Documente Academic
Documente Profesional
Documente Cultură
1. Metode de extrapolare
- sugerează dezvoltarea inerţială (prelungirea în viitor) a unor elemente ale proceselor şi fenomenelor
economice;
- pot fi aplicate cu rezultate bune numai dacă procesul la care se referă prezintă un caracter de
repetabilitate, cu aceeaşi intensitate a dinamicii;
- Limite:
- oferă numai o imagine orientativă asupra perspectivei de evoluţie dacă se recunoaşte
faptul că viitorul nu reproduce fidel stările şi evoluţiile din trecut;
- se poate folosi cu succes numai pentru procesele economice ce evoluează fără
discontinuităţi majore;
- riscul şi incertitudinea impun considerarea în prelucrarea rezultatelor extrapolării cu
metode adiţionale; pentru ca rezultatele să fie cât mai plauzibile se recomandă operarea
pe orizonturi de prognoză cât mai scurte.
Extrapolarea analitică:
utilizează drept bază informaţională iniţială un şir de date;
Seria poate fi extrapolată pe baza unei funcţii matematice a evoluţiei indicatorului în timp.
Ideea de bază - considerarea seriei de date ca o succesiune de valori măsurată ale unei funcţii
dependente de timp y=f(t), funcţie care ar urma să fie determinată cu aproximaţie prin metode
matematice.
Extrapolarea fenomenologică
Spre deosebire de extrapolarea analitică, extrapolarea fenomenologică utilizează drept bază
informaţională iniţială nu un şir de date (seriile de date disponibile sunt relativ scurte), ci ipoteze legate de
structura fenomenului investigat. Formal, deosebirea dintre extrapolarea analitică şi cea fenomenologică
constă în modul diferit de identificare al clasei de funcţii care descrie tendinţa de variaţie a fenomenului
investigat.
Acest tip de extrapolare este utilizat cu precădere în cazul în care seriilor de date disponibile sunt
relativ scurte; se porneşte de la emiterea unor ipoteze asupra indicatorilor ce caracterizează fenomenul sau
procesul. Considerând că procesul este descris de funcţia f : de clasă C2 (care este continuă şi
derivabilă pe mulţimea numerele reale ), atunci indicatorii de caracterizare a fenomenului sunt:
- viteza de evoluţie (de variaţie);
- ritmul de creştere;
- coeficientul de elasticitate a funcţiei în raport cu t;
- coeficientul de elasticitate a vitezei de variaţie în raport cu momentul t.
O primă metodă constă în utilizarea experienţei empirice sau a unor rezultate deja obţinute în
domeniul în care se efectuează cercetare; există astfel, tipuri de curbe asociate unor tipuri de fenomene.
Mai folosite sunt curbele liniare cu plafonare, curbele exponenţiale (cu şi fără plafonare) şi curbele în
formă de S. O altă metodă constă în identificarea unor legi de variaţie ale fenomenului urmărit şi în
descrierea evoluţiei pe baza acestei legi.
2. Metode de ajustare
Ajustarea unei serii temporale = operaţiunea de înlocuire a valorilor observate ale variabilei studiate
cu alte valori, noile valori sunt calculate prin metode adecvate cu scopul de a pune în evidenţă
componentele considerate esenţiale ale seriei de date: trendul, fluctuaţiile ciclice, sezoniere, neregulate
sunt aplicabile în previziunile pe termen scurt,
cele mai utilizate: mediiler mobile, ajustarea/nivelarea exponenţială.
Noua previziune = vechea previziune + α (observaţia cea mai recentă – vechea previziune)
Ft+1 = Ft + * et = Ft + * (Yt - Ft) sau Ft+1= * Yt + (1 - ) * Ft
unde:
Ft+1, Ft - prognozele corespunzătoare momentelor t+1, respectiv t;
Yt - nivelul indicatorului real la momentul t,
et - eroarea de ajustare; e t Yt Ft ,
α este probabilitatea de a face o eroare de prognoză (constantă de nivelare).
Constanta α determină modul în care observaţiile trecute sunt netezite pentru obţinerea predicţiei, ia valori
în [0, 1]. Alegerea lui influenţează acurateţea prognozei.
► Dacă seria de timp este una puternic oscilantă şi conţine o substanţială variabilitate aleatoare
înseamnă că, pentru ca previziunea să fie cât mai apropiată de realitate este necesar a fi folosită o
pondere mică α.
► Pentru serii stabile, cu variabilitate aleatoare redusă, constantele α mai mari sunt preferate (au
avantajul că în cazul producerii unor erori de previziune însemnate pot ajusta fără întârziere
previziunea, conferind astfel acesteia o capacitate de reacţie rapidă la schimbările de condiţii).
