4

PREVIZIUNE I PREDICIE

4.1. Previziunea, anticiparea deciziei

Un vechi proverb chinez, mai mult o urare de ru, spune: S ajungi s trieti
vremuri interesante!. Cu siguran n via ne dorim ntotdeuna, n orice moment, un
viitor senin, lipsit de probleme i de griji, o proiecie pe care noi ne-o facem intr-un
anumit moment in funcie de datele realitii i a mediului in care trim. O via cu
schimbri neateptate? Foarte interesant dar dai la o parte elementul previzibil i viaa
poate deveni un comar. In mod cert managerii i organizaiile pe care le conduc pot
deveni mai eficiente prin alegerea unor decizii potrivite i ii pot crete eficiena numai
devenind mai previzibile.
Una dintre trsturile caracteristice procesului decizional este cunoaterea i
anticiparea. i aici ne referim la evoluia unei entiti cu un anumit caracter de
organizare, aa cum este o organizaie economic, sau a unui proces in curs de
desfurare. Orice aciune uman implic anticiparea micrii evenimentelor.
Eforturile fcute se concretizeaz n rezultate, n obiective urmrite. Una din trsturile
aciunilor fiinelor umane este capacitatea anticipativ.
Termenul utilizat pentru a desemna anticiparea este predicia. Acest termen
provine din latinescul predictio, semnificnd prezicere sau prevestire a unor lucruri ce
aveau s se ntmple in mod implacabil; este utilizat i termenul prospectiva (termen
de origine francez, folosit pentru prima dat de filosoful francez Gaston Berget) i
care reprezint un studiu asupra viitorului, fcut prin analiza unor factori tehnici,
tiinifici, economici, sociali; proferrencia este un termen ce inseamn a purta
nainte, a genera; pronosticul este o ipotez referitoare la desfurarea n viitor a
unor evenimente i se bazeaz pe intuiii i pe deducii logice, mai puin pe calcule
pertinente, de unde rezult c e dominat de o latur subiectiv.
In mod fatal cteodat predicia este asociat cu practici mai mult sau mai puin
subiective de genul prezicerilor. Prezicerea mine vei face un drum este total neutr
i nefolositoare dar n mintea nostra reuete s activeze un plan, o idee de aciune
personal pe care oricum o aveam de fcut i astfel dm credit prezicerii.
Prognoza (din grecescul prognosis) sau nseamn a cunoate dinainte cum
evolueaz evenimentele, adic a prevedea desfurarea n perspectiv a unui fenomen,
n funcie de elementele care l determin; proiectare (e termen folosit n arhitectur,
urbanism); previziune (termenul in limba francez prevision) nseamn anticiparea
apariiei i desfurrii unor evenimente pe baza datelor din trecut i din prezent,
precum i a studierii legilor obiective ale evoluiei; previziunea e un termen generic i
n el se pot include studii prospective, prognoze, strategii i politici, planuri,
programe, proiecte.
Procesul managerial de conducere al unei organizaii economice e alctuit din
mai multe componente i prezint mai multe funcii. Componentele procesului
managerial pot fi de dou tipuri: cu caracter general - e vorba de scopul aciunii ca
obiectiv fundamental, de cile de realizare ale obiectivului fundamental i de
mijloacele prin care cile se convertesc n soluii posibile; in al doilea rind exist
componente ale procesului managerial cu caracter sectorial i aici este vorba de
resursele disponibile i de sistemul de reglare.
De asemenea se poate spune c procesul de conducere implic o serie de
decizii, adic de opiuni, de alegeri ntre mai multe resurse posibile, respectiv fixarea
unorprioriti.
Printre funciile de management este informarea, ca mijloc pentru crearea unui
suport in vederea realizrii unei prognoze i a lurii unei decizii. In aceai logic o alt
funcie important este previziunea, prin care se fac lucrri de prospectare: prin unele
se prefigureaz n linii mari ceea ce urmeaz s se realizeze iar prin altele se
predetermin (se stabilesc) cu ajutorul unor tehnici i metode de calcul mai riguroase,
att avantajele ct i dezavantajele a diferite variante de decizie.
n funcie de ponderea elementelor aleatoare, ntlnim n practic mai multe
categorii de previziuni:
- previziuni n condiii de risc - nu se cunoate exact nivelul rezultatelor,
dei acestea sunt corect anticipate; n cazurile mai complexe se face o
optimizare a raportului dintre risc i costurile msurilor antirisc, iar n
cazurile mai simple, se iau acele decizii care minimizeaz riscul;
- previziuni n condiii de incertitudine - nu se cunosc nici toate
rezultatele posibile i nici ansele de a fi atinse; de aceea, sunt necesare
informaii pentru a stabili limitele probabilitii de apariie a unor
evenimente;
- previziuni n condiii de ambiguitate - incertitudinea e generat de lipsa
de informaii pentru a putea estima probabilitatea de desfurare a
proceselor economice.
Exist situaii esenial diferite privind organizarea activitii de previziune i
planifiare cu legtur direct in luarea deciziei n cadrul unei organizaii i aceast
difereniere se face in funcie de capacitatea organizaiei, de structura sa de lucru dar i
de caracteristica sa de baz (economic, financiar, politic, cultural etc.)
Situaia uzual este dat de organizarea pe niveluri: in acast situaie exist un
nivel in care se efectueaz analiza previzional pentru activitatea urmtoare a
organizaiei, un nivel n care se ntocmete planul de lucru i planificarea pe perioade
de timp (scurt, mediu, lung) i un nivel superior, un nivel decizional. Acest caz se
aplic de regul n cazul firmelor de dimensiune mare. n acest caz previziunea i
planificarea sunt atribuiile:
1. Tuturor departamentelor funcionale, caz n care se impune o puternic
colaborare ntre departamente (Fig.4.1.a)
2. Unui singur departament funcional care centralizeaz datele de la restul
compartimentelor. n acest caz, activitatea de previziune i planificare este
riguros organizat i derulat de personal specializat. (Fig.4.1.b)
3. Activitatea de previziune este externalizat i lsat n seama unei firme
specializate n activitatea de previziune i planificare. (Fig.4.1.c)


