Моделирование рынка культивируемых грибов методами дискриминантного и факторного анализа

Определение общего шаблона потребительского поведения в вербальном и невербальном информационном потоке. Построение дискриминантной и факторной моделей рынка культивируемых грибов Кировской области. Оценка факторов, влияющих на принятие решения о покупке.

Рубрика Экономико-математическое моделирование
Вид статья
Язык русский
Дата добавления 29.06.2017
Размер файла 88,8 K

Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже

Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.

Размещено на http://www.allbest.ru

Моделирование рынка культивируемых грибов методами дискриминантного и факторного анализа

А.А. Набоких

В современных условиях в нашей стране актуальной является задача продовольственной безопасности [1]. Отечественный продовольственный рынок насыщен импортной, зачастую некачественной продукцией, в том числе продукцией грибоводства. Российским производителям все труднее сохранять достигнутое ими положение. Применение маркетингового инструментария, предоставляющего возможность исследования рынка культивируемых грибов, становится сугубо злободневным. Значительное влияние на результативность деятельности грибоводческих предприятий оказывает выбор способов извлечения и анализа маркетинговых данных [2-4]. потребительский дискриминантный факторный гриб покупка

В настоящее время по-прежнему важна роль анализа маркетинговой информации с целью выявления основных тенденций развития в эволюционировании различных сегментов экономики [5]. Достаточно оперативно полученные следствия позволят компетентно инвестировать финансовые средства в экономику региона. Для реализации такого подхода возможно применение математического аппарата дискриминантного и факторного анализов, которые реализованы в некоторых программных системах [6, 7]. Для преобразования, позволяющего анализировать переменные, была выбрана программная система SPSS Statistics [8].

На потребительское поведение влияет множество обстоятельств, среди которых выделят социальные, культурные, психологические и индивидуальные факторы. В обстановке жесткого обострения уровня конкурентоспособности залогом перспективного успеха любой фирмы прежде всего остается направленность на потребителя. Поведение отдельного покупателя имеет конкретные основания.

Цель исследователя - определение общего шаблона потребительского поведения в обширном вербальном и невербальном информационном потоке. Признание фирмой тезиса удовлетворения интересов потребителей определяет тот факт, что фирма функционирует по следующим направлениям: извлечение требующихся данных о рынке и потребностях, намерениях, перцепциях, преференциях и желаниях отдельного индивидуума осуществить приобретения; сопровождение плана и стратегии, сосредоточенных на удовлетворение спроса покупателей и пр.

Дискриминантная модель рынка культивируемых грибов Кировской области

Основной задачей анализа регионального рынка культивируемых грибов является выявление и оценка наиболее значимых факторов, влияющих на принятие решения о покупке культивируемых грибов. Указанная задача может быть решена методами дискриминантного анализа.

Дискриминантный анализ является многомерным статистическим методом, позволяющим исследовать различия между несколькими объектами по целому ряду признаков одновременно. Каждому из них приписывается некоторый коэффициент, выведенный опытным путем на основе обследования значительной группы респондентов. При дальнейшем прогнозировании полученные соответствия позволяют классифицировать потребителей на тех, кто приобретает культивируемые грибы, и тех, кто не относится к этой категории.

Моделью дискриминантного анализа является функция

,

где D - дискриминантный показатель, - дискриминантный коэффициент, - предиктор (i=1,2,…,k; kN).

Для составления модели был проведено пилотажное исследование летом 2013 года. Генеральная совокупность - 100 жителей Кировской области старше 18 лет, осознано приобретающие (не приобретающие) культивируемые грибы. Выборка формировалась случайным образом. Независимые переменные - пол, возраст, доход и социальный статус опрашиваемого. Зависимая переменная - вероятность покупки культивируемых грибов.

Моделирование производилось с использованием реализованного в системе SPSS модуля «Дискриминантный анализ» [9, 10].

Для проведения теста на равенство средних значений в группах опрашиваемых, приобретающих и не приобретающих культивируемые грибы, в качестве статистического критерия в SPSS используется лямбда Уилкса. В качестве дискриминационных переменных могут выступать лишь доход и социальный статус опрашиваемых (таблица №1). Переменные «пол», «возраст», «семейное положение» не обладают разделительными свойствами и должны быть исключены из дискриминантной модели.

Таблица №1

Tests of Equality of Group Means

Wilks' Lambda

F

df1

df2

Sig.

Ваш пол?

