ถัว เฉลี่ยเคลื่อนที่ เป็น ที่ ที่ดีที่สุด วิธี การ คาดการณ์ การขาย ของ สูง ตามฤดูกาล รายการ

วิธีการแบบอนุกรมเวลาวิธีการแบบอนุกรมเป็นเทคนิคทางสถิติที่ใช้ประโยชน์จากข้อมูลที่ผ่านมาสะสมในช่วงเวลาวิธีการแบบอนุกรมเวลาคิดว่าสิ่งที่เกิดขึ้นในอดีตจะยังคงเกิดขึ้นต่อไปในอนาคตตามที่ชุดชื่อเวลาแนะนำวิธีการเหล่านี้เกี่ยวข้อง การคาดการณ์เพียงหนึ่งปัจจัย - เวลาพวกเขารวมถึงค่าเฉลี่ยเคลื่อนที่ค่าเฉลี่ยที่ชี้แจงและเส้นแนวโน้มเชิงเส้นและเป็นหนึ่งในวิธีที่ได้รับความนิยมมากที่สุดสำหรับการคาดการณ์ในระยะสั้นระหว่าง บริษัท ผู้ให้บริการและ บริษัท ผู้ผลิตวิธีการเหล่านี้อนุมานได้ว่ารูปแบบหรือแนวโน้มทางประวัติศาสตร์ที่ระบุได้ ความต้องการในช่วงเวลาที่จะทำซ้ำตัวเองเฉลี่ยปานกลางการคาดการณ์อนุกรมเวลาสามารถทำได้ง่ายเพียงใช้ความต้องการในช่วงเวลาปัจจุบันเพื่อคาดการณ์ความต้องการในช่วงต่อไปนี้บางครั้งเรียกว่าการคาดการณ์ที่ไร้เดียงสาหรือใช้งานง่าย 4 ตัวอย่างเช่นถ้าความต้องการเป็น 100 หน่วย ในสัปดาห์นี้คาดการณ์ความต้องการของสัปดาห์หน้าจะอยู่ที่ 100 หน่วยหากความต้องการเปลี่ยนเป็น 90 หน่วยแทนจากนั้นความต้องการของสัปดาห์ต่อไปคือ 90 ปี ts และอื่น ๆ วิธีการคาดการณ์แบบนี้ไม่ได้คำนึงถึงพฤติกรรมความต้องการในอดีตที่อาศัยเฉพาะกับความต้องการในช่วงเวลาปัจจุบันการตอบสนองโดยตรงกับการเคลื่อนไหวแบบสุ่มตามความต้องการวิธีการเฉลี่ยเคลื่อนที่แบบง่ายใช้ค่าความต้องการหลายค่าในช่วง ล่าสุดที่ผ่านมาในการพัฒนาคาดการณ์นี้มีแนวโน้มที่จะลดลงหรือราบเรียบการเพิ่มขึ้นและการลดลงแบบสุ่มของการคาดการณ์ที่ใช้เวลาเพียงหนึ่งช่วงค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายมีประโยชน์สำหรับการคาดการณ์ความต้องการที่มีเสถียรภาพและไม่แสดงพฤติกรรมความต้องการที่เด่นชัดเช่น เป็นแนวโน้มหรือแบบตามฤดูกาลค่าเฉลี่ยขั้นต่ำจะคำนวณเป็นระยะเวลาหนึ่งเช่นสามเดือนหรือห้าเดือนขึ้นอยู่กับว่านักพยากรณ์ต้องการที่จะเรียบข้อมูลความต้องการมากขึ้นระยะเวลาเฉลี่ยที่เคลื่อนไหวได้ราบรื่นมากขึ้นจะเป็นสูตรสำหรับ การคำนวณค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายมีค่าเฉลี่ย Simple Moving Average บริษัท Paper Clip Office ทันทีขายส่งและส่งมอบอุปกรณ์สำนักงานให้กับ บริษัท โรงเรียน d หน่วยงานภายในรัศมี 50 ไมล์ของคลังสินค้าธุรกิจจัดหาสำนักงานมีการแข่งขันและความสามารถในการส่งคำสั่งซื้อทันทีเป็นปัจจัยในการรับลูกค้าใหม่และการรักษาคนเก่าสำนักงานมักจะสั่งซื้อไม่ได้เมื่อพวกเขาทำงานต่ำในวัสดุสิ้นเปลือง แต่เมื่อพวกเขา หมดสิ้นผลเป็นเหตุให้พวกเขาต้องการคำสั่งซื้อทันทีผู้จัดการของ บริษัท ต้องการที่จะมีไดรเวอร์และยานพาหนะเพียงพอที่จะสามารถส่งมอบคำสั่งซื้อได้ทันทีและมีสต็อคที่เพียงพอในสต๊อกดังนั้นผู้จัดการจึงต้องการที่จะสามารถคาดการณ์จำนวนได้ ของคำสั่งซื้อที่จะเกิดขึ้นในช่วงเดือนถัดไปเช่นการคาดการณ์ความต้องการในการจัดส่งจากบันทึกคำสั่งซื้อการจัดการได้รวบรวมข้อมูลต่อไปนี้ไว้ในช่วง 10 เดือนที่ผ่านมาซึ่งต้องการคำนวณค่าเฉลี่ยเคลื่อนที่ 3 และ 5 เดือน สมมติว่าเป็นวันสิ้นเดือนตุลาคมการคาดการณ์ที่เกิดจากค่าเฉลี่ยเคลื่อนที่ 3 หรือ 5 เดือนโดยปกติแล้วจะเป็นเดือนถัดไปตามลำดับซึ่งในกรณีนี้คือ N ovember ค่าเฉลี่ยเคลื่อนที่คำนวณจากความต้องการสั่งซื้อล่วงหน้า 3 เดือนตามลำดับดังนี้ค่าเฉลี่ยย้อนหลัง 5 เดือนคำนวณจากข้อมูลความต้องการใช้เวลา 5 เดือนที่ผ่านมาดังนี้ 3- และ 5- เดือนคาดการณ์ค่าเฉลี่ยสำหรับทุกเดือนของข้อมูลความต้องการจะแสดงในตารางต่อไปนี้จริงๆแล้วมีเพียงการคาดการณ์สำหรับเดือนพฤศจิกายนตามความต้องการรายเดือนล่าสุดจะถูกใช้โดยผู้จัดการอย่างไรก็ตามการคาดการณ์ก่อนหน้านี้สำหรับเดือนก่อน ๆ ช่วยให้เราสามารถเปรียบเทียบ พยากรณ์อากาศที่คาดการณ์ไว้ในตารางด้านบนมีแนวโน้มที่จะทำให้ความแปรปรวนที่เกิดขึ้นในข้อมูลที่เกิดขึ้นจริงมีความเป็นไปได้มากขึ้น ผลการปรับให้เรียบสามารถสังเกตได้จากตัวเลขต่อไปนี้ซึ่งเป็นข้อมูลเฉลี่ยของค่าเฉลี่ย 3 เดือนและ 5 เดือนในกราฟของข้อมูลเดิมค่าเฉลี่ยเคลื่อนที่ 5 เดือนในรูปก่อนหน้านี้ช่วยขจัดความผันผวน ในระดับสูงกว่าค่าเฉลี่ยเคลื่อนที่ 3 เดือนอย่างไรก็ตามค่าเฉลี่ยในรอบ 3 เดือนที่ใกล้เคียงกับข้อมูลล่าสุดที่มีให้สำหรับผู้จัดการจัดหางานโดยทั่วไปการคาดการณ์โดยใช้ค่าเฉลี่ยเคลื่อนที่ในระยะยาวจะช้าลงเพื่อตอบสนองต่อการเปลี่ยนแปลงล่าสุดใน ความต้องการมากกว่าที่จะทำโดยใช้ค่าเฉลี่ยเคลื่อนที่ที่สั้นลงระยะเวลาที่เพิ่มขึ้นของข้อมูลที่รองรับความเร็วที่คาดการณ์ไว้การสร้างจำนวนที่เหมาะสมของระยะเวลาที่จะใช้ในการคาดการณ์ค่าเฉลี่ยเคลื่อนที่มักต้องใช้การทดลองและข้อผิดพลาดบางอย่าง ข้อเสียของวิธีการเฉลี่ยเคลื่อนที่คือไม่ตอบสนองต่อรูปแบบที่เกิดขึ้นด้วยเหตุผลเช่นรอบการทำงานและผลตามฤดูกาลปัจจัยที่ทำให้เกิดการเปลี่ยนแปลงโดยทั่วไปจะละเลยเป็นพื้นฐานของวิธีเชิงกลซึ่งสะท้อนถึงข้อมูลทางประวัติศาสตร์ในลักษณะที่สอดคล้องกันอย่างไรก็ตาม วิธีเฉลี่ยเคลื่อนที่จะมีประโยชน์จากการใช้งานง่ายรวดเร็วและค่อนข้างแพงโดยทั่วไปวิธีนี้สามารถให้ forec ดี ast สำหรับระยะสั้น แต่ก็ไม่ควรผลักดันให้ไกลเกินไปในอนาคต Average Average Moving Average วิธีการเฉลี่ยเคลื่อนที่สามารถปรับเปลี่ยนให้สอดคล้องกับความผันผวนของข้อมูลได้มากขึ้นในวิธีถัวเฉลี่ยถ่วงน้ำหนักถ่วงน้ำหนักน้ำหนักถูกกำหนดให้มากที่สุด ข้อมูลล่าสุดตามสูตรต่อไปนี้ข้อมูลความต้องการสำหรับ PM Computer Services ที่แสดงในตารางสำหรับตัวอย่างที่ 10 3 ดูเหมือนจะเป็นไปตามแนวโน้มเชิงเส้นที่เพิ่มขึ้น บริษัท ต้องการคำนวณเส้นแนวโน้มเชิงเส้นเพื่อดูว่ามีความแม่นยำมากกว่าการทำให้เกิดการแจกแจงแบบเลขแจงหรือไม่ และปรับการคาดการณ์การทำให้เรียบขึ้นในตัวอย่าง 10 3 และ 10 4. ค่าที่จำเป็นสำหรับการคำนวณกำลังสองน้อยที่สุดมีดังต่อไปนี้การใช้ค่าเหล่านี้พารามิเตอร์สำหรับเส้นแนวโน้มเชิงเส้นคำนวณดังนี้ดังนี้สมการเส้นแนวโน้มเชิงเส้นคือ เมื่อต้องการคำนวณการคาดการณ์สำหรับรอบระยะเวลา 13 ให้ x 13 ในเส้นแนวโน้มเชิงเส้นกราฟต่อไปนี้แสดงเส้นแนวโน้มเชิงเส้นเปรียบเทียบกับข้อมูลจริงเส้นแนวโน้มจะปรากฏขึ้นที่ r สะท้อนให้เห็นอย่างใกล้ชิดข้อมูลที่เกิดขึ้นจริง - นั่นคือเพื่อให้เป็นแบบอย่างที่ดีและเป็นแบบจำลองการคาดการณ์ที่ดีสำหรับปัญหานี้อย่างไรก็ตามข้อเสียของเส้นแนวโน้มคือว่าจะไม่ปรับเปลี่ยนทิศทาง, สมมติว่าการคาดการณ์ในอนาคตทั้งหมดจะเป็นไปตามเส้นตรงข้อ จำกัด นี้ใช้วิธีนี้เป็นกรอบเวลาที่สั้นกว่าซึ่งคุณสามารถมั่นใจได้ว่าเทรนด์จะไม่เปลี่ยนแปลงการปรับเชิงคุณภาพ รูปแบบตามฤดูกาลคือการเพิ่มขึ้นที่ซ้ำ ๆ และความต้องการลดลงรายการอุปสงค์จำนวนมากแสดงพฤติกรรมตามฤดูกาลยอดขายเสื้อผ้าตามรูปแบบฤดูกาลประจำปีโดยมีความต้องการเสื้อผ้าที่อบอุ่นเพิ่มขึ้นในฤดูใบไม้ร่วงและฤดูหนาวและลดลงในฤดูใบไม้ผลิและฤดูร้อนเนื่องจากความต้องการเสื้อผ้าเพิ่มขึ้น