平均绝对百分比误差.PPT

計算季節相對性 中心點移動平均法 P. 80 例題8 循環分析技術 與季節變動相似，但時間較長 循環的發生經常是不規則的，由於難以確認轉折點，所以很難從過去的數據預測 關聯性預測技術 關聯性技術的重點在於建立出歸納預測變數效果的方程式，主要的分析方法為迴歸分析 分為簡單線性迴歸和曲線與多元迴歸分析二種 簡單線性迴歸 目的是求出一條直線方程式，使每個資料點與此線的垂直距離平方和最小 此最小平方直線的方程式 P. 83 例題9 X(銷售額) y(利潤) 7 0.15 2 0.1 6 0.13 4 0.15 14 0.25 15 0.27 16 0.24 12 0.2 14 0.27 20 0.44 15 0.34 7 0.17 預測的檢視(1/2) 追蹤並分析這些預測誤差，有助於檢視預測是否適當。 管制圖是用來偵測非隨機誤差的絕佳工具。 預測的檢視(2/2) 非隨機性的範例 管制圖 誤差分配的標準差估計值就是MSE的平方根 管制圖有下列基本假設：當誤差為隨機分配時，誤差會是常態分配，且平均值在 0 的附近 　因此　管制上限： 　　　　管制下限： 　　　　管制界限： 追蹤訊號 累積預測誤差與相關的平均絕對偏差（即MAD）的比，目的在偵測誤差的偏差 追蹤訊號的值可正可負，若為 0 則最理想，通常　　　 為可接受的值 選擇預測技術 選擇預測技巧的二個重要因素 成本 精確度 最佳的預測不一定是精確度最高或成本最低的，而是管理者認定的精確度與成本之最佳組合 其他考慮的因素有：歷史資料之使用性、電腦資料之可使用性、決策者使用預測技術之能力、蒐集資料之時間、分析資料並籌劃預測之時間 第3章 預測 Forecasting 預測 對一個變數（例如需求）的未來數值所做的陳述 企業組織中運用預測的例子 會計 與財務 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 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。 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。 預測流程的步驟 決定預測的目的與時機。 建立預測所需的時間幅度。 選擇預測技術。 蒐集與分析適當的資料。 準備預測。 檢視預測。 預測技術 定性法—主觀判斷，缺乏精確的數字描述 判斷預測法 消費者調查 銷售員、經理人、主管與專家的意見 定量法—涵蓋客觀的歷史資料，或因果變數 時間序列預測法 關聯性模型 以時間序列資料為基礎的預測(1/4) 時間序列(time series) 指間隔固定時間(小時、天、週、月、季、年)並依時間順序排列的觀察值 時間序列的模式 趨勢(trend) 季節性(seasonality) 循環(cycle) 不規則變異(irregular variation) 隨機變異(random variation) 以時間序列資料為基礎的預測(2/4) 以時間序列資料為基礎的預測(3/4) 天真預測法(naive forecast) 使用前一期數值當作預測基礎，適用於穩定序列、季節性變異或趨勢 P. 66 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 以時間序列資料為基礎的預測(4/4) 平均法(averaging)分析技術 適用於實際資料分布在平均值附近的情況，使資料的變異減小 移動平均法(moving average) 加權移動平均法(weighted moving average) 指數平均法(exponential smoothing) 移動平均法(1/2) 使用數個近期的實際資料來產生預測值 P. 68 例題2 期數 需求(實際值) 預測值 1 42 2 40 3 43 4 40 5 41 6 7 移動平均法(2/2) 加權移動平均法 與移動平均法不同之處是愈近期的資料，給定的權重愈大 P. 69例題3(權數0.4 0、0.30 、0.20 、0.10) 期數 需求(實際值) 預測值 1 42 2 40 3 43 4 40 5 41 6 7 指數平滑法(1/3) 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，