,994

,609

1

98

,437

Ваш возраст?

,980

2,041

1

98

,156

Ваш доход?

,951

5,020

1

98

,027

Ваш социальный статус?

,924

8,010

1

98

,006

Семейное положение

,987

1,324

1

98

,253

Кроме того, переменные «доход» и «социальный статус» являются некоррелированными (коэффициент корреляции между ними составляет всего 0,123<<0,5), т.е. указанные переменные не обуславливают друг друга.

Показатель «Лямбда Уилкса» (0,044) свидетельствует о значимости различий средних значений дискриминантной функции в исследуемых группах (таблица №2).

Таблица №2

Wilks' Lambda

Test of Function(s)

Wilks' Lambda

Chi-square

df

Sig.

1

,894

10,894

2

,004

При помощи стандартизированных коэффициентов дискриминантной функции был оценен относительный вклад каждой дискриминационной переменной в различие двух исследуемых групп: доход респондентов в 1,35 (0,760/0,563) раза меньше влияет на желание приобретать культивируемые грибы, чем их социальный статус.

Дискриминантная модель, построенная в результате проведения анализа, имеет следующий вид:

,

где - доход, - социальный статус.

Четкость разделения исследуемых групп характеризуется расстоянием между средними значениями дискриминантной функции в исследуемых группах.

Таблица №3

Functions at Group Centroids

Покупаете ли Вы культивируемые грибы?

Function

1

Не покупаю

-1,024

Покупаю

,114

Как видно из таблицы №3, среднее значение дискриминантной функции для респондентов, покупающих культивируемые грибы, составляет -1,024, не покупающих - 0,114. Чем больше расстояние между средними значениями дискриминантной функции в исследуемых группах, тем более четко прослеживается различие между исследуемыми группами.

Четкость различия между исследуемыми группами зависит также от рассеяния значений дискриминантной функции в исследуемых группах. Это рассеяние показано на графиках распределения дискриминантной функции (рисунки 1, 2).

Рис. 1. - Распределение дискриминантной функции в группе респондентов, не приобретающих культивируемые грибы

Рис. 2. - Распределение дискриминантной функции в группе респондентов, приобретающих культивируемые грибы

На основе построенной дискриминантной модели можно осуществить прогнозирование того, приобретает данный человек культивируемые грибы или нет, исходя из его возраста и социального статуса. Например, для человека, принадлежащего к социальной группе «рабочие», чей доход средний, значение дискриминантной функции составит:

Согласно данным, представленным на рисунке 1, исследуемая группа «респонденты, не покупающие культивируемые грибы» включает 10 человек. Значение дискриминантной функции, близкое к 0,28 имеют 2 человека. По данным рисунка 2, исследуемая группа «респонденты, покупающие культивируемые грибы» включает 90 человек. Значение дискриминантной функции, близкое к 0,28 имеют около 18 человек. На основании вышеизложенного можно сделать вывод, что человек, принадлежащий к социальной группе «рабочие», со средним доходом, скорее всего, будет приобретать культивируемые грибы.

Точность прогнозов на основе построенной дискриминантной модели оценивается по результатам классификации. В таблице №4 представлены результаты классификации отдельно по каждому респонденту, принявшему участие в опросе по первым пяти наблюдениям.

Таблица №4

Casewise Statistics

Case Number

Actual Group

Highest Group

Second Highest Group

Discriminant Scores

Predicted Group

P(D>d | G=g)

P(G=g | D=d)

Squared Mahalanobis Distance to Centroid

Group

P(G=g | D=d)

Squared Mahalanobis Distance to Centroid

Function 1

p

df

Original

1

1

1

,476

1

,811

,509

0

,189

3,426

,827

2

1

1

,868

1

,698

,028

0

,302

1,700

,280

3

1

1

,965

1

,645

,002

0

,355

1,196

,070

4

1

1

,965

1

,645

,002

0

,355

1,196

,070

5

1

0**

,584

1

,781

,299

1

,219

2,838

-1,571

В столбце «Actual Group» указывается фактическая принадлежность респондента к одной из исследуемых групп. В столбце «Predicted Group» указывается прогнозируемая принадлежность респондента к одной из групп, определяемая на основе построенной модели. Если прогнозируемая принадлежность к группе не совпадает с фактической, ее значение отмечается **. В столбце «P(G=g | D=d)» указывается вероятность, с которой данный респондент может быть причислен к прогнозируемой группе. В столбце «Discriminant Scores» указывается значение дискриминантной функции.

