1 / 91

學習目標

預測. 學習目標. 概述預測過程的步驟 。 描述三種以上的定性預測技術 。 比較定性與定量的預測方法 。 簡單描述平均法、趨勢與季節法以及迴歸分析法，並解決基本的問題 。 描述預測精確性的衡量方式 。 描述評估與管制預測的方法 。 了解在選擇預測技術時的主要考量因素 。. 目前情況 的條件 與因素. 過去類似 情況的 處理經驗. 預測. 對一個變數的未來數值（例如需求）所做的陳述。 必須考慮二種資訊：. 企業組織中運用預測的例子. 會計 財務 人力資源 行銷 管理資訊系統 作業 產品與服務設計. 各種預測技術的特徵.

madaline-ewing
Download Presentation

學習目標

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. 預測

  2. 學習目標 概述預測過程的步驟。 描述三種以上的定性預測技術。 比較定性與定量的預測方法。 簡單描述平均法、趨勢與季節法以及迴歸分析法，並解決基本的問題。 描述預測精確性的衡量方式。 描述評估與管制預測的方法。 了解在選擇預測技術時的主要考量因素。

  3. 目前情況 的條件 與因素 過去類似 情況的 處理經驗 預測 • 對一個變數的未來數值（例如需求）所做的陳述。 • 必須考慮二種資訊：

  4. 企業組織中運用預測的例子 • 會計 • 財務 • 人力資源 • 行銷 • 管理資訊系統 • 作業 • 產品與服務設計

  5. 各種預測技術的特徵 • 預測技術通常假設過去存在的因果系統，未來將繼續存在。 • 預測很少完美無缺。 • 整體項目的預測會比單一預測更為精確。 • 隨著預測時間的範圍愈廣，即增加時間幅度，預測精確性會減少。

  6. 優良預測的因素 • 預測有時間性。 • 預測必須精確，並應該說明其精確程度。 • 預測必須具備可靠性。 • 預測必須具備有意義的計量單位。 • 預測必須書面化。 • 預測技術必須容易了解、容易使用。 • 預測必須符合成本效益。

  7. 預測過程的步驟 • 決定預測的目的與何時需要預測 。 • 建立預測所需的時間幅度。 • 選擇預測方法。 • 蒐集與分析適當的資料。 • 準備預測。 • 檢視預測。

  8. 三種預測的技巧 • 判斷預測法。 • 時間序列預測法。 • 關聯性模型。

  9. 判斷的預測 • 主管的意見 • 銷售員的意見 • 消費者調查 • 其他方法 • 德菲法

  10. 時間序列的預測 • 可能的時間序列圖形 • 趨勢 • 季節性 • 循環 • 不規則變動 • 隨機變動

  11. 時間序列的預測 • 天真預測法 • 使用前一期數值當作預測基礎。 • 優點：不需任何成本、方法簡單迅速；因為不用分析資料，也很容易了解。 • 缺點：不能提供高精確度的預測，可作為其他預測方法的成本與精確度的比較標準。

  12. 某加州公司過去10週行動電話的銷售量列於下表中。以（天真預測法、天真預測法--趨勢）求出11週的銷售量。

  13. 時間序列的預測 • 平均法分析技術 • 移動平均法 • 加權平均法 • 指數平均法

  14. 平均法分析技術 • 移動平均法 • 使用數個近期的實際資料來產生預測值。

  15. 平均法分析技術 • 加權平均法 • 與移動平均法不同之處是愈近期的資料，給定的權重愈大。 • 權重的選擇通常要使用試誤法。

  16. 平均法分析技術 • 指數平滑法 • 每一個新預測值以前一個預測值為基礎，再加上預測值與實際值差額的百分比。 • 誤差調整的速度是由平滑常數α決定。平滑常數愈接近0，則預測誤差調整的速度愈慢（愈平滑）。相反地，平滑常數愈接近1，則反應愈大，平滑程度愈小。

  17. 時間序列的預測 • 趨勢分析技術 • 建立一個方程式來適當地描述趨勢。

  18. 最小平方法 所謂最小平方法意指全部預測值與觀察值(或實測值)之間預測誤差的平方和為最小的預測法

  19. 最小平方法 觀察公式，得知計算項目可歸納為： n個觀察值

  20. 1 5 1 5 2 8 4 16 3 12 9 36 4 15 16 60 5 16 25 80 6 20 36 120 =21 =76 =91 =317

  21. 最小平方法: 所謂最小平方法意指全部預測與觀察值(或實測值)之間預測誤差的平方和為最小的預測法

  22. 半平均法: 半平均法將所有時間數列的歷史資料分成前後二組,各取其平均值,然後連接此二組平均值所得的直線方程式即為預測線

  23. MSE • 預測結果一定有誤差,但必須是允許範圍內之誤差 • 超越允許範圍內或欲得更小誤差範圍則需重新修正 • 亦稱平均平方誤差

  24. 計算下列資料的最小平方法與半平均法趨勢直線,求出第10年的銷售值並用MSE說明預測精確性計算下列資料的最小平方法與半平均法趨勢直線,求出第10年的銷售值並用MSE說明預測精確性 • 年….. 1 2 3 4 5 6 7 8 9 • 銷售值… 700 724 720 728 740 742 758 750 770

