Logistyka Ćwiczenie 1.

Slides:



Advertisements
Podobne prezentacje
Modele szeregów czasowych z tendencją rozwojową
Advertisements

KORELACJA I REGRESJA WIELOWYMIAROWA
Ocena dokładności i trafności prognoz
SYMULACYJNA ANALIZA SZEREGU CZASOWEGO
Analiza współzależności zjawisk
dr Małgorzata Radziukiewicz
Treść wykładu Wstęp Przewidywanie - prognoza Klasyfikacja prognoz
BUDOWA MODELU EKONOMETRYCZNEGO
Wskaźniki analizy technicznej
Analiza szeregów czasowych
dr Małgorzata Radziukiewicz
Jak mierzyć zróżnicowanie zjawiska? Wykład 4. Miary jednej cechy Miary poziomu Miary dyspersji (zmienności, zróżnicowania, rozproszenia) Miary asymetrii.
Analiza współzależności
Krzysztof Jurek Statystyka Spotkanie 4. Miary zmienności m ó wią na ile wyniki są rozproszone na konkretne jednostki, pokazują na ile wyniki odbiegają
Symulacja zysku Sprzedaż pocztówek.
Statystyczne parametry akcji
Ekonometria prognozowanie.
Metody ekonometryczne
Zagadnienie niedokładności w GIS
Podstawowe pojęcia prognozowania i symulacji na podstawie modeli ekonometrycznych Przewidywaniem nazywać będziemy wnioskowanie o zdarzeniach nieznanych.
Dzisiaj na wykładzie Regresja wieloraka – podstawy i założenia
Niepewności przypadkowe
Prognozowanie na podstawie sezonowych szeregów czasowych
Prognozowanie na podstawie modelu ekonometrycznego
Prognozowanie na podstawie szeregów czasowych
Analiza szeregów czasowych
Prognozowanie na podstawie szeregów czasowych
Wprowadzenie do statystycznej analizy danych (SPSS)
Prognozowanie i symulacje (semestr zimowy)
Dopasowanie modelu autoregresji i predykcja stanów wody w Odrze (posterunek wodowskazowy Trestno) Tomasz Niedzielski.
Średnie i miary zmienności
Korelacja, autokorelacja, kowariancja, trendy
czyli jak analizować zmienność zjawiska w czasie?
Konstrukcja, estymacja parametrów
i jak odczytywać prognozę?
Jak mierzyć i od czego zależy?
Ekonometria. Co wynika z podejścia stochastycznego?
Zadanka (wybór) bez kalkulatora i arkusza kalkulacyjnego dr Dariusz Chojecki, Instytut Historii i Stosunków Międzynarodowych US.
Irena Woroniecka EKONOMIA MENEDŻERSKA - dodatek do W2
Analiza szeregów czasowych
Badania Operacyjne i Ekonometria. Literatura podstawowa 1.M.Anholcer, H.Gaspars, A.Owczrkowski Przykłady i zadania z badań operacyjnych i ekonometrii.
1 Kilka wybranych uzupełnień do zagadnień regresji Janusz Górczyński.
Prognozowanie i symulacje
Kilka wybranych uzupelnień
Wahania sezonowe. Metoda wskaźników sezonowości.
Funkcja liniowa ©M.
Krzywa MACD i linia sygnalna
Logistyka Ćwiczenie 3.
Przedmiot: Ekonometria Temat: Szeregi czasowe. Dekompozycja szeregów
Statystyka matematyczna czyli rozmowa o znaczeniu liczb Jan Bołtuć Piotr Pastusiak Wykorzystano materiały z:
Regresja liniowa Dany jest układ punktów
Dynamika zjawisk. Tendencja rozwojowa dr hab. Mieczysław Kowerski
Dr Ewelina Sokołowska, UG prof. dr hab. Jerzy Witold Wiśniewski, UMK
Statystyczne parametry akcji Średnie Miary rozproszenia Miary współzależności.
METODY PROGNOZOWANIA SPRZEDAŻY W PRZEDSIĘBIORSTWIE Opole 2006 Politechnika Opolska Instytut Inżynierii Produkcji Dr inż. Łukasz MACH.
Statystyczna analiza danych
Model trendu liniowego
Prognozowanie wahań sezonowych Metoda wskaźników sezonowości.
Logistyka – Ćwiczenia nr 6
STATYSTYKA – kurs podstawowy wykład 13 dr Dorota Węziak-Białowolska Instytut Statystyki i Demografii.
Treść dzisiejszego wykładu l Szeregi stacjonarne, l Zintegrowanie szeregu, l Kointegracja szeregów.
Modele nieliniowe sprowadzane do liniowych
STATYSTYKA – kurs podstawowy wykład 11
Jak mierzyć zróżnicowanie zjawiska?
KORELACJA I REGRESJA WIELOWYMIAROWA
Regresja wieloraka – bada wpływ wielu zmiennych objaśniających (niezależnych) na jedną zmienną objaśnianą (zależą)
Analiza szeregów czasowych
Model ekonometryczny z dwiema zmiennymi
Korelacja i regresja liniowa
Zapis prezentacji:

