Statistiese vooruitskatting metodes Meervoudige regressie-analise: Word gebruik wanneer twee of meer onafhanklike faktore is betrokke-wyd gebruik vir intermediêre termyn vooruitskatting. Gebruik om te bepaal watter faktore in te sluit en wat om uit te sluit. Kan gebruik word om alternatiewe modelle te ontwikkel met verskillende faktore. Nie-lineêre regressie: Maak 'n lineêre verwantskap tussen veranderlikes-dikwels gebruik nie aanvaar wanneer die tyd is die onafhanklike veranderlike. Tendens analise: Gebruik liniêre en nie-lineêre regressie met tyd en wyl die verklarende veranderlike-gebruik waar patroon met verloop van tyd. Ontbinding Analise: Word gebruik om 'n paar patrone wat gelyktydig in 'n tydreeks-time verskyn in beslag elke keer as dit is-ook gebruik word om 'n reeks deseasonalize identifiseer Bewegende gemiddelde Ontleding: Eenvoudige bewegende gemiddeldes-voorspellings toekomstige waardes gebaseer op 'n geweegde gemiddelde van die verlede waardes-maklik om te werk. Geweegde Moving Gemiddeldes: Baie kragtige en ekonomies. Hulle is wyd gebruik word waar herhaalde voorspellings vereis-gebruik metodes soos som-van-die-syfers en tendens aanpassing metodes. Adaptive filter. 'N Tipe bewegende gemiddelde wat 'n metode van leer uit die verlede sluit foute-kan reageer op veranderinge in die relatiewe belangrikheid van die tendens, seisoenale en ewekansige faktore. Eksponensiële Smoothing: 'n bewegende gemiddelde vorm van tydreekse vooruitskatting-doeltreffend te gebruik met seisoenale patterns - maklik om aan te pas vir die afgelope foute-maklik om voor te berei opvolg voorspellings-ideaal vir situasies waar baie voorspellings moet bereid wees-verskillende vorme word gebruik afhangende op teenwoordigheid van tendens of sikliese variasies. Hodrick-Prescott Filter: Dit is 'n uitstrykingsmeganisme gebruik word om 'n langtermyn tendens komponent in 'n tydreeks te verkry. Dit is 'n manier om 'n gegewe reeks in stilstaande en stationaire komponente ontbind in so 'n manier dat daar som van kwadrate van die reeks van die stationaire komponent is minimum met 'n strafskop op veranderinge aan die afgeleides van die stationaire komponent. Modellering en simulasie: Model beskryf situasie deur middel van n reeks van vergelykings-laat toets van die impak van veranderinge in verskeie faktore-aansienlik meer tyd in beslag neem om vereis bou-algemeen gebruiker ontwikkeling of aankoop van pakkette soos SIMSCRIPT. Kan baie kragtige in die ontwikkeling en toets strategieë anders nie sigbaar wees. Sekerheid modelle gee net mees waarskynlike uitkoms-gevorderde sigblaaie gebruik kan word om te doen & quot; wat as & quot; analise-dikwels gedoen Bv .; met rekenaargebaseerde sigblaaie. Probabilistiese modelle Gebruik Monte Carlo simulasie tegnieke om te gaan met onsekerheid-gee 'n verskeidenheid van moontlike uitkomste vir elke stel van die gebeure. Vooruitskatting fout: Alle voorspellingsmodelle óf 'n implisiete of eksplisiete fout struktuur, waar fout word gedefinieer as die verskil tussen die model voorspel en die & quot; ware & quot; waarde. Daarbenewens moet baie data Snooping metodes binne die gebied van statistiek wat toegepas moet word om data na 'n voorspelling model verskaf. Ook, diagnostiese toetsing, soos omskryf in die gebied van statistiek, is wat nodig is vir 'n model wat data gebruik. Die gebruik van enige metode vir die voorspelling moet 'n mens 'n prestasie maatstaf gebruik om die gehalte van die metode te evalueer. Beteken Absolute Afwyking (MAD), en variansie is die mees bruikbare maatreëls. Maar MAD leen hom nie tot verdere gebruik maak van afleidings, maar dat die standaard fout. Vir die foutanalise doeleindes variansie verkies aangesien afwykings van onafhanklike (ongekorreleerd) foute is toevoeging. MAD is nie toevoeging. PROGNOSES Vooruitskatting kan breedweg as 'n metode of 'n tegniek vir die beraming van vele toekoms aspekte van 'n besigheid of 'n ander operasie. Daar is talle tegnieke wat gebruik kan word om die doel van die voorspelling te bereik. Byvoorbeeld, kan 'n kleinhandel onderneming wat in besigheid is vir 25 jaar sy volume van verkope in die komende jaar op grond van sy ervaring oor die 25-jaar tydperk & # x2014 voorspel; so 