2. Min ja max funktsioon Min 17 0 Max 38 4 Tabelist saab näha, et kõige noorem vanustest oli 17 aastane isik ja kõige vanem 38 aastane Kõige suurem näitaja oli soov sünnitada 4 last, aga kõige väksem number oli 0 3. Järgmisena leidsin variatsiooni kordaja, mida kasutatakse erinevate kogumite varieerivuse võrdlemiseks ja standarthälvet (enamiku tunnuste väärtuste erinevust võrreldes keskmistega.). Standart hälve 5,1 0,86 Var. kordaja st. hälbe järgi 20% 50% 4. Graafikust on näha, et kõige suurem protsent on inimesi, kes soovivad 2 last. Teisel kohal on so, ainult 1 lapse soovijad. 16% inimestest, kes vastas soovivad, et oleks 3 ja rohkem last.
1.Energiakriis-odavat kütust enam pole-kütus -elekter -ebaökonoomsed seadmed,majad 2.Sotsialistliku omandi erastamine 2.1.Riigivara erakätesse 2.2.Tööaastate eest erastamisväärtpaberid 3 3.Majandussektorite vahekorra muutumine tööstus,põllumajanduse< teenindav 4.Suurettevõtted asenduvad väikeste ja keskmistega. 5.Seaduste ja õiguskorra puudulikkus,kuritegevuse kasv ja varimajandus 6.Kõlbluse ja eetika langus 7.5.Tulevikk sotsialismijärgsetes maades Madalam elatustase -ajude äravool -segadus kauba küllusest kirevusest -arenenud ühiskonna jäljendus Kapitali sissevool mujalt meil kõik odavam ,maksud soodsamad ,nõuded nõrgemad Oluline roll transpordil , rahva haridusel ,loodusolud ,kliima, poliitiline stabiilsus 7.6.Sotsialismile truud. Hiina Rahvavabariik
42. Kahe normaalse põhikogumi dispersiooni võrdlemine Valimi parandatud dispersioonid s2X ja s2Y. Vajalik on võrrelda neid dispersioone Y0 % D(X) = D(Y) Fyf,k = s2max / s2min 43. Valimi parandatud dispersiooni võrdlemine põhikogumi tõese dispersiooniga Valimi maht n parandatud dispersiooniga s2. Y0 % 2 ] 20 2yf,k ] (n-1) s2 / 20 44. Kahe põhikogumi, mille dispersioonid on teada, keskmiste võrdlemine (suured sõltumatud valimid) Valimi suurused n>30 ja m>30 valimi keskmistega x ja y ja teada dispersioonidega D(X) ja D(Y). x y Y0 % M(X) ] M(Y); Zyf,m D X / n D Y / m 45. Kahe põhikogumi, mille dispersioonid ei ole teada kuid on eeldatavalt võrdsed, keskmiste võrdlemine (väikesed sõltumatud valimid) Valimi mahud n<30 ja m<30 valimi keskmistega x ja y ja leitud parandatud valimi dispersioonid s2X ja s2Y
Erinevate jõuomaduste arendamine · Maksimaaljõu arendamise metoodika aluseks on vastupanu suurus, seeriate arv, korduste arv seerias ja harjutuste sooritamise kiirus. Optimaalseks loetakse: o vastupanu suurus 75 90 % maksimumist o seeriate arv kuni 5 6 o kordusi seerias 6 8 o varieeruv tempo ja puhkepauside kestvus · Kiirusjõu arendamisel on kõige efektiivsemaks variatiivne meetod, s.t. varieerides suuri koormusi väikeste ja keskmistega kasutatakse eelneva tegevuse järelmõju. Näiteks: 80 % koormusega raskuse kasutamisele järgneb seeria harjutusi 20 40 % koormusega, kusjuures harjutuste sooritamise kiirus (tempo) tõuseb eelnevaga võrreldes 40 50 %. Väikese vastupanuga harjutusi (kuni 20 % max) on soovitav vaheldada samuti atsükliliste ühekordsete harjutustega (ca 40 % max) vahekorras 5 : 1. Kiirusliku jõu juurdekasv avaldub erinevatel spordialadel või
