Bewegende gemiddelde vooruitskatting Inleiding. Soos jy kan raai ons is op soek na 'n paar van die mees primitiewe benaderings tot vooruitskatting. Maar hopelik dit is ten minste 'n waardevolle inleiding tot sommige van die rekenaar kwessies wat verband hou met die implementering van voorspellings in sigblaaie. In dié opsig sal ons voortgaan deur te begin by die begin en begin werk met bewegende gemiddelde voorspellings. Bewegende gemiddelde voorspellings. Almal is vertroud met bewegende gemiddelde voorspellings ongeag of hulle glo hulle is. Alle kollege studente doen dit al die tyd. Dink aan jou toetspunte in 'n kursus waar jy gaan vier toetse gedurende die semester het. Kom ons neem aan jy het 'n 85 op jou eerste toets. Wat sou jy voorspel vir jou tweede toetstelling Wat dink jy jou onderwyser sou Ongeag voorspel vir jou volgende toetstelling Wat dink jy jou vriende kan voorspel vir jou volgende toetstelling Wat dink jy jou ouers kan voorspel vir jou volgende toetstelling al die blabbing jy kan doen om jou vriende en ouers, hulle en jou onderwyser is baie geneig om te verwag dat jy iets kry in die gebied van die 85 wat jy nou net gekry. Wel, nou kan aanneem dat ten spyte van jou self-bevordering van jou vriende, jy oorskat jouself en vind jy minder vir die tweede toets te studeer en so kry jy 'n 73. Nou wat is al die betrokkenes en onbekommerd gaan verwag jy sal op jou derde toets te kry Daar is twee baie waarskynlik benaderings vir hulle om 'n skatting, ongeag of hulle dit sal met julle deel te ontwikkel. Hulle mag sê om hulself, quotThis man is altyd waai rook oor sy intelligensie. Hes gaan na 'n ander 73 as hes gelukkig te kry. Miskien sal die ouers probeer meer ondersteunend te wees en sê, quotWell, tot dusver youve gekry 'n 85 en 'n 73, so miskien moet jy dink oor hoe om oor 'n (85 73) / 2 79. Ek weet nie, miskien as jy minder gedoen partytjies en werent swaaiende die mol al oor die plek en as jy begin doen 'n baie meer studeer jy kan kry 'n hoër score. quot Beide van hierdie vooruitskattings eintlik bewegende gemiddelde voorspellings. Die eerste is net met jou mees onlangse telling tot jou toekomstige prestasie te voorspel. Dit staan bekend as 'n bewegende gemiddelde vooruitskatting gebruik van een tydperk van data. Die tweede is ook 'n bewegende gemiddelde voorspelling, maar die gebruik van twee periodes van data. Kom ons neem aan dat al hierdie mense breker op jou groot gees soort het dronk jy af en jy besluit om goed te doen op die derde toets vir jou eie redes en 'n hoër telling in die voorkant van jou quotalliesquot sit. Jy neem die toets en jou telling is eintlik 'n 89 Almal, insluitende jouself, is beïndruk. So nou het jy die finale toets van die semester kom en soos gewoonlik jy voel die behoefte om almal te dryf in die maak van hul voorspellings oor hoe sal jy doen op die laaste toets. Wel, hopelik sien jy die patroon. Nou, hopelik kan jy die patroon te sien. Wat glo jy is die mees akkurate Whistle Terwyl ons werk. Nou moet ons terugkeer na ons nuwe skoonmaak maatskappy wat begin is deur jou vervreemde halfsuster genoem Whistle Terwyl ons werk. Jy het 'n paar verkope verlede data wat deur die volgende artikel uit 'n sigblad. Ons bied eers die data vir 'n drie tydperk bewegende gemiddelde skatting. Die inskrywing vir sel C6 moet wees Nou kan jy hierdie sel formule af na die ander selle C7 kopieer deur C11. Let op hoe die gemiddelde beweeg oor die mees onlangse historiese data, maar gebruik presies die drie mees onlangse tye beskikbaar wees vir elke voorspelling. Jy moet ook sien dat ons nie regtig nodig om die voorspellings vir die afgelope tyd maak om ons mees onlangse voorspelling ontwikkel. Dit is beslis anders as die eksponensiële gladstryking model. Ive ingesluit die quotpast predictionsquot omdat ons dit sal gebruik in die volgende webblad om voorspellingsgeldigheid meet. Nou wil ek die analoog resultate aan te bied vir 'n periode van twee bewegende gemiddelde skatting. Die inskrywing vir sel C5 moet wees Nou kan jy hierdie sel formule af na die ander selle C6 kopieer deur C11. Let op hoe nou net die twee mees onlangse stukke historiese data gebruik vir elke voorspelling. Weereens het ek die quotpast predictionsquot vir illustratiewe doeleindes en vir latere gebruik in vooruitskatting validering ingesluit. Sommige ander dinge wat van belang om te let. Vir 'n m-tydperk bewegende gemiddelde voorspelling net die m mees onlangse data waardes word gebruik om die voorspelling te maak. Niks anders is nodig. Vir 'n m-tydperk bewegende gemiddelde voorspelling, wanneer quotpast predictionsquot, agterkom dat die eerste voorspelling kom in periode m 1. Beide van hierdie kwessies sal baie belangrik wees wanneer ons ons kode te ontwikkel. Die ontwikkeling