Métodos de série de tempo. Métodos de série de tempo são técnicas estatísticas que fazem uso de dados históricos acumulados durante um período de tempo. Os métodos de séries temporais supõem que o que aconteceu no passado continuará a ocorrer no futuro. A previsão para apenas um fator - tempo Eles incluem a média móvel, suavização exponencial e linha de tendência linear e eles estão entre os métodos mais populares para a previsão de curto prazo entre empresas de serviços e de manufatura Estes métodos pressupõem padrões históricos identificáveis ou tendências para A demanda ao longo do tempo irá repetir-se. Mover média. A série de tempo previsões podem ser tão simples como usar a demanda no período atual para prever a demanda no próximo período Isso às vezes é chamado de uma previsão ingênua ou intuitiva 4 Por exemplo, Esta semana, a previsão para a demanda da próxima semana é de 100 unidades se a demanda acaba por ser 90 unidades em vez disso, então a demanda da semana seguinte é 90 uni Ts e assim por diante Este tipo de método de previsão não leva em conta o comportamento histórico da demanda que depende apenas da demanda no período atual Ele reage diretamente aos movimentos aleatórios normais na demanda. O método da média móvel simples usa vários valores de demanda durante o período A média móvel simples é útil para a previsão da demanda que é estável e não exibe qualquer comportamento de demanda pronunciado, como por exemplo, Como uma tendência ou padrão sazonal. As médias de movimentação são calculadas para períodos específicos, como três meses ou cinco meses, dependendo de quanto o meteorologista deseja alisar os dados da demanda Quanto mais longo for o período da média móvel, mais suave será. Computando a média movente simples isputing uma média movente simples. A companhia instantânea da fonte do escritório do grampo do papel vende e entrega materiais de escritório às companhias, às escolas, a D agências dentro de um raio de 50 milhas de seu armazém O negócio de fornecimento de escritório é competitivo, ea capacidade de entregar ordens prontamente é um fator para obter novos clientes e manter os antigos Escritórios tipicamente ordem não quando eles ficam com poucos suprimentos, Completamente executado Como resultado, eles precisam de suas ordens imediatamente O gerente da empresa quer ter certeza de motoristas e veículos estão disponíveis para entregar ordens prontamente e eles têm estoque adequado em estoque Portanto, o gerente quer ser capaz de prever o número Dos pedidos que ocorrerão durante o próximo mês, ou seja, para prever a demanda por entregas. A partir dos registros de ordens de entrega, a gerência acumulou os seguintes dados para os últimos 10 meses, a partir do qual quer calcular média móvel de 3 e 5 meses. Vamos supor que é o final de outubro A previsão resultante da média móvel de 3 ou 5 meses é tipicamente para o próximo mês na seqüência, que neste caso é N A média móvel é calculada a partir da demanda de pedidos para os 3 meses anteriores na seqüência de acordo com a seguinte fórmula. A média móvel de 5 meses é calculada a partir dos dados de demanda de 5 meses anteriores, Na verdade, apenas a previsão para novembro, com base na demanda mensal mais recente, seria usada pelo gerente. No entanto, as previsões anteriores para os meses anteriores permitem comparar a média mensal das previsões de média móvel para todos os meses de demanda. Previsão com a demanda real para ver quão preciso é o método de previsão - ou seja, o quão bem ele faz. Três e Cinco Mês Averages. Both média móvel previsões na tabela acima tendem a suavizar a variabilidade que ocorrem nos dados reais This Efeito de alisamento pode ser observado na figura a seguir em que as médias de 3 meses e 5 meses foram superpostas em um gráfico dos dados originais. A média móvel de 5 meses na figura anterior suaviza as flutuações Em média superior à média móvel de 3 meses No entanto, a média de 3 meses reflecte mais de perto os dados mais recentes disponíveis ao gestor de material de escritório. Em geral, as previsões que utilizam a média móvel de período mais longo