adsen




08/03/2012

Phân loại các phương pháp dự báo


Phân loại các phương pháp dự báo

sửa ]Lượng so với phương pháp định lượng

Kỹ thuật dự báo định tính chủ quan, dựa trên ý kiến ​​và phán xét của người tiêu dùng, các chuyên gia thích hợp khi dữ liệu quá khứ là không có sẵn. Nó thường được áp dụng để quyết định tầm trung-dài.
Ví dụ về phương pháp dự báo chất lượng:
  • Thông báo ý kiến ​​và phán xét
  • Delphi phương pháp
  • Nghiên cứu thị trường
  • Tương tự chu kỳ lịch sử cuộc sống.
Mô hình dự báo định lượng được sử dụng để ước tính nhu cầu trong tương lai như là một chức năng của dữ liệu quá khứ, thích hợp khi dữ liệu quá khứ có sẵn. Nó thường được áp dụng để quyết định phạm vi ngắn-trung gian.
Ví dụ về phương pháp dự báo định lượng:
  • Nhu cầu cuối cùng thời gian
  • Số học trung bình
  • Simple Moving Average (N-Thời gian)
  • Weighted Moving Average (N-thời gian)
  • Simple Exponential Smoothing
  • Nhân giống theo mùa chỉ số

sửa ]Phương pháp tiếp cận ngây thơ

Dự báo ngây thơ là những mô hình dự báo hiệu quả nhất về chi phí và hiệu quả mục tiêu, và cung cấp một chuẩn mực đối với các mô hình phức tạp hơn có thể được so sánh. Đối với các dữ liệu chuỗi thời gian ổn định, phương pháp này nói rằng các dự báo cho khoảng thời gian bất kỳ bằng giá trị thực tế của kỳ trước.

sửa ] Cácphương pháp chuỗi thời gian

Chuỗi thời gian phương pháp sử dụng dữ liệu lịch sử như là cơ sở đánh giá kết quả trong tương lai.
ví dụ như Box-Jenkins

sửa ]phương pháp dự báo nguyên nhân / kinh tế

Một số phương pháp dự báo sử dụng giả định rằng nó có thể xác định các yếu tố cơ bản mà có thể ảnh hưởng đến các biến được dự báo. Ví dụ, bao gồm thông tin về điều kiện thời tiết có thể cải thiện khả năng của một mô hình để dự đoán doanh số bán hàng ô. Đây là một mô hình của mùa vụ trong đó cho thấy một mô hình thường xuyên biến động lên và xuống. Ngoài thời tiết, mùa vụ cũng có thể là do ngày lễ và hải quan như dự đoán rằng doanh số bán hàng may mặc cao đẳng bóng đá sẽ cao hơn trong mùa bóng đá như trái ngược với các mùa giảm giá. [ 10 ]
Casual phương pháp dự báo cũng phải theo ý của các dự báo. Có một số phương pháp không chính thức mà không có thuật toán nghiêm ngặt, nhưng hướng dẫn khá khiêm tốn và không có cấu trúc. Người ta có thể dự báo dựa trên, ví dụ, các mối quan hệ tuyến tính. Nếu biến là một trong những tuyến tính liên quan đến khác trong một thời gian đủ dài của thời gian, nó có thể có ích để dự đoán một mối quan hệ trong tương lai. Điều này là khá khác nhau từ mô hình nói trên của mùa vụ có đồ thị chặt chẽ hơn sẽ giống như sóng hình sin, cô sin. Yếu tố quan trọng nhất khi thực hiện thao tác này bằng cách sử dụng bê tông và các dữ liệu chứng minh. Dự báo các dự báo khác sản xuất kết quả kết luận và có thể sai lầm.
Phương pháp bao gồm:
  • Phân tích hồi quy bao gồm một nhóm lớn các phương pháp có thể được sử dụng để dự đoán giá trị tương lai của thông tin bằng cách sử dụng biến về các biến khác. Những phương pháp này bao gồm cả hai tham số (tuyến tính hoặc phi tuyến tính) và không tham số kỹ thuật.

sửa ]phán xét ​​các phương pháp

Phương pháp dự báo phê phán kết hợp trực quan bản án, ý kiến và xác suất ước tính chủ quan .

sửa ] Cácphương pháp thông minh nhân tạo

sửa ]Các phương pháp khác

sửa ]Dự báo chính xác.

Các lỗi dự báo là sự khác biệt giữa giá trị thực tế và giá trị dự báo cho giai đoạn tương ứng.
\ E_t = Y_t - F_t
trong đó E là lỗi dự đoán là khoảng thời gian t, Y là giá trị thực tế tại thời gian t, và F là dự báo cho khoảng thời gian t.
Các biện pháp của lỗi tổng hợp:
Có nghĩa là lỗi tuyệt đối (MAE)\ MAE = \ frac {\ sum_ {t = 1} ^ {N} | E_t |} {N}
Có nghĩa là Lỗi Tỷ lệ phần trăm tuyệt đối (MAPE)\ MAPE = \ frac {\ sum_ {t = 1} ^ N | \ frac {E_t} {Y_t} |} {N}
Có nghĩa là Độ lệch tuyệt đối (MAD)\ MAD = \ frac {\ sum_ {t = 1} ^ {N} | E_t |} {N}
Tỷ lệ phần trăm trung bình Độ lệch tuyệt đối (PMAD)\ PMAD = \ frac {\ sum_ {t = 1} ^ {N} | E_t |} {\ sum_ {t = 1} ^ {N} | Y_t |}
Có nghĩa là lỗi bình phương (MSE)\ MSE = \ frac {\ sum_ {t = 1} ^ N {E_t ^ 2}} {N}
Root Mean lỗi bình phương (RMSE)\ RMSE = \ sqrt {\ frac {\ sum_ {t = 1} ^ N {E_t ^ 2}} {N}}
Dự báo trong kỹ năng (SS)\ SS = 1 - \ frac {MSE_ {dự báo}} {MSE_ {ref}}
Trung bình của lỗi (E)\ \ Bar {E} = \ frac {\ sum_ {i = 1} ^ N {e_i}} {N}
Xin lưu ý rằng các nhà dự báo kinh doanh và các học viên đôi khi sử dụng thuật ngữ khác nhau trong ngành công nghiệp. Họ tham khảo đến các PMAD như MAPE, mặc dù họ tính toán khối lượng này MAPE trọng. Để biết thêm thông tin chính xác Tính Dự báo Nhu cầu
Tham khảo dự báo lớp được phát triển để tăng độ chính xác dự báo. [ 12 ] Dự báo chính xác, trái với niềm tin, không có thể được tăng thêm các chuyên gia trong các vấn đề liên quan đến hiện tượng này được dự báo. [ 13 ]
Xem thêm

sửa ]Ứng dụng của dự báo

Dự báo có ứng dụng trong nhiều tình huống:

sửa ]Giới hạn

Theo đề xuất của Edward Lorenz năm 1963, dự báo thời tiết dài hạn, được thực hiện ở một phạm vi từ hai tuần trở lên, không thể dứt điểm dự đoán trạng thái của khí quyển, do bản chất hỗn loạncủa các phương trình động lực học chất lỏng tham gia. Lỗi cực nhỏ trong các đầu vào ban đầu, chẳng hạn như nhiệt độ và gió, trong mô hình số tăng gấp đôi mỗi năm ngày. [ 15 ]

sửa ]Xem thêm

Không có nhận xét nào:

Đăng nhận xét

Cám ơn bạn đã nhân xét bài đăng của tôi!

300*250

Loading...

THẾ GIỚI ỐP LÁT

Loading...