van die bewegende gemiddelde funksie. Nou moet ons die kode vir die bewegende gemiddelde voorspelling dat meer buigsaam kan word ontwikkel. Die kode volg. Let daarop dat die insette is vir die aantal periodes wat jy wil gebruik in die vooruitsig en die verskeidenheid van historiese waardes. Jy kan dit stoor in watter werkboek wat jy wil. Funksie MovingAverage (Historiese, NumberOfPeriods) as 'n enkele verkondig en inisialisering veranderlikes Dim punt Soos Variant Dim Counter As Integer Dim Akkumulasie as 'n enkele Dim HistoricalSize As Integer Inisialiseer veranderlikes Counter 1 Akkumulasie 0 bepaling van die grootte van Historiese skikking HistoricalSize Historical. Count Vir Counter 1 Om NumberOfPeriods opbou van die toepaslike aantal mees onlangse voorheen waargeneem waardes Akkumulasie Akkumulasie Historiese (HistoricalSize - NumberOfPeriods toonbank) MovingAverage Akkumulasie / NumberOfPeriods die kode sal in die klas verduidelik. Jy wil die funksie te posisioneer op die sigblad sodat die resultaat van die berekening verskyn waar dit wil die following. Time Reeks Metodes Tyd reeks metodes is statistiese tegnieke wat gebruik maak van historiese data opgehoopte oor 'n tydperk van die tyd te maak. Tydreeks metodes aanvaar dat dit wat in die verlede plaasgevind sal voortgaan om in die toekoms plaasvind. Soos die naam tydreekse suggereer, hierdie metodes in verband die vooruitsig om slegs een faktor - tyd. Dit sluit in die bewegende gemiddelde, eksponensiële gladstryking, en lineêre tendens lyn en hulle is een van die gewildste metodes vir 'n kort-reeks voorspelling onder diens en vervaardiging van maatskappye. Hierdie metodes aanvaar dat identifiseerbare historiese patrone of tendense vir die vraag oor 'n tydperk sal hulself herhaal. Bewegende gemiddelde A tydreeks vooruitskatting kan so eenvoudig wees soos die gebruik van die vraag in die huidige tydperk tot die vraag in die volgende tydperk voorspel word. Dit is soms 'n naïef of intuïtief skatting. 4 Byvoorbeeld, as die vraag is 100 eenhede vandeesweek die voorspelling vir die volgende weke vraag is 100 eenhede as die vraag blyk te wees 90 eenhede in plaas wees, dan is die volgende weke vraag is 90 eenhede, en so aan. Hierdie tipe van vooruitskatting metode nie in ag neem historiese gedrag vraag dit berus slegs op aanvraag in die huidige tydperk. Dit reageer direk na die normale, ewekansige bewegings in aanvraag. Die eenvoudige bewegende gemiddelde metode gebruik 'n paar vraag waardes tydens die onlangse verlede 'n voorspelling te ontwikkel. Dit is geneig om te demp, of glad, die ewekansige toeneem en afneem van 'n voorspelling dat slegs een tydperk gebruik. Die eenvoudige bewegende gemiddelde is nuttig vir vooruitskatting vraag wat is stabiel en geen uitgesproke vraag gedrag vertoon, soos 'n tendens of seisoenale patroon. Bewegende gemiddeldes word bereken vir bepaalde tydperke, soos drie maande of vyf maande, afhangende van hoeveel die weervoorspeller begeer om die vraag data glad. Hoe langer die bewegende gemiddelde tydperk, die gladder dit sal wees. Die formule vir die berekening van die eenvoudige bewegende gemiddelde is Rekenaarkunde n Eenvoudige bewegende gemiddelde Die Instant Skuifspeld Kantoor Supply Company verkoop en lewer kantoor verskaf aan maatskappye, skole, en agentskappe binne 'n radius van 50 myl van sy pakhuis. Die kantoor voorsien besigheid is mededingend, en die vermoë om bestellings te vinnig te lewer is 'n faktor in kry nuwe kliënte en die behoud van oues. (Kantore bestel tipies nie wanneer hulle lae hardloop op voorrade, maar wanneer hulle heeltemal uitgeput. As gevolg hiervan, het hulle onmiddellik moet hul bestellings.) Die bestuurder van die maatskappy wil seker wees genoeg bestuurders en voertuie beskikbaar is om bestellings te vinnig te lewer en hulle het voldoende voorraad in voorraad. Daarom is die bestuurder wil in staat wees om die aantal bestellings wat sal plaasvind gedurende die volgende maand voorspel (dit wil sê die vraag na aflewerings voorspel). Van rekords van aflewering bestellings, het die bestuur opgehoopte die volgende data vir die afgelope 10 maande, waaruit dit wil 3- en 5-maande bewegende gemiddeldes te bereken. Kom ons neem aan dat dit die einde van Oktober. Die voorspelling as gevolg van óf die 3 of die 5-maande bewegende gemiddelde is tipies vir die volgende maand in die volgorde, wat in hierdie geval is November. Die bewegende gemiddelde word bereken uit die vraag na bestellings vir die vorige 3 maande in die volgorde volgens die volgende formule: Die 3- en 5-maande: die 5-maande bewegende gemiddelde is soos volg bereken vanaf die vorige 5 maande van die vraag data bewegende gemiddelde voorspellings vir al die maande van die vraag data word in die