Flytte gjennomsnittlig prognose Innledning. Som du kanskje tror vi ser på noen av de mest primitive tilnærmingene til prognoser. Men forhåpentligvis er disse minst en verdig innføring i noen av databehandlingsproblemene knyttet til implementering av prognoser i regneark. I denne veinen vil vi fortsette med å starte i begynnelsen og begynne å jobbe med Moving Average prognoser. Flytte gjennomsnittlige prognoser. Alle er kjent med å flytte gjennomsnittlige prognoser, uansett om de tror de er. Alle studenter gjør dem hele tiden. Tenk på testresultatene dine i et kurs der du skal ha fire tester i løpet av semesteret. La oss anta at du fikk en 85 på din første test. Hva vil du forutsi for din andre testscore Hva tror du at læreren din ville forutsi for din neste testscore Hva tror du dine venner kan forutsi for din neste testscore Hva tror du at foreldrene dine kan forutsi for neste testresultat uansett om alt det du kan gjøre med dine venner og foreldre, de og din lærer er veldig sannsynlig å forvente deg å få noe i området av 85 du nettopp har fått. Vel, nå kan vi anta at til tross for selvforfremmelse til vennene dine, overestimerer du deg selv og figurerer du kan studere mindre for den andre testen, og så får du en 73. Nå er det alle de bekymrede og ubekymrede går til Forvent deg at du kommer på den tredje testen. Det er to svært sannsynlige tilnærminger for dem å utvikle et estimat, uansett om de vil dele det med deg. De kan si til seg selv, at denne fyren alltid blåser røyk om hans smarts. Hes kommer til å få en annen 73 hvis han er heldig. Kanskje foreldrene vil prøve å være mer støttende og si, quote, så langt har du fått en 85 og en 73, så kanskje du burde finne på å få en (85 73) 2 79. Jeg vet ikke, kanskje hvis du gjorde mindre fest og werent vevet vasselen over alt, og hvis du begynte å gjøre mye mer å studere, kan du få en høyere score. quot Begge disse estimatene flytter faktisk gjennomsnittlige prognoser. Den første bruker bare din siste poengsum for å prognose din fremtidige ytelse. Dette kalles en flytende gjennomsnittlig prognose ved hjelp av en periode med data. Den andre er også en flytende gjennomsnittlig prognose, men bruker to perioder med data. La oss anta at alle disse menneskene bråser på ditt store sinn, har slags pisset deg av og du bestemmer deg for å gjøre det bra på den tredje testen av dine egne grunner og for å sette en høyere poengsum foran din quotalliesquot. Du tar testen og poengsummen din er faktisk en 89 Alle, inkludert deg selv, er imponert. Så nå har du den endelige testen av semesteret som kommer opp, og som vanlig føler du behovet for å få alle til å gjøre sine spådommer om hvordan du skal gjøre på den siste testen. Vel, forhåpentligvis ser du mønsteret. Nå, forhåpentligvis kan du se mønsteret. Hvilke tror du er den mest nøyaktige fløyten mens vi jobber. Nå går vi tilbake til vårt nye rengjøringsfirma som startes av din fremmedgjorte halv søster, kalt Whistle While We Work. Du har noen tidligere salgsdata som er representert av følgende del fra et regneark. Vi presenterer først dataene for en tre-års glidende gjennomsnittlig prognose. Oppføringen for celle C6 skal være Nå kan du kopiere denne celleformelen ned til de andre cellene C7 til C11. Legg merke til hvordan gjennomsnittet beveger seg over de nyeste historiske dataene, men bruker nøyaktig de tre siste perioder som er tilgjengelige for hver prediksjon. Du bør også legge merke til at vi ikke virkelig trenger å gjøre spådommene for de siste perioder for å utvikle vår siste prediksjon. Dette er definitivt forskjellig fra eksponentiell utjevningsmodell. Ive inkluderte quotpast predictionsquot fordi vi vil bruke dem på neste nettside for å måle prediksjonsgyldigheten. Nå vil jeg presentere de analoge resultatene for en to-års glidende gjennomsnittlig prognose. Oppføringen for celle C5 skal være Nå kan du kopiere denne celleformelen ned til de andre cellene C6 til C11. Legg merke til hvordan nå bare de to siste stykkene av historiske data blir brukt for hver prediksjon. Igjen har jeg tatt med quotpast predictionsquot for illustrative formål og for senere bruk i prognose validering. Noen andre ting som er viktig å legge merke til. For en m-periode som beveger gjennomsnittlig prognose, brukes bare de nyeste dataverdiene for å gjøre prognosen. Ingenting annet er nødvendig. For en m-periode som beveger gjennomsnittlig prognose, legger du merke til at den første prediksjonen forekommer i periode m 1. Begge disse problemene vil være svært viktige når vi utvikler koden vår. Utvikle den bevegelige gjennomsnittsfunksjonen. Nå må vi utvikle koden for den bevegelige gjennomsnittlige prognosen som kan brukes mer fleksibelt. Koden følger. Legg merke