intTypePromotion=1
zunia.vn Tuyển sinh 2024 dành cho Gen-Z zunia.vn zunia.vn
ADSENSE

Bài giảng Thực hành Quản trị trên máy - Bài 4: Dự báo

Chia sẻ: Tự Do | Ngày: | Loại File: PPTX | Số trang:44

47
lượt xem
4
download
 
  Download Vui lòng tải xuống để xem tài liệu đầy đủ

Bài 4 trình bày một số nội dung cơ bản sau: Khái niệm và đặc trưng cơ bản của dự báo, phân loại các mô hình dự báo, một số mô hình dự báo thường dùng, đồ thị, công cụ Regression, lựa chọn mô hình dự báo,... Mời các bạn cùng tham khảo để biết thêm các nội dung chi tiết.

Chủ đề:
Lưu

Nội dung Text: Bài giảng Thực hành Quản trị trên máy - Bài 4: Dự báo

  1. THỰC HÀNH QUẢN TRỊ TRÊN MÁY Bài 4: DỰ BÁO 1
  2. 4.1. Tổng quan 4.1.1. Khái niệm và đặc trưng cơ bản của dự báo Que sera sera ……… • Dự báo luôn có sự sai lệch • Dự báo càng tổng quát thì càng chính xác • Thời kỳ càng dài, độ chính xác càng thấp 2
  3. Người đầu tiên dùng số liệu thống kê để dự báo? “Lo lắng về nạn bệnh dịch, Henry VII đã hạ lệnh phải ghi chép số người chết kể từ năm 1532. Cũng vào thời gian đó, tại Pháp, giới tăng lữ cũng buộc phải ghi chép về số lễ rửa tội, số đám tang và số lễ kết hôn. Trong thời kỳ bị dịch bệnh hoành hành vào cuối thế kỷ 16, chính phủ Anh bắt đầu phát hành số liệu thống kê hàng tuần về số người chết. Đến năm 1632, Bills of Mortality cung cấp số chết và số sinh theo giới đã ra đời. Năm 1662, Captain John Graunt sử dụng số liệu 30 năm của Bills of Mortality để dự báo số người sẽ chết bởi bệnh dịch, và dự báo tỉ lệ sinh đối với nam và nữ. Graunt được coi là người tiên phong trong việc sử dụng số liệu thống kê để làm dự báo. Với cống hiến của mình, ông được mời làm thành viên của Hàn Lâm Hoàng Gia Anh.” Nguồn Trần Trí Dũng http://www.saga.vn/Kinhtehockinhdoanh/Mohinhtoan/983.saga 3
  4. 4.1.2. Phân loại các mô hình dự báo Định tính • Kinh nghiệm • Phương pháp Delphi • Cố vấn Định lượng • Khảo sát khách hàng • Mô hình chuỗi thời gian • …… Yt =f(Yt-1, Yt-2,…, Yt-n) • Mô hình nhân quả Y=f(X1, X2, …, Xn) 4
  5. Phương pháp Delphi Phương pháp dự báo định tính theo đó ý kiến của các chuyên gia được kết hợp trong một loạt số lần lặp lại. Kết quả của mỗi lần lặp lại được sử dụng cho lần lặp tiếp theo để thu thập được ý kiến chung của các chuyên gia. 5
  6. Dự báo theo chuỗi thời gian (Time Series Models) • Dựa vào các giá trị khảo sát trước đó • Ý tưởng: phát hiện “dạng thức” • Dự báo nhu cầu ngắn hạn • Phổ biến, dễ làm Tuyến tính Ngẫu nhiên Phi tuyến 6
  7. Đặc trưng chuỗi tuần tự theo thời gian Ø Xu hướng dài hạn (Trend component) Ø Thành phần chu kỳ (Cyclical component) Ø Thành phần mùa (Seasonal component) Ø Thành phần bất thường (Irregular component) 7
  8. Vấn đề Ft – Dự báo kỳ thứ t Ft an Dt n Di – Giá trị khảo sát ở kỳ i < t 1 ai – Mức độ ảnh hưởng của kỳ i  Xác định ai ?? 8
  9. Dự báo theo mô hình nhân quả (Causal Models) Dùng nguyên nhân (biến độc lập) để dự báo kết quả (biến phụ thuộc) Công cụ: Hồi quy (Regression Analysis) • Y = a0 + a1X1 + a2X2+ … anXn • Xác định ai  phương pháp bình phương tối thiểu 9
