Previsão de séries temporais usando o QM para Windows. Continuação. Time Series Forecasting Usando QM para Windows. QM para Windows tem a capacidade de executar a previsão para todos os métodos de séries temporais que descrevemos até agora o QM para Windows tem módulos para médias móveis, suavização exponencial e suavização exponencial ajustada e linear Para demonstrar a capacidade de previsão do QM para Windows, geraremos a suavização exponencial de uma previsão 30 calculada manualmente para PM Computer Services Tabela 15 4 A saída da solução é mostrada na Figura 15 6.Exhibit 15 6. Este item é exibido na página 691 na versão impressa. Observe que o resumo da solução inclui a previsão por período e a previsão para o próximo período 13, bem como três medidas de polarização do erro médio de precisão de previsão, desvio absoluto médio MAD e erro quadrático médio MSE. Quadrados ou o módulo de regressão linear simples no QM para Windows pode ser usado para desenvolver uma previsão de linha de tendência linear Usando o módulo de mínimos quadrados, a solução Para as previsões de linha de tendência linear que desenvolvemos para PM Computer Services é mostrada no Anexo 15 7.Exibição 15 7. Page 691 continuação. Métodos de regressão. As técnicas de séries temporais de suavização exponencial e média móvel referem-se a uma única variável que está sendo previ - Ao contrário, a regressão é uma técnica de previsão que mede a relação de uma variável com uma ou mais variáveis. Por exemplo, se sabemos que alguma coisa tem causado uma demanda de produto de certa forma no passado, gostaríamos de Identificar essa relação Se a mesma coisa acontece novamente no futuro, podemos então prever o que a demanda será Por exemplo, há uma relação bem conhecida entre o aumento da demanda em novas habitações e taxas de juros mais baixas Correspondentemente, uma miríade de produtos de construção e Serviços aumentam a procura se a habitação nova começa a aumentar Similarmente, um aumento nas vendas de leitores de DVD resulta num aumento da procura de DVD. Orm de regressão é a regressão linear, que você se lembrará de que usamos anteriormente para desenvolver uma linha de tendência linear para previsão. Na próxima seção, vamos mostrar como desenvolver um modelo de regressão para variáveis relacionadas a itens diferentes do tempo. Regressão Linear. Regressão linear simples Relaciona uma variável dependente com uma variável independente na forma de uma equação linear. A regressão linear relaciona a variável dependente da demanda com uma variável independente. Para desenvolver a equação linear, a inclinação, b eo intercepto, a deve primeiro ser calculado usando o seguinte Fórmulas de mínimos quadrados. Vamos considerar a regressão dentro do contexto de um exemplo O departamento de atletismo da Universidade do Estado quer desenvolver seu orçamento para o próximo ano, usando uma previsão de presença no futebol Futebol presenças contas para a maior parte de suas receitas eo diretor atlético acredita Freqüência está diretamente relacionada ao número de vitórias da equipe O gerente de negócios acumulou O atleta acredita que a equipe vai ganhar pelo menos sete jogos no próximo ano. Ele quer desenvolver uma equação de regressão simples para esses dados para prever a frequência Para este nível de sucesso. Os cálculos necessários para computar a e b usando as fórmulas dos mínimos quadrados são resumidos na Tabela 15 10 Note que a magnitude de y foi reduzida para facilitar a computação manual. Tabela 15 10 Cálculo de mínimos quadrados , 1.000.Substituindo esses valores para aeb na linha de equação linear, temos. Portanto, para x 7 vitórias, a previsão de atendimento is. y 18 46 4 06 7 46 88 ou 46.880.Os pontos de dados com a regressão A linha é mostrada na Figura 15 6 Observando a linha de regressão em relação aos pontos de dados, parece que os dados seguem uma tendência linear ascendente distinta, o que indicaria que a previsão deve ser relativamente precisa. O valor AD para este modelo de previsão é 1 41, o que sugere uma previsão precisa. A correlação em uma equação de regressão linear é uma medida da força da relação entre as variáveis independentes e dependentes. A fórmula para o coeficiente de correlação é. A correlação é uma medida de A força da relação entre variáveis independentes e dependentes. O valor de r varia entre 1 00 e 1 00, com um valor de 1 00 indicando uma forte relação linear entre as variáveis Se r 1 00, então um aumento na variável independente será Resultar em um aumento linear correspondente na variável dependente Se r 1 00, um aumento na variável dependente resultará em uma diminuição linear na variável dependente Um valor de r próximo ao zero implica que há pouca ou nenhuma relação linear entre as variáveis. 