  25. 最小平方法

  26. 半平均法 t1=(1+2+3+4)/4=2.5t2=(6+7+8+9)/4=7.5y1=(700+724+720+728)/4=718y2=(742+758+750+770)/4=755 Y=a +b x 令 718=a+b(2.5-1)……1 755=a+b(7.5-1)……2 故 a=706.9 b=7.4 Y10=706.9+7.4(T-To) Y10=706.9+7.4(10-1) Y10=773.5

  27. 故最小平方法誤差最小

  28. 時間序列的預測 • 趨勢調整指數平滑法 • 為指數平滑法的變形，當時間序列顯示出線性趨勢時使用，或稱為雙重平滑法。 • 適用於資料在平均值上下變動、呈階梯式或漸近式的變動。

  29. 何謂調整趨勢指數平滑法 調整趨勢預測(trend-adjusted forecast, TAF)有兩個要素：平滑誤差與趨勢因子。 其中， 並且， 在此，α與β為平滑係數。為使用此方法，我們必須選取α與β值（通常經由試誤法），並做出最初預測值與趨勢估計值。

  30. 例題 採用前一個例題（某加州公司過去10週行動電話的銷售量）中行動電話的數據（當時結論該數據呈線性趨勢），使用調整趨勢指數平滑法，以 ，求出第5期到第11期的預測值。 對於第1期到第4期中三次的變動，趨勢的初始估計值是以淨變動28為基礎，其平均值為9.30。數據與計算列於下表。

  31. 例題 注意，最初趨勢估計值是從前4期數值估計得來的，而初始預測值（第5期）則是用前一期（第4期）數值728，加上初始趨勢估計值而得來的： 初始估計值=728+9.30=737.33 就人工計算而言，雖然調整趨勢平滑法比線性趨勢線所涉及的要多些，但調整趨勢平滑法能夠調整趨勢中的變動。當然，趨勢線預測值的投射，遠比調整趨勢預測值要簡單，故管理者在這兩種趨勢方法中做選擇時，必須決定何種效益是最重要者。

  32. 【解答】 注意：由於整數化，故有些數字並非準確的相加。

  33. t At Ft 5 740 737.33 737.33+0.4(740-737.33)=738.40 9.33+0.3(0) =9.33 6 742 747.73 747.73+0.4(742-747.73)=745.44 9.33+0.3(747.73-737.33-9.33)=9.65 7 758 755.09 755.09+0.4(758-755.09)=756.26 9.65+0.3(755.09-747.73-9.65)=8.96 8 750 765.21 765.21+0.4(750-765.21)=759.13 8.96+0.3(765.22-755.09-8.96)=9.31 9 770 768.44 768.44+0.4(770-768.44)=769.06 9.31+0.3(768.45-765.22-9.31)=7.49 10 775 776.55 776.55+0.4(775-776.55)=775.93 7.49+0.3(776.56-768.45-7.49)=7.68 11 783.61 【= 775.93 + 7.68】 【解答】

  34. 【解答】 737.33 = 738.40+9.33 = 747.73 = 745.44+9.65 = 755.09 = 756.25+8.96 = 765.21 = 759.13+9.31 = 768.44 = 769.06+7.49 = 776.55 = 775.93+7.68 = 783.61

  35. 【解答】

  36. 時間序列的預測 • 季節性分析技術 • 某種事件發生的時間序列呈現規則的上下反覆變動。 • 季節性：規則的年度變動。 • 季節變動：可以是指每日、每週、每月及其他規則模式的資料。

  37. 例題 停車場的管理者必須計算每日停車場數的日相對性 重複計算如下(為便於說明,所顯示者約為三週) 由於每週有七天(季節),故採用七期的中心點移動平均 數據表

  38. 估計的週五相對性為(1.36+1.40+1.33)/3=1.36 其他日子的相對性可用類似的方法計算出來 例如,估計週二的相對性為(0.84+0.89)/2=0.87 在中心點移動平均法中所需要的期數,等於所涉及[季節]的數目 例如,以每月數據,則需要十二期的移動平均法 當期數為偶數時,因為中間值落於兩期的中間,故還需要多一個步驟,即將偶數中心點移動平均中二期的中心點移動平均,其產生的平均值才能與數據點[筆直對齊],因而決定季節性的比率

  39. 季節性分析技術 • 季節性有二種不同的模型：加法模型與乘法模型。 • 加法模型：季節性是以數量表示，即時間序列之平均數加上或減去某一數量。 • 乘法模型：季節性以百分比表示，即時間序列值乘以平均趨勢值的某一百分比，又稱為季節相對性。

  40. 季節性 • 加法模型與乘法模型。

  41. 例題 • 試用移動平均法求出下列資料季節比，並預測第六年各季預測值？季節(單位：公噸)年度1 2 3 4 1 200 250 210 340 2 210 252 212 360 3 220 260 215 380 4 215 265 213 395 5 225 276 220 405

More Related