Programare liniară: metoda de atribuire

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.

2. Metoda de atribuire este procedura standard pentru rezolvarea problemei de atribuire pe

baza tabelului de atribuire.

Există trei pași principali de urmat în rezolvarea unei probleme de atribuire:

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.

Walkathon Maraton Înot Rulează

Andreea 20 30 25 26
Anonim 25 26 27 30
Jazen 35 25 27 30
Louise 30 28 28 20

Deoarece fiecare facultate are voie să participe la un singur eveniment, metoda de

atribuire este cea mai eficientă modalitate de a găsi o soluție optimă.
Soluție:

Începem să reducem rândurile scăzând cel mai mic, cel mai mic număr din fiecare rând
din toate numerele din rând.

Walkathon Maraton Înot Rulează

Acum,
Andreea 0 10 reducem
5 6
Anonim 0 1 2 5
Jazen 10 0 2 5
Louise 10 8 8 0
numerele din coloană.

Walkathon Maraton Înot Rulează

D
Andreea e o 0a r e10 c e 3 n 6u m ă r
Anonim 0 1 0 5
Jazen 10 0 0 5
Louise 10 8 6 0
optim.

Atribuirea evenimentelor membrilor facultății:

Andrea – poate juca walkathon
Annika – poate juca walkathon și înot
Jazen – poate juca maraton și înot
Louise – se poate juca alergând
Decizia finală:
Facultate Evenimente Oră
Andreea Walkathon 20
Anonim Înot 27
Jazen Maraton 25
Louise Rulează 20
Total 92 minute

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

Reducem numerele date ștergând două zerouri, apoi noul tabel.

Tabelul 1.

Maşini
Locuri
X Y Z
Un 14 16 18
B 12 13 14
C 14 18 15

Selectați cel mai mic număr dintre rândurile date

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:

Locuri Maşini Cost

 Un X ₱1, 400.00
B Y ₱1,300.00
C Z ₱1,500.00
Total ₱4,200.00

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

Deoarece zerourile nu pot fi atribuite fiecărui jucător, treceți la pasul următor.

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.

Alocarea echipelor jucătorilor (dând fiecare zero fiecărui jucător)

Bonbon Custodio - poate juca la Purefoods și San Miguel

Ronald Tubid - poate juca pentru Talk N' Text și Ginebra King

Arwind Santos – poate juca la Burger King

Mark Cardona – poate cânta la Talk N' Text

James Yap - poate juca la Purefoods

Decizia finală:

Jucători Echipe Cost

Bonbon Custodio San Miguel ₱180,000.00

Ronald Tubid Regele Ginebra ₱180,000.00

Arwind Santos Burger King ₱150,000.00

Mark Cardona Vorbește N' Text ₱150,000.00

James Yap Alimente pure ₱150,000.00

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

ACA Inginerie BA Arte frumoase TYK

1. 300 250 330 270 360
2. 400 350 250 280 290
3. 360 400 370 300 350
4. 280 250 270 280 310
5. 350 380 370 300 320

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

Câini Isetan Arată Mart Robinsons

1 200 350 270

2 300 250 150

3 400 350 270

Determinați costul optim al fiecărui câine pe departament.

3. Găsiți cel mai mic cost al cesiunii

 Maşini Un B C D
J 1 300 500 700 900
O 2 300 700 500 700
B 3 900 600 300 300
S 4 800 900 500 500

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

B Un 14,000 12,000 13,000 15,000

U B 16,000 10,000 12,000 14,000

S C 13,000 16,000 15,000 11,000

S D 12,000 13,000 14,000 11,000

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.

Yap Alvarez Artadi Tubid

Red Bull ₱150,000 ₱155,000 ₱145,000 ₱165,000

Alimente pure ₱165,000 ₱160,000 ₱155,000 ₱175,000

FedEx ₱150,000 ₱155,000 ₱165,000 ₱160,000

Vorbește N' ₱160,000 ₱155,000 ₱165,000 ₱150,000

Text

6. Determinarea alocării optime a echipelor de management la cele patru proiecte

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

Model de transport și atribuire

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

Depozitul 1 18.000 de unități

Depozit 2 26.000 de unități

Depozitul 3 22.000 de unități

Depozitul 4 30.000 de unități

Depozitul 5 16.000 de unități

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

Costuri variabile și costuri fixe de producție pe săptămână

Cost fix pe săptămână

În stare de
Plantă
Cost variabil Operare nefuncționare
Planta 1 Timp regulat ₱5.600 / unitate ₱28,000 ₱12,000
Planta 1 Ore suplimentare 7.040 / unitate
Planta 2 Timp regulat 5.560 / unitate 24,000 10,000
Planta 2 Ore suplimentare 6.960 / unitate
Planta 3 Timp regulat 5.440 / unitate 30,000 15,000
Planta 3 Ore suplimentare 6840 / unitate

Tabelul 4.2 prezintă costurile de distribuție de la fiecare fabrică la fiecare depozit.