volgende tabel. Eintlik, sou net die voorspelling vir November gebaseer op die mees onlangse maandelikse vraag gebruik word deur die bestuurder. Maar die vroeëre voorspellings vir vorige maande toelaat om die voorspelling te vergelyk met die werklike vraag om te sien hoe akkuraat die voorspellings metode is - dit is, hoe goed dit werk. Drie - en vyf maande Gemiddeldes Beide bewegende gemiddelde voorspellings in die tabel hierbo is geneig om uit te stryk die variasie wat in die werklike data. Dit glad effek waargeneem kan word in die volgende figuur waarin die 3-maande en 5 maande gemiddeldes is bo-op 'n grafiek van die oorspronklike data: Die 5-maande bewegende gemiddelde in die vorige figuur glad uit skommelinge in 'n mindere mate as die 3-maande bewegende gemiddelde. Maar die 3-maande-gemiddelde van naderby weerspieël die mees onlangse data beskikbaar is om die kantoor voorsien bestuurder. In die algemeen, voorspellings met behulp van die langer tydperk bewegende gemiddelde is stadiger te reageer op onlangse veranderings in vraag as wat diegene wat met behulp van korter-tydperk bewegende gemiddeldes. Die ekstra periodes van data demp die spoed waarmee die voorspelling reageer. Stigting van die toepaslike aantal periodes te gebruik in 'n bewegende gemiddelde vooruitskatting vereis dikwels 'n paar bedrag van probeer-en-tref eksperimentering. Die nadeel van die bewegende gemiddelde metode is dat dit nie reageer op variasies wat voorkom vir 'n rede, soos siklusse en seisoenale effekte. Faktore wat veranderings veroorsaak is oor die algemeen geïgnoreer. Dit is basies 'n meganiese metode, wat historiese data in 'n konsekwente manier weerspieël. Maar die bewegende gemiddelde metode het wel die voordeel dat dit maklik om te gebruik, vinnig, en relatief goedkoop. In die algemeen, kan hierdie metode 'n goeie vooruitsig vir die kort termyn te voorsien, maar dit behoort nie te ver gestoot in die toekoms. Geweegde Moving Gemiddelde Die bewegende gemiddelde metode aangepas kan word om nouer weerspieël skommelinge in die data. In die geweegde bewegende gemiddelde metode, is gewigte aan die mees onlangse data volgens die volgende formule: Die vraag data vir PM Computer Services (in die tabel getoon vir Voorbeeld 10.3) blyk 'n verhoging van lineêre tendens volg. Die maatskappy wil 'n lineêre tendens lyn te bereken om te sien of dit is meer akkuraat as die eksponensiële gladstryking en aangepas eksponensiële gladstryking voorspellings ontwikkel in Voorbeelde 10.3 en 10.4. Die waardes wat nodig is vir die kleinstekwadrate berekeninge is soos volg: Daarom is die lineêre tendens lyn vergelyking is om 'n voorspelling te bereken vir tydperk 13, laat x 13 in die lineêre: Die gebruik van hierdie waardes, is die parameters vir die lineêre tendens lyn soos volg bereken tendens lyn: die volgende grafiek toon die lineêre tendens lyn in vergelyking met die werklike data. Die tendens lyn verskyn om nou die werklike data weerspieël - dit is, om 'n goeie passing wees - en sal dus 'n goeie voorspelling model vir hierdie probleem te wees nie. Maar 'n nadeel van die lineêre tendens is dat dit nie sal pas by 'n verandering in die tendens, soos die eksponensiële gladstryking voorspelling metodes sal dit is, dit word aanvaar dat alle toekomstige voorspellings 'n reguit lyn sal volg. Dit beperk die gebruik van hierdie metode om 'n korter tydperk waarin jy relatief seker dat die tendens sal nie verander kan word. Seisoenale aanpassings n seisoenale patroon is 'n herhalende toename en afname in die vraag. Baie vraag items uitstal seisoenale gedrag. Klere verkope volg jaarlikse seisoenale patrone, met die vraag na warm klere aan die toeneem in die herfs en winter en dalende in die lente en somer as die vraag na koeler klere toeneem. Die vraag na baie kleinhandel items, insluitend speelgoed, sporttoerusting, klere, elektroniese toestelle, ham, kalkoene, wyn en vrugte, toename gedurende die vakansieseisoen. Groet die vraag kaart stygings in samewerking met spesiale dae soos Valentynsdag en Moedersdag. Seisoenale patrone kan ook voorkom op 'n maandelikse, weeklikse, of selfs daagliks. Sommige restaurante het 'n hoër vraag in die aand as by die middagete of oor naweke in teenstelling met weeksdae. Verkeer - vandaar verkope - by winkelsentrums optel op Vrydag en Saterdag. Daar is verskeie metodes vir weerspieël seisoenale patrone in 'n tydreeks vooruitskatting. Ons sal beskryf een van die eenvoudiger metodes gebruik te maak van 'n seisoenale faktor. 