Программно-математические средства вероятностного анализа безубыточности железнодорожного пассажирского транспорта тема диссертации и автореферата по ВАК РФ 05.13.01, кандидат технических наук Жарий, Дмитрий Иосифович

• Жарий, Дмитрий Иосифович
• кандидат технических наук
• 2011

Оглавление диссертации кандидат технических наук Жарий, Дмитрий Иосифович

ВВЕДЕНИЕ.

1. ОБОСНОВАНИЕ НЕОБХОДИМОСТИ ВЕРОЯТНОСТНОГО АНАЛИЗА БЕЗУБЫТОЧНОСТИ ЖЕЛЕЗНОДОРОЖНОГО ПАССАЖИРСКОГО ТРАНСПОРТА.

1.1.Характеристика железнодорожных пассажирских перевозок дальнего следования.

1.2.0бзор средств моделирования пассажирских перевозок.

1.2.1. Факторы и показатели пассажирских перевозок.

1.2.2. Обзор методов прогнозирования.

1.3. Обоснование необходимости управления доходностью пассажирских перевозок.

1.4. Вероятностный анализ безубыточности на основе имитационного моделирования.

1.4.1. Вероятностный анализ безубыточности.

1.4.2. Основы имитационного моделирования.

1.5.Обоснование и формулировка цели и задач работы.

2. ПРОГРАММНО-МАТЕМАТИЧЕСКОЕ ОБЕСПЕЧЕНИЕ ВЕРОЯТНОСТНОГО АНАЛИЗА БЕЗУБЫТОЧНОСТИ ЖЕЛЕЗНОДОРОЖНОГО ПАССАЖИРСКОГО

ТРАНСПОРТА.

2.1.Постановка задачи вероятностного анализа безубыточности

2.2. Формализация задачи вероятностного анализа безубыточности.

2.3. Математическое описание задачи прогнозирования.

2.4. Моделирование случайной величины.

2.5. Программное обеспечение вероятностного анализа безубыточности.

2.6. Выводы по главе 2.

3. АПРОБАЦИЯ ПРОГРАММНОГО КОМПЛЕКСА

ВЕРОЯТНОСТНЫЙ АНАЛИЗ БЕЗУБЫТОЧНОСТИ".

3.1.Восточно-Сибирский филиал Федеральной пассажирской компании.

3.2. Прогнозирование пассажирооборота Восточно-Сибирского филиала ФПК.*.

3.3. Экспериментальная проверка моделирующей программ, реализующей вероятностный анализ безубыточности.

3.4. Выводы по главе 3.

Введение диссертации (часть автореферата) на тему «Программно-математические средства вероятностного анализа безубыточности железнодорожного пассажирского транспорта»

Пассажирские перевозки — важнейший компонент перевозок на различных видах транспорта (железнодорожном, автобусном, водном, воздушным). Особенностью железнодорожных пассажирских перевозок является их социально-экономическая-направленность в жизни общества. Пассажирские перевозки связаны как. с производственной деятельностью населения (командировки, поездки к месту работы и т.д.), так и с социально-культурной необходимостью (семейные поездки, отдых, экскурсии, туризм и т.д.).

Система перевозки пассажиров является сложной; так как содержит множество компонент, находящихся в различных связях. Компонентами этой системы являются: пассажиры различных социальных групп; множество компаний, участвующих в,перевозке пассажиров, багажа, грузобагажа и почты; множество вагонов различного комфорта и назначения; множество касс по продаже билетов; система оказания услуг в поездах и т.д. При этом необходимо учитывать значительную протяженность пассажирских перевозок, их неравномерность и социальную направленность.

В связи с этим, к исследованию системы пассажирских перевозок дальнего следования необходимо подходить с позиций системного анализа [7, 18, 21, 73, 75, 95]. Системный подход особо, важен прифеформировании железной дороги РФ. Отметим, что реформированию железнодорожной отрасли-и пассажирским перевозкам в частности посвящено значительное число работ [34, 45, 52, 62, 94].

Интересный подход к реформированию предлагается в исследовании института народно-хозяйственного прогнозирования РАН. В исследовании отмечается; что железнодорожная отрасль — это не отрасль по извлечению дохода, а цель ее реформирования - это не перевод на коммерческую основу и насаждение элементов конкуренции, а улучшение производственной деятельности, выражающееся в регулярной отправке и своевременном получении грузов, снижения тарифов, повышения уровня безопасности движения и росте транспортной доступности для пассажиров.

Несмотря на проводимые реформы, рынок пассажирских перевозок дальнего следования является частично регулируемым. Государство регулирует тарифы на перевозки в общих и плацкартных вагонах, тарифы на багажные перевозки, предоставляет льготы отдельным категориям граждан. Поэтому пассажирские перевозки остаются убыточными, что, в свою очередь, требует получения от государства дотаций. В. 2010 году величина дотаций был в размере 36 млрд. руб., в 2011 году они планируется*в размере 30 млрд. руб. [2].

Для эффективного управления пассажирскими перевозками на федеральном и региональных уровнях необходимо использовать разнообразные математические методы и современные информационные технологии. Локальной целью этих исследований является анализ доходности пассажирских перевозок на региональном уровне.

Проведение научных исследований, направленных на- повышение эффективности пассажирских перевозок дальнего следования, является важнейшей задачей, что подтверждается значительным числом публикаций [8, 9, 15, 22,31,44, 63, 70,107].

В 2009 году Правительством РФ было принято решение о создании Федеральной пассажирской, компании (ФПК) в форме дочернего общества ОАО «РЖД». Целью создания ФПК является организация эффективного бизнеса в сфере перевозки пассажиров в дальнем следовании.

Важной компонентой в изменении управления ФПК является внедрение динамического ценообразования и управление доходностью пассажирских перевозок. Управление доходностью пассажирских перевозок дальнего следования является важной задачей ФПК, позволяющей решать ей возложенные на нее функции. Для проверки влияния различных вариантов системы пассажирских перевозок, связанных с ее структурными изменениями, системой тарифной политики и другими факторами, необходим инструмент, позволяющий количественно оценить базовые показатели в зависимости от влияющих факторов. Особенно это важно для регионального уровня ФПК. В работе в качестве такого инструмента предлагается вероятностный анализ безубыточности на основе имитационного моделирования.

Имитационное моделирование - это метод исследования, основанный на том, что изучаемая система заменяется» имитатором и с ним проводятся эксперименты с целью получения информации об этой системе [36, 48, 58]. При вероятностном анализе безубыточности моделирующая программа использует метод статистических испытаний (метод Монте-Карло), когда в каждом испытании моделируются значения исходных данных и по ним рассчитываются значения показателей эффективности, например, вложенный доход, операционная прибыль, запас безопасности, операционный риск, показатель рентабельности инвестиций, риск по показателю рентабельности инвестиций и срок окупаемости инвестиций.

Анализ существующих пакетов моделирования показал, что они обладают существенными недостатками: продвинутые редакции пакетов достаточно дорогие и требуют специального обучения; в них не раскрываются модели обработки данных; отсутствует модуль прогнозирования; Кроме того, они не содержат важный для нас фактор - наличие дотаций. Все это привело к тому, что для' задачи управления доходностью пассажирских перевозок решено создать собственную^ моделирующую программу, реализующую вероятностный анализ безубыточности на основе имитационного моделирования.

Все выше сказанное обосновывает актуальность выбранной темы и позволяет сформулировать цель и задачи работы.

Целью диссертационной работы, является разработка специализированного математического и программного обеспечения, реализующего вероятностный анализ безубыточности на основе имитационного моделирования, для повышения эффективности управления доходностью железнодорожного пассажирского транспорта. Для реализации сформулированной цели в работе решаются следующие задачи:

Заключение диссертации по теме «Системный анализ, управление и обработка информации (по отраслям)», Жарий, Дмитрий Иосифович

Результаты исследований

Результаты обработки исходных данных и экспертных суждений приведены в таблице 3.2:

N11 - номер показателя в соответствии с таблицей 3.1;

N13 - номер варианта обработки данных;

X - для всех показателей год;

У — для первого и третьего показателей — число перевезенных пассажиров, тыс. чел.; для второго и четвертого — пассажиропоток, млн пасс-км.

