semestrul II – An universitar 2012– 2013 –

Modelare economica
Prof.dr. Daniela Borisov – daniela.hincu@man.ase.ro Catedra Management, ASE Bucuresti

Modelare Economica - an.univ. 2012-2013

1

MODELAREA FENOMENELOR DE PIAŢĂ

II.4. Metode de de previziune (Continuare) Analiza de regresie şi de corelaţie III. Introducere in studiul pietei. 1. Indicatorii ofertei de mărfuri. Curba vieţii produselor 2. Procese de tip Markov folosite pentru studiul comportamentului de alegere a unei mărci 3. Exemplificare - Previziunea pe termen scurt a cotelor de piata pentru produse concurentiale
Modelare Economica - an.univ. 2012-2013 2

II.4. Analiza de regresie şi de corelaţie
Efectuarea de prognoze economice privind valorile variabilei endogene (Y) în funcţie de diferitele valori exogene (X) presupune acceptarea ipotezei că legea de dependenţă dintre Y şi X este corect specificată şi identificată, având un caracter de relativă stabilitate şi repetabilitate. Prin analiza regresiei se înţelege o clasă de metode prin care, folosind o ecuaţie de regresie determinată pe baza unor date experimentale, pot fi estimate (previzionate) valorile unor variabile date, presupunând cunoscute ori previzionate valorile altor variabile. Analiza corelaţiei are ca obiectiv evaluarea gradului de interdependenţă (asociere) între variabilele considerate într-un model de regresie, în particular între variabila dependentă şi cele independente (obiectiv care se realizează prin estimarea coeficienţilor de corelaţie şi a coeficientului de determinare).
Modelare Economica - an univ. 2012 - 2013 3

Metode cauzale - Regresia
 Scopul analizei de regresie: de a arăta cum este legată o variabilă Y de una sau mai multe variabile Xi cu ajutorul unei ecuaţii care dă posibilitatea de a previziona variabilele dependente în funcţie de valorile cunoscute ale variabilelor independente Xi. Prin analiza de corelaţie se urmăreşte: măsurarea gradului de interdependenţă între variabila dependentă Y şi variabilele independente Xi, interdependenţă explicată prin ecuaţia de regresie utilizată.

MSS - MAPSS - 2012 - 2013

4

Corelatia - evaluarea gradului de asociere între variabilele independente, atunci când ecuaţia de regresie conţine cel puţin două variabile independente Xi.

2012 - 2013

5

Prin analiza

de corelaţie se urmăreşte:

- măsurarea gradului de interdependenţă între variabila dependentă Y şi variabilele independente Xi, interdependenţă explicată prin ecuaţia de regresie utilizată;
- evaluarea gradului de asociere între variabilele independente, atunci când ecuaţia de regresie conţine cel puţin două variabile independente Xi. Aceasta arată în ce măsură două valori sunt legate între ele intensitatea legăturii este exprimată cu ajutorul a doi indicatori:  coeficientul de corelaţie (R) – măsoară „puterea” relaţiei de dependenţă liniară printr-o valoare numerică între –1 şi 1  coeficientul de determinare (R2) - măsoară reducerea relativă în variaţia lui Y ce poate fi atribuită cunoaşterii factorilor Xi şi a relaţiei Y = f(X). De exemplu, o
valoare R2=0.76 indică că aproximativ 76% din variaţia totală a variabilei Y poate fi explicată prin variabilele dependente X incluse în model (o valoare 0.8 este considerată acceptabilă).

