MAT 540 Woche 4 Hausaufgabenprobleme, Kapitel 15 MAT 540 Woche 4 Hausaufgaben Kapitel 15. 1. Der Manager des Teppich-Stadtauslasses muss eine genaue Prognose der Nachfrage nach weichem Shag Teppich (sein größter Verkäufer) bilden. Wenn der Manager nicht genügend Teppich aus der Teppichmühle bestellen, werden die Kunden ihren Teppich von einem von Carpet Citys viele Konkurrenten kaufen. Monat Nachfrage nach Soft-Shag Teppich (1000 Meter). 1. 10 2. 9 3. 8. 4. 9. 5. 10 6. 12 7. 14 8. 11 a: Der Manager hat in den letzten 8 Monaten die folgenden Nachfragedaten gesammelt . Berechnen Sie für die Monate 4 bis 9 eine dreimonatige gleitende Durchschnittsprognose. B. Berechnen Sie eine gewogene 3-monatige gleitende Durchschnittsprognose für die Monate 4 bis 9. Gewähren Sie die Gewichte von 0,55, 0,35 und 0,10 zu den Monaten in der Reihenfolge, beginnend mit dem letzten Monat. C. Vergleichen Sie die beiden Prognosen mithilfe von MAD. Welche Prognose scheint genauer zu sein. 2. Der Direktor der Petroco-Tankstelle will die Nachfrage nach unverbleitem Benzin im nächsten Monat prognostizieren, so dass die richtige Anzahl von Gallonen bei dem Verteiler bestellt werden kann. Der Eigentümer hat die folgenden Daten auf Nachfrage für unverbleites Benzin aus Verkäufen in den letzten 10 Monaten akkumuliert: Monat. Benzin verlangt (gal.) Oktober. 775 November. 835 Dezember. 605 Januar. 450. 600 März. 700 April. 820 Mai. 925. 1.500 Juli. 1.200 a. Berechnen Sie eine exponentiell geglättete Prognose mit einem Wert von 0,40. B. Berechnen Sie die MAPD. . 3. Emily Andrews hat in eine Wissenschaft und Technologie Investmentfonds investiert. Jetzt erwägt sie, in einem anderen Fonds zu liquidieren und zu investieren. Sie möchte den Preis des Wissenschafts - und Technologiefonds für den nächsten Monat vor einer Entscheidung prognostizieren. Sie hat während der letzten 20 Monate die folgenden Daten zum durchschnittlichen Kurs des Fonds gesammelt: Monat Fondspreis 1. 55 3 4 2. 54 1 4 3. 55 1 8 4. 58 1 8 5. 53 3 8 6. 51 1 8 7. 56 1 4 8. 59 5 8 9. 62 1 4 10. 59 1 4 11. 62 3 8 12. 57 1 1 13. 58 1 8 14. 62 3 4 15. 64 3 4 16. 66 1 8 17 68 3 4 18 60,5 19 65,875 20 72,25 a. Mit einem 3-Monatsdurchschnitt prognostizieren Sie den Fondspreis für Monat 21. b. Unter Verwendung eines 3-Monats-gewichteten Durchschnitts mit dem letzten Monat, der mit 0,50 gewichtet wird, prognostizieren der nächstfolgende Monat mit einem gewichteten 0,30 und der dritte Monat mit einem gewichteten 0,20 den Fondspreis für den 21. Monat. C. Berechnen Sie eine exponentiell geglättete Prognose mit 0,30 und prognostizieren Sie den Fondspreis für Monat 21. d. Vergleichen Sie die Prognosen in (a), (b) und (c) mit Hilfe von MAD und geben Sie die genauesten an. . 4. Carpet City will ein Mittel entwickeln, um seine Teppichverkäufe zu prognostizieren. Der Speichermanager glaubt, daß die Speicherverkäufe direkt mit der Zahl der neuen Gehäuseanfänge in der Stadt verbunden sind. Der Betriebsleiter hat Daten von den Grafschaftaufzeichnungen auf Monatshausbaugenehmigungen und von den Speicheraufzeichnungen über Monatsverkäufe gesammelt. Diese Daten sind wie folgt: Monats Teppich Umsatz (1000 yd.) Monats Bau 17 14. 25 9. 10. 8 12. 7. 15. 14 9. 7. 24. 45 21. 19 20. 