Planificare
departament
departament
departament
departament
Planificare
departament
departament
departament
departament
Planificare
departament
departament
departament
departament
Organizaie
independent
(a) (b) (c)


Fig.4.1


Pentru a nelege procesul decizional trebuie s nelegem legtura acestuia cu
previziunea. Exist un decalaj temporal ntre producerea unui eveniment i semnalele
ce prevestesc i conduc ctre realizarea acelui eveniment. Previziunea i planificarea
reprezint dou activiti viabile pentru studierea i respectiv aciunea asupra
viitorului. Iar aici, n aciunea asupra viitorului, se interpune decizia ca modelare
pozitiv a realizrii unui eveniment i vorbim aici despre procesul decizional in sfera
managementului unei intreprinderi.
Previziunea (prognoza) economic, (dupa ....Ionut Golat...Universitaea de
Vest Timisoara) reprezint procesul prin care sunt anticipate evenimente i prin care
este realizat estimarea evoluiei viitoare a unor indicatori economici privind, n
general, fenomene care nu sunt direct controlate de entitatea implicat n procesul de
previziune.
Previziunea reprezint un suport al procesului decizional dar nu trebuie
confundat planificarea. Planificarea, aa cum vom arta in cadrul prezentrii
metodelor, reprezint mai mult o component a procesului decizional. O delimitare
clar ntre previziune, planificare i decizie este, de cele mai multe ori, greu de trasat,
ntre aceste procese existnd o interdependen strns. Previziunea se ocup n
general cu descrierea estimativ a mediului extern viitor al unei entiti sau cu
derularea unui proces inind seama de toate aciunile exterioare ce pot fi identificate ca
influen, n timp ce planificarea se orienteaz asupra aciunilor viitoare proprii unei
entitii n contextul mediului n care aceasta acioneaz, pe un anumit orizont de
timp. n funcie de lungimea orizontului de previziune, pot exista:
- previziuni pe termen foarte lung (aproximativ 30 de ani)
- previziuni pe termen lung (aproximativ ntre 2 i 10 ani)
- previziuni pe temen mediu (previziune pe trimestre, semestre)
- previziuni pe termen scurt (sptmni, luni)
- previziuni pe termen foarte scurt ( zile, ore)
- previziuni pentru aciuni imediate ( specific domeniului tranzaciilor
bursiere)
Trebuie precizat faptul c nu se pot stabilii bariere ferme n delimitarea lungimii
unui orizont de previziune acestea depinznd foarte mult de domeniul de activitate
(ceea ce pentru o companie cu producie industrial reprezint un termen scurt pentru
un fond de investiii financiare poate reprezenta un termen lung)
Predictibilitatea reprezint o caracterizare a unei entiti care i desfoar
activitatea prin luare de decizii. Aici este vorba de conotaii bune i rele. Despre o
persoana fizic poate fi spus, ca o caracterizare pozitiv dar tot att de bine negativ,
persoana X este foarte previzibil. Despre o companie sau o banc este totdeuna o
caracterizare pozitiv. Banca X are o politic de dobnzi foarte predictibil este o
caracterizare total favorabil.
Proiectibilitatea capacitatea de a face proiecii (de viitor) implic,
(Stevenson H.H., 2003, p.41) nu numai ideea de predicie ci i pe cea de estimare a
valorii pe care subiectul o va atribui acelui viitor previzionat. Adica, despre un rezultat
pe care l-am obinut asociez i o evaluare. Nu ne ajut foarte mult o predicie i ca,
urmare, o decizie luat intr-un proces de lung durat dac nu evalum efectele
aplicrii prediciei, respectiv ale deciziei i nu aplicm corectarea parcursului
decizional. Cel mai imprevizbil lucru este trecutul spunea Orwell i acest lucru arat
c trebuie corectat pas cu pas prezentul pentru a avea un viitor predictibil.

