431. Романова Ю.А., Павлова И.В. и др. Повышение конкурентоспособности отечественной промышленности в условиях инновационного подъема: Коллективная монография. - М., 2018.
32. Решетов К.Ю. Бухгалтерский управленческий учет. - М., 2013.
33. Фомина В.П., Пирогов Н.Л., Попова Е.Н. Экономическая теория. - М.,
2001.
34. Пирогов Н.Л., Федорчукова С.Г. Карьера менеджера // В сборнике: Проблемы управления национальной экономикой материалы Всероссийской научно-практической конференции. 2006. С. 4-9.
35. Решетов К.Ю. Налоговое планирование. - М., 2015.
36. Дудин М.Н., Лясников Н.В., Сенин А.С. и др. Государственные и муниципальные финансы: учебное пособие для бакалавров и магистров. - М., 2015.
37. Владимирова Л.П. Экономика труда. - М., 2015.
38. Пирогов Н.Л., Федорчукова С.Г. Основы предпринимательства. - М., 2007. Том Часть 1.
39. Решетов К.Ю. Организация налогового учета. - М., 2013.
40. Ядов В.А. Социология в России. - СПб., 1998.
Харьков В.П. - Национальный институт бизнеса1
МЕТОД И РЕЗУЛЬТАТЫ ИССЛЕДОВАНИЯ ТОЧНОСТИ ВЫБОРОЧНОГО КОНТРОЛЯ КАЧЕСТВА
Аннотация. В работе представлено исследование эффективности выборочного контроля, основанное на имитационном моделировании процесса. Разработан метод и программа для анализа процесса контроля.
Ключевые слова: имитационное моделирование, статистические испытания, выборочная оценка качества.
Необходимо оценить достоверность (точность) выборочного контроля партии объектов. Элементам партии соответствуют дискретные значения характеристики качества. Такими характеристиками могут являться сорт продукции, оценка объекта или знаний по бальной системе и другие.
Оценка качества выборочного контроля может проводиться с помощью метода имитационного моделирования (по Методу Монте-Карло). Методы Монте-Карло (ММК) — группа численных методов для изучения случайных процессов (один из способов статистического моделирования). Суть метода заключается в следующем: процесс моделируется при помощи генератора случайных величин. Это повторяется много раз, а потом на основе полученных случайных данных вычисляются вероятностные характеристики решаемой задачи.
1 Харьков В.П. кандидат технических наук, заведующий кафедрой АНО ВО «Национальный институт бизнеса», почетный работник высшего профессионального образования Российской Федерации.
200
Компьютерное моделирование для оценки точности выборочного контроля может проводиться в два этапа. На первом этапе весь массив элементов проверяемой партии в случайном порядке заполняется заданным количеством каждой из оценок качества.
Схему процесса можно представить так. Имеется диск рулетки с номерами ячеек (1, 2, 3 .. N). При вращении рулетки указатель останавливается на случайном номере. Если эта ячейка пустая, то в нее вставляется элемент - «патрон» выбранного сорта (1, 2 или 3) . Если ячейка занята, то повторяется вращение рулетки. Так процесс заполнения рулетки продолжается до последнего «патрона». Процент элементов каждого из сортов в генерируемом массиве задается заранее.
На втором этапе из массива элементов проверяемой партии делаются повторные (в статье 50 раз) ограниченные выборки элементов в случайном порядке. По характеристикам элементов выборки (количеству элементов каждого сорта) делается заключение о точности выборочных оценок качества.
На первом этапе моделирования надо: заполнить последовательно N ячеек со случайными номерами (повтор номера не допускается!) выбирая подряд из элементов трех сортов (сначала все элементы 1 сорта, затем 2й и т.п.).
Алгоритм 1 этапа моделирования (проводится однократно в заданной серии испытаний):
1. Задаем значение количества элементов N генеральной (проверяемой) совокупности (например, N=500).
