مثال من الحركة - متوسط - التنبؤ

أور-نوتس عبارة عن سلسلة من الملاحظات التمهيدية حول الموضوعات التي تقع تحت عنوان واسع من مجال بحوث العمليات أو أنها كانت تستخدم أصلا من قبل لي في تمهيدية أو بالطبع أعطي في كلية إمبريال وهي متاحة الآن للاستخدام من قبل أي طالب و والمعلمين المهتمين في أو تخضع للشروط التالية. القائمة الكاملة للموضوعات المتوفرة في أور-نوتس يمكن العثور عليها هنا. مثال فوريكاستينغ. فوركاستينغ المثال 1996 أوغ الامتحان. الطلب على المنتج في كل من الأشهر الخمسة الماضية هو مبين أدناه. استخدم المتوسط ​​المتحرك لمدة شهرين لتوليد توقعات للطلب في الشهر 6. تطبيق التمهيد الأسي مع ثابت التمهيد من 0 9 لتوليد توقعات للطلب على الطلب في الشهر 6. أي من هذين التنبؤين تفضل ولماذا. ويعطى المتوسط ​​المتحرك لمدة شهرين للأشهر من سنتين إلى خمس سنوات. التوقعات للشهر السادس هي مجرد المتوسط ​​المتحرك للشهر قبل ذلك أي المتوسط ​​المتحرك للشهر 5 م 5 2350. تطبيق التمدد الأسي مع التمهيد ثابت من 0 9 نحصل. كما قبل توقعات لشهر ستة هو مجرد متوسط ​​للشهر 5 M 5 2386.لقارن بين توقعات اثنين نحسب متوسط ​​الانحراف التربيعية مسد إذا فعلنا ذلك نجد أنه بالنسبة للمتوسط ​​المتحرك. مسد 15 - 19 18 - 23 21 - 24 3 16 67. وبالنسبة للمتوسط ​​الملمس أضعافا مع ثابت تمهيد من 0 9. مسد 13 - 17 16 60 - 19 18 76 - 23 22 58 - 24 4 10 44. أوفيرال ثم نحن نرى أن تمهيد الأسي يبدو أن تعطي أفضل توقعات شهر واحد قبل كما أن لديها مسد أقل وبالتالي نحن نفضل توقعات 2386 التي تم إنتاجها من قبل التمهيد الأسي. تمهيد المثال 1994 امتحان أوغ. ويبين الجدول أدناه الطلب على جديد بعد الحلاقة في متجر لكل من الأشهر ال 7 الماضية. حساب المتوسط ​​المتحرك لمدة شهرين لمدة شهرين إلى سبعة ماذا سيكون توقعاتك للطلب في الشهر الثامن. تطبيق التمهيد الأسي مع ثابت تجانس 0 1 لاستخلاص توقعات ل الطلب في الشهر ثمانية. وهو من اثنين من التوقعات عن الشهر الثامن تفعل يو u تفضل ولماذا. ويعتقد صاحب متجر أن العملاء يتحولون إلى هذا الجديد بعد البيع من ماركات أخرى ناقش كيف قد نموذج هذا السلوك التبديل وتشير البيانات التي سوف تحتاج إلى تأكيد ما إذا كان هذا التحول يحدث أم لا. الشهرين تتحرك متوسط ​​لشهرين إلى سبعة تعطى من قبل. التوقعات عن الشهر الثامن هو مجرد المتوسط ​​المتحرك للشهر قبل ذلك أي المتوسط ​​المتحرك لشهر 7 م 7 46. تطبيق التجانس الأسي مع ثابت تمهيد من 0 1 نحصل. أ قبل التوقعات لشهر الثامن هو مجرد المتوسط ​​للشهر 7 M 7 31 11 31 كما أننا لا يمكن أن يكون الطلب كسور. لإجراء مقارنة بين اثنين من توقعات نحسب متوسط ​​الانحراف التربيعية مسد إذا فعلنا ذلك نجد أن للمتوسط ​​المتحرك. للمتوسط ​​السلس المتسارع مع ثابت التمهيد من 0 1. وعموما فإننا نرى أن المتوسط ​​المتحرك لمدة شهرين ويبدو أن تعطي أفضل توقعات شهر واحد كما أن لديها مسد أقل وبالتالي نحن نفضل توقعات س و 46 التي تم إنتاجها من قبل المتوسط ​​المتحرك لمدة شهرين. لتحديد التحول سنحتاج إلى استخدام نموذج عملية ماركوف، حيث الدول العلامات التجارية، ونحن بحاجة إلى معلومات الحالة الأولية واحتمالات تبديل العملاء من المسوحات ونحن بحاجة إلى تشغيل النموذج على البيانات التاريخية لمعرفة ما إذا كان لدينا تناسب بين النموذج والسلوكيات التاريخية. مثال فوريكاجينغ 1992 امتحان أوغ. ويبين الجدول أدناه الطلب على علامة تجارية معينة من الحلاقة في متجر لكل من الأشهر التسعة الماضية. حساب ثلاثة أشهر تتحرك متوسط ​​لأشهر ثلاثة إلى تسعة ماذا سيكون توقعاتك للطلب في الشهر العاشر. تطبيق التمهيد الأسي مع ثابت تجانس 0 3 لاستخلاص توقعات للطلب في الشهر العاشر. وهو من اثنين من التوقعات لشهر عشرة هل تفضل ولماذا. المتوسط ​​المتحرك لمدة ثلاثة أشهر للأشهر 3 إلى 9 يعطى من قبل. التوقعات لشهر 10 هو مجرد المتوسط ​​المتحرك للشهر قبل ذلك أي المتوسط ​​المتحرك للشهر 9 م 9 20 33.Hence كما لا يمكننا أن يكون طلب كسور توقعات لشهر 10. 