Prognozowanie popytu. mgr inż. Michał Adamczak

HTML
DOWNLOAD

Wielkość: px

Rozpocząć pokaz od strony:

Download "Prognozowanie popytu. mgr inż. Michał Adamczak"

Michał Baran
8 lat temu
Przeglądów:

1 Prognozowanie popytu mgr inż. Michał Adamczak

2 Plan prezentacji 1. Definicja prognozy 2. Klasyfikacja prognoz 3. Szereg czasowy 4. Metody prognozowania 4.1. Model naiwny 4.2. Modele średniej arytmetycznej Średnia arytmetyczna prosta Średnia arytmetyczna ruchoma Średnia arytmetyczna ruchoma ważona 4.3. Model Browna 4.4. Modele analityczne 4.5. Model wskaźników sezonowości

3 1. Definicja prognozy Prognozowaniem nazywamy oparte na naukowych podstawach przewidywanie kształtowania się zjawisk i procesów w przyszłości

4 2. Klasyfikacja prognoz Oparta o sposób wyrażania zmiennej: Zmienne ilościowe stan zmiennej wyrażony jest liczbą lub przedziałem liczb, np. sprzedaż telefonów komórkowych w przyszłym roku wzrośnie o 7%; Zmienne jakościowe stan zmiennej wyrażony jest w sposób opisowy, np. przychody firmy w kolejnym roku wzrosną

5 2. Klasyfikacja prognoz Na podstawie horyzontu czasowego na jaki obowiązuje prognoza: Prognozy krótkookresowe obejmują przedział czasu, w którym zachodzą tylko zmiany ilościowe; Prognozy średniookresowe obejmują przedział czasu, w którym zachodzą zmiany ilościowe oraz nieznaczne zmiany jakościowe; Prognozy długookresowe obejmują przedział czasu, w którym zachodzą zarówno zmiany ilościowe jak i jakościowe

6 2. Klasyfikacja prognoz Oparta na podstawie postawy prognosty wobec mechanizmów rozwojowych prognozowanego zjawiska: Postawa pasywna prognosta skupia się wyłącznie na zmianach ilościowych, bez wnikania w mechanizmy, które je powodują; będzie tak jak było dotychczas ; Postawa aktywna prognosta skupia się zarówno na zmianach ilościowych jak i jakościowych, bierze pod uwagę sytuację zewnętrzną

7 3. Szereg czasowy Szereg czasowy to zestawienie wartości zmiennych cechy według kryterium czasu. Miesiąc Popyt I 14 II 13 III 16 IV 22 V 17 VI 11 VII 8 VIII 19 IX 17 X 12 XI 7 XII Popyt I II III IV V VI VII VIII IX X XI XII Popyt

8 4. Metody prognozowania Model Wintersa Model wskaźników sezonowości Modele analityczne Model Holta Model Browna Modele średniej arytmetycznej Model naiwny Modele ekonometryczne Metody heurystyczne Metody analogowe Metody scenariuszowe Symulacje Krótkookresowe Średniookresowe Długookresowe

9 4.1. Model naiwny Model naiwny opiera się o założenie, że prognoza na okres przyszły będzie równa zaobserwowanej wielkości w okresie poprzedzającym. - prognoza zjawiska na okres t - zaobserwowana wielkość zjawiska w okresie t

10 4.1. Model naiwny Tydzień Popyt Popyt

11 4.2. Modele średniej arytmetycznej Wyróżnia się trzy modele średniej arytmetycznej średnia arytmetyczna prosta średnia arytmetyczna ruchoma średnia arytmetyczna ruchoma ważona

12 Średnia arytmetyczna prosta - prognoza zjawiska na okres t - wielkość badanego zjawiska w okresie i k - liczba obserwowanych zjawisk

13 Średnia arytmetyczna prosta Tydzień Popyt , Popyt

14 Zadanie

15 Zadanie 1 Wyznacz prognozę dla okresu 13 na podstawie danych pochodzących z przedstawionego szeregu czasowego wykorzystując metodę średniej arytmetycznej. Tydzień Popyt

4.2.2. Średnia arytmetyczna ruchoma - prognoza zjawiska na okres t - wielkość

16 Średnia arytmetyczna ruchoma - prognoza zjawiska na okres t - wielkość badanego zjawiska w okresie i k - liczba elementów średniej ruchomej

17 Średnia arytmetyczna ruchoma Tydzień Popyt , , , Średnia arytmetyczna ruchoma 5 elementowa K = 5 Popyt

