Documente Academic
Documente Profesional
Documente Cultură
Comentarii generale
Planificare pentru perspectiv reprezint unul
dintre aspectele eseniale ntr-o organizaie. Incertitudinea care greveaz asupra viitorului face dificil estimarea exact a unor mrimi. Analiza i prognoza seriilor de timp ofer tocmai astfel de instrumente de analiz i prognoz.
Exemplu
Vi se cere s prognozai nivelul vnzrilor
trimestriale pentru un produs, pentru o perioad viitoare de 1 an. De ceea ce vei prognoza vor depinde: planificarea produciei, planul de achiziionare a materiilor prime i materialelor, nivelul stocurilor etc. O prognoz defectuoas a nivelului vnzrilor trimestriale va conduce la o proast planificare a tuturor acestor elemente.
Cum procedm?
Utilizm informaii cu privire la vnzrile
trimestriale anterioare (de exemplu, din ultimii trei ani). Din analiza acestor date ncercm s stabilim un nivel general al vnzrilor i cutm s identificm un anume trend.
Mai departe?
O cercetare mai profund poate conduce la
descoperirea unor tipare sezoniere, ca de exemplu un vrf al vnzrilor n cel de-al treilea trimestru al fiecrui an i un minim general n trimestrul al patrulea. n consecin, datele istorice ne pot furniza informaii despre anumite regulariti i ne pot ajuta s realizm prognoze mai apropiate de realitate.
Cteva definiii
Datele istorice la care ne-am referit anterior
formeaz ceea ce n statistic se numete serie de timp. O serie de timp este, deci, o succesiune de observaii efectuate la momente/intervale succesive pe parcursul unei perioade de timp. Obiectivul analizei unei serii de timp este acela de a realiza prognoze cu privire la valorile ei viitoare.
I.1. Trendul
n analiza seriilor de timp, datele se
colecteaz la anumite intervale de timp (ore, zile etc.). Dei n seriile de timp datele prezint unele fluctuaii, seria ca atare poate manifesta o anumit tendin, sau trend, care se datoreaz influenei unor factori pe termen lung.
Exemplu:
Un fabricant de echipament fotografic poate
nregistra o variabilitate mare a vnzrilor de la o lun la alta. Dup o analiz a datelor despre vnzrile lunare pe parcursul ultimilor 15 ani, fabricantul observ o cretere gradat a volumului anual al vnzrilor. Observ c nivelul vnzrilor n anul 1973 a fost de (aproximativ) 1800 de aparate foto pe lun, n anul 1978 de 2200 aparate foto pe lun, iar n anul 1983 de 2600 aparate foto pe lun
n consecin:
Dei nivelul lunar al vnzrilor arat o
mare variabilitate, totui aceast tendin de cretere gradat n timp arat c vnzrile de aparate foto au un trend cresctor. Din figura urmtoare se poate observa c trendul poate fi descris ca liniar cresctor. Exist i trenduri neliniare.
3000 2500 2000 1500 1000 500 0 1973 1978 Anul 1983
B Volumul
Volumul
Volumul
Timpul
Comentarii:
Graficul A poate fi o bun reprezentare
pentru dinamica vnzrilor unui produs, urmrit de la intrarea acestuia pe pia, la perioada de cretere i apoi la saturarea pieei. Graficul B este util pentru fenomenele care arat o tendin de descretere n timp. Graficul C arat c nu exist un trend.
Componenta ciclic
Dei trendul este de ajutor pentru determinarea
tendinei generale a datelor, nu ne putem atepta ca toate valorile s fie situate pe o aceeai dreapt, anume pe linia trendului. De fapt, seriile de timp cuprind adesea fluctuaii deasupra i sub linia trendului Orice tipar regulat al unui ir de puncte care apar deasupra i dedesubtul liniei trendului este atribuit componentei ciclice a unei serii de timp.
Volumul
Trend liniar
Timpul
Comentarii
Multe serii de timp indic o component
ciclic, n care se desprinde o regularitate a datelor deasupra i sub linia trendului Opinia general este aceea c aceast component a seriei de timp este cea care arat micrile ciclice din economie.
