Prognosemetoder – en oversikt - Telenor

More documents

Recommendations

Info

66 I N E T T E T Annullerte bestillinger Effektuerte ikke oppdaterte Annullerte oppsigelser Effektuerte ikke oppdaterte * gjelder på PCM Figur 1 TELSIS/AB flytdiagram Mottatte bestillinger Nye HA (NYABM, FNY, NYBY*) Ueffektuerte bestillinger Effektuering Mottatte oppsigelser (OPPSH, OPPSG) Ueffektuerte oppsigelser Effektuering inn inn oppdatering/ inn oppdatering/ ut (av statistikken) Installerte hovedabonnement oppdatering/ inn Ueffektuerte flytteordre ( i statistikken) ( i statistikken) ut (Rapport 35, TELSIS-statistikk) ut Mottatte flytteordre (FHAA, FHAFN) Effektuering Mottatte flytteordre (OPPSA, OPPSF) Ueffektuerte flytteordre Effektuering oppdatering/ ut (av statistikken) Annullerte flytteordre Effektuerte ikke oppdaterte Annullerte flytteordre Effektuerte ikke oppdaterte I N E T T E T
Antall installerte abonnement/tilknyttinger + antall ueffektuerte og ikke oppdaterte nybestillinger - antall ueffektuerte og ikke oppdaterte oppsigelser + antall ueffektuerte og ikke oppdaterte tilflyttinger - antall ueffektuerte og ikke oppdaterte fraflyttinger = Total etterspørsel etter abonnement - (Netto) årlig/månedlig etterspørsel: Endring i total etterspørsel etter abonnement i løpet av et kalenderår/måned. Legg merke til at total etterspørsel er et beholdningsbegrep (gir status for/ måler alle abonnement som etterspørres på et gitt tidspunkt), mens tilgang og årlig/månedlig etterspørsel begge er strømningsbegreper (sier noe om endringer i antall abonnement i løpet av en gitt periode). I tillegg kan bemerkes at total etterspørsel er et nettobegrep, siden abonnement som “går ut” trekkes fra de som “kommer inn”. Begrepene etterspørsel og tilgang kan grafisk framstilles ved figur 1. Figuren viser hvordan HA “flyter” gjennom TEL- SIS/AB. Det samme gjelder selvsagt i prinsippet også for TTK og TAT. Figuren gir i tillegg en oversikt over enkelte ordrekoder i TELSIS/AB. Den stiplede store boksen representerer nettet (eller sentralen) som abonnementet er tilknyttet. Som vi ser, vil en bestilling på nytt abonnement som regel først bli registrert som ueffektuert. Montøren vil så (forhåpentlig på avtalt tidspunkt) utføre tilkopling til nettet/sentralen. Da er ordren utført og abonnenten tilkoplet nettet. I TELSIS/AB skal da den såkalte “statuskoden” for denne ordren oppdateres, slik at det framgår at abonnementet er innkoplet. Imidlertid vil en rekke av de utførte ordrene ikke bli oppdatert/ registrert som innkoplet umiddelbart etter utførelse. Abonnementet blir altså ikke å finne i statistikken over innkoplede abonnement (R35) før etter oppdatering i TEL- SIS/AB. Disse ordrene er i figuren representert ved den stiplede boksen med “Effektuerte, ikke oppdaterte”. Tilsvarende gjelder for ordrer på tilflyttinger (flytting til region, sentralområde e l). En oppsigelsesordre (fra abonnenten selv eller gjort av Televerket pga gjeld) eller en ordre på fraflytting følger i prinsippet samme mønster: Ordren er etter effektuering frakoplet nettet, men i mange tilfeller ikke registrert i R35 (effektuerte, ikke oppdaterte). Tilgang og etterspørsel vil i prinsippet utvikle seg noe forskjellig fra periode til periode. Spesielt gjelder dette månedsdata. Dette henger sammen med at tilgangsdata er sterkt påvirket av Televerkets arbeidsrutiner for inn-/ utkoplinger (som igjen blir påvirket av etterspørselen): Dimensjonering av ordremottak, montørstab, etterbehandling etc påvirker den takt Televerket makter å utføre ordrer og etterpå registrere at så er gjort. Etterspørsel korrigerer for (mye av) variasjoner som skyldes Televerkets rutiner, idet ueffektuerte og ikke oppdaterte også er inkludert. Dermed måler etterspørsel i langt større grad aktiviteten hos abonnentene (interne og eksterne). Det er rapportene over registrerte innkoplede abonnement, dvs R35, som gir grunnlaget for statistikken for netto tilgang av abonnement. Som figur 1 viser, gir m a o ikke statistikken det fulle bildet av netto tilgang av abonnement, idet en ikke har lagt til de abonnement som er tilkoplet men ikke oppdatert, og tilsvarende ikke har trukket fra de abonnement som er frakoplet men ikke oppdatert. Tilsvarende resonnement kan gjøres for brutto tilgang av abonnement. Figur 1 gjelder i prinsippet for region, sentralområde og endefordeler. På landsnivå antas at alle flyttinger til og fra regionene utlikner hverandre (flytting fra en region genererer flytting til en annen region), og dermed gjelder figuren også for landet totalt. Praksis viser imidlertid at flyttinger innen f eks et sentralområde på kort sikt ikke utlikner hverandre: Hvis abonnenten skifter adresse innen sentralområdet og “flytte-fra-ordren” behandles senere en “flytte-til-ordren”, risikerer vi at “flytte-fra-ordren” blir liggende som ueffektuert eller effektuert men ikke oppdatert (og er dermed fremdeles i R35), mens “flytte-til-ordren” er blitt utført og oppdatert. I dette tilfellet har vi i en kort periode et abonnement for mye i tilgangsdata. På sikt jevner dette seg selvsagt ut, mens vi likevel har dette problemet når vi skriver ut månedsstatistikkene. 2 Definisjonsendringer I prinsippet er det slik at data i utgangspunktet skal være sammenliknbare i alle perioder når en tidsserie anvendes i en statistisk prognosemodell. Hvis det har skjedd endringer i hvordan vi teller f eks HA eller etterspørsel (dvs definisjonene er endret), vil dette medføre at data ikke er direkte sammenliknbare i periodene før og etter en slik endring. Det kan da bli vanskelig å tolke hvor stor f eks veksten egentlig har vært i perioden før og etter definisjonsendringen. Likevel er det et faktum at det de siste årene har vært flere endringer i definisjonene, både mht abonnementstypene TTK og TAT, samt to endringer i definisjonen på total etterspørsel etter abonnement. Avhengig av nettoeffekten av slike definisjonsendringer, vil de statistikkmessig være representert ved hopp opp eller ned i data. Region Oslo “mistet” f eks 911 HA som følge av definisjonsendringen for etterspørsel 01.04.90. Hvis data etter ny definisjon blindt etterfølger data etter gammel definisjon, vil en prognosemodell tolke dette som endring i etterspørselen, selv om dette i realiteten ikke er tilfellet. I tillegg vil den få problemer med å “føye” seg (dvs beskrive den historiske utvikling) rundt de datapunkter som representerer definisjonsendringen, fordi det ikke er noe i data for tilsvarende periode årene før (eller etter) som tilsier at det skal komme en definisjonsendring. Dette øker usikkerheten i modellen og dermed også usikkerheten i prognosene. 2.1 Endringer i definisjonen for netto etterspørsel La oss se på de ulike definisjonene som har eksistert for total etterspørsel etter abonnement/tilknyttinger de siste årene: - Perioden fram til og med 07.88: Antall installerte + antall ueffektuerte nybestillinger + antall ueffektuerte tilflyttinger = Total etterspørsel - Perioden fra og med 08.88 til og med 03.902 : Antall installerte + antall ueffektuerte nybestillinger + antall ueffektuerte tilflyttinger - antall ueffektuerte fraflyttinger 67
Page 2 and 3:
Innhold TEMA: Introduksjon, Kjell S
Page 5 and 6:
1 Utvikling av prognosearbeidet i T
Page 7 and 8:
- Prognoser for vanlig telefonabonn
Page 9 and 10:
De økonomiske beregninger som ligg
Page 11 and 12:
ment fra bedrifter. I tillegg er de
Page 13 and 14:
Tele-hjemmearbeid Kommunikasjon mel
Page 15 and 16: observasjoner, fordi det er en ny t
Page 17 and 18: 1.nyttårsdag (x 10 000) 400 350 30
Page 19 and 20: 20 dere med antall abonnenter. niv
Page 21 and 22: Indeks 220 200 180 160 140 120 100
Page 23 and 24: menes at det statistisk ikke er tro
Page 25 and 26: klassiske prognosemetoden i den fø
Page 27 and 28: Tabell 6.3 Tidsrekker med forskjell
Page 29 and 30: 38 7.3 Enkel modellbygging Utgangsp
Page 31 and 32: Når vi bruker minste kvadraters me
Page 33 and 34: e t 0 99.9 Figur 7.13 Plott av resi
Page 35 and 36: 58 53 48 43 38 33 28 1 0.5 0 -0.5 -
Page 37 and 38: sjonene eller utviklingen til y. Va
Page 39 and 40: det kommunisere med. Dermed blir tj
Page 41 and 42: 1 og ved t med (1 - b) og summerer
Page 43 and 44: i etterspørselen i påfølgende m
