Условие:
На основании данных табл. 8 дать прогноз объема продаж на следующие три дня. Исходные данные для расчета прогнозных показателей
| Пн | BT | Cp | Чт | Пт | C6 | Вск |
|---|---|---|---|---|---|---|
| 2 | 6 | 4 | 6 | 7 | 9 | 10 |
| 2 | 5 | 1 | 7 | 5 | 11 | 15 |
В задание рассматривается возможность использования данных за прошлые периоды для прогнозирования. Множество данных, где время является независимой переменной, называется временным рядом. Общее изменение со временем результативного признака называется трендом. В задачах будут рассматриваться модели линейного тренда, то 54 есть параметры тренда можно рассчитать с помощью модели линейной регрессии. Сезонная вариация - это повторение данных через небольшой промежуток времени. Под «сезоном можно понимать» день, неделю, месяц, квартал. Если же промежуток времени будет длительным, то это циклическая вариация. Мы остановимся на изучении данных для небольших интервалов времени, поэтому циклическую вариацию исключим из рассмотрения. Сначала на основе прошлых данных определяется сезонная вариация. Исключив сезонную вариацию (проведя так называемую десезонализацию данных) с помощью модели линейной регрессии находим уравнение тренда. По уравнению тренда и прошлым данным вычисляем величины ошибок (среднее абсолютное отклонение и среднеквадратическую ошибку). Среднее абсолютное отклонение MAD = Y y ln , Среднеквадратическая ошибка MSE =∧ е, 2 / л, где еt - это разность фактического и прогнозного значений в момент времени tb п-число наблюдений. 1) Анализ аддитивной модели Для аддитивной модели фактическое значение A= трендовое значение T+ сезонная вариация S+ ошибка Е.