Exemplu:
Perioadele de inflaie moderat sunt
urmate de perioade de inflaie rapid. Aceste fluctuaii sunt puse n eviden deasupra i dedesubtul liniei unui trend cresctor.
Componenta sezonalitate
Att trendul, ct i componenta ciclic sunt puse
n eviden n seriile de timp prin analize pe mai muli ani. Exist i tipare care indic regulariti de la un an la altul. De exemplu, un fabricant de echipamente pentru not va avea un maxim al vnzrilor primvara i vara. Aceast component a unei serii de timp care indic regularitile sezoniere se numete sezonalitate.
Observaie:
Chiar dac sezonalitatea se definete referitor la
tipare care apar de la un an la altul, ea poate fi definit i pentru regulariti care se nregistreaz i pentru perioade mai mici de un an. De exemplu, intensitatea traficului zilnic poate manifesta o component sezonier, n sensul c exist ore de vrf i intervale de timp cnd circulaia mainilor este mai lejer.
Componenta neregulat
Este acea component rezidual, care rmne
dup ce am eliminat toate celelalte componente. Se manifest ca abatere de la valorile seriei de timp pe care le-am atepta dac ne-am ghida doar dup componentele trend, ciclicitate i sezonalitate. Este o variabil aleatoare i datorit ei seria de timp devine o variabil aleatoare.
utilizate pentru prognoz asupra seriilor de timp relativ stabile. Acestea nu manifest niciun trend semnificativ, nicio ciclicitate sau sezonalitate. n astfel de situaii, obiectivul metodei de prognoz este s netezeasc acea component neregulat prin unele metode care implic un calcul de valori medii.
Metodele:
Metoda mediei mobile Metoda mediei mobile ponderate Netezirea exponenial
Media mobil:
Media mobil = (Suma celor mai recente n valori ale datelor)/n
Exemplu:
Considerm datele despre vnzrile de combustibil ale unei benzinrii, nregistrate pe parcursul a 12 sptmni.
Sptmna 1 2 3 4 5 6 7 8 9 10 11 12
25
Vnzri (mii de litri)
20 15 10 5 0 1 2 3 4 5 6 7 8 9 10 11 12 Sptmna
Ce ne propunem?
S prognozm nivelul vnzrilor din sptmna 13, de exemplu.
media mobil. De exemplu, calculm, aceast medie pentru trei date: Media mobil (sptmnile 1 -3) (17 + 21 + 19)/3 19 Aceast valoare ar putea fi utilizat pentru a prognoza nivelul vnzrilor din sptmna a patra.
Observaii:
Valoarea efectiv nregistrat n sptmna
4 este 23, deci eroarea este de 4 (mii l) prin lips. n general, eroarea n prognoz seriei de timp este diferena dintre valoarea observat i cea prognozat. Cea de-a doua medie mobil de va calcula pe baza datelor din sptmnile 2, 3, 4:
Continum calculul:
Media mobil (sptmnile 2 - 4) (21 + 19 +
23)/3 21 Deci, prognoza pentru sptmna a cincea este 21. Eroarea de prognoz este, n acest caz, negativ (valoarea prognotaz este mai mare dect valoarea observat). Calculul complet este prezentat n tabelul i figura care urmeaz:
Spt
1 2
Eroarea de prognoz
(Eroare)
3
4 5 6
19
23 18 16 19 21 20 4 -3 -4 16 9 16
7
8 9 10
20
18 22 20
19
18 18 20
1
0 4 0
1
0 16 0
11
12
15
22
20
19
-5
3
25
9
25
Vnzri (mii de litri)
20 15 10 5 0 1 2 3 4 5 6 7 8 9 10 11 12 Sptmna
Observaie:
Un aspect important n utilizarea oricrei metode
de prognoz i deci i n utilizarea metodei mediei mobile este acurateea prognozei. Ultimele dou coloane din tabelul anterior (diapozitiv 36) pot fi folosite pentru construcia unor msuri ale acurateei. Suma erorilor individuale conduce la valoarea zero, deci ca i n alte cazuri vom folosi suma erorilor ridicate la ptrat.
