الانتقال من المتوسط الطلب التنبؤ

متحرك متوسط ​​التنبؤ التنبؤ. كما قد تخمن أننا نبحث في بعض من أكثر الأساليب بدائية للتنبؤ. ولكن نأمل أن تكون هذه مقدمة مفيدة على الأقل لبعض قضايا الحوسبة المتعلقة بتنفيذ التنبؤات في جداول البيانات. في هذا السياق سوف نستمر من خلال البدء في البداية والبدء في العمل مع توقعات المتوسط ​​المتحرك. نقل متوسط ​​التوقعات. الجميع على دراية بتحرك توقعات المتوسط ​​بغض النظر عما إذا كانوا يعتقدون أنهم. جميع طلاب الجامعات القيام بها في كل وقت. فكر في درجاتك االختبارية في الدورة التي ستحصل فيها على أربعة اختبارات خالل الفصل الدراسي. لنفترض أنك حصلت على 85 في الاختبار الأول. ما الذي يمكن أن تتنبأ به لنتيجة الاختبار الثانية ما رأيك بأن معلمك سوف يتنبأ بنتيجة الاختبار التالية ما رأيك في أن أصدقائك قد يتنبأون بنتيجة الاختبار التالية ما رأيك في توقع والديك لنتيجة الاختبار التالية بغض النظر عن كل بلابينغ كنت قد تفعل لأصدقائك وأولياء الأمور، هم ومعلمك من المرجح جدا أن نتوقع منك الحصول على شيء في مجال 85 كنت حصلت للتو. حسنا، الآن دعونا نفترض أنه على الرغم من الترويج الذاتي الخاص بك إلى أصدقائك، وكنت أكثر من تقدير نفسك والشكل يمكنك دراسة أقل للاختبار الثاني وحتى تحصل على 73. الآن ما هي جميع المعنيين وغير مدرك الذهاب إلى توقع أن تحصل على الاختبار الثالث هناك اثنين من المرجح جدا النهج بالنسبة لهم لوضع تقدير بغض النظر عما إذا كانوا سوف تقاسمها معك. قد يقولون لأنفسهم، هذا الرجل هو دائما تهب الدخان حول ذكائه. هيس الذهاب للحصول على آخر 73 إذا هيس محظوظا. ربما كان الوالدان يحاولان أن يكونا أكثر داعما ويقولان: كوتيل، حتى الآن حصلت على 85 و 73، لذلك ربما يجب أن تحصل على حوالي (85 73) 2 79. أنا لا أعرف، ربما لو كنت أقل من الحفلات و ويرنت يهزان في كل مكان في جميع أنحاء المكان، وإذا كنت بدأت تفعل الكثير من الدراسة يمكنك الحصول على أعلى score. quot كل من هذه التقديرات تتحرك في الواقع متوسط ​​التوقعات. الأول يستخدم فقط أحدث درجاتك للتنبؤ بأدائك المستقبلي. وهذا ما يطلق عليه توقعات المتوسط ​​المتحرك باستخدام فترة واحدة من البيانات. والثاني هو أيضا متوسط ​​التوقعات المتحركة ولكن باستخدام فترتين من البيانات. دعونا نفترض أن كل هؤلاء الناس خرق على العقل العظيم لديك نوع من سكران قبالة لكم وتقرر أن تفعل بشكل جيد على الاختبار الثالث لأسباب خاصة بك ووضع درجة أعلى أمام كوتاليسكوت الخاص بك. كنت تأخذ الاختبار ودرجاتك هو في الواقع 89 الجميع، بما في ذلك نفسك، وأعجب. حتى الآن لديك الاختبار النهائي للفصل الدراسي القادمة وكالمعتاد كنت تشعر بالحاجة إلى غواد الجميع في جعل توقعاتهم حول كيف ستفعل على الاختبار الأخير. حسنا، نأمل أن ترى هذا