Beruflich Dokumente
Kultur Dokumente
Forecasting
Problemlösungen aus Kapitel 2
2.1 Trend
Saisonalität
Zufälligkeit der Zyklen
2.2 Zyklen haben sich wiederholende Muster, die in Länge und Größe variieren.
2.3 a) Zeitreihen
b) Regressions- oder Kausalmodell
c) Delphi-Methode
b) Kurzfristige Prognosen sind in der Regel der nächste Tag oder Monat. Langfristige
Prognosen können für viele Monate oder Jahre in der Zukunft liegen.
2.6 Die Delphi-Methode ist eine Technik, um eine Konvergenz der Gruppenmeinung zu
erreichen. Die Methode hat mehrere potenzielle Vorteile gegenüber der Jury of Executive
Opinion-Methode, je nachdem, wie diese Methode umgesetzt wird. Wenn die
Führungskräfte als Gruppe einen Konsens erzielen dürfen, können starke Persönlichkeiten
dominieren. Wenn die Führungskräfte befragt werden, könnten sich die Vorurteile des
Interviewers auf die Ergebnisse auswirken.
2.7 Einige der Probleme, die ein Hochschulabsolvent bei der Auswahl eines Colleges
berücksichtigen sollte, sind: a) wie gut haben sich die Absolventen auf dem Arbeitsmarkt
2-1
Kapitel 02 - Prognosen
geschlagen, b) wie hoch sind die Fluktuationsraten der Studenten, c) wie hoch sind die
Kosten für die Hochschulausbildung und d) welche Teilzeitbeschäftigungsmöglichkeiten
in der Region verfügbar sein könnten. Datenquellen können College-Kataloge,
Erhebungen über Gehälter von Absolventen, Erhebungen über die Anzahl der
Absolventen, die eine Graduierten- oder Berufsschule besuchen, usw. sein.
2.8 Der Manager sollte auf die Folgen von Prognosefehlern vorbereitet sein.
2.10 Diese Art von Kriterien wäre MAPE am nächsten, da die gemessenen Fehler relativ und
nicht absolut sind. Es ist sinnvoller, ein relatives Fehlermaß im Golf zu verwenden.
Zum Beispiel wäre ein Fehler von 10 Yards für einen 200-Yard-Schuss für die
meisten Golfer in Ordnung, aber ein ähnlicher Fehler für einen 20-Yard-Schuss wäre
es nicht.
2.12 a) und b)
et
Prognose Zeitraum Ist
c) MAD = (216)/10 = 21 .6
MSE = (7175)/10 = 717 .5
= 100 (1 — 25.61
MAPE
y ei
(n Di )
2-2
Kapitel 02 - Prognosen
33
223 210 256 33 46 1089 2116 51
289 320 340 51 20 2601 400 55
430 390 375 -55 -15 3025 225 24
134 112 110 -24 -2 576 4 35
190 150 225 35 75 1225 5625 25
550 490 525 -25 35 625 1225 37.16666
(MAD1)
1523,5 (MSE1 1599.166
(MSE2)
J e2/D 1 *100
J J e1/DJ
*100 17.96875
Err2 J 5.88253
12.89062
4.00000
46 15.0000
1.81818
20 14.66667
33.33333
15 21.81818
6.66667
2 15.55556
75 4.761905
11.61155
35
(MAPE2)
14.11549
32.16666 (MAPE1)
(MAD2)
Es bedeutet, dass
2.14 E(ei) + 0. Dies wird angezeigt, wenn man
bedenkt,
n
2 ei
i=1
Eine Verzerrung wird angezeigt, wenn diese Summe zu weit
von Null abweicht.
2-3
Kapitel 02 - Prognosen
Die Prognosen, die einen Schritt voraus waren, lieferten bessere Ergebnisse (und sollten
laut
theorie).
2.21 Eine MA(1) Prognose bedeutet, dass die Prognose für die nächste Periode einfach die
Nachfrage der aktuellen Periode ist.