Üldreeglina peab omakapitali rentaablus olema vähemalt 15%, et kindlustada aktsiaomanikele normaalne dividendide tase tulevikus. Nagu näha siis on näitajad madalamad. ROI ( Return On Investment) = Ärikasum / Koguvara * 100 31.12.2007 ROI = 54 249 / 752 451 * 100 = 7,2% 31.12.2008 ROI = 65 575 / 795 784 *100 = 8,2% Näitab ettevõtte varadesse tehtud investeeringute tasuvust. See näitja võiks olla suurem. ROA, ROE ja ROI on arvutatud majandusaasta lõpu näitajatega mitte aasta keskmistega seega on arvude väärtused kaheldavad. Müügikäibe brutorentaablus = Brutokasum / Müügitulu * 100 31.12.2007 Müügikäibe brutorentaablus = 178 502 / 2 134 876 * 100 = 8,4% 31.12.2008 Müügikäibe brutorentaablus = 167 307 / 1 980 654 * 100 =8,4 % Näitab kui suur osa müügikäibest jääb järele peale kaupade omamaksumuse mahaarvamist. Müügikäibe ärirentaablus = Ärikasum / Müügitulu * 100 31.12.2007 Müügikäibe ärirentaablus = 54 249 / 2 134 876 * 100 = 2,5% 31.12
rohkem kui sünnib (sündide arv on 246 ja surmade 357). Võrreldes Eesti keskmise näitajaga ei ole see küll väga halb tulemus (keskmine iive on -318), kuid näiteks Harju maakonnaga küll, sest seal on iive üle 1500, täpsemalt 1577. Läänemaa kõikidest elanikest, keda on 27366, moodustavad umbes 16% alla 20 aastased inimesed (~ 4378 in.), 62% 20-64 aastased (~16966) ja üle 65 aastased 22% (ehk ~6020). Need näitajad on üsna sarnased eesti keskmistega, kuid siiski tundub, et Läänemaal elavad inimesed kauem kui mujal Eestis. 5.Ränded maakonnas Läänemaa pendelrände keskuseks on Haapsalu, põhiliselt minnakse Vormsi saarele, Noarootsi, Oru, Taebla ja Ridala valla lõunaosasse ning muidugi Harju maakonnas asuvatesse linnadesse, põhiliselt Tallinnasse, ilmselt selletõttu, et seal paremaid töökohti pakutakse. Läänemaal on kohapeal tootvate inimeste osatähtus üsna suur, täpsemalt öeldes 61,1%, mis on Eesti keskmise,
olla ka loendatav, näiteks koolitatud koolitajate arv. Projekti väljundite efektiivsuse hindamiseks kasutatakse suhtarve. Sisendeid võrreldakse väljunditega suhtarvuna teineteisesse, näiteks keskmine koolituse kulu ühe koolitatu kohta. Kui koolitus on projekti jätkuv osa, on võimalik võrrelda eri koolitustegevuste keskmisi kulusid ning näha, kas kulud kipuvad kasvama või kahanema. Sarnaselt võib keskmisi kulusid võrrelda eri projektide juures ning riiklike või rahvusvaheliste keskmistega. Väljundite hindamisel kasutatakse samuti aruandlust ning vajadusel intervjuusid asjaosalistega. Otsesed eesmärgid Hinnatakse projekti eesmärkide saavutamise määra. Kui projekti eesmärke ei saavutatud, peab hindaja analüüsima, kas põhjuseks olid puudujäägid elluviimisel, vead projekti kavandamisel või eelduste mitteteostumine. Peale aruandluse tuleb hindajal kasutada ka intervjuusid, statistikat ning olemasolevaid uuringuid. Finantsiline ja organisatsiooniline jätkusuutlikkus
