Академический Документы
Профессиональный Документы
Культура Документы
Un alt tip de scop special este programul folosit în programarea liniară. Este preocupat
de alocarea locurilor de muncă fiecăruia dintre lucrători pentru costuri minime sau venituri
maxime.
1. Problema atribuirii este problema atribuirii a n muncitori la n locuri de muncă, în așa fel
încât un lucrător să fie repartizat la un singur loc de muncă. Lucrătorii alocați acestuia și
costurile de finalizare a tuturor lucrărilor vor fi reduse la minimum.
1. Scădeți cel mai mic cost din fiecare intrare din fiecare rând. Dacă fiecare zero poate fi
acum atribuit într-o corespondență unu-la-unu cu "muncitorii", se obține o soluție
opțională. Dacă nu, treceți la pasul 2.
2. Scădeți cel mai mic cost din fiecare coloană. Dacă intrările zero pot fi acum distribuite în
fiecare corespunzătoare "lucrătorilor", se obține sau se ajunge la o soluție optimă. Dacă
nu, treceți la pasul 3.
3. Acoperiți intrările zero prin linii verticale sau orizontale, utilizând cel mai mic număr
posibil de linii. (Acest lucru se poate face acoperind mai întâi rândul sau coloana cu cele
mai multe zerouri.) Scădeți cel mai mic cost neacoperit din fiecare cost neacoperit, dar
adăugați-l la intrarea găsită la intersecția liniilor. Dacă o atribuire este deja posibilă, se
ajunge la o soluție opțională. Dacă nu, repetați pasul 3. O atribuire este optimă dacă
numărul de linii este egal cu numărul de rânduri sau cu numărul de coloane
Exemplul 1.
În timpul Zilei fondării, cei patru reprezentanți ai Clubului Facultății BA participă la diferite
sporturi, cum ar fi walkathon, maraton, înot și alergare. Tabelul de mai jos prezintă performanța
lor pentru fiecare eveniment (minute). Determinați cine dintre reprezentanții facultății va
participa la fiecare eveniment.
Începem să reducem rândurile scăzând cel mai mic, cel mai mic număr din fiecare rând
din toate numerele din rând.
Exemplul 2.
Compania Gayoma are trei lucrări de făcut pe trei mașini. Fiecare lucrare trebuie făcută
pe o singură mașină. Costul fiecărei mașini este dat pagina următoare. Determinați atribuirea
postului care va minimiza costul.
Maşini
Locuri
X Y Z
Un 1400 1600 1800
B 1200 1300 1400
C 1400 1800 1500
Tabelul 1.
Maşini
Locuri
X Y Z
Un 14 16 18
B 12 13 14
C 14 18 15
Tabelul 2.
Maşini
Locuri
X Y Z
Un 0 2 4
B 0 1 2
C 0 4 1
Acum reduceți fiecare coloană scăzând cel mai mic număr din fiecare coloană.
Tabelul 3.
Maşini
Locuri
X Y Z
Un 0 1 3
B 0 0 1
C 0 3 0
Deoarece avem trei linii care corespund numărului de rânduri și coloane, atunci este deja optim.
Decizia finală:
Exemplul 3.
Foștii jucători UAAP sunt pe cale să se alăture celei mai prestigioase ligi din țară,
Asociația de Baschet din Filipine (PBA). Cinci echipe sunt dispuse să achiziționeze serviciile
următorilor jucători: James Yap, Mark Cadona. Arwind Santos, Ronald Tubid și Bonbon
Custodio.
ECHIPE
Burger Vorbește Alimente Regele San
Jucători King N' Text pure Ginebra Miguel
Bonbon
Custodio
200,000 250,000 175,000 210,000 180,000
Ronald
Tubid
250,000 170,000 200,000 180,000 190,000
Arwind
Santos
150,000 210,000 185,000 165,000 200,000
Mark
Cardona
160,000 150,000 175,000 180,000 190,000
James
Yap 175,000 180,000 150,000 200,000 210,000
Tabelul prezintă oferta lunară de salarii, inclusiv bonusurile și alte beneficii. Determinați
răspunsul optim pentru fiecare echipă pentru a minimiza costurile.
Soluție:
Pentru a face calculul mult mai ușor, eliminăm temporar cele trei zerouri.
ECHIPE
Burger Vorbi Alimente Ginebra San
Jucători Rege N' Text pure Rege Miguel
Bonbon
Custodio 200 250 175 210 180
Ronald 250 170 200 180 190
Tubid
Arwind 150 210 185 165 200
Santos
Mark 160 150 175 180 190
Cardona
James 175 180 150 200 210
Yap
*Rezultatele după eliminarea a trei zerouri din fiecare intrare sunt prezentate în tabelul de mai
sus.
ECHIPE
Burger Vorbi Pur Ginebra San
Jucători Rege N' Text Alimente Rege Miguel
Bonbon
Custodio 25 75 0 35 5
Ronald
Tubid 80 0 30 10 20
Arwind
Santos 0 60 35 15 50
Mark
Cardona 10 0 25 30 40
James
Yap 25 30 0 50 60
*Rezultatele după scăderea celei mai mici intrări din fiecare rând sunt prezentate în tabelul de
mai sus
ECHIPE
Burger Vorbi Alimente Ginebra San
Jucători Rege N' Text pure Rege Miguel
Bonbon
Custodio 25 75 0 35 0
Ronald
Tubid 80 0 30 10 15
Arwind
Santos 0 60 35 15 45
Mark
Cardona 10 0 25 30 35
James
Yap 25 30 0 50 55
*Rezultate după scăderea celei mai mici intrări din fiecare coloană (coloanele 5 și 6, Ginebra
King și, respectiv, San Miguel).
ECHIPE
Burger Vorbi Alimente Ginebra San
Jucători Rege N' Text pure Rege Miguel
0
Bonbon
Custodio
25 75 25 0
Anonim
Tubid 80 0 30 0 15
Vânt
Santos 0 60 35 5 45
Semn
Constantin 10 0 25 20 35
James Yap
25 30 0 40 55
Deoarece numărul de linii utilizate este egal cu numărul de rânduri și coloane, atribuirea este
optimă.
Ronald Tubid - poate juca pentru Talk N' Text și Ginebra King
Decizia finală:
Total ₱810,000.00
*Acoperind zero intrări cu cel mai mic număr în linii verticale și orizontale.
ECHIPE
Burger Vorbește N' Alimente Regele San
Jucători King Text pure Ginebra Miguel
Bonbon
25
Custodio
75 0 25 0
Anonim
Tubid 80 0 30 0 15
Arwind
Santos 0
60 35 5 45
Mark
Cardona 10 0 25 20 35
James
Yap 25 30 0 40 55
NUME: __________________________________________DATE:___________________
SECȚIUNE/ORĂ/ZI:_________________________ROOM:_____________RATING________
Exercițiul 14
1. Cinci ofițeri de securitate sunt solicitați de Universitatea de Est să fie repartizați în cinci
clădiri. Costul zilnic al fiecărui ofițer din fiecare clădire este indicat mai jos. Determinați cea mai
bună alocare a ofițerilor în diferite clădiri, astfel încât să minimizați costurile.
CLĂDIRI
2. Agenția Doggy are trei câini polițiști care urmează să fie repartizați la trei departamente
diferite depozitate. Costul fiecărui câine pe fiecare departament este prezentat mai jos
4. Jacqueline și Vilma sunt parteneri de afaceri. Ei au decis să angajeze patru contabili care să
fie desemnați pentru a le audita afacerea. Următorul tabel prezintă costul pe contabili.
Determinați cea mai bună alocare pentru fiecare contabil.
Contabili 1 2 3 4
5. Foștii jucători PBL sunt pe cale să se alăture celei mai prestigioase ligi din țară, Asociația de
Baschet din Filipine (PBA). Patru echipe sunt dispuse să achiziționeze serviciile următorilor
jucători: James Yap, Rich Alvarez, Paul Artadi și Ronald Tubid. Tabelul de mai jos arată salariile
lunare pe care le-au dorit, excluzând bonusurile și alte beneficii. Determinați răspunsul optim
pentru fiecare echipă pentru a-și minimiza costurile.
PROIECTE
W X Y Z
1. 3,800 2,800 2,400 3,600
2. 2,000 2,400 3,000 2,000
3. 3,200 1,800 2,200 2,800
4. 4,000 3,200 2,600 3,400
7. Banda Fast Food a decis să achiziționeze serviciile a patru studenți cu jumătate de normă
pentru a lucra ca echipaj de serviciu. Li s-a dat un test de viteză. Tabelul de mai jos indică
performanțele acestora pe bandă. Determinați cea mai bună alocare pentru fiecare echipaj.
Culoarul 1 Culoarul 2 Culoarul 3 Culoarul 4
Echipajul 1 15 18 20 16
Echipajul 2 18 17 14 20
Echipajul 3 21 20 13 15
Echipajul 4 17 15 18 19
8. Cinci muncitori de la Denzel Engineering Works vor fi repartizați, câte unul până la cinci
mașini. Găsiți costul alocării variabilei celor cinci lucrători.
LUCRĂTORILOR
Maşini Un B C D E
1 74 52 66 64 90
2 50 44 78 68 48
3 62 70 52 56 72
4 84 36 56 80 46
5 58 38 76 54 84
9. Elevii Liceului V. Mapa sunt pe cale să se alăture testului anual Bee care va avea loc la
PICC. Albina test constă din patru subiecte, cum ar fi matematică, știință, engleză și fizică.
Tabelul de mai jos prezintă erorile lor pentru fiecare subiect în runda de calificare. Determinați
cine dintre elevi va reprezenta în albina testului.
Elevul 1 Elevul 2 Elevul 3 Elevul 4
Matematica 5 3 5 2
Știință 1 6 3 4
Engleză 4 2 3 1
Fizică 2 3 4 1
10. Miling și Luming Contractorii au nevoie de trei tâmplari pentru a fi repartizați la trei proiecte.
Determinați cea mai bună alocare a fiecărui tâmplar.
Dulgheri Un B C
1 80 90 54
2 54 108 30
3 46 104 48
11. Trei cercetători obișnuiți ai Mic-Mic Marketing Research sunt obligați să prezinte timpii
(zilele) de finalizare estimată a proiectului (EPC) la trei clienți. Tabelul de mai jos prezintă EPC-
ul lor. Determinați cea mai bună alocare pentru trei cercetători.
Clientii
Angajați 1 2 3
Denzel 20 30 18
Rino 18 36 10
Alvin 12 28 6
STUDIU DE CAZ
CORPORAȚIA NHOLRAM-BONG
Nholram-Bong Corporation este un producător și distribuitor de camere CCTV. Camera
CCTV este distribuită în Filipine și are o cerere mare pe piață în ultimii șapte (7) ani. Corporația
operează trei (3) fabrici care produc camerele CCTV și sunt distribuite în cinci (5) depozite.
Anul trecut, Corporația Nholram-Bong a înregistrat o scădere mare a cererii de camere CCTV
din cauza inflației ridicate. Supervizorul de vânzări al Corporației Nholram-Bong a prezis că
cererea de camere CCTV va rămâne scăzută pentru următorii cinci (5) ani. Corporația are în
vedere închiderea uneia dintre fabricile sale, deoarece în prezent are o capacitate excedentară
de 68.000 de unități pe săptămână. Cererile săptămânale prognozate pentru anul viitor sunt
următoarele
Tabelul 4.1 prezintă costurile de producție pentru fiecare instalație, costurile variabile atât în
timpul orelor regulate, cât și în orele suplimentare, precum și costurile fixe în timpul funcționării
și nefuncționării
Tabelul 4.1
CORPORAȚIA NHOLRAM-BONG
Tabelul 4.2
CORPORAȚIA NHOLRAM-BONG
Centru de distribuție
Din plantă W1 W2 W3 W4 W5
Dacă Nholram-Bong reduce oricare dintre fabricile sale, costurile sale săptămânale se
vor schimba pe măsură ce costurile fixe scad din cauza nefuncționării.
Întrebări de discuție
1. Evaluați diferitele condiții care vor satisface cererea săptămânală atât pentru
instalațiile operaționale, cât și pentru cele nefuncționale. Determinați ce condiție va minimiza
costurile.
Capitolul 5
Prognoză
Termeni cheie:
Prognoză
Metoda calitativă
Metoda cantitativă
Metoda Delphi
Juriul de opinie executivă
Forța de vânzări compozită
Sondaj privind piața consumatorilor
Serii de timp
Metoda seriilor de timp
Tendinţă
Sezonier
Cicluri sau componente ciclice
Variații aleatoare/componente neregulate
Metoda de netezire
Constanta de netezire
Medii mobile ponderate
Netezire exponențială
Proiecții de tendințe
Deviația absolută medie (MAD)
Eroare medie pătratică (MSE)
Eroarea procentuală absolută medie (MAPE)
Prognoza liniei de trend
Obiective de învățare
Introducere
În afacerile din orice domeniu, anticiparea nevoilor clienților dvs. și satisfacerea acestor
nevoi, înseamnă cu siguranță succes. O echipă bună de management folosește date trecute și
prezente, analizează tendința situației actuale și încă se bazează pe "sentimentul intestinal"
asupra a ceea ce este probabil să se întâmple în viitor. Deciziile sunt luate în fiecare zi, iar
elaborarea celui mai bun plan strategic de acțiune în viitor este un instrument esențial. În
consecință, managerii încearcă să minimizeze "incertitudinea" viitorului în prognoză. O
prognoză înseamnă pur și simplu o predicție a ceea ce este probabil să se întâmple în viitor.
Convertirea predicției în cifre și date concrete este scopul principal al prognozei.
În acest capitol, urmează să fie discutate mai multe tipuri de tehnici de prognoză. Este
demn de menționat faptul că, managerii acceptă faptul că, indiferent de tehnica utilizată, nu
există o prognoză perfectă. Cu toate acestea, există opt pași de bază care trebuie urmați în
prognoză. Acestea sunt:
7. Faceți prognoza.
Ce este prognoza?
Este procesul de eliminare în situații necunoscute. Predicția este similară, dar într-un
termen mai general.
Prognoza afacerii este o estimare sau predicție a dezvoltării viitoare a afacerilor, cum ar
fi vânzările, cheltuielile, veniturile, veniturile și profiturile. Este considerat unul dintre cele mai
importante aspecte ale planificării corporative.
Prognoza cererii este o prognoză care proiectează vânzările companiei.
Clasificarea prognozei
Există două clasificări ale metodelor de prognoză: calitative și cantitative.
METODE DE PROGNOZĂ
Prognoză
Metode
Mișcător Juriul
Medii
Avizul executiv privind regresia
Analiză
Tendinţă Consumator
Previziuni calitative
Acest tip de metodă de prognoză se bazează pe judecăți sau opinii și are un caracter
subiectiv. Nu se bazează pe calcule matematice.
Tipuri de metode calitative
Metoda Delphi
Una dintre cele mai frecvent utilizate prognoze calitative este metoda Delphi. Aici, un
grup de experți separați unul de celălalt face o prognoză. În aplicația sa obișnuită, li se cere să
răspundă la chestionar. Aceste grupuri sunt numite "respondenți". Răspunsul și alte date sunt
colectate, colectate, rezumate de personalul personalului și sunt predate unui alt grup, factorilor
de decizie sau prognozatorilor. Este important de menționat că principiul metodei Delphi este că
răspunsurile din primele chestionare sunt utilizate și luate în considerare în pregătirea celui de-
al doilea set de chestionare. Răspunsurile sunt adunate, iar procesul se repetă până când se
ajunge la un consens al grupului.
1000
800
Series (100000)
600
400
200
0
0 1 2 3 4 5 6
Year
Figura 5.1
Tendința liniară a vânzărilor de DVD-uri
Figura 5.1 prezintă o linie dreaptă care poate fi o bună aproximare a tendinței vânzărilor
de DVD-uri. Atunci când o serie de timp constă în fluctuații aleatorii care se deplasează în jurul
unei linii de tendință pe termen lung, se poate utiliza o ecuație liniară pentru a estima tendința.
Acest lucru este prezentat în figura 5.2
Figura 5.2
Exemple de modele posibile de tendințe ale seriilor de timp
2. Sezonalitatea (S) – este un model al fluctuației cererii deasupra sau dedesubtul liniei de trend
care are loc în fiecare an. Aceasta este componenta seriilor de timp care reprezintă
variabilitatea datelor datorită influențelor sezoniere.
3. Cicluri sau componente ciclice – orice secvență recurentă de puncte deasupra și dedesubtul
liniei de trend care durează mai mult de un an. Acestea sunt de obicei legate de ciclul de
afaceri.
Linia de trend
Oră
Figura 5.3
Tendințele și componentele ciclice ale unei serii de timp
4. Variații aleatorii (R) – "alunecări" în date cauzate de întâmplări și situații neobișnuite și nu urmează
un model perceptibil.
un. Model de multiplicare – presupune că cererea este produsul celor patru componente.
Cerere = T x S x C x R
b. Model aditiv - adună componentele împreună pentru a oferi o estimare.
Cerere = T + S + C + R
Cererea reală
Figura 5.4
Serii de timp și componentele sale
Metoda de netezire
Alte trei metode de prognoză urmează să fie discutate în această secțiune. Aceste
metode sunt medii mobile, medii mobile ponderate și netezire exponențială. Aceste metode
"netezesc" fluctuațiile aleatorii cauzate de componentele neregulate ale seriilor de timp. Acestea
sunt cel mai bine utilizate pentru serii de timp stabile, unde nu se așteaptă nicio mișcare în
tendință.
Metoda naivă
Prognoza naivă este cea mai simplă tehnică. Pur și simplu folosește cererea reală
pentru perioada trecută ca cerere prognozată pentru perioada următoare. Acest lucru face
teoria că trecutul se va repeta. De asemenea, se presupune că orice componente ale seriilor
cronologice (tendință, sezonalitate sau cicluri) fie se reflectă în cererea perioadei anterioare, fie
nu există.
Tabelul 5.1
Prognoză naivă
Perioadă Cerere Prognoză
1 35
2 40 35
3 55 40
4 65 55
5 60 65
Observați că cererea pentru perioada 1 a fost de 35, prognoza naivă pentru perioada
următoare este de 35.
Medii mobile
Acestea utilizează media celor mai recente n valori de date din seriile de timp
prognozate pentru perioada următoare.
Formulă
❑
Media
∑
❑
( most recent n data values )
mobilă (tabelul 5.1)
¿
n
Unde n este numărul de perioade din media mobilă.
Exemplu:
Se calculează pentru o medie mobilă pe patru luni utilizând datele din tabelul 5.2
Aceasta este o metodă de netezire care utilizează o medie ponderată a celor n date
recente ca prognoză.
Formulă:
❑
∑
❑
( weight for period n ) (demand∈ period n)
Media mobilă ponderată = ❑ (tabelul 5.2)
∑
❑
weights
Exemplul 1.
Se calculează pentru o medie mobilă ponderată pe trei luni (tabelul 5.3)
Previziuni medii mobile ponderate pe trei luni
Lună Cerere Media mobilă ponderată pe trei luni
Ianuarie 21
Februarie 25
Martie 29
⦋ ( 29 × 3 ) + ( 25 ×2 ) +21 ⦌
=26
Aprilie 21 6
⦋ ( 21 ×3 )+ ( 29× 2 ) +25 ⦌
=24
Mai 25 6
⦋ ( 25 × 3 ) + ( 21× 2 ) +29 ⦌
=24
Iunie 20 6
⦋ ( 20 × 3 ) + ( 25 ×2 ) +21 ⦌
=22
Iulie 18 6
⦋ ( 18 ×3 )+ ( 20 ×2 ) +25 ⦌
=20
August 21 6
⦋ ( 21 ×3 )+ (18 × 2 ) +20 ⦌
=20
Septembrie 20 6
⦋ ( 20 × 3 ) + ( 21× 2 ) +18 ⦌
=20
Octombrie 19 6
⦋ ( 19 ×3 )+ ( 20× 2 ) +21 ⦌
=20
Noiembrie 18 6
⦋ ( 18 ×3 )+ ( 19× 2 ) +20 ⦌
=19
Decembrie 15 6
Exemplul 2.
Calculați o prognoză medie mobilă ponderată pe patru perioade din tabelul 5.4
Previziuni medii mobile ponderate pe patru perioade
Perioadă Prognoză Media mobilă ponderată pe trei luni
1 21
2 25
3 29
4 21
⦋ ( 21 ×3 )+ ( 29× 2 ) +25 ⦌
=24
5 25 6
6 75 ⦋ ( 29 × 3 ) + ( 25 ×2 ) +21 ⦌
=26
6
Netezire exponențială
Aceasta este o metodă de prognoză care este o combinație între ultima prognoză și
ultima valoare observată. Acesta utilizează o medie ponderată a valorii seriilor de timp
anterioare ca prognoză și se bazează pe ideea că, pe măsură ce datele îmbătrânesc, acestea
devin mai puțin relevante și ar trebui să li se acorde mai puțină importanță.
Formulă:
Matematic:
Unde:
F t = prognoză nouă
Exemplul 1.
În ianuarie, o cerere pentru 200 de unități de model Toyota "Vios" pentru luna februarie
a fost prezisă de un dealer auto. Cererea reală din februarie a fost de 250 de mașini. Prognozați
cererea din martie folosind o constantă de netezire de ɑ = 0,30.
Exemplul 2.
Tabelul 5.5
Perioadă Cerere
1 20
2 35
3 46
4 40
5 50
6 55
7 45
8
Soluție:
a. ɑ = 0,20
Tabelul 5.6
Perioadă Cererea reală Prognoză Eroare
1 20 -
2 35 20 15
3 46 23 23
4 40 27.60 13.60
5 50 30.08 19.92
6 55 34.06 20.94
7 45 38.35 6.75
8 39.60
F 3 = 20 = 0.20(35 - 20)
F 3 = 23
Graficul de 0,20
60
50
40
30
20
10
0
1 2 3 4 5 6
50
40
30
20
10
0
1 2 3 4 5 6
Alte metode pentru determinarea sau măsurarea acurateței erorii de prognoză sunt
MAD, MSE, MAPE și BIAS.
Abaterea absolută medie (MAD) este o tehnică de determinare a preciziei unui model de
prognoză prin luarea mediei valorii absolute.
( Forecast errors )
MAD = (6.4)
n
Exemplul 1.
Tabelul 5.8
Perioadă Cerere Eroare la ɑ = 0,20 Eroare la ɑ = 0,50
1 20
2 35 15 15
3 46 23 18.50
4 40 13.60 3.25
5 50 19.92 11.62
6 55 20.94 10.81
7 45 6.75 -4.59
8
99.21 63.77
MAD = (16.54) MAD = (10.63)
6 6
Pe baza calculului, MAD de ɑ = 0,20 este mai mare decât MAD de ɑ = 0,50. Astfel, ɑ =
0,50 este preferat deoarece MAD-ul său este mai mic.
Eroarea medie pătratică (MSE) este o tehnică de determinare a preciziei unui model de
prognoză prin luarea mediei termenilor de eroare la pătrat pentru o metodă de prognoză.
( Forecasting Error )2
MSE = (6.5)
n
Exemplul 2.
Soluție:
a) ɑ = 0.20
Tabelul 5.9
Perioadă Cerere Eroare de prognoză Eroare de prognoză pătrată
la ɑ = 0,50
1 20
2 35 15 225
3 46 23 342.25
4 40 13.60 10.56
5 50 19.92 135.02
6 55 20.94 116.86
7 45 6.75 21.07
8
850
MSE = = 141.79
6
b) ɑ = 0.50
Tabelul 5.10
Perioadă Cerere Eroare de prognoză Eroare de prognoză pătrată
la ɑ = 0,20
1 20
2 35 15 225
3 46 23 529
4 40 13.60 184.96
5 50 19.92 396.81
6 55 20.94 438.48
7 45 6.75 45.56
8
1819.81
MSE = = 303.30
6
Pe baza calculului, MSE a ɑ = 0,20 este mai mare decât MSE a ɑ = 0,50. Astfel, ɑ =
0,50 este preferat deoarece MSE este mai mic.
BIAS este o componentă a erorii totale de prognoză calculată. Acesta spune dacă
prognoza este prea mică sau prea mare și cu cât. De fapt, oferă eroarea totală și direcția
acesteia.
MAPE =
∑ of Absolute Error (6.6)
∑ of Actual
Matematic;
❑
∑
❑
∑ of Absolute Error
MAPE = ❑ (6.7)
∑
❑
( Actual)
Exemplul 1.
Rezolvați pentru MAPE, precizie absolută și precizie aritmetică.
Tabelul 5.11
Eroare Precizi Acurate
de Eroare Eroare e țe
Perio Adev Progn progn absolu procentu absolut aritmeti
adă ărat oză oză tă ală ă că
un b c d e f g h
❑
∑
❑
( Absolute Error)
Eroare procentuală = ❑
∑
❑
( Actual)
65
= x 100%
275
= 24%
❑
∑
❑
( Absolute Error)
MAPE = ❑
∑
❑
Actual x 100 %
65
= x 100%
275
= 24%
= 76%
Această tehnică potrivește o linie de tendință la o serie de puncte de date istorice și apoi
proiectează linia în viitor pentru prognoza pe termen mediu și lung (ne-am concentrat doar pe
tendințele liniei drepte). Metoda statistică comună care trebuie utilizată este cunoscută sub
numele de metoda celor mai mici pătrate.
Metoda celor mai mici pătrate găsește o linie dreaptă care minimizează suma
diferențelor verticale de la linie la fiecare dintre punctele de date.
T 1 = a + bt x (6.9)
Unde:
T t = valoarea calculată a variabilei de prezis (variabilă dependentă)
a = interceptarea liniei de trend (intersecția axei Y)
b = panta liniei de trend
t x = variabilă independentă
Formula în calculul a și b este:
❑
∑
❑
ty−nty
b= ❑ (6.10)
∑
❑
2
t −nt 2
Exemplu:
Putem minimiza calculele transformând valoarea timpului X în numere mai simple. Prin
urmare, putem desemna 2001 ca anul 1, 2002 ca anul 2, 2003 ca anul 3 și așa mai
departe. Acest lucru este prezentat în tabelul 5.13
Tabelul 5.13 t
2
Vânzări (1.000)
Perioadă Y
An t Ty
2001 1 3 1 3
2002 2 4.5 4 9
2003 3 4.8 9 14.4
2004 4 3.7 16 14.8
2005 5 4.6 25 23
2006 6 5 36 30
2007 7 4 49 28
2008 8 5 64 40
2009 9 6 81 54
2
∑t = 45 ∑Y = 40,6 ∑ t = 285 ∑ty = 216.20
∑t 45 ∑ Y 40.60
t= == 5; Y== = 4.51
n 9 n 9
13.25
b= = 0,22
60
Deoarece am rezolvat deja variabilele corespunzătoare pentru ecuația tendinței, noua ecuație
este T 1 = 3, 41 + 0, 22t.
Acum putem estima cererea pentru 2009 la t = 10
Previziuni de vânzări pentru 2010
T x = 10
T t = 3.41 + 022(10)
T 1 0 = 3.41 + 2.2
T 1 0 = 5.61
t = 11
T 11 = 3.41 + 0.22(11)
T 11 = 3.41 + 2.42
T 11 = 5.83
Prin urmare, estimarea vânzărilor prognozate pentru 2010 este de 5.830 de unități DVD.
4
Sales
0
1 2 3 4 5 6 7 8 9
Period
VÂNZĂRI DE DVD-URI
Analiza de regresie
Este o tehnică statistică folosită pentru a dezvolta o ecuație matematică care arată cum
sunt legate variabilele. Este o procedură de prognoză care utilizează abordarea celor mai mici
pătrate pe una sau mai multe variabile independente pentru a dezvolta o metodă de prognoză.
Formulă:
X = variabila independentă
∑ XY −nXY
b=;a= 2 2 Ŷ – bX
∑ X −n X
Exemplu:
Firma de construcții Dumlao renovează case în Marilao, Bulacan. De-a lungul timpului,
afacerea a constatat că lucrările sale de renovare a volumului Peso sunt dependente de munca
dependentă de salarizarea zonei Marilao / Bulacan. Datele pentru veniturile lui Dumlao și suma
de bani câștigată de salariații din Marilao, Bulacan în ultimii 5 ani sunt prezentate mai jos:
Y X
Vânzările lui Dumlao Salarizare
(₱100,000) (₱1,000,000)
3.0 2
2.0 3
3.5 2
2.0 5
3.0 4
Utilizați analiza de regresie a celor mai mici pătrate pentru a stabili metoda statistică.
Vânzări Salarizare 2 XY
X
Y X
3.0 2 4 6.0
2.0 3 9 6.0
3.5 6 36 21.0
3.5 5 25 17.5
3.0 4 16 12.0
∑Y = 15 ∑X = 20 2 ∑XY = 62,5
∑X
∑X 20
X= == 4
5 5
∑ Y 15
Y= = 3
5 5
a = Y = bX = 3 – 0,25(4) = 2
Ŷ =2 + 0,25X
sau
Vânzări = 2 + 0.25(Salarizare)
Dacă Dumlao Construction dorește să aibă un stat de plată de cinci milioane de cinci
puncte (5,5 milioane ₱) anul viitor, o estimare a vânzărilor pentru Dumlao Construction este:
= 2 + 0.25(5.5)
= 2 + 1.375
= 3.375
NUME: __________________________________________DATE:___________________
SECȚIUNE/ORĂ/ZI:_________________________ROOM:_____________RATING________
Exercițiul 15
Perioadă 1 2 3 4 5 6 7
Observare 24 34 36 37 41 44 45
2 . Să presupunem că Universitatea din Vest a avut următoarele date despre creșterea înscrierii
din 2016-2014.
An Înscriere
2006 3000
2007 3200
2008 3600
2009 3650
2010 4000
2011 4200
2012 4300
2013 4410
2014 4520
un. Prognozați înscrierea în 2015 utilizând prognoza medie mobilă ponderată pe trei ani.
3. Pentru Filipine Basketball Association (PBA) sezonul 2013-2014, San Mig James Yap a fost
liderul marcatorilor cu o medie de 33 de puncte pe meci. Următoarele date arată media
punctelor pe meci pentru liderul marcator din sezonul 2008-2009 până în sezonul 2013-2014.
Anotimp Medie
2008-2009 25
2009-2010 35
2010-2011 29
2011-2012 34
2012-2013 35
2013-2014 33
un. Utilizați netezirea exponențială pentru a prognoza această serie de timp. Luați în
considerare constanta de netezire de ɑ = 0,20 și ɑ = 0,30. Ce valoare a constantei de netezire
oferă cea mai bună prognoză/
b. Care este prognoza celei mai bune medii de punctaj pentru sezonul 2014-2015?
4 . Completați porțiunea liberă din tabel. Unele date sunt deja furnizate după cum urmează:
5. Utilizați netezirea exponențială cu ɑ între 0,10 și 0,30 pentru a obține prognoza cu o perioadă
înainte pentru următoarele serii de timp.
Utilizați valoarea inițială pentru F 1 = 200 și identificați care valoare a lui ɑ este cea mai bună.
Lună Plângeri
Ianuarie 60
Februarie 48
Martie 55
Aprilie 50
Mai 55
a. Calculați o medie mobilă ponderată pe trei luni.
b. Pregătiți prognoza pentru iunie, iulie și august.
8. Având în vedere: Vânzările de benzină (serii de timp) ale PETRON (săptămânal)
a. Calculați media mobilă pe trei săptămâni și patru săptămâni pentru seriile cronologice.
b. Calculați MAD pentru prognozele medii mobile pe trei și patru săptămâni.
c. Care pare a fi cel mai bun număr de săptămâni de date anterioare pentru a fi utilizate în
calculul mediei mobile?
d. Calculați eroarea procentuală și MAPE.
9 . Utilizați netezirea exponențială cu ɑ = 0,40 și o valoare inițială de = 50 pentru următoarele
serii de F 1 timp.
Lună Cerere
Ianuarie 60
Februarie 70
Martie 55
Aprilie 60
Mai 45
Iunie 60
Iulie 65
Calculați următoarele:
a. Eroare procentuală
b. MAPE
c. Procentaj de precizie absolută
d. Acuratețea aritmetică
10. Magazinul universal JAVILL este dealer autorizat pentru televizoare plate de cinci ani.
Numerele de televizoare plate vândute în fiecare an sunt prezentate în tabel.
An Numărul de
televizoare plate
vândute
1 40
2 25
3 35
4 39
5 43
Ramuri 1 2 3 4 5 6
Vânzări (1.000) 12 15 16 18 14 17
Profituri (1.000) 7 9 10 12 10 13
Prognoză
STUDIU DE CAZ
Economia precară din 2009 a dus la închiderea permanentă a grădinii zoologice din Manila.
Administrația orașului Manila a decis să angajeze RC Animal Park Corporation pentru a opera
grădina zoologică din Manila.
RC Animal Park Corporation și-a dat seama că este o necesitate să mențină imaginea
grădinii zoologice ca un loc bun pentru vizitatori să se relaxeze și să petreacă timp împreună cu
familiile lor. Pentru a-și atinge scopul, trebuie să se asigure că locul este curat. Corporația a
adăugat, de asemenea, mai multe animale, păsări și reptile pentru a atrage mai mulți vizitatori.
De asemenea, au introdus noi activități și jocuri. Eforturile corporației par să funcționeze,
deoarece prezența a crescut de la 70.000 în 2009 la un maxim istoric de 165.000 în 2013, așa
cum se arată în tabelul următor.
Întrebări de discuție
1. Pe baza datelor de mai sus, puteți prognoza prezența pentru perioada 2015-2020?
2. Ce tehnică de prognoză va fi cea mai potrivită pentru a prognoza prezența din 2015 până în
2020? De ce?
APLICAȚII MS EXCEL
ÎN PROGNOZĂ
Exemplul 1.
Mai jos sunt prezentate ratele șomajului și vânzările corespunzătoare experimentate de mărfurile Vi-
An în ultimii 10 ani. Pentru numerele de la 1 la 4, prognozați rata șomajului anul viitor folosind tehnicile
indicate mai jos, iar pentru numărul 6, prognozați vânzările pentru următorii trei ani.
Vânzări
An Oră Rată (%) (₱) 1. Mehod naiv
2000 1 7.2 20,000 2.Media mobilă pe șase ani
2001 2 4 41,000 3. Media mobilă pe trei ani cu greutăți 1,4,3
2002 3 7.3 17,000 4. Netezire exponențială simplă, ꚙ = 40%
5. Rata de șomaj prognozată a tendinței liniare (se aplică
2003 4 5.5 35,000 pentru următorii trei ani)
6. Prognozați vânzările pentru următorii trei ani folosind
regresia liniei pe baza ratelor șomajului prognozate în
2004 5 6.8 35,000 numărul 5.
7. Desenați cele două diagrame de împrăștiere cu linia de
2005 6 6 31,000 tendință și linia de regresie.
2006 7 5.4 38,000
2007 8 3.6 50,000
2008 9 8.4 15,000
2009 10 7 19,000
În foaia de calcul, codificați timpul (perioadele) din coloana B, rata (%) din coloana C și vânzările (P)
din coloana F. Construiți tabelul pentru F, în coloana D și eroare sau ( F t – Rată) în coloana E, care va fi
utilizat în prognozarea ratei inflației prin metoda simplă de netezire exponențială. Următoarea formulă
Excel este utilizată pentru a sugera calcule ale ratei prognozate:
1. Metoda naivă, D15 F t = C13 7%, deoarece ultima intrare în coloană a ratelor reale ale
inflației este în C13.
2. Media mobilă pe șase perioade, D16 Ft = media (C8:C13) 6,2%, unde C8 până la C13
evidențiate sunt intrările celor mai recente șase rate ale inflației.
3. Media mobilă cu ponderile 1, 4, 3 atribuite ratelor inflației în cele mai recente trei perioade, în
celula D17 tastați =, tastați (1* faceți clic pe C11, a3-a cea mai recentă perioadă + 4* faceți clic pe
C12, a2-a cea mai recentă perioadă + 3* faceți clic pe C13, cea mai recentă perioadă, apoi tastați),
apoi tastați /(împărțit la) 8 Ft = (1*C11 + 4*C12 + 7,275%, unde numitorul 8 este suma
ponderilor. (Vezi pozele 1, 2, 3).
Imaginea 1
Imaginea 2
4. Pentru metoda simplă de netezire exponențială, completăm coloanele D și E prin următorii pași:
D4 și E4 sunt goale, deoarece nu există nicio bază de prognoză a datelor reale disponibile pentru
prima perioadă
a. D5 Ft = C4, deoarece baza de prognoză este rata reală disponibilă pentru prima perioadă în
celula C4.
b. Eroare E5 = C5 – D5 din rata reală disponibilă a celeide-a doua perioade în C5 minus valoarea
prognozată corespunzătoare în D5.
c. Glisați în jos această intrare de la referințele de celule E5 la E13 pentru a finaliza intrările de
coloană.
d. D6 Ft = D5 + 0,4*E5 din rata de prognoză anterioară în D5 plus alfa, de 40% ori eroarea
anterioară de prognoză din celula E5.
e. Glisați în jos această intrare din referințele de celule D6 până la D14 pentru a finaliza intrările de
coloană. Intrarea în celula D14 6,62 % reprezintă valoarea prognozată pentru anul 2010 (a se
vedea figura 2).
5. Pentru proiecția tendinței liniare, putem obține ecuația liniei de trend calculând panta și intersecția y
cu următoarea formulă Excel,
D20 este panta, b = SLOPE (C4:C13, B4:B13) unde rata inflației, R, este matricea Y de la C4 la C13 și
timpul este matricea X de la celulele B4 la B13.
Imaginea 1
Imaginea 2
Pentru metoda regresiei liniare, mai întâi, obținem ecuația liniei de regresie calculând panta și
intersecția y folosind formulele Excel SLOPE (matricea y, matricea x) și INTERCEPT (matricea y, matricea
x) unde vânzările din coloana F sunt matricea Y și ratele din coloana C sunt matricea X așa cum se arată
în imaginile 5 și 6. Prin urmare, ecuația de regresie liniară este Vânzări = 74.127,67 ₱ 7.194,06 ₱ (Rată),
iar vânzările pentru următorii trei ani pe baza ratelor prognozate ale inflației în celulele E27 până la E29
sunt următoarele:
₱27,025.21
Imaginea 5
Imaginea 6
6. un. Diagramă scatter pentru timp vs. rata șomajului cu linie de trend
De făcut: Evidențiați matricele pentru Timp și Rată. Faceți clic pe Expert diagramă.
Selectați Grafic prin puncte. Faceți clic dreapta pe oricare dintre punctele reprezentate
grafic. Selectați Adăugați linie de tendință + liniar.
Rate (Y-axis)
9
8.4
8
7 7.2 7.3 7
6.8
6
5.5 5.4
5
4 4
3.6
3
2
1
0
0 2 4 6 8 10 12
Year (X-axis)
b. Diagramă de împrăștiere pentru rata șomajului vs. vânzări cu linie de regresie
De făcut: Evidențiați matricele pentru Tarif și Vânzări. Faceți clic pe Expert diagramă. Selectați grafic de
împrăștiere. Faceți clic dreapta pe oricare dintre punctele reprezentate grafic. Selectați Adăugați linie de
tendință + liniar.
(Sales)
60,000
50,000
40,000
30,000
20,000
10,000
0
0.05 1.05 2.05 3.05 4.05 5.05 6.05 7.05 8.05 9.05
(Unemployment Rates)
Prognoză
STUDIU DE CAZ
Economia precară din 2009 a dus la închiderea permanentă a grădinii zoologice din Manila.
Administrația orașului Manila a decis să angajeze RC Animal Park Corporation pentru a opera grădina
zoologică din Manila.
RC Animal Park Corporation și-a dat seama că este o necesitate să mențină imaginea grădinii
zoologice ca un loc bun pentru vizitatori să se relaxeze și să petreacă timp împreună cu familiile lor.
Pentru a-și atinge scopul, trebuie să se asigure că locul este curat. Corporația a adăugat, de asemenea,
mai multe animale, păsări și reptile pentru a atrage mai mulți vizitatori. De asemenea, au introdus noi
activități și jocuri. Eforturile corporației par să funcționeze, deoarece prezența a crescut de la 70.000 în
2009 la un maxim istoric de 165.000 în 2013, după cum se arată în tabelul următor:
Tabelul 5.1
An Prezenţă
2014 157,800
2013 165,00
2012 120,250
2011 87,600
2010 75,800
2009 70,000
Întrebări de discuție
1. Pe baza datelor de mai sus, puteți prognoza prezența pentru perioada 2015-2020?
2. Ce tehnică de prognoză va fi cea mai potrivită pentru a prognoza prezența din 2015 până în 2020? De
ce?