1 Chương 3 CÁC PHƯƠNG PHÁP THÔ, BÌNH QUÂN VÀ SAN BẰNG MŨ 2 Giới thiệu: Nguyên tắc chung của dự báo Trong đó: Y t : quan sát gần đây nhất của biến F t+1 : dự báo trước một thời đoạn F t+2 : dự báo trước hai thời đoạn F t+1 , F t+2 , F t+3 , …Y t , Y t-3 , Y t-2 , Y t-1 , Thời đoạn sẽ được dự báo Bạn ở đây tDữ liệu quá khứ 3 Phương pháp thô (Nạve method)  Ngày mai sẽ không khác ngày hôm nay; do đó, dự báo cho ngày mai là bất cứ cái gì chúng ta quan sát được trong ngày hôm nay.  Phương pháp này là nền tảng cho hầu hết các phương pháp dự báo theo chuỗi thời gian. 4 Phương pháp thô  Dữ liệu chuỗi thời gian dừng (hay tònh)  F t+1 = Y t  Dữ liệu có tính xu hướng  F t+1 = Y t + p(Y t -Y t-1 ) (theo Wilson & Keating, 2007, tr. 29) trong đó: p là tỷ lệ thay đổi giữa hai thời đoạn t – 1 và t mà ta chọn để đưa vào dự báo. Để đơn giản người ta thường chọn P = 1  F t+1 = Y t (Y t / Y t-1 ) (theo Hanke & Wichern, 2009, tr. 110) 5 Phương pháp thô (tiếp theo)  Dữ liệu biến động theo mùa vụ (hoặc có tính mùa vụ)  F t+1 = Y t+1-s trong đó: s là chu kỳ biến động  Dữ liệu có cả tính xu hướng và tính mùa vụ  F t+1 = Y t+1-s + [(Y t -Y t-1 ) + … + (Y t+1-s -Y t-s )]/s = Y t+1-s + [Y t -Y t-s )]/s 6 Phương pháp thô: Ví dụ 3.1 – Dữ liệu dừng Thời Số đơn kỳ than phiền 160 265 355 458 564 • • • • • • • • 7 Phương pháp thô: Ví dụ 3.2 – Dữ liệu có tính mùa Thời kỳ Mức cầu 110 220 326 417 512 623 730 822 8 Phương pháp thô: Ví dụ 3.3 – Dữ liệu có tính xu hướng  Chọn p = 1 53 + (+3) = 56t+1 +353t 50t-1 Giá trò dự báoChênh lệchGiá trò thực tếThời kỳ 9 Bình quaân ñôn giaûn  Phương pháp bình quân đơn giản phù hợp khi các nhân tốảnh hưởng đến đối tượng dự báo có tính ổn định, và môi trường liên quan đến chuỗi dữ liệu là không đổi.  Phương pháp bình quân đơn giản sử dụng giá trị trung bình của tất cả các quan sát quá khứ làm giá trị dự báo cho giai đoạn tiếp theo. 1 1 k t t t Y F k = + = ∑ 10 Phương pháp bình quân di động F t+1 = i=t-k+1 t Σ Y i k trong đó: k = số thời kỳ trong bình quân di động (hay khoảng trượt) Y i = mức cầu ở thời kỳ i  Tính trung bình cho một số thời kỳ có dữ liệu  Kiềm chế, san bằng những biến động  Sử dụng khi nhu cầu ổn đònh và không biểu lộ bất kỳ động thái nhu cầu rõ rệt nào, chẳng hạn như xu hướng hoặc mẫu hình thời vụ [...]... =0 ,3) (α =0,5) Một 37 Hai 40 37 ,00 37 ,00 Ba 41 37 ,90 38 ,50 Tư 37 38 , 83 39,75 Năm 45 38 ,28 38 ,37 Sáu 50 40,29 41,68 Bảy 43 43, 20 45,84 Tám 47 43, 14 44,42 Chín 56 44 ,30 45,71 Mười 52 47,81 50,85 Mười một 55 49,06 51,42 Mười hai 54 50,84 53, 21 Một 51,79 53, 61 F2 = αY1 + (1 - α)F1 = (0 ,30 ) (37 ) + (0,70) (37 ) = 37 F3 = αY2 + (1 - α)F2 = (0 ,30 )(40) + (0,70) (37 ) = 37 ,9 F 13 = αY12 + (1 - α)F12 = (0 ,30 )(54) + (0,70)(50,84)... cho các máy tính của họ để họ biết cần mua lưu kho bao nhiêu bộ phận cấu thành máy tính Công ty đã thu thập dữ liệu nhu cầu cho máy tính của mình trong 12 tháng qua, từ đó công ty muốn xem xét các dự báo san bằng mũ sử dụng các hằng số san bằng (α) bằng 0 ,30 và 0,50 24 Ví dụ 3. 5: Dự báo theo san bằng mũ giản đơn Thời kỳ Tháng 1 2 3 4 5 6 7 8 9 10 11 12 13 Mức Mức dự báo Mức dự báo yêu cầu (α =0 ,3) (α... tính các bình quân di động 3 và 5 tháng 12 Ví dụ 3. 