Modelare Economica - an univ. 2012 - 2013

6

Semnificaţia statistică a parametrilor modelului
Distribuţia t (Student) se foloseşte în testele ipotezelor pe eşantioane mici şi în care varianţa variabilei respective trebuie estimată în raport cu datele. Este o distribuţie de probabilitate în formă de clopot, în care valoarea medie este egală cu zero, dispersia variabilelor în jurul valorii medii fiind dependentă de gradele de libertate[1] dictate de mărimea eşantionului. Dacă erorile sunt distribuite normal se aşteaptă ca aproximativ 68% dintre valorile lui y să fie situate într-un interval mai mic de (eroarea standard de previziune) unităţi faţă de valoarea medie, sau 95% la mai puţin de 2 sau 99% la mai puţin de 3. Fiecare din parametrii estimaţi este caracterizat de o eroare standard deoarece determinarea lor se face pe baza unui eşantion de date; probabil un alt eşantion ar duce la obţinerea altor valori ale parametrilor modelului. Valoarea aproximativă a statisticii t de verificare a semnificaţiei coeficienţilor modelului se calculează cu relaţia:
t coeficient estimat valoarea coeficientului prin ipoteza eroarea _ s tan dard _ estimata _ a _ coeficientului

Ca regulă, se realizează excluderea din model a oricărui coeficient pentru care t<tcrit. Orice coeficient pentru care t<tcrit este diferit de zero la un nivel de semnificaţie de aproximativ 5%. Includerea în model a unor coeficienţi cu valori absolute ale statisticii testului t substanţial mai mici decât 2,0 va spori numărul parametrilor modelului şi va duce la reducerea preciziei predicţiei.
[1] Gradele de libertate arată numărul de elemente informaţionale care pot varia independent unul de altul. Se spune că un eşantion de n observaţii are n grade de libertate. Totuşi, calcularea mediei simple a eşantionului implică pierderea unui grad de libertate deoarece variaţiile independente în n-1 din observaţiile din eşantion vor necesita o schimbare compensatorie în cel de al - n -lea grad de libertate, pentru a se menţine valoarea medie a eşantionului. Tot astfel, calcularea valorilor pentru un număr de k parametri în cadrul unui exemplu econometric implică pierderea a k grade de libertate, rămânând (n-k). Gradele de libertate intră adesea ca parametri în distribuţii de probabilitate (distribuţia t sau ) cărora le poate afecta alura în mod fundamental. Modelare Economica - an univ. 7 2012 - 2013

Interpretarea riscului de acceptare / respingere a H0
Eroare de tip I este dată de respingerea ipotezei nule atunci când, de fapt, aceasta ar fi trebuit acceptată;  se confirmă/validează o ipoteză care nu este adevărată  impact: concluzii gresite care pot duce la identificarea unor soluţii/decizii inadecvate
Eroarea de tip II este urmarea acceptării ipotezei nule când, de fapt, aceasta trebuie respinsă:  în fapt, se ignoră/ se pierde un efect important  in consecintă, se pot trata două alternative/ opţiuni ca identice deşi, în realitate, acestea sunt diferite.
Modelare Economica - an univ. 2012 - 2013 8

A. Regresia liniară simplă
- exprimată prin ecuaţia de regresie: Yi a b xi Pentru a aprecia semnificaţia estimatorilor:  pentru un set de date de volum n 30se aplică testul Student cu n-2 grade de libertate  pentru n 30 se aplică testul z al distribuţiei normale[1]  formulând ipotezele: H0: a=0 şi b=0 Ha: şi a b t t Dacă şi atunci ipoteza H0 se respinge şi se apreciază ca a b a şi b sunt semnificativi din punct de vedere statistic.
[1]

Teorema de limită centrală stabileşte că suma (şi media) unei mulţimi de variabile aleatoare urmează o distribuţie normală, dacă eşantionul este suficient de mare, indiferent de forma distribuţiei de la care provine variabila individuală. Teorema este folosită adesea pentru a explica ipoteza de normalitate a termenului de eroare în studiul econometric, care permite folosirea testului statistic t pentru testarea ipotezelor, deoarece acest termen de eroare se presupune că înglobează suma unei mulţimi aleatoare de factori necunoscuţi (omişi).
Modelare Economica - an univ. 2012 - 2013 9