ความต้องการสินค้าค้าปลีกจำนวนมากรวมถึงของเล่นอุปกรณ์กีฬาเสื้อผ้าเครื่องใช้อิเล็กทรอนิกส์แฮมตุรกีไก่งวงไวน์และผลไม้เพิ่มขึ้นในช่วงเทศกาลวันหยุด ร่วมกับวันพิเศษเช่นวันวาเลนไทน์และวันแม่แบบฤดูกาลนอกจากนี้ยังสามารถเกิดขึ้นได้ทุกเดือนรายสัปดาห์หรือแม้แต่ทุกวันร้านอาหารบางแห่งมีความต้องการที่สูงขึ้นในตอนเย็นกว่าในช่วงกลางวันหรือในช่วงสุดสัปดาห์ตรงข้ามกับการเข้าชมในสัปดาห์ การขาย - ที่ห้างสรรพสินค้าหยิบขึ้นในวันศุกร์และวันเสาร์มีหลายวิธีสำหรับการสะท้อนถึงรูปแบบตามฤดูกาลในการคาดการณ์อนุกรมเวลาเราจะอธิบายหนึ่งในวิธีการที่ง่ายขึ้นโดยใช้ปัจจัยตามฤดูกาลปัจจัยตามฤดูกาลเป็นค่าตัวเลขที่คูณด้วย การคาดการณ์ปกติที่จะได้รับการปรับฤดูกาล. หนึ่งวิธีการสำหรับการพัฒนาความต้องการปัจจัยตามฤดูกาลคือการแบ่งความต้องการสำหรับแต่ละฤดูกาลตามความต้องการโดยรวมประจำปีตามสูตรต่อไปนี้ปัจจัยฤดูกาลที่เกิดขึ้นระหว่าง 0 และ 1 0 อยู่ใน ผลกระทบส่วนหนึ่งของความต้องการประจำปีทั้งหมดที่กำหนดให้กับแต่ละฤดูกาลปัจจัยฤดูกาลเหล่านี้จะคูณด้วยความต้องการที่คาดการณ์ไว้ประจำปีเพื่อให้ได้ผลตอบแทนที่ปรับตามฤดูกาลของแต่ละฤดูกาล การคาดการณ์กับการปรับฤดูกาลฟาร์มไข้หวัดหมูเติบโตไก่งวงเพื่อขายให้กับ บริษัท แปรรูปเนื้อสัตว์ตลอดทั้งปีอย่างไรก็ตามฤดูกาลสูงสุดของปีนี้เห็นได้ชัดในช่วงไตรมาสที่สี่ของปีจากเดือนตุลาคมถึงธันวาคมที่ฟาร์ม Wishbone ได้ประสบกับความต้องการสำหรับไก่งวงสำหรับ ที่ผ่านมาสามปีแสดงในตารางต่อไปนี้เนื่องจากเรามีข้อมูลความต้องการสามปีเราสามารถคำนวณปัจจัยตามฤดูกาลได้โดยการหารความต้องการรายไตรมาสทั้งหมดเป็นเวลาสามปีตามความต้องการทั้งหมดในทุกสามปีต่อมาเราต้องการที่จะคูณความต้องการที่คาดการณ์ไว้ สำหรับปีถัดไปปี 2000 โดยปัจจัยแต่ละฤดูกาลเพื่อให้ได้ความต้องการที่คาดการณ์ไว้สำหรับแต่ละไตรมาสเพื่อให้บรรลุเป้าหมายนี้เราจำเป็นต้องคาดการณ์ความต้องการสำหรับปี 2000 ในกรณีนี้เนื่องจากข้อมูลความต้องการในตารางดูเหมือนจะมีแนวโน้มเพิ่มขึ้นโดยทั่วไป เราคำนวณเส้นแนวโน้มเชิงเส้นเป็นเวลาสามปีของข้อมูลในตารางเพื่อให้ได้ประมาณการที่คาดการณ์โดยคร่าวๆดังนั้นการคาดการณ์ในปี 2543 คือ 58 17 หรือ 58.170 ไก่งวงโดยใช้การคาดการณ์ประจำปีของ อุปสงค์ที่ปรับฤดูกาลแล้วเอสเอฟไอสำหรับปีพ. ศ. 2543 อยู่ในช่วงคาดการณ์รายไตรมาสโดยมีค่าความต้องการที่แท้จริงอยู่ในตารางค่าใช้จ่ายเหล่านี้ดูเหมือนว่าจะเป็นประมาณการประมาณการที่ค่อนข้างดีโดยสะท้อนถึงความผันผวนของข้อมูลและแนวโน้มที่เพิ่มขึ้นตามฤดูกาล -12 วิธีการคำนวณค่าเฉลี่ยเคลื่อนที่แบบเดียวกับการเพิ่มความเป็นเลขชี้กำลังแบบ exponential 10-13 ผลกระทบใดที่ทำให้รูปแบบการให้ราบเรียบแบบเอกซ์โพเนนเชียลเพิ่มค่าคงที่ของการปรับให้ราบเรียบได้อย่างไร 10-14 การปรับความเรียบของการปรับค่าชดเชยแตกต่างจากการทำให้เรียบแบบเสียดสี 10-15 อะไรคือตัวเลือก ของค่าคงที่ที่ราบเรียบสำหรับแนวโน้มในแบบจำลองการปรับรูปแบบเลขแจงแบบปรับ 10-16 ในตัวอย่างบทสำหรับวิธีการแบบอนุกรมเวลาการคาดการณ์เริ่มต้นถือว่าเป็นเช่นเดียวกับความต้องการจริงในช่วงแรกแนะนำวิธีอื่น ๆ ที่คาดการณ์เริ่มต้นอาจ จะได้มาจากการใช้งานจริง 10-17 รูปแบบการคาดการณ์ของเทรนด์ไลน์ไลน์แตกต่างจากแบบจำลองการถดถอยเชิงเส้นสำหรับการคาดการณ์ 10-18 ในช่วงเวลา mo dels ที่นำเสนอในบทนี้ซึ่งรวมถึงค่าเฉลี่ยเคลื่อนที่และค่าเฉลี่ยเคลื่อนที่ที่ถ่วงน้ำหนักการปรับให้เรียบที่เป็นเอกลัษณ์และการปรับความเรียบที่เป็นเอกลัษณ์และเส้นแนวโน้มแบบเส้นตรงซึ่งคุณคิดว่าดีที่สุดด้วยเหตุผลใด? line สำหรับความต้องการที่คาดการณ์ไว้ซึ่งแสดงให้เห็นถึงแนวโน้ม 4 KB Kahn และ JT Mentzer การคาดการณ์ในตลาดผู้บริโภคและอุตสาหกรรมวารสารการพยากรณ์ธุรกิจ 14 ฉบับที่ 2 ฤดูร้อน 1995 21-28.Forecasting เกี่ยวข้องกับการสร้างตัวเลขชุดตัวเลข, หรือสถานการณ์ที่สอดคล้องกับการเกิดขึ้นในอนาคตเป็นสิ่งจำเป็นอย่างยิ่งในการวางแผนในระยะสั้นและระยะยาวตามความหมายการคาดการณ์จะขึ้นอยู่กับข้อมูลที่ผ่านมาในทางตรงกันข้ามกับการคาดการณ์ซึ่งเป็นอัตนัยมากขึ้นและขึ้นอยู่กับสัญชาตญาณความรู้สึกลำไส้, หรือคาดเดาตัวอย่างเช่นข่าวในช่วงเย็นทำให้การคาดการณ์สภาพอากาศไม่ใช่การคาดการณ์สภาพอากาศไม่ว่าคำคาดการณ์และการคาดการณ์คำต่างๆจะถูกนำมาใช้บ่อยครั้งหรือไม่ก็ตามตัวอย่างเช่นคำจำกัดความใหม่ gression เทคนิคที่บางครั้งใช้ในการคาดการณ์โดยทั่วไปกล่าวได้ว่าจุดประสงค์ของมันคือการอธิบายหรือทำนายการคาดการณ์จะขึ้นอยู่กับจำนวนสมมติฐานที่ผ่านมาจะทำซ้ำตัวเองในคำอื่น ๆ สิ่งที่เกิดขึ้นในอดีตจะเกิดขึ้นอีกครั้งในอนาคต การคาดการณ์ในวันพรุ่งนี้จะแม่นยำกว่าการคาดการณ์ในเดือนหน้าประมาณการในเดือนหน้าจะแม่นยำกว่าที่คาดไว้สำหรับปีหน้าและคาดการณ์ในปีหน้าจะแม่นยำมากขึ้น กว่าการคาดการณ์สำหรับสิบปีในอนาคตการทำภาพรวมเป็นสิ่งที่ถูกต้องกว่าการคาดการณ์แต่ละรายการซึ่งหมายความว่า บริษัท จะสามารถคาดการณ์ความต้องการทั้งหมดทั่วสเปกตรัมทั้งหมดของผลิตภัณฑ์ได้อย่างถูกต้องกว่าที่จะสามารถคาดการณ์หุ้นแต่ละ หน่วยการเก็บรักษา SKUs ตัวอย่างเช่น General Motors สามารถคาดการณ์ได้อย่างถูกต้องมากขึ้นจำนวนรถยนต์ที่จำเป็นสำหรับปีหน้ากว่าจำนวนรวมของ Chevrolet สีขาวฉัน mpalas กับแพคเกจตัวเลือกบางอย่าง Forecasts จะไม่ค่อยถูกต้องนอกจากการคาดการณ์แทบไม่เคยถูกต้องโดยสิ้นเชิงในขณะที่บางอย่างใกล้ชิดไม่กี่มีสิทธิในเงินดังนั้นจึงควรเสนอช่วงคาดการณ์หากมีการคาดการณ์ความต้องการของ 100,000 หน่วยสำหรับเดือนถัดไปเป็นอย่างมากไม่น่าที่ความต้องการจะเท่ากับ 100,000 แน่นอนอย่างไรก็ตามการคาดการณ์ 90,000 ถึง 110,000 จะให้เป้าหมายที่ใหญ่กว่ามากสำหรับการวางแผน William J Stevenson แสดงจำนวนลักษณะที่เหมือนกันกับการคาดการณ์ที่ดี ควรกำหนดและระบุความถูกต้องบางอย่างเพื่อให้การเปรียบเทียบสามารถทำกับการคาดการณ์ทางเลือกได้วิธีการคาดการณ์ควรมีการคาดการณ์ที่ดีเสมอหากผู้ใช้สร้างระดับความเชื่อมั่นบางช่วงเวลาต้องใช้เวลาในการตอบสนอง การคาดการณ์ดังนั้นขอบฟ้าพยากรณ์อากาศจะต้องให้เวลาที่จำเป็นในการเปลี่ยนแปลงการใช้งานและเข้าใจผู้ใช้คาดการณ์ต้องมั่นใจ และการทำงานที่สะดวกสบายกับมันมีประสิทธิภาพต้นทุนของการทำคาดการณ์ไม่ควรเกินดุลประโยชน์ที่ได้จากการคาดการณ์เทคนิคการทำเทคนิคตั้งแต่ง่ายไปมากที่ซับซ้อนเทคนิคเหล่านี้มักจะจัดเป็นเชิงคุณภาพหรือเชิงปริมาณเทคนิคการใช้งานเชิงปริมาณ เทคนิคเชิงปริมาณมีประโยชน์มากในช่วงก่อนหน้าของวัฏจักรชีวิตของผลิตภัณฑ์เมื่อมีข้อมูลที่ผ่านมาน้อยกว่าสำหรับการใช้วิธีเชิงปริมาณวิธีการเชิงคุณภาพ ได้แก่ เทคนิค Delphi, เทคนิค NGT แบบ Nominal Group, ความคิดเห็นของพนักงานขาย ความคิดเห็นของผู้บริหารและการวิจัยตลาด DELPHI เทคนิค Delphi เทคนิค Delphi