20. تطبيق التمهيد الأسي مع ثابت تمهيد من 0 3 نحصل. كما قبل توقعات لشهر 10 هو مجرد متوسط ​​للشهر 9 M 9 18 57 19 كما أننا لا يمكن أن يكون الطلب كسور. ل مقارنة التنبؤين نحسب متوسط ​​الانحراف التربيعي مسد إذا فعلنا ذلك نجد أنه بالنسبة للمتوسط ​​المتحرك. وبالنسبة للمتوسط ​​السلس الأسي مع ثابت التمهيد من 0 3. أوفيرال ثم نرى أن المتوسط ​​المتحرك ثلاثة أشهر ويبدو أن تعطي أفضل التوقعات قبل شهر واحد كما أن لديها مسد أقل وبالتالي نحن نفضل توقعات 20 التي تم إنتاجها من قبل المتوسط ​​المتحرك لمدة ثلاثة أشهر. مثال عام 1991 امتحان أوغ. ويبين الجدول أدناه الطلب على علامة تجارية معينة من جهاز الفاكس في متجر في كل من الأشهر الاثنى عشر الماضية. حساب المتوسط ​​المتحرك لمدة أربعة أشهر لأشهر 4-12 ما سيكون توقعاتك للطلب في الشهر 13.Apply التمهيد الأسي مع ثابت تمهيد من 0 2 إلى ديري في توقعات للطلب في الشهر 13. أي من التنبؤين لشهر 13 هل تفضل ولماذا. ما العوامل الأخرى، لا تعتبر في الحسابات المذكورة أعلاه، قد تؤثر على الطلب على جهاز الفاكس في الشهر 13.The أربعة أشهر تتحرك متوسط ​​الاشهر من 4 الى 12 مقدم بالمطار 4 23 19 15 12 4 17 25 م 5 27 23 19 15 4 21 م 6 30 27 23 19 4 24 75 م 7 32 30 27 23 4 28 م 8 33 32 30 27 4 30 5 m 9 37 33 32 30 4 33 m 10 41 37 33 32 4 35 75 m 11 49 41 37 33 4 40 m 12 58 49 41 37 4 46 25- إن توقعات الشهر 13 هي فقط المتوسط ​​المتحرك ل شهر قبل ذلك أي المتوسط ​​المتحرك لشهر 12 م 12 46 25.Hence كما أننا لا يمكن أن يكون الطلب كسور توقعات لشهر 13 هو 46. تطبيق التمهيد الأسي مع ثابت تمهيد من 0 2 نحصل. كما قبل التوقعات للشهر 13 هو مجرد المتوسط ​​لشهر 12 M 12 38 618 39 حيث لا يمكننا أن يكون الطلب كسور. لإجراء مقارنة بين اثنين من التوقعات نحسب متوسط ​​الانحراف التربيعية مسد إذا فعلنا ذلك نجد أنه بالنسبة للمتوسط ​​المتحرك . وبالنسبة للمتوسط ​​السلس المتسارع مع ثابت التمهيد من 0 2. وعموما فإننا نرى أن المتوسط ​​المتحرك لمدة أربعة أشهر ويبدو أن تعطي أفضل التوقعات شهر واحد كما أن لديها مسد أقل وبالتالي نحن نفضل توقعات 46 التي تم التي تنتجها المتوسط ​​المتحرك لمدة أربعة أشهر. طلب أساسي. تغييرات الأسعار، كل من هذه العلامة التجارية وغيرها من العلامات التجارية. الوضع الاقتصادي العام. تكنولوجيا جديدة. مثال عام 1989 امتحان أوغ. ويبين الجدول أدناه الطلب على ماركة معينة من فرن الميكروويف في قسم مخزن في كل من الأشهر الاثنى عشر الماضية. حساب المتوسط ​​المتحرك لمدة ستة أشهر عن كل شهر ما سيكون توقعاتك للطلب في الشهر 13.Apply التمهيد الأسي مع ثابت تمهيد من 0 7 لاستخلاص توقعات للطلب في الشهر 13 . أي من التنبؤين لشهر 13 هل تفضل ولماذا. الآن لا يمكننا حساب المتوسط ​​المتحرك لمدة ستة أشهر حتى يكون لدينا على الأقل 6 ملاحظات - أي يمكننا فقط حساب هذا المتوسط ​​من الشهر 6 فصاعدا هنك اودينا 6 34 32 30 29 31 27 6 30 50 7 7 35 34 34 30 30 31 32 32 32 36 34 34 35 36 34 32 30 6 34 00.m 10 39 37 35 36 34 32 6 35 50.m 11 40 39 37 35 36 34 6 36 83.m 12 42 40 39 37 35 36 6 38 17- والتوقعات الخاصة بالسهر 13 هي مجرد المتوسط ​​المتحرك شهر قبل ذلك أي المتوسط ​​المتحرك لشهر 12 م 12 38 17.Hence كما أننا لا يمكن أن يكون الطلب كسور التوقعات لشهر 13 هو 38.Apping التمهيد الأسي مع ثابت تمهيد من 0 7 نحصل. في الممارسة سوف المتوسط ​​المتحرك توفر تقدير جيد لمتوسط ​​السلاسل الزمنية إذا كان المتوسط ​​ثابتا أو ببطء التغير في حالة المتوسط ​​الثابت، فإن أكبر قيمة m تعطي أفضل التقديرات للمتوسط ​​الأساسي فترة الملاحظة الأطول سوف تخفف من آثار التباين. الغرض من توفير m أصغر هو السماح للتنبؤ للرد على تغيير في العملية الكامنة لتوضيح، نقترح