Prognozowanie sezonów i trendów według średniej ruchomej Charles C. Holt Graduate School of Business, Uniwersytet w Teksasie w Austin, Austin, TX, USA Dostępny online 28 stycznia 2004. W artykule przedstawiono systematyczne opracowywanie wyrażeń prognozujących dla średnich ważeń ważonych wykładniczo . Zbadane są metody serii bez tendencji lub tendencji addytywnej lub multiplikatywnej. Podobnie, metody obejmują nie-sezonowe i sezonowe szeregy z dodatkowymi lub multiplikatywnymi strukturami błędów. Artykuł jest drukowaną wersją raportu z roku 1957 dla Biura Badań Marynarki Wojennej (ONR 52) i jest tu publikowana w celu zapewnienia większej dostępności. Elastyczność wykładnicza Prognozowanie lokalnych sezonów Kierunki lokalne Biografia: Charles C. HOLT jest profesorem honorowym kierownictwa w Graduate School of Business, Uniwersytecie w Teksasie w Austin. Jego obecne badania dotyczą metod ilościowej decyzji, systemów wsparcia decyzji i prognoz finansowych. Wcześniej przeprowadził badania i nauczał w MNiT. Uniwersytet Carnegie Mellon, London School of Economics, Uniwersytet Wisconsin i Instytut Miejski. Od 1947 aktywnie zajmuje się aplikacjami komputerowymi i przeprowadził badania nad automatyczną kontrolą, symulacją systemów gospodarczych, planowaniem produkcji, zatrudnieniem i zapasami oraz dynamiką inflacji i bezrobocia. Copyright 2004 Opublikowane przez Elsevier B. V. Cytowanie artykułów () Prognozowanie sprzedaży przez średnie ruchome ważone metodą obliczeniową Rosnące wykorzystanie komputerów do zmechanizowanej kontroli zapasów i planowania produkcji przyniosło potrzebę jednoznacznych prognoz sprzedaży i wykorzystania poszczególnych produktów i materiałów. Prognozy te muszą być wykonywane rutynowo dla tysięcy produktów, dzięki czemu muszą być szybko wykonane, a także, jeśli chodzi o czas komputerowy i magazynowanie informacji, są tanie, powinny reagować na zmieniające się warunki. W artykule przedstawiono metodę prognozowania sprzedaży, która ma te pożądane właściwości, a które pod względem zdolności do prognozy są korzystne w porównaniu z innymi tradycyjnymi metodami. Przedstawiono kilka modeli systemu prognozowania wykładniczego wraz z kilkoma przykładami zastosowania. Jeśli wystąpią problemy z pobraniem pliku, sprawdź, czy masz odpowiednią aplikację, aby ją wyświetlić. W przypadku dalszych problemów przeczytaj stronę pomocy IDEAS. Należy pamiętać, że te pliki nie znajdują się w witrynie IDEAS. Prosimy o cierpliwość, ponieważ pliki mogą być duże. Pan Hui, Jon Crowcroft, Eiko Yoneki - w Proc. ACM MobiHoc. 2008. W niniejszym artykule staramy się poprawić nasze rozumienie mobilności człowieka pod kątem struktur społecznych i wykorzystać te struktury do projektowania algorytmów przekazywania dla sieci typu PSN (Pocket Switched Networks). Biorąc ludzkie ślady mobilności z rzeczywistego świata, odkrywamy, że interakcja człowieka jest heterogeniczna. W niniejszym artykule staramy się poprawić nasze rozumienie mobilności człowieka pod kątem struktur społecznych i wykorzystać te struktury do projektowania algorytmów przekazywania dla sieci typu PSN (Pocket Switched Networks). Biorąc ludzkie ślady mobilności z rzeczywistego świata, odkrywamy, że interakcje człowieka są niejednorodne zarówno pod względem piast (popularnych osób), jak i grup lub społeczności. Proponujemy algorytm przekazywania społe - czeństwa społecznego, BUBBLE, który wykazuje empirycznie poprawę efektywności przesyłania w znaczący sposób w porównaniu do nieuwzględniających się planów przekazu i do algorytmu PROPHET. Pokazujemy także, w jaki sposób ten algorytm może być realizowany w sposób rozproszony, co pokazuje, że ma zastosowanie w zdecentralizowanym środowisku PSN. okna, takie jak od wczoraj do teraz, a następnie obliczyć średni stopień co 6 godzin. Nazywamy to podejście skumulowanym oknem (C-Window). Ta technika jest podobna do wyrównania wykładniczego -31--, którą zbadamy w dalszej pracy. Kolejnym krokiem będzie pokazanie, że rozdział DEGREE, S-Window i C-Window może przybliżać wstępnie dobraną centralę i zmierzoną centralnie. przez Pan Hui, Jon Crowcroft, Eiko Yoneki - transakcje IEEE w komputerach przenośnych. Streszczenie Większa penetracja inteligentnych urządzeń z funkcją tworzenia sieci tworzy nowe sieci. Takie sieci, zwane również siecią typu pocket switched (PSN), są połączone niekiedy i stanowią przesunięcie paragmatu przekazywania danych w sposób ad hoc. Struktura społeczna i interakcje. Streszczenie Większa penetracja inteligentnych urządzeń z funkcją tworzenia sieci tworzy nowe sieci. Takie sieci, zwane również siecią typu pocket switched (PSN), są połączone niekiedy i stanowią przesunięcie paragmatu przekazywania danych w sposób ad hoc. Struktura społeczna i interakcja użytkowników takich urządzeń dyktują wykonanie protokołów routingu w PSN. W tym celu informacje społeczne są istotnym wskaźnikiem do projektowania algorytmów przekazywania dla takich typów sieci. Poprzednie metody opierały się na tworzeniu i aktualizowaniu tabel trasowania, aby sprostać dynamicznym warunkom sieci. Ze względu na wadę wykazano, że takie podejście kończy się kosztem nieskutecznym z powodu częściowego przechwycenia przejściowego zachowania sieci. Bardziej obiecującym podejściem byłoby uchwycenie wewnętrznych charakterystyk takich sieci i wykorzystanie ich w projektowaniu algorytmów trasowania. W niniejszym artykule wykorzystujemy dwa wskaźniki społeczne i strukturalne, mianowicie centrum i społeczność, wykorzystujące rzeczywiste ślady mobilności człowieka. Wkład tego dokumentu jest dwukrotnie większy. Najpierw opracowujemy i oceniamy BUBBLE, nowy algorytm przekazywania społecznego, który wykorzystuje wyżej wspomniane wskaźniki w celu zwiększenia skuteczności dostarczania. Po drugie, empirycznie wskazujemy, że BUBBLE może znacznie poprawić wydajność przesyłania w porównaniu z wieloma wcześniej proponowanymi algorytmami obejmującymi algorytm PROPHET opartym na historii analizy porównawczej oraz algorytm SimBet do przekazywania spersonalizowanych treści. Terminy indeksoweSieci społecznościowe, algorytmy przekazywania, sieci opóźniające, sieci typu pocket-switched, centralne, wykrywanie społeczności. 1 do teraz, a następnie obliczyć średni stopień co 6 godzin. Nazywamy to skumulowane okno podejścia (C-Window). Technika ta jest podobna do techniki statystycznej zwanej wyrównywaniem wykładniczym -24 - i chcielibyśmy kontynuować dalsze badania teoretyczne. Z rys. 21 wynika, że podejście do S-Window odzwierciedla bardziej aktualny kontekst i osiąga maksymalną poprawę w dostawie o 4%. autor: Jan G De Gooijer, Rob J Hyndman - Międzynarodowy dziennik Prognoz. Streszczenie: Przeglądamy ostatnie 25 lat badań nad prognozowaniem szeregów czasowych. W tym srebrnym jubileuszowym wydaniu zwracamy uwagę na wyniki publikowane w czasopismach zarządzanych przez Międzynarodowy Instytut Prognoz (Journal of Forecasting 19821985 International Journal of Forecasting, 19852005). Streszczenie: Przeglądamy ostatnie 25 lat badań nad prognozowaniem szeregów czasowych. W tym srebrnym jubileuszowym wydaniu zwracamy uwagę na wyniki publikowane w czasopismach zarządzanych przez Międzynarodowy Instytut Prognoz (Journal of Forecasting 19821985 International Journal of Forecasting, 19852005). W tym okresie ponad jedna trzecia wszystkich gazet opublikowanych w tych czasopism dotyczyła prognozowania szeregów czasowych. Sprawdzamy również bardzo wpływowe prace nad prognozami serii czasowych, które zostały opublikowane gdzie indziej w tym okresie. W wielu dziedzinach osiągnięto ogromny postęp, ale stwierdziliśmy, że istnieje wiele tematów potrzebujących dalszego rozwoju. Podsumowując wnioski z Yuhong Yang - teoria ekonometryczna. 