Time Series Forecasting Bruke QM for Windows. Page 690 continued. Time Series Forecasting Bruke QM for Windows. QM for Windows har muligheten til å utføre prognoser for alle tidsserier som vi har beskrevet hittil QM for Windows har moduler for å flytte gjennomsnitt, eksponensiell utjevning og justert eksponensiell utjevning og lineær regresjon. For å demonstrere prognosevnen til QM for Windows, vil vi generere eksponensiell utjevning en 30 prognose beregnet manuelt for PM Computer Services Tabell 15 4 Løsningsutgangen er vist i utstilling 15 6.Vis ut 15 6. Dette elementet vises på side 691 i utskriftsversjonen. Merk at oppsummeringsoppsummeringen inneholder prognosen per periode og prognosen for neste periode 13, samt tre målinger av prognose nøyaktighet gjennomsnittlig feil bias, gjennomsnittlig absolutt avvik MAD og gjennomsnittlig kvadrat feil MSE. Den minste firkantmodul eller den enkle lineære regresjonsmodulen i QM for Windows kan brukes til å utvikle en lineær trendlinjeprognose. Bruk den minste firkantmodulen, Solu Sammendrag for den lineære trendlinjeprognosen vi utviklet for PM Computer Services, er vist i Figur 15. 7.Exhibit 15 7. Side 691 continued. Regression Methods. Tids-serie teknikker for eksponensiell utjevning og glidende gjennomsnitt relaterer en enkelt variabel som prognose som etterspørsel til tid I motsetning er regresjon en prognostiseringsteknikk som måler forholdet mellom en variabel til en eller flere andre variabler. For eksempel, hvis vi vet at noe har ført til at produktbehovet oppfører seg på en bestemt måte tidligere, kan vi gjerne identifisere det forholdet Hvis det samme skjer igjen i fremtiden, kan vi da forutse hva etterspørselen vil være. For eksempel er det et kjent forhold mellom økt etterspørsel i nye boliger og lavere rente. Tilsvarende er et stort antall byggprodukter og tjenester viser økt etterspørsel dersom nytt bolig begynner å øke Tilsvarende øker salget av DVD-spillere økt etterspørsel etter DVDer. Den enkleste f regimens regi er lineær regresjon som du vil huske vi tidligere brukte til å utvikle en lineær trendlinje for prognoser I det følgende avsnittet vil vi vise hvordan å utvikle en regresjonsmodell for variabler relatert til andre elementer enn tid. Linær regresjon. Simple lineær regresjon relaterer en avhengig variabel til en uavhengig variabel i form av en lineær ligning. Linjær regresjon relaterer etterspørselsavhengig variabel til en uavhengig variabel. For å utvikle den lineære ligningen må hellingen, b og avskjæringen først beregnes ved å bruke følgende minste kvadrater formler. Vi vil vurdere regresjon i sammenheng med et eksempel Statens universitets atletiske avdeling ønsker å utvikle sitt budsjett for det kommende året, ved hjelp av en prognose for fotballoppmøte Fotballoppmøte står for den største delen av inntektene og atletisk regissøren mener oppmøte er direkte relatert til antall gevinster av teamet. Forretningsføreren har akkumulert totalt årlige oppmøte tall for de siste 8 årene. Giver antall returstartere og styrken av timeplanen, mener atletisk regissøren at laget vil vinne minst syv kamper neste år. Han ønsker å utvikle en enkel regresjonsligning for disse dataene for å prognose oppmøte for dette nivået av suksess. Beregningene som er nødvendige for å beregne a og b ved å bruke de minste kvadrater formler, er oppsummert i Tabell 15 10 Merk at størrelsen på y er blitt redusert for å gjøre manuell beregning lettere. Tabell 15 10 Minste kvadrater beregninger. , 1000. Ved å sette disse verdiene for a og b inn i linjære ligningslinjen har vi. Thus, for x 7 seier, er prognosen for oppmøte. y 18 46 4 06 7 46 88 eller 46 880. Datapunktene med regresjonen linjen er vist på figur 15 6. Det ser ut til at dataene følger en distinkt oppadgående lineær trend som viser at prognosen skal være relativt nøyaktig. Maten er M AD-verdien for denne prognosemodellen er 1 41, noe som antyder en nøyaktig prognose. Forholdet i en lineær regresjonsligning er et mål på styrken av forholdet mellom de uavhengige og avhengige variablene. Formelen for korrelasjonskoeffisienten er. Korrelasjon er et mål på styrken av forholdet mellom uavhengige og avhengige variabler. Verdien av r varierer mellom 1 00 og 1 00, med en verdi på 1 00 som indikerer et sterkt lineært forhold mellom variablene Hvis r 1 00, vil en økning i den uavhengige variabelen resultere i en tilsvarende lineær økning i den avhengige variabelen Hvis r 1 00 vil en økning i den avhengige variabelen resultere i en lineær nedgang i den avhengige variabelen En verdi på r nær null betyr at det er liten eller ingen lineær sammenheng mellom variabler. Figur 15 6 Lineær regresjonslinje. Vi kan bestemme korrelasjonskoeffisienten for den lineære regresjonsligningen bestemt i vårt eksempel på State University tituting de fleste av vilkårene beregnet for minst kvadrater formel bortsett fra S y 2 i formelen for r. Denne verdien for korrelasjonskoeffisienten ligger svært nær en, noe som indikerer et sterkt lineært forhold mellom antall vinner og hjemmeoppmøte. En annen tiltak av styrken av forholdet mellom variablene i en lineær regresjonsligning er bestemmelseskoeffisienten. Det beregnes ved ganske enkelt å kvadrere verdien av r. Det angir prosentandelen av variasjonen i den avhengige variabelen som er et resultat av oppførselen til den uavhengige variabel For vårt eksempel er r 948 bestemmelseskoeffisienten. Bestemmelseskoeffisienten er prosentandelen av variasjonen i den avhengige variabelen som kommer fra den uavhengige variabelen. Denne verdien for bestemmelseskoeffisienten betyr at 89 9 av mengden av variasjon i fremmøte kan tilskrives antall gevinster av laget med de resterende 10 1 på grunn av andre uforklarlige faktorer, for eksempel vær, god eller dårlig start, publisitet osv. En verdi på en eller 100 vil indikere at oppmøte helt avhenger av gevinster. Men fordi 10 1 av variasjonen er et resultat av andre faktorer, kan det forventes en viss prognosefeil. Management Science Application Forecasting Daglig etterspørsel i gassindustrien. Vermont Gas Systems er et naturgassverktøy som serverer ca 26.000 nærings-, industri - og privatkunder i 13 byer og byer i Nordvest-Vermont. Etterspørselsprognoser er en kritisk del av Vermont Gas Systems s forsyningskjede som strekker seg over Canada fra leverandører i Vest-Canada til lagringsanlegg langs TransCanada-rørledningen til Vermont Gas Systems s rørledning Gassordre må spesifiseres til leverandører minst 24 timer i forveien Vermont Gas Systems har lagerkapasitet tilgjengelig for bare bufferbeholdning 1 timers gassbruk, så en nøyaktig daglig prognose av gassbehov er viktig. Vermont Gas Systems bruker regresjon for å prognose dail gassbehov I sine prognosemodeller er etterspørselen etter gass den avhengige variabelen, og faktorer som værinformasjon og industriell kundeefterspørsel er uavhengige variabler. Om vinteren bruker kundene mer gass for varme, noe som gjør en nøyaktig værvarsel en svært viktig faktor. Detaljert 3 - dagsvarsel blir levert til Vermont Gas Systems fem ganger om dagen fra en værprognosertjeneste. Individuelle regresjonsprognoser er utviklet for 24 store bruk av industrielle og kommunale kunder, for eksempel fabrikker, sykehus og skoler. End-use demand er den totale potensielle kapasiteten av alle naturgassapparater i systemet. Det endres daglig, ettersom nye kunder flytter inn i et nytt hus, leilighet eller forretning, legger til nye apparater eller utstyr til systemet. Brukeren bruker bare de siste 30 dagene av etterspørseldataene i utviklingen av prognosen modeller, og det oppdaterer modellene på ukentlig basis Vermont Gas Systems tolker resultatene av prognosemodellen og supplerer dem med sin individuelle kjennskap til forsyningskjeden distribusjonssystemet og kundenes bruk for å utvikle en samlet og nøyaktig daglig prognose av gass etterspørsel. Columbia Gas Company i Ohio, et datterselskap av Virginia-baserte Columbia Energy Group er det største naturgassverktøyet i Ohio, med nesten 1 3 millioner kunder i mer enn 1000 samfunn Columbia bruker to typer daglige prognoser for designdagsprognosen og den daglige driftsprognosen. Designdagsprognosen brukes til å bestemme mengden gassforsyning, transportkapasitet og lagringskapasitet som Columbia må møte kundens behov Det er svært viktig at designdagsprognosen er nøyaktig dersom den ikke er, Columbia kan ikke kontrakt for nok gass fra leverandørene, noe som kan skape mangler og sette sine kunder i fare. Den daglige driftsprognosen brukes til å sikre at planlagt Forsyningene er balansert med forventede krav i løpet av neste 5-dagers periode. Det brukes til å balansere tilbud og etterspørsel daglig e prognoseprosessen er lik for de to typer prognoser Columbia bruker flere regresjonsanalyser basert på den daglige etterspørselen etter 2 år og flere værrelaterte uavhengige variabler for å utvikle parametrene for en tidsserieprognosemodell for designdagsprognosen og det daglige operativ prognose. Source M Flock, prognose Vinter Daglig Gass Etterspørsel ved Vermont Gass Systems, Journal of Business Forecasting 13, nr. 1 Vår 1994 2 og H Catron, Daglig Forespørsel på Columbia Gas, Journal of Business Forecasting 19, no 2 Summer 2000 105.Regresjonsanalyse med Excel. Exhibit 15 8 viser et regneark som er satt opp for å utvikle den lineære regresjonsprognosen for vår avdeling for atletisk avdeling for statlige universitet. Merk at Excel beregner skråningen direkte med formelen SLOPE B5 B12, A5 A12 angitt i celle E7 og vist på Formellinjen øverst i regnearket Formelen for avskjæringen i celle E6 er INTERCEPT B5 B12, A5 A12 Verdiene for skråningen og avskjæringen er sub sekvensielt innført i celler E9 og G9 for å danne den lineære regresjonsligningen Korrelasjonskoeffisienten i celle E13 beregnes ved å bruke formelen CORREL B5 B12, A5 A12. Selv om det ikke er vist på regnearket, kan bestemmelseskoeffisienten r2 beregnes av ved hjelp av formelen RSQ B5 B12, A5 A12.Exhibit 15 8. Dette elementet vises på side 696 i utskriftsversjonen. Den samme lineære regresjonsligningen kan beregnes i Excel hvis vi hadde utviklet og skrevet inn matematiske formler for å beregne bakken og avskjære vi utviklet i forrige avsnitt, selv om det ville ha vært mer tidkrevende og kjedelig. Det er også mulig å utvikle et scatterdiagram over våre eksempeldata som ligner diagrammet vist i Figur 15 6 ved hjelp av diagramguiden i Excel først , dekke eksempeldataene i cellene A5 B12 på regnearket i utstilling 15 8 Neste klikk på Sett inn på verktøylinjen øverst i regnearket Dette vil resultere i menyen vist i Figur 15 9.Forbli 15 9.Selek t-diagram fra denne menyen, som åpner vinduet Diagramveiviser Velg Diagramveiviser-vinduet XY-scatterdiagrammet fra Diagramtype-menyen som vist i Figur 15. 10.Klikk på Neste på vinduet i Figur 15 10 vil gi en foreløpig plott av eksempeldataene Hvis du glemte å dekke dine eksempler på dataceller tidligere, blir du bedt om å gjøre det på dette punktet er dette området A5 B12 Ved å klikke på Neste, kan du legge til eller slette diagramlegenden, tittel i diagrammet og akser, og generelt tilpasse diagrammet ditt Ved å klikke på Fullfør, vises diagrammet på regnearket ditt slik at du kan plassere det, redusere det, utvide det eller jobbe med det litt mer. Utstilling 15 11 viser vårt regneark med scatterdiagrammet for vårt eksempel data. Exhibit 15 10.Exhibit 15 11. En lineær regresjonsprognose kan også utvikles direkte med Excel ved hjelp av alternativet Data Analysis fra Verktøy-menyen vi tidligere fikk tilgang til å utvikle en eksponentielt jevn prognose. Figur 15 12 viser Regr essionvalg fra vinduet Dataanalyse og utstilling 15 13 viser regresjonsvinduet Vi skriver først inn cellene fra utstilling 15 8 som inkluderer y-verdiene for deltagelse, B5 B12 Deretter går vi inn i x-verdi-cellene, A5 A12 Utgangssortimentet er plassering i regnearket der du vil sette resultatene for utdata Dette området må være stort 18 celler med 9 celler og må ikke overlappe noe annet enn regnearket. Ved å klikke på OK vil det resultere i regnearket som vises i Figur 15 14 Merk at sammendraget Utgangsseksjonen er litt redigert og flyttet rundt, slik at alle resultatene kunne bli inkludert på skjermen i utstilling 15 14.Utbud 15 12.Utbud 15 13.Utbyd 15 14. Dette elementet vises på side 699 i utskriftsversjonen. Sammendrag Utgangsseksjonen i utstilling 15 14 gir en stor mengde statistisk informasjon, forklaringen og bruken av disse er utenfor rammen av denne teksten. De viktige elementene som interesserer oss, er avskjæringen og hellingen merket X Variabel 1 i e Koeffisient kolonne nederst i regnearket og Multiple R eller korrelasjonskoeffisientverdien vist under Regresjonsstatistikk. Merk at Excel QM også har en