Aplicatie - Metode cauzale: Regresia liniara simpla
Romania 2013 – date istorice PIB (produsul intern brut)/capita sau GDP (Gross domestic product)/capita) pentru perioada 2000 – 2011 exprimat ca procent din PIB la nivelul EU 27
60 50 40 % 30 20 10 0 29 31 34 35 41

Evolutie PIB/capita Romania (%) fata de 100% EU27

47 38

47

47

49

26

28

2000

2001

2002

2003

2004

2005

2006

2007

2008

2009

2010

2011

Modelare Economica - an univ. 2012 - 2013

10

Modelul de regresie liniara simpla
Variabila dependenta = functie (variabila independenta)  Forma ecuatiei de regresie:

Yi

a b * xi

Date initiale:  seturile x1, x2, …. xn si Y1,Y2, … Yn pentru n observatii (date istorice)
Modelare Economica - an univ. 2012 - 2013 11

MSS - MAPSS - 2010 - 2011

11

Calculul coeficientilor de regresie
 Ecuatia de regresie:

Functii in EXCEL:
Calculul coeficientului a

Yi

a b * xi

Metoda celor mai mici patrate – presupune minimizarea erorilor in forma patratica (insumate) Se rezolva sistemul:
n n

=INTERCEPT

n a b
n i 1 n

xi
i 1 n

yi y i xi
i 1

a
i 1

xi
n

b
i 1

xi2
n

rezultand:

n

Calculul coeficientului b  =LINEST Sau  =SLOPE
yi

n b
i 1

xi y i
i 1 n

xi
i 1 n

n
i 1

x

2 i 1

x

2

Sau TOOLS/DATA ANALYSIS/REGRESSION
12

Modelare Economica - an univ. 2012 - 2013

12

Tema de discutie: “Romanii mai au de asteptat 66 de ani pana ii ajung din urma pe occidentali” Romanii mai au de asteptat 66 de ani pana cand PIB-ul pe cap de locuitor raportat la puterea de cumparare va fi similar cu cel al statelor din vestul Europei. Estimarile au fost facute de Economist Intelligence Unit, care mai estimeaza o crestere cu 70 de procente a consumului pe cap de locuitor in urmatorii 5 ani. Chiar daca economia romaneasca a crescut in ritmuri spectaculoase in ultimii ani, romanii mai au mult si bine de asteptat pana cand vor beneficia de o putere de cumparare similara cu cea din vestul Europei. "Ne asteptam la o crestere a puterii de cumparare de 3,5 la suta pe an. Cea ce inseamna ca ii va lua Romaniei intre 60 si 70 de ani pentru a ajunge la media statelor din zona euro." a declarat Directorul Economist Intelligence Unit, Matthew Shinkman, noiembrie 2007. Chiar daca puterea de cumparare este inca scazuta, consumul pe cap de locuitor va creste cu 70% in urmatorii 5 ani, potrivit The Economist Intelligence Unit. Analistii britanici apreciaza ca marirea consumului va fi insotita de o crestere aproape la fel de mare a salariilor, in special pentru Modelare clasa de mijloc. Economica - an univ. 13
2012 - 2013

13

GDP per capita in PPS - Purchasing Power Standards
(PPS) (EU-27 = 100)

Gross domestic product (GDP) - is a measure for the economic activity. It is defined as the value of all goods and services produced less the value of any goods or services used in their creation. The volume index of GDP per capita in Purchasing Power Standards (PPS) is expressed in relation to the European Union (EU-27) average set to equal 100. If the index of a country is higher than 100, this country's level of GDP per head is higher than the EU average and vice versa. Basic figures are expressed in PPS, i.e. a common currency that eliminates the differences in price levels between countries allowing meaningful volume comparisons of GDP between countries. Data: GDP per capita in PPS - Index (EU-27=100) EUROSTAT ; Code: tec00114
Modelare Economica - an univ. 2012 - 2013 14 14

