DỰ BÁO CÁC PHƯƠNG PHÁP DỰ BÁO ĐỊNH TÍNH: CÁC PHƯƠNG PHÁP DỰ BÁO ĐỊNH LƯNG PHƯƠNG PHÁP DỰ BÁO THEO DÃY SỐ THỜI GIAN PHƯƠNG PHÁP TRUNG BÌNH GIẢN ĐƠN (Simple Average) Phương pháp dự báo sở lấy trung bình cuả liệu qua Ft = ∑Dt-i/n Ft : mức nhu cầu dự báo cho kỳ t Dt-i: mức nhu cầu thực kỳ t-i n: số kỳ quan sát Thí dụ: Công ty que hàn PHƯƠNG PHÁP TRUNG BÌNH DI ĐỘNG (Moving Average) MAD (Mean Abso
DỰ BÁO CÁC PHƯƠNG PHÁP DỰ BÁO ĐỊNH TÍNH: CÁC PHƯƠNG PHÁP DỰ BÁO ĐỊNH LƯNG PHƯƠNG PHÁP DỰ BÁO THEO DÃY SỐ THỜI GIAN PHƯƠNG PHÁP TRUNG BÌNH GIẢN ĐƠN (Simple Average) Phương pháp dự báo sở lấy trung bình cuả liệu qua Ft = ∑Dt-i/n Ft : mức nhu cầu dự báo cho kỳ t Dt-i: mức nhu cầu thực kỳ t-i n: số kỳ quan sát Thí dụ: Công ty que hàn PHƯƠNG PHÁP TRUNG BÌNH DI ĐỘNG (Moving Average) MAD (Mean Absolute Deviation) = ∑│Dt- Fi│/ n Fi : mức nhu cầu dự báo cho kỳ i Di: mức nhu cầu thực kỳ i n: số kỳ quan sát Thí dụ: Sản lïng điện thoại nội hạt cuả BĐ tỉnh X theo tháng cho bảng Yêu cầu dùng Phương pháp dự báo trung bình di động theo tháng để dự báo nhu cầu cho tháng tới PHƯƠNG PHÁP TRUNG BÌNH DI ĐỘNG CÓ TRỌNG SỐ (Weighted Moving Average) Những số liệu xuất thời kỳ cuối có giá trò lớn số liệu xuất lâu PP dự báo sử dụng trọng số để nhấn mạnh giá trò cuả số liệu gần Ft = ∑Dt-i * α t-i Ft : mức nhu cầu dự báo cho kỳ t Thí dụ: Sản lïng điện thoại nội hạt cuả BĐ tỉnh X theo tháng cho bảng, yêu cầu dùng Phương pháp dự báo trung bình di động theo tháng để dự báo nhu cầu cho tháng tới Cho trọng số sau: α t-1 = 0,5 ; α t-2 = 0,3 ; α t-3 = 0,2 PHƯƠNG PHÁP SAN BẰNG HÀM MŨ GIẢN ĐƠN (Exponential Smothing) Phương pháp dễ sử dụng nhất, cần số liệu khứ Ft = Ft-1 + α (Dt-1 – Ft-1) với > α > Ft : mức nhu cầu dự báo cho kỳ t Chọn hệ số α dựa vào MAD MAD nhỏ hệ số α hợp lý cho kết dự báo sai lệch Ft = Ft-1 + α (Dt-1 – Ft-1) Ft + = Ft + α (Dt – Ft) = α Dt + (1 - α ) Ft MDA : mean absolute deviation MES: mean standard error Hệ số alpha hợp lý? Sử dụng Solver Exel để 10 xi = − y = Y −Y − Xi− X i i − − b =Y −a X 33 − TSS = ∑ (Yi − Y ) − ∑ (Y − Y ) = ∑ e = ∑ (Y ESS = RSS ^ 2 i i i − − Yi ) TSS = ESS + RSS Nếu hàm hồi quy mẫu phù hợp tốt với số liệu quan sát ESS lớn RSS Nếu hàm hồi quy mẫu 34 ) Xác đònh hệ số co dãn cho biết X tăng 1% Y tăng %: aX aX K= = Yc aX + b 35 ) Xác đònh sai số chuẩn: Sai số chuẩn nhỏ mức độ xác cao = S YX ∑ (Y − Y ) c n−2 ∑ Y − b∑ Y − a∑ XY = n−2 36 R = ESS TSS Hệ số xác định: 0,9621 ĐượcRsử = dụng để đo mức độ phù hợp hàm hồi quy TD: Trong hàm hồi quy mẫu, biến X giải thích 96,21% thay đổi biến Y Trong trường hợp mức độ phù hợp hàm hồi quy mẫu cao 37 ) Xác đònh hệ số tương quan: * r = ± 1: X Yc có tương quan chặt chẽ (+ đồng biến, - nghòch biến) * r = : X Yc không 38 Khoảng tin cậy a b Với hệ số tin cậy 1-α α, / khoảng tin cậy a b là: -Là giá trị đại lượng ngẫu nhiên T phân phối theo quy luật Student với bậc tự n=2 Tra bảng giá trị t α, α / dùng hàm TINV EXEL - Td: Với mức ý nghĩa α = 0,05 t0,025 (1, 10) = 2,228 a; b ± t * se(a; b) t 39 Kiểm định phù hợp hàm hồi quy - Đặt giả thuyết Ho vàRH 1( n − 2) F= - Kiểm định 1− R Với mức ý nghĩa α cho, tra bảng phân phối F với bậc tự n1=1 n2=n-2 để tìm giá trị F α (1, n-2) Tra bảng giá trị t α, dùng hàm FINV EXEL Td: Với mức ý nghĩa α = 0,05 F0,05 (1, 10) = 4,96 40 * Nếu F > F α (1, n-2) bác bỏ giả thuyết Ho, hàm hồi quy phù hợp với số liệu mẫu * Nếu F < F α (1, n-2) chấp nhận giả thuyết Ho, hàm hồi quy không 41 Ứng dụng dự báo: - Dự báo trung bình ( ^2 ^ var( ) = σ + Y n se ( ^ Y )= X − ∑ − X ) x i var( ^ Y ) 42 Với hệ số tin cậy 1- α, dự báo khoảng E(Y/Xo) là: ^ ^ ^ ^ Y0 − tα / se(Y0 ) < E (Y / X ) < Y0 + tα / se(Y0 ) 43 Dự báo giá trị cá biệt − ( − ^2 X X ^ var( ) = σ 1 + + Y0 n ∑ xi 2 ) Với hệ số tin cậy 1- α, dự báo giá trị riêng biệt Yo X=Xo: ^ ^ Y0 ± tα / se(Y0 − Y ) 44 10 ) Giám sát dự báo: Tổng sai số dự báo dòch 45 11 ) Giới hạn kiểm tra: Bao gồm GH GH 46 3.2 Dự báo PP hồi quy tuyến tính bội Sử dụng phần mềm EXEL, ABQM EVIEW 47