'

Прогнозирование спроса. Методы прогнозирования.

Понравилась презентация – покажи это...





Слайд 0

Прогнозирование спроса. Методы прогнозирования.


Слайд 1

Теория прогнозирования включает: анализ объекта прогнозирования методы прогнозирования: 1. мaтематические(формализованные) -симплексные(простые) -статистические -комбинированные 2. экспертные (интуитивные) -индивидуальные -коллективные -комбинированные системы прогнозирования


Слайд 2

Метод экспоненциального сглаживания с одним параметром Где -прогнозируемое значение в момент времени t+1 -параметр сглаживания, определяющий значение веса, которое имеет самое последнее наблюдение при вычислении прогноза на один шаг


Слайд 3

Где n-число учитываемых периодов времени m-количество параметров показательного сглаживания


Слайд 4

Пример


Слайд 5


Слайд 6


Слайд 7

Метод скользящего среднего по m узлам Формула скользящего среднего по m узлам: Недостатки: 1.все значения имеют одинаковый вес 2.не даст точного прогноза если данные монотонно возрастают или убывают 3.большое количество промежуточных вычислений


Слайд 8

Метод взвешенного скользящего среднего Данные для расчета среднего берутся с разными весами. Например, если m=4, то взвешенное среднее на 13 период: где веса (неотрицательные числа).Их сумма равна 1 и


Слайд 9

Метод экстраполяции тренда закономерность, действующая внутри анализируемого временного ряда, выступающего в качестве базы прогнозирования, сохраняется и на период прогноза. Прогнозирование в этом случае можно свести к подбору аналитически выраженных моделей трендов типа у = f(t) по данным предпрогнозного периода и экстраполяции полученных трендов на интервале прогноза


Слайд 10

Аддитивная модель прогноза где - прогнозные значения временного ряда, - сезонные колебания или сезонная волна, - циклические колебания, - составляющая, позволяющая учесть другие важные для прогноза факторы. - случайная величина отклонения прогноза, обусловленного стохастическим характером социально-экономических процессов


Слайд 11

Мультипликативная модель прогноза где


Слайд 12


Слайд 13

Процедура прогнозирования Подбор зависимости для описании уравнения тренда. Параметры модели прогнозирования определяются методом наименьших квадратов (МНК). Если модель тренда линейна ,то


Слайд 14

2. Продолжение полученного тренда за интервал значений, по которым строилась зависимость, или определение точечного прогноза. Соотношение длины предпрогнозного периода и периода прогноза должно быть не менее 3:1.


Слайд 15

3. Расчет ошибки прогноза. Погрешность прогноза можно оценить по среднеквадратичному отклонению: где - расчетные, теоретические значения, - фактические значения, - число степеней свободы. Погрешность прогноза отражается в виде доверительного интервала; точечный прогноз преобразуется в интервальный.


Слайд 16

4. Определение интервала прогноза Доверительный интервал прогноза (при условии небольшого числа наблюдений, нормального распределения прогнозных оценок):


Слайд 17

Пример На основании полученных зависимостей рассчитываются прогнозные оценки: - расчет среднего времени расхода


Слайд 18

- расчет страхового запаса:


Слайд 19

Прогноз текущего расхода


Слайд 20

Величина страхового запаса: где t – количество дней задержки поставки заказа Вероятность отсутствия дефицита: замена ;


Слайд 21


Слайд 22


Слайд 23

Экспоненциальное сглаживание с учетом тренда Метод Хольта или двухпараметрический метод экспоненциального сглаживания. сглаживание данных: сглаживание тренда: прогноз на период t+k: где - сглаженное значение прогнозируемого показателя для периода t, - оценка прироста тренда, - параметры сглаживания , k- количество периодов времени, на которые производится прогноз.


Слайд 24

Прогнозирование с учетом сезонной составляющей Определение структуры сезонных изменений и периода колебаний Оценка и исключение тренда Определение сезонной компоненты Прогнозирование на основе данных, из которых исключена сезонная составляющая Вычисление ошибки модели прогноза


Слайд 25

Экспоненциальное сглаживание с тремя параметрами Предложена Винтерсом в 1960 г. Сглаживание исходного ряда: Сглаживание тренда: Оценка сезонности: Прогноз на р периодов вперед:


Слайд 26


Слайд 27

Анализ Фурье Параметры модели определяются по методу наименьших квадратов. Для применения этого метода необходимо, чтобы количество точек исходного ряда являлось степенью числа 2.


Слайд 28


Слайд 29

Экспертные методы прогнозирования


Слайд 30

Формирование группы экспертов где - компетентность i-го эксперта, рассчитанная на основе анкеты самооценки или другим способом, - максимальная возможная компетентность по используемой шкале компетентности экспертов


Слайд 31

Методы выбора экспертов самооценка оценка группой каждого специалиста оценка на основе результатов прошлой деятельности определение компетентности кандидатов в эксперты.


Слайд 32

Метод простого ранжирования каждый эксперт располагает признаки в порядке предпочтения. Методика статистической обработки данных: 1.определение для каждого фактора суммы рангов:


Слайд 33

2. определение средней величины суммы рангов: 3. определение суммы квадратов отклонения: 4. определение коэффициента конкордации:


Слайд 34

Метод задания весовых коэффициентов состоит в присвоении всем признакам весовых коэффициентов (коэффициентов важности) обобщенное мнение экспертов рассчитывается как среднее арифметическое Для применения результатов экспертного опроса, выполненного по данному методу, также требуется проверка согласованности мнений экспертов.


Слайд 35

Метод последовательных сравнений Эксперт i упорядочивает все признаки в порядке уменьшения их значимости: Эксперт присваивает первому признаку значение, равное 1, а остальным назначает весовые коэффициенты в долях единицы Проводится сравнение первого признака с суммой коэффициентов всех последующих Эксперт выбирает наиболее приемлемый вариант и проводит в соответствии с ним оценку первого признака.


Слайд 36

5. Процедура повторяется с отбраковкой последних признаков по одному до сравнения с признаками 6. Эксперт переходит к сравнению с последующими признаками. 7. Процедура заканчивается, когда возможности сравнения будут исчерпаны.


Слайд 37

Метод парных сравнений Каждый i-й эксперт проводит попарную оценку приоритетности признаков (Х). При этом каждым экспертом заполняется матрица элементы которой в зависимости от выбора эксперта определяются по формуле : Определяется сумма матриц всех экспертов. Суммирование проводится по элементам матрицы. Элемент суммарной матрицы определяется по следующей формуле:


Слайд 38

3. Определяется результирующая матрица R, каждый элемент которой определяется по формуле : 4. Находится сумма баллов, которую набрал каждый признак.


Слайд 39

Комбинированная оценка прогноза


Слайд 40

Весовые коэффициенты рассчитываются по формуле: Для двух прогнозов: Среднее значение комбинированного прогноза: Дисперсия комбинированного прогноза:


Слайд 41

Причинно-следственное прогнозирование инерционность взаимосвязей - сохранение механизма формирования явления. уравнение регрессии, коэффициенты могут быть определены методом наименьших квадратов. Примеры: прогнозы объемов продаж в зависимости от торговой площади в зависимости от затрат на рекламу


Слайд 42

Работу выполнила Зиятдинова Аделя 991э


×

HTML:





Ссылка: