1 / 40

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. Wstęp. Poprzednio estymowaliśmy równanie popytu Proces estymacji składa się z paru kroków:

cedric
Download Presentation

Badania operacyjne

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. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Badania operacyjne Jeśli dzisiaj jest choć w połowie tak dobre, jak jutro ma być, to prawdopodobnie będzie dwa razy lepsze niż wczoraj Norman Augustine

  2. 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

  3. 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)

  4. 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

  5. Szacowanie prostego trendu

  6. Trend kwadratowy

  7. Trend wykładniczy

  8. 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

  9. Model liniowy

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

  11. 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

  12. 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

  13. Estymacja trendu

  14. Prognoza

  15. Popyt na zabawki • Dane kwartalne

  16. Trend liniowy

  17. 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

  18. Jak poradzić sobie z sezonowością • Alternatywnie (lepiej) można wprowadzić zmienne binarne dla każdej pory roku i wyestymować model postaci:

  19. Porównanie

  20. 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

  21. Prognoza

  22. 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

  23. W gretlu mnóstwo narzędzi • Np. filtr Hodricka-Prescotta do odsezonowania

  24. Model taki jak wcześniej tylko w GRETLu

  25. 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

  26. 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

More Related