'n voorspelling tegniek basisse die toekoms voorspel op die afgelope data. Terwyl die term & # x0022; vooruitskatting & # x0022; mag voorkom eerder tegniese te wees, die beplanning vir die toekoms is 'n kritieke aspek van die bestuur van 'n organisasie & # x2014; besigheid, nie-winsgewende, of ander. Trouens, die langtermyn-sukses van enige organisasie nou verbonde aan hoe goed die bestuur van die organisasie in staat is om sy toekoms te voorspel en om toepaslike strategieë om dit te hanteer waarskynlike toekomstige scenario's ontwikkel. Intuïsie, goeie oordeel, en bewus te maak van hoe goed die ekonomie doen kan die bestuurder van 'n besigheid firma 'n rowwe idee gee (of & # x0022; n gevoel & # x0022;) wat geneig om te gebeur in die toekoms is. Nietemin, dit is nie maklik om 'n gevoel te skakel oor die toekoms in 'n akkurate en bruikbare nommer, soos volgende jaar & # x0027; s verkope volume of die rou materiaal per eenheid van uitset. Vooruitskatting metodes kan help skat baie sulke toekomstige aspekte van 'n besigheid bedryf. Veronderstel dat 'n voorspelling deskundige is gevra om skattings van die volume verkope vir 'n spesifieke produk te lewer vir die volgende vier kwartale. 'N Mens kan maklik sien dat 'n aantal ander besluite sal beïnvloed word deur die voorspellings of beramings van verkoopsvolumes wat deur die voorspeller. Dit is duidelik dat, sal die produksie skedules, rou materiaal aankoop planne, beleide met betrekking tot voorraad, en verkope kwotas geraak word deur sodanige voorspellings. As gevolg hiervan, kan swak voorspellings of beramings lei tot swak beplanning en dus lei tot verhoogde koste om die besigheid. Hoe moet 'n mens te werk gaan die voorbereiding van die kwartaallikse verkope volume voorspellings? Een sal beslis wil kyk na die werklike verkope data vir die betrokke produk vir vorige tydperke. Veronderstel dat die weervoorspeller het toegang tot werklike verkope data vir elke kwartaal oor die 25year tydperk die firma in besigheid is. Die gebruik van hierdie historiese data, kan die weervoorspeller die algemene vlak van verkope te identifiseer. Hy of sy kan ook bepaal of daar 'n patroon of tendens, soos 'n toename of afname in verkoopsvolumes met verloop van tyd. 'N Verdere hersiening van die data kan 'n soort van seisoenale patroon, openbaar soos piek verkope plaasvind voor 'n vakansie. So deur die hersiening van historiese data met verloop van tyd, kan die weervoorspeller ontwikkel dikwels 'n goeie begrip van die vorige patroon van verkope. Verstaan so 'n patroon kan dikwels lei tot 'n beter voorspelling van toekomstige verkope van die produk. Verder, as die voorspeller in staat is om die faktore wat verkope, historiese data beïnvloed op hierdie faktore (of veranderlikes) te identifiseer kan ook gebruik word om voorspellings van toekomstige verkoopsvolumes te genereer. PROGNOSES METODES Alle voorspelling metodes kan verdeel word in twee breë kategorieë: kwalitatiewe en kwantitatiewe. Baie voorspelling tegnieke gebruik verlede of historiese data in die vorm van tydreekse. 'N tyd-reeks is bloot 'n stel waarnemings gemeet teen opeenvolgende punte in die tyd of oor opeenvolgende tydperke. Voorspellings verskaf wese toekomstige waardes van die tyd reeks op 'n spesifieke veranderlike soos verkope volume. Afdeling van vooruitskatting metodes in kwalitatiewe en kwantitatiewe kategorieë is gebaseer op die beskikbaarheid van historiese tydreeksdata. KWALITATIEWE PROGNOSES METODES Kwalitatiewe voorspelling tegnieke algemeen in diens van die oordeel van kundiges in die toepaslike veld voorspellings te genereer. 