Для первого, третьего и четвертого вариантов т= 11. Для второго и четвертого вариантов приведены, соответственно, точечные и интервальные экспертные суждения, поэтому для второго варианта т=12.

В таблице 3.2 приведена полученная прогнозная модель и даны расчетные прогнозные значения на 2010 и 2011 годы. Отметим, что полученные по МНК модели являются адекватными по выбранным критериям.

Анализ полученных результатов подтверждает работоспособность созданного модуля прогнозирования. Метод обработки одних и тех же исход

93 ных данных, наличие экспертных суждений, влияют на параметры прогнозной модели и результаты прогнозирования. Выбор варианта обработки данных определяется решаемой задачей и определяется лицом принимающего решение.

ЗАКЛЮЧЕНИЕ

В диссертации разработано математическое и программное обеспечение управления доходностью железнодорожного пассажирского транспорта по данным регионального перевозчика пассажиров. Результаты работы направлены на повышение эффективности управляющих решений за счет применения результатов имитационного моделирования, использующего вероятностный анализ безубыточности.

В результате проведенных исследований получены следующие результаты:

1. Обоснована необходимость вероятностного анализа безубыточности железнодорожного пассажирского транспорта для повышения эффективности управления его доходностью. Анализ существующих пакетов моделирования показал, что они обладают существенными недостатками. Поэтому для задачи управления доходностью пассажирских перевозок регионального уровня решено создать собственную моделирующую программу, реализующую вероятностный анализ безубыточности на основе имитационного моделирования и содержащую модуль прогнозирования пассажиропотока.

2. Разработана постановка задачи вероятностного анализа безубыточности, содержащая моделирующую программу и модуль прогнозирования пассажирооборота. Исследуемой системой является региональный перевозчик пассажиров дальнего следования. Исходными данными для вероятностного анализа безубыточности являются: величина пассажирооборота; переменные затраты на единицу пассажирооборота; постоянные затраты; цена единицы пассажирооборота; размер дотаций; размер инвестиций. Для моделирования исходных данных как случайных величин предложено шесть законов: нормальный; усеченный нормальный на интервале (0, со); бета-распределение на интервале (а, Ь); гамма-распределение; логарифмически-нормальное распределение; распределение Бирнбаума - Саундерса. Обосновано применение распределения Бирнбаума — Саундерса для моделирования

I пассажирооборота как случайной величины. Для выбранных законов распределения вероятностей отобраны алгоритмы моделирования случайных величин.

3. Предложены усовершенствованные математические модели расчета показателей эффективности вероятностного анализа безубыточности, включая: точку безубыточности; вложенный доход, операционную прибыль, запас безопасности, операционный риск, показатель рентабельности инвестиций, риск по показателю рентабельности инвестиций и срок окупаемости инвестиций. Для всех показателей реализованы их особенности для имитационного моделирования.

4. Разработаны и усовершенствованы математические модели прогнозирования пассажирооборота на основе двух видов информации: статистической-и экспертной, содержащей точечные и интервальные оценки. Предложена оригинальная постановка задачи линейного программирования-для метода наименьших модулей* при определении параметров прогнозной модели. Отобраны критерии адекватности построенных моделей для прогнозирования, включая* критерии серий.

5. Разработан программный^ комплекс (моделирующая программа) «Вероятностный анализ безубыточности», содержащий- четыре задачи: 1) Моделирование точки безубыточности и вложенного дохода на единицу продукции; 2) Моделирование операционной прибыли, вложенного дохода, операционного рычага и запаса безопасности в- натуральных единицах, в стоимостном исчислении и в процентах; 3) Моделирование операционного риска по трем показателям; 4) Моделирование показателя рентабельности инвестиций, риска по показателю рентабельности инвестиций и срока окупаемости. В качестве среды реализации моделирующей программы выбран пакет программирования Borland Delphi 7.0 фирмы-производителя Borland — ведущего производителя инструментального программного обеспечения.

6. Проведен анализ работы Восточно-Сибирского филиала Федеральной пассажирской компании ОАО «РЖД», как регионального перевозчика пассажиров дальнего следования по различным показателям: объемным, включая пассажирооборот, вместимости и побегу вагонов и финансово-экономическим. Проанализированы причины увеличения и уменьшения этих показателей. Проведенный анализ объекта исследования показал, что ВСФ как региональный перевозчик пассажиров дальнего следования является сложным объектом со многими компонентами, находящимися во взаимодействии между собой и внешней средой. Внешней средой являются другие виды транспорта, другие дирекции по перевозки пассажиров, например, Дирекция пригородного сообщения, а также другие филиалы ФПК. Особенностью этого объекта является его изменчивость по маршрутам и технологиям выполнения перевозки пассажиров.

7. Апробирован модуль прогнозирования по 4-м показателям, включая пассажирооборот. Прогнозирование проведено для четырех вариантов, зависящих от метода оценки параметров прогнозной модели и вида исходных данных. Фактическое значение пассажирооборота за 2010 год в большей степени совпал, когда использовался метод наименьших модулей при наличии дополнительной информации экспертов. Исходя из этого, сделан вывод, что созданный модуль прогнозирования достаточно эффективен, работоспособен и имеет практическую значимость, а лучшие результаты прогнозирования в условиях нестабильной экономики дает подход, основанный на одновременном использовании статистической и экспертной информации.

8. Проведена экспериментальная проверка программного комплекса «Вероятностный анализ безубыточности». Проверка проведена по исходным данным Восточно-Сибирского филиала ФПК ОАО «РЖД» за 2009 год, с прогнозом на 2010 год и по данным за 2010 год. Апробация показала работоспособность и адекватность моделирующей программы. Показано, что случайность исходных данных увеличивает значение точки безубыточности, значительно увеличивает коэффициент вариации операционной прибыли и значение операционного риска. Экспериментально показана эффективность для управления доходностью пассажирских перевозок имитационной модели, основанной на методе Монте-Карло. Проигрывая различные варианты развития регионального перевозчика пассажиров дальнего следования, по моделирующей программе можно вычислять показатели эффективности. Далее сравнивая эти варианты возможно создание программы развития региональной дирекции по перевозке пассажиров.

По результатам апробации программного комплекса имеется акт внедрения.

Список литературы диссертационного исследования кандидат технических наук Жарий, Дмитрий Иосифович, 2011 год

1. Ададулов С.Е. и др. Оптимизация управления инфраструктурой и безопасностью движения. // Железнодорожный транспорт. 2009, № 9. с. 25-30.

2. Акулов М.П. Мы хотим, чтобы государство сказало, куда нам ехать. // Интервью главы ФПК газете «Коммерсантъ». 21.10.2010, № 196.

3. Акулов М.П. О создании дочернего общества ОАО «РЖД» в сфере перевозок пассажиров в дальнем следовании // Железнодорожный транспорт. 2010, № 1. с. 22-26.

4. Анохин А. М. Методы определения коэффициентов важности критериев / А. М. Анохин и др.//Автоматика и телемеханика, 1997. № 8. с. 3-35.

5. Артамонов А.Л. Гарантировать безопасное проследование. // Железнодорожный транспорт. 2009, № 12. с. 30-31.

6. Байхельт Ф., Франкен П. Надежность и техническое обслуживание. Математический подход. М.: Радио и связь, 1988. 392 с.

7. Балдин К.В. Инвестиции: Системный анализ и управление. М.: Дашков и К0, 2007. 206 с.

8. Белоусов Д.Р. Построение долгосрочного научно-технологического прогноза для России методом «Форсайт» Текст. / Д.Р. Белоусов, О.Г. Солнцев, М.Ю. Хромов // Проблемы прогнозирования. 2008. - №1. - С. 18-33.

9. Ю.Березин И.С. Маркетинг и исследование рынков. — М;: Русская деловая литература, 1999. 416 с.

10. Бехтерева Е.В. Управление инвестициями. М.: ГроссМедиа: РОСБУХ, 2008. 332 с.

11. Бешелев С.Д., Гурвич Ф.Г. Математико-статистические методы экспертных оценок. М.: Статистика, 1980. 263 с.

12. Божук С.Г., Ковалик Л.Н. Маркетинговые исследования. — СПб.: Питер, 2003. 304 с.

13. Бороненкова С.А. Управление затратами по отклонениям // Аудит и финансовый анализ. 2004, №1. с. 33-36.