ristkülikute pindalade muutumisi. Tuli välja, et mõlemal juhul saime ümardatult võrdsed Weberi konstandid, seega on meie katse tulemused väga sarnased. Juhuslikult avastasime ka, et nii mina kui ka rühmakaaslane, kes mõõtis joone pikkusi, valisime varieeruva stiimuli väärtusteks samad tunnused ning vahemikud ning seda enam oli hea näha, et me ka samad tulemused saime. 3) Hinnake Weberi konstandi suurust võrrelduna statistiliste keskmistega erinevate meelte jaoks (vrld. Gleitman, lk 159). * Minu Weberi konstant tuli 0,04, mis on peaaegu sama, mis keskmiselt antud on (keskmiselt võiks olla 0,01 0,03). Siiski on ka arvamusi, et see võiks olla pigem 0,01 lähedal, seega selles osas on veel arenguruumi. 4) Milliste tingimuste muutumine teie katses võiks muuta Teie poolt mõõdetud eristusläve suurust? * Kuna saime rühmakaaslastega väga sarnased tulemused, siis julgen arvata, et antud katse
2. Min ja max funktsioon Min 17 0 Max 38 4 Tabelist saab näha, et kõige noorem vanustest oli 17 aastane isik ja kõige vanem 38 aastane Kõige suurem näitaja oli soov sünnitada 4 last, aga kõige väksem number oli 0 3. Järgmisena leidsin variatsiooni kordaja, mida kasutatakse erinevate kogumite varieerivuse võrdlemiseks ja standarthälvet (enamiku tunnuste väärtuste erinevust võrreldes keskmistega.). Standart hälve 5,1 0,86 Var. kordaja st. hälbe järgi 20% 50% 4. Graafikust on näha, et kõige suurem protsent on inimesi, kes soovivad 2 last. Teisel kohal on so, ainult 1 lapse soovijad. 16% inimestest, kes vastas soovivad, et oleks 3 ja rohkem last.
Kas liigselt soetatud varad (potentsiaal tulevikuks) või müügiraskused? 2. Kui müügitulu kasvutempo>varade kasvutempost, on ettevõtte varad efektiivselt kasutatud. Täiendavat infot annab ettevõtte põhinäitajate trendi analüüs dünaamikas. Raamatupidamisaruandluse analüüs Suhtarvuanalüüs Suhtarvuanalüüs võimaldab esile tuua finantsnäitajate vahelisi seoseid. Analüüsi käigus võrreldakse firma suhtarve eelnevate aastate näitajatega, majandusharu keskmistega, konkurentidega, prognoosidega. Suhtarvude põhiliigid: Likviidsussuhtarvud e maksvõime näitajad Efektiivsuse näitajad Rentaabluse suhtarvud e tootluse suhtarvud Kapitali struktuuri e finantsvõimenduse näitajad Raamatupidamisaruandluse analüüs Suhtarv on kahe või enama aruandelise näitaja jagatis, mida väljendatakse kordades, protsentides, päevades ja/või kroonides. Tähtis vastata järgmistele küsimustele: kuidas arvutada, mida suhtarv mõõdab, millistes
põhitegevuse rahavoogusid). TRENDIANALÜÜS iseloomustab järgnevate aastate näitajate dünaamikat baasaasta näitajate suhtes (kasut. Indeksnäitajat) valem: Indeks = indekseeritava aasta näitaja/ baasaasta näitaja x 100 SUHTARVUANALÜÜS on finantsanalüüsi peamine instrument, võimaldades välja tuua analüüsitavate finantsnäitajate seoseid ning võrrelda omavahel erinevaid ettevõtteid (võrreldakse ettevõtte suhtarve eelnevate aastate näitajatega, tegevusharu keskmistega või konkurentide andmetega.) VARA LIKVIIDSUS ettevtte vara vime muutuda (konverteeruda) maksevahendeiks. ETTEVÕTTE LIKVIIDSUS = ETTEVÕTTE MAKSEVÕIMELISUS ettevtte vime tasuda tähtaegselt ettenähtud kohustisi. SUHTARVUANALÜÜS - bilansi ja kasumiaruande baasil koostatud suhtarvud - rahavoo suhtarvud - turuandmetele tuginevad suhtarvud. A. RENTAABLUSE, TASUVUSE SUHTARVUD (profitability ratios). 1. Käibe puhasrentaablus ehk tegevustulukus (profit margin) 2