Modelare Economica - an univ. 2012 - 2013

15 15

Reprezentare grafica – RO GDP/capita
Evolutie PIB/capita
60

50 41 40 34 30 % 26 28 31 38 35

47

47

47

49

29

y = 2.2867x + 22.803 R² = 0.9703

20

10

0 0 2 4 6 an 8 10 12 16 16 14

Modelare Economica - an univ. 2012 - 2013

Prelucrare statistica: Functii INTERCEPT, SLOPE, LINEST

Modelare Economica - an univ. 2012 - 2013

17 17

TOOLS / DATA ANALYSIS / REGRESSION

Modelare Economica - an univ. 2012 - 2013

18 18

Rezultate obtinute prin Data Analysis/Regression

Modelare Economica - an univ. 2012 - 2013

19 19

Rezultate obtinute prin Data Analysis/Regression – valori recalculate

Modelare Economica - an univ. 2012 - 2013

20 20

Determinarea duratei in timp pentru reducerea decalajelor (1)

Modelare Economica - an univ. 2012 - 2013

21 21

Determinarea duratei in timp pentru reducerea decalajelor (2)

Modelare Economica - an univ. 2012 - 2013

22 22

B. Metoda regresiei multiple
Variabila dependentă Y este pusă în dependenţă de variabilele Xk considerate factori explicativi pentru nivelul i al caracteristicii (ecuaţia de regresie în formă aditivă): Y a b x b x ... b x
i 1 i1 2 i2 n in

sau (în formă multiplicativă):

Yi

a xi1 1 xi 2 2 ....xin

b

b

bn

Distincţia între cele două forme este fundamentală pentru interpretarea economică a coeficienţilor de regresie: în cazul liniar, un coeficient bk, k=1,…,n reprezintă modificarea lui Y ca urmare a variaţiei cu o unitate a nivelului lui Xk (în ipoteza că toţi ceilalţi factori rămân constanţi), în cazul neliniar, un coeficient bk reprezintă coeficientul de elasticitate al variabilei explicate Y în funcţie de variabila explicativă Xk (arată modificarea procentuală a variabilei rezultative Y atunci când factorul Xk variază cu un procent şi toţi ceilalţi factori sunt constanţi).
Modelare Economica - an univ. 2012 - 2013 23

EXCEL/DATA ANALYSIS/REGRESSION/Perform a regression analysis
 Linear regression produces the slope of a line that best fits a single set of data. Based on a year's worth of sales figures, for example, linear regression can tell you the projected sales for March of the following year by giving you the slope and y-intercept (that is, the point where the line crosses the y-axis) of the line that best fits the sales data. By following the line forward in time, you can estimate future sales, if you can safely assume that growth will remain linear. Exponential regression produces an exponential curve that best fits a set of data that you suspect does not change linearly with time. For example, a series of measurements of population growth will nearly always be better represented by an exponential curve than by a line. Multiple regression is the analysis of more than one set of data, which often produces a more realistic projection. You can perform both linear and exponential multiple regression analyses. For example, suppose you want to project the appropriate price for a house in your area based on square footage, number of bathrooms, lot size, and age. Using a multiple regression formula, you can estimate a price, based on a database of information gathered from existing houses.

Linear regression.The equation y = mx + b algebraically describes a straight line for a set of data with one independent variable where x is the independent variable, y is the dependent variable, m represents the slope of the line, and b represents the y-intercept. If a line represents a number of independent variables in a multiple regression analysis to an expected result, the equation of the regression line takes the form y=m1x1+m2x2+...+mnxn+b in which y is the dependent variable, x1 through xn are n independent variables, m1 through mn are the coefficients of each independent variable, and b is a constant.