'N Belangrike voordeel van hierdie prosedures is dat hulle in situasies waar historiese data is eenvoudig nie beskikbaar toegepas kan word. Verder, selfs wanneer historiese data is beskikbaar, beduidende veranderinge in die omgewing toestande wat die betrokke tydreeks kan die gebruik van die verlede data irrelevant en twyfelagtige in vooruitskatting toekomstige waardes van die tydreeks te maak. Oorweeg, byvoorbeeld, wat historiese data op petrol verkope is beskikbaar. As die regering dan 'n petrol rantsoenering program geïmplementeer word, die verandering van die manier petrol verkoop word, sou 'n mens moet die geldigheid van 'n petrol verkope voorspel op grond van die afgelope data bevraagteken. Kwalitatiewe voorspelling metodes bied 'n manier om voorspellings in sulke gevalle op te wek. Drie belangrike kwalitatiewe voorspelling metodes is: die Delphi-tegniek, scenario skryf, en die onderwerp benadering. Delphi-tegniek. In die Delphi-tegniek, is 'n poging aangewend om voorspellings te ontwikkel deur middel van & # x0022; groepkonsensus & # x0022. Gewoonlik word 'n paneel van kundiges gevra om te reageer op 'n reeks van vraelyste. Die kenners, fisies geskei van en onbekend aan mekaar, is gevra om te reageer op 'n aanvanklike vraelys ( 'n stel vrae). Dan is 'n tweede vraelys voorberei waarin inligting en menings van die hele groep. Elke kenner is gevra om te heroorweeg en om sy of haar aanvanklike reaksie op die vrae te hersien. Hierdie proses word voortgesit totdat 'n mate van konsensus onder kenners bereik. Dit sal opgemerk word dat die doel van die Delphi-tegniek is nie 'n enkele antwoord aan die einde te produseer. In plaas daarvan, dit poog om 'n betreklik klein verspreiding van menings & # x2014 produseer; die reeks waarin menings van die meerderheid van kenners lê. SCENARIO skryfwerk. Onder hierdie benadering, die weervoorspeller begin met verskillende stelle aannames. Vir elke stel aannames, is 'n waarskynlike scenario van die besigheid uitkoms gebring het. Dus, sou die weervoorspeller in staat wees om baie verskillende toekoms scenario's genereer (wat ooreenstem met die verskillende stelle aannames). Die besluitnemer of besigheidspersoon word aangebied met die verskillende scenario's, en het om te besluit watter scenario is heel waarskynlik die oorhand kry. SUBJEKTIEWE BENADERING. Die subjektiewe benadering kan individue wat deelneem aan die vooruitskatting besluit om te kom op 'n voorspelling op grond van hul subjektiewe gevoelens en idees. Hierdie benadering is gebaseer op die veronderstelling dat 'n mens se verstand kan kom op 'n besluit op grond van faktore wat dikwels baie moeilik om te kwantifiseer. & # X0022; dinkskrums & # x0022; word dikwels gebruik as 'n manier om nuwe idees te ontwikkel of om komplekse probleme op te los. In losweg georganiseer sessies, deelnemers voel vry van groepsdruk en, nog belangriker, kan hul menings en idees uit te druk sonder vrees vir kritiek. Baie maatskappye in die Verenigde State van Amerika het begin om al hoe meer gebruik maak van die subjektiewe benadering. KWANTITATIEWE PROGNOSES Kwantitatiewe vooruitskatting metodes word gebruik wanneer historiese data oor veranderlikes van belang is beskikbaar & # x2014; hierdie metodes is gebaseer op 'n ontleding van historiese data met betrekking tot die tyd reeks van die spesifieke veranderlike van belang en moontlik ook ander verwante tydreekse. Daar is twee groot kategorieë van kwantitatiewe voorspelling metodes. Die eerste tipe gebruik die afgelope tendens van 'n bepaalde veranderlike om die toekoms voorspelling van die veranderlike baseer. Aangesien hierdie kategorie van vooruitskatting metodes eenvoudig gebruik tydreekse op vorige data van die veranderlike wat word voorspel, is hierdie tegnieke genoem tydreekse metodes. Die tweede kategorie van kwantitatiewe voorspelling tegnieke gebruik ook historiese data. Maar in die voorspelling van toekomstige waardes van 'n veranderlike, die weervoorspeller ondersoek die oorsaak-en-gevolg verhoudings van die veranderlike met ander relevante veranderlikes soos die vlak van verbruikersvertroue, veranderinge in verbruikers & # x0027; besteebare inkomste, die rentekoers waarteen verbruikers hul besteding kan finansier deur middel van lenings, en die toestand van die ekonomie verteenwoordig deur sulke veranderlikes soos die werkloosheidsyfer. So, hierdie kategorie van vooruitskatting tegnieke gebruik afgelope tyd reeks oor baie relevante veranderlikes om die voorspelling vir die veranderlike van belang te produseer. Vooruitskattingstegnieke val onder hierdie kategorie is genoem oorsaaklike metodes, soos die basis van so 'n voorspelling is die oorsaak-en-gevolg verhouding tussen die veranderlike voorspel en ander tydreekse gekies om te help in die opwekking van die voorspellings. TYD REEKS METODES VAN