不确定性分析评价指标
- 格式:docx
- 大小:23.28 KB
- 文档页数:1
T——单位产品税金及附加uBEP(Q)——盈亏平衡点时的产销量Q——正常产销量或技术方案设计生产能力,则dBEP(%)——盈亏平衡点时的生产能力利用率——年营业收入Sn——年可变成本CvT——年营业中税金及附加一般用生产能力利用率的计算结果表示技术方案运行的安全程度,若BEP(%)≤70%,则运营是安全的,或者技术方案可以承受较大的风险。
【2018】某技术方案设计年产量为12万吨,已知单位产品的销售价格为700元(含税价格),单位产品税金为165元,单位可变成本为250元,年固定成本为1500万元,则以价格(含税价格)表示的盈亏平衡点是()元/吨。
A.540B.510C.375D.290参考答案:A参考解析:B=p×Q-C u×Q-C F-T u×Q =12万x P-12万×250-1500万-12万×165=0 ,解得:P=540元/吨,正确选项为A。
【2017】某公司生产单一产品,设计年生产能力为3万件,单位产品的售价为380元/件,单位产品可变成本为120元/件,单位产品税金及附加为70元/件,年固定成本为285万元。
该公司盈亏平衡点的产销量为()。
A.20000B.19000C.15000D.7500参考答案:C参考解析:(二)敏感性分析1、敏感度系数(S AF)敏感度系数表示技术方案经济效果评价指标对不确定因素的敏感程度。
计算公式为:S AF>0,表示评价指标与不确定因素同方向变化S AF<0,表示评价指标与不确定因素反方向变化│S AF│越大,表明评价指标A对于不确定因素F越敏感;反之,则不敏感。
敏感系数提供了各不确定因素变动率与评价指标变动率之间的比例,但不能直接显示变化后评价指标的值。
2、敏感性分析图敏感性分析表的缺点是不能连续表示变量之间的关系,为此人们又设计了敏感分析图。
敏感性分析图,每一条直线的斜率反映技术方案经济效果评价指标对该不确定因素的敏感程度。
工程经济分析_不确定性分析工程经济分析是指对工程项目进行经济评价的一种方法。
在进行工程经济分析时,我们通常需要考虑不确定性因素,因为工程项目往往面临着许多风险和不确定性的情况。
不确定性分析是指在经济分析过程中考虑这些不确定因素对项目结果的影响,并对其进行评估和管理的过程。
不确定性指的是在进行经济分析时,不同的假设、数据不确定、市场变动、技术变革等因素可能对项目经济效益产生巨大影响的情况。
在进行不确定性分析时,我们需要进行以下几个步骤:第一步:确定不确定性因素。
不确定性因素可以包括市场需求、成本变化、政策变化、技术变革等。
我们需要对项目的各个方面进行全面考虑,确定可能会对项目经济效益产生重大影响的因素。
第二步:建立概率模型。
在确定了不确定性因素之后,我们需要建立概率模型来描述这些不确定性因素的可能发生的概率分布。
概率模型可以采用概率分布函数,如正态分布、指数分布等。
第三步:进行模拟分析。
模拟分析是指基于建立的概率模型,进行多次计算来获取不同概率分布下的项目经济效益。
通常采用的方法是蒙特卡洛模拟,即随机抽取不同概率分布下的数值进行计算,并得出模拟结果。
第四步:评估不确定性影响。
在进行模拟分析后,我们可以得到不同概率分布下的项目经济效益。
我们可以通过对不同情景下的经济效益进行比较,得出不确定性的影响程度。
我们可以通过统计指标,比如期望值、标准差等来描述不确定性的影响。
第五步:采取风险管理策略。
根据不确定性分析的结果,我们可以制定相应的风险管理策略。
比如,如果项目经济效益在不确定性情况下波动较大,我们可以考虑采取风险分散投资策略,寻找其他项目来降低整体风险。
在进行不确定性分析时首先,概率模型的建立需要对项目背景和市场环境进行全面的了解。
只有充分了解了项目所面临的风险和不确定性因素,才能建立恰当的概率模型。
其次,模拟分析的准确性和可靠性取决于模型的合理性和数据的准确性。
我们需要对模型进行科学的验证,并确保所使用的数据是可靠和准确的。
一般采用p-factor 和d-factor 评价不确定性((Schuol et al. 2008)Talebizadeh M et al.,2011;Abbaspour, Johnson, Genuchten, & MTh, 2004; Abbaspour et al., 2007): p-factor 是包括在95%预测不确定性内的监测数据的百分比;d-factor 的计算公式如下:
()∑
=-=k i L U X X k 1x 1d
d-factor =x x
d σ
其中,x d 为指示性的上限(U X )与下限(L X )的平均距离,即置信区间之间的平均距离;k 为数据组的数量;x σ为观测值的标准差。
其中,上限(U X )与下限(L X )的值由MC 模拟得到的每一组数据的95%机会数与5%机会数决定。
用p-factor 接近1和d-factor 接近0的程度来判断模型校准的效果。
通常必须达到二者平衡,得到p-factor 和d-factor 相对最佳值,参数不确定性范围是理想的。