'N seisoenale faktor is 'n numeriese waarde wat vermenigvuldig met die normale voorspelling om 'n seisoensaangepaste voorspelling te kry. Een metode vir die ontwikkeling van 'n vraag na seisoenale faktore is om die vraag na elke seisoen tydperk deur totale jaarlikse vraag te verdeel, volgens die volgende formule: Die gevolglike seisoenale faktore tussen 0 en 1,0 is, in effek, die gedeelte van die totale jaarlikse vraag aan elke seisoen. Hierdie seisoenale faktore word vermenigvuldig met die jaarlikse geskatte vraag na aangepaste vooruitskattings gee vir elke seisoen. Berekening van 'n voorspelling met seisoenale aanpassings Been Plase groei kalkoene te verkoop aan 'n vleis verwerking maatskappy regdeur die jaar. Maar sy seisoen is natuurlik in die vierde kwartaal van die jaar, vanaf Oktober tot Desember. Been Plase ervaar die vraag na kalkoene vir die afgelope drie jaar getoon in die volgende tabel: Omdat ons drie jaar van die vraag data, kan ons die seisoenale faktore bereken word deur die totale kwartaallikse vraag na die drie jaar deur totale vraag oor al drie jare : volgende, ons wil die geskatte vraag na die volgende jaar, 2000 vermeerder deur elk van die seisoenale faktore tot die geskatte vraag na elke kwartaal kry. Om dit te bereik, het ons 'n vraag voorspelling vir 2000 moet In hierdie geval, aangesien die vraag data in die tabel lyk na 'n algemeen toenemende tendens toon, bereken ons 'n lineêre tendens lyn vir die drie jaar van data in die tabel om 'n rowwe kry voorspelling raming: So, die vooruitsig vir 2000 is 58,17, of 58.170 kalkoene. Die gebruik van hierdie jaarlikse voorspelling van die vraag, die seisoensaangepaste voorspellings, SF ek, vir 2000 vergelyk hierdie kwartaallikse voorspellings met die werklike vraag waardes in die tabel, sou hulle lyk redelik goed voorspel skattings, weerspieël beide die seisoenale variasies in die data en die algemene opwaartse neiging. 10-12. Hoe is die bewegende gemiddelde metode soortgelyk aan eksponensiële gladstryking 10-13. Watter uitwerking op die eksponensiële gladstryking model sal die verhoging van die glad konstante het 10-14. Hoe eksponensiële gladstryking aangepas verskil van eksponensiële gladstryking 10-15. Wat bepaal die keuse van die smoothing konstante vir tendens in 'n aangepaste eksponensiële gladstryking model 10-16. In die hoofstuk voorbeelde vir tydreekse metodes, is die begin voorspelling altyd aanvaar dat die dieselfde as werklike vraag in die eerste periode wees. Stel ander maniere waarop die begin voorspel kan word afgelei in die werklike gebruik. 10-17. Hoe die lineêre tendens lyn voorspelling model verskil van 'n lineêre regressiemodel vir die voorspelling 10-18. Van die tyd reeks modelle wat in hierdie hoofstuk, insluitende die bewegende gemiddelde en geweegde bewegende gemiddelde, eksponensiële gladstryking en aangepas eksponensiële gladstryking, en lineêre tendens lyn, watter een jy die beste Hoekom 10-19 in ag neem. Watter voordele hou aangepas eksponensiële gladstryking het meer as 'n lineêre tendens lyn vir die geskatte vraag wat 'n tendens 4 uitstallings K. B. Kahn en J. T. Mentzer, vooruitskatting in verbruikers-en industriële markte, Die Journal of Business Vooruitskatting 14, no. 2 (Summer 1995): 21-28.Chapter 11 - Demand Management amp vooruitskatting Soos hierdie studie stel Skep 'n gratis rekening om dit te verlos. Sluit aan by 'n rekening skep 'n rekening Meting foute 1. standaardfout - lineêre regressie 2. Mean Square Error (of verskil) - standaard fout is 'n vierkantswortel van 'n funksie. Gemiddeld van Square fout. 3. Gemiddelde Absolute Afwyking - die gemiddelde voorspelling fout met behulp van absolute waarde van die fout van elke afgelope skatting. Gemiddeld absolute fout. Die ideale MAD nul wat sou beteken daar is geen voorspelling fout. Hoe groter die MAD, hoe minder die akkurate die gevolglike model. 4. Gemiddelde Absolute Fout - Gemiddelde absolute fout dop Signal - is 'n meting wat aandui of die vooruitsig gemiddelde is tred te hou met die werklike opwaarts of afwaarts veranderings in vraag. - Is die van die gemiddelde absolute afwykings wat die voorspelling waarde is bo of onder die werklike voorkoms. - - 5 perke is acceptableOper3100 Exam2 Chp15 In tydreeksdata uitbeeld vraag watter van die volgende is nie beskou as 'n komponent van die vraag variasie p.504 Variasie. Afwyking is 'n maatstaf van die mate van fout, nie 'n komponent van die vraag variasie. Bv Verskeie algemene terme wat gebruik word om die graad van die fout beskryf is standaard fout, beteken kwadraat fout (of afwyking), en beteken absolute afwyking. Watter van die volgende is nie een van die basiese tipes vooruitskatting p. 486 kragveldontleding. Vooruitskatting kan geklassifiseer word in vier basiese tipes: kwalitatiewe, tydreeksanalise, oorsaaklike verhoudings, en simulasie. In die meeste gevalle, kan die vraag na produkte of dienste afgebreek word in verskeie dele. Watter van die volgende is nie beskou as 'n komponent van die vraag (p. 486) Past