Badania operacyjne
Download
1 / 40

Badania operacyjne - PowerPoint PPT Presentation


  • 166 Views
  • Uploaded on

Badania operacyjne. Jeśli dzisiaj jest choć w połowie tak dobre, jak jutro ma być, to prawdopodobnie będzie dwa razy lepsze niż wczoraj Norman Augustine. Wstęp. Poprzednio estymowaliśmy równanie popytu Proces estymacji składa się z paru kroków:

loader
I am the owner, or an agent authorized to act on behalf of the owner, of the copyrighted work described.
capcha
Download Presentation

PowerPoint Slideshow about ' Badania operacyjne' - cedric


An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript
Badania operacyjne

Badania operacyjne

Jeśli dzisiaj jest choć w połowie tak dobre, jak jutro ma być, to prawdopodobnie będzie dwa razy lepsze niż wczoraj

Norman Augustine


Wst p
Wstęp

  • Poprzednio estymowaliśmy równanie popytu

  • Proces estymacji składa się z paru kroków:

    • Identyfikacja głównych zmiennych objaśniających

    • Zbieranie danych dot. tych zmiennych

    • Wykorzystanie metod statystycznych, aby uzyskać równanie popytu, które najlepiej pasuje do przeszłych danych

  • Na tym wykładzie z kolei zostanie zaprezentowane parę metod prognozowania przyszłości


Wst p1
Wstęp

  • Metody prognozowania dzielą się na:

    • Modele strukturalne (próbują wyjaśnić jak dana zmienna zależy od innych zmiennych)

      • Strukturalne modele ekonometryczne gospodarki

    • Modele niestrukturalne (identyfikują zależności w ruchach danej zmiennej w czasie)

      • Analiza szeregów czasowych

      • Metoda barometru (identyfikuje tzw. wskaźniki wyprzedzające, które sygnalizują zmiany danej zmiennej – np. zmiany na giełdzie sygnalizują zmiany w gospodarce realnej)


Dzisiaj
Dzisiaj

  • Analiza szeregów czasowych

    • Wyznaczanie trendu prostego względem czasu:

      • Liniowy

      • Nieliniowy np. kwadratowy

      • Nieliniowy, ale sprowadzalny do liniowego np. wykładniczy

        • trend wykładniczy a zmiany procentowe zmiennych

    • Wyznaczanie trendu autoregresyjnego

      • Zależność zmiennej od siebie samej z przeszłości

    • Uwzględnienie trendu i zmian sezonowych

      • Metoda ze średnimi błędami dla każdej pory roku

      • Metoda ze zmiennymi binarnymi oznaczającymi porę roku





Trend wyk adniczy z naliczaniem dyskretnym i ci g ym
Trend wykładniczy z naliczaniem dyskretnym i ciągłym

  • Jeśli R>1 to y rośnie proporcjonalnie w stosunku do czasu

    • Np. R=1,04, więc y rośnie 4% rocznie

  • Procenty mogą się naliczać co roku, bądź w częstszy sposób (na przykład codziennie)

    • Stąd rozróżnienie na dwa sposoby ujmowania trendu wykładniczego

    • Istnieje jednak prosta zależność między nimi



Prognozy
Prognozy

  • Trend wykładniczy i kwadratowy (nieliniowe) dają zupełnie różne prognozy niż trend liniowy (w szczególności dla „dalekich prognoz”)


Jak tera niejszo wp ywa na przysz o
Jak teraźniejszość wpływa na przyszłość?

  • Rozważmy prognozę liczby abonentów pewnej telewizji kablowej, która obecnie ma 500000 abonentów:

    • Około 98% dotychczasowych abonentów przedłuża abonament na następny kwartał

    • Potencjalne rozmiary rynku ocenia się na 1000000 abonentów

    • Liczba nowych abonentów zarejstrowanych w każdym kwartale stanowi ok. 8% ogólnej liczby nie pozyskanych jeszcze potencjalnych klientów


Model
Model

  • Załóżmy, że firma nie ma dobrej informacji na temat:

    • Wielkości rynku: N

    • Współczynnika utrzymania klientów (retentionrate):r

    • Współczynnik nowych rejestracji abonentów (new subscribersignuprate): s

  • I chce te parametry wyestymować z dostępnych danych

  • W tym celu wykorzystuje dane z ostatnich 8 kwartałów




Popyt na zabawki
Popyt na zabawki

  • Dane kwartalne



Jak sobie radzi z sezonowo ci
Jak sobie radzić z sezonowością

  • Policzyć średni błąd dla każdej z pór roku

  • I poodejmować te błędy od wartości przewidywanej w zależności od pory roku


Jak poradzi sobie z sezonowo ci
Jak poradzić sobie z sezonowością

  • Alternatywnie (lepiej) można wprowadzić zmienne binarne dla każdej pory roku i wyestymować model postaci:


P or wnanie
Porównanie


Prognoza jak policzy
Prognoza – jak policzyć

  • W modelu z samym trendem, podstawić wartości czasu:

  • W modelu ze średnimi odjąć średni błąd prognozy dla odpowiednich pór roku

  • W modelu ze zmiennymi binarnymi, podstawić wartości czasu oraz wstawić jeden dla zmiennej oznaczającej daną porę roku



Jak oceni jako prognoz
Jak ocenić jakość prognoz

  • Średni błąd bezwględny prognozy

  • Średni pierwiastkowy błąd kwadratowy

  • Gdzie Q – przyszła wartość rzeczywista, Q* - wartość prognozowana, m – liczba prognoz, k – liczba estymowanych parametrów


W gretlu mn stwo narz dzi
W gretlu mnóstwo narzędzi

  • Np. filtr Hodricka-Prescotta do odsezonowania



Kiedy jaka rednia
Kiedy jaka średnia

  • Jeśli zmiana procentowa danej zmiennej wyniosła w roku x: 50% a w roku x+1: -33,33% (obie wartości w stosunku do roku poprzedniego), to średnia roczna zmiana procentowa tej zmiennej wynosi około:

    A 8,33%

    B 0%

    C 16,67%

    D -8,33%

  • Cena towaru x i cena towaru y jest równa i wynosi 10 złotych. Stosunek ceny do zysku dla towaru x wynosi 8:1 a dla towaru y wynosi 2:1. Wobec tego średni stosunek ceny do zysku dla obu towarów wynosi:

    A 5,5

    B 5

    C 3,2

    D 4


Kiedy jaka rednia1
Kiedy jaka średnia

  • Jeśli zmiana procentowa danej zmiennej wyniosła w roku x: 50% a w roku x+1: -33,33% (obie wartości w stosunku do roku poprzedniego), to średnia roczna zmiana procentowa tej zmiennej wynosi około:

    A 8,33%

    B0%

    C 16,67%

    D -8,33%

  • Cena towaru x i cena towaru y jest równa i wynosi 10 złotych. Stosunek ceny do zysku dla towaru x wynosi 8:1 a dla towaru y wynosi 2:1. Wobec tego średni stosunek ceny do zysku dla obu towarów wynosi:

    A 5,5

    B 5

    C 3,2

    D 4

Średnia geometryczna

Średnia harmoniczna


ad