النمط. الآن، ونأمل أن تتمكن من رؤية هذا النمط. ما الذي تعتقده هو صافرة الأكثر دقة بينما نعمل. الآن نعود إلى شركة التنظيف الجديدة التي بدأتها شقيقة نصف استدارة دعا صافرة بينما نعمل. لديك بعض بيانات المبيعات السابقة التي يمثلها القسم التالي من جدول بيانات. نعرض البيانات لأول مرة لتوقعات المتوسط ​​المتحرك لمدة ثلاث سنوات. يجب أن يكون إدخال الخلية C6 الآن يمكنك نسخ صيغة الخلية هذه إلى الخلايا الأخرى من C7 إلى C11. لاحظ كيف يتحرك المتوسط ​​على أحدث البيانات التاريخية ولكنه يستخدم بالضبط ثلاث فترات أحدث متاحة لكل تنبؤ. يجب أن تلاحظ أيضا أننا لسنا بحاجة حقا لجعل التنبؤات للفترات الماضية من أجل تطوير أحدث توقعاتنا. وهذا يختلف بالتأكيد عن نموذج التجانس الأسي. وشملت إيف التنبؤات كوتاباستكوت لأننا سوف استخدامها في صفحة الويب التالية لقياس صحة التنبؤ. الآن أريد أن أعرض النتائج المماثلة لمتوسطين توقعات المتوسط ​​المتحرك. يجب أن يكون إدخال الخلية C5 الآن يمكنك نسخ صيغة الخلية هذه إلى الخلايا الأخرى من C6 إلى C11. لاحظ كيف الآن فقط اثنين من أحدث القطع من البيانات التاريخية تستخدم لكل التنبؤ. مرة أخرى لقد قمت بتضمين التنبؤات اقتباسا لأغراض التوضيح واستخدامها لاحقا في التحقق من صحة التوقعات. بعض الأمور الأخرى التي من الأهمية أن تلاحظ. وبالنسبة للمتوسط ​​المتحرك للمتوسط ​​m، لا يتوقع إلا أن تستخدم معظم قيم المعطيات الأخيرة لجعل التنبؤ. لا شيء آخر ضروري. وبالنسبة للتنبؤ المتوسط ​​المتحرك للمتوسط ​​m، عند التنبؤ بالتنبؤات، لاحظ أن التنبؤ الأول يحدث في الفترة m 1. وستكون هاتان المسألتان مهمتين جدا عند تطوير الشفرة. تطوير المتوسط ​​المتحرك المتحرك. الآن نحن بحاجة إلى تطوير رمز لتوقعات المتوسط ​​المتحرك التي يمكن استخدامها أكثر مرونة. تتبع التعليمات البرمجية. لاحظ أن المدخلات هي لعدد الفترات التي تريد استخدامها في التوقعات ومصفوفة القيم التاريخية. يمكنك تخزينه في أي المصنف الذي تريده. وظيفة موفينغافيراج (تاريخي، نومبروفريودس) كما واحد إعلان وتهيئة المتغيرات ديم البند كما متغير عداد خافت كما عدد صحيح تراكم خافت كما أحادي ديم تاريخي الحجم كما عدد صحيح تهيئة المتغيرات عداد 1 تراكم 0 تحديد حجم الصفيف التاريخي تاريخ سيز التاريخية. الكونت كونتر 1 إلى نومبروفريودس تجميع العدد المناسب من أحدث القيم التي تمت ملاحظتها سابقا تراكم تراكم تاريخي (تاريخي - عدد نومبريوفريودس عداد) موفينغافيراج تراكوم نومبروفريودس سيتم شرح التعليمات البرمجية في الصف. تريد وضع الوظيفة على جدول البيانات بحيث تظهر نتيجة الحساب حيث ترغب في ما يلي. في الممارسة العملية المتوسط ​​المتحرك سيوفر تقديرا جيدا لمتوسط ​​التسلسل الزمني إذا كان المتوسط ​​ثابت أو ببطء يتغير. وفي حالة المتوسط ​​الثابت، فإن أكبر قيمة m تعطي أفضل التقديرات للمتوسط ​​الأساسي. وستؤدي فترة المراقبة الأطول إلى الحد من آثار التباين. والغرض من توفير m أصغر هو السماح للتنبؤ بالاستجابة للتغيير في العملية الأساسية. ولتوضيح ذلك، نقترح مجموعة بيانات تتضمن التغييرات في الوسط الأساسي للمسلسلات الزمنية. ويبين الشكل السلاسل الزمنية المستخدمة للتوضيح مع متوسط ​​الطلب الذي نشأت منه السلسلة. يبدأ المتوسط ​​ك ثابت عند 10. يبدأ في الوقت 21، يزداد بوحدة واحدة في كل فترة حتى يصل إلى القيمة 20 في وقت 30. ثم يصبح ثابتة مرة أخرى. وتتم محاكاة البيانات بإضافة متوسط ​​الضوضاء العشوائية من التوزيع العادي مع متوسط ​​الصفر والانحراف المعياري 3. وتقريب نتائج المحاكاة إلى أقرب عدد صحيح. ويبين الجدول الملاحظات المحاكاة المستخدمة في المثال. عندما نستخدم الجدول، يجب أن نتذكر أنه في أي وقت من الأوقات، إلا أن البيانات السابقة معروفة. وتظهر تقديرات معلمة النموذج، بالنسبة إلى ثلاث قيم مختلفة من m، مع متوسط ​​السلاسل الزمنية في الشكل أدناه. ويبين الشكل متوسط ​​المتوسط ​​المتحرك للمتوسط ​​في كل مرة وليس التنبؤ. ومن شأن التنبؤات أن تحول منحنيات المتوسط ​​المتحرك إلى اليمين حسب الفترات. وهناك استنتاج واحد واضح على الفور من هذا الرقم. وبالنسبة للتقديرات الثلاثة جميعها، فإن المتوسط ​​المتحرك يتخلف عن الاتجاه الخطي، مع زيادة الفارق الزمني مع m. والفارق الزمني هو المسافة بين النموذج والتقدير في البعد الزمني. وبسبب الفارق الزمني، فإن المتوسط ​​المتحرك يقلل من الملاحظات نظرا لأن المتوسط ​​يتزايد. انحياز المقدر هو الفرق في وقت محدد في متوسط ​​قيمة النموذج والقيمة المتوسطة التي يتنبأ بها المتوسط ​​المتحرك. التحيز عندما يكون المتوسط ​​يزداد سلبيا. أما بالنسبة للمتوسط ​​المتناقص، فإن التحيز إيجابي. التأخر في الوقت والتحيز التي أدخلت في التقدير هي وظائف م. وكلما زادت قيمة m. وكلما كبر حجم التأخر والتحيز. لسلسلة متزايدة باستمرار مع الاتجاه أ. فإن قيم التأخر والتحيز لمقدر المتوسط ​​تعطى في المعادلات أدناه. لا تتطابق منحنيات المثال مع هذه المعادلات لأن نموذج المثال لا يزداد بشكل مستمر، بل يبدأ كتغيير ثابت للاتجاه ثم يصبح ثابتا مرة أخرى. كما تتأثر منحنيات المثال بالضوضاء. ويتمثل متوسط ​​المتوسط ​​المتحرك للتوقعات في المستقبل في تحويل المنحنيات إلى اليمين. ويزيد التأخر والتحيز تناسبيا. وتشير المعادلات أدناه إلى الفارق الزمني والتحيز لفترات التنبؤ في المستقبل عند مقارنتها بمعلمات النموذج. مرة أخرى، هذه الصيغ هي لسلسلة زمنية مع الاتجاه الخطي المستمر. ولا ينبغي لنا أن نفاجأ بهذه النتيجة. ويستند متوسط ​​التقدير المتحرك إلى افتراض متوسط ​​ثابت، والمثال له اتجاه خطي في المتوسط ​​خلال جزء من فترة