45534 |
8 |
6 |
0,0345 |
3,4539982 |
2,5460 |
6,4821 |
1,87670 |
100 |
0,9642 |
хи-кв. набл. |
5,18431 | |||
хи-кв. крит. |
9,23636 |
= 5,18431
= 9,23636
Если < нет оснований отвергать гипотезу о предполагаемом законе распределения, если же > , основная гипотеза отвергается и принимается альтернативная гипотеза, и исследования проводятся дальше.
Выдвинутая нами гипотеза о нормальном законе распределения принимается, так как: < .
Следовательно, можно сделать вывод о том, что исследуемая случайная величина подчиняется нормальному закону распределения.
Количество интервалов – 8.
Количество параметров распределения – 1.
Уровень значимости – 0,05.
Число степеней свободы – 6.
Таблица 8. Эмпирическое распределение времени на анализ полученного пакета документов, ч.
№ |
Ниж- няя грани-ца Xi |
Верх- няя грани-ца Xi+1 |
Час-тота |
Час-тость |
Центр интер-вала |
Сред-нее выбо-рочное |
Откло-нение от сред-него |
Квад-рат откло-нения |
Дис-персия |
1 |
0,00 |
3,25 |
26 |
0,26 |
1,63 |
42,25 |
-6,37 |
40,58 |
1055,00 |
2 |
3,25 |
6,50 |
25 |
0,25 |
4,88 |
121,88 |
-3,12 |
9,73 |
243,36 |
3 |
6,50 |
9,75 |
16 |
0,16 |
8,13 |
130,00 |
0,13 |
0,02 |
0,27 |
4 |
9,75 |
13,00 |
14 |
0,14 |
11,38 |
159,25 |
3,38 |
11,42 |
159,94 |
5 |
13,00 |
16,25 |
7 |
0,07 |
14,63 |
102,38 |
6,63 |
43,96 |
307,70 |
6 |
16,25 |
19,50 |
5 |
0,05 |
17,88 |
89,38 |
9,88 |
97,61 |
488,07 |
7 |
19,50 |
22,75 |
5 |
0,05 |
21,13 |
105,63 |
13,13 |
172,40 |
861,98 |
8 |
22,75 |
26,00 |
2 |
0,02 |
24,38 |
48,75 |
16,38 |
268,30 |
536,61 |
Итого |
100 |
1,00 |
799,50 |
3652,94 |
100 |
Параметры распределения:
Выборочное среднее – 1,99875.
Среднеквадратическое отклонение – 1,51.
Дисперсия – 2,28.
Построим гистограмму эмпирического распределения времени на анализ полученного пакета документов (рис. 5):
Рис. 5. График распределения эмпирических относительных частот
Вычислим теоретические вероятности попадания в заданный интервал показательно распределенной случайной величины (таблица 6):
Таблица 9. Теоретические вероятности попадания в заданный интервал показательно распределенной случайной величины
№ |
Xi-Xi+1 |
L*Xi |
L*Xi+1 |
e-L*xi |
e-Lxi+1 |
Pi |
1 |
0 - 0,81 |
0,0000 |
-0,4065 |
1,0000 |
0,6660 |
0,33403 |
2 |
0,81 - 1,63 |
-0,4065 |
-0,8130 |
0,6660 |
0,4435 |
0,22245 |
3 |
1,63 - 2,44 |
-0,8130 |
-1,2195 |
0,4435 |
0,2954 |
0,14815 |
4 |
2,44 - 3,25 |
-1,2195 |
-1,6260 |
0,2954 |
0,1967 |
0,09866 |
5 |
3,25 - 4,06 |
-1,6260 |
-2,0325 |
0,1967 |
0,1310 |
0,06571 |
6 |
4,06 - 4,88 |
-2,0325 |
-2,4390 |
0,1310 |
0,0872 |
0,04376 |
7 |
4,88 - 5,69 |
-2,4390 |
-2,8455 |
0,0872 |
0,0581 |
0,02914 |
8 |
5,69 - 6,50 |
-2,8455 |
-3,2520 |
0,0581 |
0,0387 |
0,01941 |
0,9613045 |
Вычисление наблюдаемого значения критерия :
Таблица 10. Наблюдаемое значение критерия
№ |
Частоты Мi |
Pi |
Мi'=N*Pi |
Мi-Мi' |
(Мi-М'i)^2 |
(Мi-М'i)^2/Мi' |
1 |
26 |
0,3340 |
33,4026 |
-7,4026 |
54,7979 |
1,64053 |
2 |
25 |
0,2225 |
22,2453 |
2,7547 |
7,5886 |
0,34114 |
3 |
16 |
0,1481 |
14,8148 |
1,1852 |
1,4048 |
0,09482 |
4 |
14 |
0,0987 |
9,8663 |
4,1337 |
17,0878 |
1,73195 |
5 |
7 |
0,0657 |
6,5707 |
0,4293 |
0,1843 |
0,02805 |
6 |
5 |
0,0438 |
4,3759 |
0,6241 |
0,3895 |
0,08901 |
7 |
5 |
0,0291 |
2,9142 |
2,0858 |
4,3504 |
1,49281 |
8 |
2 |
0,0194 |
1,9408 |
0,0592 |
0,0035 |
0,00181 |
100 |
хи-кв. набл. |
5,42012 | ||||
хи-кв. крит. |
9,23636 |
Информация о работе Имитационное моделирование бизнес-процессов компании