【正文】 14:27:2023:27:2023:272/17/2023 2:27:20 PM 1越是沒有本領(lǐng)的就越加自命不凡。 2023年 2月 17日星期五 下午 2時(shí) 27分 20秒 14:27: 1比不了得就不比，得不到的就不要。 於準(zhǔn)備定量資料預(yù)測(cè)實(shí)務(wù)上，電腦扮演重要角色，其可讓管理者快速建立與修正預(yù)測(cè)，且無(wú)手動(dòng)計(jì)算負(fù)擔(dān)。 結(jié)束 服務(wù)業(yè)作業(yè)管理技術(shù) 預(yù)測(cè) 48 預(yù)測(cè)誤差 觀察預(yù)測(cè)誤差以確定誤差是否在 合理範(fàn)圍 之內(nèi)。決定 失業(yè)水準(zhǔn) 是否能 預(yù)測(cè)新房子需求 ；若能預(yù)測(cè)，請(qǐng)推導(dǎo)預(yù)測(cè)方程式。 ?消除時(shí)間序列的季節(jié)性：將 季節(jié)因素 自資料中移除，以得到更清楚的 非季節(jié)性趨勢(shì) 。 ? F6=(40)+(43)+(40)+(41)= ? F7=(43)+(40)+(41)+(39)= 預(yù)測(cè) 21 期數(shù) 需求 1 42 2 40 3 43 4 40 5 41 結(jié)束 服務(wù)業(yè)作業(yè)管理技術(shù) 預(yù)測(cè) 22 平均法分析技術(shù) 指數(shù)平滑法 (3/3) 指數(shù)平滑法 ?每一個(gè)新預(yù)測(cè)值 以前一個(gè)預(yù)測(cè)值為基礎(chǔ) ，再加上 預(yù)測(cè)值與實(shí)際值差額 的百分比。 6. 追蹤 預(yù)測(cè)。 預(yù)測(cè)必須考慮二種資訊： 目前情況 條件 與因素 過(guò)去類似 情況的 處理經(jīng)驗(yàn) 我看到你這學(xué)期將 得到一個(gè) A。 描述三種以上定性預(yù)測(cè)技術(shù)，並說(shuō)明其優(yōu)缺點(diǎn) 。 短期預(yù)測(cè) 可使用之 預(yù)測(cè)方法 較中、長(zhǎng)期預(yù)測(cè)為多。 3. 選擇 預(yù)測(cè)方法 。 ?假設(shè)條件 —愈 近期 觀察資料，愈有可能得到 最準(zhǔn)確預(yù)測(cè)值 ，因此應(yīng)該給予較 近期數(shù)值較大 的權(quán)數(shù) ?權(quán)重選擇通常要 使用試誤法 。 ?季節(jié)性變動(dòng)於零售業(yè)規(guī)劃與排程之重要因素，此外掌握 尖峰負(fù)荷 亦很重要。 2r2結(jié)束 服務(wù)業(yè)作業(yè)管理技術(shù) Regression Example 某公司過(guò)去行動(dòng)電話銷售量，如下表所列。 (SPSS, MINITAB, MATLAB, Excel+VBA) 結(jié)束 服務(wù)業(yè)作業(yè)管理技術(shù) 預(yù)測(cè) 47 預(yù)測(cè)精確度與管制 預(yù)測(cè) 精確度 與 管制 對(duì)預(yù)測(cè)來(lái)說(shuō)是相當(dāng)重要層面。 ()MA Dtttt??? 實(shí) 際 值 誤差值追蹤 訊號(hào)45??到結(jié)束 服務(wù)業(yè)作業(yè)管理技術(shù) 預(yù)測(cè) 59 選擇預(yù)測(cè)技巧 選擇預(yù)測(cè)技巧的二個(gè)重要因素： ?成本 ?精確性 最佳的預(yù)測(cè)不一定是精確度最高或成本最低，而是管理者認(rèn)定的精確度與成本之最佳組合。 :27:2023:27Feb2317Feb23 1故人江海別，幾度隔山川。 2023年 2月 17日星期五 2時(shí) 27分 20秒 14:27:2023 February 2023 1空山新雨后，天氣晚來(lái)秋。勝人者有力，自勝者強(qiáng)。 2023年 2月 17日星期五 2時(shí) 27分 20秒 14:27:2023 February 2023 1做前，能夠環(huán)視四周；做時(shí)，你只能或者最好沿著以腳為起點(diǎn)的射線向前。 ?利用歷史資料進(jìn)行直覺式判定 沒有信心與精確達(dá)成任務(wù) 。 ntt? ?? 