data. In die meeste gevalle, kan die vraag na produkte of dienste afgebreek word in ses komponente: gemiddelde vraag na die tydperk, 'n tendens, seisoenale elemente, sikliese elemente, ewekansige variasie, en outokorrelasie. In die meeste gevalle, kan die vraag na produkte of dienste word ingebreek verskeie komponente. Watter van die volgende word beskou as 'n komponent van die vraag (p. 486) Sikliese elemente. In die meeste gevalle, kan die vraag na produkte of dienste afgebreek word in ses komponente: gemiddelde vraag na die tydperk, 'n tendens, seisoenale elemente, sikliese elemente, ewekansige variasie, en outokorrelasie. In die meeste gevalle, kan die vraag na produkte of dienste word ingebreek verskeie komponente. Watter van die volgende word beskou as 'n komponent van die vraag (p. 486) Outokorrelasie. In die meeste gevalle, kan die vraag na produkte of dienste afgebreek word in ses komponente: gemiddelde vraag na die tydperk, 'n tendens, seisoenale elemente, sikliese elemente, ewekansige variasie, en outokorrelasie. Watter van die volgende voorspelling metodes word beskou as 'n kwalitatiewe vooruitskatting tegniek Marknavorsing. Marknavorsing is hoofsaaklik gebruik word vir die produk van navorsing in die sin van om te kyk vir 'n nuwe produk idees, voorkeure en afkeure oor bestaande produkte wat mededingende produkte binne 'n bepaalde klas verkies, en so aan. Weereens, die data-insamelingsmetodes is hoofsaaklik opnames en onderhoude. Watter van die volgende voorspelling metodes word beskou as 'n tydreeks vooruitskatting tegniek (p.498) Eenvoudige bewegende gemiddelde. Eenvoudige bewegende gemiddelde is die enigste keuse wat poog om toekomstige waardes van die vraag wat gebaseer is op vorige data voorspel. Watter van die volgende voorspelling metodes word beskou as 'n tydreeks vooruitskatting tegniek (p. 499) Geweegde bewegende gemiddelde. Geweegde bewegende gemiddelde is die enigste keuse wat poog om toekomstige waardes van die vraag wat gebaseer is op vorige data voorspel. Watter van die volgende voorspelling metodes word beskou as 'n oorsaaklike vooruitskatting tegniek (p. 486) Lineêre regressie. Oorsaaklike vooruitskatting, wat ons gesels met behulp van die lineêre regressie tegniek, aanvaar dat die vraag is wat verband hou met 'n paar onderliggende faktor of faktore in die omgewing. Watter van die volgende voorspelling metodes gebruik uitvoerende oordeel as sy primêre komponent vir vooruitskatting (p. 509) paneel konsensus. In 'n paneel konsensus, die idee dat twee koppe is beter as een geëkstrapoleer om die idee dat 'n paneel van mense uit 'n verskeidenheid van posisies 'n meer betroubare voorspelling as 'n nouer groep kan ontwikkel. Paneel voorspellings ontwikkel deur 'n oop vergaderings deur die uitruil van idees uit alle vlakke van bestuur en individue. Wanneer besluite in vooruitskatting is op 'n breër, hoër vlak (soos wanneer 'n nuwe produk lyn of met betrekking tot strategiese produk besluite soos nuwe bemarking gebiede), is die term oordeel uitvoerende algemeen gebruik. Watter van die volgende voorspelling metodes is baie afhanklik van keuse van die regte individue wat judgmentally sal gebruik word om werklik te genereer die voorspelling (p. 510) Delphi-metode. Die stap-vir-stap proses vir die Delphi-metode is: 1. Kies die kundiges om deel te neem. Daar moet 'n verskeidenheid van kundiges te kommunikeer in verskillende gebiede wees. In besigheid vooruitskatting, is wat gewoonlik beskou as 'n korttermyn-tydperk (p. 488) Minder as 3 maande. In besigheid voorspel korttermyn verwys gewoonlik na onder drie maande. In besigheid vooruitskatting, is wat gewoonlik beskou as 'n medium-termyn tydperk (p.488) drie maande tot twee jaar. In besigheid voorspel mediumtermyn (verwys na) drie maande tot twee jaar. In besigheid vooruitskatting, is wat gewoonlik beskou as 'n langtermyn-tydperk (p. 488) Twee jaar of langer. In besigheid voorspel langtermyn (verwys na) groter is as twee jaar. In die algemeen, wat vooruitskatting tyd vergoed mees doeltreffende vir ewekansige variasie en veranderinge korttermyn (p. 488) Korttermyn voorspellings. In die algemeen, die kort termyn modelle vergoed vir ewekansige variasie en pas vir 'n kort termyn veranderinge (soos verbruikers antwoorde op 'n nuwe produk). In die algemeen, wat vooruitskatting tydraamwerk beste identifiseer seisoenale effekte (p. 488) Medium termyn voorspellings. Medium termyn voorspellings is nuttig vir die opneem van seisoenale effekte. In die algemeen, wat vooruitskatting tyd is die beste om algemene tendense (bl. Lang reeks voorspellings te spoor. Langtermyn modelle op te spoor algemene tendense en is veral nuttig in aanvoorprojek groot keerpunte Watter van die volgende voorspelling metodes kan gebruik