14. Боровиков В.П. Прогнозирование в системе Statistika в среде Windows Текст. / В.П. Боровиков, Г.И. Ивченко. М.: Финансы и статистика, 2000. - 384с.

15. Вентцель Е.С., Овчаров JI.A. Теория вероятностей и ее инженерные приложения. М.: Наука, 1988. 208 с.

16. Волков А.Н. Безопасность движения на уровень международных стандартов // Железнодорожный транспорт. 2009, № 4. с. 14-25.

17. Волкова В.Н., Денисов A.A. Основы теории систем и системного анализа: СПб.: Интерсоцис, 1997. 510 с.

18. Воронова Е.Ю. Роль анализа безубыточности в системе управленческого аудита. // Аудиторские ведомости. 2005, №8. с. 55-61.

19. Гамбаров Г.М. Статистическое моделирование и прогнозирование Текст. / Г.М. Гамбаров, Н.М. Журавель, Е.Г. Королев и др, М.: Финансы и статистика, 1990. - 383с.

20. Гейн К., Сарсон Т. Структурный системный анализ: средства и методы. М.: Эйтекс, 1993. 203 с.

21. Говорухин В. Компьютер в математическом исследовании Текст. / В. Говорухин, Б. Цибулин. М.: Мир, 2006. - 619с.

22. Головченко В.Б. Прогнозирование временных рядов по разнородной информации. Новосибирск: Наука. Сибирская издательская фирма РАН, 1999. 88 с.

23. Головченко В.Б., Носков С.И. Оценивание параметров эконометрической модели по статистической и экспертной информации // Автоматика и телемеханика. 1991, №4. с. 123-134.

24. Головченко В.Б. Прогнозирование с использованием разнородной информации Текст. / В.Б. Головченко. — Иркутск: Изд-во БГУЭП, 2005. — 71с.

25. Гранберг А.Г. Статистическое моделирование и прогнозирование Текст. / А.Г. Гранберг. М.: Финансы и статистика, 1990. - 382с.

26. Гужвина Н.С. Концепция и аналитический инструментарий метода «за-траты-результат» // Экономический анализ: теория и практика. 2006, №4. с. 43-50.

27. Гуськова Н.Д. и др. Инвестиционный менеджмент. М.: КНОРУС, 2010. 456 с.

28. Дарахвелидзе П., Марков Е. Программирование в Delphi 7. СПб.: БХВ-Петербург, 2003. - 784 с.

29. Демиденко Е.З. Линейная и нелинейная регрессия. М.: Финансы и статистика, 1981. 302 с.

30. Дрейпер Н., Смит Г. Прикладной регрессионный анализ. М.: Статистика, 1973.-342 с.

31. Дубров A.M. Многомерные статистические методы для экономистов и менеджеров Текст. / А.М. Дубров, B.C. Мхитарян, Л.И. Трошин. М: "Финансы и статистика", 2003 г. - 352с.

32. Елизарьев Ю.В. и др. Факторная модель пассажирских перевозок. // Экономика железных дорог. 2003, №9. с. 67-81.

33. Елизарьев Ю.В. Перспективы реформирования пассажирского комплекса железнодорожного транспорта. // Экономика железных дорог. 2002, №6. с. 21-29.35 .Елисеева И.И. Эконометрика Текст. / И.И. Елисеева. — М.: Финансы и статистика, 2002. 344с.

34. Емельянов A.A., Власова Е.А., Дума Р.В. Имитационное моделирование экономических систем. М.: Финансы и статистика, 2009 416 с.

35. Ермаков С.М., Михайлов Г.А. Курс статистического моделирования. М.: Наука, 1982. 296 с.

36. ЗБ.Жарий Д.И. Прогнозирование показателей деятельности пассажирских перевозок дальнего следования Текст./Д.И. Жарий, Ю.М. Краковский // Современные технологии, системный анализ, моделирование. Иркутск: Изд-во ИрГУПС, 2010, №2. с. 209-212.

37. Жарий Д.И. Исследование влияния неопределенности исходных данных на показатели пассажирских перевозок Текст./Д.И. Жарий, Ю.М. Краковский // Современные технологии, системный анализ, моделирование. Иркутск: Изд-во ИрГУПС, 2011, №1. с. 96-101.

38. Жарий Д.И. Системный анализ пассажирских перевозок дальнего следования Текст. /Д.И. Жарий // Международная НПК «Социальные й экономические аспекты развития бизнеса». Иркутск: Иркутский госуниверситет, 2011. с. 55-62.

39. Закройщиков С. Страхование пассажиров в ожидании перемен. // РЖД122партнер. 2010, №1-2. с. 75-76.46.3акс JI. Статистическое оценивание Текст. / JI. Закс. — М.: Статистика, 1976. 598с.

40. Картышов С.В. Marketing Expert — система поддержки принятия решений на всех этапах разработки стратегического и тактического планов маркетинга и контроля за их реализацией // Маркетинг и маркетинговые исследования в России, №4 (10), 1997. с. 24-39.

41. Кельтон В., Лоу А. Имитационное моделирование. Спб.: Питер, 2004. 847 с.

42. Кетков Ю.А., Кетков А.Ю., Шульц М.М. Matlab 6.x: программирование численных методов. — СПб.: БХВ-Петербург, 2004. — 672 с.

43. Кини Р.Л., Райфа X. Принятие решений при многих критериях: предпочтения и замещения. М.: Радио и связь, 1981. — 560 с.

44. Комаров Л.К. Динамическое ценообразование и управление доходностью пассажирских перевозок. // Железнодорожный транспорт. 2010, №1. с. 2730.

45. Концепция реформирования пассажирского комплекса дальнего следования, одобренная Межведомственной комиссией по реализации структурной реформы на ЖД транспорте при Минтрансе России 2.12.2008, протокол №81.

46. Кожевников Р.А., Паристый И.С. Реформа ориентирует на доход // Мир транспорта. 2009, №2. с. 60-65.

47. Колемаев В.А. Эконометрика Текст. / В.А. Колемаев. М.: Инфра-М, 2006.-160с.

48. Кохрен У. Методы выборочного исследования. М.: Статистика, 1976. 440 с.

49. Краковский Ю.М., Карнаухова В.К. Методы анализа и обработки данных для мониторинга регионального рынка образовательных услуг. М.: Издательский центр «МарТ», 2007. 240 с.

50. Краковский Ю.М. Математические и программные средства оценки технического состояния оборудования. Новосибирск:Наука,2006. 228 с.

51. Краковский Ю.М. Имитационное моделирование. Иркутск: Изд-во ИГЭА, 2002. 138 с.

52. Красковский А.Е. и др. Формирование системы обеспечения безопасности движения в межгосударственном сообщении // Железнодорожный транспорт. 2009, №8. с. 46-50.

53. Красовский Г.И., Филаретов Г.Ф. Планирование экспериментов. Минск: Изд-во БГУ, 1982. 302 с.

54. Леман Э. Проверка статистических гипотез. М.: Наука, 1979. - 408 с.

55. Леонтьев Р.Г., Лаптев H.H., Соболев А.Н. Инструменты определении конкурентоспособности видов транспорта. // Бюллетень транспортной информации. 2007, № 2. с. 16-24.

56. Литвак Б.Г. Экспертная информация: методы получения и анализа. М.: Радио и связь, 1982. 184 с.

57. Лукашин Ю.П. Адаптивные методы краткосрочного прогнозирования. М.: Статистика. 1979. 254 с.

58. Макарова Е.А. Методология исследования тенденций и закономерностей формирования пассажиропотоков в условиях применения информационных технологий. // Вестник транспорта, 2008, №5. с. 24-29.

59. Макарова Е.А. Актуальные вопросы организации железнодорожных пассажирских перевозок . М.: Маршрут, 2006. 156 с.

60. Маколов В.И. Инвестиционная политика государства в посткризисный период. М.: Наука, 2007.168 с.

61. Максимей И.М. Имитационное моделирование на ЭВМ. М.: Радио и связь, 1988. 232 с.

62. Методические рекомендации по оценке инвестиционной привлекательности субъектов РФ. Режим доступа: htpp6// www.economy/gov/ru/ 2002.

63. Методы и модели анализа данных/ A.A. Барсегян и др. Спб: БХВ-Петербург, 2004. 336 с.

64. Мирошниченко О.Ф., Милевская В.А., Пастухов С.С. Комплексная система маркетинговых исследований рынка пассажирских перевозок дальнего следования // Экономика железных дорог, 2008. №3. с. 41- 57.

65. Моисеев H.H. Математические задачи системного анализа. М.: Наука, 1981. 488 с.

66. Мороз А.И. Курс теории систем. М.: Высш. шк., 1987. 304 с.

67. Мудров В.И., Кушко В.А. Методы обработки измерений. Квазиподобные оценки. М.: Радио и связь, 1983. 304 с.

68. Мухин В.И. Исследование систем управления. Анализ и синтез систем управления. М.: Экзамен, 2002. — 383 с.

69. Нейлор Т. Машинные имитационные эксперименты с моделями экономических систем. М.: Мир, 1975. 500 с.

70. Николаева С.А. Особенности учета затрат в условиях рынка: система «ди-рект-костинг». М.: Финансы и статистика, 1993. 74 с.

71. Орлов А.И. Эконометрика Текст. / А.И. Орлов. М.: Экзамен, 2002. - 441 с.

72. Панкова JI.A., Петровский A.M., Шнейдерман М.В. Организация экспертиз и анализ экспертной информации. М.: Наука, 1984. — 120 с.

73. Пастухов С.С. Определение приоритетных направлений улучшения качества транспортного обслуживания пассажиров в условиях неизвестности реального закона распределения изучаемых данных // Вестник ВНИИЖТ. 2009, №2. с. 22-25.

74. Подиновский В.В., Ногин В.Д. Парето-оптимальные решения многокритериальных задач. — М.: Наука, 1982. 254 с.

75. Полищук Л.И., Бахтин А.Е. Анализ многокритериальных экономико-математических моделей. Новосибирск: Наука, 1989. - 352 с.

76. Прицкер А. Введение в имитационное моделирование и язык СЛАМ-2. М.: Мир, 1987. 646 с.

77. Раскин Л.Г. Анализ сложных систем и элементы теории оптимального управления. — М.: Советское радио, 1976. — 344 с.

78. Розенберг E.H. Оптимизация управления безопасностью движения и инфраструктурой -П Автоматика.Связь.Информатика. 2009, №12. с. 2-4.

79. Саати Т. Принятие решений. Метод анализа иерархий. М.: Радио и связь, 1993. 320 с.

80. Савчук В.П. Управление прибылью и бютжетирование. М.: БИНОМ, 2005. 432 с.

81. Сигел Э. Практическая бизнес-статистика Текст. / Э. Сигел. М.: Вильяме, 2002. -1056 с.

82. Симионова Н.Е. Методы анализа рынка. М.: Экспертное бюро, 2000. 128 с. 81. Тихонов Э.Е. Сравнительный анализ традиционных методов прогнозирования с методами прогнозирования на нейронных сетях Текст. / Э.Е. Тихонов // СевКав ГТ, 2003. С.179-183.

83. Современные проблемы вычислительной математики и математического моделирования: в 2 т. / Рос. акад. наук; Ин-т вычисл. мат. М.: Наука, 2005. Т2: Математическое моделирование / Отв. ред. В.П. Дымников. -2005.-405 с.

84. Стратегия развития ЖД транспорта в РФ до 2030 года. / Распоряжение Правительства РФ №877р от 17.07.2008.

85. Теория систем и системный анализ в управлении организации / Под ред. A.A. Емельянова. М.: Финансы и статистика, 2006. 848 с.

86. Тишанин А. Г. Концепция ситуационного центра мониторинга и управления чрезвычайными ситуациями ОАО «РЖД», М.: ОАО «РЖД». 2010.

87. Тишанин А.Г. Гарантии и надежность обеспечения безопасности движения на железных дорогах. // Транспорт. Наука. Управление. 2009, №11. с. 9-11.

88. Томпсон A.A., Стрикленд А.Дж. Стратегический менеджмент: концепции и ситуации для анализа / Пер. с англ. М. Вильяме, 2002. - 928 с.