Tabelul 4.2
 CORPORAȚIA NHOLRAM-BONG

Costul de distribuție pe unitate

Centru de distribuție

Din plantă W1 W2 W3 W4 W5

1 ₱2,000 1,760 1,960 1,840 2,240

2 ₱1,600 2,080 2,000 2,240 2,280

3 ₱2,240 2,120 2,040 2,160 1,400

Capacitățile instalației în unități pe săptămână

Planta 1 Timp regulamentar 54.000 de unități
Planta 1 Orele suplimentare 14000 unități
Planta 2 Timp regulamentar 40.000 de unități
Planta 2 Orele suplimentare 10.000 de unități
Planta 3 Timp regulamentar 50.000 de unități
Planta 3 Orele suplimentare 12.000 de unități

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.

2. Discutați implementarea dacă Nholram-Bong Corporation închide oricare dintre

fabricile sale. Va fi avantajos pentru corporație?

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

La sfârșitul capitolului, elevii trebuie să:

1. Definiți prognoza
2. Cunoașteți semnificația prognozei în comunitatea de afaceri
3. Identificați diferitele tipuri de metode de prognoză

4. Diferențiați metoda de prognoză calitativă de metoda cantitativă

5. Determinați diferitele tipuri / componente ale prognozei
 6. Descrieți caracteristicile prognozei de judecată
7. Prognozați folosind medii simple, medii mobile ponderate și exponențiale
Netezirea

8. Calculați erorile în prognoză

9. Graficul diferitelor metode de prognoză

10. Relatați fundalul altor subiecte, cum ar fi managementul, marketingul,

și Statistici pentru prognoză

11. Rezolvați problemele de prognoză folosind computerul

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:

1. Stabiliți obiectivele prognozei vizate.

2. Alegeți articolele / cantitățile care urmează să fie prognozate.

3. Determinați perioada de timp pentru prognoză.

4. Decideți asupra tehnicii de prognoză.

5. Adunați datele necesare.

6. Utilizați metoda de prognoză.

7. Faceți prognoza.

8. Aplicați rezultatul prognozei.

Acești pași rezumă procedura generală după cum urmează:

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

Metoda cantitativă Metoda calitativă

Serii de timp Metoda cauzală Metoda Delphi

Mișcător Juriul
Medii
Avizul executiv privind regresia

Analiză

Exponenţială Forța de vânzări

Netezirea Regresie multiplă Compozit

Tendinţă Consumator

Proiecţii Studiu de piață

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.

Juriul de opinie executivă

Juriul de opinie executivă este o metodă de prognoză care este recomandată atunci
când o situație nu este probabil să se repete. Aceasta este o prognoză calitativă care se
bazează pe o judecată a unui singur expert sau pe un consens al grupului de experți.

Forța de vânzări compozită

În această metodă, un agent de vânzări își prezice vânzările în zona sa pe baza
performanțelor și tendințelor anterioare. Această prognoză este revizuită pentru a fi siguri că
este realistă și realizabilă.

Sondaj privind piața consumatorilor

Această metodă colectează informații, date de la clienți și potențiali clienți cu privire la
nevoile lor viitoare și achizițiile intenționate, îmbunătățind astfel detaliile de prognoză și
proiectarea produselor.

Prognoza cantitativă (metode proiective)

Acest tip de metodă de prognoză se bazează pe modele cantitative și are un caracter
obiectiv. Se bazează foarte mult pe calcule matematice.

Tipuri de metode cantitative

Metode de serie de timp
Este încercarea de a prezice viitorul cu ajutorul datelor istorice și al unui set de
observații ordonate asupra unei caracteristici cantitative a unui eveniment la poziții de timp egal
distanțate.

Componentele unei serii de timp

Modelul sau comportamentul datelor dintr-o serie de timp are mai multe componente. O
serie cronologică are de obicei patru componente separate: tendință (T), sezonalitate (S), cicluri
sau componente ciclice și variații aleatorii (R)/componente neregulate.

1. Trend (T ) – schimbarea treptată (mișcarea ascendentă sau descendentă) a seriilor de timp.

Schimbarea sau tendința este adesea rezultatul unor factori pe termen lung, cum ar fi:
 schimbări în comunitate, caracteristicile demografice ale populației, tehnologia și preferințele
consumatorilor.
1200

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

Volum Volum Volum

Oră Oră Oră

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.

