PROGNOZOWANIE I SYMULACJE EXCEL 1 AUTOR: MARTYNA MALAK PROGNOZOWANIE I SYMULACJE EXCEL 1 AUTOR: MARTYNA MALAK

HTML
DOWNLOAD

Wielkość: px

Rozpocząć pokaz od strony:

Download "PROGNOZOWANIE I SYMULACJE EXCEL 1 AUTOR: MARTYNA MALAK PROGNOZOWANIE I SYMULACJE EXCEL 1 AUTOR: MARTYNA MALAK"

Seweryna Zych
8 lat temu
Przeglądów:

1 1 PROGNOZOWANIE I SYMULACJE

2 2

3 DODATEK SOLVER WERSJE EXCELA 5.0, 95, 97, 2000, 2002/XP i Dodatek Solver jest dostępny w menu Narzędzia. Jeżeli Solver nie jest dostępny w menu Narzędzia, należy kliknąć w tymże menu opcję Dodatki. Otworzy sie wtedy okno, w którym należy zaznaczyć opcję Dodatek Solver i kliknąć OK.

4 DODATEK SOLVER EXCEL Sprawdzić czy w zakładce Dane znajduję się Solver 1. Kliknij przycisk Microsoft Office, a następnie kliknij przycisk Opcje programu Excel. 2. Kliknij pozycję Dodatki, a następnie w polu Zarządzaj wybierz pozycję Dodatki programu Excel. 3. Kliknij przycisk Przejdź. 4. W polu Dostępne dodatki zaznacz pole wyboru Solver, a następnie kliknij przycisk OK. Porada: jeśli pozycja Solver nie jest wyświetlana w polu Dostępne dodatki, kliknij przycisk Przeglądaj, aby odnaleźć ten dodatek. Jeśli zostanie wyświetlony monit informujący, że dodatek Solver nie został zainstalowany na komputerze, kliknij przycisk Tak, aby go zainstalować. Po załadowaniu dodatku Solver polecenie Solver będzie dostępne w grupie Analiza na karcie Dane.

5 DODATEK SOLVER EXCEL Kliknij kartę Plik, a następnie kliknij pozycję Opcje. 2. Kliknij pozycję Dodatki, a następnie w polu Zarządzaj wybierz pozycję Dodatki programu Excel. 3. Kliknij pozycję Przejdź. 4. W polu Dostępne dodatki zaznacz pole wyboru Solver, a następnie kliknij przycisk OK. Porada Jeśli pozycja Solver nie jest wyświetlana w polu Dostępne dodatki, należy kliknąć przycisk Przeglądaj, aby odnaleźć ten dodatek. Jeśli zostanie wyświetlony monit informujący, że dodatek Solver nie został zainstalowany na komputerze, kliknij przycisk Tak, aby go zainstalować. 5. Po załadowaniu dodatku Solver polecenie Solver będzie dostępne w grupie Analiza na karcie Dane.

6 DEFINICJA PROGNOZOWANIA 6 Prognozowanie oparte na naukowych podstawach przewidywanie kształtowania się zjawisk i procesów w przyszłości, którego celem jest zmniejszenie ryzyka w procesie podejmowania decyzji. 1, 2 Określenie naukowe podstawy oznacza, że przy prognozowaniu korzysta się z dorobku nauki - z metod matematycznych, statystycznych oraz ogólnej metodologii postępowania w procesie prognozowania E. Nowak, Ogólne zagadnienia prognozowania, [w:] Prognozowanie gospodarcze. Metody, modele, zastosowania, przykłady., E. Nowak (red.), Agencja Wydawnicza Placet, Warszawa 1998, s P. Dittmann, Prognozowanie w przedsiębiorstwie. Metody i ich zastosowanie., Oficyna a Wolters Kluwer business, Kraków 2008, s M. Cieślak, Wprowadzenie, [w:] Prognozowanie gospodarcze. Metody i zastosowania., M. Cieślak (red.), Wydawnictwo Naukowe PWN, Warszawa 2004, s.18.

7 SZEREG CZASOWY 7 Szereg czasowy uporządkowany zbiór obserwacji statystycznych (zbiór stanów zmiennych), które charakteryzują zmiany poziomu określonego zjawiska w czasie. t lata Sprzedaż produktu X (w tys. szt.) , , , , , , , , ,0

8 METODY PROGNOZOWANIA KRÓTKOTERMINOWEGO 8 stały poziom trend sezonowość Model naiwny, Modele średniej arytmetycznej, Model Browna Model Holta Modele analityczne Model wskaźników sezonowości Model Wintersa

9 WYGŁADZANIE WYKŁADNICZE 9 Stała aktualizacja prognoz wraz z napływem nowych informacji o zaobserwowanych wartościach prognozowanej zmiennej oraz o trafności wcześniejszych prognoz. Przyszłe wartości zmiennej ustalane na podstawie średniej ważonej dotychczasowych obserwacji, przy czym wagi maleją wraz z wiekiem.

10 MODEL BROWNA 10 Model Browna może być zastosowany, gdy w szeregu czasowym występuje: stały (przeciętny) poziom zmiennej prognozowanej, wahania przypadkowe. Wzór na obliczanie prognozy na jeden okres w przód y * t y t1 ( 1) y * t1 * y t y t1 * y t1 - prognoza zjawiska na okres t - wielkość badanego zjawiska w okresie t-1 - prognoza zjawiska (wartość wygładzania wykładniczego) w okresie t-1 - parametr modelu stała wygładzania o wartości z przedziału [0,1]

11 MODEL BROWNA 11 y * t y t1 * ( 1) yt 1 - stała wygładzania waga przypisana ostatniej najświeższej obserwacji α przyjmuje wartości z przedziału [0,1] 0 stała prognoza 1 model naiwny * * y t y t 1 * y t y t 1

12 produkcja [tys. szt.] 12 MODEL BROWNA Porównanie prognoz otrzymanych przy pomocy wygładzania wykładniczego dla różnych wartości stałej α kwartał rzeczywista ilość wyprodukowanego produktu X model Browna, 0,05 model Browna, 0,5 model Browna, 0,8

13 MODEL BROWNA 13 W przypadku prostego modelu wygładzania wykładniczego niezbędne do wyznaczenia prognozy jest ustalenie wartości początkowej. Zazwyczaj przyjmuje się: pierwszą wartość rzeczywistą zmiennej prognozowanej lub średnią arytmetyczną rzeczywistych wartości zmiennej z przyjętej próbki wstępnej Przykład: Okres Wartość zmiennej - obserwacje Prognoza =( )/

14 MODEL BROWNA 14 y * t y t1 * ( 1) yt 1 Przykład dla α =0,5 : Okres Wartość zmiennej - obserwacje Prognoza ( )/3 = ,5*120+(1-0,5)*120= ,5*123+(1-0,5)*120=121, ,5*117+(1-0,5)*121,5=119,

15 ZADANIE 1 15 Kwartał t Ilość wyprodukowanego produktu X [tys. szt.] Firma Alfa jest jednym z głównych dostawców firmy Beta. Ilość produktu X, wyrażona w tysiącach wyprodukowanych i dostarczonych sztuk firmie Beta, w poszczególnych kwartałach, począwszy od I kwartału 2009 roku kształtowała się następująco: 1) Stwórz model prognostyczny oraz wyznacz prognozę na I kwartał 2012 roku korzystając z modelu Browna. 2) Stwórz wykres. 3) Oceń trafność prognozy korzystając ze średniego kwadratowego błędu prognozy oraz średniego względnego błędu prognozy.

16 ZADANIE ) Stwórz model prognostyczny oraz wyznacz prognozę na I kwartał 2012 roku korzystając z modelu Browna. Kwartał t Ilość wyprodukowanego produktu X [tys. szt.]

17 ZADANIE ) Stwórz wykres. Kwartał t Ilość wyprodukowanego produktu X [tys. szt.]

18 ZADANIE ) Oceń trafność prognozy korzystając ze średniego kwadratowego błędu prognozy oraz średniego względnego błędu prognozy. Kwartał t Ilość wyprodukowanego produktu X [tys. szt.]

19 TRAFNOŚĆ PROGNOZY 19 Trafność prognozy określa się po upływie czasu, na który prognoza była wyznaczona. Stopień trafności prognozy ilościowej mierzy się za pomocą błędów ex post. 1 1 M. Cieślak, Organizacja procesu prognostycznego, [w:] Prognozowanie gospodarcze. Metody i zastosowania., M. Cieślak (red.), Wydawnictwo Naukowe PWN, Warszawa 2004, s.48.

