- •18. Метод xyz.
- •17. Метод авс.
- •33. Метод дерево решений (есть проблема - да/нет, если да, то - решается/не решается; вообще ты должен помнить, как гендальф решает свои проблемы).
- •11. Метод экстраполяции тренда.
- •13. Прогноз по данным временного ряда с учетом сезонной компоненты.
- •23. Числовые характеристики сетевой модели.
- •14. Методы и модели принятия решений в логистике: понятие, сущность, виды.
- •8. Методы прогнозирования в исследованиях логистики.
- •22. Методы сетевого планирования: понятие, виды, элементы модели (та хрень с работами, где стрелочки с кружочками).
- •19. Общий алгоритм выбора логистического посредника.
- •Методы прогнозирования
- •Статистические методы прогнозирования
- •Уравнение прямой.
- •Уравнение параболы
- •Уравнение гиперболы
- •Методы и модели принятия управленческих решений в логистике
- •5. Основная модель оптимального размера заказа.
- •31. Применение комбинаторики в логистике.
- •13. Прогноз по данным временного ряда с учетом сезонной компоненты.
- •10. Простые методы сглаживания.
- •9. Статистические методы прогнозирования. Статистические методы прогнозирования
- •23. Числовые характеристики сетевой модели.
- •Экономико-математические методы и модели: понятие, виды и сущность.
- •29. Экспертные методы в логистике.
- •12. Экспоненциальное сглаживание с учетом тренда.
12. Экспоненциальное сглаживание с учетом тренда.
Методом экспоненциального сглаживания с учетом тренда называется двухпараметрическим методом экспоненциального сглаживания или методом Хольта. Метод Хольта состоит из 3-х уравнений:
Сглаживание данных – at=αyt+(1-α)(at-1+bt-1)
Сглаживание тренда – bt=β(at-at-1)+(1-β)bt-1
Прогноз на период t+k – yt+k1=at+btk , at – сглаженное значение прогнозируемого показателя для периода t, bt – оценка прироста тренда, показывающая возможное возрастание или убывание значений за 1 период, k – количество периодов времени, на которые производится прогноз
Параметры сглаживания α и β выбираются субъективно или путем минимизации ошибки прогноза. Для минимизации ошибки прогноза нужно задать матицу значений α и β. То есть α=0,1,0,2 и т.д. до 0,9 и так же с β и выбрать ту комбинацию, которая даст наименьшую ошибку прогнозной модели. Для получения прогноза нужно определить начальные условия:
Начальные условия для сглаживания данных можно задать равными первому наблюдению, при этом начальные условия для тренда = 0
Начальное условие для сглаживания данных можно определить как среднее для первых 5 или 6 наблюдений, тогда начальное условие для трендов оценивается наклоном линии, образованной этими точками