O alt msur:
Este media valorilor absolute ale erorilor
(MAE) n loc s ridicm erorile la ptrat, le calculm valoarea absolut (modulul). Adunm valorile i mprim la numrul lor. MAE (4 + 3 + 4 + 1 + 0 + 4 + 0 + 5 + 3)/9 2,67
Comentarii:
Termenul medie mobil provine de la
faptul c pe msur ce o nou observaie devine accesibil, ea o va nlocui pe cea mai veche observaie din setul anterior de date. Ca rezultat, media se schimb, devine mobil.
Observaii
Dac n exemplul anterior am fi ales s calculm
media mobil utiliznd datele provenite din patru sau cinci sptmni pentru a realiza prognoza, rezultatele ar fi fost diferite de cele pe care leam obinut. Pentru a selecta numrul corect de informaii care s intre n calculul mediei mobile se poate proceda prin ncercri, cutnd acel numr de date care va conduce la o valoare minim a erorii de prognoz.
Exemplu:
Vom aplica metoda mediei mobile ponderate
pentru datele referitoare la vnzrile de benzin din cursul anterior. Vom utiliza media mobil pentru trei observaii, pentru care cea mai recent observaie primete de trei ori ponderea celei mai vechi observaii, iar cea de-a doua observaie primete de dou ori ponderea celei de-a treia.
Sptmna 1 2 3 4 5 6 7 8 9 10 11 12
Exemplu de calcul:
Prognoza pentru sptmna a patra: Media mobil ca prognoz pentru
Observaii:
Ponderile implicate n calculul mediei
mobile ponderate, prin nsumare, conduc la valoarea 1. Acelai lucru este valabil i n cazul mediei mobile simple, doar c ponderile sunt egale, toate, cu 1/3. n cazul mediei mobile simple am obinut prognoza pentru sptmna 4 ca fiind 19.
Teme de seminar:
Calculul celorlalte medii mobile ponderate Determinarea erorii totale a estimrii Compararea celor dou metode din punct
de vedere al acurateei prognozelor.
Observaii:
Metoda mediei mobile i metoda mediei
mobile ponderate nu sunt foarte des folosite n practic. n locul lor, metoda de netezire exponenial este mult mai des ntlnit. Metodele mediei mobile i mediei mobile ponderate joac un rol esenial n identificarea sezonalitii unei serii.
Netezirea exponenial
Este o tehnic de prognoz care utilizeaz
valorile netezite ale unei serii de timp dintr-o perioad pentru a prognoza valorile seriei ntr-o alt perioad. Modelul de netezire exponenial arat astfel:
F t 1 Yt 1 F t (1)
Membrul stng reprezint prognoza seriei de
timp pentru perioada t + 1 Termenul n Y din membrul drept reprezint valoarea efectiv a seriei de timp n perioada t Termenul n F din membrul drept reprezint valoarea prognozat pentru seria de timp n perioada t. este constanta de netezire i ia valori ntre 0 i 1
Observaii:
Formula (1) spune c prognoza pentru
orice perioad a seriei de timp este media ponderat a valorii efective i a celei prognozate din perioada anterioar. Dac facem nlocuiri succesive, obinem c prognoza pentru orice perioad a seriei de timp este media ponderat a valorilor efective din perioadele anterioare.
F 2 Y1 1 F1 F1 Y1 17 F2 Y1 1 Y1 Y1 17
F3 0 ,2 Y2 1 0 ,2 F 2 17 ,8
F 4 0 ,2 Y3 1 0 ,2 F3 18 ,4
Spt 1 2 3 4 5 6 7 8 9 10 11 12
Prognoza prin netezirea exp. 17,00 17,00 17,80 18,04 19,03 18,83 18,26 18,61 18,49 19,19 19,35 18,48
Eroarea de prognoz 4,00 1,20 4,96 - 1,03 - 2,83 1,74 - 0,61 3,51 0,81 - 4,35 3,52
(Eroare)
16 1,44 24,6 1,06 8,01 3,03 0,37 12,32 0,66 18,92 12,39
20 15 10 5 0 1 2 3 4 5 6 7 8 9 10 11 12 Sptmna
Alegerea valorii
n exemplul nostru am ales 0,2 Orice valoare a lui din intervalul [0, 1]
este potrivit, dar unele conduc la erori de prognoz mai mici dect altele. Pentru alegerea celei mai bune valori pentru rescriem formula (1) ntr-o form echivalent.