مجموعة البيانات التي تتضمن التغييرات في m الأساسية إين من السلاسل الزمنية يوضح الشكل السلاسل الزمنية المستخدمة للتوضيح مع متوسط ​​الطلب الذي تم إنشاؤه من السلسلة يبدأ المتوسط ​​ك ثابت عند 10 ابتداء من الوقت 21، يزداد بمقدار وحدة واحدة في كل فترة حتى يصل إلى قيمة 20 في الوقت 30 ثم يصبح ثابتا مرة أخرى يتم محاكاة البيانات بإضافة إلى متوسط ​​الضوضاء العشوائية من التوزيع العادي مع صفر يعني والانحراف المعياري 3 تقريب نتائج المحاكاة إلى أقرب عدد صحيح. ويوضح الجدول الملاحظات المحاكاة المستخدمة في المثال عندما نستخدم الجدول، يجب علينا أن نتذكر أنه في أي وقت من الأوقات، إلا أن البيانات السابقة معروفة. وتظهر تقديرات معلمة النموذج، لمدة ثلاث قيم مختلفة من m جنبا إلى جنب مع متوسط السلاسل الزمنية في الشكل أدناه يوضح الشكل متوسط ​​التقدير المتحرك للمتوسط ​​في كل مرة وليس التنبؤات من شأن التنبؤات أن تحول منحنيات المتوسط ​​المتحرك إلى اليمين حسب الفترات الزمنية. على ما يبدو من الشكل بالنسبة إلى جميع التقديرات الثلاثة، فإن المتوسط ​​المتحرك يتخلف عن الاتجاه الخطي، مع زيادة الفارق مع m الفارق الزمني هو المسافة بين النموذج والتقدير في البعد الزمني بسبب الفارق الزمني، يقل المتوسط ​​المتحرك عن الملاحظات حيث أن المتوسط ​​يزداد انحياز المقدر هو الفرق في وقت محدد في متوسط ​​قيمة النموذج والقيمة المتوسطة التي يتنبأ بها المتوسط ​​المتحرك التحيز عندما يزداد المتوسط ​​سالب بالنسبة للمتوسط ​​المتناقص يكون التحيز موجب التأخر في الزمن والتحيز المعروض في التقدير وظائف m كلما زادت قيمة m أكبر حجم التأخر والتحيز. بالنسبة لسلسلة متزايدة باستمرار مع الاتجاه تكون قيم التأخر والتحيز في مقدر يعني المعادلات أدناه. لا تتطابق منحنيات المثال مع هذه المعادلات لأن نموذج المثال لا يزداد بشكل مستمر، بل يبدأ كتكوين ثابت وتغييرات في الاتجاه ومن ثم لأن تتأثر أوميس مرة أخرى أيضا تتأثر منحنيات المثال بالضوضاء. وتتمثل توقعات المتوسط ​​المتحرك للفترات في المستقبل عن طريق تحويل المنحنيات إلى اليمين يزيد التأخر والتحيز بالتناسب تشير المعادلات أدناه إلى التأخر والتحيز لفترات التنبؤ إلى المستقبل بالمقارنة مع معلمات النموذج مرة أخرى، هذه الصيغ هي لسلسلة زمنية مع اتجاه خطي ثابت. نحن لا ينبغي أن يفاجأ في هذه النتيجة ويستند المتوسط ​​المتحرك المتوسط ​​على افتراض متوسط ​​ثابت، والمثال لديه الاتجاه الخطي في المتوسط ​​خلال جزء من فترة الدراسة منذ سلسلة زمنية حقيقية نادرا ما طاعة بالضبط الافتراضات من أي نموذج، يجب أن نكون مستعدين لمثل هذه النتائج. يمكننا أيضا أن نستنتج من الشكل أن تقلب الضوضاء لديها أكبر تأثير أقل بالنسبة إلى m أصغر تقدير أكثر تقلبا بكثير للمتوسط ​​المتحرك البالغ 5 من المتوسط ​​المتحرك ل 20 لدينا رغبات متضاربة لزيادة m للحد من تأثير o f بسبب الضوضاء وخفض m لجعل التنبؤ أكثر استجابة للتغيرات في المتوسط. الخطأ هو الفرق بين البيانات الفعلية والقيمة المتوقعة إذا كانت السلسلة الزمنية قيمة ثابتة حقا القيمة المتوقعة للخطأ هو صفر، ويتكون تباين الخطأ من مصطلح دالة ولفترة ثانية هي تباين الضوضاء. والمصطلح الأول هو تباين المتوسط ​​المقدر مع عينة من الرصدات m، بافتراض أن البيانات ويأتي من سكان مع متوسط ​​ثابت يتم تقليل هذا المصطلح من خلال جعل م أكبر قدر ممكن A م كبير يجعل التوقعات لا تستجيب لتغيير في السلسلة الزمنية الأساسية لجعل التنبؤ تستجيب للتغييرات، نريد م صغيرة قدر الإمكان 1 ، ولكن هذا يزيد من تباين الخطأ يتطلب التنبؤ العملي قيمة وسيطة. التنسيق مع إكسيل. الوظيفة الإضافية للتنبؤ تنفذ صيغ المتوسط ​​المتحرك يوضح المثال التالي التحليل الذي توفره الوظيفة الإضافية f أو بيانات العينة في العمود B يتم فهرسة الملاحظات العشرة الأولى من 9 إلى 0 بالمقارنة مع الجدول أعلاه، يتم تغيير مؤشرات الفترة بمقدار -10. وتوفر الملاحظات العشرة الأولى قيم بدء التشغيل للتقدير وتستخدم لحساب الحركة متوسط ​​الفترة 0 يوضح العمود ما 10 في المتوسطات المتحركة المحسوبة المتوسط ​​المتوسط ​​المتحرك m موجود في الخلية C3 ويبين العمود 1 في العمود 1 توقعا لفترة واحدة في المستقبل الفاصل الزمني للتنبؤ في الخلية D3 عند تغيير الفاصل الزمني للتنبؤ إلى عدد أكبر يتم تحويل الأرقام في العمود فور أسفل. ويبين العمود إر 1 E الفرق بين الملاحظة والتوقعات على سبيل المثال، الملاحظة في الوقت 1 هو 6 القيمة المتوقعة من المتوسط ​​المتحرك في الوقت 0 هو 11 1 الخطأ ثم هو -5 1 يتم حساب الانحراف المعياري ومتوسط ​​الانحراف المتوسط ​​في الخلايا E6 و E7 على التوالي. وتتضمن عملية التهيئة توليد عدد أو مجموعة من الأرقام أو السيناريو الذي يتوافق مع فو حدوث التورط من الضروري للغاية التخطيط قصير المدى والطويل المدى من خلال التعريف، تستند التوقعات إلى البيانات السابقة، بدلا من التنبؤ، الذي هو أكثر موضوعية ويستند على غريزة، ويشعر الأمعاء، أو تخمين على سبيل المثال، أخبار المساء يعطي توقعات الطقس لا التنبؤ بالطقس بغض النظر عن المصطلحات التنبؤ والتنبؤ غالبا ما تستخدم بين التداخل على سبيل المثال، تعريفات الانحدار تقنية تستخدم في بعض الأحيان في التنبؤ عموما الدولة أن الغرض منه هو شرح أو التنبؤ. ويستند فوريكاستينغ على وعدد من الافتراضات. الماضي سوف يكرر نفسه وبعبارة أخرى، ما حدث في الماضي سيحدث مرة أخرى في المستقبل. كما يقصر الأفق توقعات، توقعات دقة الزيادة على سبيل المثال، توقعات للغد سيكون أكثر دقة من توقعات في الشهر المقبل ستكون التوقعات للشهر المقبل أكثر دقة من التوقعات للعام المقبل، وسوف تكون التوقعات للعام المقبل أكثر دقة من توقعات لمدة عشر سنوات في المستقبل. التجميع في المجموع هو أكثر دقة من التنبؤ البنود الفردية وهذا يعني أن الشركة سوف تكون قادرة على التنبؤ إجمالي الطلب على كامل طيفها من المنتجات بشكل أكثر دقة من أنها سوف تكون قادرة على التنبؤ وحدات حفظ المخزون الفردية سكوكس على سبيل المثال، يمكن للسيارات أكثر دقة التنبؤ العدد الإجمالي للسيارات اللازمة للعام المقبل من العدد الإجمالي من الأبيض شيفروليه إمبالاس مع حزمة خيار معين. فوريكاست نادرا ما تكون دقيقة وعلاوة على ذلك، والتوقعات تقريبا أبدا دقيقة تماما في حين أن بعض قريبة جدا، وعدد قليل من الحق على المال ومن ثم، فمن الحكمة أن نقدم نطاق التوقعات إذا كان واحد لتوقع الطلب من 100،000 وحدة للشهر المقبل، فمن غير المرجح للغاية أن الطلب يساوي 100،000 بالضبط ومع ذلك، فإن توقعات من 90،000 إلى 110،000 توفر أكبر بكثير الهدف للتخطيط. ويليام J ستيفنسون يسرد عددا من الخصائص التي هي مشتركة في توقعات جيدة. وثقة بعض درجة من الدقة ينبغي أن يكون تحدد وتحدد بحيث يمكن إجراء مقارنة للتنبؤات البديلة. الرجاء أن طريقة التنبؤ ينبغي أن توفر باستمرار توقعات جيدة إذا كان المستخدم هو إقامة درجة معينة من الثقة. في الوقت المناسب هناك حاجة إلى قدر معين من الوقت للرد على التوقعات حتى التنبؤ الأفق يجب أن تسمح للوقت اللازم لإجراء تغييرات. سهلة الاستخدام وفهم المستخدمين للتنبؤ يجب أن تكون واثقة ومريحة العمل معها. كفاءة فعالة تكلفة جعل التوقعات لا ينبغي أن تفوق الفوائد التي تم الحصول عليها من التنبؤات. تقنيات فوريكاستينغ تتراوح هذه التقنيات من البسيطة إلى المعقدة للغاية. وعادة ما تصنف هذه التقنيات على أنها نوعية أو كمية. التقنيات التقنية. تقنيات التنبؤ النوعية عموما أكثر موضوعية من نظرائها الكمي التقنيات النوعية هي أكثر فائدة في المراحل الأولى من دورة حياة المنتج، عندما أقل البيانات السابقة موجودة لاستخدامها في الأساليب الكمية الطرق النوعية بما في ذلك تقنية دلفي، تقنية المجموعة الاسمية نغت، آراء قوة المبيعات، الآراء التنفيذية، وأبحاث السوق. تقنية دلفي. تستخدم تقنية دلفي فريق من الخبراء لإنتاج توقعات يطلب من كل