MA
D = 78 .0
2-4
Kapitel 02 - Prognosen
FMärz = 43,47
FApr = 38,20
FMai = 29,12
Monat
Fehler (a) ( a= .15) Fehler (b) ( a=
.40)
Feb 47.45 47.88
Mär 1.56 13.17
Apr 16.13 22.70
2.23 Ein kleines a bedeutet, dass der aktuellen Prognose wenig Gewicht beigemessen wird
und praktisch das gesamte Gewicht der vergangenen Nachfragehistorie beigemessen
wird. Dies bedeutet, dass die Prognose stabil ist, aber nicht reagiert.
Ein großes a bedeutet, dass der aktuellen Beobachtung der Nachfrage viel Gewicht
beigemessen wird. Dies bedeutet, dass sich die Prognose schnell an Veränderungen des
Nachfragemusters anpasst, aber von Zeitraum zu Zeitraum erheblich variiert.
2-5
Kapitel 02 - Prognosen
b) und c)
6.547540 7.934
MAD-ES MAD-MA
MAD
22
a
2,25 a) = N—1 ^ X =7 = .286
2— C 2— .05
b) 1) .56)............................................................................................................................16
)
......................................................................................................................................30
)2) _................................................................................................................................30
c)
Aus Anlage 2-A o
2 = =1,1o2
2—C
2
Daher = = 1.1 Lösen ergibt a = .1818
2.26
2-6
Kapitel 02 - Prognosen
Es ist das gleiche wie die einen Schritt voraus Prognose von Ende März, die 31,64 beträgt.
2-7
Kapitel 02 - Prognosen
2.27 Die durchschnittliche Nachfrage von Januar bis Juni beträgt 161,33. Angenommen,
dies ist die Prognose für
Juli.
a) Monat Prognose
c) Für a = .2 ist der konsistente Wert von N (2-a)/a = 9. Daher wird MA(6) etwas
reaktionsschneller sein. Auch die ES-Methode kann darunter leiden, in der
Vergangenheit „schlechte“ Daten nicht ausspülen zu können.
2-8
Kapitel 02 - Prognosen
a = D- b (n +1)/2 = -.807.4
c) Regressionsgleichung
D, = -807,4 + (500,54)t
1) .56)..............................................................................................................................................16
)
.......................................................................................................................................................30
)2) _.................................................................................................................................................30
d) Man könnte meinen, dass der Spitzenverbrauch in den Sommermonaten liegen würde
und der zunehmende Trend sich nicht auf unbestimmte Zeit fortsetzen würde.
2-9
Kapitel 02 - Prognosen
2-
10
Kapitel 02 - Prognosen
Da dieser gleitende Durchschnitt sowohl für One-Step-Ahead- als auch für Multiple-
Step-Ahead-Prognosen verwendet wird, beträgt die Gesamtprognose für 1994 (944,5)
(12) = 11.334.)
Der monatliche Durchschnitt liegt bei etwa 1200, basierend auf einem
Nutzungsdiagramm dieser Form. Diese Grafik geht von einer Spitzennutzung in den
Sommermonaten aus. Die jährliche Nutzung beträgt (1200)(12) = 14.400, was viel
näher an (b) liegt, da die gleitende Durchschnittsmethode den Trend nicht auf
unbestimmte Zeit projiziert.
2-
11
Kapitel 02 - Prognosen
a) steigung = 500,54
wert der Regression im Juni = -807,4 + (500,54)(6) = 2196
S0 = 2196 a = 0,15
G0 = 500,54 B = 0,10
2.32 Sowohl die Regression als auch Holts Methode basieren auf der Annahme eines
konstanten linearen Trends. Es ist in vielen Fällen wahrscheinlich, dass sich der Trend
nicht unbegrenzt fortsetzen wird oder dass der beobachtete Trend nur Teil eines Zyklus
ist. Wenn dies der Fall wäre, könnten erhebliche Prognosefehler auftreten.
2.33
Monat Jahr 1 Jahr 2 Dem1/Mittelwert Dem2/ Durchschn.
2-
12
Kapitel 02 - Prognosen
2-
13
Kapitel 02 - Prognosen
Gesamtsu
mmen 689 726 12
Wir haben hier die Quick and Dirty-Methode verwendet. Die durchschnittliche
Nachfrage für die beiden Jahre betrug (689 + 726)/2 = 707,5.
2.34 a)
(1)
(2) Zentrierte MA Verhältnis
Quartal Nachfrage MA Zentrierte MA auf Perioden (1)/(2)
1 12 42.440 0.2828
2 25 41.25 42.440 0.5891
3 76 41.750 1.8204
42.25
4 52 41.25 44.00 43.125 1.2058
5 16 42.25 42.75 43.375 0.3689
6 32 44.00 45.25 44.000 0.7272
7 71 42.75 44.75 45.000 1.5778
8 62 45.25 48.00 46.375 1.3369
9 14 44.75 51.25 49.625 0.2821
10 45 48.00 47.50 49.375 0.9114
11 84 51.25 49.500 1.6970
12 47 47.50 49.500 0.9494
Die vier saisonalen Faktoren werden durch Mittelung der entsprechenden Quartale erhalten (1, 5,
9 für das erste; 2, 6, 10 für das zweite usw.)
0.3112
0.7458
1.6984
1.1641
Die Summe beträgt 3.9163. Normierung der Faktoren durch Multiplikation mit
4
3,9163
1.0214
2-
14
Kapitel 02 - Prognosen
1 12 0.318 37.74
2 25 0.758 32.98
3 76 1.735 43.80
4 52 1.189 43.73
5 16 0.318 50.31
6 32 0.758 42.22
7 71 1.735 40.92
8 62 1.189 52.14
9 14 0.318 44.03
10 45 0.758 59.37
11 84 1.735 48.41
12 47 1.189 39.53
c) 47.40
Dt
3. ct = -2N+1 = <t<0
Vi [N+ 1/2 -j G 0
16
c-7 = = 0.36
45,25- (5/2 -1N..56) .
32
c-6 = = 0.71
45,25- (5/2 -2N.56) .
2-
15
Kapitel 02 - Prognosen
71 62
c-5 = = 1.56
43,25- (45,25- (5/2 -4X,56)
5/2 -3M.56)
c-4 =
= 1.35
14
c-3 = = 0.30
47.5 -(5/2 -
1) .56)
45
c-2 =
47.5 -(5/2 -2 )(.56)
= 0.95
84
c-1 = = 1.76
47,5 -(5/2 -3M.56)
47
c0 = = 0.97
47,5 -(5/2 -4N.56) .
Summe = 3.98
2-
16
Kapitel 02 - Prognosen
+ 0.9(0.56) = 0.70
2-
17
Kapitel 02 - Prognosen
= .3345
Daher kommen wir zu dem Schluss, dass die Winter-Methode genauer ist.
Die Summe der Faktoren ergibt 4,02. Die Normierung jedes der Faktoren durch
Multiplikation mit 4/4,02 = .995 ergibt die endgültigen Faktoren als:
c1 = .34
2-
18
Kapitel 02 - Prognosen
Die Ende 1993 gemachten Prognosen für das gesamte Jahr 1995 lauten:
1) .56)..............................................................................................................................................16
)
........................................................................................................................................................30
)2) _..................................................................................................................................................30
b) V D, = a^ + (a B + a B )VD+ (1 - b B) £t
2
2.43. ARIMA(0,2,2) bedeutet keine autoregressiven Terme, 2 Stufen der Differenzierung und 2
gleitende durchschnittliche Terme. Das Modell kann geschrieben werden als
wt = bo + £t- b £t-1 - b 8t-2 1 2
-
Wobei w, = ut ut-1 und ut = Dt - Dt_1. Mithilfe der Backshift-Notation können wir auch
wt = (1 - B)2 Dt, so dass wir für Teil a) a) (1 - B) Dt = ba + (1 - bB - bB )£
2 2
b) V Dt = b + (1 - bB - b2B 2)£
2
c) D - 2 Dt-1 +D 2 = b+ £t-b£
t-1 -b£t-2 oder Dt = 2 Dt-1 -D +b+ £t-b£
t-1 -b£ t-2
2-
19
Kapitel 02 - Prognosen
b) (0.2)(0.8) = 0.08192
4
Prognose Beobachtet
Quartal Fehler (ES(.1)) Fehler (et)
MAD1 = 50 (gegeben)
Der MAD, der aus der direkten Berechnung erhalten wird, beträgt 46,6, so dass
diese Methode nach acht Perioden eine ziemlich gute Näherung liefert. Es hat den
wichtigen Vorteil, dass der Benutzer bei der Berechnung des MAD keine
vergangenen Fehlerwerte speichern muss.