word vir 'n kort termyn vooruitskatting (bl. 488) Eenvoudige eksponensiële gladstryking. Sien uitstalling 15.3, bladsy 488. watter van die volgende oorwegings is nie 'n faktor in die besluit wat vooruitskatting model 'n firma moet kies (p. 488) Produk. watter voorspelling model 'n firma moet kies, hang af van : (1) tydhorison om te voorspel (2) beskikbaarheid Data (3) Akkuraatheid vereis (4) die grootte van vooruitskatting begroting (5) die beskikbaarheid van gekwalifiseerde personeel 'n maatskappy wil die vraag voorspel met behulp van die eenvoudige bewegende gemiddelde As die maatskappy gebruik vier.. voor jaarlikse verkope waardes (bv jaar 2008 100, 2009 120, 2010 140, en jaar 2011 210), watter van die volgende is die eenvoudige bewegende gemiddelde voorspelling vir jaar 2012 (bl. 498) 142,5 die gebruik van vergelyking 15.5 (bladsy 498) Voorspelling vir 2012 (100 120 140 210) / 4 570/4 142,5 n maatskappy wil die vraag voorspel met behulp van die eenvoudige bewegende gemiddelde. As die maatskappy gebruik drie vorige jaarlikse verkope waardes (bv jaar 2009 130 2010 110, en jaar 2011 160), watter van die volgende is die eenvoudige bewegende gemiddelde voorspelling vir jaar 2012 (bl. 498) 133,3 Die gebruik van vergelyking 15.5 (bladsy 498 ) Voorspelling vir 2012 (130 110 160) / 3 400/4 133,3 n maatskappy wil die vraag voorspel met behulp van die geweegde bewegende gemiddelde. As die maatskappy maak gebruik van twee vorige jaarlikse verkope waardes (bv jaar 2011 110 en jaar 2012 130), en ons wil jaar 2011 gewig op 10 en jaar 2012 op 90, watter van die volgende is die geweegde bewegende gemiddelde voorspelling vir jaar 2013 (p . 500) 128 die gebruik van vergelyking 15.6 (bladsy 500) Voorspelling vir 2013 (110x0.1) (130x0.9) 11 117 128 'n maatskappy wil die vraag voorspel met behulp van die geweegde bewegende gemiddelde. As die maatskappy gebruik drie vorige jaarlikse verkope waardes (bv 2010 160 jaar 2011 140 en jaar 2012 170), en ons wil gewig jaar 2010 op 30, jaar 2011 op 30 en jaar 2012 op 40, watter van die volgende is die geweegde bewegende gemiddelde voorspelling vir jaar 2013 (bl. 500) 158 die gebruik van vergelyking 15.6 (bladsy 500) Voorspelling vir 2013 (160x0.3) (140x0.3) (170x0.4) 158 Watter twee van die volgende is van die grootste redes dat eksponensiële gladstryking geraak het goed aanvaar as 'n voorspelling tegniek (p. 501) Akkuraatheid. Eksponensiële gladstrykingstegnieke het goed aanvaar vir ses hoofredes geword. 1. Eksponensiële modelle is verbasend akkuraat. 2. Die formulering van 'n eksponensiële model is relatief maklik. 3. Die gebruiker kan verstaan hoe die model werk. 4. Klein berekening word benodig om die model te gebruik. 5. Rekenaar stoor vereistes is klein as gevolg van die beperkte gebruik van historiese data. 6. Toetse vir akkuraatheid ten opsigte van hoe goed die model presteer is maklik om te bereken. Die eksponensiële gladstryking metode vereis watter van die volgende data om die toekoms (p. 501) Die mees onlangse voorspelling voorspel. In die eksponensiële gladstryking metode, is net drie stukkies data wat nodig is om die toekoms te voorspel: die mees onlangse voorspelling, die werklike vraag wat plaasgevind het vir die voorspelling tydperk, en 'n glad konstante alfa. Gegewe 'n vorige voorspelling vraag waarde van 230, 'n verwant werklike vraag waarde van 250, en 'n glad konstante alfa van 0,1, wat is die eksponensiële gladstryking voorspelling waarde vir die volgende tydperk 232 Die gebruik van vergelyking 15.7, voorspelling 230 0.1 x (250-230) 232 Indien 'n firma 'n standaard item met 'n relatief stabiele aanvraag geproduseer word, sal die glad konstante Alpha gebruik word in 'n eksponensiële gladstryking voorspelling model is geneig om te wees in watter een van die volgende reekse (p. 501) 5 tot 10 Indien 'n firma wat 'n standaard item met relatief stabiele aanvraag, die reaksietempo verskille tussen werklike en voorspelde vraag sou geneig klein te wees, dalk net 5 of 10 persentasiepunte. Indien 'n firma 'n produk wat ondervind groei in die vraag geproduseer, sal die glad konstante Alpha gebruik word in 'n eksponensiële gladstryking voorspelling model is geneig om watter een van die volgende (p. 501) Die vinniger die groei, hoe hoër is die persentasie wees. Indien 'n firma groei beleef, sou dit wenslik wees om 'n hoër reaksietempo, miskien 15 tot 30 persentasiepunte het, tot 'n groter belang te gee aan onlangse groei ervaring. Die vinniger die groei, moet hoe hoër die reaksietempo wees. Gegewe 'n vorige voorspelling vraag waarde van 1100, 'n verwant werklike vraag waarde van 1000, en 'n glad konstante alfa van 0,3, wat is die eksponensiële gladstryking voorspelling waarde 1030 Die gebruik van vergelyking 15.7, voorspelling 