În statistici, există două forme generale de modele de serii de timp.

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

Dacă în cazul în care nu cunoaștem valoarea C și R, prognoza devine:

F = T + S (model aditiv)
Și F = T x S (model de înmulțire)

Vârfuri sezoniere Componenta tendinței

Cererea medie pe 4 ani

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.

Un exemplu de prognoză naivă este ilustrat în tabelul 5.1

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

Previziuni medii pe patru luni

Lună Cererea reală Prognoză
Ianuarie 21
Februarie 25
Martie 29
Aprilie 21
21+ 25+29+21
=24
Mai 25 4
25+29+21+25
=25
Iunie 20 4
29+21+25+20
=24
Iulie 18 4
21+ 25+20+18
=21
August 21 4
25+20+18+21
=21
Septembrie 20 4
20+18+21+20
=20
Octombrie 19 4
18+21+20+19
=20
Noiembrie 18 4
21+ 20+19+18
=20
Decembrie 15 4

Medii mobile ponderate

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

Unde n este numărul de perioade din media mobilă ponderată.

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:

Noua prognoză = Previziunile ultimei perioade

+ ɑ (cererea reală a ultimei perioade – prognoza ultimei perioade)

Matematic:

F t= F t−1 + ɑ ( At −1- F t−1) (6.3)

Unde:

F t = prognoză nouă

F t−1 = prognoza anterioară

ɑ = constanta de netezire care are o valoare între 0 și 1 (litera greacă ɑ se pronunță

"alfa"
At −1 = cererea reală a perioadei anterioare

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.

Noua prognoză (cererea din martie) = 200 + 0.30(250 – 200)

= 200 + 0.30(50)
= 200 + 15
= 215 mașini
Prin urmare, prognoza cererii pentru Toyota "Vios" în martie este de 215.

Exemplul 2.

Utilizați netezirea exponențială pentru a calcula pentru o serie de prognoze cu constanta

de netezire de:
 a. ɑ = 0,20;
b. ɑ = 0,50; și
c. Reprezentarea grafică a datelor reale și a ambelor seturi pe un singur grafic

Tabelul 5.5
Perioadă Cerere
1 20
2 35
3 46
4 40
5 50
6 55
7 45
8

 Eroare prognoză = Cerere reală - Prognoză

 Eroarea de prognoză ne spune cât de bine sunt efectuate metodele împotriva lor înșiși
folosind date din trecut.

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

F 4 = 23 + 0.20(46 – 23); F 5 = 27.60 + 0.20(40 - 27.60)

F 4 = 27.60 F 5 = 30.08

F 6 = 30.08 + 0.20(50 – 30.08) F 7 = 34.06 + 0.20(55 – 34.06)

F 6 = 34.06 F 7 = 38.25

F 8 = 38.25 + 0.20(45 – 38.25)

F 8 = 39.60
b. ɑ = 0,50
Tabelul 5.7
Perioadă Cererea reală Prognoză Eroare
1 20 -
2 35 20 15
3 46 23 23
4 40 27.50 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 + 0.50(35 – 20); F 4 = 27.50 + 0.50(46 – 27.50)

F 3 = 20 + 7.5 F 4 = 27.50 + 9.25
F 3 = 27.50 F 4 = 36.75

F 5 = 36.75 + 0.50(40 – 36.75); F 6 = 38.38 + 0.50(50 – 38.38)

F 5 = 36.75 + 1.625 F 6 = 38.38 + 5.81
F 5 = 38.38 F 6 = 44.19

F 7 = 44.19 + 0.50(55 – 44.19) F 8 = 49.59 + 0.50(45 – 49.59)

F 7 = 44.19 + 5.405 F 8 = 49.59 – 2.295
F 7 = 49.59 F 8 = 47.30

c. Graficul ɑ = 0,20 și ɑ = 0,50

Graficul de 0,20
 60

50

40

30

20

10

0
1 2 3 4 5 6

Cererea reală ɑ = 0.020

Cererea reală ɑ = 0.50 Graficul de 0,50
60

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.

Se calculează MAD din tabelele 5.6 și 5.7.

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.

Utilizați tabelul 5.8 pentru a rezolva pentru MSE la ɑ = 0,20 și ɑ = 0,50

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.

Eroarea procentuală absolută medie (MAPE) este o tehnică de determinare a

preciziei unei metode de prognoză prin luarea mediei erorilor absolute ca procent din valoarea
observată

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.

 Eroare (%) = I[(Cerere reală – Prognoză)I / Cerere reală]

*Valoarea absolută de 100% trebuie luată în considerare pentru motivul că magnitudinea
erorii este mai importantă decât direcția.
 Eroarea prognozată poate fi mai mare decât cea reală sau prognozată, dar nu ambele.
 Eroarea de peste 100% implică o precizie a prognozei zero sau o prognoză foarte
inexactă.
 Precizie (%) = 1 – Eroare (%)

MAPE =
∑ of Absolute Error (6.6)
∑ of Actual
Matematic;
❑
∑
❑
∑ of Absolute Error
MAPE = ❑ (6.7)
∑
❑
( Actual)

Precizie absolută = maxim (0, 1 – MAPE) (6.8)

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

Formula b - c abs(d) e / b 1-f b / c

1 50 45 5 5 10% 90% 111%
2 55 70 -15 15 27% 73% 79%
3 60 60 0 0 0% 100%
4 50 75 -25 25 50% 50% 67%
5 60 80 -20 20 33% 67% 75%
Total 275 330 -55 65 24% 76% 83%

❑
∑
❑
( Absolute Error)
Eroare procentuală = ❑
∑
❑
( Actual)

65
= x 100%
275

= 24%
❑
∑
❑
( Absolute Error)
MAPE = ❑
∑
❑
Actual x 100 %

65
= x 100%
275

= 24%

Precizie absolută = maximă (0, 1 – MAPE)

= (100 – 24) X 100%

= 76%

Prognoza liniei de trend

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.

Ecuația tendinței liniare:

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

∑ = Semn de însumare pentru n puncte de date

t = Valorile variabilelor independente
Y = Valorile variabilelor dependente
T = Media valorilor lui X
Ῡ = Media valorilor lui Y
n = numărul de puncte de date sau de observații
a = Ῡ - bt (6.11)

Exemplu:

Având în vedere vânzările de DVD-uri ale BETGAR Marketing

un. Determinați vânzările prognozate pentru 2010 și 2011

b. Trasați o serie de timp și comentați adecvarea unei tendințe liniare.

Tabelul 5.12
Serii de timp pentru vânzări de DVD-uri
Vânzări (unitate)
An (1,000)
2001 3
2002 4.5
2003 4.8
2004 3.7
2005 4.6
2006 5
 2007 4
2008 5
2009 6

 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

Din formula (6.10), putem rezolva acum b.

[ ( 216.20 )−9 (5 )( 4.51 ) ]

b=
[ ( 285−9 ( 5 )2 ) ]

13.25
b= = 0,22
60

Din formula (6.11)

a = 4,51 – 0,22(5) = 3,41

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

Astfel, componentele tendinței produc o prognoză de vânzări de 5,61, deoarece unitățile

sunt cu 1.000. Astfel, cererea estimată pentru 2009 este de 5.610 unități de DVD.

Previziuni de vânzări pentru 2011:

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

Metode ocazionale de prognoză

Aceste metode de prognoză se bazează pe presupunerea că variabila pe care încercăm

să o prognozăm prezintă o relație cauză-efect cu una sau mai multe variabile.

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:

Ŷ = valoarea variabilei dependente

 a = intersecția axei Y

b = întinderea liniei de regresie

X = variabila independentă

Variabila dependentă Ŷ este elementul pe care încercăm să-l prognozăm, în timp ce

variabila independentă (X) este un element care ar putea avea un efect ocazional asupra
variabilei dependente.

∑ 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:

Dumlao Constructii Vânzări:

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

2.5 62.5−5(4)(3) ∑ XY −nXY

b=== = 2 0,25
10 90−5 (4)2 2
∑ X −n X

a = Y = bX = 3 – 0,25(4) = 2

Ecuația de regresie estimată astfel:

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:

Vânzări (100.000 ₱) = 2 + 0.25 (salarizare)

= 2 + 0.25(5.5)

= 2 + 1.375

= 3.375

Vânzări = ₱337, 500.00

NUME: __________________________________________DATE:___________________

SECȚIUNE/ORĂ/ZI:_________________________ROOM:_____________RATING________
 Exercițiul 15

1. Utilizați metode cantitative pentru datele prezentate mai jos:

Perioadă 1 2 3 4 5 6 7
Observare 24 34 36 37 41 44 45

un. Calcul pentru:

eu. Metoda naivă

Ii. Media mobilă pe trei perioade

Iii. Media mobilă ponderată pe trei perioade

Iv. Media mobilă pe patru perioade

v. Media mobilă ponderată pe patru perioade

b. Trasați seria de timp originală și comentați adecvarea unei tendințe liniare.