15 6 Linha de regressão linear. Podemos determinar o coeficiente de correlação para a equação de regressão linear determinada em nosso exemplo da Universidade Estadual por subs Titulando a maioria dos termos calculados para a fórmula de mínimos quadrados, com exceção de S y 2 na fórmula para r. Esse valor para o coeficiente de correlação é muito próximo de um, indicando uma forte relação linear entre o número de vitórias ea assistência domiciliar. Da força da relação entre as variáveis em uma equação de regressão linear é o coeficiente de determinação É calculado simplesmente quadrando o valor de r Indica a porcentagem da variação na variável dependente que é um resultado do comportamento do independente Para o nosso exemplo, r 948 assim, o coeficiente de determinação é. O coeficiente de determinação é a porcentagem da variação na variável dependente que resulta da variável independente. Esse valor para o coeficiente de determinação significa que 89 9 do valor De variação na freqüência pode ser atribuída ao número de vitórias pela equipe com os restantes 10 1 devido a outros fatores inexplicáveis, Como um bom ou mau começo, publicidade, etc. Um valor de um ou 100 indicaria que o atendimento depende totalmente de vitórias. No entanto, como 10 1 da variação é resultado de outros fatores, pode-se esperar alguma quantidade de erro de previsão . Aplicação de Ciência de Gerenciamento Previsão Demanda Diária na Indústria de gás. Vermont Gas Systems é uma utilidade de gás natural que atende aproximadamente 26.000 clientes comerciais, industriais e residenciais em 13 cidades e cidades no noroeste de Vermont As previsões de demanda são uma parte crítica dos sistemas de gás de Vermont A cadeia de suprimentos que se estende por todo o Canadá de fornecedores no oeste do Canadá para instalações de armazenamento ao longo do gasoduto TransCanada para Gasoduto de Vermont Gas Systems pipeline Gas pedidos devem ser especificados aos fornecedores com pelo menos 24 horas de antecedência Vermont Gas Systems tem capacidade de armazenamento disponível para um inventário de buffer 1 hora de uso de gás, de modo que uma previsão diária precisa da demanda de gás é essencial. Vermont Gas Systems usa a regressão para prever a Y demanda de gás Em seus modelos de previsão, a demanda de gás é a variável dependente e fatores como as informações meteorológicas ea demanda do cliente industrial são variáveis independentes Durante o inverno, os clientes usam mais gás para o calor, fazendo uma previsão meteorológica precisa um fator muito importante 3 Dia previsões meteorológicas são fornecidas para Vermont Sistemas de Gás cinco vezes por dia a partir de um serviço de previsão meteorológica previsões de regressão individual são desenvolvidos para 24 grandes usos industriais e municipais clientes, como fábricas, hospitais e escolas Demanda de uso final é a capacidade potencial total De todos os aparelhos de gás natural no sistema Ele muda diariamente, como novos clientes mudam-se para uma nova casa, apartamento ou negócio, adicionando novos aparelhos ou equipamentos para o sistema O utilitário usa apenas os últimos 30 dias de dados de demanda no desenvolvimento de sua previsão Modelos, e atualiza os modelos em uma base semanal Vermont Gas Systems interpreta os resultados do modelo de previsão e os complementa com Seu conhecimento individual do sistema de distribuição da cadeia de suprimentos e o uso do cliente para desenvolver uma previsão diária global e precisa da demanda de gás. A Columbia Gas Company, em Ohio, uma subsidiária do Columbia Energy Group, com sede em Virginia, é a maior empresa de gás natural em Ohio. 1 3 milhões de clientes em mais de 1.000 comunidades Colômbia emprega dois tipos de previsão diária a previsão do dia do projeto ea previsão operacional diária A previsão do dia do projeto é usada para determinar a quantidade de gás, capacidade de transporte e capacidade de armazenamento que a