18 Zadanie

19 Zadanie 2 Wyznacz prognozę dla okresu 13 na podstawie danych pochodzących z przedstawionego szeregu czasowego wykorzystując metodę średniej ruchomej 3 oraz 5 okresowej. Tydzień Popyt

20 Średnia arytmetyczna ruchoma ważona - prognoza zjawiska na okres t - wielkość badanego zjawiska w okresie i K - liczba elementów średniej ruchomej - waga zmiennej prognozowanej w okresie i

21 Średnia arytmetyczna ruchoma Tydzień Popyt , , , ważona Średnia ruchoma ważona 3 elementowa I waga 0,2 II waga 0,3 III waga 0,5 Popyt

22 Zadanie

23 Zadanie 3 Wyznacz prognozę dla okresu 13 na podstawie danych pochodzących z przedstawionego szeregu czasowego wykorzystując metodę średniej ruchomej ważonej: 3 okresowej, wagi odpowiednio 0,1; 0,3; 0,6; 5 okresowej wagi odpowiednio 0,05; 0,1; 0,2 ; 0,25; 0,4. Tydzień Popyt

24 4.3. Model Browna Model Browna polega na wygładzaniu wykładniczym szeregu czasowego za pośrednictwem średniej ruchomej ważonej. Wagi wyznaczane są z funkcji wykładniczej. - prognoza zjawiska na okres t - wielkość badanego zjawiska w okresie t-1 - prognoza zjawiska w okresie t-1 - parametr modelu <0;1> = 0 stała prognoza = 1 model naiwny

25 4.3. Model Browna Tydzień Popyt Prognoza , , , , , , , , , , , , = 0, Prognoza Popyt

26 Zadanie

27 Zadanie 4 Wyznacz prognozę dla okresu 13 na podstawie danych pochodzących z przedstawionego szeregu czasowego wykorzystując metodę Browna. Przyjmij wartość współczynnika wygładzania 0,3. Tydzień Popyt

28 4.5. Modele analityczne Modele analityczne należą do modeli ekonometrycznych. Zmienną objaśniającą w tych modelach jest czas. Opierają się one o estymację parametrów a następnie wykorzystanie ich do prognozowania

29 4.5. Modele analityczne Najpopularniejsze modele analityczne to: Funkcja liniowa Funkcja wykładnicza Funkcja potęgowa Funkcja logarytmiczna Funkcja wielomianowa

30 Zadanie

31 Zadanie 5 Analizując popyt na wodę mineralną w pewnej hurtowni w postaci szeregu czasowego z miesiąca stycznia kierownik działu sprzedaży wyznaczył model w postaci funkcji liniowej o następującej postaci: t- numer kolejnego dnia roku Wyznacz prognozę popytu na wodę mineralną w opisanej hurtowni dla pierwszego dnia lutego. Zinterpretuj parametry wyznaczonego modelu

32 4.6. Model wskaźników sezonowości Model wskaźników sezonowości jest najczęściej stosowaną metodą w analizie sezonowości. Polega na wyznaczaniu sezonowości dla poszczególnych faz cyklu. - wskaźnik sezonowości dla okresu x - popyt w okresie x - popyt roczny

33 4.6. Model wskaźników sezonowości Okres obserwacji Rok 1 Rok 2 Rok 3 Rok 4 Q Q Q Q Rocznie Okres obserwacji Rok 1 Rok 2 Rok 3 Rok 4 ws śr Q1 0,21 0,22 0,22 0,23 0,22 Q2 0,29 0,28 0,28 0,28 0,28 Q3 0,14 0,16 0,17 0,18 0,16 Q4 0,36 0,34 0,33 0,33 0,34 Suma

34 popyt 4.6. Model wskaźników sezonowości Okres obserwacji Rok 5 Q1 242 Q2 308 Q3 176 Q4 374 Rocznie Q1 Q2 Q3 Q Rok 1 Rok 2 Rok 3 Rok 4 rok

35 Zadanie

36 Zadanie 6 Bazując na danych o sprzedaży klimatyzatorów w jednym z salonów firmowych producenta sprzętu wentylacyjnego sporządź prognozę sprzedaży dla poszczególnych kwartałów 5 roku. Dyrektor sprzedaży korzystając ze stworzonego przez siebie modelu prognostycznego obliczył roczny popyt w roku 5 na 115 sztuk. Okres obserwacji Rok 1 Rok 2 Rok 3 Rok 4 Q Q Q Q Rocznie

37 Dziękuję 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: