- •1.Корреляционный анализ спроса.
- •Определение среднего значения спроса для каждой номенклатуры:
- •Сведем вычисления в матрицу:
- •3.2 Определим методом наименьших квадратов уравнения прямой зависимости для номенклатуры с сильной обратной зависимостью km:
- •3.3. Определим методом наименьших квадратов уравнения прямой зависимости для номенклатуры с обратной зависимостью kl:
- •4.Прогнозирование спроса.
- •4.1 Метод подвижного (скользящего) среднего.
- •4.2 Метод взвешенного подвижного (скользящего) среднего.
- •4.3 Метод экспоненциального сглаживания.
- •4.4 Метод проецирования тренда.
- •5.2 Определим и для трех различных параметров закона распределения скорости изнашивания: (0,5; 0,5); (0,75; 0,75); (1,25; 1,25). Результаты сведем в таблицу.
- •5.3 Определим для различных p. Результаты занесем в таблицу.
4.3 Метод экспоненциального сглаживания.
Рассчитать прогнозируемые значения спроса на момент времени при значениях α=0,5, α=0,3и α=0,2, заполнить таблицу 14.
Расчет производится по формуле :
Таблица 14
α=0,5 |
α=0,3 |
α=0,2 |
||||||
1 |
11 |
|||||||
2 |
10 |
|||||||
3 |
11 |
10.5 |
0,25 |
10,7 |
0,09 |
10,8 |
0,04 |
|
4 |
11 |
10,75 |
0,0625 |
0,0441 |
0,0225 |
|||
5 |
11 |
10,875 |
0,0156 |
10,85 |
0,0225 |
10,87 |
0,017 |
|
6 |
12 |
10,94 |
1,124 |
10,9 |
1,21 |
10,9 |
1,21 |
|
7 |
11 |
11,47 |
0,22 |
11,23 |
0,0529 |
11,12 |
0,0144 |
|
8 |
12 |
11,235 |
0,59 |
11,16 |
0,706 |
11,1 |
0,81 |
|
9 |
12 |
1162 |
0,144 |
11,41 |
0,35 |
11,28 |
0,52 |
|
10 |
11 |
11,81 |
0,66 |
11,59 |
0,35 |
11,424 |
0,18 |
|
11 |
13 |
11,41 |
2,53 |
11,41 |
2,53 |
11,34 |
2,76 |
|
12 |
13 |
12,21 |
0,62 |
11,89 |
1,23 |
11,67 |
2,66 |
|
13 |
12 |
12,61 |
0,37 |
12,22 |
0,048 |
11,94 |
0,004 |
|
14 |
13 |
12,31 |
0,69 |
12,15 |
0,7225 |
11,95 |
1,103 |
|
15 |
12 |
12,66 |
0,44 |
12,41 |
0,17 |
12,16 |
0,026 |
|
16 |
9 |
12,33 |
11,1 |
12,29 |
10,8 |
12,13 |
9,8 |
|
17 |
9 |
10,67 |
2,79 |
11,3 |
5,29 |
11,5 |
6,25 |
|
18 |
8 |
9,835 |
3,37 |
10,61 |
6,81 |
11 |
9 |
|
19 |
10 |
8,92 |
1,17 |
9,83 |
0,029 |
10,4 |
0,16 |
|
20 |
12 |
9,46 |
6,45 |
9,88 |
4,49 |
10,32 |
2,82 |
|
21 |
16 |
10,73 |
27,77 |
10,52 |
30 |
10,66 |
28,52 |
|
22 |
17 |
13,37 |
13,18 |
12,16 |
23,43 |
11,73 |
27,77 |
|
23 |
15 |
15,19 |
0,0361 |
13,61 |
1,93 |
12,78 |
4,93 |
|
24 |
13 |
15,1 |
4,41 |
14,03 |
1,06 |
13,22 |
0,05 |
|
25 |
12 |
14,05 |
4,2 |
13,72 |
2,96 |
13,18 |
1,4 |
|
26 |
13 |
13,03 |
0,001 |
13,204 |
0,042 |
12,9 |
0,01 |
|
27 |
13 |
13,02 |
0,0004 |
13,14 |
0,02 |
12,92 |
0,006 |
|
28 |
11 |
13,01 |
4,04 |
13,1 |
4,41 |
12,94 |
3,76 |
|
29 |
10 |
12 |
4 |
12,47 |
6,1 |
12,55 |
6,5 |
|
30 |
10 |
11 |
1 |
11,73 |
3 |
12,04 |
4,16 |
|
1 |
10,5 |
11,21 |
11,63 |
Рассчитаем среднюю квадратичную погрешность δ для каждого α:
При α=0,5
При α=0,3
При α=0,2
Чем больше параметр сглаживания, тем прогнозируемые значения спроса ближе к реальным значением. Из этого следует, что наилучшим значением будет α=0,5, так же это подтверждает квадратичная погрешность, ее значение получилось наименьшим.