прогнозната грешка как да се изчисли и да прилагат

Основната задача на управление на инвентара е да се определи обемът на попълване, това е, колко трябва да се поръча на доставчика. При изчисляване на тази сума се използва няколко параметри - колко ще се продават и в бъдеще, колко време се възстановява, което балансира имаме в наличност и колко вече са били поръчани от доставчика. Степента, в която ние се определи правилно тези параметри ще повлияе на това дали или не е достатъчно стоки в склада е, или тя ще бъде твърде много. Но най-голямо влияние върху ефективността на управление на материалните запаси се отразява на степента, до която прогнозата е точна. Мнозина вярват, че като цяло е основният проблем в управлението на инвентара. Действително, точността на прогнозиране е много важен параметър. Ето защо е важно да се разбере как да го оцени. Важно е също така да се установят причините за дефицити или неликвидни, и при избора на софтуер за продажби прогнозиране и управление на инвентара.

В тази статия, аз представих няколко формули за изчисляване на точността на грешката при прогноза и прогноза. Освен това, можете да изтеглите файлове, с примери за изчисляване на този показател.

За да изчислите прогноза за продажбите употребявани статистическа оценка на изчислената грешка на прогнозирането на времето серия. Най-простият показател - факта на отклонение от прогнозата в количествено отношение.

В практиката на грешката при прогнози изчислява поотделно за всяка позиция, както и изчислената средна прогнозна грешка. Следните често срещаните грешки са само индикатори на показателите на средните прогнозни грешки.

Те включват:

MAPE- средна абсолютна грешка в проценти

където Z (т) - действителната стойност на времевия ред, и - се прогнозира.

В случай че действителните стойности на времевия ред са близки до 0, а след това в знаменателя ще бъде много малък брой, което ще направи стойността на Mape близо до безкрайност - не е съвсем вярна. Например, реалната цена на печатната платка = 0.01 рубли / MWh, а предсказуем = 10 рубли / MWh, а Mape = (0,01 - 10) /0.01 = 999 процент, но в действителност ние не сме толкова погрешно, само на 10 рубли / MWh. За серия, съдържащ стойности, близки до нула, следната оценка на грешката на предвиждане.

.

За платката оценка грешка на цените прогнозиране и LED BR-правилно да използвате Мей.

8500). За това предсказание стойност Mape = 1,5%. » В същото време, гледайки към статията, че е възможно да се определят общо впечатление за силата на прогнозната грешка, за която Mape обикновено варира от 1 до 5%; или грешки в цените на електроенергията прогнозирането на Mape за който варира от 5 до 15% в зависимост от периода и на пазара. Mape получаване стойност за собствената си прогноза, можете да изчислите колко голяма ще получите да се предскаже.

ME - средната грешка

Това се случва, дори и друго име за този индекс - Bias (на английски -. Bias) показва степента на отклонението, и - в каква посока прогнозата за продажбите се отклонява от действителните нужди. Този индикатор показва дали Оптимист или песимист прогноза. Това означава, че отрицателна стойност Bias каза, че прогнозата е твърде висока (реално търсене е по-ниска), а, напротив, положителна стойност, че прогнозата е била твърде ниска. Цифрова стойност показател определя размера на отклонение (офсет).

MSE - средна квадратна грешка

.

RMSE - корен квадратен от средната стойност на квадрат грешка

.

SD - стандартно отклонение

където АЗ - има средна грешка, определена от горната формула.

Съобщение точност и прогнозната грешка

В началото на тази дискусия, нека да се справят с дефиниции.

Прогноза за грешка - последващ стойност на прогнозата отклонение от действителното състояние на обекта. Ако говорим за прогнози за продажбите, това е показател за отклонение от действителната прогнозата за продажбите.

Точността на прогнозата е концепцията за обратна прогнозата за грешка. Ако грешката на предвиждане е голям, точността е ниска, и обратно, ако грешката на предвиждане е малък, точността е висока. По същество вкара Mape прогноза грешка е противоположната стойност за точността на прогнозиране - връзката е проста.

• Е, ако в тази прогноза е 100%, избрания модел описва действителната стойност на 100%, т.е. много точно. Необходимо е незабавно да направите резервация, че тази цифра никога няма да бъде основната характеристика на прогнозата е, че винаги е прав.
• Ако на 0% или отрицателно число, то не е описан, а това не трябва да се доверите модел.

Изберете подходящ модел може да се прогнозира чрез изчисляване на индекса на точността на прогнозите. прогнозиране модел, който измерва точността на прогнозата ще бъде по-близо до 100% по-голяма вероятност да се направи по-точна прогноза. Този модел може да се нарече оптимално за избрания времеви редове. Като говорим за висока точност, ние говорим за по-ниски прогнозни грешки и недоразумения в тази област не трябва да бъде. Няма значение какво е, който ще проследявате, но е важно, че сте сравняване прогнозни модели или е насочена към един показател - грешката прогноза или предсказание точност.

По-рано аз бях оценката на Mape, докато тя се запознава с формула, която насърчава Валерий Razgulyaev. Описание на формулите, представени в следващия раздел - Част 2 връзка >>>>. В него обсъждаме формулата Валери Razgulyaevo, графичен метод, както и практическото прилагане на изчисляване на грешката при прогноза.

Ако искате да се подобри ефективността на управление на инвентара и увеличаване на оборота инвентаризация, да предложи да учи майсторски клас "Как да се увеличи инвентаризация завои."