4: Tính bình quân di động giản đơn Số Tháng đơn hàng Một 120 Hai 90 Ba 100 Tư 75 Năm 110 Sáu 50 Bảy 75 Tám 130 Chín 110 Mười 90 Mười một - Dự báo 3 tháng 1 03, 3 88 ,3 95,0 78 ,3 78 ,3 85,0 105,0 110,0 Dự báo 5 tháng 10 ∑ Yi 90 + 110 + 130 F = i=8 = = 110 11 3 3 10 99,0 ∑ Yi 85,0 F11 = i =6 5 82,0 90 + 110 + 130 + 75 + 50 88,0 = = 91 95,0 5 91,0 13 Tác... 25 Các dự báo theo san bằng mũ giản đơn 60 50 Dự báo 40 Actual Demand Alpha = 0.50 Alpha = 0 .30 30 20 10 0 1 2 3 4 5 6 7 8 9 10 11 12 13 Period 26 Vấn đề trong phương pháp san bằng mũ giản đơn: Xác đònh F1 và α như thế nào? Ta thấy rằng ảnh hưởng của giá trò dự đoán đầu tiên ngày càng giảm dần, do vậy, việc lựa chọn giá trò dự đoán đầu tiên không quan trọng lắm Thông thường, ta chọn: F1 = Y1 hoặc bằng. .. 0,1 0,2 L (số thời kỳ trong bình quân di động) : 39 19 9 0 ,3 5,7 0,4 0,5 4 3 0,67 2 22 Hiệu quả của hằng số san bằng 0,0 ≤ α ≤ 1,0 Nếu α = 0, thì Ft+1 = 0 Yt + 1 Ft = Ft Mức dự báo không phản ánh dữ liệu gần đây Nếu α = 1, thì Ft+1 = 1 Yt + 0 Ft = Yt Mức dự báo chỉ dựa vào dữ liệu gần đây nhất Nếu α = 0,20, thì Ft+1 = 0,20 Yt + 0,80 Ft 23 Ví dụ 3. 5: Dự báo theo san bằng mũ giản đơn Dòch vụ máy tính... dãy số dự báo càng ít “nhạy cảm” với những thay đổi của hiện tượng dự báo với các giá trò α khác nhau, α ứng với MSE hoặc MAE nhỏ nhất là α tốt nhất 27 Đối với dữ liệu có tính xu hướng Tất cả các phương pháp bình quân di động đều cho kết quả dự báo chậm hơn so với giá trò quan sát thực tế như chỉ ra ở hình bên cạnh Phương pháp san bằng mũ giản đơn cũng không phản ánh được xu hướng 28 San bằng mũ có... động san bằng Dự báo Các giá trò bình quân di động với khoảng trượt dài hơn phản ứng chậm hơn 14 Bình quân di động có trọng số Điều chỉnh phương pháp bình quân di động để phản ánh sát hơn những biến động bất thường trong dữ liệu Ft+1 = t Σ wi Yi i = t-k+1 trong đó: wi = trọng số cho thời kỳ i, giữa 0 và 100% Σ wi = 1,00 15 Bình quân di động có trọng số Đây là một biến thể của phương pháp trung bình. .. trò Dự báo của b a + bm (m = 1) − − − − 5 3 5 7 9 5 3 3 3 3 5 − − − − − − 680 678 689 700 714 709 708 711 714 717 (8) et − − − − − -9 15 5 1 -11 -7 2 1 -3 11 − 20 San bằng mũ giản đơn Phương pháp tính trung bình Chọn trọng số lớn hơn cho dữ liệu gần đây nhất Phản ứng nhiều hơn đối với những biến động gần đây Phương pháp chính xác, được sử dụng rộng rãi Ft+1 = αYt + (1 - α)Ft trong đó, Ft+1 = mức dự báo. .. đoạn dự báo trong tương lai 32 Chọn α và sự khởi tạo trong phương pháp Holt Chọn α và β: Làm sao chúng ta tìm được tổ hợp tốt nhất của các hằng số san bằng? Chọn α và β để cực tiểu MSE hay MAPE Theo kinh nghiệm Các giá trị α và β nhỏ nên được dùng khi có những biến động ngẫu nhiên thường xun trong dữ liệu Các giá trị α và β lớn nên được dùng khi có một mẫu hình chẳng hạn như xu hướng trong dữ liệu 33 ... (Minitab) 34 Phương pháp Holt Lợi thế Áp dụng các trọng số khác nhau cho thành phần ngẫu nhiên và xu hướng nên làm tăng tính linh hoạt trong dự báo (Phương pháp Brown là trường hợp đặc biệt của phương pháp Holt) Sự bất lợi Đònh rõ 2 tham số, không đơn giản 35 Ví dụ 3. 8 Số lượng sản phẩm tiêu thụ của nhà máy cơ khí A trong thời kỳ 1991-2005 được thu thập Bảng sau đây cho thấy các tính toán bằng phương pháp . 1 Chương 3 CÁC PHƯƠNG PHÁP THÔ, BÌNH QUÂN VÀ SAN BẰNG MŨ 2 Giới thiệu: Nguyên tắc chung của dự báo Trong đó: Y t : quan sát gần đây nhất của biến F t+1 : dự báo trước một thời đoạn F t+2 : dự. tính các bình quân di động 3 và 5 tháng. 13 Ví dụ 3. 4: Tính bình quân di động giản đơn Số Dự báo Dự báo Tháng đơn hàng 3 tháng 5 tháng Một 120 - - Hai 90 - - Ba 100 - - Tư 75 1 03, 3 - Năm 110 88 ,3. phiền 160 265 35 5 458 564 • • • • • • • • 7 Phương pháp thô: Ví dụ 3. 2 – Dữ liệu có tính mùa Thời kỳ Mức cầu 110 220 32 6 417 512 6 23 730 822 8 Phương pháp thô: Ví dụ 3. 3 – Dữ liệu có tính xu hướng  Chọn p = 1 53 + ( +3) = 56t+1 +35 3t 50t-1 Giá