Calculating exponential regression
Unlike linear regression, which plots values along a straight line, exponential regression describes a curve by calculating the array of values needed to plot it. The equation that describes an exponential regression curve is y = b * m1x1 * m2x2 * … * mnxn If you have only one independent variable, the equation is x y=b*m

III. Modelarea fenomenelor de piata
În activitatea managerială studierea fenomenelor de piaţă ocupă un loc important datorită implicaţiilor pe care acestea le au asupra rezultatelor financiare ale organizaţiilor.  Prezenţa ofertei de mărfuri în cadrul pieţei este rezultatul cercetării şi cunoaşterii amănunţite a cererii de consum atât sub aspect static cât şi dinamic. Principalii indicatori statici ai ofertei de mărfuri sunt: structura pe categorii a mărfurilor pe piaţă la un moment dat, cantitatea de mărfuri pe piaţă la un moment dat, durata de aşteptare a diferitelor mărfuri până la vânzare, etc.  Din punct de vedere dinamic oferta de mărfuri se poate analiza prin evoluţia cantitativă şi calitativă în timp a produselor, diversificarea sortimentală şi înnoirea produselor oferite pe piaţă, etc.

Modelare Economica - an.univ. 2012-2013

26

Consumatorul urmăreşte scopul de bază – maximizarea efectului util al consumului de bunuri, având la dispoziţie anumite venituri. Cererea de bunuri este principalul impuls ce pune în mişcare sistemul economic.

Un model matematic al cererii trebuie să explice alegerea bunurilor de către fiecare consumator. Fiecare consumator îşi alege cea mai bună combinaţie de bunuri din mulţimea de bunuri accesibile lui (determinate pe baza preţurilor bunurilor şi al venitului de care dispune). Orice bun satisface o anumită necesitate; capacitatea bunului de a satisface această necesitate este numită utilitatea bunului. Alegerea de către consumator a unei combinaţii din mulţimea combinaţiilor posibile de bunuri accesibile (admise) depinde de gusturile, deprinderile, obiceiurile lui.
Modelare Economica - an.univ. 2012-2013 27

Indicatorii ofertei de mărfuri. Ciclul de viaţă al produsului
 este un concept care încearcă să descrie vânzările şi profiturile produsului, consumatorii, competiţia şi acţiunile specifice de marketing întreprinse de la apariţia acestuia şi până la înlăturarea sa de pe piaţă, sau, mai precis, intervalul de timp cuprins între momentul lansării unui produs pe o piaţă dată şi cel al retragerii sale definitive de pe piaţă. Curba ce descrie ciclul de viaţă al unui produs ia forme concrete, diferite, în funcţie de natura produsului şi caracteristicile pieţei, de acţiunile de marketing întreprinse. Forme mai speciale ale curbei ciclului de viaţă se întâlnesc în cazul produselor de lux, al celor de modă sau al celor supuse capriciilor consumatorilor.

Modelare Economica - an.univ. 2012-2013

28

Ciclu de viata al produsului
Volumul total al vânzărilor:

V
0

k t

e

t

dt

Momentul vânzărilor maxime se obţine prin anularea derivatei de ordinul I:

t= /
Prin anularea derivatei de ordinul II se obţine momentul de creştere /al descreşterii volumului vânzărilor: t
Modelare Economica - an.univ. 2012-2013 29

Etapele ciclului de viaţă al produsului

pot fi caracterizate prin volumul vânzărilor din cadrul fiecărei etape. Evoluţia în timp a volumului vânzărilor unui produs - o funcţie de tip Gamma: t

V

k t

e

unde: V= volumul vânzărilor; t = timpul; exp = funcţia exponenţială; k = constantă; , = parametri determinaţi statistic pentru fiecare tip de produs.
Modelare Economica - an.univ. 2012-2013 30

Modelarea cererii

Modelare Economica - an.univ. 2012-2013

31

Modelare Economica - an.univ. 2012-2013

32

2. Modele de comportamentului concurentiale

tip Markov – pe piata a unor

studiul produse

Modele markoviene - sunt folosite pentru previziuni privind cotele de piaţă pentru produse concurente pe un anumit orizont de timp, cât şi pentru determinarea stării de echilibru ce urmează a se contura pe măsura trecerii timpului.  Se asociază un set de variabile aleatoare {Xt, t=0,1,2, …} formând un proces stochastic cu n stări corespunzând celor n produse distincte studiate pe piaţă (fiecare produs are asociată o stare).

Modelare Economica - an.univ. 2012-2013

33

Modelarea cu lanţurile Markov a evoluţiei pe piaţă a unor produse concurenţiale: elemente si proprietăţi
  Probabilităţile iniţiale împreună cu matricea P definesc complet un lanţ Markov (denumit şi proces Markov). Procesele Markov = acele procese în care starea sistemului la un moment dat poate fi descrisă numai cu ajutorul stării sistemului în momentul anterior si a probabilităţilor de tranzitie a acestuia de la o stare la alta. Dacă se cunosc starea prezentă şi probabilităţile de tranziţie se va putea descrie comportarea probabilă în viitor a sistemului. Stările procesului Markov se clasifică în: recurente şi tranzitorii. Dacă este sigur că procesul se va întoarce la o anumită stare într-un stadiu viitor, acea stare este cunoscută drept stare recurentă. Daca este posibil ca procesul să nu mai ajungă în acea stare niciodată, starea se numeşte tranzitorie. Un caz special de stare recurentă este starea absorbantă – o stare care nu se mai părăseşte după ce a fost atinsă.
Modelare Economica - an.univ. 2012-2013 34

Condiţii de aplicare a unui model markovian
 ansamblul consumatorilor este omogen din punctul de vedere al alegerii mărcilor considerate  probabilităţile de tranziţie să nu se modifice în timp;  cantităţile achiziţionate într-o perioadă să fie, cel puţin, în medie, aceleaşi pentru toţi consumatorii;  numărul total al consumatorilor să fie stabil în timp. Prin aplicarea lanţurilor Markov se obţin informaţii despre stadiul de viaţă în care se află produsul (lansare, creştere, maturitate sau declin), iar acestea pot fi folosite pentru a formula politica de marketing a firmei.
Modelare Economica - an.univ. 2012-2013 35

Gradul de satisfacţie a consumatorilor
pentru un anumit produs sau pentru o marcă se poate măsura cu ajutorul a doi indicatori:  gradul de fidelitate – reprezintă procentajul de cumpărători care, după ce au cumpărat marca A continuă să cumpere aceeaşi marcă;  gradul de atracţie – reprezintă procentajul de cumpărători care, după ce într-o perioadă precedentă au achiziţionat marca I a unei firme concurente, în prezent achiziţionează marca J.  probabilitate de tranziţie pij - poate fi estimată pe baza unor anchete de opinie sau cu ajutorul datelor obţinute de la un panel de consumatori care permit urmărirea segmentelor de cumpărare în timp, cu un grad mai ridicat de precizie. Cunoaşterea probabilităţilor de tranziţie permite analiza pieţei în funcţie de schimburile inter-pieţe şi de dinamica concurenţei. Acest tip de analiză este important mai ales în stadiul de lansare a unei mărci noi, deoarece permite atât analiza comportamentului după prima cumpărare, cât şi previziunea evoluţiei acestui comportament.
Modelare Economica - an.univ. 2012-2013 36

Modelarea cu lanţurile Markov a evoluţiei pe piaţă a unor produse concurenţiale: elemente si proprietăţi-Ipoteze I1. Pe piaţă există un număr finit n de produse care satisfac aceeaşi necesitate de consum. I2. Utilizatorul cumpără în fiecare perioadă, un singur tip de produs. Acesta poate fi A1, A2, ..., Ai, Aj, ..., An. I3. Niciodată nu cumpără în aceeaşi perioadă mai multe sortimente simultan. În terminologia proceselor Markov, produsul selectat într-o anumită perioadă de un utilizator, reprezintă starea procesului în acea perioadă. În fiecare perioadă, sistemul are n stări: Starea 1: cumpărătorul alege A1..., Starea n: cumpărătorul alege An. I4 . Nu se poate spune cu certitudine ce tip (marcă) de produs va alege cumpărătorul într-o anumită perioadă. I5 . Rezultatul oricărei încercări depinde de rezultatul încercării care o precede direct şi numai de aceasta. Proces fără memorie Această proprietate se numeşte proprietate Markoviană
Modelare Economica - an.univ. 2012-2013 37

Modelare Economica - an.univ. 2012-2013

38

Modelare Economica - an.univ. 2012-2013

39

Modelare Economica - an.univ. 2012-2013

40

Studiu de caz - exemplificare

Modelare Economica - an.univ. 2012-2013

41

Date numerice
- vectorul cotelor iniţiale de piaţă este: S0=( 0.45 0.35 0.20). Determinarea probabilităţilor iniţiale s-a făcut, în mod firesc, construind rapoartele de tipul: pentru cota de piaţă a mărcii A la momentul 0:

4500 10000

0.45

Probabilităţile de tranziţie pentru marca A sunt:

p11

4500 675 675 4500

0.7

(cu interpretarea de coeficient de fidelitate pentru produsul A) 675 p12 0.15 p13 4500
[1] In matricea P, coloana întâi descrie „atractivitatea” produsului A:  70% (în valori absolute: 3150 persoane) din clienţii care cumpără “acum” produsul A, vor continua să-l cumpere şi data următoare;  un procent de 25%, adică 875 de persoane, dintre actualii clienţi ai produsului B se vor reorienta către produsul A la momentul următor:  de asemenea 30% (600 de persoane) dintre clienţii produsului C vor cumpăra în viitor (la următoarea cumpărare) produsul A.
Modelare Economica - an.univ. 2012-2013 42

Evoluţia cotelor de piaţă pentru 4 momente de timp
Timp Cota de piaţa pentru produs A
0.4625

Cota de piaţa pentru produs B
0.3175

Cota de piaţa pentru produs C
0.2200

1

2

0.4691

0.3039

0.2270

3

0.4725

0.2981

0.2295

4

0.4741

0.2956

0.2303

Componentele din vectorul starea de echilibru (SE) reprezintă modul de distribuţie a cotelor de piaţă corespunzătoare produselor concurenţiale analizate în ipoteza că matricea probabilităţilor de tranziţie nu se modifice termen lung (astfel încât între momente diferite de timp nu mai au loc redistribuiri între clienţii/cumpărătorii produselor). Cotele de piaţă pentru starea de echilibru sunt {47.55%; 29.37%, 23.08%} pentru produsele A, B şi C în această ordine. Pentru produsul cu marca A, timpul de recurenţă este 2.1029 şi reprezintă numărul de procese de cumpărare ce au loc între cumpărări succesive ale produsului A. (e.g. o persoană ce cumpără produsul A în acest moment, este de aşteptat să cumpere acelaşi produs peste două luni calendaristice).
43

Modelare Economica - an.univ. 2012-2013

Avantaje / dezavantaje ale metodei Markov
Avantaje ale lanţurilor Markov pentru analiza evoluţiei pe piaţă a produselor concurenţiale: - studiul atitudinii utilizatorilor faţă de produsele concurenţiale; - determinarea poziţiei întreprinderilor producătoare în cadrul pieţei şi perspectivele acestora - obţinerea de informaţii pentru analiza efectelor unor acţiuni promoţionale, publicitare etc. Între dezavantajele utilizării lanţurilor Markov la analiza evoluţiei pe piaţă a produselor concurenţiale se numără ipoteza simplificatoare că starea următoare depinde numai de starea curentă şi nu depinde şi de stările anterioare. Previziunea fenomenelor de piaţă impune luarea în considerare şi a influenţei unor factori conjuncturali, care conduc la modificarea permanentă a matricei de tranziţie de la o perioadă la alta.
Modelare Economica - an.univ. 2012-2013 44

Sign up to vote on this title
UsefulNot useful