28 29, 2 a zulässt. Entwickeln Sie ein lineares Regressionsmodell für diese Daten und prognostizieren Teppichverkäufe, wenn 30 Baugenehmigungen für neue Häuser eingereicht werden. B. Bestimmen Sie die Stärke des ursächlichen Verhältnisses zwischen monatlichen Verkäufen und neuem Hausbau durch Korrelation. . 5. Der Manager des Gilleys Eiscreme-Salons benötigt eine genaue Prognose der Nachfrage nach Eiscreme. Der Speicher bestellt Eis von einem Verteiler eine Woche voraus, wenn der Speicher zu wenig bestellt, verliert er Geschäft, und wenn es zu viel bestellt, muss das Extra weggeworfen werden. Der Manager glaubt, dass eine wichtige Determinante der Eisverkäufe Temperatur ist (d. H. Je heißer das Wetter, desto mehr Eis Menschen kaufen). Unter Verwendung eines Almanachs hat der Manager die durchschnittliche Tagestemperatur für 14 Wochen bestimmt, die zufällig ausgewählt wurden, und aus den Speicheraufzeichnungen hat er den Eiscremeverbrauch für die gleichen 14 Wochen bestimmt. Diese Daten werden wie folgt zusammengefasst: (. Gal) Woche Durchschnittliche Temperatur Eiscreme verkauft (Grad) 1. 68 80 2 70 115 3 73 91 4 79 87 5 77 110 6 82 128 7 85 164 8 90 178 9 85 144 10 92 179 11 90 144 12 95 197 13 80 144 14 75 123 a. Entwickeln Sie ein lineares Regressionsmodell für diese Daten und prognostizieren den Eisverbrauch, wenn die durchschnittliche wöchentliche Tagestemperatur auf 85 Grad erwartet wird. B. Bestimmen Sie die Stärke der linearen Beziehung zwischen Temperatur und Eiscreme Verbrauch durch die Korrelation. 6. Melden Sie den Bestimmungskoeffizienten für die Daten in Aufgabe 5 und erläutern Sie deren Bedeutung. Verwandte Produkte Linear Programming Case Study, Chip Unternehmen sellfy p OCIN Linear Programming Case Study, Rayhoon Restaurant sellfy p X6wY Linear Programming Case Study, Portfolio Manager XYZ Anlage sellfy p TNFA Mehr von diesem Verkäufer LEG 505 Woche 11 Diskussion 2, Blick AheadIdentify die wichtigsten Lektion gelernt und diskutieren, wie Sie diese Lektion auf Ihre aktuelle (oder zukünftige) juristische Karriere anwenden werden. Geben Sie konkrete Beispiele, um Ihre Antwort zu unterstützen. Denken Sie darüber nach, was Sie in dieser Klasse gelernt haben, und diskutieren Sie, wie jemand, der nicht in das Vertragsrecht eingebunden ist, die Lehren aus dieser Klasse nutzen könnte. Geben Sie konkrete Beispiele, um Ihre Antwort zu unterstützen. LEG 505 Gesamte Kurs sellfy p nVDF LEG 505 Woche 1 DQ 1 sellfy p TChz LEG 505 Woche 1 DQ 2 sellfy p RD7P LEG 505 Woche 2 DQ 1 sellfy p DYUu LEG 505 Woche 2 DQ 2 sellfy p lrMy LEG 505 Woche 3 Belegung 1 sellfy p qjxN LEG 505 Woche 3 DQ 1 sellfy p J8qg LEG 505 Woche 3 DQ 2 sellfy p B8ju LEG 505 Woche 4 Aufgabe 2 sellfy p kyBF LEG 505 Woche 4 DQ 1 sellfy p 6d2q LEG 505 Woche 4 DQ 2 sellfy p BT2K LEG 505 Woche 5 DQ 1 Sellfy P Af5i LEG 505 Woche 5 DQ 2 Sellfy p nz5h LEG 505 Woche 6 Zuteilung 3 Sellfy p xv7G LEG 505 Woche 6 DQ 1 Sellfy p ZICy LEG 505 Woche 6 DQ 2 Sellfy p eIrz LEG 505 Woche 7 DQ 1 sellfy p Lzw2 LEG 505 Woche 7 DQ 2 sellfy p kNzF LEG 505 Woche 8 Abtretung 4 sellfy p 5e38 LEG 505 Woche 8 DQ 1 sellfy p CsxW LEG 505 Woche 8 DQ 2 verkaufsfy p CHn3 LEG 505 Woche 9 DQ 1 sellfy p aqZh LEG 505 Woche 9 DQ 2 sellfy p TJIK LEG 505 Woche 10 Zuteilung 5 Sellfy p 8uah LEG 505 Woche 10 DQ 1 Sellfy P Sdk0 LEG 505 Woche 10 DQ 2 Sellfy p Nxli LEG 505 Woche 11 DQ 1 Sellfy p tuen LEG 505 Woche 11 DQ 2 Sellfy p ccO8 Gleitender Durchschnitt Vorhersage Einleitung. Wie Sie vermutlich schauen, betrachten wir einige der primitivsten Ansätze zur Prognose. Aber hoffentlich sind diese zumindest eine lohnende Einführung in einige der Rechenprobleme im Zusammenhang mit der Umsetzung von Prognosen in Tabellenkalkulationen. In diesem Sinne werden wir von Anfang an beginnen und beginnen mit Moving Average Prognosen zu arbeiten. Gleitende durchschnittliche Prognosen. Jeder ist vertraut mit gleitenden durchschnittlichen Prognosen, unabhängig davon, ob sie glauben, sie sind. Alle Studenten tun sie die ganze Zeit. Denken Sie an Ihre Testergebnisse in einem Kurs, in dem Sie vier Tests während des Semesters haben werden. Angenommen, Sie haben eine 85 auf Ihrem ersten Test. Was würden Sie vorhersagen, für Ihre zweite Test-Score Was glauben Sie, Ihr Lehrer würde für Ihre nächste Test-Punkt vorhersagen Was denken Sie, Ihre Freunde könnten für Ihre nächste Test-Punkt vorherzusagen Was denken Sie, Ihre Eltern könnten für Ihre nächste Test-Score Unabhängig davon vorhersagen Alle die blabbing Sie tun könnten, um Ihre Freunde und Eltern, sie und Ihr Lehrer sind sehr wahrscheinlich zu erwarten, dass Sie etwas im Bereich der 85 erhalten Sie gerade bekommen. Nun, jetzt gehen wir davon aus, dass trotz Ihrer Selbst-Förderung an Ihre Freunde, Sie über-schätzen Sie sich und Figur, die Sie weniger für den zweiten Test lernen können und so erhalten Sie eine 73. Nun, was sind alle betroffenen und unbekümmerten gehen Erwarten Sie erhalten auf Ihrem dritten Test Es gibt zwei sehr wahrscheinlich Ansätze, damit sie eine Schätzung unabhängig davon entwickeln, ob sie es mit Ihnen teilen. Sie können zu sich selbst sagen, dieser Kerl ist immer bläst Rauch über seine smarts. Hes gehend, ein anderes 73 zu erhalten, wenn hes glücklich. Vielleicht werden die Eltern versuchen, mehr unterstützend und sagen, quotWell, so weit youve bekommen eine 85 und eine 73, so vielleicht sollten Sie auf eine über (85 73) 2 79. Ich weiß nicht, vielleicht, wenn Sie weniger feiern Und werent wedelte das Wiesel ganz über dem Platz und wenn Sie anfingen, viel mehr zu studieren, konnten Sie einen höheren score. quot erhalten. Beide dieser Schätzungen sind wirklich gleitende durchschnittliche Prognosen. Der erste verwendet nur Ihre jüngste Punktzahl, um Ihre zukünftige Leistung zu prognostizieren. Dies wird als gleitende Durchschnittsprognose mit einer Datenperiode bezeichnet. Die zweite ist auch eine gleitende durchschnittliche Prognose, aber mit zwei Perioden von Daten. Nehmen wir an, dass alle diese Leute, die auf deinem großen Verstand zerschmettern, Art von dich angepisst haben und du entscheidest, auf dem dritten Test aus deinen eigenen Gründen gut zu tun und eine höhere Kerbe vor deinen quotalliesquot zu setzen. Sie nehmen den Test und Ihre Gäste ist eigentlich ein 89 Jeder, einschließlich selbst, ist beeindruckt. So jetzt haben Sie die abschließende Prüfung des Semesters herauf und wie üblich spüren Sie die Notwendigkeit, alle in die Vorhersagen zu machen, wie youll auf dem letzten Test tun. Nun, hoffentlich sehen Sie das Muster. Nun, hoffentlich können Sie das Muster sehen. Was glauben Sie, ist die genaueste Pfeife, während wir arbeiten. Jetzt kehren wir zu unserer neuen Reinigungsfirma zurück, die von Ihrer entfremdeten Halbschwester namens Whistle While We Work begonnen wurde. Sie haben einige vergangene Verkaufsdaten, die durch den folgenden Abschnitt aus einer Kalkulationstabelle dargestellt werden. Zuerst präsentieren wir die Daten für eine dreidimensionale gleitende Durchschnittsprognose. Der Eintrag für Zelle C6 sollte jetzt sein Sie können diese Zellformel auf die anderen Zellen C7 bis C11 kopieren. Beachten Sie, wie der Durchschnitt bewegt sich über die jüngsten historischen Daten, sondern verwendet genau die drei letzten Perioden zur Verfügung für jede Vorhersage. Sie sollten auch feststellen, dass wir nicht wirklich brauchen, um die Vorhersagen für die vergangenen Perioden zu machen, um unsere jüngste Vorhersage zu entwickeln. Dies ist definitiv anders als das exponentielle Glättungsmodell. Ive eingeschlossen das quotpast predictionsquot, weil wir sie auf der folgenden Webseite verwenden, um Vorhersagegültigkeit zu messen. Nun möchte ich die analogen Ergebnisse für eine zwei-Periode gleitenden Durchschnitt Prognose zu präsentieren. Der Eintrag für Zelle C5 sollte jetzt sein Sie können diese Zellformel auf die anderen Zellen C6 bis C11 kopieren. Beachten Sie, wie jetzt nur die beiden letzten Stücke der historischen Daten für jede Vorhersage verwendet werden. Wieder habe ich die quotpast predictionsquot Bilder dienen der Veranschaulichung und für die spätere Verwendung in Prognose Validierung. Einige andere Dinge, die wichtig zu beachten sind. Für einen m-Zeitraum durchschnittliche Prognose bewegen nur die m letzten Datenwerte werden verwendet, um die Vorhersage zu machen. Nichts anderes ist notwendig. Für einen m-Zeitraum durchschnittliche Prognose bewegen, wenn quotpast predictionsquot machen, feststellen, dass die erste Vorhersage in Periode m 1. Beide Probleme auftritt, wird sehr bedeutend sein, wenn wir unseren Code zu entwickeln. Entwicklung der Moving Average Funktion. Jetzt müssen wir den Code für den gleitenden Durchschnitt Prognose zu entwickeln, die flexibel eingesetzt werden können. Der Code folgt. Beachten Sie, dass die Eingänge für die Anzahl der Perioden sind Sie in der Prognose und dem Array von historischen Werten verwenden möchten. Sie können es in beliebiger Arbeitsmappe speichern. Funktion MovingAverage (Historical, NumberOfPeriods) als einzelne Deklarations - und Initialisierungsvariablen Dim Item als Variant Dim Zähler als Integer Dim Summe als Single Dim HistoricalSize als Integer Initialisierung von Variablen Zähler 1 Akkumulation 0 Festlegung der Größe des Historical Arrays HistoricalSize Historical. Count For Counter 1 bis NumberOfPeriods Summieren der entsprechenden Anzahl der zuletzt beobachteten Werte Accumulation Accumulation Historical (HistoricalSize - NumberOfPeriods Counter) MovingAverage Accumulation NumberOfPeriods Der Code wird in der Klasse erklärt. Sie möchten die Funktion auf dem Arbeitsblatt platzieren, so dass das Ergebnis der Berechnung angezeigt wird, wo es wie folgt sein soll.
No comments:
Post a Comment