1100 0.3 x (1100-1000) 1030 'n Maatskappy wil 'n voorspelling vir die vraag eenheid vir jaar 2012 met behulp van eksponensiële gladstryking genereer. Die werklike vraag in die jaar 2011 was 120. Die vraag voorspelling in jaar 2011 was 110. Die gebruik van hierdie data en 'n glad konstante alfa van 0,1, watter van die volgende is die gevolglike jaar 2012 voorspel waarde 111 Die gebruik van vergelyking 15.7, voorspelling 110 0.1 x ( 120-110) 111 As 'n konsultant het jy is gevra om 'n vraag eenheid voorspelling vir 'n produk vir jaar 2012 met behulp van eksponensiële gladstryking genereer. Die werklike vraag in die jaar 2011 was 750. Die vraag voorspelling in jaar 2011 was 960. Die gebruik van hierdie data en 'n glad konstante alfa van 0,3, watter van die volgende is die gevolglike jaar 2012 voorspel waarde 897 Die gebruik van vergelyking 15.7, voorspelling 960 0.3 x ( 960 -. 750) 897 Watter van die volgende is 'n moontlike bron van vooroordeel fout in vooruitskatting (bl 504) A. by gebrek aan die regte veranderlikes B. die gebruik van die verkeerde voorspelling metode C. die indiensneming van minder gesofistikeerde ontleders as wat nodig is D. verkeerde gebruik van sluit data E. Gebruik standaardafwyking eerder as MAD versuim om die regte veranderlikes insluit. Vooroordeel foute kom voor wanneer 'n konsekwente fout gemaak. Bronne van vooroordeel sluit die versuim om die regte veranderlikes sluit in die gebruik van die verkeerde verhoudings tussen veranderlikes in diens van die verkeerde tendens lyn 'n verkeerde skuif in die seisoenale vraag van waar dit normaalweg voorkom en die bestaan van 'n paar ongemerk sekulêre tendens. Watter van die volgende word gebruik om die mate van fout beskryf (p. 504 Gemiddelde absolute afwyking. Verskeie algemene terme wat gebruik word om die graad van die fout beskryf is standaard fout, beteken kwadraat fout (of afwyking), en beteken absolute afwyking. 'N Maatskappy het werklike vraag eenheid vir drie agtereenvolgende jare van 124, 126, en 135. die onderskeie voorspellings vir dieselfde drie jaar is 120, 120, en 130. Watter van die volgende is die gevolg MAD waarde wat bereken word vanaf hierdie data (bl. 504) 5. Die gebruik van vergelyking 15.11 op bladsy 504, MAD ABS ((124-120) (126-120) (135-130)) / 3 15/3 5 'n maatskappy het werklike vraag eenheid vir vier agtereenvolgende jare van 100, 105 , 135, en 150. die onderskeie voorspellings was 120 vir al vier jaar. Watter van die volgende is die gevolg MAD waarde wat bereken word vanaf hierdie data (p. 504) 20. die gebruik van vergelyking 15.11 op bladsy 504, MAD ABS (( 100-120) (105-120) (135-120) (150-120)) / 4 80/4 20 As jy kies uit 'n verskeidenheid van voorspellingsmodelle gebaseer op MAD, watter van die volgende MAD waardes van dieselfde data sou reflekteer die mees akkurate model (p. 505) 0.2 Mape meters die fout met betrekking tot die gemiddelde vraag. Byvoorbeeld, as die MAD is 10 eenhede en die gemiddelde vraag is 20 eenhede, die fout is groot en betekenisvolle, maar relatief onbeduidend op 'n gemiddelde vraag van 1000 eenhede. Sedert dieselfde data gebruik word in die vraag, sou Mape minste wanneer MAD was kleinste. Daarom A is die korrekte antwoord. 'N Maatskappy het bereken die loop som van voorspelling foute te wees 500 en sy gemiddelde absolute afwyking is presies 35. Watter van die volgende is die maatskappy se dop sein (p. 506) Oor 14.3 Die gebruik van vergelyking 15.13 (bladsy 506) die dop sein is RSFE / MAD 500/35 14,29. 'N Maatskappy het 'n MAD van 10. Sy wil 'n 99,7 persent beheer beperkings op sy vooruitskatting stelsel. Sy mees onlangse dop sein waarde is 3.1. Wat kan die maatskappy hieruit aflei inligting (p. 505- 506) Die voorspelling model is aanvaarbaar bedryf. Dop Signal RSFE / MAD vandaar, 3.1 RSFE / 10 of RSFE 3.1 x 10 31. MAD 10, SD 1.25 x MAD 12.5. Sedert 99,7 persent ooreenstem met 3 standaardafwykings vanaf die gemiddelde, sal RSFE moet hoër wees as 3 x 12.5 of 37.5 vir die voorspelling model te wees buite beheer. Jy gehuur as 'n konsultant vir 'n klein onderneming te adviseer oor vooruitskatting metodologie. Op grond van jou navorsing vind jy die maatskappy het 'n MAD van 3. Sy wil 'n 99,7 persent beheer beperkings op sy vooruitskatting stelsel. Sy mees onlangse dop sein waarde is 15. Wat jou verslag aan die maatskappy (p. 505- 506) Die voorspelling model is buite beheer en moet reggemaak moet word. Dop Signal RSFE / MAD vandaar, 15 RSFE / 3 of RSFE 15 x 3 45. MAD 3, SD 1.25 x MAD 3.75. Sedert 99,7 persent ooreenstem met 3 standaardafwykings vanaf die gemiddelde, (3 x 3,75 11,25). Sedert RSFE is 45, die voorspelling model is buite beheer. Watter van die volgende is die gedeelte van waarnemings wat jy sou verwag om te sien lê binne 'n plus of minus 