Analüüs põhineb ettevõtte 2009., 2010. ja 2011. aasta majandusaasta aruannetel, mis on võetud andmebaasist AGENT. Töö kirjutamisel toetutakse finantsjuhtimise aines õpitud teoreetilistele teadmistele, ettevõtte koduleheküljele ning finantsalasele kirjandusele. Andmete töötlemiseks 3 kasutatakse programmi MS Excel. Saadud andmeid võrreldakse Eesti Statistikaameti haldusharu keskmistega ning seejärel neid interpreteeritakse. Ettevõte finantsanalüüsi teostatakse omanike seisukohast lähtuvalt. Omanike seisukohalt on oluline teada, kas nende finantseeringud on edukad või ebaedukad. Töö on jagatud kolmeks peatükiks. Esimeses peatükis kirjeldatakse lühidalt ettevõtet Estravel AS. Teises peatükis teostatakse ettevõtte finantsanalüüs, tehes kasumiaruande ja bilansi horisontaal- ja vertikaalanalüüsid, leitakse suhtarvud ning analüüsitakse nendevahelisi seoseid
Kivide suurus sõltus mõistagi masina suurusest, suurimad, mis olla ehitatud 1421. Touraine'is 300 ja isegi 400 naelaste ehk siis umbes 180 kg-ste rahnude jaoks. On räägitud veel kaalukamast moonast, Saksa uurija Rathgen märgib lausa 1400 kg-st kaljusid, mis kõlab kahtlaselt, sest vastukaal peaks sel juhul kaaluma üle 27 tonni. (ühe tonni jaoks oleks vastukaalu vaja 27t) Ühelegi allikale too uurija ka ei viita. Eestis ulatus kaal ilmselt vähemalt 100 kg kanti, suurte masinate puhul. Keskmistega ilmselt vahemikus 15-40 kg ja väikestel masinatel umbes kuni 10 kg. Peale kivide kasutati heitemoonana ka kuuma metalli ja nn. "tulepotte". Samuti võidi heita ka tünne tigedate loomadega (mitte Eestis) näiteks skorpionid, mürkmaod, mesilased etc. On ka variante, kus visatakse tagasi laipu, taudi surnud loomi, tünne väljaheidetega... 8. Heitemasina funktsioon piiramis ja kaitserelvana Heitemasinaid oli raske ümber sihtida nad olid päris rasked (st laskesektori muutmine
KAHE SÕLTUMATU GRUPI KESKMISTE VÕRDLEMINE PARAMEETRILISE TESTIGA Analyze-Compare means - independent samples T test - Test variables'i kõik mille keskmisi tahan uurida ja Grouping variables'i Sugu (sest tahan sugude vahelisi erinevusi võrrelda) (defineerin soo 1 ja 2) - OK Saan tabeli, kust näen meeste naiste keskmiste erinevusi alatestide lõikes. Alumises tabelis on üks tulp nimega Sig (Olulisuse nivoo), kui sealne number jääb alla 0,05, siis on tegu statistiliselt oluliselt erinevate keskmistega. Kui Sig on väiksem kui 0.05, siis ei ole andmed normaaljaotuslikud. T-testi läbiviimise eeldus on, et üldkogum oleks normaaljaotusega, intervallskaalal, ja et neil oleksid võrdsed dispersioonid. Kui Levene'i testi Sig on suurem kui 0.05, vaatame edaspidi ülemist tabelirida; kui Levene'i test Sig on väiksem kui 0.05, loeme edaspidi alumist rida. 0,5 0,05 0,005 0 Vastus tuleb Sig (2-tailed) alt!!! T-testi raporteerimine:
60 40 20 0 Gini I II III IV V Eesti 39.5 6.6 10.7 15.1 21.4 46.3 EL 30.5 8.0 13.1 17.3 22.9 38.6 Siirdemaad 29.0 8.4 13.2 17.7 23.3 37.4 Allikas: WDI, 1998, autori arvutused ja joonis Joonis 1. Eesti tulujaotuse võrdlus gruppide keskmistega Tulujaotuse dünaamika Tulujaotuse dünaamika uurimisel on pikaajalised traditsioonid Kagu-Aasia ja Ladina- Ameerika riikides. Võrreldavaid andmeridu leidub Euroopa Liidu tänaste liikmesmaade kohta kuni 90-te aastateni ja siirderiikide kohta just viimastel aastatel. Üldiselt võib öelda, et stabiilses majandussituatsioonis olevates arenenud riikides suuri muutusi tulujaotuses tavaliselt ei toimu. Näiteks Saksamaal ei ole tulujaotus kahekümne aasta jooksul (19731993)
riistvarast. PNG-faile saab luua enamik graafikaprogramme. JPEG (Joint Photographic Experts Group) Tegelikult ei ole JPEG formaat, vaid pakkimise algoritm, mis ei põhine ühesuguste elementide otsimisel, nagu RLE ja LZW, vaid pikslite erinevusel. JPEG otsib sujuvaid värvimuutusi ruudus 9x9 pikslit. Tegelike väärtuste asemel salvestab JPEG pikselist pikselisse muutuse kiirust. Algoritmi seisukohalt üleliigne värviinfo jäetakse välja, asendades mõned väärtused keskmistega. Mida suurem on pakkimise tihedus, seda rohkem andmeid jääb välja ja seda madalam on kvaliteet. Kasutades JPEGd võib saada 10–500 korda väiksema faili kui BMP! Formaat riistvarast ei sõltu, PC ja Macintosh toetatavad seda täielikult. JPEGga pakkides annavad parema tulemuse fotod, sest nendes on rohkem värviüleminekuid, logode ja skeemide ühevärvilistel pindadel võivad tekkida häired. Paremini pakitakse suurema
Meetod tugineb juhuslike arvude genereerimismeetodite ning seda kasutatakse keerukate protsesside simuleerimiseks. Protsessi simuleeritakse palju kordi, saadava väljundi väljavõtu põhjal uuritakse protsessi toimumist, tehakse järeldusi väljundit kirjeldava tõenäosusfunktsiooni kuju ja selle karakteristikute kohta. Monte Carlo eelised: meetod arvestab sisendite võimalike väärtuste tõenäosuslikkust ega asenda neid keskmistega Monte Carlo meetodite rakendamine ei nõua põhjalike matemaatiliste võrrandite lahendamisvõtete tundmist sisenditevahelist korrelatsiooni on võimalik ja lihtne modelleerida arvuti teeb kogu töö, mis on vajalik väljundi tõenäosusfunktsiooni arvutamiseks kasutatavad tarkvarapaketid võimaldavad ülesandeid automatiseerida (nt uute andmete laadimist enne uut simulatsiooni ja andmete ekspordi peale igat simulatsiooni)
Üldine loogika seisneb selles, et mida tugevamad on vaadeldavad konkurentsijõud, seda väiksemad on ettevõtete võimalused tõsta hindu ja teenida suuremat kasumit. (18, lk 117) 1.2 SUHTARVUDE ANALÜÜS. Suhtarvuanalüüs on finantsaruannete analüüsi peamine instrument. See võimaldab esile tuua finantsnäitajate seosed ning võrrelda omavahel erinevaid ettevõtteid. Analüüsi käigus võrreldakse ettevõtte suhtarve eelnevate aastate samade näitajatega, kuid ka majandusharu keskmistega ning konkurentide omadega. (7, lk 14) Suhtarvudeks nimetatakse suhteliste suuruste arvväärtusi. Suhtarvumeetod on majanduslike nähtuste koostise, eri nähtuste vaheliste proportsioonide ja varjatud seoste uurimise lihtsamaid, ühtlasi kõige enam kasutatavaid mooduseid. Suhtarvuanalüüs võimaldab esile tuua finantsnäitajate seosed ning teostada võrdlevanalüüsi eri suundades ja eri tasemetel. Suhtarvude liigitus: likviidsussuhtarvud,