Точность прогнозов на основе построенной модели определяется из данных сводной таблицы результатов классификации (таблица №5).

Таблица № 5

Classification Resultsa

Покупаете ли Вы культивируемые грибы?

Predicted Group Membership

Total

Не покупаю

Покупаю

Original

Count

Не покупаю

8

2

10

Покупаю

27

63

90

%

Не покупаю

80,0

20,0

100,0

Покупаю

30,0

70,0

100,0

a. 71,0% of original grouped cases correctly classified.

Из данных таблицы №5 видно, что корректные результаты классификации составили 71%, данная величина и составляет точность прогнозов.

Факторная модель рынка культивируемых грибов Кировской области

Целью проведения факторного анализа является разбиение таблицы данных на группы (факторы). В один фактор включается группа переменных, имеющих высокую корреляцию друг с другом и слабую корреляцию с переменными, агрегированными другими факторами.

Для оценки пригодности исходных данных к применению факторного анализа были использованы тесты КМО и Bartlett.

Таблица №6

KMO и Bartlett's Test

Kaiser-Meyer-Olkin Measure of Sampling Adequacy.

,644

Bartlett's Test of Sphericity

Approx. Chi-Square

3,635E3

df

300

Sig.

,000

Из данных таблицы 6 видно, что результаты факторного анализа могут считаться адекватными, поскольку значение КМО=0,644>0,5. Значимость теста Bartlett (Sig.) составляет 0, что свидетельствует о существовании корреляционных связей между переменными исходного массива и возможности их группировки.

Число групп факторной модели было определено при помощи расчета характеристических чисел (Eigenvalues).

Таблица №7

Total Variance Explained

Component

Initial Eigenvalues

Extraction Sums of Squared Loadings

Total

% of Variance

Cumulative %

Total

% of Variance

Cumulative %

1

4,862

19,448

19,448

4,862

19,448

19,448

2

2,852

11,407

30,855

2,852

11,407

30,855

3

2,319

9,278

40,133

2,319

9,278

40,133

4

2,031

8,124

48,258

2,031

8,124

48,258

5

1,524

6,097

54,355

1,524

6,097

54,355

6

1,352

5,408

59,762

1,352

5,408

59,762

7

1,195

4,781

64,544

1,195

4,781

64,544

8

1,010

4,038

68,582

1,010

4,038

68,582

9

1,002

4,008

72,590

1,002

4,008

72,590

10

,861

3,444

76,034

11

,739

2,955

78,990

12

,671

2,686

81,675

13

,654

2,615

84,291

14

,542

2,168

86,459

15

,511

2,042

88,501

16

,484

1,935

90,436

17

,436

1,742

92,178

18

,395

1,579

93,757

19

,312

1,248

95,006

20

,289

1,157

96,163

21

,253

1,014

97,177

22

,216

,865

98,041

23

,191

,765

98,806

24

,159

,637

99,444

25

,139

,556

100,000

Extraction Method: Principal Component Analysis.

На основании таблицы №7 можно утверждать, что оптимальное число групп в модели составляет 9. Факторная модель, состоящая из указанного числа групп, сохраняет 72,59% исходной информации. Результаты таблицы 7 подтверждает рисунок 3.

Рис. 3. - Графическое определение количества компонентов факторной модели.

Рисунок 3 отображает зависимость между характеристическим числами и числом компонентов факторной модели. При колебаниях количества факторов с 10 до 25 график представляет собой прямую, что еще раз подтверждает выводы таблицы 7.

В таблице №8 представлены коэффициенты корреляции, описывающие связи между переменными исходного массива данных и факторами построенной модели.

