PROGNOZOWANIE. mgr Żaneta Pruska. Katedra Systemów Logistycznych.

Podobne dokumenty
PROGNOZOWANIE. mgr Żaneta Pruska. Katedra Systemów Logistycznych.

PROGNOZOWANIE. Ćwiczenia 3. tel.: (061)

WSPOMAGANIE PROCESÓW DECYZYJNYCH

PROGNOZY I SYMULACJE

Prognozowanie i symulacje

ANALIZA DYNAMIKI ZJAWISK (dok.) WYGŁADZANIE szeregu czasowego

KURS STATYSTYKA. Lekcja 7 Analiza dynamiki zjawisk (zjawiska w czasie) ZADANIE DOMOWE. Strona 1

PROGNOZOWANIE. mgr inż. Martyna Malak. Katedra Systemów Logistycznych.

Instytut Logistyki i Magazynowania

Prognozowanie i symulacje

Prognozowanie na podstawie szeregów czasowych.

Metody statystyczne w naukach biologicznych

Modele tendencji rozwojowej STATYSTYKA OPISOWA. Dr Alina Gleska. Instytut Matematyki WE PP. 18 listopada 2017

Wygładzanie metodą średnich ruchomych w procesach stałych

ANALIZA, PROGNOZOWANIE I SYMULACJA / Ćwiczenia 1

PROGNOZOWANIE I SYMULACJE. mgr Żaneta Pruska. Ćwiczenia 2 Zadanie 1

Ocena dopasowania modelu do danych empirycznych

MODEL TENDENCJI ROZWOJOWEJ

Analiza szeregów czasowych uwagi dodatkowe

. Dla każdego etapu t znamy funkcję transformacji stanu (funkcja przejścia):

Efektywność projektów inwestycyjnych. Statyczne i dynamiczne metody oceny projektów inwestycyjnych

OCENA POPYTU POPYT POJĘCIA WSTĘPNE. Definicja: Popyt to ilość dobra, jaką nabywcy gotowi są zakupić przy różnych poziomach ceny.

PROGNOZOWANIE. Ćwiczenia 2. mgr Dawid Doliński

Analiza rynku projekt

DEA podstawowe modele

Cechy szeregów czasowych

PROGNOZY I SYMULACJE

Dane modelu - parametry

Ćwiczenie 5 ITERACYJNY ALGORYTM LS. IDENTYFIKACJA OBIEKTÓW NIESTACJONARNYCH ALGORYTM Z WYKŁADNICZYM ZAPOMINANIEM.

Miary rozproszenia. Miary położenia. Wariancja. Średnia. Dla danych indywidualnych: Dla danych indywidualnych: s 2 = 1 n. (x i x) 2. x i.

Miary położenia. Miary rozproszenia. Średnia. Wariancja. Dla danych indywidualnych: Dla danych indywidualnych: s 2 = 1 n. (x i x) 2. x i.

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

Wykład 6. Badanie dynamiki zjawisk

PROGNOZY I SYMULACJE

t - kwantyl rozkładu t-studenta rzędu p o f stopniach swobody

Miary położenia (tendencji centralnej) to tzw. miary przeciętne charakteryzujące średni lub typowy poziom wartości cechy.

Szereg czasowy z trendem. Model Holta. Stosujemy dwa równania rekurencyjne: I - słuy do wyznaczania wygładzonych wartoci szeregu czasowego w chwili t

Wykład 6. Badanie dynamiki zjawisk

KRÓTKOTERMINOWE PROGNOZOWANIE WIELKO CI UDZIAŁU KOMPONENTÓW USZKODZONYCH W PRODUKCJI CAŁKOWITEJ Z WYKORZYSTANIEM KLASYCZNYCH METOD PREDYKCJI

STATYSTYKA OPISOWA WYKŁAD 1 i 2

Zajęcia 2. Estymacja i weryfikacja modelu ekonometrycznego

STATYSTYKA OPISOWA PODSTAWOWE WZORY

STATYSTYKA OPISOWA PODSTAWOWE WZORY

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

EKONOMETRIA. Liniowy model ekonometryczny (regresji) z jedną zmienną objaśniającą

Histogram: Dystrybuanta:

Erlanga. Znajdziemy rozkład czasów oczekiwania na n-te zdarzenie. Łączny czas oczekiwania. na n zdarzeń dany jest przez: = u-v i t 2.

TRANZYSTORY POLOWE JFET I MOSFET

Statystyka Inżynierska

Metrologia: miary dokładności. dr inż. Paweł Zalewski Akademia Morska w Szczecinie

Rozkład normalny (Gaussa)

Rozkład normalny (Gaussa)

Zasady budowania prognoz ekonometrycznych

3. Tworzenie próby, błąd przypadkowy (próbkowania) 5. Błąd standardowy średniej arytmetycznej

Prognozowanie popytu. mgr inż. Michał Adamczak

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

2017 r. STOPA BEZROBOCIA r. STOPA BEZROBOCIA

ODCZYT STANU WODY NA RZECE DRWĘCY mierzone dla posterunku Nowe Miasto Lubawskie

ZBIÓR LICZB RZECZYWISTYCH - DZIAŁANIA ALGEBRAICZNE

Kombinowanie prognoz. - dlaczego należy kombinować prognozy? - obejmowanie prognoz. - podstawowe metody kombinowania prognoz

POLITECHNIKA ŚLĄSKA, WYDZIAŁ ELEKTRYCZNY, INSTYTUT ELEKTROTECHNIKI I INFORMATYKI. Wykresy w Excelu TOMASZ ADRIKOWSKI GLIWICE,

Ćwiczenie 3. H 1 : p p 0 H 3 : p > p 0. b) dla małej próby statystykę testową oblicza się za pomocą wzoru:

Metody Ilościowe w Socjologii

Wykład 5 Przedziały ufności. Przedział ufności, gdy znane jest σ. Opis słowny / 2

ZASTOSOWANIE ZMODYFIKOWANEJ METODY WSKA NIKÓW SEZONOWO CI DO PROGNOZOWANIA WIELKO CI POPYTU

INWESTYCJE MATERIALNE

Matematyka ubezpieczeń majątkowych r. Zadanie 1. Rozważamy proces nadwyżki ubezpieczyciela z czasem dyskretnym postaci: n

1. Element nienaprawialny, badania niezawodności. Model matematyczny elementu - dodatnia zmienna losowa T, określająca czas życia elementu

ORGANIZATOR SPORTU DZIECI I MŁODZIEŻY W ŚRODOWISKU WIEJSKIM

Statystyczny opis danych - parametry

MIANO ROZTWORU TITRANTA. Analiza statystyczna wyników oznaczeń

Estymacja przedziałowa

Stanisław Cichocki Natalia Nehrebecka. Wykład 5

Ćwiczenia rachunkowe TEST ZGODNOŚCI χ 2 PEARSONA ROZKŁAD GAUSSA


3. Modele tendencji czasowej w prognozowaniu

Elementy statystyki opisowej Izolda Gorgol wyciąg z prezentacji (wykład I)

licencjat Pytania teoretyczne:

Michał Gruca ZASADY OPRACOWANIA WYNIKÓW POMIARÓW

ZADANIA ZAMKNIĘTE. Zadanie 1. (1 pkt) Wartość wyrażenia. b dla a 2 3 i b 2 3 jest równa A B. 5 C. 6 D Zadanie 2.

Podstawy zarządzania finansami przedsiębiorstwa

ANALIZA, PROGNOZOWANIE I SYMULACJA WARUNKI ZALICZENIA. AUTOR: mgr inż. MARTYNA KUPCZYK ANALIZA, PROGNOZOWANIE I SYMULACJA WARUNKI ZALICZENIA

1. Wnioskowanie statystyczne. Ponadto mianem statystyki określa się także funkcje zmiennych losowych o

Wolumen - część II Budynki Urzędu Gminy Kulesze Kościelne i Ochotniczej Straży Pożarnej Grodzkie Nowe w grupie taryfowej G

ANALIZA, PROGNOZOWANIE I SYMULACJA EXCEL AUTOR: MARTYNA KUPCZYK ANALIZA, PROGNOZOWANIE I SYMULACJA EXCEL AUTOR: MARTYNA KUPCZYK

Statystyka opisowa - dodatek

Październik Data Dzień tygodnia Szczęśliwy numerek [Wybierz inny miesiąc]

ROK 2007 Sprawozdanie o rynku pracy Styczeń

IV SEKTOR - HARMONOGRAM WYWOZU ODPADÓW WIELKOGABARYTOWYCH Z BUDYNKÓW WIELORODZINNYCH NA 2015 ROK

Statystyka od podstaw z systemem SAS Dr hab. E. Frątczak, ZAHZiAW, ISiD, KAE. Część VII. Analiza szeregu czasowego

Gospodarka lokalna Założenia a rzeczywistość

Statystyka matematyczna. Wykład II. Estymacja punktowa

Symulacyjna metoda doboru optymalnych parametrów w prognostycznych modelach wygładzania wykładniczego

MINIMALIZACJA PUSTYCH PRZEBIEGÓW PRZEZ ŚRODKI TRANSPORTU

PROGNOZOWANIE DOCHODÓW ZE SPRZEDAŻY TYGODNIKÓW LOKALNYCH WYBRANE PODEJŚCIA

L.Kowalski zadania ze statystyki matematycznej-zestaw 3 ZADANIA - ZESTAW 3

X i. X = 1 n. i=1. wartość tej statystyki nazywana jest wartością średnią empiryczną i oznaczamy ją symbolem x, przy czym x = 1. (X i X) 2.