4.2. Etape i forme in prognoz i previziune

Se pot delimita etapele care trebuie parcurse pentru elaborarea previziunilor,
indiferent de domeniul unde se realizeaz acestea. Enumerndu-le, aceste etape sunt:
1) Stabilirea obiectului previziunii, concentrarea problematicii de prognoz;
2) Fixarea perioadei de timp pentru care se elaboreaz previziunea (orizontul
prognozei), precum i al gradului de detaliere al acesteia (global sau pe fiecare produs
n parte).
3) Fixarea cu aproximaie a intervalului de timp in care previziunea elaborat
este valabil ct i a procentului de certitudine pentru acest interval
4) Crearea unei baze de date i colectarea de informaii ce vor asigura suportul
previziunii dar i al deciziei.
5) Identificarea algoritmului de lucru, alegerea metodologiei i a metodei de
previziune (poate fi o teorie clasic, un ansamblu de metode i teorii)
6) Identificarea (dac exist) sau crearea unui suport informaional necesar
pentru aplicarea algoritmului de lucru, metodologiei etc.
7) Elaborarea propriu-zis a previziunilor
8) Stabilirea unei strategii de prezentare a rezultatelor previziuni (alegerea din
multitudinea de alternative a variantei cele mai probabile; prezentarea rezultatelor sub
forma unor scenarii - pesimist, realist, optimist; sau prezentarea sub form de interval
de ncredere etc.)
9) Evaluarea acurateei metodei utilizate prin compararea valorilor prognozate
cu datele reale odat ce acestea devin disponibile (etap foarte util n selectarea
ulterioar a metodei celei mai potrivite).
In ceea ce privete forma unei previziuni aceasta poate fi sintetic (ca o apreciere
global a desfurrii unui proces sau a evoluiei unei entiti) sau analitic (o form
specific, detaliat pentru o previziune in care sunt bine identificai factorii de
influen).
n funcie de natura informaiilor utilizate n procesul previzional sunt utilizate
metode:cantitative, precum:
- extrapolarea seriilor de timp;
- metode econometrice;
- inteligena artificial (reele neuronale i algoritmi genetici);
- analiza tehnic (specific tranzaciilor bursiere);
i calitative (subiective/intuitive)
- simulare prin roluri;
- grupuri de interaciune (ex: Brainstorming)


4.3.Metode de realizare a previziunii asociate procesului decizional
4.3.1. Metodele generale de previziune

In funcie de diverse criterii se poate face o clasificare a metodelor de realizare
a previziunii ca metode generale i metode speciale de previziune:
- metode generale de previziune
- metode speciale de previziune
Metodele generale de previziune sunt legate de extrapolarea seriilor de timp,
metode econometrice i, ca o subcategorie, inteligena artificial, grupuri de
interaciune sau anchete statistice.
Metodele speciale de previziune se refer la analiza tehnic (specific
tranzaciilor bursiere), previziunea situaiei financiare la nivel de ntreprindere,
indicatori de anticiparea a ciclurilor economice (la nivel macroeconomic) dar i
previziuni de marketing (inteniile i preferinele consumatorilor, piee test etc.)

4.3.2. Funcii matematice pentru modelarea previziunii

Funciile matematice pentru modelarea previziunii sunt funcii de tendin :
I. Funcia de tendin liniar, se utilizeaz n cazul evoluiei unui proces ce
poate fi modelat prin funcii matematice de tip liniar
Funcia de tendin liniar are urmtorea form:
bt a y
t
+ = , unde a, b sunt coeficienii funciei de gradul I.
Se presupune c procesul , , care urmeaz a fi previzionat este de forma:
t
y
t t
t t t
e bt a y
e y y
+ + =
+ =


(4.1)

unde:
t - este variabila timp
b - este panta dreptei de tendin

t
e
-

este o variabil aleatoare normal distribuit de medie zero.
Dac ultima perioad pentru care exist date este n (t = n) previziunea pentru
perioada n + p va fi:
) p n ( b a y
p n
+ + =
+
(4.2)

Intervalul de previziune pentru analiza efectuat sunt
Limita inferioar: y y y
p n
inf
p n
A =
+ +
Limita superioar: y y y
p n
sup
p n
A + =
+ +

( )
( )
( )

=
=

+
+ +

= A
n
1 t
2
2 n
1 t
2
t t s
2 / q
t t
t p n
n
1
1
2 n
y y
t y
(4.3)

Iar P q =1
Unde:
t variabila timp
t mijlocul perioadei de timp istorice

2
1 n
t
+
=
n numrul de observaii istorice
p perioad aferent orizontului de previziune
q - nivel de semnificaie (de obicei 0,05)
P coeficientul de ncredere (probabilitatea cu care garantam ca valoarea real
s se afle n intervalul prognozat)
s
t
2 / o
- valoarea statisticii t cu distribuie Student aferent unui nivel de
semnificaie o /2

Pentru uurarea calculelor se poate ine cont de relaia:



= =
=
+ =
n
1 t
n
1 t
2 n
1 t 2 2
n
) t (
t ) t t ( (4.4)

II. Funcia de tendin exponenial
y t
= ab (4.5)
t
unde b este parametru care aproximeaz indicele mediu de cretere

III. Funcia de tendin exponenial logaritmic se folosete atunci cnd
fenomenul studiat crete cu un spor aflat n scdere fr s existe ns o limit
superioar (prag de saturaie)
y t
= a + b*ln(t) (4.6)

IV. Funcia de tendin cu adaos se folosete atunci cnd fenomenul studiat
crete cu un adaos din ce n ce mai mic i se apropie de un prag de saturaie.
1.
) ae 1 (
c
y
bt
t

+
= (4.7)
2. y
t
= c - ae
- b t
(4.8)
c limita superioar a funciei i aproximeaz pragul de saturaie al vnzrilor





4.3.3. Prognoza evoluiei unor procese economice prin Lanuri Markov


Proprietatea Markov care este o proprietate matematic, aparent restrictiv,
stipulnd c probabilitatea unui eveniment prezent depinde numai de trecutul cel mai
recent. Aceast proprietate presupune ca n memoria recent exist nglobat ntrega
evoluie istoric a unui eveniment. Matematician rus Andrei Markov i sunt datorate
procesele care i poart numele i care au deschis calea spre numeroase aplicaii ale
teoriei probabilitilor.
Metoda se bazeaz pe principiul potrivit cruia o stare ntr-o anumit faz (de
exemplu, structura unui anumit an calendaristic) depinde n sens probabilistic, deci cu
o anumit probabilitate de, de structura anterioar cea mai recent (anul precedent).
Esena acestui gen de prognoz const n aceea c, pe baza evoluiei anterioare a
ponderii produselor, se gsesc noile structuri, pornind de la legea probabilitilor de
trecere de la o stare iniial la o stare viitoare, care exprim tendina privind proporia
n care grupele de produse sunt solicitate de clieni.

4.3.4. Prezentarea procesului Markov


Elementele structurale pot fi reprezentate printr-un vector transpus
| |
m
t
i
t
1
t
'
t
v ,... v ,... v V = , unde care pentru fiecare indice inferior n , 1 t = i pentru fiecare
indice superior m , 1 i =
,
i
t
v variaz ntre 0 i 1, iar suma elementelor structurale este 1,
pentru orice t.
Etapele de calcul pentru prognoza elementelor structurale sunt:
a) Etapa calculului diferenelor de ordinul nti (sau calculul vectorului
diferen) ale vectorului , astfel: . Elementele structurale ale
fiecrui vector diferen au proprietatea c suma valorilor pozitive este egal
cu suma absolut a valorilor negative.
t
V
/ t
V A
1 t t 1 t / t
V V V

= A
1 t
b) n etapa a doua, matricile de trecere pariale sunt construite pentru fiecare
pereche de perioade consecutive de timp, t/t-1. Matricele de trecere sunt matrice
ptratice de forma , unde elementele de pe diagonala principal sunt date
de relaia:
( i i M
1 t / t

)
( )
i
t
ii
1 t / t
v m

i
1 t
, v min

= , m i , 1 = .
Celelalte elemente, care nu se afl pe diagonala principal, sunt obinute prin
relaia:

+
A
A =
m
1 i 1 t / t
j
1 t / t i
1 t / t
ij
1 t / t
) (
v
v m , unde este negativ, iar este
pozitiv. n aceast formul

este suma valorilor pozitive ale vectorului

diferen .
i j
1 t / t
v
+
A
1 t / t
v

A
=
+
m
1 i 1 t / t
) (
1 t / t
V

A
In concluzie elementele matricii ( ) i i M
1 t / t

pot fi determinate astfel:

( )

> A < A =
+
A
A
=
=

=

elemente celelalte pentru , 0

0 v i 0 v i j i dac ,
) (
v
v
j i if , v , v min
m
j
1 t / t
i
1 t / t
m
2 i 1 t / t
j
1 t / t i
1 t / t
j
t
i
1 t
ij
1 t / t

(4.9)
m , 1 j , i =
c) In etapa a treia se calculeaz matricea de trecere total se
determin prin nsumarea elementelor matricilor pariale de trecere cit i matricea
probabilitilor de trecere
( m m M )
( ) m m M
PT
:

=
=
m
2 t
ij
1 t / t
ij
m m (4.10)

Matricea probabilitilor de trecere ( ) m m M
PT
se calculeaz prin raportarea
fiecrui element al matricii de trecere total la suma liniei pe care se afl respectivul
element:

=
=
m
2 j
ij
ij
ij
PT
m
m
m (4.11)
d) n ultima etap a algoritmului se obine prognoza elementelor structurale
pentru un numr p de perioade viitoare prin multiplicarea transpusei matricii
, ridicat la puterea k, cu vectorul elementelor structurale pentru ultima
perioad: .
( m m M
PT

n
S

+
)
n
p '
p
S ) MP ( =

4.3.5. Exemplu pentru utilizarea metodei

Se studiz exemplul consumului de producie al unei intreprinderi de producie
in domeniul ingineriei mecanice. Utilizarea Lanurilor Markov n vederea determinrii
structurii necesarului de aprovizionat presupune parcurgerea urmtoarelor etape de
calcul pe care le vom exemplifica folosind o ntreprindere care i stabilete structura
necesarului de aprovizionat pentru anul 2010 la cinci grupe de produse (materii i
materiale).
Din analiza structurii consumului productiv al ntreprinderii i a structurii
desfacerilor se constat c produsele de aprovizionare intr n consumul seciilor de
producie n anumite combinaii relativ stabile de la o perioad la alta. Modificarea
acestor structuri se face lent, prin transferuri ntre ponderile produselor tradiionale ale
consumului. Se indic evoluia istoric a consumului de produse (materii prime i
materiale):