خبير تقديم توقعات محددة للحاجة في بعد كل التوقعات، كل خبير يقرأ ما كتبه كل خبير آخر، وبطبيعة الحال، تأثرت بآرائهم وبعد ذلك يتم إجراء توقعات لاحقة من قبل كل خبير كل خبير ثم يقرأ مرة أخرى ما كتبه كل خبير آخر ويتأثر مرة أخرى من قبل تصورات الآخرين تكرر هذه العملية نفسها حتى يقترب كل خبير من الاتفاق على السيناريو المطلوب أو الأرقام. تقنية المجموعة الرئيسية. تقنية المجموعة الاسمية تشبه تقنية دلفي في أنها تستخدم مجموعة من المشاركين، عادة الخبراء بعد أن يستجيب المشاركون ل الأسئلة ذات الصلة بالتنبؤات، فإنها ترتيب ردودها في ترتيب الأهمية النسبية المتصورة ثم يتم جمع التصنيف وتجميعها في نهاية المطاف لي، يجب على المجموعة التوصل إلى توافق في الآراء بشأن أولويات القضايا في المرتبة. ساليس فورس OPINIONS. The موظفي المبيعات في كثير من الأحيان مصدرا جيدا للمعلومات بشأن الطلب في المستقبل مدير المبيعات قد يطلب مدخلات من كل شخص المبيعات وتجميع ردودهم إلى توقعات قوة المبيعات المركبة يجب توخي الحذر عند استخدام هذه التقنية حيث أن أعضاء قوة المبيعات قد لا يكونون قادرين على التمييز بين ما يقوله العملاء وما يفعلونه فعليا أيضا، إذا كانت التوقعات ستستخدم لإنشاء حصص المبيعات، فإن المبيعات القوة قد يميل إلى تقديم تقديرات أقل. إفصاحات إكسكوتيف. في بعض الأحيان مستويات العليا المديرين تلبية وتطوير التنبؤات على أساس معرفتهم من مجالات مسؤوليتها يشار إليها في بعض الأحيان إلى لجنة تحكيم من الرأي التنفيذي. الماركيت ريزارتش. في أبحاث السوق والمستهلك وتستخدم الدراسات الاستقصائية لتحديد الطلب المحتمل هذه البحوث التسويقية عادة ما ينطوي على بناء استبيان الذي يلتمس الشخصية، الديموغرافية، الاقتصادية، والتسويقية في بعض الأحيان، يقوم باحثو السوق بجمع هذه المعلومات شخصيا في منافذ البيع بالتجزئة ومراكز التسوق حيث يمكن للمستهلك تجربة الطعم والشعور والرائحة ومشاهدة منتج معين. يجب على الباحث أن يكون حذرا من أن عينة الأشخاص الذين شملهم الاستطلاع ممثلة من المستهدف المستھدف. التقنیات التکنولوجیة. تقنیات التنبؤ التکنولوجیة ھي أکثر موضوعیة من نظیراتھا النوعیة یمکن للتنبؤات الکمیة أن تکون تنبؤات السلاسل الزمنیة أي توقعات الماضي في المستقبل أو التنبؤات بناء علی نماذج ارتباطیة أي استنادا إلی متغیر واحد أو أکثر من المتغیرات التفسیریة قد تحتوي بيانات السلاسل الزمنية على السلوكيات الأساسية التي تحتاج إلى تحديدها من قبل المتنبأ وبالإضافة إلى ذلك، قد تحتاج التوقعات لتحديد أسباب السلوك قد تكون بعض هذه السلوكيات أنماط أو ببساطة الاختلافات العشوائية بين أنماط هي. التوجهات، والتي هي على المدى الطويل الحركات صعودا أو هبوطا في data. Seasonality، التي تنتج فار قصيرة الأجل التي عادة ما تكون مرتبطة بوقت السنة أو الشهر أو حتى يوم معين، كما تشهد مبيعات التجزئة في عيد الميلاد أو الزيادات في النشاط المصرفي في أول الشهر وفي أيام الجمعة. الدورات، والتي هي الاختلافات الوجوه دائم أكثر من السنة التي ترتبط عادة بالظروف الاقتصادية أو السياسية. التباينات النظامية التي لا تعكس السلوك النموذجي، مثل فترة من الطقس المتطرف أو الإضراب النقابي. التباينات العشوائية، والتي تشمل جميع السلوكيات غير النمطية التي لا تمثلها الأخرى ومن بين نماذج السلاسل الزمنية، فإن أبسطها هو التنبؤ غير السليم، إذ أن التنبؤات غير المستخدمة تستخدم ببساطة الطلب الفعلي خلال الفترة الماضية كطلب متوقع للفترة المقبلة، وهذا بالطبع يجعل الافتراض بأن الماضي سيكرر ويفترض أيضا أن أي اتجاهات أو موسمية أو دورات إما تنعكس في الطلب في الفترة السابقة أو لا وجود لها ويرد في الجدول 1. مثال على التنبؤات نا في الجدول 1.Table 1 نا في التنبؤ. أنوث تقنية بسيطة هي استخدام المتوسط ​​المتوسط ​​لجعل التنبؤ باستخدام المتوسط، واحد ببساطة يأخذ متوسط ​​بعض عدد من فترات البيانات السابقة عن طريق تلخيص كل فترة وتقسيم النتيجة من خلال عدد من الفترات وقد وجد هذه التقنية لتكون فعالة جدا للتنبؤات قصيرة المدى. وتشمل معدلات المتوسط ​​المتوسط ​​المتحرك والمتوسط ​​المرجح والمتوسط ​​المتحرك المرجح. المتوسط ​​المتحرك المتوسط ​​يأخذ عددا محددا سلفا من الفترات ويقيم الطلب الفعلي ويقسم حسب عدد الفترات للوصول إلى التنبؤات كل فترة لاحقة، أقدم فترة من البيانات تنخفض وتضاف آخر فترة على افتراض المتوسط ​​المتحرك لمدة ثلاثة أشهر واستخدام البيانات من الجدول 1، واحد ببساطة إضافة 45 يناير و 60 فبراير و 72 مارس وتقسيمها من ثلاثة إلى تصل إلى التوقعات في أبريل 45 60 72 177 3 59. للوصول إلى توقعات لشهر مايو، واحد من شأنه أن يخفض الطلب يناير من المعادلة وإضافة الطلب من أبريل الجدول 2 يقدم مثالا على ثلاثة مونت h معدل التحرك المتوسط ​​المتحرك 2 الجدول 2 متوسط ​​التحرك لمدة ثلاثة أشهر. الطلب الفعلي 000 المتوسط ​​المتوسط ​​المرجح يطبق وزن محدد سلفا على كل شهر من البيانات السابقة، ويجمع البيانات السابقة من كل فترة، ويقسم حسب مجموع الأوزان في حالة تعديل الأوبك والأوزان بحيث يكون مجموعها يساوي 1، ثم يتم ضرب الأوزان في الطلب الفعلي لكل فترة قابلة للتطبيق ثم يتم جمع النتائج لتحقيق توقعات مرجحة عموما، كلما كانت البيانات أكثر حداثة وارتفاع الوزن، وكبار السن البيانات أقل وزن باستخدام مثال الطلب، فإن المتوسط ​​المرجح باستخدام الأوزان 4 3 2، و 1 من شأنه أن يسفر عن توقعات لشهر يونيو 60 1 72 2 58 3 40 4 53 8. يمكن أن تستخدم أجهزة القياس أيضا مجموعة من المتوسط ​​المرجح وتوقعات المتوسط ​​المتحرك يحدد متوسط ​​المتوسط ​​المتحرك المرجح الأوزان لعدد محدد سلفا من فترات البيانات الفعلية ويحسب التوقعات بنفس الطريقة المبينة أعلاه وكما هو الحال مع جميع التوقعات المتحركة، حيث أن كل فترة جديدة هي يتم استبعاد البيانات من أقدم فترة يظهر الجدول 3 توقعات المتوسط ​​المتحرك المرجح لمدة ثلاثة أشهر باستخدام الأوزان 5 3 و 2. الجدول 3 المتوسط ​​المتحرك لمدة ثلاثة أشهر المتوسط ​​المتوقع. الطلب الفعلي 000 ألف شكل أكثر تعقيدا من المتوسط ​​المتحرك المرجح هو التمهيد الأسي، لذلك سميت لأن الوزن ينخفض ​​أضعافا مضاعفة كما بيانات الأعمار تجانس الأسي يأخذ الفترة السابقة ق توقعات ويعدلها من قبل ثابت تجانس محدد سلفا، ودعا ألفا قيمة ألفا هو أقل من واحد مضروبا في الفرق في السابق التنبؤ والطلب الذي حدث بالفعل خلال الفترة المتوقعة سابقا وتسمى خطأ التنبؤ وأعرب عن تمهيد الأسي بصيغتها على هذا النحو توقعات جديدة التوقعات السابقة ألفا الطلب الفعلي التوقعات السابقة ففا F. التمهيد التفاضلي يتطلب من المتوقع أن يبدأ التنبؤ في فترة سابقة والعمل إلى الأمام إلى الفترة التي تحتاج إلى توقعات الحالية وهناك كمية كبيرة من دات الماضي (أ) وتوقعات بداية أو أولية ضرورية أيضا يمكن أن تكون التنبؤات الأولية توقعات فعلية من فترة سابقة، والطلب الفعلي من فترة سابقة، أو يمكن تقديرها من خلال حساب متوسط ​​أو جزء من البيانات السابقة بعض الاستدلال موجودة للحوسبة توقع أولي على سبيل المثال، فإن الاستدلال N 2 1 و ألفا من 5 من شأنه أن يسفر عن N من 3، مما يشير إلى أن المستخدم متوسط ​​الفترات الثلاث الأولى من البيانات للحصول على توقعات أولية ومع ذلك، فإن دقة التوقعات الأولية ليست حرجة إذا كان المرء يستخدم كميات كبيرة من البيانات، لأن التجانس الأسي هو تصحيح ذاتي نظرا إلى فترات زمنية كافية من البيانات السابقة، فإن التجانس الأسي سيؤدي في نهاية المطاف إلى إجراء تصحيحات كافية للتعويض عن توقعات أولية غير دقيقة بشكل معقول. باستخدام البيانات المستخدمة في أمثلة أخرى، 50، و ألفا من 7، يتم احتساب توقعات لشهر فبراير على هذا النحو توقعات جديدة فبراير 50 ​​7 45 50 41 5.