Modelowanie parametryczne: Różnice pomiędzy wersjami

Z Encyklopedia Zarządzania
m (Pozycjonowanie)
m (cleanup bibliografii i rotten links)
 
Linia 36: Linia 36:
==Bibliografia==
==Bibliografia==
<noautolinks>
<noautolinks>
* Leszczyński, Z. (2016). ''[https://wnus.edu.pl/frfu/file/article/view/10546.pdf Parametryczny model estymacji kosztów produkcji]''. Finanse, Rynki Finansowe, Ubezpieczenia, (79), 949-964
* Leszczyński Z. (2016), ''[https://wnus.edu.pl/frfu/file/article/view/10546.pdf Parametryczny model estymacji kosztów produkcji]'', Finanse, Rynki Finansowe, Ubezpieczenia, (79)
* Leszczyński Z., Jasiński T. (2017), ''Użyteczność modeli parametrycznych i sztucznych sieci neuronowych w prognozowaniu kosztów produkcji''. Zeszyty Teoretyczne Rachunkowości, nr 91
* Leszczyński Z., Jasiński T. (2017), ''Użyteczność modeli parametrycznych i sztucznych sieci neuronowych w prognozowaniu kosztów produkcji''. Zeszyty Teoretyczne Rachunkowości, nr 91
* Phillips J. (2011), ''Zarządzanie projektami IT'', Helion, Gliwice
* Phillips J. (2011), ''Zarządzanie projektami IT'', Helion, Gliwice

Aktualna wersja na dzień 23:09, 21 gru 2023

Modelowanie parametryczne jest jedną z metod szacowania kosztów projektu od góry do dołu. Wykorzystuje ono model matematyczny oparty na znanych parametrach czyli rozkład normalny lub inny rozkład teoretyczny, z którym porównywane są empiryczne rozkłady występujące w badanej zbiorowości. Parametry mogą być zróżnicowane i zależą one od rodzaju wykonywanych zadań. Koszt wykonania projektu jest określany poprzez koszty wyrażane względem jednostek.

Takimi parametrami mogą być na przykład koszt przypadający na tonę, metr sześcienny, jednostkę czy godzinę. Występują również parametry bardziej złożone, których przykładem może być koszt przypadający na jednostkę uwzględniający wskaźniki korygujące określone na podstawie warunków zaistniałych w projekcie. Wyróżniamy proste lub złożone modele matematyczne służące do przewidywania kosztów projektu. Stopień złożoności modelu zależy od rodzaju projektu lub liczby zmiennych, które są brane pod uwagę. Dokładność otrzymanych wyników na podstawie takiego modelu zależy od informacji historycznych, którymi się posłużymy, łatwości kwantyfikacji parametrów oraz sposobności skalowania modelu. Ten rodzaj wyznaczania kosztów nie zawsze może być użyty w przypadku szacowania kosztów projektów informatycznych. Barierę zastosowania tej metody stanowi tu zmienność technologii.

Główna różnica między modelem parametrycznym a nieparametrycznym polega na tym, że modele parametryczne wymagają wybrania odpowiednich zmiennych i ich uporządkowania w określonych strukturach, aby można było przewidywać wyniki. Modele nieparametryczne nie wymagają takiego uporządkowania, a ich wyniki są wyciągane z danych bezpośrednio.

TL;DR

Modelowanie parametryczne to metoda szacowania kosztów projektu poprzez wykorzystanie modelu matematycznego opartego na znanych parametrach. Może być stosowane w różnych dziedzinach, takich jak finanse, ekonomia, badania marketingowe. Przykłady zastosowania to przewidywanie popytu na produkt, rentowności inwestycji, optymalizacja działań marketingowych i przewidywanie wydajności pracowników. Najczęściej stosowane metody to regresja, analiza skupień, analiza czynnikowa i analiza wrażliwości. Etapy sporządzania modelu parametrycznego to wybór zmiennych, wybór metody, badanie danych, budowa modelu, testowanie i weryfikacja.

Zastosowania

Modelowanie parametryczne można wykorzystać do różnych celów, takich jak:

  • szacowanie kosztów projektu, jak wspomniano w pytaniu, poprzez użycie matematycznego modelu do prognozowania wydatków na podstawie znanych parametrów
  • badanie i prognozowanie zmienności danych, np. prognozowanie sprzedaży na podstawie trendów w sprzedaży w minionych latach
  • zapewnienie poprawności obliczeń i wyboru optymalnego rozwiązania w konkretnym przypadku, np. wybór optymalnego rozwiązania dla określonej inwestycji.

Modelowanie parametryczne jest popularną techniką używaną w finansach, ekonomii, badaniach marketingowych i wielu innych dziedzinach. Przykładowo:

  • Przewidywanie popytu na produkt lub usługę: Modelowanie parametryczne może pomóc przedsiębiorstwom określić, jakie czynniki wpływają na popyt na dany produkt lub usługę. Na podstawie tych informacji można lepiej dostosować produkty do rynku i przewidzieć popyt w przyszłości.
  • Przewidywanie rentowności inwestycji: Przedsiębiorstwa mogą wykorzystać modelowanie parametryczne do wyznaczenia rentowności potencjalnych inwestycji. Mogą one zbadać, jak czynniki takie jak czas, koszty i ryzyko wpływają na rentowność danej inwestycji, co pozwala na lepsze planowanie budżetu i inwestycji.
  • Optymalizacja działań marketingowych: Modelowanie parametryczne może pomóc przedsiębiorstwom zidentyfikować, jakie czynniki mają największy wpływ na wyniki ich działań marketingowych. Na podstawie tych informacji można lepiej dostosować kampanie reklamowe i strategie marketingowe do rynku.
  • Przewidywanie wydajności pracowników: Modelowanie parametryczne może pomóc przedsiębiorstwom zidentyfikować, jakie czynniki mają największy wpływ na wydajność pracowników. Umożliwia to lepsze zarządzanie zasobami ludzkimi i rozwój pracowników.

Najczęściej stosowane metody modelowania parametrycznego to: regresja, analiza skupień, analiza czynnikowa i analiza wrażliwości, modele Markowa, modele liniowe, nieliniowe, wielowymiarowe, prognozy, klasyfikacje i symulacje.

Etapy sporządzania modelu parametrycznego

Etapy sporządzania modelu parametrycznego to:

  • Wybór zmiennych: Wybór zmiennych wchodzących w skład modelu.
  • Wybór metody: Określenie, która z metod modelowania parametrycznego jest najbardziej odpowiednia do zastosowania.
  • Badanie danych: Przeprowadzenie badań nad danymi w celu identyfikacji wzorów i korelacji.
  • Budowa modelu: Użycie wybranej metody modelowania parametrycznego do stworzenia modelu.
  • Testowanie i weryfikacja modelu: Przetestowanie modelu i sprawdzenie, czy jest on skuteczny w przewidywaniu danych.


Modelowanie parametryczneartykuły polecane
Rozkład częstościMetody szacowania zasobówPomiarANOVASkala interwałowaSkala porządkowaPróbaWnioskowanie statystyczneTest zgodności chi-kwadrat

Bibliografia

  • Leszczyński Z. (2016), Parametryczny model estymacji kosztów produkcji, Finanse, Rynki Finansowe, Ubezpieczenia, (79)
  • Leszczyński Z., Jasiński T. (2017), Użyteczność modeli parametrycznych i sztucznych sieci neuronowych w prognozowaniu kosztów produkcji. Zeszyty Teoretyczne Rachunkowości, nr 91
  • Phillips J. (2011), Zarządzanie projektami IT, Helion, Gliwice


Autor: Elżbieta Iskra