ใช้แผงของผู้เชี่ยวชาญในการผลิตการคาดการณ์ผู้เชี่ยวชาญแต่ละคนจะขอให้การคาดการณ์ที่เฉพาะเจาะจงกับความต้องการที่มือหลังจากการคาดการณ์ครั้งแรกจะทำผู้เชี่ยวชาญอ่านแต่ละสิ่งที่ทุก ผู้เชี่ยวชาญอื่น ๆ เขียนและเป็นของหลักสูตรอิทธิพลจากมุมมองของพวกเขา ผู้เชี่ยวชาญแต่ละคนจะอ่านอีกครั้งสิ่งที่ผู้เชี่ยวชาญทุกคนเขียนไว้และได้รับอิทธิพลอีกครั้งจากการรับรู้ของคนอื่น ๆ ขั้นตอนนี้ซ้ำตัวเองจนกว่าผู้เชี่ยวชาญแต่ละคนจะได้รับข้อตกลงเกี่ยวกับภาพจำลองที่จำเป็นหรือตัวเลขทีมงานด้านเทคนิคของกลุ่ม NOMINAL GROUP เทคนิคคล้ายกับเทคนิค Delphi ในการที่จะใช้กลุ่มของผู้เข้าร่วมมักจะผู้เชี่ยวชาญหลังจากที่ผู้เข้าร่วมตอบคำถามที่เกี่ยวข้องกับการคาดการณ์พวกเขาจัดอันดับการตอบสนองของพวกเขาในลำดับความสำคัญที่เกี่ยวข้องกับการรับรู้แล้วการจัดอันดับจะถูกรวบรวมและรวบรวมในที่สุดกลุ่มควร ถึงความเป็นเอกฉันท์เกี่ยวกับลำดับความสำคัญของประเด็นที่จัดอันดับความคิดเห็นของฝ่ายเสนาธิการพนักงานฝ่ายขายมักเป็นแหล่งข้อมูลที่ดีเกี่ยวกับความต้องการในอนาคตผู้จัดการฝ่ายขายอาจขอข้อมูลจากแต่ละฝ่ายขายและรวบรวมคำตอบของพวกเขาไว้ในรายงานการขายโดยรวม ข้อควรระวังควรใช้เมื่อใช้เทคนิคนี้เนื่องจากสมาชิกของทีมขายอาจไม่สามารถทำได้ แยกแยะระหว่างสิ่งที่ลูกค้าพูดและสิ่งที่พวกเขาทำจริงนอกจากนี้ถ้าการคาดการณ์จะใช้ในการสร้างโควต้าการขายพนักงานขายอาจถูกล่อลวงเพื่อให้การคาดการณ์ที่ต่ำกว่าความคาดหวังจาก EXECUTIVE บางครั้งผู้จัดการระดับบนจะพบและพัฒนาการคาดการณ์ขึ้นอยู่กับความรู้ของพวกเขา ของพื้นที่รับผิดชอบเหล่านี้บางครั้งเรียกว่าคณะลูกขุนของความคิดเห็น MARKET วิจัยในการวิจัยตลาดการสำรวจผู้บริโภคใช้ในการสร้างความต้องการที่มีศักยภาพการวิจัยการตลาดดังกล่าวมักจะเกี่ยวข้องกับการสร้างแบบสอบถามที่ solicits ส่วนบุคคลประชากรเศรษฐกิจและการตลาด ข้อมูลบางอย่างนักวิจัยตลาดรวบรวมข้อมูลดังกล่าวด้วยตัวเองที่ร้านค้าปลีกและห้างสรรพสินค้าซึ่งผู้บริโภคสามารถสัมผัสได้รสชาติรู้สึกกลิ่นและเห็นผลิตภัณฑ์ใด ๆ โดยเฉพาะผู้วิจัยต้องระวังว่ากลุ่มตัวอย่างที่ทำการสำรวจเป็นตัวแทนของผู้บริโภคที่ต้องการ เทคนิคการพยากรณ์ความต้องการโดยทั่วไปมีวัตถุประสงค์มากขึ้น การคาดการณ์เชิงปริมาณอาจเป็นการคาดการณ์แบบอนุกรมเช่นการคาดการณ์ของอดีตในอนาคตหรือการคาดการณ์ตามรูปแบบการเชื่อมโยงซึ่งขึ้นอยู่กับตัวแปรที่อธิบายได้อย่างน้อยหนึ่งตัวแปรข้อมูลชุดข้อมูลเวลาอาจมีพฤติกรรมพื้นฐานที่ต้องระบุโดยนักพยากรณ์ นอกจากนี้การคาดการณ์อาจจำเป็นต้องระบุสาเหตุของพฤติกรรมพฤติกรรมบางอย่างอาจเป็นรูปแบบหรือรูปแบบที่สุ่มตัวอย่างในรูปแบบต่างๆคือแนวโน้มซึ่งเป็นการเคลื่อนไหวระยะยาวขึ้นหรือลงในข้อมูลความสมเหตุสมผลซึ่งก่อให้เกิดระยะสั้น การเปลี่ยนแปลงระยะเวลาที่มักเกี่ยวข้องกับช่วงเวลาของปีเดือนหรือแม้แต่วันที่เฉพาะเจาะจงตามที่ได้รับจากการขายปลีกในวันคริสมาสต์หรือการเพิ่มขึ้นของกิจกรรมการธนาคารในวันแรกของเดือนและในวันศุกร์ที่ Cycles ซึ่งเป็นรูปแบบที่เหมือนกัน เป็นเวลานานกว่าหนึ่งปีที่มักผูกติดอยู่กับสภาวะทางเศรษฐกิจหรือการเมืองรูปแบบต่าง ๆ ที่ไม่ได้สะท้อนถึงลักษณะการทำงานทั่วไปเช่นระยะเวลาสุดขั้ว r หรือการประท้วงของสหภาพแรงงานรูปแบบต่างๆซึ่งรวมถึงพฤติกรรมที่ไม่เป็นแบบฉบับทั้งหมดที่ไม่ได้เป็นสาเหตุของการจำแนกประเภทอื่น ๆ ในขณะที่แบบจำลองของซีรีส์เวลาที่ง่ายที่สุดคือการคาดการณ์เกี่ยวกับการคาดการณ์บน na เพียงแค่ใช้ความต้องการที่แท้จริงสำหรับอดีต ระยะเวลาเป็นความต้องการที่คาดการณ์สำหรับงวดถัดไปนี้แน่นอนทำให้สมมติฐานที่ว่าในอดีตจะทำซ้ำนอกจากนี้ยังสมมติว่าแนวโน้มใด ๆ ฤดูกาลหรือรอบจะสะท้อนให้เห็นได้ในความต้องการของช่วงก่อนหน้าหรือไม่มีตัวอย่างของ na การคาดการณ์ของฉันได้แสดงไว้ในตารางที่ 1 ตารางที่ 1 การประมาณการณ์ Nae การคำนวณโดยใช้ค่าเฉลี่ยโดยเฉลี่ยจะใช้เวลาโดยเฉลี่ยของช่วงเวลาที่ผ่านมาของข้อมูลโดยการสรุปแต่ละช่วงเวลาและหารผลที่ได้ ตามระยะเวลาเทคนิคนี้ได้รับการพิสูจน์แล้วว่ามีประสิทธิภาพมากสำหรับการคาดการณ์ในระยะสั้นการคำนวณค่าเฉลี่ย ได้แก่ ค่าเฉลี่ยเคลื่อนที่ค่าเฉลี่ยถ่วงน้ำหนักและค่าเฉลี่ยเคลื่อนที่ที่ถ่วงน้ำหนัก A moving avera ge ใช้ระยะเวลาที่กำหนดไว้จำนวนหนึ่งรวมความต้องการที่เกิดขึ้นจริงของพวกเขาและหารด้วยจำนวนรอบระยะเวลาที่จะถึงการคาดการณ์สำหรับแต่ละงวดถัดไประยะเวลาที่เก่าที่สุดของข้อมูลจะลดลงและมีการเพิ่มช่วงเวลาล่าสุดสมมติว่าค่าเฉลี่ยเคลื่อนที่ 3 เดือนและ โดยใช้ข้อมูลจากตารางที่ 1 หนึ่งจะเพิ่ม 45 มกราคม 60 กุมภาพันธ์และ 72 มีนาคมและหารด้วยสามถึงคาดการณ์สำหรับ 45 เมษายน 60 72 177 3 59.To มาถึงที่คาดการณ์สำหรับเดือนพฤษภาคมหนึ่งจะปล่อยมกราคม s ความต้องการจากสมการและเพิ่มความต้องการจากเดือนเมษายนตารางที่ 2 แสดงตัวอย่างของการคาดการณ์ค่าเฉลี่ยเคลื่อนที่ย้อนหลัง 3 เดือนค่าพยากรณ์ 2 เดือนย้อนหลัง 3 เดือนความต้องการปกติ 000 s ค่าเฉลี่ยถ่วงน้ำหนักใช้น้ำหนักที่กำหนดไว้ล่วงหน้าสำหรับแต่ละเดือนของข้อมูลที่ผ่านมา รวมข้อมูลที่ผ่านมาจากแต่ละช่วงเวลาและหารด้วยน้ำหนักทั้งหมดถ้าเครื่องพยากรณ์จะปรับน้ำหนักเพื่อให้ผลรวมของพวกเขาเท่ากับ 1 แล้วน้ำหนักจะคูณกับความต้องการที่แท้จริงของแต่ละช่วงเวลา mmed เพื่อให้ได้การคาดการณ์โดยการถ่วงน้ำหนักโดยทั่วๆไปข้อมูลล่าสุดยิ่งมีน้ำหนักมากเท่าใดข้อมูลที่เก่ากว่าจะมีน้ำหนักน้อยลงตัวอย่างเช่นค่าเฉลี่ยถ่วงน้ำหนักโดยใช้น้ำหนักของ 4 3 2 และ 1 จะให้อัตราการคาดการณ์สำหรับเดือนมิถุนายน เป็น 60 1 72 2 58 3 40 4 53 8.Forecasters อาจใช้การรวมกันของถัวเฉลี่ยถ่วงน้ำหนักและการคาดการณ์เฉลี่ยเคลื่อนที่ประมาณการถ่วงน้ำหนักถ่วงน้ำหนักกำหนดน้ำหนักให้เป็นจำนวนที่กำหนดไว้ล่วงหน้าของข้อมูลระยะเวลาที่เกิดขึ้นจริงและคำนวณการคาดการณ์เช่นเดียวกับ อธิบายไว้ข้างต้นเช่นเดียวกับการคาดการณ์การเคลื่อนที่ทั้งหมดเมื่อมีการเพิ่มรอบระยะเวลาใหม่ ๆ ข้อมูลจากช่วงที่เก่าที่สุดจะถูกยกเลิกตารางที่ 3 แสดงการคำนวณโดยเฉลี่ยถ่วงน้ำหนัก 3 เดือนโดยใช้น้ำหนัก 5 3 และ 2. บทเฉพาะ 3 ค่าเฉลี่ยถ่วงน้ำหนัก 3 เดือน Forecast. Actual Demand 000 s รูปแบบที่ซับซ้อนมากขึ้นของค่าเฉลี่ยเคลื่อนที่แบบถ่วงน้ำหนักเป็นแบบเลขแจงที่ราบเรียบเนื่องจากมีน้ำหนักน้อยกว่าจำนวนที่ระบุไว้เมื่ออายุของข้อมูลหมดกำลังใจแบบ Exponential จะใช้ระยะเวลาก่อนหน้าของ Foreca st และปรับค่าโดยค่าคงที่ที่กำหนดไว้ล่วงหน้าที่เรียกว่า alpha ค่าสำหรับ alpha น้อยกว่าหนึ่งคูณด้วยความแตกต่างในการคาดการณ์ก่อนหน้านี้และความต้องการที่เกิดขึ้นจริงในช่วงคาดการณ์ก่อนหน้านี้เรียกว่าข้อผิดพลาดในการคาดการณ์ คาดการณ์ก่อนหน้าคาดการณ์อัลฟาที่เกิดขึ้นจริงการคาดการณ์ก่อนหน้านี้ FFA F. การปรับความสมดุลที่ดีขึ้นต้องใช้ตัวบอกเวลาเพื่อเริ่มต้นการคาดการณ์ในช่วงที่ผ่านมาและทำงานต่อไปจนถึงช่วงเวลาที่จำเป็นต้องใช้การคาดการณ์ในปัจจุบันข้อมูลที่ผ่านมาจำนวนมากและการเริ่มต้นหรือการคาดการณ์เบื้องต้น