2.47 c1 = 0,7
c2 = 0,8
c3 = 1,0
c4 = 1,5
2-
20
Kapitel 02 - Prognosen
2.48 durchschnittl
Abt. jahr 1 jahr 2 jahr 3 ratio 1 ratio 2 ratio 3 ich
Die Multiplikationsfaktoren in der letzten Spalte geben die Prozentsätze über oder
unter dem großen Mittelwert an, wenn sie mit 100 multipliziert werden.
2.49 a) und b)
1 238
2 220
3 195
4 245 217.67 -27.33 27.33 747.11 11.16
5 345 220.00 -125.00 125.00 15625.00 36.23
6 380 261.67 -118.33 118.33 14002.78 31.14
7 270 323.33 53.33 53.33 2844.44 19.75
8 220 331.67 111.67 111.67 12469.44 50.76
9 280 290.00 10.00 10.00 100.00 3.57
10 120 256.67 136.67 136.67 18677.78 113.89
11 110 206.67 96.67 96.67 9344.44 87.88
12 85 170.00 85.00 85.00 7225.00 100.00
13 135 105.00 -30.00 30.00 900.00 22.22
14 145 110.00 -35.00 35.00 1225.00 24.14
15 185 121.67 -63.33 63.33 4011.11 34.23
16 219 155.00 -64.00 64.00 4096.00 29.22
17 240 183.00 -57.00 57.00 3249.00 23.75
18 420 214.67 -205.33 205.33 42161.78 48.89
19 520 293.00 -227.00 227.00 51529.00 43.65
20 410 393.33 -16.67 16.67 277.78 4.07
21 380 450.00 70.00 70.00 4900.00 18.42
22 320 436.67 116.67 116.67 13611.11 36.46
23 290 370.00 80.00 80.00 6400.00 27.59
24 240 330.00 90.00 90.00 8100.00 37.50
2-
21
Kapitel 02 - Prognosen
2.49 c)
Monat Vertrieb ES(.1) Fehler Abs Err Quadratfehler Pro Fehler Alpha
1 238 225 -13.00 13.00 169.00 5.46 0.1
2
Monat 220
Sales 226.30
MA(6 6.30
Fehler 6.30
Abs Err 39.69
Quadratfehl 2.86
Pro Fehler
31 195
238 225.67 30.67 30.67 er 940.65 15.73
42 245
220 222.60 -22.40 22.40 501.63 9.14
53 345
195 224.84 -120.16 120.16 14437.78 34.83
64 380
245 236.86 -143.14 143.14 20489.51 37.67
75 270
345 251.17 -18.83 18.83 354.47 6.97
86 220
380 253.06 33.06 33.06 1092.65 15.03
97 280
270 249.75
270.50 -30.25
0.50 30.25
0.50 915.07
0.25 10.80 0.19
108 120
220 252.77
275.83 132.77
55.83 132.77
55.83 17629.15
3117.36 110.65 25.38
119 110
280 239.50
275.83 129.50
-4.17 129.50
4.17 16769.5617.36 117.72 1.49
12
10 85
120 226.55
290.00 141.55
170.00 141.55
170.00 20035.72
28900.00 166.53 141.67
13
11 135
110 212.39
269.17 77.39
159.17 77.39
159.17 5989.65 57.33 144.70
25334.03
12 85 230.00 145.00 145.00 21025.00 170.59
13 135 180.83 45.83 45.83 2100.69 33.95
14 145 158.33 13.33 13.33 177.78 9.20
15 185 145.83 -39.17 39.17 1534.03 21.17
16 219 130.00 -89.00 89.00 7921.00 40.64
17 240 146.50 -93.50 93.50 8742.25 38.96
18 420 168.17 -251.83 251.83 63420.03 59.96
19 520 224.00 -296.00 296.00 87616.00 56.92
20 410 288.17 -121.83 121.83 14843.36 29.72
21 380 332.33 -47.67 47.67 2272.11 12.54
22 320 364.83 44.83 44.83 2010.03 14.01
23 290 381.67 91.67 91.67 8402.78 31.61
24 240 390.00 150.00 150.00 22500.00 62.50
MA(6) hat ungefähr die gleiche MAD und höhere MSE und
MAPE.