Nr.crt. GRUPA 2005 2006 2007 2008 2009
1 Produs 1 302.2 296 294.8 289.1 294.2
2 Produs 2 168.4 180.1 191.7 200.8 209.1
3 Produs 3 109.8 117.5 125.3 138 144.9
4 Produs 4 157.7 153.4 148.3 154.6 163.3
5 Produs 5 87.5 86.7 92 90.8 94.2
TOTAL 825.6 833.7 852.1 873.3 905.7

De asemenea se calculeaz structura utilizrii de produse pe grupe (in
procente):

Nr.crt. GRUPA 2005 2006 2007 2008 2009
1 Produs 1 36.6 35.5 34.6 33.1 32.5
2 Produs 2 20.4 21.6 22.5 23 23.1
3 Produs 3 13.3 14.1 14.7 15.8 16
4 Produs 4 19.1 18.4 17.4 17.7 18
5 Produs 5 10.6 10.4 10.8 10.4 10.4
TOTAL 100 100 100 100 100


a) Calculul matricilor de trecere (de tranziie) de la o grup la alta ntr-un
an fa de cel precedent (calculul abaterilor AV - etapa calculului diferenelor de
ordinul I) i a matricelor patratice
Pe baza tabelului de structuri se calculeaz n-1 matrici de tranziie (patru n
exemplul nostru), nscriindu-se pe diagonala matricei (a fidelitii) ponderea grupei
pstrate ntr-un an fa de cel precedent iar pe restul cmpului matrice diferenele de
ponderi pierdute (pe orizontal) sau ctigate (pe vertical) de la un an la altul.
Fa de 2005, de exemplu, grupa Produs 1 a pierdut 1,1 procente n anul
2006, vreme ce grupa Produs 2a ctigat 1,2 procente pe care le-a transferat de la
grupele I (1,1) i a IV-a (0,7).
Matricea trecerilor de la o grup la alta n anul 2006 fa de anul 2005:

GRUPA Produs 1 Produs 2 Produs 3 Produs 4 Produs 5 2005
Produs 1 35.5 1.1 0 0 0 36.6
Produs 2 0 20.4 0 0 0 20.4
Produs 3 0 0 13.3 0 0 13.3
Produs 4 0 0.1 0.6 18.4 0 19.1
Produs 5 0 0 0.2 0 10.4 10.6
2006 35.5 21.6 14.1 18.4 10.4 100

In acelai mod determinm matricele difen pentru anii succesivi:

GRUPA Produs 1 Produs 2 Produs 3 Produs 4 Produs 5 2006
Produs 1 34.6 0.9 0 0 0 35.5
Produs 2 0 21.6 0 0 0 21.6
Produs 3 0 0 14.1 0 0 14.1
Produs 4 0 0 0.6 17.4 0.4 18.4
Produs 5 0 0 0 0 10.4 10.4
2007 34.6 22.5 14.7 17.4 10.8 100


GRUPA Produs 1 Produs 2 Produs 3 Produs 4 Produs 5 2007
Produs 1 33.1 0.5 1 0 0 34.6
Produs 2 0 22.5 0 0 0 22.5
Produs 3 0 0 14.7 0 0 14.7
Produs 4 0 0 0 17.4 0 17.4
Produs 5 0 0 0.1 0.3 10.4 10.8
2008 33.1 23 15.8 17.7 10.4 100




GRUPA Produs 1 Produs 2 Produs 3 Produs 4 Produs 5 2008
Produs 1 32.5 0.1 0.2 0.3 0 33.1
Produs 2 0 23 0 0 0 23
Produs 3 0 0 15.8 0 0 15.8
Produs 4 0 0 0 17.7 0 17.7
Produs 5 0 0 0 0 10.4 10.4
2009 32.5 23.1 16 18 10.4 100

b) Calculul matricei trecerilor totale
Prin nsumarea matricelor pariale de trecere se determin cea total care va sta
la baza calculului probabilitilor de tranziie (de trecere).
Matricea de trecere total ( ) m m M se determin prin nsumarea
elementelor matricilor pariale de trecere cit i matricea probabilitilor de trecere
: ( ) m m M
PT

Matricea total a trecerilor de la o grup la alta n peritada 2005-2009

GRUPA Produs 1 Produs 2 Produs 3 Produs 4 Produs 5 TOTAL
Produs 1 135.7 2.6 1.2 0.3 0 139.8
Produs 2 0 87.5 0 0 0 87.5
Produs 3 0 0 57.9 0 0 57.9
Produs 4 0 0.1 1.2 70.9 0.4 72.6
Produs 5 0 0 0.3 0.3 41.6 42.2
TOTAL 135.7 90.2 60.6 71.5 42 400


c) Calculul matricei probabilitilor de tranziie
Pe baza matricei totale a trecerilor se calculeaz matricea total a
probabilitilor de trecere, prin raportarea sumei pierderilor individuale din matricea
trecerilor totale la sumele de pe linie ale acestor ponderi tiind c pij = 1.