الدراسة. وبما أن سلسلة الوقت الحقيقي نادرا ما تتوافق تماما مع افتراضات أي نموذج، يجب أن نكون مستعدين لمثل هذه النتائج. ويمكننا أيضا أن نخلص من الشكل إلى أن تباين الضوضاء له أكبر تأثير على m أصغر. ويكون التقدير أكثر تقلبا بكثير بالنسبة للمتوسط ​​المتحرك البالغ 5 من المتوسط ​​المتحرك البالغ 20. ولدينا رغبة متضاربة في زيادة m لتقليل تأثير التباين الناجم عن الضوضاء وتقليل m لجعل التنبؤ أكثر استجابة للتغيرات في الحقيقة. والخطأ هو الفرق بين البيانات الفعلية والقيمة المتوقعة. وإذا كانت السلسلة الزمنية حقا قيمة ثابتة، فإن القيمة المتوقعة للخطأ هي صفر، ويتألف تباين الخطأ من عبارة دالة وعبارة ثانية هي تباين الضوضاء. المصطلح الأول هو التباين في المتوسط ​​المقدر مع عينة من الملاحظات m، على افتراض أن البيانات تأتي من مجتمع ذو متوسط ​​ثابت. يتم تقليل هذا المصطلح من خلال جعل m كبيرة قدر الإمكان. A م كبير يجعل التوقعات لا تستجيب لتغيير في السلسلة الزمنية الأساسية. لجعل التنبؤات تستجيب للتغييرات، نريد m صغيرة قدر الإمكان (1)، ولكن هذا يزيد من التباين الخطأ. ويتطلب التنبؤ العملي قيمة وسيطة. التنبؤ مع إكسيل تقوم الوظيفة الإضافية للتنبؤ بتطبيق صيغ المتوسط ​​المتحرك. ويبين المثال الوارد أدناه التحليل الذي توفره الوظيفة الإضافية لعينة البيانات في العمود باء. ويتم فهرسة الملاحظات العشرة الأولى من 9 إلى 0. وبالمقارنة بالجدول أعلاه، يتم تغيير مؤشرات الفترة بمقدار -10. وتوفر الملاحظات العشرة الأولى قيم بدء التشغيل للتقدير وتستخدم لحساب المتوسط ​​المتحرك للفترة 0. ويبين العمود (10) (C) المتوسطات المتحركة المحسوبة. وتكون معلمة المتوسط ​​المتحرك m في الخلية C3. ويبين العمود (1) (D) توقعات لفترة واحدة في المستقبل. الفترة الزمنية المتوقعة في الخلية D3. عندما يتم تغيير الفاصل الزمني المتوقع إلى عدد أكبر يتم تحويل الأرقام في العمود فور إلى أسفل. ويبين العمود إر (1) (E) الفرق بين الملاحظة والتنبؤ. على سبيل المثال، الملاحظة في الوقت 1 هي 6. القيمة المتوقعة من المتوسط ​​المتحرك في الوقت 0 هي 11.1. الخطأ ثم -5.1. ويحسب الانحراف المعياري ومتوسط ​​الانحراف المتوسط ​​في الخلايين E6 و E7 على التوالي. تقنيات التنبؤ بالدم: التحرك المتوسط ​​التماسك الأسي سيناقش هذا الدرس التنبؤ بالطلب مع التركيز على مبيعات السلع والخدمات المعمول بها. وسوف يعرض التقنيات الكمية للمتوسط ​​المتحرك والتجانس الأسي للمساعدة في تحديد الطلب على المبيعات. ما هو الطلب على الطلب مرة أخرى، في موسم العطلات. الأطفال على استعداد لزيارة من سانتا، ويتم التأكيد على الآباء من خلال التسوق والمالية. وتقوم الشركات بوضع اللمسات الأخيرة على عملياتها في السنة التقويمية والتحضير للانتقال إلى ما هو مستقبلي. تقوم شركة أبك بتصنيع أسلاك الهاتف. فترات حساباتها وعملياتها تشغيل على السنة التقويمية، وبالتالي فإن نهاية العام يسمح لهم لختام العمليات قبل عطلة عطلة وخطة لبداية العام الجديد. حان الوقت للمديرين لإعداد وتقديم خططها التشغيلية الإدارات للإدارة العليا حتى يتمكنوا من وضع خطة عمليات تنظيمية للعام الجديد. يتم التأكيد على قسم المبيعات من عقولهم. وانخفض الطلب على الأسلاك الهاتفية في عام 2015، وتشير البيانات الاقتصادية العامة إلى استمرار الانخفاض في مشاريع البناء التي تتطلب أسلاك الهاتف. بوب، مدير المبيعات، يعرف أن الإدارة العليا، ومجلس الإدارة وأصحاب المصلحة يأملون في توقعات مبيعات متفائلة، لكنه يشعر الجليد من الركود الصناعة تزحف وراء له لمعالجة له. التنبؤ بالطلب هو طريقة إسقاط طلب العملاء على السلعة أو الخدمة. هذه العملية هي عملية مستمرة حيث يستخدم المديرون البيانات التاريخية لحساب ما يتوقعون أن يكون طلب المبيعات على السلعة أو الخدمة. يستخدم بوب المعلومات من الماضي الشركة ويضيف إلى البيانات الاقتصادية من السوق لمعرفة ما إذا كانت المبيعات سوف تنمو أو تنخفض. يستخدم بوب نتائج التنبؤ الطلب لتحديد أهداف لقسم المبيعات، في حين تحاول الحفاظ على تمشيا مع أهداف الشركة. سوف بوب تكون قادرة على تقييم نتائج قسم المبيعات في العام المقبل لتحديد كيف جاءت توقعاته بها. بوب يمكن استخدام تقنيات مختلفة على حد سواء النوعية والكمية لتحديد نمو أو انخفاض المبيعات. وتشمل الأمثلة على التقنيات النوعية: التخمينات المتداولة نظرية سوق التنبؤ نظرية اللعبة تقنية دلفي أمثلة على التقنيات الكمية تشمل: استنباط البيانات نماذج السببية نماذج بوكس ​​جنكينز الأمثلة المذكورة أعلاه لتقنيات التنبؤ بالطلب ليست سوى قائمة قصيرة من الإمكانات المتاحة لبوب كما هو الممارسات الطلب التنبؤ. وسيركز هذا الدرس على أسلوبين كميين إضافيين سهل الاستخدام ويوفران توقعات دقيقة ودقيقة. متوسط ​​المتوسط ​​المتحرك A المتوسط ​​المتحرك هو أسلوب يحسب الاتجاه العام في مجموعة بيانات. في إدارة العمليات، ومجموعة البيانات هي حجم المبيعات من البيانات التاريخية للشركة. هذه التقنية مفيدة جدا للتنبؤ بالاتجاهات قصيرة الأجل. هو ببساطة متوسط ​​مجموعة مختارة من الفترات الزمنية. ويطلق عليه اسمه لأنه يتحسب لأنه رقم الطلب الجديد يحسب لفترة زمنية قادمة، فإن أقدم عدد في مجموعة ينهار، والحفاظ على الفترة الزمنية مقفل. دعونا ننظر إلى مثال على كيفية مدير المبيعات في شركة أبك توقع الطلب باستخدام صيغة المتوسط ​​المتحرك. وتظهر الصيغة على النحو التالي: المتوسط ​​المتحرك (n1 n2 n3.) n حيث n عدد الفترات الزمنية في مجموعة البيانات. وينقسم مجموع الفترة الزمنية الأولى وجميع الفترات الزمنية الإضافية المختارة على عدد الفترات الزمنية. بوب يقرر إنشاء توقعاته الطلب على أساس المتوسط ​​المتحرك لمدة 5 سنوات. وهذا يعني أنه سوف تستخدم بيانات حجم المبيعات من السنوات ال 5 الماضية والبيانات لحساب. التجانس الأسي التجانس الأسي هو تقنية تستخدم ثابت التجانس كمؤشر للتنبؤات المستقبلية. كلما كنت تستخدم عددا في التنبؤ وهذا هو متوسط، تم تمهيده. هذه التقنية تأخذ البيانات التاريخية من الفترات الزمنية السابقة، وتطبيق حساب لتلطيف الأسي للتنبؤ البيانات المستقبلية. في هذه الحالة، سوف بوب أيضا تطبيق تمهيد أسي للمقارنة مع حساب سابق للمتوسط ​​المتحرك للحصول على رأي ثان. الصيغة للتجانس الأسي هي كما يلي. F (t) توقعات عام 2016 F (t-1) توقعات ثابتة ألفا العام السابق تمهيد A (t-1) المبيعات الفعلية من العام السابق ثابت التمهيد هو الوزن الذي يتم تطبيقه على المعادلة على أساس مدى التركيز الشركة الأماكن على أحدث البيانات. ثابت التمهيد هو رقم بين 0 و 1. ثابت التمهيد 0.9 سيشير إلى أن الإدارة تضع الكثير من التركيز على الفترات الزمنية السابقة بيانات المبيعات السابقة. ومن شأن ثابت التمهيد البالغ 0.1 أن يشير إلى أن الإدارة لا تركز إلا قليلا على الفترة الزمنية السابقة. يتم ضرب اختيار ثابت تمهيد أو يغيب ويمكن تعديلها كما تتوفر المزيد من البيانات. سنستخدم الرسم البياني من الأعلى مع حجم المبيعات التاريخي لحساب توقعات التجانس الأسي لعام 2016. هناك عمود إضافي ليشمل حجم المبيعات المتوقع. هذا الحساب هو صيغة فعالة إلى حد ما ودقيقة تماما بالمقارنة مع غيرها من تقنيات التنبؤ الطلب. ملخص الدرس إن التنبؤ بالطلب هو جزء أساسي من خطط الشركة المتوقعة للفترات الزمنية المستقبلية. ويمكن استخدام تقنيات مختلفة، نوعية وكمية على حد سواء، وتوفير مجموعات مختلفة من البيانات للمديرين كما يتوقعون الطلب، وخاصة في حجم المبيعات. ويعتبر المتوسط ​​المتحرك وأساليب التمهيد الأسي أمثلة عادلة على الطرق المستخدمة للمساعدة في التنبؤ بالطلب. لفتح هذا الدرس يجب أن تكون عضوا في الدراسة. إنشاء حسابك كسب الائتمان كلية هل أنت نيلهليب لدينا أكثر من 79 دورات الكلية التي تعد لك لكسب الائتمان عن طريق الامتحان الذي قبله أكثر من 2000 الكليات والجامعات. يمكنك اختبار من العامين الأولين من الكلية وحفظ الآلاف من درجة الخاص بك. يمكن لأي شخص كسب الائتمان عن طريق الامتحان بغض النظر عن العمر أو مستوى التعليم. نقل الائتمان إلى المدرسة التي تختارها لست متأكدا ما الكلية التي ترغب في حضور بعد دراسة لديها الآلاف من المقالات حول كل درجة يمكن تخيلها، مجال الدراسة والمسار الوظيفي التي يمكن أن تساعدك على العثور على المدرسة التي تناسبك. البحث المدارس، الدرجات أمبير وظائف الحصول على معلومات غير منحازة تحتاج إلى العثور على المدرسة المناسبة. تصفح المقالات حسب الفئة