PROGNOZOWANIE I SYMULACJE EXCEL 2 PROGNOZOWANIE I SYMULACJE EXCEL AUTOR: ŻANETA PRUSKA

Wielkość: px

Rozpocząć pokaz od strony:

Download "PROGNOZOWANIE I SYMULACJE EXCEL 2 PROGNOZOWANIE I SYMULACJE EXCEL AUTOR: ŻANETA PRUSKA"

Antonina Skiba
7 lat temu
Przeglądów:

1 1 PROGNOZOWANIE I SYMULACJE EXCEL 2 AUTOR: mgr inż. ŻANETA PRUSKA

2 DODATEK SOLVER 2 Sprawdzić czy w zakładce Dane znajduję się Solver 1. Kliknij przycisk Microsof Office, a nasępnie kliknij przycisk Opcje programu Excel. 2. Kliknij pozycję Dodaki, a nasępnie w polu Zarządzaj wybierz pozycję Dodaki programu Excel. 3. Kliknij przycisk Przejdź. 4. W polu Dosępne dodaki zaznacz pole wyboru Solver, a nasępnie kliknij przycisk OK. Porada: jeśli pozycja Solver nie jes wyświelana w polu Dosępne dodaki, kliknij przycisk Przeglądaj, aby odnaleźć en dodaek. Jeśli zosanie wyświelony moni informujący, że dodaek Solver nie zosał zainsalowany na kompuerze, kliknij przycisk Tak, aby go zainsalować. Po załadowaniu dodaku Solver polecenie Solver będzie dosępne w grupie Analiza na karcie Dane.

3 METODY PROGNOZOWANIA KRÓTKOTERMINOWEGO 3 sały poziom rend sezonowość Model naiwny, Modele średniej arymeycznej, Model Browna Model Hola Modele analiyczne Model wskaźników sezonowości Model Winersa

4 MODEL HOLTA 4 Model Hola opiera się na idei wyrównania wykładniczego. Model en jes bardziej elasyczny od modelu Browna, ponieważ uwzględnia rend i posiada dwa paramery. Model prognozy można zapisać nasępująco: y * F ( n) n S n > n F n - wygładzona warość zmiennej prognozowanej dla okresu n S n - przyros rendu na okres n n - liczba wyrazów szeregu czasowego

5 5 MODEL HOLTA Przy budowaniu modelu korzysamy z 2 równań model dwurównaniowy: równanie wygładzające część sałą szeregu równanie wygładzające przyros szeregu n n S n F y ) ( * 1 1 * S F y dla: > n oraz n = S F y F S F F S

6 MODEL HOLTA 6 α β paramery wygładzania 0,1 α - sała (paramer) wygładzająca część sałą szeregu, β - paramer określający siłę rendu (sała wygładzająca rend) α~ 0 sacjonarny, α ~ 1 duże wahania β ~ 0 słaby rend, β ~ 1 silny rend

7 MODEL HOLTA 7 Do budowy liniowego modelu wygładzania wykładniczego Hola porzebne są począkowe warości F i S czyli F 1 i S 1. Możliwości: F 1 = y 1, S 1 = y 2 y 1 F 1 = y 1, S 1 = 0 Przykład: F 1 - wyraz wolny, S 1 - współczynnik kierunkowy liniowej funkcji rendu oszacowanej na podsawie próbki wsępnej y 2 -y 1 = =151 Miesiąc Ilość jednosek F S Prognoza paleowych [sz.] / y y *

8 MODEL HOLTA - PRZYKŁAD 8 α= 0,8 β= 0,2 F S y F S F F 1 1 S 1 y * F 1 S 1 Miesiąc Ilość jednosek pale. y F S Prognoza y * ,8*1405+(1-0,8)*( )= = ,8*1595+(1-0,8)*( )= =1587, ,8*1846+(1-0,8)*(1587,2+157,24)= =1825,69 0,2*( )+(1-0,2)*151= =151 0,2*(1587,2-1405)+(1-0,2)*151= 157,24 0,2*(1825, ,2)+(1-0,2)*157,24= =173, = = = = ,2+157,2 4=1744, ,69+173, 49=1999,18

9 ZADANIE 1 9 Miesiąc Ilość jednosek paleowych [sz.] Ilość przeransporowanych jednosek paleowych [sz.] przez przedsiębiorswo XYZ realizujące usługi ransporowo-spedycyjne w poszczególnych miesiącach 2011 roku wynosi: Zbuduj model prognosyczny oraz wyznacz prognozę dla przedsiębiorswa XYZ na syczeń oraz luy 2012 roku korzysając z: 1) modelu Hola (przyjmij F 1 = y 1, S 1 = y 2 y 1 ) 2) modelu funkcji liniowej, 3) modelu funkcji wykładniczej, 4) model funkcji poęgowej, 5) model funkcji logarymicznej.

10 ZADANIE ) Zbuduj model prognosyczny oraz wyznacz prognozę dla przedsiębiorswa XYZ na syczeń oraz luy 2012 roku korzysając z modelu Hola. Przyjmij: F 1 = y 1, S 1 = y 2 y 1 Miesiąc Ilość jednosek paleowych [sz.]

