Презентация на тему Факторный анализ статистик

от времени, а от каких-либо других факторов, то используется

факторный статистический анализ. Обычно для этого с помощью ПЭВМ по известной статистике подбирается аппроксимирующая функция одной или многих переменных, которая и служит моделью для выработки прогноза. Рассмотрим эту процедуру на примере.

должен сделать заказ на следующую неделю с разбивкой по

дням. Каждое утро заказанное количество товара завозится на его точки реализации. При неправильном заказе (прогнозе) в конце дня мороженого может не хватить – тогда имеет место упущенная выгода, либо часть его останется нереализованной; в таком случае возникнут проблемы с его хранением. Требуется выявить факторы, определяющие объем продаж, собрать статистику продаж и значений этих факторов, далее – разработать прогноз продаж мороженого на следующую неделю. Предполагается, что дело происходит в разгар лета.

это время, отобраны два наиболее существенных: температура воздуха и

день недели. Отметим, что второй фактор имеет логический характер, что создает дополнительные трудности решения. Собранная за три недели статистика представлена в таблице ниже. Будем считать, что к моменту оценки объема продаж известен прогноз погоды (температуры воздуха) на следующую неделю.

переменной – дня недели - рассчитаем коэффициенты приведения для

каждого дня недели к среднедневной продаже (таблица ниже).

Классический метод решения

60,66/104,55 =

о продажах (получим приведенные фактические продажи, показанные в таблице

и на рисунке).

Классический метод решения

4,1*t+ 23,76, дает очень хорошие результаты (коэффициент корреляции 0,9).

В таблице даны также результаты расчетов продаж на основе полученной трендовой линейной зависимости. С использованием этой же модели можно спрогнозировать приведенные продажи на следующую неделю, а затем с помощью коэффициентов приведения пересчитать их в индивидуальные прогнозы на каждый день недели (таблица ниже).

Классический метод решения

могут быть рассчитаны как на ПЭВМ, так и вручную

по формулам:

Классический метод решения

влияние на них дня недели, несостоятельна. Это наглядно подтверждают

вид графика (см. рисунок) и значение коэффициента корреляции.

Классический метод решения

том, чтобы в единый статистический массив свести данные с

понедельника по четверг без разделения их на дни недели. То же следует проделать с данными пятницы, субботы и воскресенья. Для каждого из массивов надо подобрать аппроксимирующую кривую зависимости объемов продаж от температуры и на ее основе делать прогноз.
Ошибка прогноза определяется как среднеквадратическое отклонение фактических продаж от величин, рассчитанных описанным выше способом для фактических значений параметров (t, день недели). Особенность этого расчета состоит в том, что здесь f = 2, так как прогноз продаж строится на прогнозе температуры воздуха. Обычно f = 1. Полученное значение ошибки σ = 22,548.

Неклассический метод решения

года (см. табл. ниже). Сегодня 1 июля. Спрогнозируйте продажи

на последующие 4 месяца методами простого и скользящего среднего, методом экспоненциального сглаживания, если каждый месяц приносит новые данные о продажах, также показанные в таблице. Оцените погрешность прогноза каждым из методов. Постройте графики прогнозов всеми методами и график фактических продаж.

Задача №1

таблицы ниже). Дополнительно попробуйте подобрать аппроксимирующую кривую на интервале

в десять месяцев на ПЭВМ с помощью пакета MS EXCEL. Сравните точность прогнозов разными способами.

Задача №2