vooruitskatting. Voordat die bespreking van tydreekse metodes, is dit nuttig om die gedrag van tydreekse in algemene terme te verstaan. Tydreeks bestaan uit vier afsonderlike komponente: tendens komponent, sikliese komponent, seisoenale komponent, en onreëlmatige komponent. Hierdie vier komponente beskou as die verskaffing van spesifieke waardes vir die tydreeks wanneer dit gekombineer. In 'n tyd reeks, is metings by opeenvolgende punte of meer opeenvolgende tydperke. Die metings geneem kan word elke uur, dag, week, maand, of jaar, of op enige ander gereelde (of onreëlmatige) interval. Terwyl die meeste tydreeksdata algemeen 'n paar random skommelinge toon, kan die tyd reeks steeds wys geleidelike verskuiwings tot relatief hoër of laer waardes oor 'n lang tydperk. Die geleidelike verskuiwing van die tydreeks word dikwels deur professionele voorspellers verwys as die tendens in die tyd reeks. 'N tendens na vore as gevolg van een of meer langtermyn-faktore, soos veranderinge in bevolkingsgrootte, veranderinge in die demografiese kenmerke van die bevolking, en veranderinge in smake en voorkeure van verbruikers. Byvoorbeeld, kan vervaardigers van motors in die Verenigde State van Amerika sien dat daar aansienlike verskille in die motor verkope van een maand na die volgende. Maar, in die hersiening van motorverkope oor die afgelope 15 tot 20 jaar, die motor vervaardigers kan 'n geleidelike toename in jaarlikse verkope volume te ontdek. In hierdie geval, is die tendens vir motorverkope toenemende met verloop van tyd. In nog 'n voorbeeld, kan die tendens word dalende verloop van tyd. Professionele voorspellers beskryf dikwels 'n toenemende tendens deur 'n opwaartse helling reguit lyn en 'n dalende tendens met 'n afwaartse helling reguit lyn. Met behulp van 'n reguit lyn na 'n tendens verteenwoordig, is egter 'n blote vereenvoudiging & # x2014; in baie gevalle, mag nie-lineêre tendense meer akkuraat die ware tendens in die tyd reeks verteenwoordig. Hoewel 'n tydreeks dikwels 'n tendens kan uitstal oor 'n lang tydperk, kan dit ook vertoon afwisselende rye van punte wat bo en onder die tendens lyn lê. Enige herhalende volgorde van punte bo en onder die tendens lyn wat meer duur as 'n jaar word beskou as die sikliese komponent van die tydreeks & # x2014 uitmaak, dit is, hierdie waarnemings in die tyd reeks afwyk van die tendens te danke aan sikliese skommelinge (skommelinge wat herhaal met tussenposes van meer as een jaar). Die tydreekse van die totale produksie in die ekonomie (bekend as die reële bruto binnelandse produk) bied 'n goeie voorbeeld van 'n tydreeks wat sikliese gedrag vertoon. Terwyl die tendens lyn vir die bruto binnelandse produk (BBP) is opwaartse helling, die uitset groei vertoon 'n sikliese gedrag rondom die tendens lyn. Hierdie sikliese gedrag van die BBP al genoem sakesiklusse deur ekonome. Die seisoenale komponent is soortgelyk aan die sikliese komponent in wat hulle albei verwys na 'n paar gereelde skommelinge in 'n tydreeks. Daar is 'n belangrike verskil egter. Terwyl sikliese komponente van 'n tydreeks is geïdentifiseer deur die ontleding jarige bewegings in historiese data, seisoenale items te vang die gereelde patroon van variasie in die tydreeks binne tydperke van een jaar. Baie ekonomiese veranderlikes te vertoon seisoenale patrone. Byvoorbeeld, vervaardigers van swembaddens beleef lae verkope in die herfs en winter maande, maar hulle getuig piek verkope van swembaddens in die lente en somer maande. Vervaardigers van sneeu verwydering toerusting, aan die ander kant, ervaar die presies teenoorgestelde jaarlikse verkope patroon. Die komponent van die tydreeks dat die variasie in die data vang as gevolg van seisoenale skommelinge staan bekend as die seisoenale komponent. Die onreëlmatige komponent van die tydreeks verteenwoordig die oorblywende links in 'n waarneming van die tydreeks sodra die gevolge as gevolg van tendens, sikliese en seisoenale komponente onttrek. Tendens, sikliese en seisoenale komponente beskou word om rekenskap te gee sistematiese variasies in die tyd reeks. & # X0027; h e onreëlmatige komponent rekeninge dus vir die ewekansige veranderlikes in die tyd reeks. Die toevallige variasies in die tyd reeks is, op sy beurt, wat veroorsaak word deur kort termyn, onverwagte en herhalende faktore wat invloed op die tyd reeks. Die onreëlmatige komponent van die tydreeks, deur die natuur, kan nie voorspel word by voorbaat. TYD REEKS PROGNOSES GEBRUIK glad METODES. Glad metodes is toepaslik wanneer 'n tydreeks vertoon geen noemenswaardige uitwerking van die tendens, sikliese, of seisoenale komponente (dikwels bekend as 'n stabiele tydreekse). In so 'n geval, die doel is om uit te stryk die onreëlmatige komponent van die tydreeks deur die gebruik van 'n gemiddelde proses. Sodra die tyd reeks is glad gemaak, is dit gebruik om voorspellings te genereer. Die bewegende gemiddeldes metode is waarskynlik die mees gebruikte glad tegniek. Met die oog op die tydreeks glad, hierdie metode gebruik die gemiddelde van 'n aantal aangrensende datapunte of tydperke. Dit gemiddelde proses gebruik oorvleueling tussen waarnemings en gemiddeldes te genereer. Veronderstel 'n weervoorspeller wil drie-tydperk bewegende gemiddeldes te genereer. Die weervoorspeller sal die eerste drie waarnemings van die tydreeks te neem en bereken die gemiddelde. Dan sou die weervoorspeller die eerste waarneming daal en bereken die gemiddeld van die volgende drie waarnemings. Hierdie proses sal voortgaan totdat drie-tydperk gemiddeldes bereken op grond van die beskikbare uit die hele tydreeksdata. Die term & # x0022; bewegende & # x0022; verwys na die manier gemiddeldes bereken & # x2014; die weervoorspeller beweeg op of af in die tyd reeks waarnemings kies om 'n gemiddeld van 'n vaste aantal waarnemings te bereken. In die drie-tydperk sou byvoorbeeld die bewegende gemiddeldes metode die gemiddelde van die mees onlangse drie waarnemings van data in die tyd reeks as die voorspelling vir die volgende tydperk. Dit voorspel waarde vir die volgende tydperk, in samewerking met die laaste twee waarnemings van die historiese tydreekse, sou 'n gemiddelde wat gebruik kan word as die voorspelling vir die tweede tydperk in die toekoms te lewer. Die berekening van 'n drie-tydperk bewegende gemiddelde kan soos volg geïllustreer word. Veronderstel 'n weervoorspeller wil die volume verkope vir Amerikaanse-made motors in die Verenigde State van Amerika vir die volgende jaar voorspel. Die verkope van die Amerikaanse-made motors in die Verenigde State van Amerika gedurende die vorige drie jaar was soos volg: 1,3 miljoen, 900,000, en 1,1 miljoen (die mees onlangse waarneming is die eerste berig). Die drie-tydperk bewegende gemiddelde in hierdie geval is 1,1 miljoen motors (wat: [(1.3 + 0.90 + 1.1) / 3 = 1.1]). Op grond van die drie-tydperk bewegende gemiddeldes, kan die voorspelling voorspel dat 1,1 miljoen Amerikaanse-made motors is waarskynlik die volgende jaar te verkoop in die Verenigde State van Amerika. By die berekening van bewegende gemiddeldes voorspellings te genereer, kan die weervoorspeller eksperimenteer met verskillende lengte bewegende gemiddeldes. Die weervoorspeller sal die lengte wat die hoogste akkuraatheid vir die voorspellings gegenereer lewer kies. & # X0022; Dit is belangrik dat voorspellings nie te ver van die werklike toekomstige uitkomste gegenereer. Ten einde die akkuraatheid van voorspellings gegenereer ondersoek, voorspellers oor die algemeen dink 'n maatstaf van die voorspelling fout (dit wil sê die verskil tussen die geskatte waarde vir 'n tydperk en die gepaardgaande werklike waarde van die veranderlike van belang). Veronderstel kleinhandel verkope volume vir Amerikaanse-made motors in die Verenigde State van Amerika na verwagting wees 1,1 miljoen motors vir 'n gegewe jaar, maar slegs Ek miljoen motors is eintlik verkoop daardie jaar. Die voorspelling fout in hierdie geval is gelyk 100,000 motors. Met ander woorde, die weervoorspeller oorskat die volume verkope vir die jaar tot 100,000. Natuurlik, voorspel foute sal soms positief, en by ander tye negatief. So, met 'n eenvoudige gemiddelde van voorspelling foute met verloop van tyd sal die ware omvang van voorspelling foute nie vang; groot positiewe foute kan eenvoudig kanselleer groot negatiewe foute, wat 'n misleidende indruk van die akkuraatheid van voorspellings gegenereer. As gevolg hiervan, voorspellers algemeen gebruik die