2.50
2-
22
Kapitel 02 - Prognosen
Der Fehler stellt sich für diese Daten als abfallende Funktion von a heraus. Daher gibt a
= 1 den niedrigsten Fehler an.
2.51 a)
(Yi) (Xi)
Vertrieb Geburten
Jahr ($100,000) Vorheriges Jahr
1
2 6.4 2.9
3 8.3 3.4
4 8.8 3.5
5 5.1 3.1
6 9.2 3.8
7 7.3 2.8
8 12.5 4.2
2 Xi = 81,75, 2 Yi = 507,48
2 2
b= S
XY = 4,158 S
XX
a = y - b x = -5,8
2-
23
Kapitel 02 - Prognosen
c)
Geburten in den USA Prognostiziert
(in 1.000.000) Geburten
(Xi)
Jahr Mit ES(.15)
1 2.9
2 3.4
3 3.5
4 3.1
5 3.8 3.2
6 2.8 3.3
7 4.2 3.2
8 3.7 3.4
9 3.4
10 3.4
Daher liegen die prognostizierten Geburten für die Jahre 9 und 10 bei 3,4
Millionen.
Die Substitution ergibt Yt = -5,8 + (4,158)(3,4) = 8,3372 für Verkäufe in jedem der Jahre
9 und 10. Daher beträgt die Prognose für den Gesamtumsatz in diesen Jahren (8,3372)(2)
= 16,6744 oder 1.667.440 USD.
Xi Yi
Monat Eiscreme Vertrieb XiYi
1 325 325
2 335 670
3 172 516
4 645 2580
5 770 3850
6 950 5700
Summ
e = 21 3197. 13641
Durch = 3.5 532.8
schn.
Sxx = 105
2-
24
Kapitel 02 - Prognosen
Sxy = 14709
b = Sxy/Sxx = 140,1
a = Y - b X = 42,5
Wir wären bei dieser Antwort nicht sehr zuversichtlich, da sie davon ausgeht, dass
sich der in den ersten sechs Monaten beobachtete Trend bis in den Monat 30
fortsetzt, was sehr unwahrscheinlich ist.
b) Xi Yi
Parkteilneh Eiscreme
mer Vertrieb
XiYi
880 325 286000
976 335 326960
440 172 75680
1823 645 1175835
1885 770 1451450
2436 950 2314200
b = Sxy/Sxx = 0,396302
a = Y -b X = 24,6316
Yi = -24,63 + 0,4Xi
2-
25
Kapitel 02 - Prognosen
c)
Teilnehm
Prognostiziert
Monat Teilnehmer Eisverkäufe
12 5100 2015.37
13 5350 2115.37
14 5600 2215.37
15 5800 2295.37
16 5900 2335.37
17 5950 2355.37
18 5980 2367.37
2-
26
Kapitel 02 - Prognosen
2.53 Die Methode geht davon aus, dass das „beste“ a, das auf einer vergangenen Abfolge
spezifischer Anforderungen basiert, das „beste“ a für zukünftige Anforderungen sein wird,
was möglicherweise nicht der Fall ist. Ferner kann der beste Wert der Glättungskonstante auf
Grundlage einer rückwirkenden Anpassung der Daten entweder größer oder kleiner sein, als auf
Grundlage der Stabilität und Reaktionsfähigkeit von Prognosen wünschenswert ist.
2.54
Jahr Nachfrage S sub t G sub t Prognose alpha beta |error| error^2
0 8 0.2 0.2
1981 0.2 6.44 7.69 8.00 7.80 60.84
1982 4.3 12.16 7.29 14.13 9.83 96.59
1983 8.8 17.33 6.87 19.46 10.66 113.58
1984 18.6 23.08 6.64 24.19 5.59 31.30
1985 34.5 30.68 6.84 29.72 4.78 22.85
1986 68.2 43.65 8.06 37.51 30.69 941.74
1987 85.0 58.37 9.39 51.71 33.29 1108.00
1988 58.0 65.81 9.00 67.77 9.77 95.37
14.05 308.78
MAD MSE
Der Prognosefehler scheint mit abnehmenden Werten von a und B zu sinken. Das heißt, a = B =
0 scheint den niedrigsten Wert des Prognosefehlers zu ergeben.