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.

b. Folosind ɑ = 0,30, prognozați înscrierea în 2015.

c. Folosind MAD, rezolvați eroarea de prognoză la ɑ = 0.10

d. Utilizați media mobilă ponderată pe patru ani din perioada 2006-2015

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?

c. Graficați prognoza la ɑ = 0. 30.

4 . Completați porțiunea liberă din tabel. Unele date sunt deja furnizate după cum urmează:

Săptămână Vânzări Patru săptămâni Media mobilă

(₱1,000) Media mobilă ponderată pe patru
 săptămâni
1 23
2 36
3 45
4 46 - -
5 55 - -
6 64 - -
7 55 - -
8 58 - -
9 66 - -
10 65 - -
11 48 - -
12 67 - -
13 58
14 68

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.

Perioadă Cerere Prognoză

1 250 200
2 265 -
3 300 -
4 350 -
5 250 -
6 350 -
7 265 -
8 390 -
9 350 -
10 400 -
11 470 -

6. Contractele de construcție ANVICOROSE pentru o perioadă de 12 luni sunt prezentate mai

jos (în milioane de pesos):
 1 2 3 4 5 6 7 8 9 10 11 12
35 41 45 44 42 43 40
MILI MILI MILI MILI MILI MILI MILI
OAN OAN OAN OAN OAN OAN OAN
E 27M 37M E E 38M E E 39M E 39M E

a. Comparați o prognoză medie mobilă pe patru luni cu o prognoză exponențială de

netezire folosind ɑ = 0,30. Care dintre cele două oferă previziuni mai bune?
b. Care este prognoza pentru luna viitoare?
c. Reprezentați grafic datele originale și media mobilă pe patru luni pe același grafic.
d. Reprezentați grafic datele originale și prognoza de netezire pe același grafic.
e. Calculați MAD și MSE.
7. Magazinul universal ALCOR a inregistrat urmatorul numar de reclamatii ale clientilor in
fiecare luna.

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)

Săptămână Vânzări (galoane)

1 13,000
2 18,000
3 19,000
4 16,000
5 17,000
6 15,000
7 14,000
8 19,000
9 20,000
10 16,500
11 17,500
12 20,000

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

a. Graficul acestei serii de timp. Apare tendința liniară?

b. Elaborați o ecuație pentru componenta tendinței liniare a seriei de timp.
c. Utilizați ecuația tendinței dezvoltate de la litera (b) pentru a vă pregăti pentru vânzările
dintr-un an 5 și anul 6.
11. Casa ABAN Siomai are șase filiale în orașul Caloocan. Profitul și vânzările sunt prezentate
în tabel. Dezvoltați ecuația de regresie din date și preziceți profitul pentru un magazin dacă
vânzarea este de 25,000 ₱.

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

RC ANIMAL PARK CORPORATION

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.

Participarea la grădina zoologică din Manila în

perioada 2009-2014
An Prezenţă
2014 157,800
2013 165,000
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?
 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.

D21 este y-intercept, a = INTERCEPTARE (C4:C13, B4:B13)

Pentru a prognoza ratele inflației, R, pentru anii 2010-2012, folosim ecuația tendinței liniare în celula
D22 Ft = R = 5,806667 + 0,05698*(t) și substitut, t = 11, 12 și 13 pentru timpul din celula B25 Ft = R =
5,80667+0,05698(11) 6,43% B26 Ft = R = 5,806667 + 0,05698(12) 6,43% B27 Ft = R = 5,806667 +
5,806667(13) 6,43% sau utilizați prognoza formulei Excel, fixând pozițiile ratelor din celulele C4-C13
pentru matricea Y și timpul din celulele B4-B13 pentru matricea X, dar înlocuind doar prima cerință
X, care este timpul 11, 12 și 13, așa cum se arată în imaginile 3 și 4.

E25 ft = R = PROGNOZĂ (11, $C 4 USD: $C 13 USD $B 4 USD: $B 13 USD)

E26 ft = R = PROGNOZĂ (12, $C 4 USD: $C 13 USD $B 4 USD: $B 13 USD)

E27 ft = R = PROGNOZĂ (12, $C 4 USD: $C 13 USD $B 4 USD: $B 13 USD)

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:

un. Pentru 2010, E34 = FORECAST (E27, $F$4:$F$13, $C$4:$C$13)

b. Pentru 2011, E35 = PROGNOZĂ (E28, $F$4:$F$13, $C$4:$C$13)

c. Pentru 2012, E36 = PROGNOZĂ (E36, $F$4:$F$13, $C$4:$C$13)

₱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

RC ANIMAL PARK CORPORATION

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

Participarea la grădina zoologică din Manila în perioada 2009-2014

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?