預(yù)測(cè)值實(shí)際值MAD結(jié)束 服務(wù)業(yè)作業(yè)管理技術(shù) 預(yù)測(cè) 51 均方誤差（ MSE） MSE 是 預(yù)測(cè)誤差平方 的平均值。 2. 在直線附近的偏差應(yīng)為 常態(tài)分配 。 1. 使用 季節(jié)趨勢(shì)方程式 並針對(duì)目標(biāo)期間以求得趨勢(shì) 估計(jì)值。相反地，平滑常數(shù) 愈接近 1，則反應(yīng)愈大 ， 平滑程度 愈 小 。 ?趨勢(shì)型 – 長(zhǎng)期數(shù)據(jù)變動(dòng) (股價(jià)變動(dòng) ) ?季節(jié)型 – 短期數(shù)據(jù)規(guī)律性變動(dòng) (節(jié)日型產(chǎn)品銷售量、淡季 /旺季 ) ?循環(huán)型 – 超過(guò)持續(xù)一年以上，數(shù)據(jù)波浪型變動(dòng) ?不規(guī)則變動(dòng)型 – 起因於不尋常環(huán)境變化 (政治 /經(jīng)濟(jì) ) ?隨機(jī)變動(dòng)型 – 起因於偶發(fā)機(jī)會(huì) (地震、 豪雨 ) 結(jié)束 服務(wù)業(yè)作業(yè)管理技術(shù) 預(yù)測(cè) 13 時(shí)間序列預(yù)測(cè) (1/3) 可能之時(shí)間序列圖形 ? 趨勢(shì) ? 季節(jié)性 ? 循環(huán) ? 不規(guī)則變動(dòng) ? 隨機(jī)變動(dòng) 結(jié)束 服務(wù)業(yè)作業(yè)管理技術(shù) 預(yù)測(cè) 14 天真預(yù)測(cè)法 噢，等一下 .... 我們上週銷售了 250個(gè)輪胎 .... 所以，我們下週應(yīng)該銷售 .... 每一期預(yù)測(cè)值等於前一期的實(shí)際值 結(jié)束 服務(wù)業(yè)作業(yè)管理技術(shù) 預(yù)測(cè) 15 時(shí)間序列的預(yù)測(cè) (2/3) 天 真預(yù)測(cè)法 ? 使用 前一期數(shù)值 當(dāng)作 預(yù)測(cè)基礎(chǔ) 。 3. 整體項(xiàng)目 預(yù)測(cè)會(huì)比 單一預(yù)測(cè) 更為精確 。 描述 三種預(yù)測(cè)精確性 之績(jī)效衡量方式 。 ) ?長(zhǎng)期預(yù)測(cè) ?預(yù)測(cè)期間在三年以上的預(yù)測(cè)。 6. 預(yù)測(cè)必須符合 成本效益 。 ?例如： 期數(shù) 實(shí)際值 與前一個(gè)值之差 預(yù)測(cè)值 t2 50 t1 53 +3 (下一個(gè) )t 53+3 結(jié)束 服務(wù)業(yè)作業(yè)管理技術(shù) 預(yù)測(cè) 17 時(shí)間序列預(yù)測(cè)方法 (3/3) 平均法分析技術(shù) (Averaging methods) ? 移動(dòng)平均法 (Moving average)以 近期實(shí)際數(shù)值之平均 作為最新 預(yù)測(cè)值 的參考 ? 加權(quán)平均法 (Weighted moving average):以愈近期數(shù)值乘以 愈大權(quán)數(shù) 方法以估算 預(yù)測(cè)值 ? 指數(shù)平均法 (Exponential smoothing average) nAniin??? 1MA結(jié)束 服務(wù)業(yè)作業(yè)管理技術(shù) 預(yù)測(cè) 18 平均法分析技術(shù) (1/3) 移動(dòng)平均法 ? 使用 數(shù)個(gè)近期 實(shí)際資料產(chǎn)生預(yù)測(cè)值。 ?加法模型：季節(jié)性是以 數(shù)量 表示，即時(shí)間序列之 平均數(shù)加上或減去某一數(shù)量 。相關(guān)係數(shù) r 的範(fàn)圍為 +。 3. 所有觀測(cè)值之 權(quán)重皆相等 。 管制圖有下列基本假設(shè)：當(dāng)誤差為 隨機(jī)分配 時(shí)，誤差會(huì)是 常態(tài)分配 ，且 平均值在 0 的附近。 結(jié)束 服務(wù)業(yè)作業(yè)管理技術(shù) 預(yù)測(cè) 72 結(jié)束 靜夜四無(wú)鄰，荒居舊業(yè)貧。 2023年 2月 17日星期五 下午 2時(shí) 27分 20秒 14:27: 1楚塞三湘接