TAHMİN I see that you will get an A this semester.

Slides:



Advertisements
Benzer bir sunumlar
ZAMAN SERİLERİ -1 ÖNGÖRÜ :
Advertisements

İLİŞKİLERİ İNCELEMEYE YÖNELİK ANALİZ TEKNİKLERİ
İhalelerde Uygun Teklif Bedelinin Grafikler ve Regresyon Analizi Yardımı ile Belirlenmesi.
Sistem Tasarım 2 Fiyatlandırmaya Bağlı Talep Tahmin Analizi
BÖLÜM VI ÜRETİM YÖNETİMİ.
İNSAN KAYNAKLARI PLANLAMASI
Üretim Planlama Kontrol Tahminleme Teknikleri
Sistem Tasarım 2 Fiyatlandırmaya Bağlı Talep Tahmin Analizi Grup: BigM Proje Danışmanları M. Gökhan ATALIK Çağlar GÜVEN Serhat BAŞKAYA Serhan DURAN Koray.
Sistem Tasarım 2 Fiyatlandırmaya Bağlı Talep Tahmin Analizi Grup: BigM Proje Danışmanları M. Gökhan ATALIK Çağlar GÜVEN Serhat BAŞKAYA Serhan DURAN Koray.
ZAMAN SERİLERİNDE AYRIŞTIRMA YÖNTEMLERİ
FİNANSAL ANALİZ.
Temel İstatistik Terimler
ÖLÇME NEDİR? ►Ölçme ya da ölçüm, bilinmeyen bir büyüklüğün aynı türden olan, ancak bilinen bir büyüklükle kıyaslanmasına denir. ►Diğer bir deyişle, bir.
Bölüm6:Diferansiyel Denklemler: Başlangıç Değer Problemleri
Makro İktisat İktisadi Analiz
İŞLETME BÜTÇESİNİN HAZIRLANIŞI
B. KARLILIK ANALİZİ Yönetim uygulamalarında kar planlaması ve karlılık analizi alanında kullanılan önemli araçlardan biri; literatürde “başabaş analizi,
ÖNGÖRÜMLEME (Forecasting)
BÜTÇELERİN KONTROLÜ.
Öngörü Tekniğinin Seçimi-I
ÇOKLU REGRESYON MODELİ
EŞANLI DENKLEMLİ MODELLER. Eşanlı denklem sisteminde, Y den X e ve X den Y ye karşılıklı iki yönlü etki vardır. Y ile X arasındaki karşılıklı ilişki nedeniyle.
ÇOKLU DOĞRUSAL BAĞLANTI
MEVSİMSELLİKTEN ARINDIRMA
Artık (Residual) Pazarlıo ğ lu De ğ işkenlerin cari de ğ erleri ile öngörü de ğ erleri arasındaki fark artık (residual) olarak adlandırılmaktadır.
DOĞRUSAL OLMAYAN REGRESYON MODELLERİ…
Ölçme Sonuçlarının Değerlendirilmesi
Yrd. Doç. Dr. Doğan AYDOĞAN
21 - ÖLÇME SONUÇLARI ÜZERİNE İSTATİSTİKSEL İŞLEMLER
ÇOKLU DOĞRUSAL BAĞLANTI
İşletme Bölümü GÜZ TEKRAR.
Üstel Düzeltme Yöntemi-1
Tüketim Gelir
Operasyon Yönetimi Talep Tahmini Doç. Dr. Mustafa Yüzükırmızı
Normal Dağılımlılık EKK tahmincilerinin ihtimal dağılımları u i ’nin ihtimal dağılımı hakkında yapılan varsayıma bağlıdır.  tahminleri için uygulanan.
ÖNGÖRÜMLEME (Forecasting)
…ÇOKLU REGRESYON MODELİ…
İnsan Kaynakları Planlaması ve İşgören Seçimi
ÖĞRENME AMAÇLARI Veri analizi kavramı ve sağladığı işlevleri hakkında bilgi edinmek Pazarlama araştırmalarında kullanılan istatistiksel analizlerin.
Operasyon Yönetimi Talep Tahmini-II Doç. Dr. Mustafa Yüzükırmızı
İstatistik Bilimine Giriş
İNCELEME Bilimin İşlevleri İstatistiksel Yöntemler Değişken Türleri
Bölüm 03 Sayısal Tanımlama Teknikleri
Sayısal Analiz 7. Hafta SAÜ YYurtaY.
ÖĞRENME AMAÇLARI Tahmin kavramını anlamak Pazarlama araştırmacılarının regresyon analizinden nasıl faydalandığını öğrenmek Pazarlama araştırmacılarının.
Regresyon Analizi İki değişken arasında önemli bir ilişki bulunduğunda, değişkenlerden birisi belirli bir birim değiştiğinde, diğerinin nasıl bir değişim.
Maliye’de SPSS Uygulamaları
Bölüm 7 Coklu regresyon.
T.C. BAŞBAKANLIK TÜRKİYE İSTATİSTİK KURUMU Tüketici Fiyatları Endeksi (TÜFE) Değişken Ağırlık Yaklaşımı Ulusal Hesaplar ve Ekonomik Göstergeler.
TEDARİK ZİNCİRİ YÖNETİMİ
İNSAN KAYNAKLARI YÖNETİMİ
İKİ DEĞİŞKEN ARASINDAKİ İLİŞKİ VE İLİŞKİNİN ÖLÇÜLMESİ
NİCEL ARAŞTIRMA DESENLERİ
OLASILIK ve İSTATİSTİK
Üretim Yönetimi Talep Tahminleme ve Ürün Yönetimi Hafta 4
©McGraw-Hill Education, 2014
ÜSTEL DÜZLEŞTİRME YÖNTEMİ
Temel İstatistik Terimler
Ünite 10: Regresyon Analizi
SAĞLIK KURUMLARINDA KARAR VERME YÖNTEMLERİ
TAHMİN I see that you will get an A this semester.
Tedarik Zinciri Yönetimi:
Tüketim Gelir
ZAMAN SERİSİ YÖNTEMLERİ
Tahmin To Accompany Russell and Taylor, Operations Management, 4th Edition,  2003 Prentice-Hall, Inc. All rights reserved.
DAVRANIŞ BİLİMLERİNDE İLERİ İSTATİSTİK DOKTORA
Temel İstatistik Terimler
DAVRANIŞ BİLİMLERİNDE İLERİ İSTATİSTİK DOKTORA
Normal Dağılımlılık EKK tahmincilerinin ihtimal dağılımları ui’nin ihtimal dağılımı hakkında yapılan varsayıma bağlıdır. b tahminleri için uygulanan testlerin.
Sunum transkripti:

TAHMİN I see that you will get an A this semester.

Tahmin Nedir? Belli bir değişkenin gelecekteki düzeyine ilişkin öngörü –Talep Ürüne ilişkin toplam pazar talebi İşletme düzeyindeki talep –Arz (parça, malzeme, ürün arzı) –Fiyat (parça, malzeme, ürün fiyatı)

Neden Tahmin? Uzun dönemli kapasite ihtiyaçlarının belirlenmesi için Bütçe, insan kaynakları planlaması yapmak içi Üretimi veya malzeme siparişlerini planlamak için Nakliye planları hazırlamak için Tüm tedarik zinciri faaliyetlerini planlamak için

Tahmin Özellikleri (Tahmin Yasaları) Tahminler her zaman bir miktar hata içerirler. Tahminler ürün grupları için daha doğru sonuç verirler. Daha kısa dönemler için daha doğru sonuç verirler Tahminler hesaplanabilen talep düzeyleri yerine kullanılmamalıdır.

Kantitatif Yöntemler İçinde bulunulan durum kararlı, ilgilenilen değişkenle başka bir değişken arasında ilişki kurmak olanağı var ve elde yeterince veri mevcut ise kullanılır –Mevcut ürünler –Mevcut teknoloji Matematiksel yöntemlerin yoğun bir şekilde kullanılması gerekir. ************************ Örneğin, olgun bir ürüne ilişkin talebin tahmini Kalitatif Yöntemler İçinde bulunulan duruma ilişkin belirsizlik yüksek, ilgilenilen değişkenle başka bir değişken arasında ilişki kurmak güç ve eldeki veri miktarı az ise kullanılır –Yeni ürünler –Yeni teknoloji Sezgilere ve deneyimle dayanır *********************** Örneğin, piyasaya ilk kez sürülecek bir ürün için talep tahmini Tahmin Yaklaşımları

Kalitatif (Sayısal Olmayan) Tahmin Yöntemleri Satış gücü tahminleri Pazar araştırmaları (anketler) Dış kaynaktan görüş toplama Konsensus oluşturma yöntemi Delphi yöntemi Yaşam süreci benzerliğinden yararlanma yöntemi İlgili kişilerden elde edilen pazar bölümlerine ilişkin tahminleri toplama yöntemi

Talep Tahmini Zaman Serileri Modelleri - Bir Önceki Dönem - Hareketli Ortalamalar - Üssel Düzeltme - Doğrusal Regresyon (Trend Analizi) Nedensel Modeller –Doğrusal Tekli Regresyon –Doğrusal Çoklu Regresyon –Doğrusal olmayan Regresyon

Zaman Serileri Modelleri DönemTalep Tahmin oluşturmak amacıyla bu verileri kullanmak için varsayımımız ne olmalı? Zaman serileri kronolojik sırayla düzenlenmiş gözlemlerden oluşur.

Talepteki Zaman Serileri Unsurları Zaman Talep... tesadüfilik

...Zaman Serileri Zaman Talep Tesadüfilik ve trend içeren....

... Zaman Serileri Talep Tesadüfilik, trend ve mevsimsellik içeren.... Mayıs

Zaman Serileri Modellerinin Altında Yatan Düşünce Tesadüfi değişkenliklerle talebin altında yatan düzendeki gerçek değişiklikler birbirlerinden ayırdedilmelidir.

Hareketli Ortalamalar Modeli Dönem Talep Dönem için 3- dönemlik hareketli ortalamalar tahmini: =( ) / 3 =10.67 

Ağırlıklı Hareketli Ortalamalar 8. Dönem İçin Tahmin =[(0.5  14) + (0.3  8) + (0.2  10)] =11.4 Yararları neledir? Ağırlıkların toplamı kaç olmalıdır? Farklı ağırlıklar kullanılabilir mi? 3-dönemlik hareketli ortalama ile karşılaştırınız.

Tahmin ve Gerçekleşen Talep Değerleri... Dönem Gerçekleşen Talep İki Dönemlik Hareketli Ortalama Tahmini Üç-Dönemlik Ağırlıklı Hareketli Ortalama Tahmini; Ağırlıklar = 0.5, 0.3,

... Ve Grafik Gösterim Tahminlerin değişkenlikleri düzeltici etkisi görülüyor.

Üssel Düzeltme Daha sofistike bir ağırlıklı hareketli ortalama yöntemi Sadece üç veriye ihtiyaç duyuluyor. F t = Mevcut dönemin, t, tahmin değeri D t = Mevcut dönemin gerçekleşen talep değeri  = 0 ile 1 arasında bir ağırlık değeri

Üssel Düzeltme F t+1 = F t + a (D t – F t ) =  × D t + (1 –  ) × F t  Tahmin değeri nereden geliyor?   değeri 0’a veya 1’e yaklaştıkça ne oluyor?  İlk tahmin değeri nereden geliyor?

 = 0.3 için Üssel Düzeltme Sonuçları F 2 = 0.3× ×11 = = 11.3 F 3 = 0.3× ×11.3 = Dönem Gerçek Talep Üssel Düzeltme Tahmini

Grafik

Trend Etkisi Verilerde trende rastlanması halinde bir hareketli ortalamalar veya üssel düzeltme modeli bundan ne şekilde etkilenecektir?

Trend İçeren Verilerle Üssel Düzeltme Tahmini Modelin geçmiş verilere dayalı olarak çalışması nedeniyle her zaman trendin gerisinde kaldığı görülmektedir. Dönem Gerçek Talep Üssel Düzeltme Tahmini

Üssel Düzeltmenin Trende Göre Düzeltilmesi Trend faktörü eklenir ve üssel düzeltme yöntemi kullanılarak düzeltme gerçekleştirilir. Sadece iki değere daha ihtiyaç duyulur: T t = Mevcut döneme (t) ilişkin trend faktörü  = 0 ile 1 arasında bir ağırlık Bu durumda: T t+1 =  × (F t+1 – F t ) + (1 – ) × T t F t+1 =  D t + (1 –  ) F t Ve trende göre düzeltilmiş üssel düzeltme tahmini: AF t+1 = F t+1 + T t+1

Basit Doğrusal Regresyon Bir zaman serileri modeli ya da bir nedensel model Aşağıdaki doğrusal ilişkiyi varsayıyor: y = a ± b(x) y x

Tanımlar Y = a + b(X) Y = öngörülen değişken X = öngören değişken “X” bir dönem (zaman dilimi) olabilir, ya da başka bir değişken olabilir.

a ve b Katsayılarının Hesaplanması

Örnek: Zaman Serileri İçin Regresyon Kullanılması Dönem (X)Tlep (Y)X2X2 XY Sütun toplamları

Tahminde Kullanılacak Regresyon Denklemi: Tahmin = ×Dönem

Örnek: Basitleştirilmiş Regresyon Toplamları sıfıra eşitlenecek şekilde Ş değerleri yeniden düzenlenirse, hesaplamalar kolaylaşacaktırIf we redefine the X values so that their sum adds up to zero, regression becomes much simpler –Bu durumda, a, y değerlerinin ortalamasına eşit olacaktır – b, xy çarpımlarının toplamının x 2 toplamına bölünerek hesaplanabilecektir

Örnek: Basitleştirilmiş Regresyon Döne m(X) Dön. (X)' Talep (Y)X2XY

Mevsimlik Etkinin Dikkate Alınması Mevsim (3-ay) Dönem Talep Kış İlkbahar2 240 Yaz Sonbahar Kış İlkbahar6 720 Yaz Sonbahar8 880

Dikkatinizi Ne Çekiyor? Tahmini Talep = – x Dönem Dönem Gerçekleşen Talep Regresyon Tahmini Tahmin Hatası Kış İlkbahar Yaz Sonbahar Kış İlkbahar Yaz Sonbahar

Regresyon denklemi trendi yakalıyor, ancak mevsimsel etkisini yakalayamıyor

Mevsimlik Endeksin Hesaplanması: Kış Dönemi (Gerçekleşen / Tahmin) Kış dönemi için: Kış ‘02: (80 / 90) = 0.89 Kış ‘03:(400 / 524.3) = 0.76 İkisinin Ortalaması = 0.83 Yorumla

Mevsime Göre Düzeltilmiş Tahmin Modeli Kış Dönemi İçin [ – ×Dönem ] × 0.83 Genel ifade: [ – × Dönem ] × Mevsimlik endeks

Mevsime Göre Düzeltilmiş Tahminler Tahmini Talep = – x Dönem Dönem Gerçek talep Regresyon tahmini Talep/ Tahmin Mevsimlik Endeks Mevsime Göre Düzeltilmiş Tahmin Tahmin Hatası Kış İlkbahar Yaz Sonbahar Kış İlkbahar Yaz Sonbahar

Gerçekleşen Talep Karşısında Mevsime Göre Düzeltilmiş Tahminler

Doğrusal olmayan Regresyon Modeli

Çoklu Regresyon Modeli –Birden fazla bağımsız değişken y x z y = a + b1 × x + b2 × z

Nedensel Modeller Zaman serileri talebin zamanın bir fonksiyonu olduğunu varsayar, ancak bu her zaman doğru değildir 1. Partide tüketilen içki miktarı 2. Kereste satışları. 3. Kuraklığı gidermek için yapılan harcamalar Doğrusal regresyon bu gibi durumlarda da uygulanabilir

Korelasyon ve Determinasyon Katsayısı Korelasyon katsayısı, r İki değişken arasındaki ilişkinin gücünü ve yönünü ölçer and ile 1.00 arasında değişir Determinasyon katsayısı, r 2 Bağımlı değişkendeki değişikliğin bağımsız değişkendeki değişiklikten kaynaklanan kısmını (yüzdesini) gösterir. Bağımlı değişken değerlerindeki değişikliğin bağımlı değişken tarafından açıklanan kısmını (yüzdesini) gösterir.

Korelasyon ve Determinasyon Katsayılarının Hesaplanması n  xy -  x  y [ n  x 2 - (  x ) 2 ] [ n  y 2 - (  y ) 2 ] r = Determinasyon Katsayısı r 2 = (0.947) 2 = r = (8)(2,167.7) - (49)(346.9) [(8)(311) - (49 )2 ] [(8)(15,224.7) - (346.9) 2 ] r = 0.947

Tahminlerin Doğruluğuna İlişkin Ölçüler  Hangi tahmin modelinin en iyi olduğunu nereden biliyoruz?  Bir tahmin modelinin hale çalışıp çalışmadığını nereden biliyoruz?  Belli bir tahmin modeli hangi tür hatalara açıktır? Tahminlerin doğruluğunu ölçen ölçülere ihtiyacımız var.

Tahminlerin Doğruluğunu Ölçen Ölçüler Hata = Gerçekleşen Talep – Tahmin veya E t = D t – F t

Ortalama Tahmin Hatası (MFE)

Ortalama Mutlak Hata (MAD) Bu ölçü bize MFE ölçüsünün söyleyemediği neyi söylüyor?

Örnek MFE ve MAD’yi hesapla ve yorumla

MFE ve MAD: Düşük MFE ve MAD:

Düşük MFE, fakat yüksek MAD:

Yüksek MFE ve MAD:

Tahminlerin Denetimi Denetim Dışı tahminlere neden olan Faktörler (tahmin hatalarının nedenleri) Trendde değişme Tahmin modellerinin yetersizliği Düzensiz değişkenlikler Tahmin yöntemlerinin doğru kullanılamaması

Tahminlerin Denetimi Hataların sadece tesadüfi değişkenlik göstermesi durumunda tahmin yönetminin performansı yeterli görülür. Denetim Şeması –Tahmin hatalarını izlemek için kullanılan görsel bir araçtır –Hatalardaki tesadüfilik dışı durumların belirlenmesinde kullanılır. Tüm hataların denetim sınırları içinde olması ve trend ve benzeri düzenlere rastlanmaması durumunda tahmin hataları denetim altında kabul edilir

İzleme Sinyali Her dönem için hesapla Denetim sınırlarıyla karşılaştır. Sınırlar dahilindeyse Tahmin Denetim altındadır. +/ /- 5 MAD denetim sınırları uygundur. İzleme Sinyali = =  (D t - F t ) MAD E MAD Tahminlerin gerçekleşen değerlerden sürekli büyük ya da küçük çıkması yanlılık belirtisidir.

İzleme Sinyali Değerleri ––– TalepTahminHata  E = DönemD t F t A t - F t  (A t - F t )MAD

İzleme Sinyali Değerleri ––– TalepTahmin,Hata  E = DönemA t F t A t - F t  (A t - F t )MAD TS 3 = = Dönem için izleme sinyali

İzleme Sinyali Değerleri –––– TalepTahminHata  E =izleme DönemA t F t A t - F t  (A t - F t )MADSinyali

İzleme Sinyali 3 3 – 2 2 – 1 1 – 0 0 – – – – ||||||||||||| İzleme Sinyali Dönem

3  – 2  – 1  – 0  – -1  – -2  – -3  – | ||||||||||||| İzleme Sinyal) Dönem Üssel Düzeltme (  = 0.30)

İzleme Sinyali 3  3  – 2  2  – 1  1  – 0  0  – -1  -1  – -2  -2  – -3  -3  – ||||||||||||| İzleme Sinyalı Dönem Üssel düzeltme için (  = 0.30) Trend doğrusu için

İstatistiksel Denetim Şemaları  =  (A t - F t ) 2 n - 1 Tahmin hataları için istatistiksel denetim sınırlarının hesaplanması Denetim sınırları genellikle  3  şeklinde oluşturulur

İstatistiksel Denetim Şemaları Hatalar – – – 0 0 – – – – ||||||||||||| Dönem

İstatistiksel Denetim Şemaları Hatalar – – – 0 0 – – – – ||||||||||||| Dönem ÜDS = +3  ADS = -3 

Bir Tahmin Yönteminin Seçilmesi Her durumda iyi sonuç veren tek bir tahmin yöntemi yoktur. İki önemli faktör –Maliyet –Doğruluk Diğer faktörler: –Geçmiş verilerin mevcudiyeti –Bilgisayar kullanım olanağı –Veri toplamak ve analiz etmek için gerekli süre –Tahmin dönemi