Page 45 and 46: aggregerte prognosen er riktig. Ned
Page 47 and 48: prognosene vil med sikkerhet ikke v
Page 49 and 50: skyld, er lite, vil det også være
Page 51: Ed: O D Anderson. Amsterdam, North
Page 54 and 55: 54 Diverse enkeltpersoner 16 Televe
Page 56 and 57: Figur 3.3 Innhenting av informasjon
Page 58 and 59: 58 Selvbetjening over telenettet Tj
Page 60 and 61: 60 Det kan være vanskelig med noen
Page 62 and 63: 62 I TITAN-prosjektet ble det foret
Page 64 and 65: 64 Prosentandel av husstander 25 20
Page 68 and 69: (x 100) 22 17 12 68 7 2 -3 01/87 +
Page 70 and 71: periodene, skyldes at dette skjules
Page 72 and 73: 72 “givende” sentralen til den
Page 74 and 75: 74 spesielt er opptatt av forklarin
Page 76 and 77: 001.18:621.39 76 Glattingsmodeller
Page 78 and 79: 78 Tabell 2 De opprinnelige sesongo
Page 80 and 81: 80 0.025 0.02 0.015 0.01 0.005 y' t
Page 82 and 83: Tabell 3 Holts metode 82 År t Anta
Page 84 and 85: Tabell 5 Hvordan Holt-Winters addit
Page 86 and 87: (x 100) 20 15 10 86 5 0 antall abon
Page 88 and 89: Abonnement 540 520 500 480 460 88 n
Page 90 and 91: 90 ingsprosedyre som skal iterere s
Page 92 and 93: 92 forbedringer av modellen. Plott
Page 94 and 95: 94 Vi ser av (5.12) at variansen ti
Page 96 and 97: 96 Figur 7.2 Residualer fra lineær
Page 98 and 99: 98 Tabellen viser at alle parameter
Page 100 and 101: disse til å lage prognoser med. So
Page 102 and 103: 102 16 Bøe, J, Stordahl, K. Teller
Page 104 and 105: 200 180 160 140 120 100 80 60 40 Fi
Page 106 and 107: 106 1 0.8 0.6 0.4 0.2 0 1 0.8 0.6 0
Page 108 and 109: 108 Tabell 2 viser de historiske da
Page 110 and 111: 001.18:621.39 110 Box-Jenkins metod
Page 112 and 113: Standardavvik 600 550 500 450 400 S
Page 114 and 115: 114 AR-parametre og q MA-parametre
Page 116 and 117:
116 Figur 13 Autokorrelasjonsfunksj
Page 118 and 119:
118 Korrelasjonsverdi Vi ser av fig
Page 120 and 121:
120 Aksepter hypotesen om at parame
Page 122 and 123:
Residualer 0.4 0.3 0.2 0.1 122 0 -0
Page 124 and 125:
124 Referanser 1 Stordahl, K, Hjelk
Page 126 and 127:
Tabell 1 Volum tellerskritt, abonne
Page 128 and 129:
128 Tabell 3a Prognose fra modell b
Page 130 and 131:
Page 132 and 133:
Page 134 and 135:
001.18:621.39 134 Prognoser for abo
Page 136 and 137:
136 Tabell 3 Analyse av støyledden
Page 138 and 139:
138 Tabell 5 Utskrift av prognosepr
Page 140 and 141:
vi ikke diskutere her. Poenget er
Page 142 and 143:
142 prognosen. Da “beskjæres”
Page 144 and 145:
144 7 Stordahl, K. Prognosemetoder:
Page 146 and 147:
Tabell 1 Oversikt over takstklassen
Page 148 and 149:
148 Tabell 5 Antall samtalesekunder
Page 150 and 151:
150 a) (x1000) 45 35 25 15 5 (x1000
Page 152 and 153:
152 Tabell 8 viser de avleste telle
Page 154 and 155:
154 Tabell 11 Komplett datasett med
Page 156 and 157:
001.18:621.39 156 Prognoser for nye
Page 158 and 159:
158 3.1 Vurderinger av foreliggende
Page 160 and 161:
160 passer utmerket, med relativt l
Page 162 and 163:
2B+D aksesser (x1000) 7 6 5 4 3 2 1
Page 164 and 165:
164 (x1000) 10 8 6 4 2 0 Tabell 6 I
Page 166 and 167:
001.18:621.39 166 Prognoser for pri
Page 168 and 169:
168 der ˆσ β* = ˆσ = ˆy t =
Page 170 and 171:
n r (t) 90 % 10 170 1,00 0,80 0,60
Page 172 and 173:
ønsker å benytte disse metodene f
Page 174 and 175:
174 Remote router/ Bridge hand, the
Page 176 and 177:
176 Figure 5 ATM cell Bridge 48 byt
Page 178 and 179:
178 DTE less than 2 Mbit/s, Frame R
Page 180 and 181:
180 References 1 Mannsåker, B et a
Page 182 and 183:
182 Table of contents page Introduc
Page 184 and 185:
006 621.391 184 Signal processing B
Page 186 and 187:
006:681.324 006:681.327.8 186 Data
Page 188 and 189:
006 621.39 188 Teletraffic and dime
Page 190 and 191:
190 contractor. The project had a b
Page 192 and 193:
Table 2 ITU Recommendations for con
Page 194 and 195:
006 654.01:65 194 Telecommunication
Page 196 and 197:
006 196 Introduction EURESCOM is an
Page 198:
198 Intelligent networks 26 % Infra
show all

Prognosemetoder – en oversikt - Telenor

You also want an ePaper? Increase the reach of your titles

Delete template?

Save as template?