2.55 a) In Problem 22 wird uns mitgeteilt, dass die Prognose für Januar 25 war.
Daher auch e1 = 25-23,3 = 1,7 = E1 und M 1 = |e 1 | = 1,7. Daher a1 = 1.
E2 = (.1)(-48,9)(.9)(1,7) = -3,36
M2 = (.1)(48.9) + (.9)(1.7) = 6.42
2-
27
Kapitel 02 - Prognosen
Methodenvergleich
Monat Nachfrage ES(.15) |Fehler| Trigg-Lauge |Fehler|
b) Betrachten Sie nur den Zeitraum Juli bis Dezember wie in Problem 36. Wie in Teil (a)
a7 = 1. Verwenden Sie E6 = 567,1 - 480 = 87.
F7 = 480
e7 = 480 - 500 = -20
E7 = (.2)(-20) + (.8)(87) = 65,6
M7 = (.2)(20) + (.8)(87) = 73,6
a7 = 65,6/73,6 = 0,89
a8 = 37,9/149,3 = 0,25
a9 = 21,9/171,6 = 0,13
2-
28
Kapitel 02 - Prognosen
Leistung Vergleich
Trigg-Lauge
Monat Nachfrage Prognose |Fehler|
7 500 480 20
8 950 498 452
9 350 611 261
10 600 585 15
11 870 586 284
12 740 663 77
MAD = 185
c10 = 1,2
1) .56).............................................................................................................................................16
)
.......................................................................................................................................................30
)2) _.................................................................................................................................................30
b) D11 = 128
2-
29
Kapitel 02 - Prognosen
2 C, = 4,009
Die Faktoren werden durch Multiplikation mit 1/4,009 = .9978 normiert. Sie werden sich
nicht nennenswert ändern.
2,57 a) Xi Yi XiYi
1 649.8 649.8
2 705.1 1410.2
3 772.0 2316.0
4 816.4 3265.6
5 892.7 4463.5
6 963.9 5783.4
7 1015.5 7108.5
8 1102.7 8821.6
9 1212.8 10915.2
10 1359.3 13593.0
11 1472.8 16200.8
Summe
= 66 10,963.0 74,527.6
Durchsc 6 996.64
hn. =
Sxy = n
X i
)
XD i
i —1 n n
D _( X +1 i2
(11X74.527,6) =d
)
22 (10,963.0 ) = 96,245.6
SXX n2
( n+ IX 2n +1 n (n+12
2
(11 12 23
2
) x
) (112( 12
2
))
_
— — — = 1210
6 46 4
b = s, —
96.245,6
= 79,54
Sxx 1210
2-
30
Kapitel 02 - Prognosen
2-
31
Kapitel 02 - Prognosen
1964 649.8
1965 705.1 8.51%
1966 772.0 9.49%
1967 816.4 5.75%
1968 892.7 9.35%
1969 963.9 7.98%
1970 1015.5 5.35%
1971 1102.7 8.59%
1972 1212.8 9.98%
1973 1359.3 12.08%
1974 1472.8 8.35%
1975 1598.4 8.53% 8.72% 1601.3 2.9 8.54% 1598.6 0.2
1976 1782.8 11.54% 8.81% 1739.3 43.5 8.54% 1734.9 47.9
1977 1990.9 11.67% 9.84% 1958.3 32.6 9.14% 1945.7 45.2
2-
32
Kapitel 02 - Prognosen
Die Prognosen für den gleitenden Durchschnitt und die exponentielle Glättung, die auf
prozentualen Erhöhungen basieren, sind genauer als die Methode von Holt.
c) Man würde erwarten, dass ein kausales Modell genauer sein könnte. Groß angelegte
ökonometrische Modelle zur Vorhersage des Bruttosozialprodukts und andere
fundamentale ökonomische Zeitreihen sind üblich.
2-
33