Таблица №8

Rotated Component Matrix

Component

1

2

3

4

5

6

7

8

9

Качество культивируемых грибов

,210

,692

,085

,139

,209

,079

-,205

-,278

-,006

Цена

-,153

-,332

-,192

,084

-,251

-,134

,097

,106

,596

Сортировка культивируемых грибов по форме и размеру

,566

,031

-,014

,047

,340

,408

,035

,056

,074

Упаковка культивируемых грибов

,256

,246

,190

,046

,599

,223

,203

,139

,008

Торговый знак - бренд

,462

,085

,114

-,451

,436

,269

,194

-,262

,025

Наличие свежих (не переработанных) грибов

,170

,191

-,202

-,531

-,018

,450

,162

-,004

,034

Известность производителя

,058

,036

-,053

-,077

,852

,071

,002

-,020

-,015

Вид торговой организации

,011

,434

,311

,289

,242

,460

,204

,222

,036

Место продажи в торговом зале магазина

,043

,293

,704

-,057

-,059

,308

,127

,099

-,037

Уровень знаний продавца о культивируемых грибах

,071

,102

,029

-,001

,170

,875

-,011

,077

-,061

Уровень развития маркетинга культивируемых грибов

-,011

,013

,160

,165

-,059

,332

,032

,705

,036

Уровень развития кулинарии из культивируемых грибов

-,040

,099

,027

-,250

-,033

,006

,543

,494

,084

Уровень позиционирования культивируемых грибов

,037

,018

,047

,129

,026

,123

,865

-,035

,099

Уровень знаний покупателя о грибах

,117

,118

-,004

,016

,366

,219

,349

,100

,684

Уровень знаний покупателя о полезных свойствах культивируемых грибов

,390

,030

,011

,665

,209

,051

,151

,197

-,042

Уровень знаний покупателя о технологии производства культивируемых грибов

-,082

,008

-,039

,803

-,201

,097

-,082

-,121

,100

Уровень культуры питания покупателя

-,025

-,349

,693

,331

,003

,055

-,032

-,110

-,273

Уровень здорового образа жизни покупателя

-,022

,222

,796

-,123

,113

-,265

-,212

,054

,020

Уровень предложений блюд из культивируемых грибов в местах общественного питания

-,637

-,420

-,122

-,009

-,146

,136

,150

,181

,093

Социальный статус покупателя

,237

,017

,191

,104

-,412

,309

,190

-,642

,006

Уровень дохода покупателя

,110

-,644

,031

,214

-,135

-,091

-,126

-,060

,522

Уровень культуры и образования покупателя

,087

,141

,374

,280

-,203

,113

-,655

,064

,075

Наличие доступной для восприятия информации о культивируемых грибах

-,502

-,205

-,064

-,121

,014

-,096

-,159

-,117

,577

Наличие дней грибной культуры

-,871

-,023

,072

,033

,002

-,050

,029

,070

,048

Время года

-,193

-,650

-,175

,109

,069

-,147

-,090

-,270

,132

Extraction Method: Principal Component Analysis.

Rotation Method: Varimax with Kaiser Normalization

На основе этих данных производится группировка переменных исходного массива.

Таблица №9

Группировка переменных исходного массива данных

Факторы модели

Переменные исходного массива

Коэффициенты корреляции

Фактор 1 (торговый сервис)

Сортировка культивируемых грибов по форме и размеру

0,566

Упаковка культивируемых грибов

0,462

Уровень знаний продавца о культивируемых грибах

0,637

Уровень позиционирования культивируемых грибов

0,871

Фактор 2 (Равновесие спроса)

Качество культивируемых грибов

0,692

Цена

0,644

Уровень дохода покупателя

0,65

Фактор 3 (Культура питания)

Уровень развития кулинарии из культивируемых грибов

0,704

Уровень культуры питания покупателя

0,693

Наличие свежих (не переработанных) грибов

0,796

Фактор 4 (Знания покупателя)

Уровень знаний покупателя о грибах

0,531

Уровень знаний покупателя о полезных свойствах культивируемых грибов

0,665

Уровень знаний покупателя о технологии производства культивируемых грибов

0,803

Фактор 5 (Имидж производителя)

Торговый знак - бренд

0,599

Известность производителя

0,852

Фактор 6 (Имидж продавца)

Вид торговой организации

0,46

Место продажи в торговом зале магазина

0,875

Фактор 7 (Маркетинг)

Уровень развития маркетинга культивируемых грибов

0,543

Наличие доступной для восприятия информации о культивируемых грибах

0,865

Время года

0,655

Фактор 8 (Имидж покупателя)

Социальный статус покупателя

0,705

Уровень культуры и образования покупателя

0,642

Фактор 9 (Образ товара)

Уровень здорового образа жизни покупателя

0,596

Уровень предложений блюд из культивируемых грибов в местах общественного питания

0,684

Наличие дней грибной культуры

0,577

Согласно отобранным факторам SPSS были получены девять новых переменных, содержащих вычисленные значения факторов. Эти переменные можно кратко охарактеризовать при помощи следующих категорий: «торговый сервис», «равновесие спроса», «культура питания», «знания покупателя», «имидж производителя», «имидж продавца», «маркетинг», «имидж покупателя», «образ товара». Полученные факторные рейтинги в дальнейшем могут использоваться для построения разрезов, проведения кластерного анализа, пр.

Литература:

1. Хамукова, М.А. Направление развития системы продовольственного обеспечения на уровне региона [Электронный ресурс] // «Инженерный вестник Дона», 2012, №4. - Режим доступа: http://www.ivdon.ru/magazine/archive/n4p2y2012/1419 (доступ свободный) - Загл. с экрана. - Яз. рус.

2. Kotler Ph., Armstrong G. Principles of Marketing, 14/E. Pearson Prentice Hall. Upper Saddle River, 2012. - 744 p.

3. Malhotra N.K., Birks D.F. Marketing Research: An Applied Approach Trans-Atlantic Publications, Inc., 2008. - 835 с.

4. Хан, Р.С. Оценка эффективности маркетинговых исследований с позиции экономических показателей. [Электронный ресурс] // «Инженерный вестник Дона», 2013, №3. - Режим доступа: http://www.ivdon.ru/magazine/archive/n3y2013/1936 (доступ свободный) - Загл. с экрана. - Яз. рус.

5. Boone L. E., Kurtz D. L. Contemporary Marketing. 7th ed. The Dryden Press, 1992. - 682 p.

6. Айвазян, С.А. Прикладная статистика: Классификация и снижение размерности [Текст] / С.А. Айвазян, В.М. Бухштабер, И.С. Енюков, Л.Д. Мешалкин. - М.: Финансы и статистика, 1989. - 607 с.

7. Ким, Дж.-О. Факторный, дискриминантный и кластерный анализ [Текст] / Дж.-О. Ким, Ч.У. Мьюллер, У.Р. Клекка. - М.: Финансы и статистика, 1989. - 215 с.

8. Gustav Levine, Sanford L. Braver, David P. Mackinnon, Melanie C. Page, Gustav. Levine's Guide to SPSS for Analysis of Variance. - 2nd ed. - Lawrence Erlbaum Associates; 2nd edition, 2005. - 200 p.

9. Бююль, А. SPSS: Искусство обработки информации. Анализ статистических данных и восстановление скрытых закономерностей [Текст] / Ахим Бююль, Петр Цёфель. - Спб.: ДиаСофтЮП, 2005. - 608 с.

10. Наследов, А.Д. SPSS: Компьютерный анализ данных в психологии и социальных науках [Текст]. - Изд. 2-е, перераб. и доп. -- СПб.: Питер, 2006. - 416 с.

Размещено на Allbest.ru

...

Подобные документы

  • Моделирование. Детерминизм. Задачи детерминированного факторного анализа. Способы измерения влияния факторов в детерминированном анализе. Расчёт детерминированных экономико-математических моделей и методов факторного анализа на примере РУП "ГЗЛиН".

    курсовая работа [246,7 K], добавлен 12.05.2008

  • Применение дискриминантного анализа. Дискриминантные функции и их геометрическая интерпретация. Расчет коэффициентов дискриминантной функции. Классификация при наличии двух обучающих выборок. Взаимосвязь между дискриминантными переменными и функциями.

    реферат [4,6 M], добавлен 08.05.2009

  • Основные задачи оценки экономических явлений и процессов. Проведение детерминированного факторного анализа и приемы математического моделирования факторной системы. Суть метода последовательного элиминирования факторов. Оперативный контроль затрат.

    шпаргалка [1,1 M], добавлен 08.12.2010

  • Динамика распространения безналичных платежей с использованием банковских карт и региональные специфики рынка эквайринга в России. Построение эконометрических моделей для выявления факторов, влияющих на скорость и уровень распространения инноваций.

    дипломная работа [1,2 M], добавлен 17.10.2016

  • Основная терминология, понятие и методы факторного анализа. Основные этапы проведения факторного анализа и методика Чеботарева. Практическая значимость факторного анализа для управления предприятием. Метода Лагранжа в решении задач факторного анализа.

    контрольная работа [72,9 K], добавлен 26.11.2008

  • Характеристика состояния акций второго эшелона рынка нефтяной отрасли. Рассмотрение подходов ученых к определению сущности поведения участников фондового рынка. Исследование и анализ особенностей эконометрического поведения участников фондового рынка.

    курсовая работа [522,1 K], добавлен 13.10.2017

  • Построение математической модели выбранного экономического явления методами регрессионного анализа. Линейная регрессионная модель. Выборочный коэффициент корреляции. Метод наименьших квадратов для модели множественной регрессии, статистические гипотезы.

    курсовая работа [1,1 M], добавлен 22.05.2015

  • Факторный анализ. Задачи факторного анализа. Методы факторного анализа. Детерминированный факторный анализ. Модели детерминированного факторного анализа. Способы оценки влияния факторов детерминированном факторном анализе. Стохастический анализ.

    курсовая работа [150,0 K], добавлен 03.05.2007

  • Основы финансового анализа рынка ценных бумаг. Основы модели АРТ. Методологические подходы к анализу фондового рынка. Теоретические и практические аспекты АРТ-моделирования: воплощение теоретических посылок в модель. АРТ-моделирование в практика.

    курсовая работа [2,9 M], добавлен 27.03.2008

  • Характеристика транспорта Кировской области. Статистические данные транспорта. Тенденции развития малого предпринимательства на транспорте в Кировской области. Анализ финансовых показателей: прибыли, рентабельности. Коэффициенты покрытия и автономии.

    курсовая работа [593,4 K], добавлен 29.03.2009

  • Анализ внешней и внутренней среды, экономических показателей, предприятия. Оценка его конкурентоустойчивости. Составление матрицы привлекательности рынка. Прогнозный план доходов и расходов. Моделирование бизнес-процессов функционирования дома отдыха.

    курсовая работа [1,4 M], добавлен 18.03.2015

  • Построение сетевой модели разработки бизнес-плана с полной разбивкой по всем видам и стадиям деятельности. Анализ рынка услуг, постоянных и переменных затрат. Реклама и стимулирование продаж. Построение модели поведения организации по теории игр.

    курсовая работа [235,1 K], добавлен 19.03.2015

  • Особенности и сущность моделей системной динамики. Характеристика контуров с положительной и отрицательной обратной связью. Моделирование S-образного роста. Разработка модели запаздывания и ее построение. Основные разновидности моделей мировой динамики.

    реферат [134,7 K], добавлен 22.02.2013

  • Анализ и выявление значимых факторов, влияющих на объект. Построение эконометрической модели затрат предприятия для обоснований принимаемых решений. Исследование трендов временных рядов. Оценка главных параметров качества эконометрической модели.

    курсовая работа [821,1 K], добавлен 21.11.2013

  • Ознакомление с математическими методами моделирования экономических систем. Анализ рынка вендоров при помощи диффузионной и стохастической моделей (Баса, Роджерса, Fourt и Woodlock, Mansfield, Монте-Карло, Блэка-Шоулза). Скачкообразный Марковский процесс.

    курсовая работа [1,1 M], добавлен 13.06.2014

  • Проверка однородности дисперсии и эффективности математической модели. Перевод уравнения регрессии из кодированных обозначений факторов в натуральные. Построение графиков зависимости выходной величины от управляемых факторов. Упрессовка сырого шпона.

    курсовая работа [85,8 K], добавлен 13.01.2015

  • Экономико-математическая модель для анализа ресурсов в форме отчета устойчивости. Проверка продуктивности технологической матрицы коэффициентов прямых материальных затрат. Оценка точности моделей на основе средней относительной ошибки аппроксимации.

    задача [142,9 K], добавлен 03.05.2009

  • Геологическое моделирование, его принципы, используемое программное обеспечение и оценка эффективности. Задачи эксплуатации геолого-технологических моделей, информационные аспекты эксплуатации. Конвертирование и загрузка полномасштабных моделей.

    реферат [22,6 K], добавлен 03.05.2015

  • Первичный и вторичный рынки жилья. Модель местоположения и координатная привязка объектов. Построение ценовой карты региона. Учет расстояний до центров влияния. Пространственно-параметрическое моделирование рынка вторичного жилья в г. Санкт-Петербурге.

    курсовая работа [330,0 K], добавлен 10.12.2012

  • Описание методики проектирования принятия решения. Иерархии как воспроизведение сложности, ее структура, нахождение экономических приоритетов. Построение трёхуровневой иерархии на примере о покупке дома. Способы формирования матриц парных сравнений.

    курсовая работа [81,4 K], добавлен 04.02.2011

Работы в архивах красиво оформлены согласно требованиям ВУЗов и содержат рисунки, диаграммы, формулы и т.д.
PPT, PPTX и PDF-файлы представлены только в архивах.
Рекомендуем скачать работу.