物流需求預測概述課件(編輯修改稿)
2025-01-25 23:09 本頁面
【文章內(nèi)容簡介】 時期的預測數(shù)。應用簡單移動平均法進行預測時，本期的預測值等于過去各期的實際發(fā)生量之和除以預測期數(shù)。其計算公式為： )(1 1211 ????? ????? nttttt AAAAnMA ?式中 : At —— 第 t期的實際值； MAt+1—— 第 ?t＋ 1?期預測值； n—— 移動平均的時間段數(shù)（ n≤t ）。 第四節(jié) 物流需求預測方法 （ 2）加權移動平均法 根據(jù)實際值距離預測期遠近的不同，分別賦予它們不同的權數(shù)，依次來提高預測的可靠性。計算公式為 : 1122111 ????????? ????? ntntttttttt AWAWAWAWMA ?式中 Wt—— 第 t期的權數(shù)值； 其他各字母含義同前。 第四節(jié) 物流需求預測方法 此方法是利用過去的數(shù)據(jù)資料，使用平滑指數(shù)來進行預測的一種方法。對最近期的數(shù)據(jù)觀察值賦予最大的權重，而對以前各期的數(shù)據(jù)觀察值則順序地賦予遞減的權重，而不是給所有的數(shù)據(jù)以同等的重要性。這樣的處理顯得較為合理，因為最近期的觀察值已經(jīng)包含了最多的未來情況的信息。相對于移動平均法而言，指數(shù)平滑法大大減少了對歷史數(shù)據(jù)存儲量的需求。其計算公式為： ? 1 1 1()t t t tF F A F? ? ?? ? ? ?或 11)1( ?? ????? ttt FAF式中 Ft—— 第期的預測值； Ft1—— 第 t－ 1期的預測值； At1 —— 第期的實際值； —— 平滑指數(shù)（ 0≤ ≤1 ）。 ?? 第四節(jié) 物流需求預測方法 ? 此方法就是找出預測對象（因變量）與影響預測對象的各種因素（自變量）之間的關系，并建立相應的回歸方程式，然后代入自變量的數(shù)值，求得因變量的方法?；貧w預測法是一個十分有用的預測方法，尤其適用于長期預測。主要的不足在于，想要進行可靠的預測，就需要大量的數(shù)據(jù)資料。 ? 在回歸預測中，所選定的因變量是指需要求得預測結果的那個變量，即預測對象。自變量則是指影響預測對象變化的、與因變量有密切關系的變量。在實際操作中，選擇一個變量為因變量，而將其余的變量作為自變量，然后根據(jù)有關的歷史統(tǒng)計數(shù)據(jù)，研究測定因變量與自變量之間的關系。根據(jù)這些變量之間的相互關系擬合一定的曲線，這條曲線就叫做回歸曲線，表達這條曲線的數(shù)學公式就叫做回歸方程式。 第四節(jié) 物流需求預測方法 ? 下面將重點介紹一元線性回歸預測法 ? 一元線性回歸法 也叫最小二乘法，它是用來處理兩個變量之間具有線性關系的一種方法。這種方法的特點是：先根據(jù) ?X、 Y?現(xiàn)有的實際數(shù)據(jù)和統(tǒng)計資料，把 ?X、 Y?作為已知數(shù)，再尋找合適的 ?a、 b?回歸系數(shù)，并根據(jù)回歸系數(shù)來確定回歸方程。然后利用已求得的回歸方程，得出一條趨勢變動直線，并使此直線上的各點到實際資料對應點之間的距離最小。從而使這條直線最能代表實際數(shù)據(jù)的變動，并作為預測的依據(jù)。 第四節(jié) 物流需求預測方法 設 X、 Y?兩變量滿足趨勢變動直線方程 : Y＝ a＋ bX 式中 X—— 自變量； Y—— 因變量或預測量； a、 b—— 回歸系數(shù)。 現(xiàn)有數(shù)據(jù)資料 ?Xi、 Yi（ i＝ 1， 2， 3， ? ， n），經(jīng)整理，可得回歸系數(shù)a、 b?為： ?????? niinii XnbYna1111 ?????? ???????? niniiniiiniiniiniiiXXXnXYYXnb1 112111???niiYna11121niiiniin X YbnX?????公式簡化 公式簡化
教學課件相關推薦
鄂ICP備17016276號-1