Matricea probabilitilor de tranziie

GRUPA Produs 1 Produs 2 Produs 3 Produs 4 Produs 5
Produs 1 0.97067 0.0186 0.00858 0.00215 0
Produs 2 0 1 0 0 0
Produs 3 0 0 1 0 0
Produs 4 0 0.00138 0.01653 0.97658 0.00551
Produs 5 0 0 0.00711 0.00711 0.98578


d) Calculul structurii previzionate a necesarului
Structura previzionat a necesarului pe 2002 se obine nmulind transpusa
matricei probabilitilor de tranziie cu vectorul structurilor efective realizate pe
ultimul an cunoscut (2001 n exemplul nostru).

|
|
|
|
|
|
.
|

\
|
=
|
|
|
|
|
|
.
|

\
|

|
|
|
|
|
|
.
|

\
|
35 . 10
72 . 17
65 . 16
73 . 23
55 . 31
4 . 10
0 . 18
0 . 16
1 . 23
5 . 32
0.9 0.00551 0 0 0
0.0711 0.97658 0 0 0.00215
0.00711 0.01653 1 0 0.00858
0 0.00138 0 1 0.0186
0 0 0 0 0.97067



f) Calculul necesarului de aprovizionat, pe grupe
Cunoscndu-se necesarul total de produse (materii prime si materiale)
furnizate, calculat cu ajutorul unor metode de previziune, se va determina necesarul de
produse pe grupe, care va fi:

GRUPA [%] Mil. Lei
Produs 1 31.55 302.0
Produs 2 23.73 227.1
Produs 3 16.65 159.4
Produs 4 17.72 169.6
Produs 5 10.35 99.1
TOTAL 100 957.2


n cazul real de calcul, in care numarul de grupe (produse, pe categorii de
materii si materiale) se aplic structurilor previzionate la necesarul de produse stabilit
pe baza unei balane. Modelul lanurilor Markov se poate aplica n continuare la
nivelul fiecrei grupe de produse n parte, stabilindu-se astfel structura sortimental a
necesarului de aprovizionat.
Desigur, n afara acestui model, ntreprinderea mai poate folosi previziunea cu
ajutorul coeficienilor de elasticitate ai fiecrei grupe fa de total, metode bazate pe
metode matematice de relaxare.

4.4. Metode de realizare a previziunii asociate procesului decizional prin
extrapolarea seriilor de timp

De obicei fenomenele economice prezint o inerie in evoluia lor i, cu
excepia unor fracturi istorice, exist o anumit predicie bazat pe un tip de inerie
comportamental a entitilor economice sau a proceselor din sfera economic.
Metodele bazate pe extrapolarea seriilor de timp pornesc de la premiza c
evoluiile unor entiti se bazeaz pe un anumit istoric al evoluiei acestora i aceste
caracteristici se vor pstra i n viitor. De obicei modelele care presupun o continuare a
evoluiei trecute se mai numesc i modele cu memorie sau procese cu inerie.
4.4.1. Metoda seriei de timp staionare

Pentru serii de timp staionare se poate face o previziune de evoluie a unui
proces prin calculul mediei aritmetice. Serii de acest tip se ntlnesc n general pe
perioade scurte de timp i pentru date nregistrate cu o frecven ridicat (ex.: date
zilnice, sptmnale). Pe perioade mai lungi de tip fenomenele economice i pierd n
general caracterul staionar i manifest tendine de cretere, descretere i/sau
fluctuaii ciclice (Figura).
Media aritmetic simpl este o constant a unui proces cu memorie lung n
sensul c ine cont de ntreaga baz de date aflat in proces, de toat perioada istoric
disponibil. Astfel, rezultatele nu sunt perturbate de fluctuaii aleatoare i temporare,
de virfuri de comportament. Dezavantajul major este legat de capacitatea redus de
adaptare la eventuale modificri instantanee care pot s apar n evoluia recent a
datelor.
Modelul matematic este prezentat prin ecuaia:

=
+
=
n
1 t
t 1 n
y
n
1
y (4.12)


4.4.2. Metoda ultimei valori nregistrate

Metoda ultimei valori nregistate se utilizeaz pentru a face o previziune
pentru evoluii care cuprind comportament extrem aleator, in care istoria procesului nu
este relevant. Datorit faptului c astfel de procese sunt rar ntlnite n practic
aceast metod este folosit mai mult n procesul de testare i selecie. In mod practic
trebuie stabilit o valoare a unei variabile (eroarea), e
t,
apoi aceast valoare este
utilizat pentru predicia procesului de la un pas la pasul urmtor.

t t 1 t
e y y + =
+
, (4.13)
e
t
este o variabil aleatoare normal distribuit de medie zero.
Pentru un proces complet staionar,
t 1 t
y y =
+

De obicei aceast metod este utilizat in pereche cu o metod clasic, in care
exist un control asupra definirii variabilei e
t
. Dac prin metoda respectiv se obin
erori mai mici se justific efortul de a folosi o metod mai complex. Exemplu de
proces de tip mers la ntmplare este prezentat in Figura 4.2

1.00
2.00
3.00
4.00
5.00
6.00
7.00
8.00
9.00
1 29 57 85 113 141 169 197 225 253 281

Fig.4.2.

