生产与作业管理培训课程.pptxVIP

第二讲， 需求预测;提纲;预测的定义;预测的重要性;预测的重要性〔Cont’d〕;预测的重要性〔Cont’d〕;预测方法;定性方法;定性方法〔Cont’d〕;定量预测方法;定量预测方法-因果模型;假设我们已有n个数据且因果模型为 Y=a+bX. 令;如果所知的数据中，x是自然数〔第i 个阶段〕，即 〔i, Di〕, i=1~n, 则因果模型及计算可简化如下：;时间序列给出一组与时间顺序相关的数〔历史数据〕 时间序列的分析识别一种模式 一旦模式被识别，它可以被用来预测未来;时间序列的模式;符号;如何评价预测？;理想, E〔ei〕=0. 预测误差 ei 在0的上下浮动;稳定的时间序列预测法;简化计算，基于Ft 求Ft+1 ;预测值;指数平滑;指数平滑;例: Central Call Center〔呼叫中心〕;例: 呼叫中心;例: Central Call Center〔呼叫中心〕;例: Central Call Center〔呼叫中心〕;预测精度;例: 计算机产品销售〔CPC〕.;历史数据;季节指数;CPC －Deseasonalize the Data;CPC－线性回归.;CPC;CPC －季节化数据预测;CPC;例3: 大学入学;简单线性回归〔Cont’d〕;例子：大学入学 x y x2 xy 1 2.5 1 2.5 2 2.8 4 5.6 3 2.9 9 8.7 4 3.2 16 12.8 5 3.3 25 16.5 6 3.4 36 20.4 Sx=21 Sy=18.1 Sx2=91 Sxy=66.5 ;例子：大学入学;例子：大学入学;例4: Railroad Products Co.;例: Railroad Products Co.　〔Cont’d〕;例: Railroad Products Co.　〔Cont’d〕;例: Railroad Products Co.　〔Cont’d〕;例: Railroad Products Co.　〔Cont’d〕;相关系数r, r〔x,y〕;相关系数计算;决定系数 〔r2〕;例：RPC;例：RPC;例：RPC;多回归分析;多回归分析;区间预测;区间预测;Ranging Forecasts;区间预测;例：RPC;例：RPC;例：RPC;预测软件;The End;演讲完毕，谢谢观看！