ha) mängivad tähtsat rolli. 21 Tuleoht ja tulerisk sõltub metsa ökosüsteemi iselomust, ilmast ja süüteallikatest. Tulekahjude periood on geograafiliselt sõltuv ja kestab tavaliselt alates 90-100 kuni 200- 250 päeva aastas. Põhilised metsatulekahjude põhjustajad on inimesed (IIASA 2007). 2007. aasta seisuga on paljud metsatulekahjude näitajad langenud võrreldes eelmiste aastate keskmistega. 2007. aasta metsatulekahjude arv oli 16 800 (1,9 korda vähem kui 2006. aastal). Metsatulekahjude poolt kahjustatud metsamaa pindala oli 1,04 miljonit hektarit (2,4 korda vähem kui 2006.aastal). Biootilistest metsa kahjustavatest faktoritest on putukakahjustused ja haigused olulisuse poolest Venemaa metsades teisel kohal. Viimase 15 aasta jooksul on ametlikult märgitud keskmiseks metsade kahjustuseks putukate ja haiguste poolt 5-10 miljonit hektarit metsamaad
arendamist, juhtimissüsteemi komponentide ühendamist ja nendevaheliste sidemete kasutame juhuslike arvude tabelit; *modelleerime uuritava protsessi; Eelised: *meetod 5.1.Varude vajalikkus ja liigitus. Varud on kaubaliikide ja artiklite kogu, mida *hoitakse tugevdamist. Dünaamiline lähenemisviis -toodet vaadeldakse dialektilises arengus, arvestab sisendite võimalike väärtuste tõenäosuslikkust ega asenda neid keskmistega; *MC müügiks tavapärase äritegevuse käigus, *kasutatakse kaupade ja teenuste osutamisel, uuritakse põhjus-tagajärg-seoseid. Tehakse analoogsete toodete retrospektiivanalüüse ja meetodite rakendamine ei nõua põhjalike matemaatiliste võrrandite lahendamisvõtete *kasutatakse tootmisprotsessi stabiilsuse tagamiseks. Varud liigitatakse:*tooraineks ja prognoositakse arengut
2. Kuidas leida kordajaid? 1. Dirichlet' teoreem: f(x) mis lõigul [a,b] pikkusega b-a=2lm rahuldab järgmisi tingimusi: a) f(x) on pidev lõigul [a,b] või omab lõplikku arvu katkevuspunkte. b) f(x) on lõigul [a,b] tükiti monotoonne, siis on f(x) arendatav trigonomeetrilisse ritta (*) selliselt, et 1. pidevuspunktides on f(x) =S(x) 2. otspunktides S(a)=S(b)=f(a)+f(b ) / 2 summafunktsioon S(x) 3. katkevuspunktides on võrdne nende ühepoolsete piirväärtuste aritmeetiliste keskmistega S(x) = f(x;-0)+f(x;0) / 2 MÄRKUS: Väljaspool lõiku [a,b] on S(x) perioodiline, perioodiga T=2l 2. Kordajate leidmine HARMOONILINE ANALÜÜS f(x) = ao/2 +n=1Ancos (nx-n) n-s harmooniline An- amplituud n-sagedus n-faas T=2 /n, n=1 Fourier´ read On antud f(x), mis rahuld. Dirichlet' teoreemi tingimusi. a f ( x) 0 + (a n cos nx + bn sin nx); a 0 = ?; a n = ?; bn = ? 2 n =1
millised muudatused on vajalikud ettevõtte tegevuse parendamiseks tulevikus. 2. Näitajate arvutamine ja interpreteerimine selleks kasutatakse nelja finantsanalüüsi liiki: trendide analüüs suhtarvude kaudu, kus siis arvutatakse ettevõtte tegevuse finantsnäitajad ja võrreldakse neid aruandeperioodi alguse ja lõpu seisuga; suhtarvuanalüüs keskmiste normidega (tegevusharu keskmistega) ja teiste perioodidega võrdlemiseks; vertikaalanalüüs, kus leitakse aruandluse üksikute kirjete osakaal üldsummast ja võrreldakse neid eelmise perioodi vastavate näitajatega; horisontaalanalüüs, milles võrreldakse ettevõtte tegevuse mitme perioodi aruandluse kirjeid ja näitajaid. 5 3
