《预测的用途与预测的类型》由会员分享，可在线阅读，更多相关《预测的用途与预测的类型（34页珍藏版）》请在金锄头文库上搜索。
1、第讲,需求预测,预测: 是关于未来的描述 预测用于帮助管理人员 系统计划：产品服务的类型、设施配置、 厂址选择 实施计划：库存、劳动力、采购、生产进度,预测的用途,假定系统中存在因果关系 过去 = 未来 由于不确定性因素的存在使得预测很少准确无误 对一组事物的预测比 对单个事物预测准确 当预测时间跨度增加时， 预测精度将下降,好的预测方法的基本要素,预测进行的步骤,预测的类型,主观判断 主观意见 时间序列 使用历史数据，认为将来和过去相似 联合模型 基于自变量预测未来,主观预测,经理人员的意见 与顾客直接接触人员的意见 消费者调查 其它预测方法 德尔非法Delphi method,时间序列预测
2、,长期趋势 数据的长期移动 季节性变动 数据短期规则变化 不规则变动 异常情况引起的变动 随机变动 各种可能性引起的变动,Ch 10 - 7, 2000 by Prentice-Hall Inc Russell/Taylor Oper Mgt 3/e,需求变动的形式,需求,时间,趋势变动,随机变动,需求,时间,季节变动,需求,时间,需求,时间,周期变动,带季节性的趋势变动,简单易用 基本上不需要成本 不需要数据分析 容易理解 不能提供较高的精度 能够作为衡量精度的标准,简单预测法,平稳时间序列数据 F(t) = A(t-1) 季节变动 F(t) = A(t-n) 长期趋势数据 F(t) = A
3、(t-1) + (A(t-1) A(t-2),简单预测法应用,简单预测,平均方法,移动平均 加权移动平均 指数平滑法,简单移动平均,Ch 10 - 14, 2000 by Prentice-Hall Inc Russell/Taylor Oper Mgt 3/e,加权移动平均,可调整和反映简单移动平均法中不同时期数据的影响,WMAn =,i = 1,Wi Di,此处,Wi = 第 i 期的权重，其百分值在 0 100 之间 Wi = 1.00,Ch 10 - 15, 2000 by Prentice-Hall Inc Russell/Taylor Oper Mgt 3/e,加权移动平均之例,月
4、份 权重 数据 八月 17% 130 九月 33% 110 十月 50% 90 十一月的预测,指数平滑法,假设最近的观测具有最高的预测价值. 因此在预测时，应该给更近的数据赋予更高的权重.,Ft = Ft-1 + (At-1 - Ft-1),指数平滑法举例,选择平滑常数,线性趋势方程,b 直线斜率,线性趋势方程举例,线性趋势计算,Ch 10 - 25, 2000 by Prentice-Hall Inc Russell/Taylor Oper Mgt 3/e,季节性调节,需求重复性地增加减少 使用季节因子来调节预测,Ch 10 - 26, 2000 by Prentice-Hall Inc R
5、ussell/Taylor Oper Mgt 3/e,季节性调节之例,需求 (1000件季度) 年 1 2 3 4 总计 1995 12.6 8.6 6.3 17.5 45.0 1996 14.1 10.3 7.5 18.2 50.1 1997 15.3 10.6 8.1 19.6 53.6 总计 42.0 29.5 21.9 55.3 148.7 Si 0.28 0.20 0.15 0.37 趋势直线 y = 40.97 + 4.30 x 1998 (第4年)的预测 = 40.97 + 4.30 (4) = 58.17 1998 16.28 11.63 8.73 21.53,SF1 = (S
6、1) (F5) = (0.28)(58.17) = 16.28 SF2 = (S2) (F5) = (0.20)(58.17) = 11.63 SF3 = (S3) (F5) = (0.15)(58.17) = 8.73 SF4 = (S4) (F5) = (0.37)(58.17) = 21.53,关联预测,有关的变量 预示这些量的值 回归分析 用一条线去拟合一组点集 最小二乘法 使线与点间的距离平方和最小,线性模型,Ch 10 - 37, 2000 by Prentice-Hall Inc Russell/Taylor Oper Mgt 3/e,回归方法,研究两个或更多变量之间的关系 因变
7、量随自变量而变,Ch 10 - 38, 2000 by Prentice-Hall Inc Russell/Taylor Oper Mgt 3/e,线性回归计算,y = a + bx 此处, a = 截距 b = 直线斜率 x = 自变量 y = 给定 x 时的预测值 b = a = y - b x 此处, n = 期数 x = x , x 的平均值 n y = y , y 的平均值 n,Ch 10 - 39, 2000 by Prentice-Hall Inc Russell/Taylor Oper Mgt 3/e,线性回归之例,x y xy x2 4 36.3 145.2 16 6 40.1 240.6 36 6 41.2 247.2 36 8 53.0 424 64 6 44.0 264 36 7 45.6 319.2 49 5 39.0 195 25 7 47.5 332.5 49 49 346.7 2167.7 311,Ch 10 - 40, 2000 by Prentice-Hall Inc Russell/Taylor Oper Mgt 3/e,线性回归直线,预测精度,误差 实际值与预测值之间的偏差 绝对平均偏差(MAD) 误差的绝对值的平均值 均方差(MSE) 误差的平方的平均值 跟踪信号 累计误差与 MAD 之间的比率,MAD & MSE,跟踪信号,
