对一个变数的未来数值(例如需求)所做的陈述

1、第三章第三章預測預測預測l對一個變數的未來數值（例如需求）所做的陳述。l必須考慮二種資訊：目前情況的條件與因素過去類似情況的處理經驗企業組織中運用預測的例子企業組織中運用預測的例子l會計l財務l人力資源l行銷l管理資訊系統l作業l產品與服務設計各種預測技術的特徵各種預測技術的特徵 預測技術通常假設過去存在的因果系統，未來將繼續存在。預測很少完美無缺。整體項目的預測會比單一預測更為精確。隨著預測時間的範圍愈廣，即增加時間幅度時間幅度，預測精確性會減少。 優良預測的因素優良預測的因素l預測有時間性。l預測必須精確，並應該說明其精確程度。l預測必須具備可靠性。l預測必須具備有意義的計量單位。 l預測

2、必須書面化。 l預測技術必須容易了解、容易使用。 l預測必須符合成本效益。 預測過程的步驟預測過程的步驟 l決定預測的目的與何時需要預測 。l建立預測所需的時間幅度。l選擇預測方法。l蒐集與分析適當的資料。l準備預測。 l檢視預測。 三種預測的技巧三種預測的技巧 l判斷預測法。 l時間序列預測法。l關聯性模型。 l主管的意見l銷售員的意見l消費者調查l其他方法l德菲法判斷的預測判斷的預測以時間序列資料為基礎的預測以時間序列資料為基礎的預測(1/4)l時間序列(time series)l指間隔固定時間(小時、天、週、月、季、年)並依時間順序排列的觀察值l時間序列的行為l趨勢(trend)l季節性

3、(seasonality)l循環(cycle)l不規則變動(irregular variation)l隨機變動(random variation) 以時間序列資料為基礎的預測以時間序列資料為基礎的預測(2/4)以時間序列資料為基礎的預測以時間序列資料為基礎的預測(3/4)l天真預測法(naive forecast)l使用前一期數值當作預測基礎，適用於穩定序列、季節性變異或趨勢l優點：不需任何成本、方法簡單迅速；因為不用分析資 料，也很容易了解l缺點：不能提供高精確度的預測，可作為其他預測方法的成本與精確度的比較標準以時間序列資料為基礎的預測以時間序列資料為基礎的預測(4/4)l平均法(aver

4、aging)分析技術l適用於實際資料分布在平均值附近的情況，使資料的變異減小l移動平均法(moving average)l加權移動平均法(weighted moving average)l指數平均法(exponential smoothing)移動平均法移動平均法(1/2)l使用數個近期的實際資料來產生預測值lP.89 例題2期數期數需求需求(實際值實際值)預測值預測值14224034344054167移動平均法移動平均法(2/2)加權移動平均法加權移動平均法l與移動平均法不同之處是愈近期的資料，給定的權重愈大lP.90例題3(權數0.4 0、0.30 、0.20 、0.10)11.)1(1t

5、ntnntntAwAwAwF期數期數需求需求(實際值實際值)預測值預測值14224034344054167指數平滑法指數平滑法(1/3)l指數平滑法l每一個新預測值以前一個預測值為基礎，再加上預測值與實際值差額的百分比l誤差調整的速度是由平滑常數決定。平滑常數愈接近 0，則預測誤差調整的速度愈慢（愈平滑）。相反地，平滑常數愈接近 1，則反應愈大，平滑程度愈小指數平滑法指數平滑法(2/3)lP.92計算例題指數平滑法指數平滑法(3/3)預測的精確度預測的精確度(1/2)l預測的精確度與管制對預測來說是相當重要的層面l要精確地預測這些變數幾乎不可能，但指出預測值偏離實際值的程度是相當重要的，這可以

6、讓使用者知道預測的精確度 l預測誤差(error)l觀察預測誤差以確定誤差是否在合理的範圍之內l誤差實際值預測值 tttFAe預測的精確度預測的精確度(2/2)l常用來衡量歷史誤差的方法l平均絕對偏差（mean absolute deviation, MAD）l均方誤差（mean squared error, MSE）l平均絕對百分比誤差（mean absolute percent error, MAPE）平均絕對偏差（平均絕對偏差（MAD）lMAD是絕對預測誤差的平均值 MADttn實際值預測值均方誤差（均方誤差（MSE）lMSE 是預測誤差平方的平均值 2()MSE1ttn實際值預測值平均

7、絕對百分比誤差（平均絕對百分比誤差（MAPE）lMAPE 是絕對百分比誤差的平均值 |100MAPEtttn實際值預測值實際值lP.83 例題1lP.93 例題4趨勢分析技術趨勢分析技術(1/3)l建立一個方程式來適當地描述趨勢趨勢分析技術趨勢分析技術(2/3)l線性趨勢方程式(linear trend equation)趨勢分析技術趨勢分析技術(3/3)lP.96 例題5週週銷售數銷售數17002724372047285740674277588750977010775趨勢調整指數平滑法趨勢調整指數平滑法l為指數平滑法的變形，當時間序列顯示出線性趨勢時使用，或稱為雙重平滑法l適用於資料在平均值

8、上下變動、呈階梯式或漸近式的變動tttTSTAF1季節性分析技術季節性分析技術(1/2)l某種事件發生的時間序列呈現規則的上下反覆變動l季節性：規則的年度變動，也可以是指每日、每週、每月及其他規則模式的資料l在時間序列中的季節性是以實際值偏離序列平均值的量來表示。若序列傾向在平均值上 下變動，則季節性可用平均值來表示；若呈現趨勢，則季節性應以趨勢值來表示季節性分析技術季節性分析技術(2/2)l加法模型：季節性是以數量表示，即時間序列之平均數加上或減去某一數量l乘法模型：季節性以百分比表示，即時間序列值乘以平均趨勢值的某一百分比，又稱為季節相對性乘法模型乘法模型(1/2)l季節百分比稱為季節相對

9、性(seasonal relative)或季節指數(seasonal indexes)l當需求同時具有趨勢與季節因素時l使用趨勢方程式，求出所要求期間的趨勢估計值l將這些趨勢估計值乘以對應的季節相對性，再加上季節性 乘法模型乘法模型(2/2)lP.100 例題7lFt=124+7.5t lQ1=1.20, Q2=1.10, Q3=0.75, Q4=0.95 循環分析技術循環分析技術l與季節變動相似，但時間較長l循環的發生經常是不規則的，由於難以確認轉折點，所以很難從過去的數據預測關聯性預測技術關聯性預測技術l關聯性技術的重點在於建立出歸納預測變數預測變數效果的方程式，主要的分析方法為迴歸分析迴

10、歸分析l分為簡單線性迴歸和曲線與多元迴歸分析二種簡單線性迴歸簡單線性迴歸l目的是求出一條直線方程式，使每個資料點與此線的垂直距離平方和最小l此最小平方直線的方程式bxayclp.107 例題10 xy91. 685.71預測的管制預測的管制(1/2)l追蹤並分析這些預測誤差，有助於檢視預測是否適當。 l管制圖是用來偵測非隨機誤差的絕佳工具。 預測的管制預測的管制(2/2)l非隨機性的範例管制圖管制圖l誤差分配的標準差估計值就是MSE的平方根 l管制圖有下列基本假設：當誤差為隨機分配時，誤差會是常態分配，且平均值在 0 的附近因此管制上限：管制下限：管制界限：MSEs MSEz0MSEz0MSEz0追蹤訊號 l累積預測誤差與相關的平均絕對偏差（即MAD）的比，目的在偵測誤差的偏差l追蹤訊號的值可正可負，若為 0 則最理想，通常 為可接受的