Pentru determinarea celei mai potrivite valori a coeficientului de nivelare se poate folosi tehnica
simulării (testări succesive), generându-se valori în intervalul [0,1]. Pentru fiecare valoare se va calcula
un indicator de eroare (suma erorilor pătratice S, de exemplu) şi se va alege valoarea pentru care:
n
S e
t 1
t
2
min , unde n reprezintă numărul observaţiilor reale ale indicatorului previzionat, t 1,..., n .
Pentru metodele de ajustare, alegerea formei particulare (cu un singur parametru , cu doi
parametri , sau cu trei parametri , , ) se poate face, într-un mod aproximativ prin reprezentarea
grafică a seriei de date:
- dacă pentru seria de date reprezentată se poate pune în evidenţă o tendinţă liniar crescătoare sau
descrescătoare se alege modelul cu trend (cu doi parametri , );
- dacă pentru seria de date se pot evidenţia variaţii sezoniere se va alege modelul de ajustare cu
sezonalitate (cu doi parametri , );
- în situaţia în care, în mod simultan se pot observa o componentă de tip trend şi variaţii sezoniere se
poate alege modelul de ajustare trend -sezonalitate (se folosesc trei parametri , , ).
valoare
valoare
timp
timp
ANALIZA DE REGRESIE ŞI DE CORELAŢIE
în care:
Ft , Ft 1 prognozele corespunzătoare momentelor t, respectiv t+1,
Yt valoarea vânzărilor efective la momentul t, t 1,..., n .
Se poate observa că cele mai mici valori ale sumei abaterilor pătratice indică faptul că
se situează în intervalul [0,1; 0,2]. Se continuă acordarea unor valori în acest
interval identificat anterior (în tabelul 3 se dau valori în intervalul [0,1; 0,2] prin
metoda mijlocului intervalului). Se apreciază că = 0,132 este cea mai potrivită
valoare pentru criteriul considerat.
Tabelul 3
t Valori ajustate ( Ft , t 1,...,10 ) şi valoarea prognozei F11
Yt =0,1 =0,2 =0,15 =0,125 =0,1375 =0,132
1 205 205,000 205,000 205,000 205,000 205,000 205,000
2 198 205,000 205,000 205,000 205,000 205,000 205,000
3 225 203,600 205,600 203,950 204,125 204,037 204,076
4 174 206,370 207,880 207,107 206,734 206,919 206,838
5 184 203,133 201,104 202,141 202,642 202,393 202,503
6 208 201,219 197,683 199,420 200,312 199,864 200,060
7 185 201,897 199,746 200,707 201,273 200,982 201,108
8 178 200,208 196,797 198,351 199,239 198,785 198,982
9 214 197,987 193,037 195,298 196,584 195,927 196,212
10 186 199,588 197,230 198,103 198,761 198,412 198,560
11 - 198,229 194,984 196,288 197,466 196,705 196,902
S 3190,127 3190,127 3148,060 3145,028 3144,818 3144,466
Forecast Result
Actual Forecast Forecast CFE MAD MSE MAPE Tracking
Data by Error (%) Signal
SES
1 205
2 198 205 -7 -7 7 49 3,53 -1
3 225 204,076 20,92 13,92 13,96 243,40 6,41 0,99
11 196,902
Compunerea acestor elemente este posibilă în două moduri în cazul evaluării nivelului
indicatorului prognozat, şi anume:
- în formă aditivă: Yt Tt Ct S t Rt
- în formă multiplicativă: Yt Tt Ct S t Rt .
Alegerea unei anumite forme este influenţată de modul de variaţie a factorilor ciclici
şi sezonieri la modificările valorilor seriei dinamice; dacă variaţiile sezoniere şi cele
ciclice nu sunt proporţionale cu mărimea valorilor din seria de date, se recomandă
forma aditivă (în această situaţie, amplitudinea variaţiilor sezoniere este aproximativ
constantă în timp, spre deosebire de cazul multiplicativ, în care variaţiile sezoniere
cresc proporţional cu trendul).
