Определение прогноза. Значение прогноза. Общие элементы прогнозов. Шаги процесса прогнозирования.

Прогноз – утверждение о будущем.

Значение прогноза - предсказание, суждение о дальнейшем течении, развитии чего-либо на основании имеющихся данных.

• Прогнозы служат основанием для планирования;

• Дают возможность менеджерам предвидеть будущее для планирования системы и планировать использования этой системы;

• Прогнозирование шире чем предсказание спроса;

• Это - не точная наука; нужно смешать опыт, рассуждение, и техническую экспертизу.

Все прогнозы имеют общие элементы:

• Предположение, что прошлое продолжается в будущем;

• Ошибки случаются из-за действительных отличий от предсказанного; присутствие случайности;

• Прогнозы группы элементов (совокупность) имеют тенденцию быть более точными, чем прогнозы индивидуальных элементов (т.е., ведомственный против целого госпиталя);

• Точность прогноза уменьшается при увеличении временного горизонта (период времени, охваченный прогнозом).

Шаги процесса прогнозирования:

1. Определить цель прогноза;

2. Установить временной горизонт;

3. Выбрать технику прогнозирования;

4. Собрать и проанализировать соответствующие данные, включая предположения;

5. Подготовить прогноз;

6. Контролировать прогнозы на точность

13

Понятие временного ряда. Анализ временного ряда. Элементы временного ряда. Подходы к анализу временных рядов данных.

Ответ: Временной ряд – упорядоченная временем последовательность наблюдений взятых равномерно в течении времени;

Анализ временных рядов данных состоит в определении элементов из которых состоит ряд.

Элементы временного ряда:

• Тренд – относится к постепенному, долгосрочному движению данных;

• Сезонность – относится к краткосрочным, довольно правильным изменениям, обычно связанными с такими факторами как погода, отпуска и каникулы;

• Циклы – волновые изменения более чем одной годовой продолжительности;

• Нерегулярные изменения из-за необычных обстоятельств, таких как забастовки;

• Случайные изменения – остаточные изменения, которые остаются после всех других рассмотренных поведений.

Сезонные изменения Краткосрочный, справедливы регулярные изменения связанные

с погодными факторами или выходными, каникулами, и т.д.

Циклические изменения

Волновые изменения с продолжительностью больше чем один год; часто связанные с экономическими или политическими факторами, или даже сельскохозяйственными условиями

Случайные/трендовые изменения

Из-за необычных обстоятельств таких как суровая погода, забастовки, или главная перемена в обслуживании/производстве. Если это возможно, должна быть определена и отделена от данных

Тренд Постепенное, долгосрочное движение; вызванное переменами в населении, доходах, культуре.

Подходы к анализу временных рядов данных

• Методы усреднения:

  • Наивные прогнозы;

  • Скользящее среднее;

  • Экспоненциальное сглаживание;

• Методы для тренда:

  • Линейное уравнение использующее регрессию (y_t = a + bt);

  • Тренд выровненный экспоненциальным сглаживанием;

• Методы для сезонности:

  • Сезонные изменения;

  • Центральные скользящие средние;

• Методы для циклов.

15

Методы усреднения временных рядов: наивные прогнозы, скользящее среднее (стратегия выбора числа периодов в скользящем среднем), взвешенное среднее, простое экспоненциальное сглаживание (стратегия выбора константы в простом экспоненциальном сглаживании). Условие применения методов усреднения.

Методика усреднения

Сгладьте колебания во временных рядах потому что локальные максимумы и минимумы компенсируют друг - друга

Так, будут ли прогнозы основанные на средних показывать большую или меньшую изменчивость?

Наивные прогнозы

• Наивный прогноз для любого периода равен фактическому значению предыдущего периода;

• Низкая цена, легко готовить, легко понимать, но менее точен других прогнозов;

• Могут применяться для сезонных или трендовых данных;

Примеры:

Если на прошлой неделе спрос составил 50 единиц, наивный

прогноз для текущей недели будет 50 единиц.

Если существует сезонная структура, то наивный прогноз для

следyющего января будет равен фактическому спросу для

января этого года.

Скользящее среднее

П рогноз использует множество самых современных фактических значений данных в производстве прогноза;

где, i = “Возраст” данных (i=1,2,3. . .)

n = число периодов в скольжении среднего

Ai = фактическое значение возраста i

Чем больше число периодов в скользящем среднем, тем больше прогноз будет запаздывать с переменами в данных

Простой для вычисления и понимания, но требования памяти данных могут быть высокими и все значения взвешаны одинаково (т.е., в десятилетнем скользящем среднем, каждое значение имеет вес 1/10, в сумме Взвешанное среднее значение

Назначает больший вес недавним значениям;

В сумме все веса равны 1;

Простое экпоненциальное сглаживание

• Каждый новый прогноз основывается на предыдущем прогнозе плюс процент разницы между предыдущим прогнозом и фактическим значением показателя

• Новый прогноз = Старый прогноз+ α (Фактические данные – старый прогноз), где α это процент или сглаживающая константа

• F_t = F_t-1 + α(A_t-1 - F_t-1),

где, F_t = Прогноз для периода t

F_t-1 = Прогноз для периода t-1

α = Сглаживающая постоянная/ константа

A_t-1 = Фактический спрос или продажи в период t-1

Ассоциативные прогнозы

• Регрессия методом наименьших квадратов-- минимизирует сумму квадратов отклонений

Линия наименьших квадратов:

y = a + bx, y = расчетная (зависимая) переменная

x = предсказатель (независимая) переменная

b = угол наклона линии

a = значение y когда x = 0

33