STATYSTYKA I ANALIZA DANYCH

Przykładowe zadania dla poziomu rozszerzonego

Wykład nr 2. Statystyka opisowa część 2. Plan wykładu

Transkrypt:

PROGNOZOWANIE Kaedra Ssemów Logisczch mgr Żaea Pruska zaea_pruska@wp.pl zaea.pruska@wsl.com.pl

PROJEKT 5 pk. (grup 4-osobowe) Projek: Wersja w Wordzie Powia zawierać opis projeku z zasosowaiem eapów progozowaia. Wersja w Excelu Obliczeia, wkres Projek (wersja Word oraz Excel) przesłają Pańswo w ermiie podam w pliku ermi przesłaia projeków dla poszczególch grup. Usa obroa projeku a 3 ćwiczeiach ieprzsąpieie do obro ozacza 0 puków z projeku. Na obroę proszę dosarczć: wdrukowaą wersję Worda oraz Wersję Excela w formie elekroiczej 2

DEFINICJA PROGNOZY Progozowaie? Przewidwaie 3

DEFINICJA PROGNOZY Przewidwaie wioskowaie o zdarzeiach iezach a podsawie zdarzeń zach (p. przewidwaie ieracjoale, czli prorocwa i wróżb) PROGNOZOWANIE opare a aukowch podsawach przewidwaia kszałowaia się zjawisk i procesów w przszłości. Określeie aukowe podsaw ozacza w m przpadku, iż prz progozowaiu korzsa się z dorobku auki j. z meod maemaczch, sasczch oraz ogólej meodologii posępowaia w procesie progozowaia. 4

Eap progozowaia. Sformułowaie problemu progosczego określeie m. i. progozowaego obieku, zasięgu progoz, progozowaego zjawiska, zmiech charakerzującch zjawisko, jedosek pomiaru, kaegorii zmiech, pu zmiech; 2. Gromadzeie oraz przewarzaie dach; 3. Wbór meod progozowaia wbraie a podsawie przesłaek progosczch odpowiediego modelu progozowaia; 4. Wzaczeie progoz; 5. Ocea dopuszczalości oraz rafości progoz; 6. Werfikacja progoz moiorig - ależ śledzić a bieżąco fakczą rafość sporządzach progoz. 5

Meod progozowaia krókoermiowego sał poziom red sezoowość Model aiw, Modele średiej armeczej, Model Browa Model Hola Modele aalicze Model wskaźików sezoowości Model Wiersa 6

Zadaie Ilość wsłek iewielkiej firm kurierskiej, w kolejch miesiącach 2009 roku kszałowała się asępująco: miesiące Ilość wsłek 03 2 09 3 07 4 04 5 08 6 03 7 08 8 04 9 02 0 05 09 2 04 ) Swórz wkres. Dokoaj dekompozcji szeregu czasowego. Wzacz wielkość współczika zmieości. 2) Zbuduj model progoscz oraz wzacz progozę a sczeń 200 roku korzsając z meod aiwej. 3) Oceń rafość progoz ex pos wkorzsując średi kwadraow (sadardow) błąd progoz ex pos oraz średi względ błąd progoz ex pos. 7

Szereg czasow - zesawieie warości zmiech cech badaej według krerium czasu, gdzie badaa jes warość cech w kolejej jedosce czasu. laa Sprzedaż produku X (w s. sz.) 200 0,2 2 2002 0, 3 2003 0,5 4 2004 0,6 5 2005,0 6 2006,2 7 2007,5 8 2008,7 9 2009 2,0 8

Składowe szeregów czasowch W szeregach czasowch wróżia się dwie składowe: ) składowa ssemacza edecja rozwojowa (red) długookresowa skłoość do jedokierukowch zmia, sał/przecię poziom zmieej progozowaej, składowa okresowa (periodcza) wahaia cklicze lub sezoowe 2) składowa przpadkowa (składik losow, wahaia przpadkowe) Y Y Czas 9 Czas

Y wahaia losowe sał poziom Y wahaia losowe red Czas Czas Y wahaia sezoowe sał poziom Y wahaia sezoowe red Czas 0 Czas

Mieriki jakości modelu progosczego Odchleie sadardowe (składika reszowego lub z obserwacji) 0,5 2 m s 0,5 2 s - liczba obserwacji w szeregu czasowm m - liczba zmiech objaśiającch (ie uwzględiając wrazu wolego) Współczik wrazisości (zmieości)