89. Тырсин А.Н. Робастное построение регрессионных зависимостей на основе обобщенного метода наименьших модулей // Записки научных семинаров ПОМИ. 2005, том 328. с. 236-250.

90. Тюрин Ю.Н., Макаров A.A. Анализ данных на компьютере. М.: Финансы и статистика, 1995. 384 с.

91. Ульман Дж., Уидом Д. Введение в системы баз данных. М.: Изд-во «Лори», 2000. - 374 с.

92. Управление эксплуатационной работой и качеством перевозок на железнодорожном транспорте./ Под ред. П.С. Грунтова. М.: Транспорт, 1994. 543 с.

93. Функциональная стратегия обеспечения гарантированной безопасности и надежности перевозочного процесса в ОАО «РЖД». / Распоряжение ОАО «РЖД» № 987р от 29.05.2007.

94. Характеристики программных продуктов компаний Ward Systems Group,Inc. и НейроПроект Текст. — [Электронный ресурс]. — Режим доступа: http://www.neuroproject.ru/soft.php.

95. Холлендер М., Вульф Д. Непараметрические методы статистики. М.: Финансы и статистика, 1983. 518 с.

96. Черемных C.B. и др. Моделирование и анализ систем. М.: Финансы и статистика, 2002.

97. Чернявский А.П. Методы прогнозирования развития социально-экономических систем Текст. / А.П. Чернявский //Экономика региона и управление, 2007. №18. - [Электронный ресурс]. - Режим доступа: http://journal.vlsu.ru/index.php?id==1904.

98. Черняк В.Е. Бизнес-план: теория и практика. М.: Альфа-Пресс, 2007.

99. Черчилль Г.А. Маркетинговые исследования: Маркетинг для профессионалов. СПб.: Питер, 2000. 752 с.

100. Четыркин Е.М. Статистические методы прогнозирования Текст. / Е.М. Четыркин. М.: Статистика, 1975. - 184с.

101. Щербаков И.В. Влияние инвестиционных рейтингов на прогнозирование инвестиционной деятельности / И.В. Щербаков // Вестник Российского государственного торгово-экономического университета. 2008. - № 2. - С.12-18.

102. Щербинин В.П. Модели безубыточности производства // Аудит и финансовый анализ. М.: ООО «ДСМ Пресс». 2007, №5. с. 229-235.

103. Шикин Е.В., Чхартишвили. Математические методы и модели в управлении. М.: Дело, 2004. 440 с.

104. Шим К., Сигел Г. Методы управления стоимостью и анализа затрат. М.: Финансы и статистика, 1996. 342 с.

105. Шим К.,.Сигел Г. Основы бюджетирования. М.: Вершина, 2007. 368 с.

106. Юдина JI.H. Анализ себестоимости и прибыли в системе Директ-костинг// Финансовый менеджмент.2005, №5. с. 41-52.

107. Ямалов И.Г. Моделирование процессов управления и принятия решений в условиях чрезвычайных ситуаций. М.: ООО «ДСМ Пресс». 2007. 288 с.

108. Bunn D. Forecasting with more then one Model Текст. // Journal of Forecasting. 1989. - V.8, №3. - P. 161-166.

109. Bunn D., Wright G. Interaction of Judgmental and Statistical Methods: Issues and Analysis Текст. // Oper. Res. Lett. 1989. - V.8, № 4. - P.179-184.

110. Georgoff David M., Robert G. Murdick Manager's Guide to Forecasting // Harvard Business Review Текст. 1986. - V. 64, Jan./ Feb. - P. 110-120.

111. Рис. П11. График зависимости операционного риска от пассажирооборота при заданной операционной прибыли, (В)

112. Гистоірамма относительных частот величины рентабе льности инвестиции (іг ч-150 -100 -5050 100 1 во 200 250 300 350

113. Параметры гистограммы Количество интервалов: Максимальное значение Минимальное значениеїї Гзва7472ЙЇ35548 Г-174923398734778

114. Минимальное значение оси заданное. -179.923399734779 Максимальное значение оси заданное: :388.747265135548 || Переформироватьдстограмм^¡|

115. Рис. П12. Гистограмма относительных частот показателя рентабельности инвестиций, (В)