对一个变数的未来数值(例如需求)所做的陈述.pptVIP

季節性分析技術(2/2) 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 乘法模型(1/2) 季節百分比稱為季節相對性(seasonal relative)或季節指數(seasonal indexes) 當需求同時具有趨勢與季節因素時 使用趨勢方程式，求出所要求期間的趨勢估計值 將這些趨勢估計值乘以對應的季節相對性，再加上季節性 乘法模型(2/2) P.100 例題7 Ft=124+7.5t Q1=1.20, Q2=1.10, Q3=0.75, Q4=0.95 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.107 例題10 預測的管制(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。 預測的管制(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