銷售預測培訓(編輯修改稿)
2025-02-02 18:45 本頁面
【文章內容簡介】 (+++++)/6=.l 小結：該方法對具有線性趨勢的序列效果較好。l xt = a + b t + zt2023年 8月 中國人民大學252。 彈性分析預測法252。 回歸方法252。簡單回歸分析法252。多元回歸分析法252。非線性回歸分析法252。 確定性時間序列252。移動平均252。指數平滑252。Holt方法– Winter方法– 時間序列分解l 隨機時間序列l(wèi) 其它方法2023年 8月 中國人民大學HAVE A REST!休息一會兒！ Winter方法：帶季節(jié)的指數平滑l 預測帶有趨勢和季節(jié)性的時間序列– c=季節(jié)周期的長度，包含的時期數 (c=4,c=12)– st 是觀測 xt后得到的月份 t的季節(jié)因子的估計 .– Lt和 Tt含義同 Holt方法– a, b, g是平滑系數，都在 0與 1之間。l 例如，設七月份 s7=2.– 觀測到 7月份的空調銷售后，認為 7月的空調銷量 是 平均月份銷量的兩倍 (所有其他因素不變 )2023年 8月 中國人民大學 Winter方法：帶季節(jié)的指數平滑l 每期的 Lt,Tt,和 st按照順序更新 (x = s L) Lt=axt / stc +(1a) (Lt1+ Tt1)Tt=b(LtLt1) +(1b) Tt1st =gxt / Lt+(1g) stc l 第一個方程更新序列基本水平的估計，加權平均 : Lt1+ Tt1 觀測 xt前的基本水平估計 . xt / stc 季節(jié)調整后的觀測，從當前時期獲得的基本水平估計l 第二個方程更新趨勢 l 第三個方程更新月份 t的季節(jié)因子的估計，加權平均：stc 月份 t的季節(jié)因子的最新估計 xt / Lt從當前月份獲得的月份 t的季節(jié)因子的估計2023年 8月 中國人民大學 Winter方法：帶季節(jié)的指數平滑l 在 t時期末 ,月份 t+k的預測 ft,k =(Lt+ kTt)st+kc l 需要基本水平、趨勢和所有季節(jié)因子的較好初始估計 ,L0 , T0,s11 ,s10 ,… ,s0l 一個簡單的方法，需要兩年的數據 .設前兩年的銷售如下（分月） :Year2: 4,3,10,14,25,26,38,40,28,17,16,13Year1: 9,6,18,27,48,50,75,77,52,33,31,24總銷售 year2=234總銷售 year1=4502023年 8月 中國人民大學 Winter方法：帶季節(jié)的指數平滑l T0 = [(year –1平均月份銷量 ) (year –2平均月份銷量 )]/12 = [450/12 – 234/12]/12 =l 估計 L0,year1平均月份銷量＝ 450/12估計 year1中間的基本水平 (year1的 月 )，將這個估計帶到 year1的 12月份末 . L0=450/12+(12)T0=+()=.2023年 8月 中國人民大學 Winter方法：帶季節(jié)的指數平滑l 估計某個月份的季節(jié)因子 (.,1月 s11 =):在 year2平均月份銷量是 ，year–2的 1月實際銷量是 4.1月季節(jié)因子 year2估計 =4/=.1月季節(jié)因子 year1估計 =9/=.最后得到 s11=(+)/2=.l 同樣得到s10 =,s9 =,s8 =,s7 =,s6 =,s5 =,s4 =,s3 =,s2 =,s1=,ands0 s11 =2023年 8月 中國人民大學 Winter方法：帶季節(jié)的指數平滑l 1月初 ,1月空調銷量的預測f0,1 =(L0+ T0)s0+112 = (+) =l 1月初 ,7月空調銷量的預測f0,7 =(L0+ 7T0)s0+712 = (+7()) = l a = , b = , g=,對前 12個月的空調銷售數據運用該方法，結果如下：2023年 8月 中國人民大學MonthSalesLt Tt st ft1,1 error1 13 2 7 3 23 4 32 5 58 160
職業(yè)教育相關推薦
鄂ICP備17016276號-1