0
2
4
6
8
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31
zi l e
m
i
i

l
e
i

Fig.4.3.
.
4.4.3. Metoda mediei mobile pentru serii staionare

Media mobil de ordin k. Se aplic tot pentru serii de timp staionare la fel ca i
media simpl. Previziunea pentru perioada urmtoare, n + 1, este media ultimelor k
valori nregistrate.

+ = +
=
n
1 k n t t 1 n
y
k
1
y (4.14)
Media mobil este un proces cu memorie scurt, principalul avantaj al
metodei fiind capacitatea ridicat de adaptare la condiiile cele mai recente.

4.4.4. Metoda mediei mobile pentru serii exponeniale

Media mobil exponenial este o metod foarte asemntoare mediei mobile
(are aceleai avantaje principale i se aplic n aceleai condiii), cu diferena c
ponderile valorilor cuprinse n medie nu sunt egale, acestea descresc odat ce valorile
devin mai ndeprtate n timp. In acest fel se introduce aceast metod cu extensia de
ordin k:

+
=
+ =
=
+
n
1 k n t t
k
1 j
1 n
y
j
t n k
y
(4.15)

Astfel, in exemplul urmtor se definete medie mobil de ordin 5:
4 t 3 t 2 t 1 t t 1 t
y
4
1
y
4
1
y
4
1
y
4
1
y
4
1
y
+
+ + + + = (4.16)


i respectiv media mobil exponenial de ordin 5:
4 t 3 t 2 t 1 t t 1 t
y
10
1
y
10
2
y
10
3
y
10
4
y
10
5
y
+
+ + + + = (4.17)


4.4.5. Metoda nivelrii exponeniale

Prin media mobil exponenial se acord o pondere mai mare valorilor celor
mai recente din seria de date numerice avute la dispoziie din istoria procesului.
Practic se acord o importan mai mare ultimelor valori din serie.
a. Nivelarea exponenial simpl (NES). Conform acestei metode valoarea
previzionat se calculeaz printr-o ecuaie recursiv care permite o acordare a
previziunii realizate anterior cu eroarea de previziune:

) y y ( k y y
t t t 1 t
+ =
+
(4.18)

Ecuaia anterioar este echivalent cu ecuaia:

( )
t t 1 t
y k 1 ky y + =
+
(4.19)

unde k este parametrul de nivelare pozitiv i subunitar.
Altfel spus, valoarea previzionat se calculeaz ca o medie ponderat ntre
ultima valoare real nregistrat i previziunea care a fost realizat pentru perioada
anterioar. Aceast ultim variant este cel mai frecvent utilizat n realizarea
calculelor. Dac dezvoltm ultima formul vom gsi explicaia pentru denumirea
metodei.

1
1 t
2 t
2
1 t t 1 t
y ) k 1 ( k .... y ) k 1 ( k y ) k 1 ( k ky y

+
+ + + + = (4.20)

Previziunea pentru perioada urmtoare, t+, este de fapt o medie ponderat a
valorilor observate pn n acel moment iar ponderile descresc exponenial pe msur
ce valorile observate devin din ce n ce mai ndeprtate.
Exist alte tipuri de nivelare exponenial (NE dubl, NE adaptiv, metoda
liniar a lui Holt, metoda pentru trend i sezonalitate Holt-Winter etc.)

b. Metoda liniarizat a lui Holt
Metoda liniar se folosete n situaia n care seria de date se preteaz unei
prelucrri prin extrapolare linear. Prin aceast metod se realizeaz o nivelare att
pentru nivelul nregistrat la un moment dat ct i pentru adaosurile de cretere. Cele
dou componente sunt apoi agregate.
Formulele de calcul sunt:
I. Componenta de nivel (trendul estimat): ) b L )( k 1 ( ky L
1 t 1 t t t
+ + =
II. Adaosul de cretere:
1 1
( ) (1 )
t t t
b L L b
t
| |

= +
III. Valoarea previzionat: p b L y
t t p t
+ =
+


c. Nivelare exponenial cu sezonalitate i trend (modelul Holt-Winters)
Acest model se aplic n cazul unor evoluii care prezint trend liniar i
sezonalitate multiplicativ adic, o component sezonier care se amplific
(diminueaz) proporional cu evoluia trendului.
I. Componenta de nivel (trendul estimat): ) b L )( k 1 (
S
y
k L
1 t 1 t
s t
t
t

+ + =
II. Componenta sezonier:
s t
t
t
t
S ) 1 (
L
y
S

+ =
III. Sporul de cretere:
1 1
( ) (1 )
t t t
b L L b
t
| |

= +
IV. Valoarea previzionat: ( )
p s t t t p t
S p b L y
+ +
+ =

4.4.6. Metoda de aproximare linear bazat pe diferene

Metoda sporului mediu se folosete pentru a previziona evoluii non-staionare
cu tendin aproximativ liniar. Aceast metod poate fi vzut ca o aplicaie a
metodei mediei aritmetice simple ns nu pe valorile iniiale (care nu sunt staionare) ci
pe diferenele de ordinul nti (sporurile). n cazul tendinelor aproximativ liniare
diferenele de ordinul nti sunt staionare i deci putem aplica oricare din metodele
specifice seriilor staionare. Previziunea final este realizt prin adunarea sporului
mediu la ultima valoare nregistrat:

S p y y
n p n
+ =
+
(4.21)
unde
( )
1 n
y y
S
n
2 t 1 t t

=

=

reprezint sporul mediu de cretere iar p este orizontul de previziune.


