Полезное:
Как сделать разговор полезным и приятным
Как сделать объемную звезду своими руками
Как сделать то, что делать не хочется?
Как сделать погремушку
Как сделать так чтобы женщины сами знакомились с вами
Как сделать идею коммерческой
Как сделать хорошую растяжку ног?
Как сделать наш разум здоровым?
Как сделать, чтобы люди обманывали меньше
Вопрос 4. Как сделать так, чтобы вас уважали и ценили?
Как сделать лучше себе и другим людям
Как сделать свидание интересным?
Категории:
АрхитектураАстрономияБиологияГеографияГеологияИнформатикаИскусствоИсторияКулинарияКультураМаркетингМатематикаМедицинаМенеджментОхрана трудаПравоПроизводствоПсихологияРелигияСоциологияСпортТехникаФизикаФилософияХимияЭкологияЭкономикаЭлектроника
Прогнозування обсягів поштових відправлень на майбутні періоди
|
|
Побудуємо прогноз обсягів вихідних посилок та вхідних простих бандеролей на три місяці уперед. Залежність обсягів вихідних посилок та
вхідних простих бандеролей від часу має приблизно лінійний характер, тому для прогнозу скористаємось лінійною регресією. Коефіцієнти лінійної регресії виду
обчислюються за формулами:
,
.
У цих формулах: 
– значення часового ряду; 
– номер періоду; 
– довжина часового ряду; 
та 
– середні арифметичні значення.
Для прогнозування обсягів вихідних посилок на майбутні періоди рівняння лінійної регресії має вигляд
, (3.1)
Коефіцієнт достовірності рівняння (3.1) 
. Використовуючи рівняння (3.1) отримаємо прогноз обсягів вихідних посилок на 3 місяці. На рис. 3.32 для порівняння наведено графік лінійної регресії для прогнозування обсягів вихідних посилок на майбутні періоди і перший адитивний компонент часового ряду вихідних посилок.
Рисунок 3.32 – Лінійна регресія та перший адитивний компонент часового ряду вихідних посилок
З наведеного рисунку видно, що обсяги вихідних посилок збільшились і таку тенденцію можна очікувати до кінця 2014 р. В табл.3.1 наведено результати прогнозування обсягів вихідних посилок.
Табл. 3.1 Прогнозування потоку вихідних посилок
| № | Декади | Обсяги посилок |
| 01.01 – 10.01 | 54,592 | |
| 11.01 – 20.01 | 54,934 | |
| 21.01 – 31.01 | 55,276 | |
| 01.02 – 10.02 | 55,618 | |
| 11.02 – 20.02 | 55,96 | |
| 21.02 – 28.02 | 56,302 | |
| 01.03 – 10.03 | 56,644 | |
| 11.03 –20.03 | 56,986 | |
| 21.03 –31.03 | 57,328 |
Побудуємо прогноз обсягів вхідних простих бандеролей на майбутні періоди тобто на 3 місяці. Обчисливши коефіцієнти лінійної регресії отримаємо рівняння такого виду
. (3.2)
Коефіцієнт достовірності регресії (3.2) 
Використовуючи рівняння лінійної регресії отримаємо прогноз обсягів вхідних простих бандеролей на 3 місяці. Результати цього прогнозування представлені на рис. 3.33.
Рисунок 3.33 – Лінійна регресія та перший адитивний компонент часового ряду вхідних простих бандеролей
З даного рисунку видно, що обсяги вхідних простих бандеролей збільшуються і таке збільшення можна очікувати протягом року. В табл. 3.2 представлено результати прогнозування обсягів вхідних простих бандеролей.
Табл.3.2 Прогнозування потоку вхідних простих бандеролей (ПБ)
| № | Декади | Обсяги ПБ |
| 01.01 – 10.01 | 25,9818 | |
| 11.01 –20.01 | 26,1922 | |
| 21.01 – 31.01 | 26,4026 | |
| 01.02 – 10.02 | 26,613 | |
| 11.02 – 20.02 | 26,8234 | |
| 21.02 – 28.02 | 27,0338 | |
| 01.03 – 10.03 | 27,2442 | |
| 11.03 – 20.03 | 27,4546 | |
| 21.03 – 31.03 | 27,665 |
Отже, використовуючи метод ССА можна виділити тренд часового ряду та втановити його вид, що спрощує подальший регресійний аналіз та забезпечує високу достовірність прогнозування.
Date: 2015-08-24; view: 390; Нарушение авторских прав