são mais lentas Demanda mais do que aquelas feitas usando médias móveis de período mais curto Os períodos extra de dados atenuam a velocidade com que a previsão responde Estabelecer o número apropriado de períodos para usar em uma média móvel previsão muitas vezes requer uma certa experimentação de ensaio e erro. Desvantagem do método de média móvel é que ele não reage a variações que ocorrem por uma razão, tais como ciclos e efeitos sazonais Os fatores que causam mudanças são geralmente ignorados É basicamente um método mecânico, que reflete dados históricos de forma consistente No entanto, O método da média móvel tem a vantagem de ser fácil de usar, rápido e relativamente barato Em geral, este método pode proporcionar uma boa forec A média móvel média pode ser ajustada para refletir mais de perto as flutuações nos dados. No método da média móvel ponderada, os pesos são atribuídos ao mais Dados recentes de acordo com a seguinte fórmula. Os dados de demanda para PM Computer Services mostrados na tabela para o Exemplo 10 3 parecem seguir uma tendência linear crescente A empresa quer calcular uma linha de tendência linear para ver se ela é mais precisa do que a suavização exponencial E as previsões de suavização exponencial ajustadas desenvolvidas nos Exemplos 10 3 e 10 4. Os valores necessários para os cálculos de mínimos quadrados são os seguintes. Usando estes valores, os parâmetros para a linha de tendência linear são calculados da seguinte forma. . Para calcular uma previsão para o período 13, deixe x 13 na linha de tendência linear. O gráfico a seguir mostra a linha de tendência linear comparada com os dados reais. A linha de tendência parece r Efetuar de perto os dados reais - isto é, ser um bom ajuste - e seria assim um bom modelo de previsão para este problema No entanto, uma desvantagem da linha de tendência linear é que ela não se ajustará a uma mudança na tendência, Como os métodos de previsão de suavização exponencial será que é, é assumido que todas as previsões futuras seguirá uma linha reta Isso limita o uso deste método para um período de tempo mais curto em que você pode ser relativamente certo de que a tendência não vai mudar. As vendas de vestuário seguem padrões sazonais anuais, com a demanda por roupas quentes aumentando no outono e inverno e declinando na primavera e no verão como a demanda por roupas mais frias aumenta A demanda por muitos itens de varejo, incluindo brinquedos, equipamentos esportivos, vestuário, aparelhos eletrônicos, presuntos, perus, vinho e frutas, aumentam durante a temporada de férias. Conjunta com dias especiais como Dia dos Namorados e Dia da Mãe Padrões sazonais também podem ocorrer em uma base mensal, semanal ou mesmo diária Alguns restaurantes têm maior demanda à noite do que no almoço ou nos fins de semana em oposição aos dias de semana Tráfego - daí Vendas - em shopping centers pega na sexta-feira e sábado. Há vários métodos para refletir os padrões sazonais em uma série de previsões de tempo Vamos descrever um dos métodos mais simples usando um fator sazonal Um fator sazonal é um valor numérico que é multiplicado pelo Previsão normal para obter uma previsão ajustada sazonalmente. Um método para desenvolver uma demanda por fatores sazonais é dividir a demanda para cada período sazonal por demanda anual total, de acordo com a seguinte fórmula. Os fatores sazonais resultantes entre 0 e 1 0 são, em Efeito, a parcela da demanda anual total atribuída a cada estação. Estes fatores sazonais são multiplicados pela demanda anual prevista para render previsões ajustadas para cada seasonputing Uma previsão com ajustes sazonais. Wishbone fazendeiros cresce os perus para vender a uma companhia processando da carne ao longo do ano. Contudo, sua estação de pico é obviamente durante o quarto quarto do ano, de outubro a dezembro Wishbone Farms experimentou a demanda para os perus para o Nos últimos três anos mostrados na tabela a seguir. Porque temos três anos de dados de demanda, podemos calcular os fatores sazonais, dividindo a demanda trimestral total para os três anos pela demanda total em todos os três years. Next, queremos multiplicar a demanda prevista Para o ano seguinte, 2000, por cada um dos fatores sazonais para obter a demanda prevista para cada trimestre Para isso, precisamos de uma previsão de demanda para 2000 Neste caso, uma vez que os dados da demanda na tabela parecem exibir uma tendência geralmente crescente , Calculamos uma linha de tendência linear para os três anos de dados na tabela para obter uma estimativa de previsão aproximada. Assim, a previsão para 2000 é 58 17, ou 58.170 perus. Usando esta previsão anual de Para as previsões trimestrais, com os valores reais da demanda no quadro, pareceriam ser estimativas relativamente boas, refletindo tanto as variações sazonais dos dados como a tendência geral de crescimento.10 -12 Como o método da média móvel é semelhante à suavização exponencial.10-13 Que efeito sobre o modelo de suavização exponencial aumentará a constante de suavização? 10-14 Como a suavização exponencial ajustada difere da suavização exponencial.10-15 O que determina a escolha Da constante de suavização para a tendência em um modelo de suavização exponencial ajustado.10-16 Nos exemplos de capítulo para métodos de séries crônicas, a previsão de partida sempre foi assumida como a mesma que a demanda real no primeiro período Sugira outras maneiras que a previsão de partida poderia Ser derivado em uso real.10-17 Como o modelo de previsão da linha de tendência linear difere de um modelo de regressão linear para a previsão.10-18 Da série temporal mo Dels apresentadas neste capítulo, incluindo a média móvel ea média móvel ponderada, a suavização exponencial ea suavização exponencial ajustada, ea linha de tendência linear, qual você considera o melhor Why.10-19 Quais as vantagens que a suavização exponencial ajustada tem sobre uma tendência linear Line para a demanda prevista que exibe uma tendência.4 KB Kahn e JT Mentzer, Previsão no consumidor e mercados industriais, The Journal of Business Forecasting 14, no 2 Verão 1995 21-28.MAT 540 Semana 4 Problemas com a lição de casa, Capítulo 15.MAT 540 Semana 4 Tarefas Capítulo 15 1 O gerente da tomada Carpet City precisa fazer uma previsão precisa da demanda por Soft Shag carpete seu maior vendedor Se o gerente não encomendar tapete suficiente da fábrica de tapetes, os clientes vão comprar o seu tapete de um dos Carpet City s muitos concorrentes O gerente coletou os seguintes dados de demanda para os últimos 8 meses Mês Solicitação de Soft Shag Carpet 915 m 1 10 2 9 3 8 4 9 5 10 6 12 7 14 8 11.a Calcule um 3 m Onth média móvel para os meses 4 a 9 b Calcular uma média móvel ponderada de 3 meses para os meses 4 a 9 Atribuir pesos de 0 55, 0 35 e 0 10 aos meses em sequência, a partir do mês mais recente c Comparar As duas previsões usando MAD Que a previsão parece ser mais precisa 2 O gerente da Petroco Service Station quer prever a demanda de gasolina sem chumbo no próximo mês para que o número adequado de galões pode ser encomendado ao distribuidor O proprietário acumulou o seguinte Dados sobre demanda de gasolina sem chumbo nas vendas dos últimos 10 meses Mês Gasolina Exigida gal Outubro 775 Novembro 835 Dezembro 605 Janeiro 450 Fevereiro 600 Março 700 Abril 820 Maio 925 Junho 1.500 Julho 1.200 a Calcule uma previsão exponencialmente suavizada, usando um valor de 0 40 B Compute o MAPD 3 Emily Andrews tem investido em um fundo de ciência e tecnologia de fundos mútuos Agora ela está pensando em liquidar e investir em outro fundo Ela gostaria de prever t O preço do fundo de ciência e tecnologia para o próximo mês antes de tomar uma decisão Ela coletou os seguintes dados sobre o preço médio do fundo durante os últimos 20 meses Mês Preço do Fundo 1 55 3 4 2 54 1 4 3 55 1 8 4 58 1 8 5 53 3 8 6 51 1 8 7 56 1 4 8 59 5 8 9 62 1 4 10 59 1 4 11 62 3 8 12 57 1 1 13 58 1 8 14 62 3 4 15 64 3 4 16 66 1 8 17 68 3 4 18 60 5 19 65 875 20 72 25 a Usando uma média de 3 meses, preveja o preço do fundo para o mês 21 b Usando uma média ponderada de 3 meses com o mês mais recente ponderado 0 50, o próximo mais recente Mês ponderado 0 30 eo terceiro mês ponderado 0 20, previsão do preço do fundo para o