پرداخت هزينه تحليل آماري با درگاه بانک ملت
  •   پرداخت هزينه تحليل آماري با درگاه بانک سامان
  • داراي تاييديه صلاحيت از مرکز آمار ايران مي باشيم. کليک نماييد
    logo-samandehi

پيش بينی سریهای زمانی

دانشجو و محقق گرامی: این متن دارای فرمولهای آماري و تصاویری از محیط نرم افزار ميني تب می باشد که به راحتي امکان درج آنها در صفحات وب نمی باشد. ضمن پوزش, پیشنهاد می شود از لینک زیر این مقاله را با فرمت pdf دانلود کرده و به راحتی مطالعه نمایید:

8- روشهای پيش بينی سریهای زمانی


مقدمه


پيش بينی مقادير آينده يک سری زماني مساله ای مهم وکاربردی و مورد توجه محققين می باشد. سری زمانی مشاهده شده را درنظر بگيريد. می خواهيم را برآورد کنيم. به عبارتی می خواهيم در زمان مقدار سری زمانی را برای مرحله بعد پيش بينی کنيم. عدد صحيح را زمان تقدم می نامند. مقدار پيش بينی مرحله بعد را در زمان با نشان می دهيم. پيش بينی ها برای مقاطع آينده زمانی مانند روزانه، هفتگی، ماهانه، فصلی و سالانه صورت می گيرد. اين مقاطع زمانی را چهارچوب زمانی، افق زمان يا زمان تقدم و يا ليد تايم می نامند. معمولا طول چارچوب زمانی بصورت زير طبقه بندی مي شود: • فوری : کمتر از يک ماه. • کوتاه مدت : از يک تا سه ماه. • ميان مدت : بيش از سه ماه و کمتر از دو سال. • بلند مدت : دو سال و بيشتر. روشهای پيش بينی ممکن است تا اندازه ای به زمان تقدم لازم بستگی داشته باشند. هرچه زمان تقدم طولانی تر باشد، تغيير الگوی مورد نظر محتمل تر بوده و بنابراين پيش بينی غيرقابل اعتمادترخواهد بود. در این مقاله ابتدا روشهای پیش بینی سریهای زمانی را مورد بررسی قرار خواهیم داد و سپس در خصوص خطای پیش بینی، اندازه گیری آن و ارزیابی پیش بینها مطالبی ذکر خواهد شد.

1- روشهای پیش بینی سریهای زمانی

در یک تقسیم بندی کلی روشهای پیش بینی به دو روش کیفی و کمی تقسیم می شود. اینک به اختصار هر یک از دو روش را توضیح خواهیم داد.

1-1 روشهای کيفی پيش بينی

روشهای کيفی پيش بينی مبتنی بر دانش تجربی و درک مستقيم و ساير اطلاعات مرتبط با موضوع می باشد و بطور کلی در اين روشها از نظرات و عقايد متخصصين مربوطه استفاده می شود. برای مثال فرض کنيد که قراراست محصولی کاملا جديد معرفی شود. در چنين شرايطی هيچ داده ای در مورد فروش گذشته اين محصول وجود ندارد و برای پيش بينی فروش بايد از روشهای کيفی(روشهای مبتنی بر نظرات و عقايد متخصصين) استفاده کرد. کشف و ورود يک تکنولوژی جديد در عرصه توليد از ديگر مواردی است که در آن داده های زمانی مربوط به گذشته در دسترس نيست. در نتيجه در اين موارد هم بايد از روشهای کيفی استفاده کرد. از آنجا که استفاده از داده های مربوط به گذشته به منظور پيش بينی مقادير آينده بر اين فرض استوار است که الگوی داده های زمانی ثابت می ماند، بنابرين تغييرات الگوی داده ها را نمی توان بر اساس داده های گذشته پيش بينی کرد. برای پيش بينی تغييرات الگوی داده های زمانی نيز مي توان از روشهای کيفی استفاده كرد. برخی از مهمترين روشهای کيفی پيش بينی که به ذکر نام آنها بسنده می کنيم عبارتند از: روش برازش منحنی ذهنی، روش دلفی، روش تقابلی، روش درخت مناسب، روش مقايسات تکنولوژيکی، روش تحقيق مرفولوژيکی و ....