2. Задаем процент элементов каждого сорта q(1),q(2), q(3) (например 10 % -1го сорта, 30% и 60% - 2 и 3 сортов соответственно).
3. Определяем количество элементов каждого сорта в генеральной совокупности n(i)=N*q(i)/100, где i=1,2,3 (например: 50, 150 и 300).
4. В цикле j=1 to N присваиваем L(j)=0, то есть очищаем ячейки массива характеристик (сортов) элементов.
5. В цикле j=1 to n(1) получаем с помощью датчика случайных чисел номер ns (в диапазоне от 1 до N) j -го элемента массива, в который помещаем значение 1 сорта. Если этот номер уже использовался, то его пропускаем.
If L(ns)=0 Then L(ns)=1, j=j+1 Else повтор цикла
6. В цикле j=n(1) +1 to n(1)+ n(2) получаем случайный номер элемента массива, в который помещаем значение сорта=2.
If L(ns) =0 Then L(ns) =2 , j=j+1 Else повтор цикла
7. В цикле j=n(1)+n(2)+1 to n(1)+n(2)+n(3) получаем случайный номер элемента массива, в который помещаем значение сорта=3.
If L(ns)=0 Then L(ns)=3, j=j+1 Else повтор цикла.
После 1 этапа в генеральной совокупности (всей исследуемой партии) элементы разного (1,2,3) сорта размещены случайно. Процент элементов каждого сорта фиксирован.
На втором этапе с помощью повторных (в статье 50 раз) контрольных случайных выборок из m элементов необходимо оценить процент каждого сорта во всей партии. При этом выборочная оценка будет получена с определенной точностью (доверительной вероятностью Pd). Чем больше будет доля выборки, тем точнее мы получим оценку доли каждого сорта. Такие выборки заданного объема m из всей (генеральной) партии для конкретного варианта статистических испытаний проводятся многократно (в наших примерах 50 раз).
В результате получаем выборочные (50 выборок из всей партии) оценки количества элементов каждого сорта.
При сплошном контроле всей партии доверительная вероятность оценки Pd будет максимальной и равна 100%.
Моделирование процесса выборочного контроля качества можно проводить для различных вариантов исходных данных и для повторных испытаний с разными реализациями выборочной совокупности (при тех же исходных данных).
На основе предложенного метода имитационного моделирования выборочного контроля качества был составлен алгоритм статистических испытаний и разработана программа на языке программирования Visual Basic.
Ниже представлена таблица моделирования 50 выборок (N=500, m=50).
q(i) 10% 30% 60% q(i)% 10% 30% 60% Сорт qv% nv Sn Vn, vq Sq
n(i) 50 150 300 n(i) 50 150 300 1 9,84 4,92 2,27 0,46 4,53
1 6 15 29 26 4 15 31 2 30,8 15,40 2,58 0,17 5,16
2 4 19 27 27 2 17 31 3 59,36 29,68 2,85 0,10 5,71
3 7 14 29 28 6 18 26 Всего 100 100.00
4 4 10 36 29 10 15 25 Таблица 1.2 вариант m=50
5 6 17 27 30 7 13 30 Сорт qv% nv Sn Vn, Sq
6 3 15 32 31 2 14 34 1 10,1 2,02 1.29 0,64 6,43
7 2 19 29 32 6 15 29 2 29,6 5,92 2.07 0,35 10,34
8 7 13 30 33 3 13 34 3 60,3 12,06 2,08 0,17 10,42
9 6 20 24 34 10 11 29 Всего 100 20
10 7 14 29 35 5 18 27 Таблица 2 вариант m=20
11 5 15 30 36 4 16 30
12 4 17 29 37 2 14 34
13 6 15 29 38 4 19 27
14 9 10 31 39 6 18 26
15 2 15 33 40 2 15 33
16 4 17 29 41 7 20 23
17 6 14 30 42 10 11 29
18 5 12 33 43 6 15 29
19 5 14 31 44 2 15 33
20 4 16 30 45 4 15 31
21 4 15 31 46 2 19 29
22 5 20 25 47 5 19 26
23 4 16 30 48 2 16 32
24 5 13 32 49 9 12 29
25 5 18 27 50 1 14 35
Таблица 1.1. Результаты испытаний. N=500, m=50
В таблицах 2, 3 представлены статистические оценки по 50 испытаниям выборок по m=50 и m=20 элементов из партии в 500 элементов. Где qv%, пу среднее значение выборочной оценки доли (%), а также обнаруженного числа п^) элементов 1,2 и 3 сорта, а также Vn, Vq, Sn и Sq - коэффициенты вариации и средние квадратические отклонения. Формулы для их расчета стандартные: X ср= 1X^50; Sx=sqrt((Z Xср)Л2) / (50-1)) где ]=1,2, ... 50. Ниже показаны графики выборочных значений обнаруженных элементов 1, 2 и 3 сорта при объемах выборок 50 и 20 значений из партии в 500 элементов по результатам серий из 50 повторных испытаний.
