Промежуточным между двумя вышеуказанными случаями являются условия формирования запаса при свободной (корреляционной) связи между вариациями объемов поставок и суммарных объемов суточных отпусков за интервал. При данных условиях суммарные объемы отпуска не в полной мере, а как бы в определенной степени следят в интервалах за произведенными в них объемами поставок если мало поставили, то будет и малый суммарный расход за интервал в этом периоде, и наоборот. Для данных условий расчетное значение коэффициента корреляции может быть заключено в диапазоне от Л0/[7 = 0,60 до Л0/и = 0,99 (и даже несколько больше, не доходя до единицы). И чем больше расчетное значение коэффициента корреляции, определяющего два варьирующих признака (объемы поставок и суммарные объемы суточных отпусков за интервал), тем сильнее будет выражаться эта связь между ними. При данных условиях возможные сочетания нормообразующих факторов в интервалах можно рассматривать как зависимые случайные события, их значения — как зависимые случайные величины. С помощью применения методов теории вероятностей и математической статистики и для этих условий можно предсказать, какие могут быть сочетания нормообразующих факторов в интервалах планового периода (ql - tf - rt), как часто они там могут встретиться. На основе обработки этих данных можно также определить текущую и страховую составляющие нормы производственного запаса. Если рассчитать специфицированные нормы производственных запасов для вышеуказанных трех случаев при прочих одинаковых условиях (частоте поставок нормируемой марки материала, годовых объемах расхода, одинаковой неравномерности вариаций нормообразующих факторов и т.д.), будет получено при расчете три нормы. Из них наименьшей по величине будет норма для детерминированных условий формирования запаса, наибольшей — норма для стохастических условий, среднее значе-хние займет норма, рассчитанная для случая со свободной корреляционной йвязью. И чем сильнее будет эта связь, тем больше норма, рассчитанная д я этих условий, будет приближаться к норме, вычисленной в предположении детерминированных условий. [c.203]
Как правило, чем выше ожидаемая доходность, тем больше величина сред него квадратического отклонения Предположим, например, что ожидаемая доходность проекта X составляет 30%, среднее квадратическое отклонение — 10%, а ожидаемая доходность проекта У равна 10%, среднее квадратическое от клонение — 5%. Если распределение доходности проектов приблизительно нор мальное, вероятность того, что доходность проекта X окажется отрицательной, очень мала, несмотря на то что его среднее квадратическое отклонение равно 10%, в то время как для проекта У, значение а которого в два раза меньше по сравнению с проектом X, вероятность убытков будет значительно выше Сле довательно, прежде чем использовать а в качестве меры относительного риска инвестиций с различной ожидаемой доходностью, необходимо стандартизиро вать среднее квадратическое отклонение и рассчитать риск, приходящийся на единицу доходности. Сделать это можно при помощи коэффициента вариации, который представляет собой отношение среднего квадратического отклонения к ожидаемому значению доходности [c.44]