F t 1 Yt 1 F t
F t 1 Yt F t F t F t 1 Yt F t F t
Observaie:
n ultima egalitate intervin: eroarea de
prognoz pentru perioada t, ponderat cu valoarea Prognoza pentru perioada t Deci, prognoza din perioada t + 1 este prognoza din perioada t ajustat cu o fraciune din eroarea de prognoz din aceeai perioad t.
Cum decidem:
Dac seria de timp este foarte volatil, n sensul n care
conine o variabilitate aleatoare substanial, este de preferat ca fraciunea din eroarea din perioada anterioar s fie mic. n acest caz, este de preferat o valoare mic a constantei de netezire. Motivul este legat de faptul c o mare parte a erorii de prognoz este datorat componentei aleatoare neregulate. Pentru serii de timp relativ stabile, cu variabilitate aleatoare relativ mic, alegerea unei constante de netezire mai mari are avantaje.
De fapt:
Alegerea lui trebuie s minimizeze eroarea MPE
5
6 7 8
18
16 20 18
19,03
18,83 18,26 18,61
- 1,81
- 3,27 1,71 - 0,80
3,28
10,69 2,92 0,64
9
10 11 12
22
20 15 22
18,49
19,19 19,35 18,48
3,44
0,41 - 4,71 3,70
11,83
0,17 22,18 13,69
Compararea erorilor:
Pentru 0,2 rezult MPE 8,98 Pentru 0,3 rezult MPE 9,35 Prin urmare, coeficientul de netezire
0,2 conduce la o eroare total mai mic i prin urmare este de preferat valorii 0,3.
Anul 1 2 3 4 5 6 7 8 9 10
Vnzri (mii biciclete) 21,6 22,9 25,5 21,9 23,9 27,5 31,5 29,7 28,6 31,4
35 30
Vnzri (mii)
25 20 15 10 5 0 1 2 3 4 5 Anul 6 7 8 9 10
Observaii:
Graficul prezint unele creteri i
descreteri. Totui, pe ansamblul celor zece ani se nregistreaz un trend ascendent. n plus, putem aproxima trendul ca fiind unul liniar dei valorile seriei de timp nu sunt toate situate pe linia respectiv.
Ce instrumente utilizm?
Analiza de regresie, aplicat datelor din
Tabelul de pe diapozitivul 68. Vom pune n eviden, cu ajutorul ei, legtura dintre timp i volumul vnzrilor. Variabila independent este timpul i variabila dependent este volumul vnzrilor. Modelul arat astfel:
Tt b 0 b 1 t
Membrul stng reprezint valoarea
prognozat a seriei de timp la momentul t. b0 este intersecia liniei trendului cu axa orizontal. b1 este panta liniei trendului t este momentul n timp.
Tt 20 ,4 1,1 t
Observaii:
Ecuaia dreptei de pe diapozitivul anterior este
expresia pentru componenta trend liniar a seriei de timp. Panta egal cu 1,1 a acestei drepte indic faptul c firma nregistreaz o cretere a vnzrilor de aproximativ 1100 biciclete anual. Dac presupunem c aceti zece ani sunt o bun reflectare a evoluiei firmei i pentru viitor, atunci putem spune c n cel de-al unsprezecelea an se vor nregistra vnzri de 20,4 + 1,1 11 = 32,5 mii biciclete.
Comentarii
Exemplul analizat a luat n calcul o serie
de timp cu trend liniar. n practic se pot ntlni serii de timp care evolueaz dup trenduri care pot fi neliniare. Analiza unor astfel de situaii este mai complex i depete cadrul propus pentru acest curs.