18
16
14
12
10
Ряд1 Ряд2 Ряд3
||||||||||||«||М|||М|||М||||||МЯ
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49
8
6
4
2
0
Возможности использования предложенного метода гораздо шире, чем у изложенного примера в данной работе. Метод также может использоваться в выборочном контроле успеваемости и оценки выигрышей в лотерее. В этом слу-
чае в качестве исходных данных задается для проверяемой партии количество элементов для каждого сорта или для каждой оценки.
Список использованной литературы
1. Соболь И. М. Метод Монте-Карло. — М.: Наука, 1968. — 64 с. — (Популярные лекции по математике). — 79 000 экз.
2. Харьков В.П., Имитационное моделирование выборочного контроля методом статистических испытаний (метод Монте-Карло), Вестник Национального института бизнеса Выпуск 34, 2018г. М.: Изд-во МосГУ, 2018.
Чекуров С.Ю.1 - Национальный институт бизнеса Капцова О.А.2- Национальный институт бизнеса
К ВОПРОСУ О МЕТОДИКАХ ОЦЕНКИ ВЕРОЯТНОСТИ БАНКРОТСТВА ПРЕДПРИНИМАТЕЛЬСКИХ СТРУКТУР
Аннотация: Статья посвящена проблеме формирования оптимального подхода к использованию моделей оценки вероятности несостоятельности (банкротства) предпринимательских структур.
Ключевые слова: банкротство, несостоятельность, анализ, оценка, ликвидность, платежеспособность, финансовая устойчивость, коэффициенты, должник, кредитор, предпринимательство, предпринимательские структуры.
В настоящее время основным нормативным документом, регламентирующим процедуру банкротства, является Федеральный закон «О несостоятельности (банкротстве)» от 26.10.2002 г. № 127-ФЗ. Признаком банкротства юридического лица по данному закону считается «неспособность юридического лица удовлетворить требования кредиторов по денежным обязательствам и (или) исполнить обязанность по уплате обязательных платежей, если соответствующие обязательства и (или) обязанности не исполнены им в течение трех месяцев с момента наступления даты их исполнения» [1].
Оценка вероятности наступления банкротства является одним из важнейших направлений анализа финансового состояния предприятия [2-11]. В современных условиях хозяйствования для любого предприятия важно оценивать свою платежеспособность и определять степень угрозы банкротства или риска потери имеющейся финансовой устойчивости [12-15]. В нормативно-правовых документах по развитию бухгалтерского учета и отчетности в РФ отмечается, что для выявления признаков банкротства хозяйствующих субъектов предназначена индивидуальная бухгалтерская отчетность [16-19].
1 Чекуров Сергей Юрьевич - магистрант, направление «Экономика» АНО ВО «Национальный институт бизнеса».
2 Капцова Ольга Александровна - преподаватель кафедры гражданско-правовых дисциплин АНО ВО «Национальный институт бизнеса».