Columbia precisa para atender Suas necessidades do cliente É muito importante que a previsão do dia do projeto seja exata se não for, Columbia não pode contratar para bastante gás de seus fornecedores, que poderia criar escassezes e põr seus clientes no risco A previsão operacional diária é usada para assegurar que programado Suprimentos são equilibrados com as demandas previstas para o próximo período de 5 dias É usado para equilibrar a oferta e a demanda diariamente Th O processo de previsão é similar para os dois tipos de previsões. Columbia utiliza análise de regressão múltipla, baseada na demanda diária de 2 anos e várias variáveis independentes relacionadas ao tempo para desenvolver os parâmetros de um modelo de previsão de séries temporais para a previsão do dia do projeto eo diário Previsão de demanda diária na Columbia Gas, Journal of Business Forecasting 19, no 2 Verão de 2000 105 Observe que o Excel calcula a inclinação diretamente com a fórmula SLOPE B5 B12, A5 A12 inserida na célula E7 e mostrada em A fórmula barra no topo da planilha A fórmula para a interceptação na célula E6 é INTERCEPT B5 B12, A5 A12 Os valores para a inclinação e interceptar são sub Sequencialmente inserido nas células E9 e G9 para formar a equação de regressão linear O coeficiente de correlação na célula E13 é calculado usando a fórmula CORREL B5 B12, A5 A12 Embora não seja mostrado na planilha, o coeficiente de determinação r 2 poderia ser calculado por Usando a fórmula RSQ B5 B12, A5 A12.Exibição 15 8. Este item é exibido na página 696 na versão impressa. A mesma equação de regressão linear poderia ser calculada no Excel se tivéssemos desenvolvido e inserido as fórmulas matemáticas para calcular a inclinação e Intercept que desenvolvemos na seção anterior, embora isso teria sido mais demorado e tedious. It também é possível desenvolver um diagrama de dispersão de nossos dados de exemplo semelhante ao gráfico mostrado na Figura 15 6 usando o Assistente de Gráficos em Excel Primeiro , Cubra os dados de exemplo nas células A5 B12 na planilha no Anexo 15 8 Clique em Inserir na barra de ferramentas na parte superior da planilha Isso resultará no menu mostrado na Figura 15 9.Exibição 15 9.Selec T Gráfico a partir deste menu, que acessará a janela do Assistente de Gráfico Na janela Assistente de Gráfico, selecione o gráfico de dispersão XY no menu Tipo de Gráfico, conforme mostrado na Figura 15 10. Ao clicar em Avançar na janela no Anexo 15 10, Parcela dos dados do exemplo Se você esqueceu de cobrir suas células de dados de exemplo mais cedo, você será solicitado a fazê-lo neste ponto este é o intervalo A5 B12 Clicar em Avançar permitirá que você adicione ou exclua legendas de gráfico, título do gráfico e E, em geral, personalizar seu gráfico Clicar em Concluir exibirá o gráfico em sua planilha para que você possa posicioná-lo, reduzi-lo, expandi-lo ou trabalhá-lo um pouco mais Figura 15 11 mostra nossa planilha com o diagrama de dispersão do nosso exemplo Data. Exhibit 15 10.Exibir 15 11. Uma previsão de regressão linear também pode ser desenvolvida diretamente com o Excel usando a opção Análise de dados do menu Ferramentas que acessamos anteriormente para desenvolver uma previsão exponencial suavizada. A seleção da essência da janela de análise de dados e a figura 15 13 mostra a janela de regressão Nós primeiro entramos as células da exibição 15 8 que incluem os valores de y para atendimento, B5 B12 Em seguida, entramos as células de valor de x, A5 A12 O intervalo de saída é o Local na planilha onde você deseja colocar os resultados de saída Este intervalo precisa ser grande 18 células por 9 células e não deve se sobrepor com qualquer outra coisa na planilha Ao clicar em OK resultará na planilha mostrada na Figura 15 14 Note que o Resumo A seção de saída foi ligeiramente movimentada para que todos os resultados pudessem ser incluídos na tela no Anexo 15 14.Exibição 15 12.Exibição 15 13.Exibição 15 14. Este item é exibido na página 699 na versão impressa. A seção de resultados no Anexo 15 14 fornece uma grande quantidade de informações estatísticas, cuja explicação e uso estão além do escopo deste texto. Os itens essenciais que nos interessam são a interceptação e a inclinação rotuladas como X Variável 1 E Coeficientes na parte inferior da planilha e o valor do coeficiente de R múltiplo ou de correlação mostrado em Regressão Estatística. Observe que o QM do Excel também tem uma macro de planilha para análise de regressão que pode ser acessada de forma semelhante à previsão exponencialmente suavizada no Anexo 15 15.Exibição 15 15.Regression Analysis com QM para Windows. QM para Windows tem a capacidade de executar a regressão linear, como demonstrado anteriormente Para demonstrar este módulo de programa, vamos usar o nosso exemplo de departamento atlético University University O programa de saída, incluindo a equação linear eo coeficiente de correlação , É mostrada na Figura 15 15. Regressão múltipla com Excel. Outro método causal de previsão é a regressão múltipla uma extensão mais poderosa da regressão linear A regressão linear relaciona uma variável dependente como a demanda com uma outra variável independente, enquanto a regressão múltipla reflete a relação entre Uma variável dependente e duas ou mais variáveis independentes A O modelo de regressão múltipla tem a seguinte forma geral. Usaremos o add-in de Análise de Dados do menu Ferramentas no topo da planilha que usamos na seção anterior para desenvolver nossa equação de regressão linear e então usaremos a regressão No menu Análise de Dados A planilha resultante, com as estatísticas de regressão múltipla, é mostrada no Anexo 15 16.Exibição 15 16. Este item é exibido na página 701 na versão impressa. Observe que os dados precisam ser configurados no Para que as variáveis x estejam em colunas adjacentes, neste caso, colunas A e B Então entraremos na Escala de Entrada x como A4 B12 como mostrado na Figura 15 17 Note que também incluímos células A4, B4 e C4, que incluem Nossas rubricas variáveis, isto é, vitórias, promoção e atendimento, nos intervalos de entrada. Ao clicar em Labels, os cabeçalhos podem ser colocados em nossa planilha nas células A27 e A28.Exibir 15 17. Este item é exibido na página 701 na versão impressa. Coeficiente de regressão As variáveis x, wins e promotion são mostradas nas células B27 e B28 no Quadro 15 16 Assim, a equação de regressão múltipla é formulada como. y 19,094 42 3,560 99 x 1 0368 x 2.Essa equação agora pode ser usada para prever Por exemplo, se o departamento atlético espera que a equipe ganhe sete jogos e planeja gastar 60.000 em promoção e publicidade, o comparecimento previsto é. Mover média. Este exemplo ensina como calcular o Média móvel de uma série de tempo em Excel Uma média móvel é usada para suavizar irregularidades picos e vales para reconhecer facilmente tendências.1 Primeiro, vamos dar uma olhada em nossa série de tempo.2 Na guia Dados, clique em Análise de dados. Nota pode T localize o botão Análise de dados Clique aqui para carregar o complemento Analysis ToolPak.3 Selecione Média móvel e clique em OK.4 Clique na caixa Intervalo de entrada e selecione o intervalo B2 M2.5 Clique na caixa Intervalo e digite 6.6 Clique em A faixa de saída Caixa e célula de seleção B3.8 Traçar um gráfico desses valores. Explicação porque definimos o intervalo para 6, a média móvel é a média dos pontos de dados anteriores 5 eo ponto de dados atual Como resultado, os picos e vales são suavizados O gráfico mostra uma tendência crescente O Excel não pode calcular a média móvel para os primeiros 5 pontos de dados porque não há pontos de dados anteriores suficientes.9 Repita os passos 2 a 8 para o intervalo 2 e o intervalo 4.Conclusão Quanto maior o intervalo, mais os picos E os vales são suavizados Quanto menor o intervalo, mais perto as médias móveis são para os dados reais points. Excel QM e QM para Windows. The download contém um arquivo ZIP com o pacote de instalação para o Excel OM para Macs Descompacte o arquivo e, em seguida, execute O programa de pacotes Excel OM para Macs será instalado em uma pasta chamada excelOMQMv4 na pasta Aplicativos do seu Mac Para iniciar o Excel OM QM, abra o arquivo chamado Alternativamente, será muito mais fácil de usar se você criar um Alias para E colocar o Alias no seu desktop. Note Excel OM QM para Macs requer Microsoft Office Mac 2017 Esta versão do Office inclui VBA, um recurso que foi excluído no Microsoft Office 2008 e é vital para executar o Excel OM QM programa Um link para estudantes e Faculdade para comprar Office 2017 is. Copyright 1995-2017 Pearson Education Todos os direitos reservados Aviso Legal e Privacidade.
No comments:
Post a Comment