Logistyka Ćwiczenie 1

Co przynieść: Kalkulator Wzory (z prezentacji)

Prognozowanie popytu Temat:

Wprowadzenie PUNKT ROZDZIELAJĄCY Zapotrzebowanie niezależne Zapotrzebowanie zależne Zapotrzebowanie niezależne PUNKT ROZDZIELAJĄCY Można wyliczyć, Zależy od konstrukcji, planu produkcji, planu sprzedaży Można prognozować, wynika z pozycji konkurencyjnej, nastrojów klientów itd..

Metody prognozowania Oparte na tzw. szeregach czasowych, gdzie prognozowany popyt jest wyłącznie funkcją wcześniej zarejestrowanych wartości popytu, Metody prognozowania przyczynowo-skutkowego, będące równaniami regresji pojedynczej lub wielokrotnej, w zależności od liczby zmiennych objaśniających

Metody prognozowania Prognozowanie krótkoterminowe szeregów quasi- stacjonarnych (nie wykazujących istotnych zmian trendu): Średnia arytmetyczna, Średnia arytmetyczna ruchoma, Ruchoma średnia arytmetyczna ważona, Proste wygładzanie wykładnicze wg modelu Browna

Metody prognozowania Prognozowanie krótkoterminowe szeregów niestacjonarnych (wykazujących zmiany trendu): wygładzanie wykładnicze wg modelu Holta, Prognozowanie średnio i długoterminowe popytu nie wykazującego zmian sezonowych: prosta regresja liniowa,

Metody prognozowania Prognozowanie popytu o charakterze sezonowym: Prosta metoda współczynników sezonowości, Metoda współczynników sezonowości w oparciu o wygładzanie średnią ruchomą, Metoda Wintera

Prognozowanie

Prognozy: przykład Pr SA PrRA (3) PrRW (3:1,2,3) PrB (0.1) PrB (0.5) 100 - 110 105 101 105,8 101,4 115 106,25 108,33 102,26 107,5 108 111,67 103,53 110,25

Wzory: błędy prognoz

Błędy prognoz Średni błąd prognozy, pokazuje wielkość odchyleń, bilansując dodatnie i ujemne

Błędy prognoz Względny błąd prognozy, odnosi wielkość błędu do wielkości popytu

Błędy prognoz Standardowy błąd prognozy, obrazuje odchylenie od średniej prognozy

Błędy prognoz j Pj Psa Pra Prw a=0.1 a=0.2 a=0.3 a=0.5 a=0.75 a=1 51 51 0,0 51,0 1 39 2 46 45,0 49,8 48,6 47,4 42,0 39,0 3 56 45,3 49,4 48,1 47,0 45,5 46,0 4 49 48,0 50,1 49,7 50,8 53,3 56,0 5 54 48,2 49,1 50,0 49,5 49,9 49,0 6 42 49,2 48,8 50,4 51,9 53,0 54,0 7 48,7 44,8 8 44 48,3 50 48,4 47,9 9 47,8 47,6 46,6 48,9 47,1 44,0 10 47,2 46,2 44,7 46,7 45,6 42,7

Błędy prognoz Która z metod prognozowania w danych warunkach jest najlepsza?   e d y s Psa 2,276 6,671 0,135 7,127 Pra 4,073 9,427 0,195 14,285 Prw 4,019 9,528 0,197 14,330 Pb(0.1) 0,004 5,598 0,116 6,954 Pb(0.2) -0,050 5,657 0,118 7,033 Pb(0.3) -0,056 5,713 0,119 7,156 Pb(0.5) -0,047 6,011 0,125 7,473 Pb(0.75) -0,035 6,339 0,131 8,016 Pb(1.0) -0,017 7,050 0,146 8,842

Zadania Dla powyższych danych wyznacz: Prognozę średnią arytmetyczną, 43 49 47 38 40 45 42 Z2) 515 507 487 523 511 499 535 529 Z3) 8 12 9 10 13 11 Dla powyższych danych wyznacz: Prognozę średnią arytmetyczną, Prognozę średnią ruchomą dla k=5, Prognozę średnią ruchomą ważoną dla k=5, w1=1, w2=2, w3=3, w4=4, w5=5 Prognozę wg modelu Browna dla α=0,5 Zbadaj jakość prognozy (standardowy błąd prognozy)