ยังจำเป็นการคาดการณ์ครั้งแรกอาจเป็นการคาดการณ์ที่เกิดขึ้นจริงจากช่วงเวลาก่อนหน้าความต้องการจริงจากช่วงเวลาก่อนหน้าหรือสามารถประเมินได้โดยเฉลี่ยทุกส่วนหรือบางส่วนของข้อมูลที่ผ่านมาข้อมูลการวิเคราะห์พฤติกรรมบางอย่างมีอยู่สำหรับการคำนวณการคาดการณ์เบื้องต้นตัวอย่างเช่นการวิเคราะห์พฤติกรรม N 2 1 และ alpha เท่ากับ 5 จะให้ค่า N เท่ากับ 3 ซึ่งแสดงว่าผู้ใช้จะเฉลี่ยสามคนแรก iods ของข้อมูลที่จะได้รับการคาดการณ์เริ่มต้นอย่างไรก็ตามความถูกต้องของการคาดการณ์เริ่มต้นไม่สำคัญหากมีการใช้ข้อมูลจำนวนมากเนื่องจากเรียบเป็นตัวชี้แจงการแก้ไขด้วยตนเองให้ระยะเวลาเพียงพอของข้อมูลที่ผ่านมาเรียบในที่สุดจะทำให้การแก้ไขมากพอที่จะ ชดเชยการคาดการณ์เบื้องต้นที่ไม่ถูกต้องอย่างมีเหตุผลโดยใช้ข้อมูลที่ใช้ในตัวอย่างอื่น ๆ การคาดการณ์เบื้องต้นที่ 50 และอัลฟาจาก 7 การคาดการณ์สำหรับเดือนกุมภาพันธ์จะคำนวณเป็นเช่นการคาดการณ์ใหม่ 50 ก. พ. 7 45 50 41 5. ต่อไปการคาดการณ์สำหรับ มีนาคมการคาดการณ์ใหม่ 41 มีนาคม 5 7 60 41 5 54 45 กระบวนการนี้ยังคงดำเนินต่อไปจนกว่าผู้พยากรณ์จะถึงช่วงเวลาที่ต้องการในตารางที่ 4 นี้จะเป็นเดือนมิถุนายนเนื่องจากความต้องการที่แท้จริงสำหรับเดือนมิถุนายนไม่เป็นที่ทราบความต้องการตามจริง 000 s. An การขยายความละเอียดที่ชี้แจงสามารถนำมาใช้เมื่อข้อมูลของชุดข้อมูลมีแนวโน้มเป็นเส้นตรงวิธีนี้เป็นที่รู้จักกันโดยชื่อหลายชื่อเรียบราบเรียบแนวโน้มการปรับลดการคาดการณ์ที่ชี้แจงรวมทั้งแนวโน้ม FIT และ Holt s Model หากไม่มีการปรับผลเรียบง่ายชี้แจงจะล่าช้าแนวโน้มคือการคาดการณ์จะต่ำถ้าแนวโน้มเพิ่มขึ้นหรือสูงถ้าแนวโน้มลดลงด้วยรูปแบบนี้มีสองราบเรียบค่าคงที่และมีการแสดงองค์ประกอบแนวโน้ม การขยายตัวของ Holt s Model เรียกว่า Holt-Winter s Method คำนึงถึงแนวโน้มและฤดูกาลมีอยู่สองแบบคือ multiplicative และ additive โดย multiplicative เป็นแบบที่ใช้กันอย่างแพร่หลายในรูปแบบ additive seasonality จะแสดงเป็นจำนวน จะถูกเพิ่มหรือลบออกจากชุดค่าเฉลี่ยแบบจําลองคูณแสดงว่าฤดูกาลเป็นเปอร์เซ็นต์ที่รู้จักกันในชื่อว่าญาติตามฤดูกาลหรือดัชนีตามฤดูกาลของค่าเฉลี่ยหรือแนวโน้มเหล่านี้จะถูกคูณด้วยค่าต่างๆเพื่อที่จะรวมเป็นฤดูกาลความสัมพันธ์ของ 0 8 จะระบุถึงความต้องการ 80 เปอร์เซ็นต์ของค่าเฉลี่ยในขณะที่ 1 10 จะระบุความต้องการที่สูงกว่าค่าเฉลี่ยประมาณ 10 เปอร์เซ็นต์รายละเอียดข้อมูลเกี่ยวกับวิธีการนี้สามารถทำได้ สามารถพบได้ในตำราการจัดการการดำเนินงานส่วนใหญ่หรือหนังสือเกี่ยวกับการพยากรณ์การณ์หลายประการเทคนิคการอ้างอิงหรือสาเหตุที่เกี่ยวข้องกับการระบุตัวแปรที่สามารถใช้ทำนายตัวแปรอื่นที่น่าสนใจตัวอย่างเช่นอัตราดอกเบี้ยอาจถูกนำมาใช้เพื่อพยากรณ์ความต้องการบ้าน การรีไฟแนนซ์โดยปกติจะใช้การถดถอยเชิงเส้นโดยมีวัตถุประสงค์เพื่อพัฒนาสมการที่สรุปผลกระทบของตัวแปรอิสระที่ทำนายตามตัวแปรที่คาดการณ์ไว้ถ้าตัวแปรพล็อตเตอร์ทำนายวัตถุจะได้สมการของ a เส้นตรงที่ลดผลรวมของความแปรปรวนของเบี่ยงเบนจากเส้นที่มีส่วนเบี่ยงเบนเป็นระยะทางจากแต่ละจุดไปยังเส้นสมการจะปรากฏเป็น ya bx โดยที่ y เป็นตัวแปรที่คาดการณ์ขึ้น x เป็นตัวแปรพยากรณ์อิสระ b คือ ความลาดชันของเส้นและ a เท่ากับความสูงของเส้นที่จุดตัด Y เมื่อสมการกำหนดผู้ใช้สามารถ inse rt ค่าปัจจุบันของตัวแปรอิสระที่ทำนายจะมาถึงตัวแปรที่ขึ้นกับการคาดการณ์หากมีตัวแปร predictor มากกว่าหนึ่งตัวหรือถ้าความสัมพันธ์ระหว่าง predictor กับ forecast ไม่เป็นเส้นตรงการถดถอยเชิงเส้นแบบง่ายจะไม่เพียงพอสำหรับสถานการณ์ที่มี predictors หลายตัว ควรใช้ในขณะที่ความสัมพันธ์ที่ไม่ใช่เชิงเส้นเรียกร้องให้ใช้การถดถอยของเส้นโค้งการพยากรณ์ทางเศรษฐศาสตร์วิธีการทางเศรษฐมิติเช่นแบบอัตถิภาวนิยมแบบเคลื่อนที่เฉลี่ย ARIMA ใช้สมการทางคณิตศาสตร์ที่ซับซ้อนเพื่อแสดงความสัมพันธ์ระหว่างความต้องการและตัวแปรที่มีอิทธิพลต่อความต้องการ สมการได้รับมาแล้วทดสอบและปรับแต่งเพื่อให้มั่นใจว่าเป็นความน่าเชื่อถือเป็นตัวแทนของความสัมพันธ์ที่ผ่านมาที่สุดเท่าที่จะเป็นไปได้เมื่อทำเช่นนี้ค่าที่คาดการณ์ไว้ของตัวแปรที่มีอิทธิพลรายได้ราคา ฯลฯ ถูกแทรกลงในสมการเพื่อคาดการณ์ การประเมินความถูกต้องความถูกต้องของข้อมูลสามารถคำนวณได้จากการคำนวณความลำเอียง a ความคลาดเคลื่อนของค่าความคลาดเคลื่อนปานกลาง MSE หรือความคลาดเคลื่อนเปอร์เซ็นต์โดยเฉลี่ย MAPE สำหรับการคาดการณ์โดยใช้ค่าที่ต่างกันสำหรับอัลฟาอคติคือผลรวมของข้อผิดพลาดในการคาดการณ์ FE สำหรับตัวอย่างการทำให้เรียบที่อธิบายข้างต้นการคำนวณความลำเอียงจะเป็น 60 41 5 72 54 45 58 66 74 40 60 62 6 69. ถ้าสมมติว่าอคติต่ำแสดงข้อผิดพลาดในการคาดการณ์โดยรวมต่ำเราสามารถคำนวณอคติของค่าอัลฟ่าที่มีศักยภาพและสมมติว่าค่าความลำเอียงต่ำสุดจะเป็นค่าที่ถูกต้องที่สุด อย่างไรก็ตามความระมัดระวังในการคาดการณ์ที่ไม่ถูกต้องอย่างรุนแรงอาจส่งผลให้เกิดความลำเอียงต่ำหากพวกเขามีแนวโน้มที่จะเป็นไปตามคาดการณ์และภายใต้การคาดการณ์ที่เป็นลบและเป็นบวกตัวอย่างเช่น บริษัท ที่ใช้เวลามากกว่าสามช่วงอาจใช้ค่า alpha เป็นพิเศษมากกว่าคาด 75,000 หน่วย 75,000 ภายใต้การคาดการณ์ 100,000 หน่วย 100,000 และจากการคาดการณ์โดย 25,000 หน่วย 25,000 ให้อคติของศูนย์ 75,000 100,000 25,000 0 โดยเปรียบเทียบ alpha อื่นให้มากกว่าการคาดการณ์ 2,000 หน่วย 1,000 หน่วยและ 3,000 หน่วยจะส่งผลให้เกิดความลำเอียง 5,000 หน่วยถ้าความต้องการปกติคือ 100,000 หน่วยต่องวดอัลฟาแรกจะให้ผลการคาดการณ์ที่ลดลงมากถึงร้อยละ 100 ในขณะที่อัลฟาที่สองจะถูกปิดโดยสูงสุดเพียง 3 แม้ว่าความลำเอียงในการคาดการณ์ครั้งแรกเป็นศูนย์การวัดความถูกต้องของความถูกต้องของการคาดการณ์คือค่าความเบี่ยงเบนสัมบูรณ์ที่คำนวณได้โดยเฉลี่ย MAD ในการคำนวณ MAD นักพยากรณ์จะสรุปค่าสัมบูรณ์ของข้อผิดพลาดในการคาดการณ์และหารด้วยจำนวนการคาดการณ์ FE N โดยการใช้ค่าสัมบูรณ์ของข้อผิดพลาดในการคาดการณ์การหักล้างค่าบวกและลบจะหลีกเลี่ยงซึ่งหมายความว่าทั้งการคาดการณ์มากกว่า 50 และการคาดการณ์ของ 50 ถูกปิดใช้งาน 50 โดยใช้ข้อมูลจากตัวอย่างการทำให้เรียบตัวอย่างเช่น MAD สามารถ คำนวณได้ดังต่อไปนี้ 60 41 5 72 54 45 58 66 74 40 60 62 4 16 35 ดังนั้นนักพยากรณ์จึงปิดเฉลี่ย 16 35 หน่วยต่อการคาดการณ์เมื่อเปรียบเทียบกับผลของอัลฟาอื่น ๆ ผู้พยากรณ์จะรู้ว่าอัลฟากับ t เขาต่ำสุด MAD จะให้ผลการคาดการณ์ที่ถูกต้องที่สุดข้อผิดพลาดตาราง MSE ยังสามารถใช้ในแบบเดียวกัน MSE คือผลรวมของข้อผิดพลาดในการพยากรณ์แบ่งเป็น N - 1 FE N - 1 Squaring ข้อผิดพลาดในการคาดการณ์ลดความเป็นไปได้ในการหักลบ ตัวเลขเนื่องจากไม่มีผลใด ๆ สามารถเป็นค่าลบได้การใช้ข้อมูลเดียวกับข้างต้น MSE จะเท่ากับ 18 5 17 55 8 74 20 62 3 383 94 เช่นเดียวกับ MAD นักพยากรณ์อาจเปรียบเทียบ MSE ของการคาดการณ์ที่ได้จากการใช้ค่าต่างๆของ alpha และสมมุติว่าอัลฟาที่มีค่า MSE ต่ำสุดจะให้ค่าพยากรณ์ถูกต้องที่สุดข้อผิดพลาดเปอร์เซ็นต์เปอร์เซ็นต์เฉลี่ย MAPE เป็นค่าเปอร์เซ็นต์เปอร์เซ็นต์โดยเฉลี่ยที่ผิดพลาดเมื่อต้องการไปถึง MAPE จะต้องนำผลรวมของอัตราส่วนระหว่างข้อผิดพลาดในการคาดการณ์และความต้องการตามจริง 100 ครั้งเพื่อให้ได้ เปอร์เซ็นต์และหารด้วย N การพยากรณ์ความต้องการที่เกิดขึ้นจริงความต้องการตามจริง 100 N การใช้ข้อมูลจากตัวอย่างการทำให้เรียบตัวอย่างเช่น MAPE สามารถคำนวณได้ดังนี้ 18 5 60 17 55 72 8 74 58 20 62 48 100 4 28 33 เช่นเดียวกับ MAD และ MSE, แท้จริง ความผิดพลาดของญาติมากกว่าที่คาดการณ์ไว้อย่างถูกต้องควรสังเกตว่าในบางกรณีความสามารถในการคาดการณ์การเปลี่ยนแปลงอย่างรวดเร็วเพื่อตอบสนองต่อการเปลี่ยนแปลงรูปแบบข้อมูลถือว่ามีความสำคัญมากกว่าความถูกต้องดังนั้นทางเลือกหนึ่งของวิธีการพยากรณ์ควร สะท้อนให้เห็นถึงความสมดุลระหว่างความสำคัญระหว่างความถูกต้องและการตอบสนองตามที่นักพยากรณ์คาดการณ์ไว้การคาดการณ์ในอนาคตวิลเลียมเจสตีเวนสันแสดงรายการต่อไปนี้เป็นขั้นตอนพื้นฐานในกระบวนการคาดการณ์กำหนดจุดประสงค์ของการพยากรณ์ปัจจัยต่างๆเช่นวิธีการและเวลาคาดการณ์ ต้องใช้ระดับความถูกต้องที่ต้องการและระดับรายละเอียดที่ต้องการกำหนดเวลาต้นทุนเงินพนักงานที่สามารถทุ่มเทให้กับการคาดการณ์และประเภทของวิธีการพยากรณ์ที่จะใช้กำหนดเส้นขอบฟ้าเวลานี้เกิดขึ้นหลังจากที่หนึ่งได้กำหนด วัตถุประสงค์ของการคาดการณ์การคาดการณ์ในระยะยาวต้องใช้ระยะเวลานานขึ้นและในทางกลับกันความถูกต้องคือการพิจารณาอีกครั้งเลือกเทคนิคการพยากรณ์ Th e เทคนิคที่เลือกขึ้นอยู่กับวัตถุประสงค์ของการคาดการณ์ขอบข่ายเวลาที่ต้องการและค่าใช้จ่ายที่ได้รับอนุญาตรวบรวมและวิเคราะห์ข้อมูลปริมาณและชนิดของข้อมูลที่จำเป็นต้องอยู่ภายใต้วัตถุประสงค์ของการคาดการณ์เทคนิคการคาดการณ์ที่เลือกและการพิจารณาค่าใช้จ่ายใด ๆ Byron J Operations ตอนนี้ทำกำไรกระบวนการผลการดำเนินงาน 2 ed Boston McGraw-Hill Irwin, 2006.Green, William H การวิเคราะห์ทางเศรษฐมิติ 5. ed Upper Saddle River, นิวเจอร์ซีย์ Prentice Hall, 2003.Joppe, Dr Marion เทคนิคกลุ่มที่กำหนดไว้กระบวนการวิจัยที่มีจำหน่ายจาก Stevenson, William J Operations Management 8 ed Boston McGraw-Hill Irwin, 2005. อ่านบทความเกี่ยวกับ Forecasting จากวิกิพีเดีย Forecasting. Forecasting ช่วยให้ผู้จัดการและธุรกิจพัฒนาแผนการที่มีความหมายและลดความไม่แน่นอนของเหตุการณ์ในอนาคตผู้จัดการต้องการให้สอดคล้องกับอุปสงค์จึงเป็นสิ่งสำคัญสำหรับ พวกเขาคาดการณ์ว่าพวกเขาต้องการพื้นที่เพียงพอสำหรับแต่ละความต้องการสองประเด็นสำคัญที่เกี่ยวข้องกับการคาดการณ์คือระดับความคาดหวังของความต้องการและเขาคาดการณ์องศาของความถูกต้องสองแนวทางทั่วไปในการคาดการณ์เป็นเชิงคุณภาพและเชิงปริมาณนอกจากนี้ยังมีสามประเภท การคาดการณ์แบบพยากรณ์อากาศและการคาดการณ์แบบพยากรณ์อากาศการคาดการณ์ในช่วงปีพึ่งพาปัจจัยการผลิตจากหลายแหล่งข้อมูลการคาดการณ์แบบเวลา - ซีรีส์รูปแบบของโครงการที่ระบุไว้ในการสังเกตการณ์เกี่ยวกับอนุกรมเวลาล่าสุดชุดเวลาคือลำดับเวลาของการสังเกตการณ์ เวลาในช่วงเวลาปกติรูปแบบการรวมอยู่บนพื้นฐานของการพัฒนาสมการที่สรุปผลกระทบของตัวแปรทำนายตัวแปร Predictor ใช้ในการทำนายค่าของตัวแปรที่น่าสนใจของเราเป็นสิ่งสำคัญที่ต้องทราบวิธีคำนวณข้อผิดพลาดในการคาดการณ์ข้อผิดพลาดจริง - พยากรณ์มีสามวิธีในการวัดความถูกต้องของการคาดการณ์ MAD, MSE และ MAPE MAD ชั่งน้ำหนักข้อผิดพลาดทั้งหมด s อย่างเท่าเทียมกัน MSE มีข้อผิดพลาดตามค่ากำลังสองของพวกเขาสุดท้าย MAPE มีน้ำหนักตามข้อผิดพลาดที่สัมพันธ์กันการคาดการณ์เชิงคุณภาพเป็นอัตนัยในขณะที่การคาดการณ์เชิงปริมาณเกี่ยวข้องกับการคาดการณ์ข้อมูลทางประวัติศาสตร์หรือการพัฒนาแบบจำลองการเชื่อมโยงการคาดการณ์ในทางกลับกันเป็นเชิงคุณภาพในขณะที่การคาดการณ์แบบอนุกรมและแบบจำลองการเชื่อมโยงเป็น ทั้งสองวิธีการเชิงปริมาณเชิงปริมาณรวมถึงวิธีการพยากรณ์ Nave วิธีเฉลี่ยถ่วงน้ำหนักวิธีถัวเฉลี่ยถ่วงน้ำหนักและวิธีการเรียบแบบเสวนาการคาดการณ์จะไม่ถูกต้อง 100 ดังนั้นจึงมีเสมอห้องสำหรับการปรับปรุงบทที่ 3 นำเทคนิคการคาดการณ์ที่แตกต่างกัน แต่ไม่มี เทคนิคเดียวทำงานได้ดีที่สุดในทุกสถานการณ์การเปลี่ยนแปลงแบบสุ่มอยู่เสมอในการคาดการณ์และจะมีระดับของข้อผิดพลาดที่เหลืออยู่ภายในคาดการณ์การคาดการณ์เป็นพื้นฐานสำหรับกำหนดการขององค์กรดังนั้นความถูกต้องของการคาดการณ์เหล่านี้จะกำหนดจำนวนทรัพยากรที่ต้องใช้ ใช้, เอาต์พุต การผลิตและระยะเวลาของการผลิตที่สูงขึ้นความแม่นยำสูงกว่าค่าใช้จ่ายดังนั้นการคาดการณ์ที่ดีที่สุดจะถูกสร้างขึ้นจากการรวมกันของความถูกต้องและค่าใช้จ่ายความพร้อมใช้งานของข้อมูลในอดีตซอฟต์แวร์คอมพิวเตอร์ตลอดจนเวลาที่จำเป็นในการรวบรวมและวิเคราะห์ข้อมูลต้อง คอมพิวเตอร์มีบทบาทสำคัญในการเตรียมการพยากรณ์ขึ้นอยู่กับข้อผิดพลาดในการคาดการณ์เชิงปริมาณเท่ากับค่าจริงที่ลบด้วยค่าพยากรณ์ความผิดพลาดในเชิงบวกจะเกิดขึ้นเมื่อการคาดการณ์ต่ำเกินไปและข้อผิดพลาดเชิงลบจะเกิดขึ้นเมื่อการคาดการณ์มีมากเกินไป สูงมีเทคนิคการพยากรณ์หลากหลายรูปแบบซึ่งสามารถแบ่งออกได้เป็น 3 แนวทางหลักคือการพยากรณ์อากาศที่เป็นประโยชน์เมื่อมีการคาดการณ์โดยต้องทำในช่วงเวลาสั้น ๆ เมื่อข้อมูลไม่มีวันหมดอายุหรือมีเวลา จำกัด ในการเก็บรวบรวม it. Time Series Forecasts Common Common ใช้ในการระบุรูปแบบข้อมูลที่เฉพาะเจาะจงและใช้ในการคาดการณ์ในอนาคตในอนาคต ASEA tive ระบุตัวแปรที่เกี่ยวข้องเพื่อคาดการณ์การคาดการณ์ที่จำเป็นการพยากรณ์เป็นวิธีที่ใช้ในการทำนายและวางข้อมูลส่วนใหญ่ในการออกแบบและระบบปฏิบัติการทั้งสองคาดการณ์ว่าข้อมูลดังกล่าวจะมีลักษณะอย่างไรในอนาคตเพื่อที่จะทำอย่างนั้นต้องกำหนด วัตถุประสงค์ในการสร้างขอบฟ้าเวลาเลือกเทคนิคการคาดการณ์ทำแล้วตรวจสอบการคาดการณ์ใหม่วิธีที่ใช้ในการลดข้อผิดพลาด ได้แก่ วิธี Delphi วิธีการที่ไร้เดียงสาและวิธีถัวเฉลี่ยถ่วงน้ำหนักปัญหาสำคัญในการคาดการณ์คือการเปลี่ยนแปลงตามฤดูกาลเนื่องจากมี การทำซ้ำการเคลื่อนไหวนี่คือที่แผนภูมิควบคุมกลายเป็นสิ่งสำคัญเนื่องจากตรวจสอบข้อผิดพลาดในการคาดการณ์บทที่สามมุ่งเน้นไปที่การคาดการณ์ซึ่งเกี่ยวข้องกับคำแถลงเกี่ยวกับค่าในอนาคตของตัวแปรที่น่าสนใจมีสามเทคนิคการคาดการณ์คือการตัดสินลำดับเวลาและโฟกัส A การคาดการณ์ที่เหมาะสมควรเป็นไปตามข้อกำหนดบางอย่างที่ทันเวลาถูกต้องเชื่อถือได้แสดงเป็นหน่วยที่มีความหมายใน w riting ค่าใช้จ่ายที่มีประสิทธิภาพและง่ายที่สุดในการทำความเข้าใจและใช้หลังจากการคาดการณ์ได้รับการทำสิ่งสำคัญคือองค์กรการศึกษาพวกเขาและตอบสนองความต้องการของผู้บริโภคโดยการตอบสนองต่อการคาดการณ์ แต่มีวิธีการทำนายสิ่งที่มีความถูกต้องสมบูรณ์ที่เราสามารถไม่มี เลือกเฉพาะการคาดการณ์ที่ดีที่สุดเพื่อให้พอดีกับสถานการณ์ที่ต่างกัน Forecasts Forecasting Demands Forecasting เป็นส่วนสำคัญของธุรกิจเนื่องจากผลการคาดการณ์ในพื้นที่โฆษณาที่ถูกต้องมากขึ้นการใช้หลักสำหรับการคาดการณ์ ได้แก่ วางแผนแผนระยะยาวของระบบและวางแผนการใช้ระบบสั้น ๆ แผนผังสี่ประเภทของการคาดการณ์คือการคาดเดาไร้เดียงสาค่าเฉลี่ยเคลื่อนที่ค่าเฉลี่ยถ่วงน้ำหนักและการชี้แจงให้ราบเรียบมีการคาดการณ์ที่ถูกต้องเป็นสิ่งที่สำคัญมากบทที่ 3 ยังมุ่งเน้นเกี่ยวกับข้อผิดพลาดในการคาดการณ์ข้อผิดพลาดถูกคำนวณโดยการลบพยากรณ์จากข้อผิดพลาดที่เกิดขึ้นจริง สิ่งสำคัญที่ บริษัท ใช้วิธีการคาดการณ์ที่ถูกต้องที่สุดสามวิธีที่ใช้ทั่วไปในการวัดข้อผิดพลาดใน forecas ts หมายถึงค่าเบี่ยงเบนมาตรฐานความคลาดเคลื่อนเฉลี่ยของความคลาดเคลื่อนและความคลาดเคลื่อนเปอร์เซ็นต์โดยเฉลี่ยที่แท้จริง ForForning เป็นคำแถลงเกี่ยวกับมูลค่าในอนาคตของตัวแปรที่น่าสนใจซึ่งมีความสำคัญอย่างยิ่งต่อการคาดการณ์ที่ดีที่จะเชื่อถือได้คุ้มค่าใช้จ่ายเรียบง่ายและรัดกุม สำหรับการคาดการณ์ว่าถูกต้องและข้อผิดพลาดน้อยที่สุดเท่าที่จะเป็นไปได้ข้อผิดพลาดมีผลอย่างมากต่อความถูกต้องของการคาดการณ์และคำนวณเป็นข้อผิดพลาดจริง - พยากรณ์ถ้าข้อผิดพลาดของพวกเขามากเกินไปในการคาดการณ์การดำเนินการดังกล่าวจำเป็นต้องแก้ไขให้เป็นสองแนวทางหลักใน การคาดการณ์หนึ่งวิธีคือการคาดการณ์เชิงปริมาณซึ่งขึ้นอยู่กับตัวแปรในอดีตและข้อมูลอื่น ๆ คือการคาดการณ์เชิงคุณภาพซึ่งเป็นข้อมูลเพิ่มเติมเกี่ยวกับความคิดเห็นการวิเคราะห์พื้นฐานและ intuitions ส่วนนี้ครอบคลุมถึงการคาดการณ์ของ Judgmental ซึ่งเป็นประโยชน์เมื่อจำเป็นต้องทำการคาดการณ์อย่างรวดเร็วหรือถ้าข้อมูลทางประวัติศาสตร์ ไม่สามารถใช้งานได้การคาดการณ์ในการพิจารณาความคิดเห็นประกอบด้วยความคิดเห็นของผู้บริหารความคิดเห็นของพนักงานขายการสำรวจผู้บริโภคและวิธี Delphi ความเห็นของผู้บริหาร ไอออนใช้กลุ่มเล็ก ๆ ของผู้จัดการระดับบนเพื่อพัฒนาความคาดการณ์ของพนักงานขายโดยใช้พนักงานขายหรือเจ้าหน้าที่ฝ่ายบริการลูกค้าเพื่อทำนายตามข้อมูลที่ได้จากการติดต่อโดยตรงกับลูกค้าการสำรวจของผู้บริโภคใช้เพื่อรวบรวมข้อมูลจากลูกค้าโดยตรง เพื่อสร้างการคาดการณ์ในบทที่ 3 วิธีการต่างๆของวิธีการคาดการณ์จะได้รับการอธิบายในรายละเอียดการทำงานของแต่ละวิธีการคาดการณ์และวิธีการใช้งานในสถานการณ์ทุกวันผู้จัดการความช่วยเหลือคาดการณ์เหล่านี้พยายามที่จะคาดการณ์เหตุการณ์ในอนาคตด้วยความหวังในการปรับปรุงการดำเนินงานของ บริษัท การคาดการณ์คือ แบ่งออกเป็นสองกลุ่มที่แตกต่างกันเชิงปริมาณและเชิงคุณภาพการคาดการณ์เชิงคุณภาพคือการสำรวจความคิดเห็นและการคาดการณ์ยอดขายการคาดการณ์เชิงปริมาณที่สำคัญสองข้อคือการวิเคราะห์ข้อมูลชุดเวลาและเทคนิคการเชื่อมโยงทั้งนี้ขึ้นอยู่กับสถานการณ์ที่การคาดการณ์ไม่ได้ทำงานอย่างถูกต้องและทำงานได้ดีกว่า อื่น ๆ 1 ข้อใดต่อไปนี้ไม่ใช่ขั้นตอนในการคาดการณ์ spg 74 A การกำหนดจุดประสงค์ของการคาดการณ์ B การกำหนดเส้นขอบฟ้าเวลา C การเลือกเทคนิคการคาดการณ์ D การสร้างความต้องการในการพยากรณ์ E การตรวจสอบการคาดการณ์คำตอบ D สร้างความต้องการพยากรณ์พยากรณ์ความถูกต้องของพยากรณ์เป็นช่วงเวลาที่ประมาณการไว้ pg 73 A เพิ่มขึ้น , ลด B ลดลงเพิ่มขึ้น C จะถูกตัดออกอย่างต่อเนื่อง D ยังคงถูกตัดออก E ไม่มีข้อ ANSWER B ข้างต้นลดลงเพิ่มขึ้น 3 การคาดการณ์ที่ดีต้องใช้องค์ประกอบใดต่อไปนี้ spg 74 B เวลาถูกต้อง C ที่เชื่อถือได้ D ประหยัดค่าใช้จ่าย E ทั้งหมด เหนือคำตอบ E ทั้งหมดข้างต้น 4 ค่าเบี่ยงเบนความเบี่ยงเบนสัมบูรณ์ MAD หมายถึงวิธีการคำนวณเป็นข้อผิดพลาดที่ถ่วงน้ำหนักคำนวณ pg 77 ยากที่สุด linearly B ง่ายที่สุด linearly error C, linearly d squared error, linearly E ไม่มีคำตอบ ANSWER B 5 ความผิดพลาดในการพยากรณ์ความผิดพลาดคือ pg 75 ข้อผิดพลาดที่เกิดขึ้นจริง - พยากรณ์ B ข้อผิดพลาดพยากรณ์ - จริง C ข้อผิดพลาดที่เกิดขึ้นจริง - พยากรณ์ 2 D ข้อผิดพลาดจริง - พยากรณ์ n E ไม่มีข้อผิดพลาดดังกล่าวข้างต้น Actua l - Forecast.1- อะไรคือค่าคาดการณ์ที่ใช้สำหรับการวางแผนระบบ b วางแผนการใช้ระบบ c ให้เป้าหมายในอนาคต d ทั้งหมดข้างต้นไม่มีอะไรในข้างต้น ANSWER D หน้า 79.5- ผู้จัดการกำลังพยายามคำนวณการคาดการณ์ ข้อผิดพลาดในช่วงเวลาห้าเขาประสบความสำเร็จในการคำนวณผลรวมของข้อผิดพลาดสี่เหลี่ยมเป็น 39 อะไรคือข้อผิดพลาดในการพยากรณ์อากาศโดยใช้ MSE a 2 6 b 9 75 c 7 8 d 6 85 e 10 ANSWER B หน้า 76.1 พยากรณ์ความผิดพลาดเท่ากับการคาดการณ์ value - ค่าจริง b ค่าจริง - ค่าคาดการณ์ c ค่าสัมบูรณ์ - ค่าพยากรณ์ d ค่าพยากรณ์ - ค่าสัมบูรณ์ - ค่าที่แน่นอน - ค่า ANSWER B หน้า 75.2 เมื่อทำการพยากรณ์เป็นระยะ ๆ เป็นสิ่งสำคัญที่ ตรวจสอบให้แน่ใจว่าค่าจริงเกินกว่าค่าที่คาดการณ์ไว้ b ให้แน่ใจว่าค่าพยากรณ์เกินค่าจริง c ตรวจสอบให้แน่ใจว่าข้อผิดพลาดอยู่ในขอบเขตที่สมเหตุสมผล d ให้แน่ใจว่าค่าพยากรณ์อยู่นอกขอบเขตที่สมเหตุสมผล e ใช้การดำเนินการแก้ไข ANSWER C ที่พบในหน้า 75.3 บวก Foreca st ข้อผิดพลาดเกิดขึ้นเมื่อการคาดการณ์สูงเกินไป b การคาดการณ์ต่ำเกินไป c การคาดการณ์เท่ากับค่าที่แท้จริง d ค่าที่แท้จริงเกินกว่าค่าที่คาดไว้ e ไม่มีข้อ ANSWER B ข้างต้นหน้า 75.4 ข้อผิดพลาดในการพยากรณ์ที่เป็นลบเกิดขึ้นเมื่อการคาดการณ์เท่ากับ ค่าจริง b การคาดการณ์ต่ำเกินไป c ค่าที่แท้จริงเกินกว่าค่าพยากรณ์ d ค่าพยากรณ์สูงเกินไป e ค่าเท่ากับค่าจริง ANSWER D หน้า 75.5 ข้อใดต่อไปนี้เป็นข้อผิดพลาดในการคาดการณ์ทางธุรกิจที่มีอิทธิพลต่อการตัดสินใจกำหนดความสำเร็จหรือ ความล้มเหลวของทางเลือกการพยากรณ์ที่เลือก b จะกำหนดระดับที่แท้จริงของค่าควรเกินค่าพยากรณ์ c พวกเขากำหนดระดับของค่าคาดการณ์ที่ควรเกินค่าจริง d ไม่ส่งผลกระทบต่อการคาดการณ์การคาดการณ์ผิดพลาดเกินกว่ารูปแบบที่เปลี่ยนแปลงไป accounted for e They determine how to summarize forecast error over time ANSWER A found on page 75.1 A data series that shows a short-term regular variation related to the calen der or time of day a trend b seasonality c cycle d irregular variation e random variation ANSWER B P 79.2 Which forecasting would be best if the forecast horizon was short - medium, preparation time was short - medium, and personal background had little sophistication a moving average b trend model c seasonal d simple exponential smoothing e all the same ANSWER C P 104.3 Given the following data, the error is Forecasted Sales - 110 Actual Sales - 130 a -20 b 20 c 240 d 0 e none of the above ANSWER B P 75.4 What is the first step in the forecasting process