  10. 4.2. Một số mô hình dự báo thường dùng Kỳ Năm Di Ví dụ: Dự báo nhu cầu bánh trung thu ? 1 2004 10 2 2005 10 14 20 3 2006 11 25 23 4 2007 10 21 5 2008 12 19 ngàn t ấn 17 6 2009 13 15 13 7 2010 16 11 8 2011 17 9 7 9 2012 19 5 10 2013 22 0 1 2 3 4 5 6 7 8 9 10 kỳ 11 2014 ? 140 10
  11. ? 4.2.1. Các phương pháp đơn giản Phương pháp đơn giản Ft = Dt–1 14 20 Kỳ Di Fi 25 1 10 NA 23 Di 2 10 10 21 Fi 19 3 11 10 ngàn t ấn 17 4 10 11 15 13 5 12 10 11 6 13 12 9 7 7 16 13 5 0 1 2 3 4 5 6 7 8 9 10 11 8 17 16 kỳ 9 19 17  10 22 19 11 ?22 “Vẫn như cũ” 140 11
  12. Kỳ Di 1 Phương pháp trung bình Ft = D 10 Fi 14 25 23 21 Di Fi 2014 ? 2 10 14 19 ngàn t ấn 17 3 11 14 15 13 4 10 14 11 5 12 14 9 7 6 13 14 5 7 16 14 0 1 2 3 4 5 6 7 8 9 10 11 kỳ 8 17 14 9 19 14  10 22 14 11 ?14 “Vẫn y nguyên” 140 12
  13. Kỳ Di 1 4.2.2. Bình quân di động – Moving Average a. Ví dụ: cửa sổ trượt w = 2 10 Fi NA 25 23 21 Di Fi 2014 ? 2 10 NA 19 ngàn t ấn 17 3 11 10 15 13 4 10 10.5 11 5 12 10.5 9 7 6 13 11 5 7 16 12.5 0 1 2 3 4 5 6 7 8 9 10 11 kỳ 8 17 14.5 9 19 16.5 “Bán bà con xa, 10 22 18 mua láng giềng gần” 11 ? 20.5 140 13
  14. b. Cách tính Trung bình đơn giản của w kỳ gần nhất • w càng lớn  càng ổn định • w càng nhỏ  càng linh hoạt 1 w N Dt −1 + Dt − 2 + L + Dt − w Ft = Dt − w = w n =1 w 14
  15. c. Công cụ Moving Average 1. Chuẩn bị vùng Input Range 2. Ra lệnh Data  a Data Analysis  b Moving Average 3. Khai báo c a. Input Range b. Interval c. Output options 4. Nhấn OK Ví dụ (Excel 2010) 15
  16. ? 4.2.3. San bằng mũ – Exponential Smoothing a. Ví dụ: hệ số điều chỉnh a = 0.7 14 20 Kỳ Di Di– Fi Fi 1 10 NA NA 25 2 10 0 10.00 23 Di 21 3 11 1 10.00 Fi 19 4 10 – 0.7 10.70 ngàn t ấn 17 15 5 12 1.79 10.21 13 6 13 1.54 11.46 11 7 16 3.46 12.54 9 7 8 17 2.04 14.96 5 9 19 2.61 16.39 0 1 2 3 4 5 6 7 8 9 10 11 kỳ 10 22 3.78 18.22 11 20.8 “Sai thì sửa” ?7 140 Ft = Ft–1 + a(Dt–1–Ft– 16
  17. b. Cách tính • Dự báo = trung bình có trọng số của giá trị dự báo và nhu cầu thực tế kỳ cuối • a càng nhỏ  càng ổn định • a càng lớn  càng linh hoạt Ft = Ft–1 + a(Dt–1–Ft–1) = Ft–1 + a.Dt–1 – a.Ft–1 = a.Dt–1 + Ft–1 – a.Ft–1 = a. Dt–1 + (1 – a) Ft–1 Lưu ý: Ký hiệu Damping factor = 1 –  17
  18. c. Công cụ Exponential Smoothing 1. Chuẩn bị Input Range 2. Ra lệnh Data  a Data Analysis  Exponential Smoothing b 3. Khai báo a. Input Range và Damping factor (mặc định là 0.3) b. Output options 4. Nhấn OK Ví dụ (Excel 2010) 18
  19. Moving Average vs Exponential Smoothing Giống nhau • Quá trình ổn định • 1 thông số (a hoặc N) MA: N kỳ cuối ES: Kỳ cuối cùng MA: N số liệu gần nhất ES: Dữ liệu kỳ cuối cùng 19
  20. 4.2.4. Hồi quy đơn tuyến tính ? Ví dụ: Dự báo nhu cầu bánh trung thu 4 Kỳ Di Fi 1 2 10 10 8.0 9.3 25 201 23 3 11 10.6 21 y =  1.3x +  6.7 19 R2  =  0.89 4 10 11.9 ngàn t ấn 17 5 12 13.2 15 13 6 13 14.5 11 7 16 15.8 9 7 8 17 17.1 5 9 19 18.4 0 1 2 3 4 5 6 7 8 9 10 11 kỳ 10 22 19.7 11 ? 21.0 Mối quan hệ  12 22.3 ? y = f(x) = a.x + b 140 20
ADSENSE

CÓ THỂ BẠN MUỐN DOWNLOAD

 

Đồng bộ tài khoản
2=>2