mês 21 c Calcular uma previsão exponencial suavizada, usando 0 30, e prever o preço do fundo para o mês 21 d Compare as previsões em a, b e c , Usando MAD, e indicar a mais precisa 4 Carpet City quer desenvolver um meio de prever suas vendas de tapetes O gerente de loja acredita que as vendas da loja estão diretamente relacionados com o número de novas estações de habitação Rts na cidade O gerente recolheu dados de registros de condado em licenças mensais de construção de casa e de registros de loja em vendas mensais Estes dados são como segue Vendas mensais do tapete 9 mil milímetros Permissões de construção mensais 9 17 14 25 10 8 12 7 15 14 9 7 24 45 21 19 20 28 29 2 a Desenvolver um modelo de regressão linear para estes dados e prever as vendas de tapetes se 30 licenças de construção para novas residências forem arquivadas b Determinar a força da relação causal entre as vendas mensais e a construção de novas casas usando a correlação 5 O gerente da Gilley s Ice Cream Parlor precisa de uma previsão precisa da demanda por sorvete A loja pede sorvete de um distribuidor uma semana à frente se a loja ordena muito pouco, perde negócios e, se encomendar demais, o extra deve ser jogado fora O gerente acredita que um determinante principal de vendas do gelado é a temperatura isto é mais quente o tempo, mais povos do creme de gelo compra Usando um almanaque, o gerente determinou a temperatura diária média Durante 14 semanas, selecionados aleatoriamente e dos registros da loja, ele determinou o consumo de sorvete para as mesmas 14 semanas. Esses dados são resumidos da seguinte forma: Média Temperatura Gelado Vendido grau gal 1 68 80 2 70 115 3 73 91 4 79 87 5 77 110 6 82 128 7 85 164 8 90 178 9 85 144 10 92 179 11 90 144 12 95 197 13 80 144 14 75 123 a Desenvolver um modelo de regressão linear para estes dados e prever o consumo de sorvete se a média semanal A temperatura diurna deve ser de 85 graus b Determine a força da relação linear entre a temperatura eo consumo de sorvete utilizando a correlação.6 Informe o coeficiente de determinação para os dados no Problema 5 e explique o seu significado PRODUTOS RELACIONADOS. Estudo de Caso de Programação Linear, Chip Company. Linear Estudo de Caso de Programação, Rayhoon Restaurant. Linear Estudo de Caso de Programação, Portfolio Manager XYZ Investment. Moving Average Forecasting. Introduction Como você pode imaginar que estamos olhando para alguns dos mais primitivos ap Proaches para previsão Mas espero que estas sejam pelo menos uma introdução útil para algumas das questões de computação relacionadas com a implementação de previsões em spreadsheets. In esta veia vamos continuar, começando no início e começar a trabalhar com previsões de média móvel. Moving previsões médias Todo mundo está familiarizado Com as previsões de média móvel, independentemente de se eles acreditam que são Todos os estudantes universitários fazê-los o tempo todo Pense sobre seus resultados de teste em um curso onde você vai ter quatro testes durante o semestre Vamos supor que você tem um 85 em seu primeiro teste. O que você poderia prever para sua pontuação do segundo teste. O que você acha que seu professor iria prever para a sua próxima pontuação do teste. O que você acha que seus amigos podem prever para sua próxima pontuação do teste. O que você acha que seus pais podem prever para o seu próximo teste . Independentemente de todos os blabbing você pode fazer para seus amigos e pais, eles e seu professor são muito susceptíveis de esperar que você obtenha algo na área do 85 você acabou de obter. Bem, agora vamos supor que, apesar de sua auto-promoção para seus amigos, você superestima-se e figura que você pode estudar menos para o segundo teste e assim você começa um 73. Agora o que são todos O interessado e despreocupado vai antecipar você vai chegar em seu terceiro teste Existem duas abordagens muito provável para eles desenvolver uma estimativa, independentemente de se eles vão compartilhá-lo com você. Eles podem dizer a si mesmos, Este cara está sempre soprando fumaça sobre o seu Ele vai ter mais 73 se ele tiver sorte. Talvez