التوقعات لشهر مارس توقعات جديدة مارس 41 5 7 60 41 5 54 45 ث تستمر العملية إلى أن يصل المتنبأ إلى الفترة المطلوبة في الجدول 4 سيكون ذلك لشهر يونيو، حيث أن الطلب الفعلي لشهر يونيو غير معروف. الطلب الفعلي 000 s. يمكن تمديد التمدد الأسي عند استخدام بيانات السلاسل الزمنية ويعرض الاتجاه الخطي ويعرف هذا الأسلوب من قبل عدة أسماء مزدوجة تجانس تعديل تعديل الاتجاه الأسي توقعات تعديل بما في ذلك الاتجاه فيت و هولت ق نموذج دون تعديل، نتائج تجانس الأسي بسيطة سوف تتخلف عن الاتجاه، وهذا هو، فإن التوقعات تكون دائما منخفضة إذا كان الاتجاه يتزايد، أو مرتفع إذا كان الاتجاه آخذ في التناقص مع هذا النموذج هناك اثنين من الثوابت تمهيد، ومع تمثيل مكون الاتجاه. تمديد نموذج هولت s، ودعا هولت الشتاء S الطريقة، ويأخذ في الاعتبار كلا الاتجاه والموسمية هناك نوعان النسخ، المضاعفات والمضافات، مع المضاعفة كونها الأكثر استخداما على نطاق واسع في النموذج المضاف، يتم التعبير عن الموسمية ككمية تضاف إلى أو تطرح من متوسط ​​النسق المضاعف يعبر النموذج المضاعف عن الموسمية كنسبة مئوية تعرف باسم الأقارب الموسمية أو المؤشرات الموسمية للمتوسط ​​أو الاتجاه. ثم تضرب القيم الزمنية من أجل دمج الموسمية. يشير النسبي إلى 0 8 إلى الطلب الذي هو 80 في المائة من المتوسط 1 10 يشير إلى الطلب الذي هو 10 في المئة فوق المتوسط ​​معلومات مفصلة عن هذه الطريقة يمكن العثور عليها في معظم الكتب المدرسية إدارة العمليات أو واحدة من عدد من الكتب على التنبؤ. الأساسية أو التقنيات السببية تنطوي على تحديد المتغيرات التي يمكن استخدامها للتنبؤ متغير آخر من الفائدة على سبيل المثال، يمكن استخدام أسعار الفائدة للتنبؤ بالطلب على إعادة تمويل المنازل عادة، ينطوي ذلك على استخدام الانحدار الخطي، حيث يكون الهدف هو وضع معادلة تلخص تأثيرات المتغيرات المستقلة على المتنبأ متغير إذا تم رسم متغير التنبؤ، فإن الهدف هو الحصول عليها معادلة من خط مستقيم يقلل من مجموع الانحرافات التربيعية عن الخط مع الانحراف الذي يكون المسافة من كل نقطة إلى الخط. ستظهر المعادلة كما يا بكس، حيث y هو المتغير التابع المتوقع، x هو المتغير المستقل المتنبأ ، b هو منحدر الخط، ويساوي ارتفاع الخط عند اعتراض y بمجرد تحديد المعادلة، يمكن للمستخدم إدراج القيم الحالية للمتغير مستقل التنبؤ للوصول إلى متغير تابع متوقعة. إذا كان هناك أكثر من متغير متنبأ واحد أو إذا كانت العلاقة بين التنبؤ والتنبؤ ليست خطية، فإن الانحدار الخطي البسيط يكون غير كاف بالنسبة للحالات ذات التنبؤات المتعددة، يجب استخدام الانحدار المتعدد، في حين أن العلاقات غير الخطية تدعو إلى استخدام الانحدار المنحني. تنبؤات الاقتصاد الاقتصادي. الأساليب الاقتصادية، مثل الانحدار الذاتي المتكامل نموذج المتوسط ​​المتحرك أريما، استخدام المعادلات الرياضية المعقدة لإظهار العلاقات السابقة بين الطلب والمتغيرات التي تؤثر على الطلب يتم اشتقاق المعادلة ثم اختبارها وضبطها لضمان أن تكون موثوقة لتمثيل العلاقة السابقة قدر الإمكان وبمجرد القيام بذلك، فإن القيم المتوقعة لدخل المتغيرات المؤثرة، والأسعار، الخ في المعادلة لجعل التنبؤ. إيفالواتينغ يمكن تحديد دقة FORECASTS. Forecast من خلال حساب التحيز، يعني الانحراف المطلق درهم، يعني خطأ مربع مس، أو متوسط ​​الخطأ في المئة المطلق ميب للتنبؤ باستخدام قيم مختلفة للتحيز ألفا هو مجموع أخطاء التنبؤ في بالنسبة لمثال التجانس الأسي أعلاه، فإن التحيز المحسوب سيكون 60 41 5 72 54 45 58 66 74 40 60 62 6 69. وإذا افترضنا أن التحيز المنخفض يشير إلى خطأ تنبؤي منخفض عموما، يمكن للمرء أن يحسب التحيز لعدد من القيم المحتملة ألفا ويفترض أن واحد مع أدنى التحيز سيكون الأكثر دقة ومع ذلك، يجب أن نلاحظ الحذر في تلك التنبؤات غير دقيقة إلى حد بعيد قد تسفر عن على سبيل المثال، على مدى ثلاث فترات قد تستخدم الشركة قيمة معينة من ألفا إلى أكثر من التوقعات من قبل 75،000 وحدة 75،000، تحت التوقعات من قبل 100،000 وحدة 100،000، ثم أكثر من