4.4.7. Metoda indicelui mediu

Metoda indicelui mediu este utilizat pentru a obine previziuni pentru
procese cu evoluii non-staionare i cu un trend bine definit de tip exponenial. O
serie de timp exponenial poate deveni staionar prin calcularea seriei indicilor de
dinamic. Previziunea este realizat prin calculul indicelui mediu, calculat cu ajutorul
mediei geometrice a valorilor din serie:

1 n
n
2 t
1 t
t
y
y
I
=

[
= (4.22)
Rezultatul acestui calcul este vizualizat in Fig.4.4. Dup determinarea indicelui
se calculeaz valoarea previzionat prin nmulirea ultimei valori din baz (din seria
de date) cu valoarea indicelui mediu. Rezultatul, sub forma unei serii exponeniale, se
observ in Fig.4.5. pentru
p
n p n
) I ( y y =
+


0,4
0,6
0,8
1
1,2
1,4
1,6
1 3 5 7 9 11 13 15 17 19 21 23 25 27

Fig4.4

0
2
4
6
8
10
12
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31
zi l e
m
i
i

l
e
i

Fig4.5


4.5. Metoda descompunerii temporare

Metoda de descompunere temporar se folosete atunci cnd pe lng tendina
general a fenomenului urmrit se manifest fluctuaii cu periodicitate fix (lunar,
trimestrial etc.). In aceast metod se estimeaz trei componente:
- componenta de trend T
t
estimat printr-o metod specific acestei
componente (funcii de tendin)
- componenta de adaos A
t
ca o medie aritmetic/geometric a valorilor
obinute n etapa anterioar pentru fiecare unitate de timp care
formeaz ciclul temporar (medie pe o anumit perioad de timp)
- componenta aleatoare E
t
se calculeaz ca raportul dintre datele iniiale
observate i suma componentelor de sezonalitate i trend
Modelul de calcul (pentru modelul aditiv), utilizat cind intre fluctuaie i trend
nu exist relaie de proporionalitate i este dat de relaia:

y
t
= T
t
+ A
t
+ E
t


(4.23)

Modelul de calcul (pentru modelul multiplicativ) este utilizat cnd ntre
fluctuaie i trend exist o relaie de proporionalitate i este dat de relaia:

y
t
= T
t
A
t
E
t
(4.24)


0
5
10
15
1 4 7 10 13 16 19 22 25 28 31
zi l e
m
i
i

l
e
i
model aditiv
model multiplicativ


Fig.3.6


4.6. Metoda Box-Jenkins

Aceste modele au fost dezvoltate de George Box i Gwilym Jenkins n anii 1970
fiind cunoscute ca modelele AR i reprezint o clas de modele care pot fi utilizate cu
succes situaii ce prezint trenduri complet diferite.
- Autoregresia de ordin k, AR(k) este o variant redus, adaptat pentru
serii de timp staionare (sau cvasistaionare). Modelul are forma:

t 1 k t k 1 t 2 t 1 1 t
e y y y a y + | + | + | + =
+ +
, (4.25)

unde coeficientul | nu este apriori cunoscut, 1 0 < < | iar k reprezint
numrul de valori anterioare nregistrate cuprinse n model. Astfel se poate face
previziunea pentru momenrul t + 1:

k t p 1 t 1 t 0 1 t
y y y a y
+
| + | + | + = (4.26)

Coeficienii nu sunt considerai egali i nici descresctori n timp, n schimb
acetia sunt estimai pe baza datelor istorice astfel nct eroarea de estimare s fie
minim. Ceea ce se fixeaz anterior est doar numrul de parametrii k. Ordinul k se
fixeaz pe baza unor teste anterioare.
- Modelul ARMA (k, m) se poate aplica atunci cnd exist dependen nu
numai de valorile anterioare ci i fa de un numr q de erori anterior nregistrate.
Valoarea previzionat se poate determina astfel:


1 m t m 1 t 2 t 1 1 k t k 1 t 2 t 1 1 t
e .. e e y y y a y
+ + +
+ + + + | + | + | + = (4.27)

Dac o serie prezint un trend aproximativ liniar, prin calcularea diferenelor de
ordinul nti (calcularea adaosurilor) se obine o serie staionar, ceea ce duce la un
model cunoscut. Un model care presupune mai nti calcularea diferenelor de ordinul
nti (d=1) i apoi aplicarea unui model ARMA(k,m) este un model ARIMA (k,1,m).
Previziunea pentru momentul t + 1 va arta astfel:


1 m t m t t 1 1 k t k 1 t 2 t 1 1 t
.. y y y a y
+ + +
c + + c + A | + A | + A | + = A (4.28)

1 t t t
y y y

= A - diferene de ordinul 1


Bibliografie
Stevenson, Howard H., - A manca sau a fi mancat- Riscul deciziei startegice
in managementul modern, Edit. Economica, 2003, p.41)