Model aiw Model aiw - zakłada, że progozowaa warość w asępm okresie będzie kszałowała się a m samm poziomie co w obecm okresie, prz założeiu ie wsępowaia zmia jakościowch w badam zjawisku. Model e może mieć zasosowaie w przpadku ie wsępowaia wahań przpadkowch (sał poziom badaego zjawiska) w szeregu czasowm. - = progoza zjawiska a okres - wielkość badaego zjawiska w okresie - UWAGA! progoz moża wkoać lko a jede okres w przód 2

Mieriki rafości progoz Błęd progoz ex pos ) Bezwzględ błąd progoz ex pos - wielkość badaego zjawiska w okresie, - progoza warości zmieej a okres, 2) Względ błąd progoz ex pos 3) Średi kwadraow (sadardow) błąd progoz ex pos liczba obserwacji w szeregu czasowm Iformuje o przecięm odchleiu progoz od warości rzeczwisch w całm przedziale werfikacji. 3

4 4) Średi błąd progoz ex pos 5) Średi bezwzględ (absolu) błąd progoz ex pos e e 0 i d 6) Średi względ błąd progoz ex pos 00

Zadaie 2 Wdajość badaego magazu kompleacji, wrażoa jako średia ilość jedosek paleowch skompleowach w ciągu godzi w poszczególch miesiącach 2009 roku wosiła: miesiące Wielkość kompleacji [jp/h] 200 2 25 3 228 4 20 5 95 6 2 7 225 8 90 9 202 0 20 22 2 240 ) Zbuduj model progoscz oraz wzacz progozę a sczeń 200 roku korzsając z meod: a) średiej armeczej ruchomej 3-elemeowej, b) średiej armeczej ruchomej 5-elemeowej, c) średiej armeczej ważoej 3-elemeowej, wkorzsując wagi 0,2 ; 0,3 ; 0,5 d) średiej armeczej ważoej 5-elemeowej, wkorzsując wagi 0, ; 0,5 ; 0,2 ; 0,25 ; 0,3. 3) Oceń rafość progoz ex pos wkorzsując średi kwadraow (sadardow) błąd progoz ex pos oraz średi względ błąd progoz ex pos. 5

Modele średiej armeczej Wróżia się asępujące modele średiej armeczej: Średia armecza prosa Średia armecza ruchoma Średia armecza ważoa 6

Średia armecza ruchoma - cech charakerscze: prose obliczeia, wbór liczb okresów jes arbiral - im miejsza liczba okresów m szbsza odpowiedź (bardziej odzwierciedla zachodzące zmia), wszskim uśrediam dam przpisuję aką samą wagę, większa liczba okresów siliej wgładza dae, lecz skraca szereg czasow. = k i ik progoza a mome lub okres jes średią armeczą z k osaich obserwacji w szeregu 7 i k - progoza zjawiska a okres - wielkość badaego zjawiska w okresie i - liczba elemeów średiej ruchomej, sała wgładzaia

Średia armecza ruchoma 3-elemeowa / PRZYKŁAD miesiące Sprzedaż (sz.) Sczeń 05 Lu 2 Marzec 03 Kwiecień 99 Maj 03 Czerwiec 0 Lipiec 07 Sierpień 05 Wrzesień 03 Paździerik 09 Lisopad 0 grudzień? Średia ruchoma 3-elemeowa - - - (05+2+03)/3=06,67 (2+03+99)/3=04,67 (03+99+03)/3=0,67 (99+03+0)/3=0,00 (03+0+07)/3=03,67 (0+07+05)/3=04,33 (07+05+03)/3=05,00 (05+03+09)/3=05,67 (03+09+0)/3=04,33 8 5 0 05 00 95 90 =? 2 3 4 5 6 7 8 9 0 2 3 4 = 03 09 0 2 3 k i ik =04,33 sz.

Średia armecza ważoa cech charakerscze: prose obliczeia, ajwiększe zaczeie mają ajświeższe dae (mają większą wagę), uwzględia wsępujące red, ale ie wzacza ich liczbowo. i k = ik i w i 9 k - progoza zjawiska a okres - wielkość badaego zjawiska w okresie i - liczba elemeów średiej ruchomej, sała wgładzaia - waga zmieej progozowaej w okresie i

Średia armecza ważoa 3-elemeowa/ PRZYKŁAD miesiące Sprzedaż (sz.) Sczeń 05 Lu 2 Marzec 03 Kwiecień 99 Maj 03 Czerwiec 0 5 0 05 00 95 90? 2 3 4 5 6 7 8 9 0 2 3 4 Lipiec 07 Sierpień 05 Wrzesień 03 Paździerik 09 Lisopad 0 grudzień? = 2 I waga 0,2; II waga 0,3; III waga 0,5 03 0,2 090,3 0 0,5 0,2 0,3 0,5 UWAGA: Suma wag zawsze wosi 20 =03,8 sz.

Dziękuję za uwagę 2