3 MAD reeks (p. 505) 98,36 3 MAD x 0.8 2.4 standaardafwykings (bladsy 505). Van Bylae D, 2.4 standaardafwykings sluit 0,4918 van die x 2 0,9836 of 98,36 Watter van die volgende is die gedeelte van waarnemings wat jy sou verwag om te sien lê binne 'n plus of minus 2 MAD reeks (p. 505) 2 MAD x 0.8 1.6 standaardafwykings (bladsy 505). Van Bylae D, 1.6 standaardafwykings sluit 0,4452 van die x 2 0,8904 of 89,04 As die afsnit waarde van 'n lineêre regressiemodel is 40, die helling waarde is 40, en die waarde van X is 40, watter van die volgende is die gevolg voorspelling waarde die gebruik van hierdie model (p. 489) 1640 die lineêre regressielyn is in die vorm y 'n bX, waar Y is die waarde van die afhanklike veranderlike wat ons die oplossing vir 'n is die y-afsnit, b is die helling, en X is die onafhanklike veranderlike. Dus, Y 40 40 x 40 1640. 'N Maatskappy huur jy 'n lineêre regressie vooruitskatting model te ontwikkel. Op grond van die maatskappy se historiese verkope inligting, jy die afsnit waarde van die model te bepaal te wees 1200. Jy kry ook die helling waarde is minus 50. As jy na die ontwikkeling van die model wat jy 'n waarde van X 10, watter van die volgende is die gevolg voorspelling waarde die gebruik van hierdie model gegee (p. 489) 700 Die lineêre regressielyn is van die vorm Y 'n bX, waar Y is die waarde van die afhanklike veranderlike wat ons die oplossing vir 'n is die y-afsnit, b is die helling, en X is die onafhanklike veranderlike. Dus, Y 1200 (- 50) x 10 700. Swaar verkope van sambrele tydens 'n reënbui is 'n voorbeeld van wat van die volgende (bl 507.) 'N informele verhouding. Ons kan verwag dat 'n lang tydperk van reën verkope van sambrele en reënjasse sal toeneem. Die reën veroorsaak dat die verkoop van reën rat. Dit is 'n oorsaaklike verhouding, waar 'n mens voorkoms veroorsaak 'n ander. Jy gebruik 'n eksponensiële gladstryking model vir vooruitskatting. Die loop som van die voorspelling fout statistiek (RSFE) word bereken elke keer 'n voorspelling is gegenereer. Jy kry die laaste RSFE te wees 34. Oorspronklik die voorspelling model gebruik is gekies omdat sy relatief lae MAD van 0.4. Om vas te stel wanneer dit tyd is om weer te evalueer die nut van die eksponensiële gladstryking model wat jy bereken dop seine. Watter van die volgende is die gevolg dop sein (p. 506) 85 Die gebruik van vergelyking 15.13, bladsy 506, TS RSFE / MAD 34 / 0.4 85.Supply Chain Management Hoofstuk 18 Soos hierdie studie stel Skep 'n gratis rekening om dit te verlos. Sluit aan by 'n rekening skep 'n rekening As die afsnit waarde van 'n lineêre regressiemodel is 40, die helling waarde is 40, en die waarde van X is 40, watter van die volgende die gevolglike voorspelling waarde is die gebruik van hierdie model C Die lineêre regressie lyn is van die vorm y 'n bX, waar Y is die waarde van die afhanklike veranderlike wat ons die oplossing vir 'n is die y-afsnit, b is die helling, en X is die onafhanklike veranderlike. Dus, Y 40 40 x 40 1640. 'N Maatskappy huur jy 'n lineêre regressie vooruitskatting model te ontwikkel. Op grond van die company039s historiese verkope inligting, jy die afsnit waarde van die model te bepaal te wees 1200. Jy kry ook die helling waarde is minus 50. Indien daar na die ontwikkeling van die model, jy is 'n waarde van X 10, watter van die volgende is die gevolg voorspelling waarde die gebruik van hierdie model B Die lineêre regressielyn gegee is van die vorm y 'n bX , waar Y is die waarde van die afhanklike veranderlike wat ons die oplossing vir 'n is die y-afsnit, b is die helling, en X is die onafhanklike veranderlike. Dus, Y 1200 (-50) x 10 700. Jy is met behulp van 'n eksponensiële gladstryking model vir vooruitskatting. Die loop som van die voorspelling fout statistiek (RSFE) word bereken elke keer 'n voorspelling is gegenereer. Jy kry die laaste RSFE te wees 34. Oorspronklik, die voorspelling model gebruik is gekies as gevolg van sy relatief lae MAD van 0.4. Om vas te stel wanneer dit tyd is om weer te evalueer die nut van die eksponensiële gladstryking model, bereken jy die dop seine. Watter van die volgende is die gevolg dop sein Laat asseblief toegang tot jou computerrsquos mikrofoon om Voice Recording gebruik. Het jy probleme Klik hier vir hulp. Ons canrsquot toegang tot jou mikrofoon Klik op die ikoon bo aan die leser regte werk en probeer weer tot die bladsy laai na probeer weer Press Cmd-0 om jou zoom Druk Ctrl-0 herstel na jou zoom Dit lyk weer soos die leser in of uit kan hou zoomde . Jou blaaier moet vergrote om 'n normale grootte te klank aan te teken. Gradeer Flash of Chrome installeer om Voice Recording gebruik. Jou mikrofoon is gedemp Vir hulp belangrikheid van hierdie kwessie, sien hierdie vrae.
No comments:
Post a Comment