a establish a time horizon b select a forecasting technique c obtain data d determine the purpose of the forecast e none of the above ANSWER D P 74.5 The two most important factors when choosing a forecasting method are a cost and accuracy b cost and time c time and accuracy d quality and time ANSWER A P 103.6 When are forecasts made a Weekly b Monthly c Quarterly d Annually e All of the above ANSWER E P 99.1 The actual demand was 50 un its while the forecast value was 30 units What is the error A 15 B 20 C 25 D 10 E There is no error Answer B, page 75.2 Which one of these is a wave-like variation lasting more than a year A Cycle B Seasonal C Cycle D Irregular E Random Answer A, page 79.3 Which of these forecasts equals the previous period s actual value A MAD B MSE C MAPE D Naive E None of the above Answer D, page 80.4 Which one of these is a time series forecast A Trend B Seasonality C Cycle D Random Variation E All of the above Answer E, page 79.5 The previous forecast was 100 units The actual forecast was 150 units There is an alpha of 5 What is the next forecast going to be A 100 B 150 C 125 D 200 E 175 Answer C, pages 83-84.Murtaza Valika mvalik2.1 What type of relationship is there between accuracy and the forecast horizon a Positive b Inverse c Zero d Exponential e Parabolic Answer B pg 73.2 Looking at the historical data, there are two peaks and troughs that can be seen There is a medium forecast horizon and moderate preparation time Which forecasting method should be selected a Moving average b Causal regression models c Seasonal d Exponential smoothing e Naive forecasting Answer C pg 79.3 A proactive approach to a forecast a Seeks to actively influence demand b Requires a subjective assessment of the influence on demand c May need two forecasts d All of the above e None of the above Answer D pg 105.4 Simple exponential smoothing is appropriate when data a Exhibits a linear trend b Varies around an average or has gradual changes c Has regularly repeating upward or downward movements d Exhibits no clear pattern e Exhibits irregular behavior Answer B pg 83-85.5 What is the naive forecast in the stable series using the following information Previous Actual Value 34, Previous Forecast Value 30 a 34 b 30 c 4 d 32 e 33 Answer A pg 79.6 Monitoring the forecast is important because a Forecasts errors almost certain - there is always room for improvement b It is important to determine whether the f orecasts are performing satisfactorily c The model may be outdated d All of the above e None of the above Answer D pg 99.1 When period 1 has a sale of 10 units, what is the forecast for the sales in the next period using the naive methods a 8 units b 9 units c 10 units d 10 5 units e 12 units Answer is c page 79.2 Which of the following is considered an input for judgmental forecast a Executive opinions b Salesforce opinions c Consumer surveys d Delphi method e All of the above Answer is e page 77.3 Which of the following is not an element of a good forecast a The forecast should be timely b The forecast should be accurate c The forecast should be oral d The forecast should be reliable e All of the above Answer is c page 74.4 Which of the following are residual variations that remain after all other behaviors have been accounted for a Seasonality b Cycle c Random Variation d Trend e None of the above Answer is c page 79.5 Nave Forecast is best used when a The time series is stable b Th ere is a trend c There is seasonality d All of the above e None of the above Answer is d page 79.Marco Chen mchen26.1 Which forecasting method uses subjective inputs such as opinions from consumer surveys, sales staff, managers, executives, and experts A Judgmental forecasts B Time-series forecasts C Associative models D All of the Above E None of the above Answer A pg 77.2 Which forecasting method has the advantage of bringing together the knowledge and talent of various managers, but runs the risk that the view of one person may prevail A Salesforce opinions B Consumer surveys C Delphi method D Executive opinions E Associative models Answer D, pg 77.3 Which forecasting method is the most useful for assessing changes in technology and their impact on an organization A Salesforce opinions B Executive opinions C Delphi method D Consumer surveys E Time-series forecasts Answer C, pg 78.4 In which forecasting method may the persons offering their opinion be overly optimistic pessimistic an d thus may be unable to distinguish between what customers would like to do and what they actually will do A Consumer surveys B Salesforce opinions C Delphi method D Executive opinions E Judgmental forecasts Answer B, pg 78.5 What forecasting method s utilizes qualitative techniques rather than quantitative techniques A Judgmental forecasts B Time-series forecasts C Associative models D A and B E All of the above Answer A, pg 77.Rahul Singh rsingh24.1 What is the forecast for period 4 if period 1 65, 2 54, 3 88 using naive method.2 Which one refers to short-term regular variations. a Trend b Cycles c Irregular variations d Random variations e seasonality Answer E page 79.3 Which one of these uses historical data for forecasting. a Associative models b Time-series forecasts c Judgmental forecasts d Consumer Surveys e Delphi Method Answer B page 77-81.this question is a duplicate 4 Which is the element of a good forecast. a timely b accurate c reliable d cost-effective e all of the above An swer E need page number.5 What is the error when the actual is 333 and the forecast is 340.Kwok On Leung kleung7 Need to have five option and page numbers 1 Forecasts based on judgment and opinion include which of the following. a Executive opinions b Salesforce opinions c Consumer Surveys d Opinions of experts e All the above Answer E p g 77.2 The two general approaches to forecasting are. a Quantitative and Qualitative b Qualitative and data analysis c Qualitative and judgmental d Associative and Historical e None of the above Answer A p g 77.3 Analysis of time-series data uses data to predict future data. a Predictable b Historical c Future d Current e Random Answer B p g 77.4 The mean absolute deviation of 1, -2, -3 and 2 is.5 Two factors in deciding which forecast to chose are. a Cost and accuracy b Reliability and accuracy c Cost and Reliability d Reliability and validity e None of the above. Michael Hare Mhare2.Questions NEED FIVE OPTIONS FOR EACH QUESTION 1 True False Forecast accur acy decreases as the time horizon increases True Since short-range forecasts tend to have fewer uncertainties they re usually more accurate p 73.2 Which method of detecting forecast errors is the most effective a Mean deviation b Mean squared error c Mean absolute percent error d Depends on the situation e None of the Above. d Depends on the situation p 75-77.3 Compute a three-period moving average. a 53 b 54 c 55 d 56 e Cannot be determined.4 What is a process in which managers and staff complete a series of questionnaires to achieve a forecast. a Seasonal relative b Tracking signal c Delphi method d Qualitative assessment e Both c and b. c Delphi method p 78.5 What is one way to attempt to detect biases in errors over time. a Judgmental forecasts b Tracking signal c Associative models d Predictor variable e Error Forcasting. b Tracking signal p 101.Eden Temple etempl2.1 Quantitative techniques consist mainly of a Hunches of managers b hard data c opinions of outside consultants d both a an d b e none of the above Answer b p g 77.2 What happens when errors go far beyond acceptable limits a corrective action is needed b nothing is done because nothing can be done c a forecast can not be complete d no forecast ever goes beyond acceptable limits e none of the above Answer a page 75.3 After determining the purpose of a forecast what is the next step in the forecasting process a Making the forecasting b getting opinions of what the forecast should look like c looking into past forecasts d establishing a time horizon e writing a report of what is to be included in the forecast.4 A good forecast will be a reliable b accurate c simple d cost effective e all of the above Answer e p g 74.5 What does it mean when there is seasonality, a trend, or the time series is stable a a forecast can not be done b a nave forecast can be used c accuracy will be very good d their will be many errors e this means absolutely nothing Answer b p g 79.Miguel Guzman mguzma4.1 What is a forecasting tech nique that uses explanatory variables to predict future demand A Time-series forecasts B Judgmental forecasts C Associative models D Delphi method E Naive method. C Associative method P 77.2 Variables that can be used to predict values of the variables of interest are A Random variations B Errors C Seasonal variations D Regression lines E Predictor variables. E Predictor variables P 94.3 A technique for fitting a line to a set of points is A Associative model B Correlation C Delphi method D Regression E Exponential smoothing.4 What minimizes the sum of the squared vertical deviations around the line A Weighted Average B Least square line C Mean squared error D Exponential smoothing E Tend-adjusted exponential smoothing. B Least square line P 94.5 A measure of the scatter of points around a regression line is A Standard error of estimate B correlation C regression D least square line E seasonal variation. A Standard error of estimate P 96.Klongi2 Krista Longi.5 different answer choices are required 1 Which one of the following is NOT a judgment opinion forecasting approach A Delphi technique B Direct-contact composites C Hull technique D Consumer surveys E Executive opinions p g 77, 78.2 In the Additive model what does demand equal A Trend Seasonality B Trend X Seasonality C Seasonality - Trend D Seasonality 2 Trend E Trend Seasonality 2 page 90-91.3 Which one of these techniques for averaging was not discussed in Ch 3 in your textbook A Moving Average B Exponential Smoothing C Weighted moving Average D Boost Average E Naive Method page 79.4 Once you have established a time horizon in the forecasting process what would be the next step A Make a forecast B Select a forecasting technique C Monitor the forecast D Obtain data E Determine the purpose of the forecast page 74.5 What are seasonal variations A Regularly repeated movements in series values that can be tied to recurring events B Regularly repeated movements in series values that cannot be tied to recurring events C When a season like fall changes into winter D When a season like winter changes into fall E None of the above page 79.Cory J Renner crenne3.1 What are the steps in the forecasting process. A Make the forecast B Determine the purpose of the forecast C Establish a time horizon D C, B, A E B, C, A Answer E Page 70.2 Which of the following is an element of a good forecast A Precise B No need to reliable C Timely D Spoken but not written E None of the Above Answer C Page 70.3 What are the approache s to a forecast. A Prevention B Proactive C Banzai D Reactive E A B Answer E Page 99.4 Which of the following is most similar to weighted average. A Exponential smoothing B Moving Average C Time Series D A B E None of the above Answer B Page 75.5 What does the b stand for in the linear trend equation F a bt. A Time periods B Forecast C Value D Slope E None of the above Answer D Page 79 slwin2.The following table is the historical data for Apple Republic s sales in their clothing up until November, 2 009.