1-2 روشهای کمی پيش بينی

در يک تقسيم بندی کلی می توان روشهای کمی پيش بينی را به دو رده روشهای يک متغيره و روشهای چند متغيره تقسيم کرد. آنچه ما در اين سری از مقالات بررسی خواهيم کرد روشهای پيش بينی کمی يک متغيره خواهد بود. برون يابی منحنی روند روشهای يک متغيره هموارکردن نمائی روش هلت- وينترز روشهای کمی روش باکس-جنکينز روشهای چند متغيره در روشهای يک متغيره داده های مربوط به گذشته مورد تجزيه و تحليل قرار می گيرد و سپس با اين فرض که الگوی بدست آمده تا آينده ادامه خواهد داشت، پيش بينی ها انجام می شود. مدلهای تک متغيره برای وضعيتهايی که انتظار می رود همچنان ادامه داشته باشند کاربرد دارد. در روشهای چند متغيره با فرض ادامه داشتن الگوی تاريخی در آينده و با استفاده از رابطه ميان متغير مورد نظر و ساير متغيرها، ارزش آتی متغير مورد نظر پيش بينی می شود. الگوهای رگرسيون و اقتصادسنجی از اين نوع هستند. به روشهای چند متغيره که گاهی آنها را مدلهای علی می نامند چند اشکال زير وارد است: 1- بسط و توسعه آنها بسيار مشکل است. 2- تمامی متغيرهای مورد استفاده در اين مدل مستلزم اين می باشند که از داده های مربوط به گذشته برخوردار باشند. 3- توانايی در پيش بينی متغير وابسته منوط به توانايی پيش بينی کننده در پيش بينی متغيرهای مستقل می باشد.

2- خطای پيش بينی

دقت يک روش پيش بينی با تجزيه وتحليل خطاهای پيش بينی تجربه شده تعيين می شود. اگر مشاهده واقعی در پريود و پيش بينی برای آن پريود باشد که يک يا چند پريود قبل انجام شده است، خطای پيش بينی برای پريود به صورت تعريف می شود. برای يک فرآيند و روش پيش بينی داده شده، خطای پيش بينی به عنوان يک متغير تصادفی در نظر گرفته می شود که دارای ميانگين و واريانس است. اگر پيش بينی نااريب باشد، خواهد بود. درحاليکه پيش بينی نااريب مطلوب است، معمولا مهمتر اين است که خطاهای پيش بينی بزرگ به ندرت پيش آيند، از اين رو کميتی مانند ارزش انتظاری قدر مطلق خطا که به صورت تعريف می شود ياارزش انتظاری مجذور خطا که عبارت است از ؛ معمولا به عنوان مقياسی از دقت پيش بينی به کار می رود. توجه داريد که ارزش انتظاری مربع خطا که معمولا ميانگين مربع خطا ناميده می شود، مساوی است، اگر پيش بينی نااريب باشد. • روش معمول برای بررسی اينکه آيا يک مدل احتمالی واقعا توصيف کننده داده ها است يا خير، اين است که خطای پيش بينی يا همان باقيمانده ها را مورد بررسی قرار دهيم. اگر مدلی به نحو رضايتبخشی نماينده فرآيند باشد، آنگاه انتظار می رود که مقدار متوسط خطاهای پيش بينی نزديک صفر باشد. بطور کلی اينکه پيش بينی ها نااريب باشند يعنی ارزش انتظاری خطای پيش بينی صفر باشد، موضوع مورد توجه عمده است. • با بررسی خطاهای پيش بينی در طی زمان، غالبا می توان به اين نکته پي برد که آيا روش پيش بينی به کار رفته منطبق بر الگوی داده ها بوده است يا خير. اگر يک روش پيش بينی توانسته باشد اجزاء روند، نوسانات سيکلی و نوسانات فصلی را که در سری زمانی وجود دارد به درستی پيش بينی نمايد، در اين صورت خطای پيش بينی منعکس کننده جزء بی نظم خواهد بود.

3- اندازه گيری خطای پيش بينی در مینی تب

در مينی تب برای اندازه گيری دقت مدل برازش داده شده به يک سری زمانی از سه معيار به نامهایMAD،MSD و MAPE استفاده می شود که آنها را معيارهای دقت ياMeasures of Accuracy می نامند. در اين قسمت به اختصار اين معيارها را معرفی می کنيم.

3-1 ميانگين قدر مطلق درصد خطا
3-2 ميانگين قدر مطلق انحرافات
3-3 ميانگين مربع انحرافات
مقدار واقعی سری زمانی و مقدار پيش بينی شده متناظر با آن می باشد و تعداد پيش بيني ها است. از اين معيارها به دو منظور می توان استفاده کرد: 1- جهت کمک به فرآيند انتخاب مدل پيش بينی. 2- جهت نظارت بر سيستم پيش بينی به منظور دستيابي به "اشتباه موردی" که در سيستم پيش بينی رخ داده است. در مواقعی که خطاها رو به بزرگ شدن می نهند اين معيارها به ما علامت داده و ما را آگاه می سازند، از اينکه ممکن است الگوی داده ها تغيير کرده باشد.