20 MIERNIKI TRAFNOŚCI PROGNOZY 20 Błędy prognoz ex post: 1) Średni kwadratowy (standardowy) błąd prognozy ex post Informuje o przeciętnym odchyleniu prognoz od wartości rzeczywistych w całym przedziale weryfikacji. n liczba obserwacji w szeregu czasowym

21 MIERNIKI TRAFNOŚCI PROGNOZY 21 2) Średni względny błąd prognozy ex post Informuje nas jaki procent rzeczywistych wartości zmiennej, stanowiło przeciętne bezwzględne odchylenie prognoz od danych rzeczywistych w rozpatrywanym przedziale weryfikacji. 1 n n t1 y t y y t * t 100

22 ZADANIE 2 22 Miesiące Rzeczywista Ilość wysyłek Prognozy ilości wysyłek Rzeczywiste ilości wysyłek niewielkiej firmy kurierskiej oraz ich prognozy (wyznaczone modelem naiwnym) w kolejnych miesiącach 2011 roku kształtowały się następująco: 1) Wyznacz wielkość odchylenia standardowego. 2) Wyznacz wielkość współczynnika zmienności. 3) Oceń trafność prognozy ex post wykorzystując średni kwadratowy (standardowy) błąd prognozy ex post oraz średni względny błąd prognozy ex post.

23 ZADANIE ) Wyznacz wielkość odchylenia standardowego. Miesiące Rzeczywista Ilość wysyłek Prognozy ilości wysyłek

24 MIERNIKI JAKOŚCI MODELU PROGNOSTYCZNEGO ODCHYLENIE STANDARDOWE 24 Wartość odchylenia standardowego informuje o tym, jakie są przeciętne odchylenia wartości rzeczywistych zmiennej prognozowanej od teoretycznych. Im mniejsza jest wartość tego miernika, tym lepsza jakość modelu. s 1 n 1 n t1 y t y 2 0,5 n - liczba obserwacji w szeregu czasowym m - liczba zmiennych objaśniających (nie uwzględniając wyrazu wolnego) y 1 n n t1 y t M. Cieślak, Organizacja procesu prognostycznego, [w:] Prognozowanie gospodarcze. Metody i zastosowania., M. Cieślak (red.), Wydawnictwo Naukowe PWN, Warszawa 2004, s.45.

25 ZADANIE ) Wyznacz wielkość współczynnika zmienności. Miesiące Rzeczywista Ilość wysyłek Prognozy ilości wysyłek

26 MIERNIKI JAKOŚCI MODELU PROGNOSTYCZNEGO WSPÓŁCZYNNIK WYRAZISTOŚCI 26 Współczynnik wyrazistości (zmienności) informuje, jaką część średniej wartości Y stanowi jej odchylenie standardowe reszt. Jest więc charakterystyką zmienności losowej. Model jest tym lepszy, im mniejsza jest wartość współczynnika wyrazistości. s odchylenie standardowe M. Cieślak, Organizacja procesu prognostycznego, [w:] Prognozowanie gospodarcze. Metody i zastosowania., M. Cieślak (red.), Wydawnictwo Naukowe PWN, Warszawa 2004, s.45.

27 ZADANIE ) Oceń trafność prognozy ex post wykorzystując średni kwadratowy (standardowy) błąd prognozy ex post oraz średni względny błąd prognozy ex post. Miesiące Rzeczywista Ilość wysyłek Prognozy ilości wysyłek

28 MIERNIKI TRAFNOŚCI PROGNOZY 28 Błędy prognoz ex post: 1) Średni kwadratowy (standardowy) błąd prognozy ex post Informuje o przeciętnym odchyleniu prognoz od wartości rzeczywistych w całym przedziale weryfikacji. n liczba obserwacji w szeregu czasowym

29 MIERNIKI TRAFNOŚCI PROGNOZY 29 2) Średni względny błąd prognozy ex post Informuje nas jaki procent rzeczywistych wartości zmiennej, stanowiło przeciętne bezwzględne odchylenie prognoz od danych rzeczywistych w rozpatrywanym przedziale weryfikacji. 1 n n t1 y t y y t * t 100

30 61-755 POZNAŃ UL. E. ESTKOWSKIEGO 6 Rektorat tel. 61 850 47 81 Dziekanat tel. 61 850 47 64 Księgowość tel.

30 POZNAŃ UL. E. ESTKOWSKIEGO 6 Rektorat tel Dziekanat tel Księgowość tel Kadry tel fax rektorat@wsl.com.pl DZIĘKUJEMY ZA UWAGĘ

Podobne dokumenty

Zapraszamy do współpracy FACULTY OF ENGINEERING MANAGEMENT www.fem.put.poznan.pl Agnieszka Stachowiak agnieszka.stachowiak@put.poznan.pl Pokój 312 (obok czytelni) Dyżury: strona wydziałowa Materiały dydaktyczne: