Problemas De Previsão Média Móvel

Uma série temporal é uma seqüência de observações de uma variável aleatória periódica. Exemplos são a demanda mensal de um produto, a matrícula anual em um departamento da universidade e o fluxo diário de um rio. As séries temporais são importantes para a pesquisa de operações, porque muitas vezes são os impulsionadores dos modelos de decisão. Um modelo de inventário requer estimativas de demandas futuras, um modelo de planejamento de cursos e de pessoal para um departamento universitário exige estimativas de fluxo de estudantes futuros e um modelo para fornecer avisos à população em uma bacia hidrográfica requer estimativas de fluxos de rios para o futuro imediato. A análise de séries temporais fornece ferramentas para selecionar um modelo que descreva a série temporal e usando o modelo para prever eventos futuros. A modelagem das séries temporais é um problema estatístico porque os dados observados são usados ​​em procedimentos computacionais para estimar os coeficientes de um modelo suposto. Os modelos assumem que as observações variam aleatoriamente sobre um valor médio subjacente que é uma função do tempo. Nessas páginas, restringimos a atenção ao uso de dados históricos da série temporal para estimar um modelo dependente do tempo. Os métodos são apropriados para a previsão automática e de curto prazo de informações usadas com freqüência, onde as causas subjacentes da variação do tempo não estão mudando marcadamente no tempo. Na prática, as previsões derivadas por esses métodos são posteriormente modificadas por analistas humanos que incorporam informações não disponíveis a partir dos dados históricos. Nosso objetivo principal nesta seção é apresentar as equações para os quatro métodos de previsão utilizados no suplemento de Previsão: média móvel, alisamento exponencial, regressão e suavização exponencial dupla. Estes são chamados de métodos de suavização. Métodos não considerados incluem previsões qualitativas, regressão múltipla e métodos autorregressivos (ARIMA). Os interessados ​​em uma cobertura mais extensa devem visitar o site dos Princípios de Previsão ou ler um dos vários livros excelentes sobre o assunto. Usamos o livro Forecasting. Por Makridakis, Wheelwright e McGee, John Wiley amp Sons, 1983. Para usar a pasta de exercícios Exemplos do Excel, você deve ter o suplemento Forecasting instalado. Escolha o comando Relink para estabelecer os links para o suplemento. Esta página descreve os modelos utilizados para a previsão simples e a notação utilizada para a análise. Este método de previsão mais simples é a previsão média móvel. O método é simplesmente uma média das últimas observações m. É útil para séries temporais com uma média que muda lentamente. Este método considera todo o passado em sua previsão, mas pesa mais recentemente a experiência recente do que menos recente. Os cálculos são simples porque apenas a estimativa do período anterior e os dados atuais determinam a nova estimativa. O método é útil para séries temporais com uma média que muda lentamente. O método de média móvel não responde bem a uma série de tempo que aumenta ou diminui com o tempo. Aqui, incluímos um termo de tendência linear no modelo. O método de regressão aproxima o modelo construindo uma equação linear que fornece os mínimos quadrados ajustados às últimas observações m. Problemas de Forecasting Consulte o arquivo em anexo para obter uma descrição completa do problema. 5-12 Desenvolver uma previsão média móvel de quatro meses para o Garden Wallace Supply e calcular o MAD. Uma previsão média móvel de três meses foi desenvolvida na seção sobre as médias móveis na Tabela 5.3. 5-13 Usando MAD, determine se a previsão no Problema 5-12 ou a previsão na seção sobre Wallace Garden Supply é mais precisa. 5-14 Os dados coletados sobre a demanda anual de sacos de 50 libras de fertilizante no Wallace Garden Supply são mostrados na tabela a seguir. Desenvolva uma média móvel de três anos para prever as vendas. Em seguida, estimar a demanda novamente com uma média móvel ponderada em que as vendas no ano mais recente são dadas um peso de 2 e as vendas nos outros dois anos são cada um dado o peso de 1. Qual método você acha que é o melhor ANO DE DEMANDA DE ABONOS ( 1.000S DE SACOS) 1 4 2 6 3 4 4 5 5 10 6 8 7 7 8 9 9 12 10 14 11 15 5-18 As vendas de aparelhos de ar Cool-Man cresceram de forma constante nos últimos cinco anos. ANO DE VENDAS 1 450 O gerente de vendas havia previsto, antes que o negócio começasse, as vendas desse ano seriam 410 aparelhos de ar condicionado. Usando o alisamento exponencial com um peso de 0,30, desenvolva as previsões para os anos 2 a 6. 5-22 Usando o método de projeção de tendência, desenvolva um modelo de previsão para as vendas de aparelhos de ar Cool-Man (veja o problema 5-18). 5-33 A Administração da Daviss Department Store usou a extrapolação de séries temporais para prever vendas no varejo nos próximos quatro trimestres. As estimativas de vendas são 100.000, 120.000, 140.000 e 160.000 para os trimestres respectivos antes de se ajustarem à sazonalidade. Os índices sazonais para os quatro trimestres foram encontrados em 1,30, 0,90, 0,70 e 1,10, respectivamente. Calcule uma previsão de vendas sazonalizada ou ajustada. Resumo de Soluções de Anexos Esta publicação fornece solução para vários problemas de previsão, incluindo média móvel, suavização exponencial, análise de tendências, média móvel ponderada, etc. MELHOR MOVIMENTAÇÃO MÉDIA Problemas com o uso da média móvel simples como ferramenta de previsão: a média móvel está rastreando dados reais, mas Está sempre atrasado. A média móvel nunca atingirá os picos ou vales dos dados reais151it suaviza os dados Não diz muito sobre o futuro No entanto, isso não faz a média móvel inútil151 você precisa estar ciente de seus problemas. DESCRIÇÃO DA DIAPOSIÇÃO TRANSCRIÇÃO AUDIO Então, para resumir, para uma média móvel simples ou uma média móvel única, vimos alguns problemas ao usar a média móvel simples como ferramenta de previsão. A média móvel está rastreando os dados reais, mas está sempre atrasada. A média móvel nunca atingirá os picos ou vales dos dados reais151sa suaviza os dados, e realmente não diz muito sobre o futuro, porque é simplesmente prever um período de antecedência, e essa previsão é assumida como representando o melhor Valor para o período futuro, um período de antecedência, mas não diz muito além disso. Isso não faz com que a média móvel simples seja inútil. Na verdade, você vê médias móveis simples