Documente Academic
Documente Profesional
Documente Cultură
EXPONENTIALA, PE TERMEN
SCURT
34
32
30
28
26
24
1 2 3 4 5 6 7 8 9 10 11 12 13
y yex
Forma exponenţială
Exista doi factori care interactioneaza unul cu altul pentru a determina
parametrul de netezire cel mai bun:
• cantitatea de zgomot din serie (perturbatiile aleatoare) - cu cât va fi mai
mare, cu atât parametrul va fi mai mic pentru a contracara reactia la
zgomot;
• stabilitatea mediei - daca este relativ constanta, h1 va fi mai mic; daca se
schimba, h1 va fi mai mare , ca sa tina pasul cu schimbarile;
• la limita h1 va fi 1, ceea ce înseamna ca noua previziune este egala cu
ultima data observata;
• valorile lui h1 controleaza ponderile asignate la datele din trecut, ponderi
ce pot fi gasite cu o ecuatie de forma (2):
St = h1Xt + h1(1- h1)Xt -1+ h1(1- h1)2Xt-2+ h1(1- h1)3Xt-3+ ...+ h1(1- h1)kXt-k
Ponderile pentru datele mai vechi sunt mai mici.
Modele cu trend liniar (1)
• este o extensie a modelului de regresie, cu timpul, t, ca variabila
independenta: X = a + bt
• a corespunde St si b, panta dreptei, corespunde lui Tt,
Modelul are urmatoarele ecuatii:
(1) et = Xt - Xt-1(1)
(5) St = St-1 + Tt-1 + h1 et
(6) Tt = Tt-1 + h2 et
(7) Xt(m) = St + m Tt
• (1) se calculeaza eroarea de previziune
• (5) se actualizeaza nivelul seriei si se adauga si trendul anterior.
• (6) se actualizeaza trendul, cu Tt-1 în originea pentru perioada curenta
• (7) se numeste trend netezit, Tt; este analog constantei b din regresie.
• parametri separati de aplatizare: h1 si h2 , pentru nivel, respectiv trend.
In fiecare perioada este produs un nou trend. Previziunea numai cu un pas
înainte (m = 1), dar la orice timp, previziunea poate fi facuta pentru
orizonturi mai mari (ex: m= 6, Xt(6) = St + 6 Tt).
Modele cu trend liniar (2)
• Pentru initializarea liniei de trend se recomanda procedura regresiei
liniare în functie de timp: S0 = a; si T0 = b; X = a + bt.
• h1 si h2 se determina prin cautare gradata, pentru minimizarea δ,
h1 = 0.33 ; 0.67 si h2 = 0.33 ; 0.67. Apoi se calculeaza δ, la punctele
±0.17, în jurul celei mai bune combinatii de parametri. Se continua
progresiv, daca e necesar, cu intervale mai mici
• (±0.08, ±0.04, ±0.02, ±0.015, ±0.0005), pâna când schimbarea lui δ este
mai mica de 1%.
• Cel mai bun parametru h2 pentru trend este gasit de obicei sa fie mai mic
decât h1 , pentru nivel. Explicatia este aceea ca în comparatie cu nivelul,
cantitatea de trend pentru fiecare perioada este foarte mica. Daca
adunam aceeasi fractie a erorii atât la trend cât si la nivel, previziunea
poate fi instabila.
• Se fixeză o limita inferioara pentru: h1 = 0.1 si h2 = 0.01.
Model cu trend liniar – exerciţiu (1)
TIMP DATE_ACT FIT_1 ERR_1
1 54.00 54.95455 -0.95455
2 55.00 56.69182 -1.69182
3 57.00 58.22002 -1.22002
4 60.00 59.69780 0.30220
5 66.00 61.35197 4.64803
6 62.00 63.81258 -1.81258
7 59.00 65.48211 -6.48211
8 65.00 66.16612 -1.16612
9 69.00 67.28844 1.71156
10 70.00 68.83546 1.16454
11 63.00 70.42093 -7.42093
12 75.00 70.55419 4.44581
Model cu trend liniar – exerciţiu (2)
Initial values: Series Trend
53,04545 1,90909
DFE = 10.
The 10 smallest SSE's are: Alpha Gamma SSE
,1000000 ,8000000 152,74144
,1000000 ,6000000 152,88282
,1000000 1,000000 154,15470
,1000000 ,4000000 155,74678
,1000000 ,2000000 163,47411
,2000000 ,2000000 163,47484
,2000000 ,4000000 165,75465
,2000000 ,0000000 171,05706
,2000000 ,6000000 171,71315
,3000000 ,0000000 175,14811
The following new variables are being created:
NAME LABEL
FIT_1 Fit for DATE_ACT from EXSMOOTH, MOD_12 HO A ,10 G ,80
ERR_1 Error for DATE_ACT from EXSMOOTH, MOD_12 HO A ,10 G ,80
Model cu trend liniar – exerciţiu (3)
80
70
60
DA T E _ A CT
50 Fi t DA T E _ A
1 2 3 4 5 6 7 8 9 10 11 12
TI M P
Modele cu trend neliniar (1)
• Modelul cu trend liniar poate fi adaptat la trenduri
neliniare.
• Se adaugă un nou parametru de control la rata de
crestere din previziune, φ - parametru de
modificare a trendului. Ecuatiile modelului sunt:
(1) et = Xt - Xt-1(1)
(8) St = St-1 + φTt-1 + h1 et
(9) Tt = φTt-1 + h2 et
(10) Xt(m)= St + Σi=1 φi Ti
70
F it f or DA T E _ A C T
EXSM O O T H, M O D
60
F it f or DA T E _ A C T
EXSM O O T H, M O D
DA T E _ A CT
F it f or DA T E _ A C T
50 EXSM O O T H, M O
1 2 3 4 5 6 7 8 9 10 11 12
TI M P
Concluzii
• Modelul neliniar deseori produce previziuni care sunt
aproximativ la fel cu cele obtinute prin:
- modelul cu nivel constant φ = 0,
- modelul liniar φ = 1.
• Modelul neliniar se poate utiliza în general pentru serii
cronologice fara sezonalitate; cele patru cazuri fiind:
1. φ ~ 0 - nivel constant,
2. φ < 1 - trend în declin (saturat),
3. φ ~ 1 - trend liniar,
4. φ > 1 - trend exponential.