badania operacyjne
Download
Skip this Video
Download Presentation
Badania operacyjne

Loading in 2 Seconds...

play fullscreen
1 / 40

Badania operacyjne - PowerPoint PPT Presentation


  • 176 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:
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