til at inngangene er for antall perioder du vil bruke i prognosen og rekke historiske verdier. Du kan lagre den i hvilken arbeidsbok du vil ha. Funksjon MovingAverage (Historical, NumberOfPeriods) Som Single Deklarering og Initialisering av variabler Dim Item Som Variant Dim Counter Som Integer Dim Akkumulering Som Single Dim HistoricalSize Som Integer Initialiserende variabler Teller 1 Akkumulering 0 Bestemme størrelsen på Historical array HistoricalSize Historical. Count For Counter 1 To NumberOfPeriods Akkumulere riktig antall siste tidligere observerte verdier Akkumulasjonsakkumulering Historisk (HistoricalSize - NumberOfPeriods Counter) MovingAverage AkkumuleringsnummerOfPeriods Koden vil bli forklart i klassen. Du vil plassere funksjonen på regnearket slik at resultatet av beregningen vises der det skal like følgende. Beregn en prognose for ovennevnte etterspørsel ved hjelp av et glidende gjennomsnitt på 3- og 5-årig basis. Dags etterspørsel 1 200 2 134 3 157 4 165 5 177 6 125 7 146 8 150 9 182 10 197 11 136 Utvikle et regneark for å svare på følgende spørsmål. 12 163 Beregn en prognose for ovennevnte etterspørsel ved hjelp av et 3- og 5-års glidende gjennomsnitt. 13 157 Tegn disse prognosene og de opprinnelige dataene ved hjelp av Excel. Hva viser grafen 14 169 Hvilken av de ovennevnte prognosene er best Hvorfor Beregn en prognose av ovennevnte etterspørsel ved hjelp av et 3- og 5-års glidende gjennomsnitt. Post navigasjon SØK FOR PAPIR OG SVAR Antall varer i handlekurven: 0 ANMODNING NYE ARBEIDSBOKER KATEGORI Kategorier BESTILL NY LØSNING Abonnement Følg databladet på Twitter, eller del vår side KJØP NU 19.99 KJØP NU 29.99 KJØP NU 19.99 KJØP NU 9.99 Beregn en Butikkprognose av etterspørselen ved hjelp av en 3- og 5-periode flytende gjennomsnitt Vennligst hjelp med følgende problemer. ABC Floral Shop solgte følgende antall geraniumer i løpet av de siste 2 ukene: Nøkkel: Dags etterspørsel 1 200 2 134 3 157 4 165 5 177 6 125 7 146 8 150 9 182 10 197 11 136 12 163 13 157 14 169 Utvikle en regneark for å svare på følgende spørsmål. - Beregn prognose for ovennevnte etterspørsel ved hjelp av et 3- og 5-års glidende gjennomsnitt. - Graf disse prognosene og de opprinnelige dataene ved hjelp av Excel. Hva viser grafen - Hvilken av de ovennevnte prognosene er best Hvorfor Løsningsforhåndsvisning Vennligst se vedlagte regneark og gi meg beskjed hvis du har spørsmål. For å bygge et x-dagers glidende gjennomsnitt, på hvert punkt, gjennomsnittlig vi etterspørselen på hver av de siste x dagene. For dag 15, bruk 3-dagers glidende gjennomsnitt vi. Løsningssammendrag Denne løsningen hjelper med ulike forretningsanalysproblemer. Det hjelper til med å beregne en prognose på etterspørsel ved hjelp av et gjennomsnitt på tre til fem år, grafprognoser og opprinnelige data, og diskuterer hvilken prognose som er best. Detaljert forklaring er gitt. Legg til løsning på kurv Fjern fra CartCalculate en prognose av ovennevnte etterspørsel ved å bruke en a. Beregn en prognose for ovennevnte etterspørsel ved hjelp av et tre - og fem-års glidende gjennomsnitt. b. Tegn disse prognosene og de opprinnelige dataene ved hjelp av Excel. Hva viser grafen c. Beregn MSE for begge prognosemetoder. Ifølge MSE, forklar hvilken prognose som er bedre. d. Beregn CFE for begge prognosemetoder. Ifølge CFE, forklar hvilken prognose som er bedre. Løsninger: Del a: Dag etterspørsel 3 Periode Flytende Gjennomsnitt 5 Periode Flytende Gjennomsnitt 1 200 2 134 3 147 4 165 160,33 5 183 148,67 6 125 165,00 165,80 7 146 157,67 150,80 8 154 151,33 153,20 9 182 141,67 154,60 10 197 160,67 158,00 11 132 177,67 160,80 12 163 170,33 162,20 13 157 164,00 165,60 14 169 150,67 166,20 MGT 302 Page 3 Denne forhåndsvisningen har forsettlig sløret seksjoner. Registrer deg for å se fullversjonen. Dr. X. Huang Del b: De 5-årige glidende gjennomsnittsprognosene er stabile enn 3-års glidende gjennomsnittlige prognoser. På den annen side reagerer 3-års glidende gjennomsnittlige prognoser raskere. 0 50 100 150 200 250 Dag Etterspørsel 3-periode m. a. 5-periode m. a. Del c og Del d: Gjennomsnittlig glidende gjennomsnitt på 5 år er bedre fordi CFE-verdien er nærmere null, og dens MSE er mindre: CFE 3-periodes-flytende gjennomsnitt 24,99 5-periode flytende gjennomsnitt -12,20 MSE 3-periode flytende gjennomsnitt 764,96 5 - Period Moving Average 541.33 Problem 5: a. Beregn sporingssignal for følgende data. Periode Dette er slutten av forhåndsvisningen. Registrer deg for å få tilgang til resten av dokumentet. Dette notatet ble lastet opp på 02112015 for kurset MGT 303 undervist av professor Waugh under våren 03911 sikt på Miami University. Klikk for å redigere dokumentdetaljer
No comments:
Post a Comment