1. Модел с компонент добавка
Добавка прогнозен модел може да бъде представен с формулата:
където: F - предсказаната стойност; T - тенденцията; S - сезонен компонент;
E - прогноза грешка.
Алгоритъм за построяване на предсказуем модел
За продажбите прогнозиране, който има сезонен характер, предлагаме следния алгоритъм за построяване на предсказуем модел:
1.Opredelyaetsya тенденция, която най-добре приблизително равен на фактическите данни. Същественото тук е предложението за използване на полином тенденция, намаляване на грешката на модела на времето.
2 .Vychitaya на действителните стойности за обема на продажбите на стойностите на тенденцията, както и сезонен компонент opredelyayutvelichiny регулира така, че сумата им е нула.
3.Rasschityvayutsya модел грешка като разликата между действителните стойности и примерни стойности.
Прилагане на алгоритъма, разгледаме следния пример.
Фактически разходи
Намери средна квадрат модел за грешка (Е) по формулата:
когато:
дебит T-тенденция;
S - сезонен компонент;
O - отклонение модел на действителните стойности
Големината на крайната грешка показва, че конструиран модел е добро приближение на актуалните данни, т.е. то напълно отразяват икономическите тенденции, които определят размера на разходите, и е предпоставка за изграждане на висококачествени прогнози.
2. Модел с мултипликативна компонент.
Някои време серия стойност сезонен компонент не е постоянна, но известна част -fondovogo стойности, т.е. сезонна стойност компонент се увеличава с увеличаване на тенденциите ценности. Да вземем например графиката на следните данни за разходите на ПЗ-макс. Обемът на продажбите на този продукт по същия начин, както в предишния най-малко предмет на сезонни колебания, и неговите ценности в различни блокове са различни. Въпреки това, обхватът на вариация на действителната стойност спрямо линията на тенденцията непрекъснато се увеличава. Тази ситуация може да бъде представена от един модел с мултипликативен компонент
1.3.1. Изчисляването на сезонния компонент
Сезонните компоненти изчисляване разлика за мултипликативна модел от модела на добавката се състои само в тази колона 6 vpisy vayutsya сезонност фактори (аналогови оценки сезонни компоненти в модела на добавка)
Сезонните фактори са делът на тенденцията, в която се приема, че сумата им трябва да е равен на броя на сезона на годината, т.е. 4, вместо на нула, както в модела на добавка.
Общо за 4-то тримесечие
Може да се предположи, че стойността на втория прогнозната грешка ще бъде малко по-ниска, отколкото на първия.
3. Прогнозата на пълзяща средна метода и експоненциалното изглаждане.
За прогнозиране на стойностите от серията време може да се използва прост метод.
При изчисляване на пълзяща средна Yt NP C (m) M всички стойности на Y за параметър М времеви моменти се записват със същия тегловен коефициент 1 / m, което не винаги е оправдано. За да се предскаже техническите - икономически тенденции момента, в който се наблюдава стойността на параметъра Y е от решаващо значение. Естествено е да се предположи, че свръх-зависимостта във времето серия постепенно намалява с увеличаване на периодичност га между две съседни точки. По този начин, ако зависимостта прогнозира параметри YT изглеждат по-силни от стойността Yt-1. отколкото от Yt-S
Наблюдения на времевия ред да бъдат дадени на тегло, която следва намаляване на разстоянието, а от време на определен период от време T. Това обстоятелство се вземат предвид при метода на експоненциалното изглаждане. По този начин, когато се изчислява .ko експоненциална средна използва предишния само експоненциална пълзяща средна и последното наблюдение, както и всички предишни наблюдения се игнорират.
Например, да предположим, че трябва да се направи прогноза за t- = 8, но следните данни, присъстваща време серия: 1) метод за преместване средно m = 3, m = 4, $ 2) метод за експоненциално изглаждане на = 0.2; 0.6.
Броят на членовете движат средно m и експоненциален параметър изглаждане (определено от статистиката на изследвано процес. По-малкият м и повече, по-силни peagiruet ppognoz колебания временно втори ред, и обратно, по-М и по-малко от инерцията е предсказване процес. за селекция на оптимално време предсказване параметър изглаждане е необходимо да се провежда серия от няколко различни стойности на мощността на параметрите на m и след инжектиране дефинирана средна грешка предсказване и изберете параметъра, съответстваща m inimum грешка.
Резюмета супер-шикозен! Починете си, студент се забавляваме: проф на изпита: Тук по-рано, като млад човек, аз lyutovali - студенти попълват само това, но сега на възраст, улегнали. Вземете рекорд книгата, дошъл да се явят повторно. Между другото, анекдот е взета от chatanekdotov.ru
Свързани статии