2004. Badamy niektóre metody łączenia procedur prognozowania ciągłej zmiennej losowej. Ograniczenia w zakresie ryzyka statystycznego pod stratą kwadratową są uzyskiwane przy łagodnych założeniach dystrybucyjnych w przyszłości z uwzględnieniem obecnych informacji zewnętrznych i wcześniejszych obserwacji. Wskaźniki ryzyka pokazują, że. Badamy niektóre metody łączenia procedur prognozowania ciągłej zmiennej losowej. Ograniczenia w zakresie ryzyka statystycznego pod stratą kwadratową są uzyskiwane przy łagodnych założeniach dystrybucyjnych w przyszłości z uwzględnieniem obecnych informacji zewnętrznych i wcześniejszych obserwacji. Wskaźniki ryzyka pokazują, że połączona prognoza automatycznie osiąga najlepsze wyniki w procedurach kandydujących do stałego czynnika i kary dodatkowej. Jeśli chodzi o stopień konwergencji, przewiduje się łączną prognozę, a także, jeśli zdecydujesz, która procedura prognozowania kandydata jest najlepsza z góry. Badania empiryczne sugerują, że łączenie procedur może czasami poprawić dokładność prognoz w porównaniu z pierwotnymi procedurami. Obliczenia teoretyczne pozwalają na określenie potencjalnego zysku i ceny dla liniowych połączeń prognoz poprawy. Rezultat wspiera empiryczne ustalenie, że nie jest dobrym pomysłem na połączenie prognoz. Ślepa kombinacja może znacznie pogorszyć wydajność w wyniku niepożądanej dużej zmienności w szacowaniu najlepszych kombinowanych ciężarków. W teorii teoretycznie pokazano zautomatyzowaną metodę łączenia, aby osiągnąć równowagę między potencjalnym wzrostem a kumulacją złożoności (cenę łączenia), aby wykorzystać (jeśli takie było) skromne połączenie i utrzymać najlepsze wyniki (w stawce) wśród prognoz kandydatów procedury, jeśli połączenie liniowe lub skomplikowane nie pomoże. George'a Athanasopoulosa, Roba J. Hyndmana. W niniejszym artykule modelujemy i prognozujemy potrzeb Australijskiego turystyki krajowej. Korzystamy z regresji w celu oszacowania ważnych stosunków gospodarczych na potrzeby turystyki krajowej. Identyfikujemy również wpływ wydarzeń na świat, takich jak Igrzyska Olimpijskie w Sydney w Sydney w 2000 roku oraz bombardowania Bali na domach australijskich w 2002 roku. W niniejszym artykule modelujemy i prognozujemy potrzeb Australijskiego turystyki krajowej. Korzystamy z regresji w celu oszacowania ważnych stosunków gospodarczych na potrzeby turystyki krajowej. Identyfikujemy również wpływ wydarzeń na świat, takich jak Igrzyska Olimpijskie w Sydney w 2000 r. Oraz bombardowania z Bali w 2002 r. W sprawie australijskiej turystyki krajowej. W celu zbadania szeregu czasowego charakteru danych wykorzystujemy innowacje w modelach przestrzeni państwowej do prognozowania potrzeb turystyki krajowej. Łącząc te dwa ramy, budujemy innowacje modeli przestrzeni państwowej ze zmiennymi egzogenicznymi. Modele te są w stanie przechwytywać dynamikę dynamiki czasowej w danych, a także powiązania gospodarcze i inne. Pokazujemy, że modele te przewyższają alternatywne podejście do prognoz krótkoterminowych, a także generują rozsądne długoterminowe prognozy. Prognozy są porównywane z oficjalnymi prognozami australijskimi, które okazały się być bardziej optymistyczne niż nasze prognozy. wszystkich poziomach nauczania. 3.2. Wyrównywanie wykładnicze dzięki nowatorskim modelom przestrzeni państwowej Pod koniec lat 50. zaproponowano progresję wyrównawczą (patrz pionierskie prace Browna, 1959 Holt, 1957-Winter, 1960) i motywuje niektóre z najbardziej udanych metod prognozowania. Prognozy wyprodukowane przy użyciu metod wyrównywania wykładniczego są ważonymi średnimi obserwacji z przeszłością, a wagi ulegają zniszczeniu. Ilana Alona, Mina Qi, Roberta J. Sadowskiego - dziennika handlu detalicznego i usług dla konsumentów. 2001. Podobnie jak wiele innych serii czasów ekonomicznych, łączna sprzedaż detaliczna w USA ma silny trend i sezonowe wzorce. Jak najlepiej modelować i prognozować te wzorce jest od dawna problemem w analizie serii czasowej. W tym artykule przedstawiono porównawcze sieci neuronowe i tradycyjne metody, w tym zimę. Podobnie jak wiele innych serii czasów ekonomicznych, łączna sprzedaż detaliczna w USA ma silny trend i sezonowe wzorce. Jak najlepiej modelować i prognozować te wzorce jest od dawna problemem w analizie serii czasowej. W tym artykule przedstawiono porównawcze sieci neuronowe i tradycyjne metody, w tym wygładanie wykładnicze Wintersa, model BoxJenkins ARIMA i regresję wieloczynnikową. Wyniki wskazują, że średnie wartości ANN są korzystne w porównaniu z bardziej tradycyjnymi metodami statystycznymi, a następnie model BoxJenkins. Pomimo swojej prostoty, model Winters okazał się realną metodą prognozowania wielostopniowego w stosunkowo stabilnych warunkach gospodarczych. Analiza pochodnych pokazuje, że model sieci neuronowej jest zdolny do przechwytywania dynamicznej tendencji nieliniowej, a także Shawndra Hill, Deepak K. Agarwal, Robert Bell, Chris Volinsky - Journal of Computational and Graphical Statistics. 2006. Sieć dynamiczna to specjalny rodzaj sieci składający się z połączonych transeksorów, które powtarzają ewoluującą interakcję. Dane na temat dużych dynamicznych sieci, takich jak sieci telekomunikacyjne i Internet, są powszechne. Jednakże, reprezentując sieci dynamiczne w sposób sprzyjający skuteczności. Sieć dynamiczna to specjalny rodzaj sieci składający się z połączonych transeksorów, które powtarzają ewoluującą interakcję. Dane o dużych sieciach dynamicznych, takich jak sieci telekomunikacyjne i Internet, są powszechne. Jednak reprezentowanie sieci dynamicznych w sposób sprzyjający efektywnej analizie na wielką skalę stanowi wyzwanie. W tym artykule przedstawiamy dynamiczne wykresy wykorzystujące strukturę danych przedstawioną we wcześniejszym artykule. Opowiadamy się za ich reprezentacją, ponieważ stanowi odzwierciedlenie relacji pomiędzy transaktorami w czasie, łagodzi hałas na lokalnym poziomie transakcji i pozwala na usunięcie nieaktualnych relacji. Nasza praca poprawia swoje heurystyczne argumenty poprzez sformalizowanie reprezentacji z trzema dostrajanymi parametrami. W ten sposób opracowujemy ogólne ramy służące do oceny i dostrojenia dowolnego dynamicznego wykresu. Pokazujemy, że przybliżenie oszczędzania pamięci przechowywane w reprezencie nie wpływa na przewidywaną wydajność i zazwyczaj poprawia ją. Motywujemy nasze podejście przy użyciu przykładu wykrywania nadużyć z branży telekomunikacyjnej i wykazujemy, że możemy lepiej zrealizować opublikowane wyniki dotyczące zadania wykrywania oszustw. Ponadto przedstawiamy wstępną analizę dzienników sieci Web i sieci poczty elektronicznej. wpływając na bieżący wykres. Ta forma funkcji wagi jest wygodna w tym sensie, że równanie (l) może być wyrażone w formie powtarzalności: ten formularz jest dobrze znany w statystykach jako wyrównywanie wykładnicze -30--. Zapewnia gładką dynamiczną ewolucję Gt. Iteracyjny charakter uaktualnień pozwala nam na włączenie informacji ze wszystkich poprzednich okresów bez ponoszenia zarządzania i przechowywania. przez Steffen Unkel, C. Paddy Farrington, Paul H. Garthwaite, Chris Robertson, Nick Andrews. Niezwykłe klastry choroby muszą zostać szybko wykryte w celu wprowadzenia skutecznych interwencji w zakresie zdrowia publicznego. W ciągu ostatniej dekady wzrosły zainteresowanie statystycznymi metodami wczesnego wykrywania epidemii chorób zakaźnych. Ten wzrost zainteresowania spowodował wiele nowych. Niezwykłe klastry choroby muszą zostać szybko wykryte w celu wprowadzenia skutecznych interwencji w zakresie zdrowia publicznego. W ciągu ostatniej dekady wzrosły zainteresowanie statystycznymi metodami wczesnego wykrywania epidemii chorób zakaźnych. Ten wzrost zainteresowania spowodował wiele nowych prac metodologicznych, obejmujących spektrum metod statystycznych. W niniejszym artykule przedstawiono obszerny przegląd proponowanych podejść statystycznych. Zastosowano zarówno dane laboratoryjne, jak i syndromiczne, które ilustrują różne metody. e trend i składnik sezonowy. Dwie popularne metody szeregowania czasowego stosowane w nadzorowaniu to prosty wygładzanie wykładnicze (np. Healy 1983 Ngo i wsp., 1996) oraz procedura Holt-Winterint (Holt 1957 - Winters 1960--). Proste wyrównywanie wykładnicze zapewnia, że dane nie mają tendencji ani sezonowości. Tworzy to prognozy, biorąc średnią ważoną z wcześniejszych obserwacji, gdzie ciężary zmniejszają się wykładniczo na furtce. przez Sarah Gelper, Christophe Croux, Sarah Gelper, Roland Fried, Christophe Croux. 2007. Przedstawiono solidne wersje metody wygładzania wykładniczej i ekscytacyjnej Holt-Wintersa. Są one odpowiednie do przewidywania jednorodnych serii czasowych w obecności odstępów. Wyraźne tryby wykładnicze wykładnicze i holt-winters są przedstawione jako rekursywny schemat aktualizacji. Oba aktualizacje. Przedstawiono solidne wersje metody wygładzania wykładniczej i ekscytacyjnej Holt-Wintersa. Są one odpowiednie do przewidywania jednorodnych serii czasowych w obecności odstępów. Wyraźne tryby wykładnicze wykładnicze i holt-winters są przedstawione jako rekursywny schemat aktualizacji. Zarówno równanie aktualizacji, jak i dobór parametrów wygładzania są stabilne. Ta solidna metoda jest odpowiednikiem szczególnej postaci solidnego kalmarowskiego ltera w lokalnym modelu tendencji liniowej. Badanie symulacyjne porównuje mocne i klasyczne prognozy. Przedstawiona metoda wykazuje dobrą prognozę wyników dla szeregów czasowych zi poza wartościami odbiegającymi, a także dla serii tłuszczowych. Metoda jest zilustrowana przy użyciu rzeczywistych danych uwzględniających trendy i eekty sezonowe. . W niniejszym artykule staramy się lepiej zrozumieć strukturę mobilności człowieka, aby wykorzystać ją do projektowania algorytmów upowszechniania danych wśród mobilnych użytkowników. Współpraca wiąże się, ale także dzieli społeczeństwo ludzkie na społeczności. Członkowie tej samej społeczności współdziałają z eac. W niniejszym artykule staramy się lepiej zrozumieć strukturę mobilności człowieka, aby wykorzystać ją do projektowania algorytmów upowszechniania danych wśród mobilnych użytkowników. Współpraca wiąże się, ale także dzieli społeczeństwo ludzkie na społeczności. Członkowie tej samej społeczności kontaktują się ze sobą preferencyjnie. W społeczeństwie ludzkim istnieje struktura. W społeczeństwie i jego społecznościach jednostki mają różną popularność. Niektórzy ludzie są bardziej popularni i współdziałają z większą liczbą osób niż inni, nazywając je hubami. Ranking popularności jest jednym z aspektów populacji. W wielu sieciach fizycznych niektóre węzły są silniej połączone ze sobą niż z resztą sieci. Zestaw takich węzłów zwykle nazywa się klastrami, grupami, spójnymi grupami lub modułami. Istnieje również struktura sieci społecznych. Można stosować różne metryki, takie jak przepływ informacji, niezależność Freeman, bliskość i moc wnioskowania, ale dla wszystkich, każdy węzeł w sieci może być przypisany globalnej wartości centralnej. 1. teraz oblicz średnią stopę za każde 6 godzin. Określamy to podejście jako okno akumulacyjne (AWindow). Ta technika jest podobna do techniki statystycznej zwanej wyrównaniem wykładniczym -28-- i chcielibyśmy dalej prowadzić teoretyczne badania. Podejście S-Window odzwierciedla bardziej aktualny kontekst i osiąga maksymalnie 4 poprawę wskaźnika podaży niż DEGREE, ale przy dwukrotnym wzroście sprzedaży c. Prognozowanie według średnich kroczących ważonych wykładniczo Uwaga: Zawsze sprawdź swoje referencje i dokonaj niezbędnych korekt przed użyciem. Zwróć uwagę na nazwy, kapitalizację i daty. Opis: Nauka o zarządzaniu to wielofunkcyjne badanie postępów i rozwiązań wspierających zaawansowane planowanie strategiczne i naukę zarządzania. Obejmuje istotne składki z różnych dziedzin: rachunkowość i finanse strategia biznesowa analiza decyzji systemy informatyczne produkcja i dystrybucja marketing programowanie matematyczne i sieciowanie wyników organizacji aplikacje w sektorze publicznym RDinnovation modele stymulacyjne i symulacja strategia i projektowanie zarządzanie łańcuchem dostaw zakres: 1954-2017 (tom 1, Nr 1 - tom 57, nr 12) Ruchoma ściana przedstawia okres pomiędzy ostatnim wydaniem dostępnym w JSTOR a ostatnio opublikowanym numerem czasopisma. Ruchome ściany są zazwyczaj reprezentowane w latach. W rzadkich przypadkach wydawca zdecydował się na zerową ruchomą ścianę, więc ich aktualne problemy są dostępne w JSTOR wkrótce po publikacji. Uwaga: Przy obliczaniu ruchomej ściany rok bieżący nie jest liczony. Na przykład, jeśli bieżący rok to rok 2008, a dziennik ma pięcioletnią ruchomą ścianę, dostępne są artykuły z roku 2002. Terminy związane ze ścianami ruchomymi Ścianki stałe: czasopisma, w których nie ma nowych woluminów dodawanych do archiwum. Zaabsorbowane: czasopisma połączone z innym tytułem. Complete: Czasopisma, które nie są już publikowane lub zostały połączone z innym tytułem. Tematy: Zarządzanie zachowaniami organizacyjnymi, ekonomia biznesowa, kolekcje biznesowe: For-Profit Akademie Sztuk Pięknych Kolekcja IV, Kolekcje Sztuki Naukowej Kolekcja IV, Kolekcja Ekonomii Biznesu, Korporacyjna kolekcja Zyski Zysku Inwestycyjnego, Podgląd Kolekcji Biznes I nie jest dostępna Rosnące wykorzystanie komputerów zmechanizowanej kontroli zapasów i planowania produkcji przyniósł potrzebę wyraźnych prognoz sprzedaży i wykorzystania poszczególnych produktów i materiałów. Prognozy te muszą być wykonywane rutynowo dla tysięcy produktów, dzięki czemu muszą być szybko wykonane, a także, jeśli chodzi o czas komputerowy i magazynowanie informacji, są tanie, powinny reagować na zmieniające się warunki. W artykule przedstawiono metodę prognozowania sprzedaży, która ma te pożądane właściwości, a które pod względem zdolności do prognozy są korzystne w porównaniu z innymi tradycyjnymi metodami. Przedstawiono kilka modeli systemu prognozowania wykładniczego wraz z kilkoma przykładami zastosowania. Miniatury strony
No comments:
Post a Comment