os pais vão tentar ser mais solidários e dizer: Bem, até agora você tem obtido um 85 e um 73, então talvez você deve figura em obter cerca de 85 73 2 79 Eu não sei, talvez se você fez menos festas e weren t agitando a doninhas todo o lugar e se você começou a fazer muito mais estudar você poderia obter uma maior score. Both destas estimativas são realmente média móvel previsões. O primeiro Está usando apenas sua pontuação mais recente para prever o seu desempenho futuro Ance Isso é chamado de uma média móvel previsão usando um período de dados. O segundo é também uma média móvel previsão, mas usando dois períodos de data. Let s supor que todas essas pessoas rebentando em sua grande mente têm tipo de puto você fora e você decide Para fazer bem no terceiro teste para suas próprias razões e para colocar uma pontuação mais alta na frente de seus aliados Você faz o teste e sua pontuação é realmente um 89 Todos, incluindo você, está impressionado. Então agora você tem o teste final do Semestre que vem acima e como usual você sente a necessidade de puxar todos em fazer suas predições sobre como você fará no último teste Bem, esperançosamente você vê o teste padrão. Agora, esperançosamente você pode ver o teste padrão Que você acredita é o mais exato. Whistle enquanto nós trabalhamos Agora nós retornamos a nossa companhia de limpeza nova começada por sua meia-irmã afastada chamada Assobio Enquanto Trabalhamos Você tem alguns dados de vendas passados representados pela seção seguinte de uma planilha Nós apresentamos primeiramente os dados para um movi de três período Ng média. A entrada para a célula C6 deve ser. Now você pode copiar esta fórmula de célula para baixo para as outras células C7 a C11.Notice como a média se move sobre os dados históricos mais recentes, mas usa exatamente os três períodos mais recentes disponíveis para cada Predição Você também deve notar que realmente não precisamos fazer as previsões para os períodos passados, a fim de desenvolver a nossa previsão mais recente Este é definitivamente diferente do modelo de suavização exponencial Eu incluí as previsões do passado, porque vamos usá-los na próxima Página web para medir a validade de previsão. Agora, eu quero apresentar os resultados análogos para um período de dois meses média móvel forecast. The entrada para a célula C5 deve be. Now você pode copiar esta fórmula de célula para baixo para as outras células C6 através C11.Notice como agora Apenas as duas mais recentes peças de dados históricos são utilizados para cada previsão Novamente, eu incluí as previsões do passado para fins ilustrativos e para uso posterior na validação de previsão. Alguma outra coisa S que são de importância notar. Para uma previsão média móvel de m-período apenas os m valores de dados mais recentes são usados para fazer a previsão Nada mais é necessário. Para uma média móvel m-previsão média, ao fazer previsões passadas, observe que A primeira predição ocorre no período m 1.Todas estas questões serão muito significativas quando desenvolvemos o nosso code. Developing a função de média móvel Agora precisamos desenvolver o código para a média móvel previsão que pode ser usado com mais flexibilidade O código segue Observação Que as entradas são para o número de períodos que você deseja usar na previsão ea matriz de valores históricos Você pode armazená-lo em qualquer pasta de trabalho que você deseja. Função MovingAverage Histórico, NumberOfPeriods Como único Declarar e inicializar variáveis Dim Item como Variant Dim Counter As Integer Dim Acumulação como único Dim HistoricalSize As Integer. Inicializando variáveis Counter 1 Acumulação 0. Determinando o tamanho de Historical array HistoricalSize. For Counter 1 To NumberOfPeriods. Acumulando o número apropriado de valores mais recentes anteriormente observados. Acumulação Acumulação Histórico Histórico Tamanho - NúmeroOfPeriodos Counter. MovingAverage Acumulação NumberOfPeriods. The código será explicado na classe Você deseja posicionar a função na planilha para que o resultado da computação aparece onde deveria Como o seguinte.
No comments:
Post a Comment