【正文】 14:27:2023:27:2023:272/17/2023 2:27:20 PM 1越是沒有本領的就越加自命不凡。 2023年 2月 17日星期五 下午 2時 27分 20秒 14:27: 1比不了得就不比，得不到的就不要。 於準備定量資料預測實務上，電腦扮演重要角色，其可讓管理者快速建立與修正預測，且無手動計算負擔。 結束 服務業(yè)作業(yè)管理技術 預測 48 預測誤差 觀察預測誤差以確定誤差是否在 合理範圍 之內。決定 失業(yè)水準 是否能 預測新房子需求 ；若能預測，請推導預測方程式。 ?消除時間序列的季節(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 。 ? F6=(40)+(43)+(40)+(41)= ? F7=(43)+(40)+(41)+(39)= 預測 21 期數(shù) 需求 1 42 2 40 3 43 4 40 5 41 結束 服務業(yè)作業(yè)管理技術 預測 22 平均法分析技術 指數(shù)平滑法 (3/3) 指數(shù)平滑法 ?每一個新預測值 以前一個預測值為基礎 ，再加上 預測值與實際值差額 的百分比。 6. 追蹤 預測。 預測必須考慮二種資訊： 目前情況 條件 與因素 過去類似 情況的 處理經(jīng)驗 我看到你這學期將 得到一個 A。 描述三種以上定性預測技術，並說明其優(yōu)缺點 。 短期預測 可使用之 預測方法 較中、長期預測為多。 3. 選擇 預測方法 。 ?假設條件 —愈 近期 觀察資料，愈有可能得到 最準確預測值 ，因此應該給予較 近期數(shù)值較大 的權數(shù) ?權重選擇通常要 使用試誤法 。 ?季節(jié)性變動於零售業(yè)規(guī)劃與排程之重要因素，此外掌握 尖峰負荷 亦很重要。 2r2結束 服務業(yè)作業(yè)管理技術 Regression Example 某公司過去行動電話銷售量，如下表所列。 (SPSS, MINITAB, MATLAB, Excel+VBA) 結束 服務業(yè)作業(yè)管理技術 預測 47 預測精確度與管制 預測 精確度 與 管制 對預測來說是相當重要層面。 ()MA Dtttt??? 實 際 值 誤差值追蹤 訊號45??到結束 服務業(yè)作業(yè)管理技術 預測 59 選擇預測技巧 選擇預測技巧的二個重要因素： ?成本 ?精確性 最佳的預測不一定是精確度最高或成本最低，而是管理者認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 27分 20秒 14:27:2023 February 2023 1空山新雨后，天氣晚來秋。勝人者有力，自勝者強。 2023年 2月 17日星期五 2時 27分 20秒 14:27:2023 February 2023 1做前，能夠環(huán)視四周；做時，你只能或者最好沿著以腳為起點的射線向前。 ?利用歷史資料進行直覺式判定 沒有信心與精確達成任務 。 ntt? ?? 預測值實際值MAD結束 服務業(yè)作業(yè)管理技術 預測 51 均方誤差（ MSE） MSE 是 預測誤差平方 的平均值。 2. 在直線附近的偏差應為 常態(tài)分配 。 1. 使用 季節(jié)趨勢方程式 並針對目標期間以求得趨勢 估計值。相反地，平滑常數(shù) 愈接近 1，則反應愈大 ， 平滑程度 愈 小 。 ?趨勢型 – 長期數(shù)據(jù)變動 (股價變動 ) ?季節(jié)型 – 短期數(shù)據(jù)規(guī)律性變動 (節(jié)日型產(chǎn)品銷售量、淡季 /旺季 ) ?循環(huán)型 – 超過持續(xù)一年以上，數(shù)據(jù)波浪型變動 ?不規(guī)則變動型 – 起因於不尋常環(huán)境變化 (政治 /經(jīng)濟 ) ?隨機變動型 – 起因於偶發(fā)機會 (地震、 豪雨 ) 結束 服務業(yè)作業(yè)管理技術 預測 13 時間序列預測 (1/3) 可能之時間序列圖形 ? 趨勢 ? 季節(jié)性 ? 循環(huán) ? 不規(guī)則變動 ? 隨機變動 結束 服務業(yè)作業(yè)管理技術 預測 14 天真預測法 噢，等一下 .... 我們上週銷售了 250個輪胎 .... 所以，我們下週應該銷售 .... 每一期預測值等於前一期的實際值 結束 服務業(yè)作業(yè)管理技術 預測 15 時間序列的預測 (2/3) 天 真預測法 ? 使用 前一期數(shù)值 當作 預測基礎 。 3. 整體項目 預測會比 單一預測 更為精確 。 描述 三種預測精確性 之績效衡量方式 。 ) ?長期預測 ?預測期間在三年以上的預測。 6. 預測必須符合 成本效益 。 ?例如： 期數(shù) 實際值 與前一個值之差 預測值 t2 50 t1 53 +3 (下一個 )t 53+3 結束 服務業(yè)作業(yè)管理技術 預測 17 時間序列預測方法 (3/3) 平均法分析技術 (Averaging methods) ? 移動平均法 (Moving average)以 近期實際數(shù)值之平均 作為最新 預測值 的參考 ? 加權平均法 (Weighted moving average):以愈近期數(shù)值乘以 愈大權數(shù) 方法以估算 預測值 ? 指數(shù)平均法 (Exponential smoothing average) nAniin??? 1MA結束 服務業(yè)作業(yè)管理技術 預測 18 平均法分析技術 (1/3) 移動平均法 ? 使用 數(shù)個近期 實際資料產(chǎn)生預測值。 ?加法模型：季節(jié)性是以 數(shù)量 表示，即時間序列之 平均數(shù)加上或減去某一數(shù)量 。相關係數(shù) r 的範圍為 +。 3. 所有觀測值之 權重皆相等 。 管制圖有下列基本假設：當誤差為 隨機分配 時，誤差會是 常態(tài)分配 ，且 平均值在 0 的附近。 結束 服務業(yè)作業(yè)管理技術 預測 72 結束 靜夜四無鄰，荒居舊業(yè)貧。 2023年 2月 17日星期五 下午 2時 27分 20秒 14:27: 1楚塞三湘接