Primjena statističkih metoda u optimizaciji cijena u maloprodaji

Cilj ovog rada je pronaći odgovarajući statistički model za procjenu elastičnosti cijena pomoću kojeg bismo mogli predviđati buduća ponašanja. Koristili smo metodu linearne regresije opisanu u prva dva poglavlja ovog rada. Kako su dolazni podaci bili raznovrsni prije početka obrade i analize proveli smo normalizaciju tih podataka i to na temelju mjesečne prodaje. Dobivene normalizirane podatke smo zatim metodom linearne regresije procijenili te još jednom transformirali za dobivanje boljih rezultata. Na konačno oblikovane i procijenjene podatke primijenili smo provjeru Gauss-Markovljevih uvjeta, koji su ispali zadovoljeni pa je korištenje linearne regresije kao modela postalo opravdano. Na kraju je predstavljen model za procjenu cijena u maloprodaju po kojem bi se ubuduće mogle te iste cijene kreirati. Zaključak nam donosi osvrt na cjelokupnu analizu i prijedlog za odabir prilagođenijih metoda za detaljniju optimizaciju cijena.The main goal of this thesis is to find adequate statistical model for estimating price elasticity which could be used to anticipate future pricing behaviour. For that purpose we will be using linear regression described in first two chapters. Since we had raw sales data, we normalized them on monthly bases. Using theoretical knowledge we defined model and its coefficients based on linear regression method. Next thing was checking assumptions known as Gauss-Markov conditions. Satisfied assumptions implied validity of chosen model. Main formula from our model is presented at the end and it could be used to predict future prices in sale. Conclusion of this thesis brings us overview and analytic point of view for choosing linear regression as our method