11 MODELE ANALITYCZNE 11 Modele analiyczne należą do klasy modeli ekonomerycznych, w kórych zmienną objaśniającą jes czas. Określenie funkcji rendu meodą analiyczną polega na znalezieniu funkcji f (), opymalnie pasującej do wyrazów szeregu czasowego zmiennej prognozowanej. Do oceny dopasowania modelu do danych empirycznych używa się na ogół współczynnika deerminacji R 2. Modele analiyczne o: Funkcja liniowa Funkcja wykładnicza Funkcja poęgowa Funkcja logarymiczna Funkcja wielomianowa

12 FUNKCJA LINIOWA 12 Najczęściej spoykaną posacią funkcji rendu jes funkcja liniowa. Reprezenuje ona sały kierunek rozwoju danego zjawiska, wyznaczony przez współczynnik kierunkowy prosej. Paramer en jes współczynnikiem sałego przyrosu warości zmiennej prognozowanej w ciągu jednoski czasu. y 50 Y gdzie: kolejna jednoska czasu, α, β esymowane paramery czas

13 ZADANIE ) Zbuduj model prognosyczny oraz wyznacz prognozę dla przedsiębiorswa XYZ na syczeń oraz luy 2012 roku korzysając z modelu funkcji liniowej. Miesiąc Ilość jednosek paleowych [sz.]

14 FUNKCJA WYKŁADNICZA 14 Nie zawsze sosowanie liniowych funkcji rendu jes uzasadnione. Czasem należy zasosować funkcje o rosnących przyrosach, np.: funkcję wykładniczą lub funkcję poęgową. y e, 0 60 Y 55 y, gdzie: kolejna jednoska czasu, α, β esymowane paramer, e liczba Euler a e ~ 2, cz

15 ZADANIE ) Zbuduj model prognosyczny oraz wyznacz prognozę dla przedsiębiorswa XYZ na syczeń oraz luy 2012 roku korzysając z modelu funkcji wykładniczej. Miesiąc Ilość jednosek paleowych [sz.]

16 FUNKCJA POTĘGOWA 16 W syuacjach, w kórych wzros warości zmiennej prognozowanej przebiega coraz wolniej i zdąża do pewnego poziomu, zasosowanie mogą znaleźć funkcje o malejących przyrosach, akie jak funkcja poęgowa, logarymiczna i wielomianowa. y, Y 40 gdzie: 30 kolejna jednoska czasu 20 α, β esymowane paramery czas

17 ZADANIE ) Zbuduj model prognosyczny oraz wyznacz prognozę dla przedsiębiorswa XYZ na syczeń oraz luy 2012 roku korzysając z model funkcji poęgowej. Miesiąc Ilość jednosek paleowych [sz.]

18 FUNKCJA LOGARYTMICZNA 18 y ln, 0 gdzie: kolejna jednoska czasu α, β esymowane paramery ln logarym nauralny 50 Y czas

19 ZADANIE ) Zbuduj model prognosyczny oraz wyznacz prognozę dla przedsiębiorswa XYZ na syczeń oraz luy 2012 roku korzysając z model funkcji logarymicznej. Miesiąc Ilość jednosek paleowych [sz.]

20 Lieraura 20 Cieślak M., Prognozowanie gospodarcze. Meody i zasosowania., PWN, Warszawa Radzikowska B. (red.), Meody prognozowania. Zbiór zadań, Wyd. Akademii Ekonomicznej im. Oscara Langego we Wrocławiu, Wrocław Guzik B., Appenzeller D., Jurek W., Prognozowanie i symulacje. Wybrane zagadnienia, Wyd. Akademii Ekonomicznej Poznań, Poznań Dimann P., Prognozowanie w przedsiębiorswie. Meody i ich zasosowanie, Wyd. Oficyna a Wolers Kluwer business, Kraków Nowak E., Ogólne zagadnienia prognozowania, [w:] Prognozowanie gospodarcze. Meody, modele, zasosowania, przykłady., E. Nowak (red.), Agencja Wydawnicza Place, Warszawa 1998.

21 61-755 POZNAŃ UL. E. ESTKOWSKIEGO 6 Rekora el. 61 850 47 81 Dziekana el. 61 850 47 64 Księgowość el.

21 POZNAŃ UL. E. ESTKOWSKIEGO 6 Rekora el Dziekana el Księgowość el Kadry el fax rekora@wsl.com.pl DZIĘKUJEMY ZA UWAGĘ

Podobne dokumenty

PROGNOZOWANIE I SYMULACJE EXCEL 2 AUTOR: MARTYNA MALAK PROGNOZOWANIE I SYMULACJE EXCEL 2 AUTOR: MARTYNA MALAK

PROGNOZOWANIE I SYMULACJE EXCEL 2 AUTOR: MARTYNA MALAK PROGNOZOWANIE I SYMULACJE EXCEL 2 AUTOR: MARTYNA MALAK 1 PROGNOZOWANIE I SYMULACJE 2 hp://www.oucome-seo.pl/excel2.xls DODATEK SOLVER WERSJE EXCELA 5.0, 95, 97, 2000, 2002/XP i 2003. 3 Dodaek Solver jes dosępny w menu Narzędzia. Jeżeli Solver nie jes dosępny