Prognosemetoder – en oversikt - Telenor
Prognosemetoder – en oversikt - Telenor
Prognosemetoder – en oversikt - Telenor
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
Standardavvik<br />
600<br />
550<br />
500<br />
450<br />
400<br />
Standardavvik<br />
0.20<br />
0.18<br />
0.16<br />
0.14<br />
112<br />
(Mottatte bestillinger x 100)<br />
51<br />
41<br />
31<br />
21<br />
A B<br />
11<br />
0<br />
A B<br />
C<br />
C<br />
D<br />
2200 2400 2600 2800 3000 3200 3400<br />
A: Undersett for 1984<br />
Gj<strong>en</strong>nomsnitt<br />
H: Undersett for 1991<br />
Figur 2 Variasjons-gj<strong>en</strong>nomsnitts-plott for 12<br />
og 12 verdier av mottatte bestillinger HA pr<br />
måned 1984 <strong>–</strong> 1991. Region Oslo<br />
D<br />
7.7 7.8 7.9 8.0 8.1<br />
Gj<strong>en</strong>nomsnitt<br />
Figur 3 Variasjons-gj<strong>en</strong>nomsnitts-plott.<br />
Logaritme-transformerte mottatte bestillinger<br />
HA pr måned 1984 <strong>–</strong> 1991. Region Oslo<br />
H<br />
20 40 60 80 100 120<br />
Obs nr<br />
Figur 4 Mottatte bestillinger, HA, januar 1982 <strong>–</strong>april 1991.<br />
Region Oslo<br />
H<br />
E<br />
E<br />
G<br />
G<br />
F<br />
F<br />
til høyre. Samtidig er “topografi<strong>en</strong>”, dvs<br />
elem<strong>en</strong>ter som sesongmønster, tr<strong>en</strong>dutvikling<br />
og andre mulige eg<strong>en</strong>skaper ved<br />
d<strong>en</strong> opprinnelige tidsseri<strong>en</strong>, beholdt i d<strong>en</strong><br />
logaritmiske versjon<strong>en</strong>.<br />
Andre transformasjoner kan også være<br />
aktuelle for å stabilisere varians<strong>en</strong>, m<strong>en</strong>s<br />
det i <strong>en</strong>kelte tilfeller kan være vanskelig å<br />
finne <strong>en</strong> transformasjon som løser dette<br />
problemet2 . I praksis vil imidlertid lntransformasjon<strong>en</strong><br />
være tilstrekkelig i de<br />
fleste tilfeller.<br />
En metode for avdekking av hvordan<br />
varians<strong>en</strong> utvikler seg er variasjonsgj<strong>en</strong>nomsnitts-plottet:<br />
I <strong>en</strong> graf plotter vi<br />
gj<strong>en</strong>nomsnittet av grupper av observasjoner<br />
langs <strong>en</strong> akse, m<strong>en</strong>s spredning<strong>en</strong>,<br />
f eks gitt ved varians<strong>en</strong> eller standardavviket,<br />
til de samme observasjon<strong>en</strong>e<br />
plottes langs d<strong>en</strong> andre aks<strong>en</strong>. Hvis<br />
spredning<strong>en</strong> til gj<strong>en</strong>nomsnitt<strong>en</strong>e øker når<br />
gj<strong>en</strong>nomsnitt<strong>en</strong>e vokser, er dette <strong>en</strong> klar<br />
indikasjon på behov for stabilisering av<br />
varians<strong>en</strong>.<br />
Sid<strong>en</strong> vi i vårt eksempel opererer med<br />
månedsdata, er det mest praktisk å gruppere<br />
observasjon<strong>en</strong>e 12 og 12. I figur 2 er<br />
variasjons-gj<strong>en</strong>nomsnitts-plottet for<br />
mottatte bestillinger på HA i period<strong>en</strong><br />
1982 (A) til 1991 (H) vist.<br />
I figur 2 er årsgj<strong>en</strong>nomsnitt<strong>en</strong>e rangert<br />
etter stig<strong>en</strong>de verdi. Vi ser tydelig at<br />
standardavviket stiger når årsgj<strong>en</strong>nomsnitt<strong>en</strong>e<br />
vokser.<br />
I figur 3 er variasjons-gj<strong>en</strong>nomsnittsplottet<br />
vist for ln-verdi<strong>en</strong> av de samme<br />
(Mottatte bestillinger x 100)<br />
17<br />
12<br />
7<br />
2<br />
-3<br />
-8<br />
-13<br />
0<br />
observasjon<strong>en</strong>e som i figur 2. Ut fra figur<br />
3 er det ikke grunnlag for å si at standardavviket<br />
er <strong>en</strong> stig<strong>en</strong>de funksjon av<br />
gj<strong>en</strong>nomsnittet.<br />
5.2 Fjerning av tr<strong>en</strong>d og d<strong>en</strong><br />
regulære sesongkompon<strong>en</strong>t<br />
For å “nøytralisere” d<strong>en</strong> tr<strong>en</strong>d som <strong>en</strong><br />
tidsserie måtte ha, kan tidsseri<strong>en</strong> differ<strong>en</strong>sieres.<br />
Dette betyr å omforme tidsseri<strong>en</strong><br />
til <strong>en</strong> ny tidsserie ved å trekke to<br />
påfølg<strong>en</strong>de observasjoner fra hverandre:<br />
vt = yt - yt-1 (7)<br />
Antar vi at yt , yt-1 , ..., yt-n er våre opprinnelige<br />
observasjoner, er vt d<strong>en</strong> nye<br />
observasjon<strong>en</strong> som framkommer når differ<strong>en</strong>siering<strong>en</strong><br />
er foretatt. D<strong>en</strong> nye og differ<strong>en</strong>sierte<br />
tidsseri<strong>en</strong> blir nå vt , vt-1 , ..., vt n-1 . Hvis d<strong>en</strong> nye tidsrekk<strong>en</strong> fremdeles<br />
har tr<strong>en</strong>d, kan d<strong>en</strong> differ<strong>en</strong>sieres <strong>en</strong> gang<br />
til, dvs:<br />
wt = vt - vt-1 (8)<br />
2 En vid klasse av transformasjoner er<br />
d<strong>en</strong> såkalte Box-Cox transformasjon<strong>en</strong>.<br />
D<strong>en</strong> er gitt ved:<br />
l = 1 tilsvarer g(yt ) de opprinnelige<br />
observasjon<strong>en</strong>e, m<strong>en</strong>s l = 0 gir lntransformasjon.<br />
g( yt )= y λ<br />
t<br />
λ<br />
20 40 60 80 100 120<br />
Obs nr<br />
Figur 5 Mottatte bestillinger, HA, differ<strong>en</strong>siert <strong>en</strong> gang.<br />
Januar 1982 <strong>–</strong> april 1991. Region Oslo