4- ارزيابی پيش بينی ها

برای ارزيابی يک روش پيش بينی می توان از روشهای زير استفاده نمود.

4-1 بررسی خود همبستگيهای خطاهای پيش بينی

چون فرض می شود خطاهای پيش بينی فاقد هر گونه ساختار باشند، انتظار داريم اين خود همبستگی ها را نزديک صفر بيابيم. هر خود همبستگی که بزرگ بنظر برسد را می توان با خطای استاندارد آن مقايسه کرد. با توجه به اينکه فاصله اطمينان 95 درصد برای تقريبا بصورت می باشد، اگر مقدار مشاهده شده (برای باقيمانده ها) خارج از اين حدود واقع شود، میگوييم اين مقدار در سطح پنج درصد به طور معنی داری با صفر اختلاف دارد.

4-2 رسم مشاهده واقعی در مقابل پيش بينی

اگر پيش بينی ها و مشاهدات يکسان باشند همه نقاط روی خط 45 درجه ای که از مبداء عبور می کند قرار خواهند گرفت. انحرافات معنی دار از اين خط عدم کفايت مدل را مشخص می کند. برای مثال اگر بيشتر نقاط بالا يا پايين اين خط واقع شوند، پيش بينی ها اريب خواهند بود.

4-3 رسم نمودار احتمال نرمال خطاهای پيش بينی

از اين نمودار برای بررسی اينکه آيا خطاهای پيش بينی بطور نرمال توزيع شده اند يا نه استفاده می شود. چنانچه خطاها بطور نرمال توزيع شده باشند اين نمودار تقريبا بصورت يک خط راست خواهد بود.

4-4 بررسی معيارهای دقت

با استفاده از معيارهای دقت يا Measures of Accuracy که مينی تب با هر روش پيش بينی در اختيار ما می گذارد، می توان روشهای مختلف پيش بينی را با يکديگر مقايسه نمود و مدلی را که برازش بهتری را به داده ها فراهم می آورد، انتخاب نمود. ممکن است بخواهيم روش های پيش بينی را بر مبنای جوابشان به تغييرات پايدار در فرآيند سری های زمانی و ثباتشان در صورت وجود تغييرات تصادفی و تغييرات موقت(ناپايدار) مقايسه کنيم. اين کار از طريق شبيه سازی و برای بعضی روش های آماری خاص، به وسيله تجزيه و تحليل رياضی امکان پذير است. بهره وری پيش بينی در تکميل تصميمات مديريت، بستگی به وقوع سر وقت، شکل پيش بينی و همچنين دقت آن دارد. منافع به طور کلی بايد با توجه به سيستم مديريت اندازه گيری شود. پيش بينی تنها يک مؤلفه از اين سيستم کلی است. هدف دسترسی به تصميمات خوب است و معمولا اين امر با چيزی کمتر از پيش بينی های کامل قابل دسترسی است.


منبع : از کتاب " تجزيه و تحليل سريهاي زماني با نرم افزار ميني تب" اثر مصطفي خرمي و دکتر ابوالقاسم بزرگنيا, انتشارات سخن گستر, 1386- اين کتاب از منو فروشگاه اين وب سايت قابل خريداري مي باشد



دانشجو و محقق گرامی: این متن دارای فرمولهای آماري و تصاویری از محیط نرم افزار ميني تب می باشد که به راحتي امکان درج آنها در صفحات وب نمی باشد. ضمن پوزش, پیشنهاد می شود از لینک زیر این مقاله را با فرمت pdf دانلود کرده و به راحتی مطالعه نمایید:

8- روشهای پيش بينی سریهای زمانی



آماده انجام طرح هاي تحليل سري هاي زماني با نرم افزارهاي ايويوز- EViews و يا ميني تب- Minitab هستيم. با ما تماس بگيريد.




براي مشاهده ساير مقاله هاي تحليل آماري اين وب سايت بر لينک زير کليک نماييد: صفحه مقاله هاي تحليل آماري



ساير منابع مرتبط با نکات تحليلي آماري :

در خصوص موضوعات مختلف تحليل آماري مي توانيد از مطالب وب سايت ديگر اين گروه نيز استفاده نماييد: مقاله و موضوعات تحليل آماري