gemiddelde vierkante fout die voorspelling fout te meet. Die gemiddelde vierkante fout, of die MSE, is die gemiddelde van die som van 'n vierkant vooruitskatting foute. Hierdie maatreël, deur die neem van die vierkante van vooruitskatting foute, skakel die kans van 'n negatiewe en positiewe foute kanselleer. In die lengte van die bewegende gemiddeldes kies, kan 'n weervoorspeller die MSE maatstaf om te bepaal die aantal waardes wat ingesluit moet word in die berekening van die bewegende gemiddeldes in diens. Die weervoorspeller eksperimente met verskillende lengtes te genereer bewegende gemiddeldes en dan bereken voorspelling foute (en die gepaardgaande gemiddelde vierkante foute) vir elke lengte gebruik word in die berekening van bewegende gemiddeldes. Dan kan die weervoorspeller die lengte wat die gemiddelde kwadraat fout van voorspellings gegenereer verminder haal. Geweegde bewegende gemiddeldes is 'n variant van bewegende gemiddeldes. In die bewegende gemiddeldes metode, elke waarneming van data ontvang dieselfde gewig. In die geweegde bewegende gemiddeldes metode, is verskillende gewigte aan die waarnemings op data wat gebruik word in die berekening van die bewegende gemiddeldes. Veronderstel, weereens, wat 'n weervoorspeller wil drie-tydperk bewegende gemiddeldes te genereer. Onder die geweegde bewegende gemiddeldes metode, sal die drie datapunte verskillende gewigte te ontvang voordat die gemiddelde bereken word. Oor die algemeen, ontvang die mees onlangse waarneming die maksimum gewig, met die gewig wat afneem vir ouer datawaardes. Die berekening van 'n drie-tydperk geweegde bewegende gemiddelde kan soos volg geïllustreer word. Veronderstel, weereens, wat 'n weervoorspeller wil die volume verkope vir Amerikaanse-made motors in die Verenigde State van Amerika vir die volgende jaar voorspel. Die verkope van die Amerikaanse-made motors vir die Verenigde State van Amerika gedurende die vorige drie jaar was soos volg: 1,3 miljoen, 900,000, en 1,1 miljoen (die mees onlangse waarneming is die eerste berig). Een skatting van die geweegde drie-tydperk bewegende gemiddelde in hierdie voorbeeld kan gelyk aan 1133000 motors (wees dit is, [1 (3/6) x (1,3) + (2/6) x (0.90) + (1/6 ) x (1,1)> / 3 = 1,133]). Op grond van die drie-tydperk geweegde bewegende gemiddeldes, kan die voorspelling voorspel dat 1133000 Amerikaanse-made motors is die meeste geneig om te verkoop in die Verenigde State van Amerika in die volgende jaar. Die akkuraatheid van geweegde bewegende gemiddeldes voorspellings word bepaal op 'n wyse soortgelyk aan dié vir 'n eenvoudige bewegende gemiddeldes. Eksponensiële gladstryking is wiskundig ietwat moeiliker. In wese is egter eksponensiële gladstryking gebruik ook die geweegde gemiddelde konsep & # x2014; in die vorm van die geweegde gemiddelde van al die afgelope waarnemings, soos vervat in die relevante tydreeks & # x2014; om voorspellings vir die volgende tydperk te genereer. Die term & # x0022; eksponensiële gladstryking & # x0022; kom van die feit dat hierdie metode gebruik 'n gewig skema vir die historiese waardes van data wat eksponensiële in die natuur. In gewone terme, 'n eksponensiële gewig skema ken die maksimum gewig van die mees onlangse waarneming en die gewigte daal op 'n sistematiese wyse as ouer en ouer waarnemings word ingesluit. Die akkuraatheid van voorspellings met behulp van eksponensiële gladstryking word bepaal op 'n wyse soortgelyk aan dié vir die bewegende gemiddeldes metode. TYD REEKS PROGNOSES GEBRUIK TREND projeksie. Hierdie metode maak gebruik van die onderliggende langtermyn-tendens van 'n tydreeks van data om sy toekomstige waardes te voorspel. Veronderstel 'n weervoorspeller het data oor die verkope van die Amerikaanse-made motors in die Verenigde State van Amerika vir die afgelope 25 jaar. Die tydreeksdata op Amerikaanse motorverkope kan geplot en visueel ondersoek. Heel waarskynlik, sal die motor verkope tydreekse 'n geleidelike toename in die volume verkope te vertoon, ten spyte van die & # x0022; up & # x0022; en & # x0022; down & # x0022; bewegings van jaar tot jaar. Die tendens kan lineêre wees (benader word deur 'n reguit lyn) of nie-lineêre (benader word deur 'n kurwe of 'n nie-lineêre lyn). Die meeste dikwels, voorspellers aanvaar 'n lineêre tendens & # x2014; natuurlik, as 'n lineêre tendens word aanvaar wanneer, in werklikheid, 'n nie-lineêre tendens teenwoordig is, kan hierdie wanvoorstelling lei tot uiters onakkuraat voorspellings. Neem aan dat die tyd reeks oor Amerikaanse-made motorverkope is eintlik lineêre en so kan voorgestel word deur 'n reguit lyn. Wiskundige tegnieke word gebruik om die reguit lyn wat die meeste akkuraat verteenwoordig die tydreeks op motorverkope vind. Hierdie reël het betrekking verkope aan verskillende punte met verloop van tyd. As ons verder aanvaar dat die afgelope tendens sal voortgaan om in die toekoms, kan toekomstige waardes van die tyd reeks (voorspellings) afgelei word uit die reguit lyn wat gebaseer is op die afgelope data. 'N Mens moet onthou dat die voorspellings wat gebaseer is op hierdie metode ook beoordeel word aan die hand van 'n mate van voorspelling foute. 'N Mens kan voortgaan om te aanvaar dat die weervoorspeller gebruik die gemiddelde vierkante fout vroeër bespreek. TYD REEKS PROGNOSES GEBRUIK TREND en seisoenale komponente. Hierdie metode is 'n variant van die tendens projeksie metode, gebruik te maak van die seisoenale komponent van 'n tydreeks bykomend tot die tendens komponent. Hierdie metode verwyder die seisoenale effek of die seisoenale komponent van die tydreeks. Hierdie stap word dikwels na verwys as de-seasonalizing die tydreeks. Sodra 'n tydreeks is de-seasonalized dit sal net 'n tendens komponent het. Die tendens projeksie metode kan dan gebruik word om 'n reguit lyn tendens dat die tydreeksdata goed verteenwoordig identifiseer. Dan, met behulp van hierdie tendens lyn, voorspellings vir toekomstige tydperke gegenereer. Die finale stap in hierdie metode is om die seisoenale komponent van die tydreeks reincorporate (met behulp van wat bekend staan as die seisoenale indeks) aan die voorspellings gebaseer op tendens alleen aan te pas. Op hierdie wyse word die voorspellings gegenereer uit beide die tendens en seisoenale komponente. Een sal normaalweg verwag dat hierdie voorspellings te meer akkuraat as dié wat suiwer is gebaseer op die tendens projeksie wees. Oorsaaklike METODE VAN vooruitskatting. Soos vroeër genoem, oorsaaklike metodes gebruik die oorsaak-en-gevolg verhouding tussen die veranderlike waarvan die toekomstige waardes word voorspel en ander verwante veranderlikes of faktore. Die alombekend oorsaaklike metode regressie-analise, 'n statistiese tegniek wat gebruik word om 'n wiskundige model wat wys hoe 'n stel veranderlikes verwant ontwikkel genoem. Dit wiskundige verhouding kan gebruik word om voorspellings te genereer. In die terminologie wat gebruik word in regressieanalise konteks, is die veranderlike wat word voorspel die afhanklike of reaksie veranderlike. Die veranderlike of veranderlikes wat help in die voorspelling van die waardes van die afhanklike veranderlike genoem word die onafhanklike of voorspeller veranderlikes. Regressie-analise wat een afhanklike veranderlike en een onafhanklike veranderlike in diens en by benadering die verhouding tussen hierdie twee veranderlikes deur 'n reguit lyn is bekend as 'n eenvoudige lineêre regressie. Regressie-analise wat twee of meer onafhanklike veranderlikes gebruik om waardes van die afhanklike veranderlike te voorspel is 'n meervoudige regressie analise genoem. Hier is die voorspelling tegniek met behulp van regressie-analise vir die eenvoudige lineêre regressie geval kortliks bekendgestel. Veronderstel 'n weervoorspeller het data oor die verkope van die Amerikaanse-made motors in die Verenigde State van Amerika vir die afgelope 25 jaar. Die weervoorspeller het ook geïdentifiseer dat die verkoop van motors is wat verband hou met individue en # x0027; reële besteebare inkomste (rofweg gesproke, inkomste ná belasting betaal, aangepas vir die inflasiekoers). Die weervoorspeller het ook die tyd reeks (vir die afgelope 25 jaar) op die reële besteebare inkomste. Die tydreeksdata op Amerikaanse motorverkope kan geplot teen die tydreeksdata op reële besteebare inkomste, so dit kan visueel word ondersoek. Heel waarskynlik, sal die motor i verkope tydreekse 'n geleidelike toename in verkope volume as reële besteebare inkomste toeneem vertoon, ten spyte van die Sosiale gebrek aan konsekwentheid & # x2014, dit is, by tye, motorverkope kan selfs wanneer reële besteebare inkomste styg val. Die verhouding tussen die twee veranderlikes (motorverkope as die afhanklike veranderlike en reële besteebare inkomste as die onafhanklike veranderlike) kan lineêre (benader word deur 'n reguit lyn) of nie-lineêre (benader word deur 'n kurwe of 'n nie-lineêre lyn) wees. Neem aan dat die verhouding tussen die tyd reeks oor die verkope van Amerikaanse-made motors en reële besteebare inkomste van verbruikers is eintlik lineêre en kan dus deur 'n reguit lyn. 'N redelik streng wiskundige tegniek word gebruik om die reguit lyn wat die verhouding tussen die tyd reeks oor motorverkope en besteebare inkomste mees akkuraat verteenwoordig vind. Die intuïsie agter die wiskundige tegniek wat in sy aankoms by die toepaslike reguit lyn is soos volg. Stel jou voor dat die verhouding tussen die twee tydreekse is geplot op papier. Die plot sal bestaan uit 'n strooi (of wolk) van punte. Elke punt in die plot verteenwoordig 'n paar opmerkings oor motorverkope en besteebare inkomste (dit wil sê, motorverkope wat ooreenstem met die gegewe vlak van die reële besteebare inkomste in 'n jaar). Die strooi van punte (soortgelyk aan die tydreeks metode wat hierbo bespreek is) kan 'n opwaartse of 'n afwaartse drif het. Dit wil sê, die verhouding tussen motorverkope en reële besteebare inkomste kan benader word deur 'n opwaartse of afwaartse reguit lyn. In alle waarskynlikheid, sal die regressie-analise in die huidige voorbeeld 'n opwaartse helling reguitlyn & # x2014 oplewer, soos besteebare inkomste toeneem so ook die volume van die motor verkope. By aankoms op die mees akkurate reguit lyn is die sleutel. Vermoedelik, kan 'n mens baie reguit lyne te trek deur middel van die strooi van punte in die plot. Nie almal van hulle sal egter ewe verteenwoordig die verhouding & # x2014; n paar sal nader aan die meeste punte wees, en ander sal ver van die meeste punte in die strooi wees. Regressie-analise in diens dan 'n wiskundige tegniek. Verskillende reguit lyne getrek word deur die data. Afwykings van die werklike waardes van die datapunte in die plot van die ooreenstemmend waardes aangedui deur die reguit lyn gekies in enige geval ondersoek. Die som van die vierkante van hierdie afwykings omvat die kern van hoe naby 'n reguit lyn is om die data punte. Die lyn is met die minimum bedrag van 'n vierkant afwykings (bekend as die & # x0022; kleinstekwadrate & # x0022; regressielyn) word beskou as die lyn van die beste passing. Na geïdentifiseer die regressielyn, en die veronderstelling dat die verhouding wat gebaseer is op die afgelope data sal voortgaan, kan toekomstige waardes van die afhanklike veranderlike (voorspellings) afgelei word uit die reguit lyn wat gebaseer is op die afgelope data. As die weervoorspeller het 'n idee van wat die reële besteebare inkomste kan in die komende jaar, kan 'n voorspelling vir die toekoms motorverkope gegenereer. 'N Mens moet onthou dat voorspellings gebaseer op hierdie metode ook beoordeel word aan die hand van 'n mate van voorspelling foute. 'N Mens kan voortgaan om te aanvaar dat die weervoorspeller gebruik die gemiddelde vierkante fout vroeër bespreek. Benewens die gebruik van voorspelling foute, regressieanalise gebruik bykomende maniere om die ontleding van die effektiwiteit van die beraamde regressielyn in vooruitskatting. Hoe om te kies die Reg vooruitskatting Tegniek In feitlik elke besluit wat hulle maak, oorweeg bestuurders vandag 'n soort van skatting. Sound voorspellings van eise en tendense is nie meer luukse items, maar 'n noodsaaklikheid, as bestuurders is om te gaan met seisoenaliteit, skielike veranderinge in die vraag vlakke, prys te sny maneuvers van die kompetisie, stakings, en 'n groot swaai van die ekonomie. Vooruitskatting kan help om te gaan met hierdie probleme; maar dit kan hulle help om meer, hoe meer hulle weet oor die algemene beginsels van vooruitskatting, wat dit kan en kan nie vir hulle op die oomblik doen, en watter tegnieke is geskik vir hul behoeftes van die oomblik. Inleiding finale Woord
No comments:
Post a Comment