59726

7.

•    Średnia ruchoma

•    Średnia ruchoma warzona

•    Wygładzanie wykładnicze

•    Regresja liniowa Metoda naiwna:

•    Najprostsza metoda prognozowania oparta na szeregach czasowych

•    Prognoza potrzeb F(„i)

o /V,> = A

•    F(»,i) - prognoza potrzeb dla następnego okresu (t+1)

8.

9.

•    D_f - popyt w bieźqpym okresie t Średnia ruchoma:

•    Metoda wykorzystująca znajomość wartości średniej kilku ostatnich obserwacji

•    Prognoza potrzeb F(,.j)

y d

•    F_(f,_X) - prognoza potrzeb dla następnego okresu (t+1)

•    D(_t.i)-i - rzeczywisty popyt w bieżnym okresie

•    n - liczba najnowszych obserwacji wykorzystywanych przy sporządzeniu prognozy Średnia ruchoma warzona

•    Jest to odmiana metody średniej ruchomej

•    Polega na przypisywaniu wag obserwacjom z poprzednich okresów

•    Przyjęte wagi mogąsię od siebie różnic

•    Prognoza potrzeb F(,.i)

F = Vw D

i-l

O    = ¹

i-l

•    W(_t.i).j - waga przypisana popytowi okresu (t+l)-i

•    Znaczenia pozostałych symboli podano uprzednio

10.    Model wygładzania wykładniczego (Model Browna - Simple Brown)-.

•    Szczególna forma metody średniej ruchomej

•    Prognoza F₍,.i) na nastgjny okres obliczana jest jako średnia ważona wartości rzeczywistej i prognozy dla okresu bieźąpego:

°    = af>,⁺0“a)F_f

•    F(t.i) - prognoza dla okresu (t+1), najnowsza prognoza

•    F_f - prognoza dla okresu t (bieżąca prognoza)

•    D_f - rzeczywista wartość popytu dla okresu t

•    a - stała wykładnicza użyta do warzenia D_r i F_t, 0 i a i 1

•    W najnowszej prognozie F(t+1) są uwzględnione wszystkie wartości rzeczywiste, poczqy/szy od pierwszego okresu

11.    Regresja liniowa:

•    Technika statystyczna pozwalajqpa wyrazić prognozowanązmiennąjako funkcje liniowa określonej zmiennej niezależnej

•    W przypadku modelu szeregu czasowego zmienną niezależną jest czas

•    Prognoza potrzeb y:

o y = a + bx