Considere mais uma vez o conjunto de dados: 6.4, 5.6, 7.8, 8.8, 11, 11.6, 16.7, 15.3, 21.6, 22.4. Agora vamos ajustar um modelo de suavização dupla com (alfa 0.3623) e (gama 1.0). Estas são as estimativas que resultam na MSE mais baixa possível ao comparar a série orignal com um passo a frente nas previsões de um tempo (uma vez que esta versão de suavização exponencial dupla usa o valor atual da série para calcular um valor suavizado, a série suavizada não pode ser usada para Determine um (alfa) com MSE mínimo). Os valores iniciais escolhidos são (S1 y1 6.4) e (b1 ((y2 - y1) (y3 - y2) (y4 - y3)) / 3 0.8). Para comparações, nós também ajustamos um único modelo de suavização com (alfa 0.977) (Isso resulta na MSE mais baixa para o alisamento exponencial único). O MSE para suavização dupla é 3.7024. O MSE para suavização única é 8.8867. Resultados de previsão para o exemplo Os resultados suavizados para o exemplo são: Comparação de comparações de previsões de suavização exponencial simples e dupla. Um enredo desses resultados (usando os valores de suavização dupla previstos) é muito esclarecedor. Este gráfico indica que o suavizado duplo segue os dados muito mais próximos do que o alisamento único. Além disso, para a previsão de suavização única não pode fazer melhor do que projetar uma linha horizontal direta, o que não é muito provável que ocorra na realidade. Então, neste caso, o melhor suavização é preferido. Lote comparando duas previsões de suavização exponencial e de regressão Finalmente, comparemos o alisamento duplo com regressão linear: esta é uma imagem interessante. Ambas as técnicas seguem os dados de forma semelhante, mas a linha de regressão é mais conservadora. Ou seja, há um aumento mais lento com a linha de regressão do que com suavização dupla. A seleção da técnica depende do previsor. A seleção da técnica depende do previsor. Se for desejado retratar o processo de crescimento de forma mais agressiva, então um seleciona o suavização dupla. Caso contrário, a regressão pode ser preferível. Note-se que, no tempo de regressão linear, funciona como a variável independente. O Capítulo 4 discute os fundamentos da regressão linear e os detalhes da estimativa de regressão. Métodos de previsão média móvel: Prós e contras Oi, AME seu post. Estava pensando se você poderia elaborar mais. Usamos o SAP. Nela há uma seleção que você pode escolher antes de executar sua previsão chamada inicialização. Se você verificar esta opção, você obterá um resultado de previsão, se você executar a previsão novamente, no mesmo período e não verificar a inicialização, o resultado muda. Não consigo descobrir o que esta inicialização está fazendo. Quero dizer, matemática. Qual resultado de previsão é o melhor para salvar e usar, por exemplo. As mudanças entre os dois não estão na quantidade prevista, mas nas quantidades MAD e Error, stock de segurança e ROP. Não tenho certeza se você usa o SAP. Oi, obrigado por explicar com tanta eficiência, é também gd. Obrigado novamente Jaspreet Deixe uma resposta Cancelar resposta Postagens mais populares Sobre Shmula Pete Abilla é o fundador da Shmula e do personagem, Kanban Cody. Ele ajudou empresas como Amazon, Zappos, eBay, Backcountry e outros a reduzir custos e melhorar a experiência do cliente. Ele faz isso através de um método sistemático para identificar pontos de dor que afetam o cliente e o negócio, e incentiva a ampla participação dos associados da empresa para melhorar seus próprios processos. Este site é uma coleção de suas experiências que ele quer compartilhar com você. Comece com downloads gratuitos
No comments:
Post a Comment