التوقعات 25،000 وحدة 25،000، مما أسفر عن انحياز من الصفر 75،000 100،000 25،000 0 وبالمقارنة، فإن ألفا آخر ينتج عن التوقعات من 2000 وحدة، 1،000 وحدة، و 3،000 وحدة من شأنه أن يؤدي إلى التحيز من 5000 وحدة إذا كان الطلب العادي 100،000 وحدة في كل فترة، فإن ألفا الأول سوف يسفر عن تنبؤات بنسبة 100 في المائة في حين أن ألفا الثاني سيكون خارجا بحد أقصى 3 في المائة فقط، على الرغم من أن التحيز في التنبؤ الأول كان صفرا. وهناك مقياس أكثر أمانا لدقة التنبؤ هو المتوسط ​​المطلق الانحراف درهم لحساب الدرهم، يوزع المتنبأ القيمة المطلقة لأخطاء التنبؤ ومن ثم يقسم حسب عدد التنبؤات في N وعند أخذ القيمة المطلقة لأخطاء التنبؤ، وتجنب القيم السلبية أوسيتيف والقيمة السالبة وهذا يعني أن كل من التوقعات 50 و 50 تحت توقعات من 50 قبالة 50 باستخدام البيانات من سبيل المثال الأسي، يمكن حساب درهم على النحو التالي 60 41 5 72 54 45 58 66 74 40 60 62 4 16 35 ولذلك، فإن المتنبأ هو قبالة في المتوسط ​​16 35 وحدة لكل توقعات بالمقارنة مع نتيجة أخرى من ألفاس، فإن المتنبأ يعرف أن ألفا مع أدنى درهم يسفر عن التنبؤ الأكثر دقة. خطأ مربع مربع مس ويمكن أيضا أن تستخدم في نفس الأزياء مس هو مجموع الأخطاء توقعات مربع مقسوما على N-1 في N-1 تخطي أخطاء التنبؤ يلغي إمكانية تعويض الأرقام السلبية، لأن أيا من النتائج يمكن أن تكون سلبية الاستفادة من نفس البيانات كما هو مبين أعلاه، فإن المشاريع الصغيرة ومتناهية الصغر ستكون 18 5 17 55 8 74 20 62 3 383 94 وكما هو الحال مع الدرهم، يمكن أن يقارن المتنبأ بالمشاريع المتناهية الصغر والصغيرة المستمدة باستخدام قيم مختلفة من ألفا ويفترض أن تكون ألفا ذات أدنى مس متوقعة التنبؤات الأكثر دقة . ذي ميي n خطأ النسبة المئوية المطلقة ميب هو متوسط ​​الخطأ المطلق في النسبة المئوية للوصول إلى ميب يجب أن يأخذ المرء مجموع النسب بين خطأ التنبؤ ومرات الطلب الفعلية 100 للحصول على النسبة المئوية والقسمة حسب N توقعات الطلب الفعلية الطلب الفعلي 100 N باستخدام البيانات من مثال التجانس الأسي، يمكن حساب ميب على النحو التالي 18 5 60 17 55 72 8 74 58 20 62 48 100 4 28 33 كما هو الحال مع الدرهم والمشاريع المتناهية الصغر والصغيرة، كلما انخفض الخطأ النسبي كلما زادت دقة التنبؤات. وفي بعض الحالات تعتبر قدرة التنبؤ على التغيير بسرعة للاستجابة للتغيرات في أنماط البيانات أكثر أهمية من الدقة ولذلك، فإن اختيار واحد من طريقة التنبؤ ينبغي أن يعكس التوازن النسبي للأهمية بين الدقة والاستجابة، على النحو الذي يحدده foricaster. MKING A فوريكاست. ويليام J ستيفنسون يسرد ما يلي كخطوات أساسية في عملية التنبؤ. تحديد توقعات الغرض الغرض عوامل مثل كيف ومتى سيتم استخدام التوقعات ودرجة الدقة المطلوبة ومستوى التفصيل المطلوب تحديد وقت التكلفة والمال والموظفين التي يمكن تخصيصها للتنبؤ ونوع طريقة التنبؤ التي سيتم استخدامها. إقامة أفق زمني يحدث هذا بعد أن يحدد المرء الغرض من التوقعات التوقعات الأطول أجلا تتطلب آفاق زمنية أطول والعكس بالعكس الدقة هي مرة أخرى في الاعتبار. تحدد تقنية التنبؤ تعتمد التقنية المختارة على الغرض من التوقعات، والأفق الزمني المطلوب، والتكلفة المسموح بها. جمع وتحليل البيانات و ومقدار ونوع البيانات المطلوبة يحكمها الغرض من التنبؤ، وتقنية التنبؤ المختارة، وأي اعتبارات التكلفة. توقع التنبؤ. مشاهدة التوقعات تقييم أداء التوقعات وتعديل، إذا لزم الأمر. قراءة أكبر. فيتش، بايرون J العمليات الآن بروفيتابيليتي، بروسيسس، بيرفورمانس 2 إد بوسطن ماكجرو هيل إيروين، 2006.Green، ويليام H إكونوميتريك أناليسيس 5 إد وبر سادل ريفير، نج برنتيس هول، 2003.Joppe، الدكتور ماريون تقنية المجموعة الاسمية عملية البحث المتاحة من. Stevenson، ويليام J إدارة العمليات 8 إد بوسطن ماكجرو هيل ايروين، 2005. أيضا قراءة المقال عن التنبؤ من ويكيبيديا.