Métodos de Previsão Estatística Análise de Regressão Múltipla: Usada quando dois ou mais fatores independentes estão envolvidos - amplamente utilizados para previsão de termo intermediário. Usado para avaliar quais fatores incluir e qual excluir. Pode ser usado para desenvolver modelos alternativos com diferentes fatores. Regressão não linear: não assume uma relação linear entre variáveis - freqüentemente usado quando o tempo é a variável independente. Análise da tendência: usa regressão linear e não linear com o tempo como variável explicativa - utilizada onde padrão ao longo do tempo. Análise de decomposição: usado para identificar vários padrões que aparecem simultaneamente em uma série de tempo que consome tempo cada vez que é usado - também usado para dessazonalizar uma série Análise de média móvel: Médias móveis simples - prevê valores futuros com base em uma média ponderada de valores passados - Fácil de atualizar. Médias móveis ponderadas: muito poderosas e econômicas. Eles são amplamente utilizados onde as previsões repetidas requerem - usa métodos como a soma dos dígitos e os métodos de ajuste da tendência. Filtração Adaptativa. Um tipo de média móvel que inclui um método de aprendizagem de erros passados - pode responder a mudanças na importância relativa de fatores de tendência, sazonal e aleatória. Suavização exponencial: uma forma média móvel de previsão de séries temporais - eficiente para usar com padrões sazonais - fácil de ajustar para erros passados - fácil de preparar previsões de seguimento - ideal para situações em que muitas previsões devem ser preparadas - várias formas diferentes são usadas dependendo Na presença de tendências ou variações cíclicas. Filtro Hodrick-Prescott: trata-se de um mecanismo de suavização usado para obter um componente de tendência de longo prazo em uma série temporal. É uma forma de decompor uma determinada série em componentes estacionários e não estacionários de tal forma que a soma dos quadrados da série do componente não estacionário é mínima com uma penalidade nas mudanças nas derivadas do componente não estacionário. Modelagem e Simulação: o modelo descreve a situação através de séries de equações - permite testar o impacto de mudanças em vários fatores - substancialmente mais demorado para construir - geralmente requer programação do usuário ou compra de pacotes como SIMSCRIPT. Pode ser muito poderoso no desenvolvimento e teste de estratégias de outra forma não evidentes. Os modelos de certidão dão apenas as planilhas de resultado avançadas mais prováveis podem ser utilizadas para fazer qua seja a análise de ifqut, muitas vezes realizada, por exemplo, Com planilhas baseadas em computador. Modelos probabilísticos Use técnicas de simulação de Monte Carlo para lidar com a incerteza - fornece uma série de possíveis resultados para cada conjunto de eventos. Erro de previsão: todos os modelos de previsão têm uma estrutura de erro implícita ou explícita, onde o erro é definido como a diferença entre a previsão do modelo eo valor quottruequot. Além disso, muitas metodologias de snooping de dados no campo das estatísticas precisam ser aplicadas aos dados fornecidos a um modelo de previsão. Além disso, a verificação de diagnóstico, conforme definido no campo das estatísticas, é necessária para qualquer modelo que use dados. Usando qualquer método para prever um deve usar uma medida de desempenho para avaliar a qualidade do método. Mean Absolute Deviation (MAD) e Variance são as medidas mais úteis. No entanto, o MAD não se presta a usar mais as inferências, mas sim o erro padrão. Para fins de análise de erro, a variação é preferida, uma vez que variâncias de erros independentes (não correlacionados) são aditivos. MAD não é aditivo. FORECÇÃO DE Fator Sazonal - a porcentagem da demanda trimestral média que ocorre em cada trimestre. A previsão anual para o ano 4 prevê ser de 400 unidades. A previsão média por trimestre é de 4004 100 unidades. Previsão trimestral avg. Previsão do fator sazonal. MÉTODOS DE PREVISÃO CAUSAL métodos de previsão causais são baseados em uma relação conhecida ou percebida entre o fator a ser previsto e outros fatores externos ou internos 1. regressão: a equação matemática relaciona uma variável dependente a uma ou mais variáveis independentes que se acredita que influenciam a variável dependente 2. modelos econométricos: sistema de equações de regressão interdependentes que descrevem alguns setores da atividade econômica 3. modelos de insumo-produto: descreve os fluxos de um setor da economia para outro e, assim, prevê os insumos necessários para produzir resultados em outro setor 4. Modelagem de simulação MEDIANDO ERROS DE PREVISÃO Há dois aspectos dos erros de previsão a serem preocupados - Bias e Bias de Precisão - Uma previsão é tendenciosa se ele se equivoca mais em uma direção do que no outro - O método tende a prever ou prever demais. Precisão - A precisão da previsão refere-se à distância das previsões da demanda real ignorar a direção desse erro. Exemplo: Para seis períodos, as previsões e a demanda real foram rastreadas. A tabela a seguir apresenta demanda real D t e demanda prevista F t por seis períodos: soma cumulativa de erros de previsão (CFE) -20 desvio absoluto médio (MAD) 170 6 28,33 quadrado médio Erro (MSE) 5150 6 858,33 desvio padrão de erros de previsão 5150 6 29,30 erro de porcentagem absoluta média (MAPE) 83,4 6 13,9 O que as informações fornecem uma previsão tem tendência a superestimar o erro médio da demanda por previsão foi de 28,33 unidades, ou 13,9 A distribuição de amostragem real da demanda de erros de previsão tem desvio padrão de 29,3 unidades. CRITÉRIOS PARA SELECIONAR UM MÉTODO DE PREVISÃO Objetivos: 1. Maximizar a Precisão e 2. Minimizar Regras de Potencial de Bias para selecionar um método de previsão de séries temporais. Selecione o método que dá o menor viés, conforme medido pelo erro de previsão acumulado (CFE) ou dá o menor desvio absoluto médio (MAD) ou dá o menor sinal de rastreamento ou aceita crenças de gerenciamento sobre o padrão subjacente de demanda ou outros. Parece óbvio que alguma medida de precisão e polarização deve ser usada em conjunto. Como o que é sobre o número de períodos a serem amostrados se a demanda for inerentemente estável, valores baixos de e valores maiores de N são sugeridos se a demanda for intrinsecamente instável, valores elevados de valores e e menores de N são sugeridos PREVISÃO DE FOCO previsão de quotfocus refere-se Uma abordagem para a previsão que desenvolve previsões por várias técnicas, em seguida, escolhe a previsão que foi produzida pelo quotbestquot dessas técnicas, onde quotbestquot é determinado por alguma medida de erro de previsão. PREVISÃO DE FOCO: EXEMPLO Para os primeiros seis meses do ano, a demanda por um item de varejo foi de 15, 14, 15, 17, 19 e 18 unidades. Um revendedor usa um sistema de previsão de foco com base em duas técnicas de previsão: uma média móvel de dois períodos e um modelo de alívio exponencial ajustado pela tendência com 0,1 e 0,1. Com o modelo exponencial, a previsão para janeiro foi de 15 e a média da tendência no final de dezembro foi 1. O varejista usa o desvio absoluto médio (MAD) nos últimos três meses como critério para escolher qual modelo será usado para prever Para o próximo mês. uma. Qual será a previsão para julho e qual modelo será usado b. Você responderia à parte a. Seja diferente se a demanda de maio tivesse sido de 14 em vez de 19
No comments:
Post a Comment