Статистичні моделі прийняття маркетингових рішень з урахуванням фактора невизначеності

В управлінській діяльності часто виникають ситуації, за яких доводиться приймати рішення, виходячи з недостатньо чітко визначених умов і оперуючи не завжди надійною інформацією. У таких випадках виникає потреба в оцінюванні ймовірності досягнення тих чи інших результатів. Наприклад, якщо буде прийняте рішення А, то ймовірність досягнення додаткового прибутку у розмірі 10 % становитиме 95 %, а за рішення В вона зменшиться до 65 %.

Існує три основних методи, що дають змогу приймати рішення з урахуванням фактора невизначеності та підтримуються Excel: стандартні відхилення, довірчі інтервали і множинний регресійний аналіз.

Стандартне (середнє квадратичне) відхилення — ступінь відхилення усіх значень ознаки від свого середнього показника — є одним із найважливіших методів, що допомагають визначити, наскільки змінюється певна величина: чим більше стандартне відхилення, тим ширший діапазон змін значень цієї величини.

У багатьох випадках отримати інформацію, яка б дала змогу приймати рішення зі 100-процентним ступенем упевненості, або зовсім неможливо, або дуже складно і потребує великих витрат. У таких випадках найкраще отримати вибірку з інформації. Використання вибірки уможливлює обчислення статистичного показника, який даватиме (можливо) досить точне наближення до результату, що міг бути отриманий за наявності доступу до повного набору даних. Точність такого результату можна вимірювати з допомогою довірчих інтервалів.

Довірчий інтервал — це інтервал, що дає змогу оцінити із заданою точністю невідоме значення генеральної сукупності. Таке невідоме значення називається довірчим, а його границі — довірчими границями (верхні та нижні границі). В їх межах можна мати деякий рівень упевненості щодо наявності конкретного значення ознаки генеральної сукупності.

Довірчі інтервали широко застосовуються для дослідження ринку.

Регресійний і кореляційний аналіз — дуже ефективні методи, які дають змогу аналізувати значні обсяги інформації з метою дослідження ймовірного взаємозв’язку двох чи більше змінних. У регресійному аналізі розглядається зв’язок між однією змінною, названою залежною змінною, або ознакою, і кількома іншими, названими незалежними змінними. Цей зв’язок подається з допомогою математичної моделі, тобто рівняння, яке зв’язує залежну змінну (y) з незалежними (x) з урахуванням множини відповідних припущень. Оскільки метою регресійного аналізу є виявлення впливу змінних х на значення змінної у, останню ще називають відгуком, або результативним фактором, а змінні х — факторами, що впливають на відгук. Регресійний аналіз використовується з двох причин. По-перше, тому що опис залежності між змінними допомагає встановити наявність можливого причинного зв’язку. По-друге, отримання аналітичної залежності між змінними дає змогу передбачати майбутні значення залежної змінної за значенням незалежних змінних.

За аналізу соціально-економічних процесів регресія застосовується водночас з кореляцією. З допомогою регресії визначаються аналітичні залежності між змінними, а через кореляційний аналіз — сила зв’язку між факторами та відгуком. Саме тому, що основні статистичні проблеми регресійного аналізу вирішуються аналізом кореляцій, методи регресійного та кореляційного аналізу тісно зв’язані між собою.