2. näitajate arvutamine ja interpreteerimine- sellel etapil kasutatakse erinevaid finantsanalüüsi liike: · Näitajate võrdlus ehk analüüs. Arvutatakse ettevõtte finantsnäitajad ja neid võrreldakse erinevate taust näitajatega. 1) võrreldakse ettevõtte majandusaasta alg- ja lõpp näitajaid; 2) analüüsitava ettevõtte näitajaid võrreldakse tootmisharu keskmistega; 3) võrreldakse teise või teiste sama valdkonna ettevõtete näitajatega- võrdlus konkurentidega; 4) võrreldakse erinevate normatiividega (tuleks veenduda et normatiivid oleks õiged) · Struktuuri analüüs ehk vertikaalanalüüs. Arvutatakse anruannete üksikute kirjete osakaalud, mingi terviku või summaarse näitaja suhtes protsentides. Selle
18 19 3. SUHTARVUD Suhtarvudeks nimetatakse suhteliste suuruste arvväärtusi. Suhtarvumeetodid on majanduslike nähtuste koostise, eri nähtuste vaheliste proportsioonide ja varjatud seoste uurimise üks lihtsamaid, ühtlasi kõige enam kasutatavaid mooduseid. Suhtarvuanalüüsi käigus võrreldakse firma suhtarve eelnevate aastate näitajatega, plaaniandmetega, majandusharu keskmistega ning konkurentide andmetega. Suhtarve võib tuletada sadu kõik sõltub eesmärkidest. Üldiselt kasutatakse viit suhtarvude põhiliiki, millest igaüks iseloomustab firma finantstegevuse üht tähtsat aspekti: likviidsussuhtarvud; toimimissuhtarvud; kapitali struktuuri suhtarvud; rentaablussuhtarvud; aktsiate väärtusnäitajad.(7 lk77) 3.1 Likviidsus ja maksejõulisus
Monte Carlo meetod tugineb juhuslike arvude genereerimismeetodile ning seda kasutatakse keerukate protsesside simuleerimiseks. Monte Carlo meetodi puhul simuleeritakse protsessi palju kordi, saadava väljundi väljavõtu põhjal uuritakse protsessi toimumist, tehakse järeldusi väljundit kirjeldava tõenäosusfunktsiooni kuju ja selle karakteristikute kohta. Monte Carlo meetodi eelised: x meetod arvestab sisendite võimalik väärtuste tõenäosuslikkust ega asenda neid keskmistega x Monte Carlo meetodite rakendamine ei nõua põhjalike matemaatiliste võrrandite lahendamisvõtete tundmist x sisenditevahelist korrelatsiooni on võimalik ja lihtne modelleerida x arvuti teeb kogu töö, mis on vajalik väljundi tõenäosusfunktsiooni arvutamiseks x kasutatavad tarkvarapaketid võimaldavad ülesandeid automatiseerida x analüüsimudeliteesse on võimalik kerge vaevaga lülitada keerulisi matemaatilisi tingimusi x mudeli analüüsimine on hõlpsasti teostatav
· kasutatakse vaid või liiga sageli tootlikkuse rahalisi näitajaid · valesti valitud baasperiood ja püsivhinnad · tootlikkusnäitajate võrreldavus ajas ja ruumis või mõõtmissüsteemi kontrollitavus on valedel alustel Tootlikkuse hindamine ja analüüs Hindamine · ettevõtte tootlikkusnäitajate võrdlus erinevatel perioodidel · võrdlus teiste ettevõtte vastavate näitajatega · võrdlus tootmismahu keskmistega Hindamist võib käsitleda kui analüüsi esmast ja lihtsamat osa. Hindamisel saab kasutada mitmeid meetodeid: 1) Tootlikkuse võrdlusanalüüs, s.o vastused küsimustele: 1. Kus ma praegu oleme võrreldes teiste ettevõtetega? 2. Kus me tahaksime olla? 3. Mida peame tegema, et sinna jõuda? 2) Tootlikkuse seoste lihthinnang Nn tootlikkusläve leidmine, s.o tootlikkuse tase, millest alates saadakse kasumit Võrdlusanalüüs Võrdlusanalüüsi etapid:
Monte Carlo meetod tugineb juhuslike arvude genereerimismeetodile ning seda kasutatakse keerukate protsesside simuleerimiseks. Monte Carlo meetodi puhul simuleeritakse protsessi palju kordi, saadava väljundi väljavõtu põhjal uuritakse protsessi toimumist, tehakse järeldusi väljundit kirjeldava tõenäosusfunktsiooni kuju ja selle karakteristikute kohta. Monte Carlo meetodi eelised: x meetod arvestab sisendite võimalik väärtuste tõenäosuslikkust ega asenda neid keskmistega x Monte Carlo meetodite rakendamine ei nõua põhjalike matemaatiliste võrrandite lahendamisvõtete tundmist x sisenditevahelist korrelatsiooni on võimalik ja lihtne modelleerida x arvuti teeb kogu töö, mis on vajalik väljundi tõenäosusfunktsiooni arvutamiseks x kasutatavad tarkvarapaketid võimaldavad ülesandeid automatiseerida x analüüsimudeliteesse on võimalik kerge vaevaga lülitada keerulisi matemaatilisi tingimusi x mudeli analüüsimine on hõlpsasti teostatav
olla eksitav ning tulemuseks võib olla perioodi lõpul tabav ootamatu üllatus – tegelik tulemus on palju erinev omahinna alusel arvutatust. Ühiku kulu ehk ühiku omahind saadakse kulude jagamisel ühikute arvuga. Omahinna puhul on seega tegemist keskmisega, mis sõltub kahest tegurist: kulude ja ühikute hulgast. Rõhutamist väärib asjaolu, et tegemist on jagatisega ning keskmise näitajaga, millel on kõik igasuguste keskmistega kaasnevad probleemid: kui muutub kas ainult jagatav (st kulude summa) või jagaja (ehk toodete hulk), siis tulemus juba muutub. Tegemist on arvutusliku keskmisega, mis ei pruugi konkreetse ühiku puhul antud perioodil kehtida (sarnane probleem kui näiteks ”keskmine Eesti inimene” – keda reaalses elus on üsna võimatu leida). Lisaks tuleb veel tähele panna, et mõiste ”omahind” on üldmõiste ja ei ole mitte midagi
töölise kohta. Leida keskmine tootlikkus. VASTUSED 10-5 14,63 kr. 10-6 12,88 kr. 10-7 26,1. 10.3 Variatsiooninäitarvud Eelmises jaotuses käsitletud keskmised on kogumite kvantitatiivsete üldistustena ühekülgsed , kuna nad kajastavad üksnes tunnuste arvväärtuste üldist taset, mitte aga nende omavahelisi erinevusi. Keskmised ei heida valgust andmete hajuvusele ehk varieerumisele. Praktikas kasutatakse paralleelselt keskmistega ka variatsiooninäitarve, mis iseloomustavad kogumi üksikliikmete kõrvalekaldumist kesktasemest. Jaotuse hajuvust saame kõige lihtsamini väljendada variatsiooniapmlituudiga. Variatsioonamplituud on rea kõige suurema ja kõige väiksema liikme arvväärtuste vahe = - =MAX(piirkond)
Sageli on logistika kuluarvutustes orienteerumine või- matu ja juhtimisotsuste langetamine raske ühikukulu välja arvutamata. Standardkulud on tegelike kulude keskmised väärtused. Seejuures võib olla tegemist nii aritmeetiliste kui ka kaalutud keskmistega. Standardkulud määratakse kindlaks keskmiste kulude baasilt. Eelarvestamise perioodi lõpul võetakse tavaliselt eelnenud perioodi keskmised kulud uue perioodi eelarve koostamisel aluseks kui standardkulud. Eelarveperioodil ei tohiks muuta stan- dardkulude arvutamise põhimõtteid
annaabi.ee 