MSS1 PHASE 1
- MEASURE COMBINED TREND AND CYCLICAL VARIATION
Tabelul 7
PERIOD VALUE MOVING VERAGE CENTERED MOVING AVERAGE
1 4,000.00
2 4,200.00
3 5,600.00
4 5,900.00
5 5,200.00 4,925.00
6 5,700.00 5,225.00 5,075.00
7 7,200.00 5,600.00 5,412.50
8 9,500.00 6,000.00 5,800.00
9 4,750.00 6,900.00 6,450.00
10 5,200.00 6,787.50 6,843.75
11 6,900.00 6,662.50 6,725.00
12 9,500.00 6,587.50 6,625.00
13 5,900.00 6,587.50 6,587.50
14 6,300.00 6,875.00 6,731.25
15 8,250.00 7,150.00 7,012.50
16 7,487.50 7,318.75
1
Se foloseşte programul MSS (The Management Science System)
PHASE IV - COMBINED SEASONAL (S) AND RANDOM (R) VARIATIONS S*R = Original
Values/CMA
Tabelul 9
PERIOD VALUE S*R
1 4,000.00
2 4,200.00
3 5,600.00 1.1034
4 5,900.00 1.0901
5 5,200.00 0.8966
6 5,700.00 0.8837
7 7,200.00 1.0521
8 9,500.00 1.4126
9 4,750.00 0.7170
10 5,200.00 0.7894
11 6,900.00 1.0251
12 9,500.00 1.3547
13 5,900.00 0.8061
14 6,300.00
15 8,250.00
- se recalculează aceste medii după eliminarea celei mai mici şi a celei mai mari
valori din şirul S k R k folosit pentru calculul fiecărei medii (coloana Medial
Average din tabelul 10 sau linia SM din tabelul de calcul 12).
Pentru SM I , din coloana corespunzătoare trimestrului I, din tabelul de calcul 12, se
observă că cea mai mică valoare este 0.7170, iar cea mai mare este 0.8966.
SM I S11 R 11 0.8061 , SM II S II , SM III S 4 R 4 1.0520
(s-au eliminat din calculul mediei, valorile minimă (1.0251) şi maximă (1.1034) din
coloana trimestrului III din tabelul 5);
SM IV S10 R10 1.3547 (s-au eliminat din calculul mediei, valorile minimă (1.0901) şi
maximă (1.4126) din coloana trimestrului IV din tabelul 12).
Se calculează apoi mediile ajustate (coloana Adjusted Med.Avg. din tabelul 1.40 sau
linia SA din tabelul 1.42):
4 4
SA I SM I 0.80615 0.7963
SM1 SM 2 SM 3 SM 4 4.0494
4 4
SA II SM II 0.8365 0.8263 etc.
SM1 SM 2 SM 3 SM 4 4.0494
care permit apoi calculul indicatorilor de sezonalitate (coloana Seasonal Index din tabelul
10): SI I SA I 100 79.630 etc.
Tabelul 12
Anul Trimestrul Trimestrul Trimestrul III Trimestrul IV
1998 -I -II 1.1034 1.0901
1999 0.8966 0.8837 1.0521 1.4126
2000 0.7170 0.7894 1.0251 1.3547
2001 0.8061 - - -
S 0.8065 0.8365 1.0601 1.2858
SM 0.8061 0.8365 1.0520 1.3547
SA 0.7963 0.8263 1.0392 1.3381
S R
E6. Determinarea variaţiilor întâmplătoare: Rk SA
k k
(coloana Random variation din
trim
Se pot calcula valorile prognozate pentru cele 4 trimestre (IV/2001 şi I, II, III/2002)
incluzând factorul de sezonalitate corepunzător:
T16 S16 C16 = 10079.084*0.9933 =10011.554
T17 S17 C17 = 6188,661*0.9966 = 6167.195
T18 S18 C18 = 6532.118*1.0200 = 6662.760
T19 S19 C19 = 8408.359*1.0000 = 8408.359
Pentru estimarea variaţiilor întâmplătoare (pe baza datelor din tabelul 11, coloana
Random variation), se grupează valorile R pe intervalele:
0,80001-0,90000 (cu o singură valoare în acest interval),
0,90001-1,00000 (s-au înregistrat 3 valori),
1,00001-1,10000 (6 valori),
1,10001-1,20000 (1 valoare).
Pe baza numărului de valori R situate în cadrul fiecărui interval se calculează
probabilităţile relative şi cele cumulate (tabelul 14).
Tabelul 14
Intervale Nr. Probabilită Probabilită Interval numere
valor ţi relative ţi cumulate aleatoare
i
0,80001-0,90000 1 0,09 0,09 0,000-0,090
0,90001-1,00000 3 0,27 0,36 0,091-0,360
1,00001-1,10000 6 0,55 0,91 0,361-0,910
1,10001-1,20000 1 0,09 1,00 0,911-1,000
obţinute prin interpolare (pentru orice număr aleator situat în intervalul 0.091-0.360,
ecuaţia de interpolare este RNA 0.3717 NA 0.8661 , iar pentru intervalul 0.361-0.910,
ecuaţia este RNA 0.1819 NA 0.9344 ).
10000
9500
9000
8500
8000
Vanzari
7500
7000
6500
6000
5500
5000
4500
4000
3500
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
Trimestre