Excel parancsfájlok felhasználása a statisztikai elemzésekben Írta ...
Excel parancsfájlok felhasználása a statisztikai elemzésekben Írta ...
Excel parancsfájlok felhasználása a statisztikai elemzésekben Írta ...
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
1 1<br />
St = αXt+(1- α)<br />
St-1<br />
2 1 2<br />
St = αSt +(1- α)<br />
St-1<br />
3 2 3<br />
St = αSt +(1- α)<br />
St-1<br />
1 2 3<br />
a t = 3St- 3St<br />
+ St<br />
α<br />
1 2 3<br />
b t = [(6-5 α) t α t α<br />
2 S -(10-8 ) S +(4-3 ) St]<br />
2 (1- α)<br />
2<br />
α 1 2 3<br />
ct = ( 2 St- 2St<br />
+ St)<br />
(1- α)<br />
2<br />
F t+m =a t +btm+ 1/2c tm<br />
A Brown egyparaméteres kvadratikus módszerét akkor használjuk, ha másodfokú parabolikus trendhatás<br />
van az idősorban, viszont szezonális hatás nincs az idősorban.<br />
119<br />
A negyedik módszer: ARRSES F adaptív reagálású egyszerű exponenciális simítási módszer. Ennél a<br />
módszernél α értéke változik periódusról peridusra, amint az adatséma [minta, pattern] változik. A mód-<br />
t<br />
szer alapegyenlete<br />
Ft+ 1 tXt( 1 t) Ft<br />
=α + −α<br />
Ahol:<br />
E<br />
t<br />
α t+1=<br />
Mt<br />
E=βe t t+(1-β)Et-1 M=βe +(1-β)M<br />
e=X-F<br />
t t t-1<br />
t t t<br />
Az α és β 0 és 1 közé esik, et a hiba Et a simítási hiba Mt az abszolút simítási hiba értéke.<br />
Az adaptív reagálású egyszerű exponenciális simítási módszerét akkor alkalmazzuk, ha több száz vagy<br />
több ezer hasonló adatsort kell feldolgozni és az α érték automatikusan változik, ahogy változik az adat<br />
séma.<br />
Tanácsok a gyakorlati alkalmazáshoz.<br />
Az igazán megalapozott rövidtávú előrejelzés készítéséhez az idősor hossza lehetőleg legyen legalább hat<br />
év, ha negyedéves vagy havi adatokkal rendelkezünk. Az első három év adata lehet a számítási időszak, a<br />
második három év adata pedig a tesztperiódus. Ebben az esetben ha van szezonalitás az idősorban, akkor<br />
a szezonalitás becslésére három a tesztelésére szintén három év áll rendelkezésre. Ha negyedéves adatokkal<br />
dolgozunk, akkor ez azt jelenti, hogy 6*4 = 24 megfigyelt adatra van szükség, ha pedig havi adatokat<br />
120<br />
használnánk, akkor 6*12 = 72. F Ez utóbbi esetben a tesztperiódus kezdete 72/2 + 1, azaz 37, míg a negyedéves<br />
adatok esetében a tesztperiódus kezdete 24/2 + 1, azaz 13. időpontban történhet. Keresést kérve,<br />
a simítási paraméterek értékét az <strong>Excel</strong> program úgy számítja ki, hogy megkeresi azt a paraméterkombinációt,<br />
ahol a hiba (MAPE) a legkisebb.<br />
Érzékenységvizsgálatok.<br />
Az alkalmazott módszerek stabilitását ellenőrizni kell. Ezt úgy végezhetjük el, hogy a tesztperiódus kezdetét<br />
változtatjuk, pl. az idősor ¾-nél határozzuk meg, vagy az utolsó év adatait tekintjük tesztperiódusnak.<br />
Negyedéves adatok esetén az előző példát folytatva a tesztperiódus kezdete az alábbi lehet. 6*4=24<br />
megfigyelés esetén a háromnegyed-időszak utáni első negyedév a 19. negyedév; az utolsó évtől kezdődő<br />
tesztperiódus esetén a 21. negyedév. Ha ugyanazt a módszert választja ki legjobbnak a program, és a paraméterek<br />
sincsenek nagyon távol egymástól (az eltérés a 10-20%-ot nem haladja meg) akkor az idősor<br />
119 ARRSES: Adaptive Response Rate Single Exponential Smoothing.<br />
120 A megadott adatszám a minimálisan elvárható, annál jobb, minél több adat áll rendelkezésre.<br />
88