regnearkmakro for regresjonsanalyse som kan nås på samme måte som den eksponensielt glatte prognosen i Figur 15 15.Exhibit 15 15.Regresjonsanalyse med QM for Windows. QM for Windows har muligheten til å utføre lineær regresjon, som tidligere demonstrert. For å demonstrere denne programmodulen, vil vi bruke vår statlige universitets atletiske avdeling eksempel Programutgangen, inkludert den lineære ligningen og korrelasjonskoeffisienten , er vist i figur 15 15.Multiple regresjon med Excel. En annen årsaksmetode for prognoser er multiple regresjon en kraftigere utvidelse av lineær regresjon Linjær regresjon relaterer en avhengig variabel som etterspørsel til en annen uavhengig variabel, mens flere regresjon gjenspeiler forholdet mellom en avhengig variabel og to eller flere uavhengige variabler A flere regresjonsmodeller har følgende generelle form. Vi vil bruke tilleggsprogrammet Data Analyse fra Verktøy-menyen øverst i regnearket som vi brukte i forrige avsnitt for å utvikle vår lineære regresjonsligning, og da vil vi bruke regresjonen alternativ fra Data Analyse-menyen Det resulterende regnearket, med flere regresjonsstatistikker, vises i Figur 15. 16.Exhibit 15 16. Dette elementet vises på side 701 i utskriftsversjonen. Merk at dataene må konfigureres på regneark slik at x-variablene er i tilstøtende kolonner i dette tilfellet, kolonner A og B Deretter går vi inn i Input x-rekkevidde som A4 B12 som vist i utstilling 15 17 Merk at vi også har tatt med celler A4, B4 og C4 som inkluderer Våre variabeloverskrifter, dvs. gevinster, kampanjer og oppmøte, i inngangsområdene Ved å klikke på Etiketter, kan overskrifter plasseres på regnearket i celler A27 og A28. Eksempel 15 17. Dette elementet vises på side 701 i utskriftsversjonen. regresjonskoeffisient ents for våre x-variabler, gevinster og kampanjer, vises i celler B27 og B28 i utstilling 15 16 Således formuleres den multiple regresjonsligningen som. y 19.094 42 3.560 99 x 1 0368 x 2.Denne ligningen kan nå brukes til å prognose oppmøte basert på både projiserte fotballvinnere og salgsfremmende utgifter. For eksempel, dersom atletisk avdeling forventer at laget skal vinne syv kamper og planlegger å bruke 60.000 på kampanjer og reklame, er det forventede møtet. Gjennomsnittlig gjennomsnitt. Dette eksemplet lærer deg hvordan du beregner Flytte gjennomsnitt av en tidsserie i Excel Et glidende gjennomsnitt brukes til å utjevne uregelmessigheter topper og daler for å enkelt gjenkjenne trender.1 Først, la oss ta en titt på våre tidsserier.2 På Data-fanen klikker du Data Analysis. Note kan ikke finn Data Analysis-knappen Klikk her for å laste inn Analysis ToolPak add-in.3 Velg Moving Average og klikk OK.4 Klikk i feltet Innmatningsområde og velg området B2 M2.5 Klikk i Intervall-boksen og skriv inn 6.6 Klikk på Utgangsområdet boks og velg celle B3.8 Plot en graf av disse verdiene. Planlegging fordi vi stiller intervallet til 6, er glidende gjennomsnitt gjennomsnittet av de forrige 5 datapunktene og det nåværende datapunktet. Derfor blir tømmer og daler utjevnet Grafen viser en økende trend Excel kan ikke beregne det bevegelige gjennomsnittet for de første 5 datapunktene fordi det ikke er nok tidligere datapunkter.9 Gjenta trinn 2 til 8 for intervall 2 og intervall 4. Konklusjon Jo større intervallet er, jo flere toppene og daler utjevnes Jo mindre intervallet, jo nærmere de bevegelige gjennomsnittene er de faktiske datapunktene. Eksempel QM og QM for Windows. Nedlastingen inneholder en ZIP-fil med installasjonspakken for Excel OM for Macs. Unzip filen og kjør deretter Pakkeprogrammet Excel OM for Mac vil bli installert i en mappe med navnet excelOMQMv4 i mappen Programmer på Mac-en din. For å starte Excel OM QM, åpne filen heter Alternativt vil det være mye enklere å bruke hvis du lager et Alias for og plasser aliaset på skrivebordet. Merk Excel OM QM for Mac krever Microsoft Office Mac 2011 Denne versjonen av Office inneholder VBA, en funksjon som ble slettet i Microsoft Office 2008, og er avgjørende for å kjøre Excel OM QM-programmet. En lenke for studenter og fakultet for å kjøpe Office 2011 er. Kopyright 1995-2013 Pearson Education Alle rettigheter reservert Juridisk og personvernerklæring.
No comments:
Post a Comment