Временные серии базируются на последовательности равных промежутков (недельных, месячных, квартальных и т д) между точками данных. Данные временных серии прогнозирования подразумевают, что будущие объемы определяются только прошлыми объемами и что другие переменные — не более, как потенциально существующие - игнорируются.
Анализ временных серий ведется посредством разбивания прошлых данных на компоненты и затем проецированием их вперед Временные серии обычно имеют четыре компоненты тренд, сезонность, циклы и случайные вариации.
Тренд (T) является градацией повышения или понижения данных за период.
Сезонность (S) является моделью данных, которая повторяется через определенные промежутки, измеряемые днями, неделями, месяцами или кварталами (чаще термин «сезонность» относится к наступлению зимы, весны, лета и осени) Существует несколько общих сезонных моделей.
Циклы (С) — это модели данных, которые встречаются каждые несколько лет. Они обычно связаны с циклами в бизнесе и, главным образом, важны в краткосрочном анализе и планировании бизнеса.
Случайные вариации (R) — это «блики» в данных, связанные со случайными и необычными ситуациями, они следовательно, безразличны для модели.
Существуют две основные формы временных серий моделей в статистике. Наиболее широко используется мультипликативная модель, которая предполагает, что спрос является продуктом четырех компонент:
Спрос = T * S * С * R
Аддитивная модель требует прогнозирования суммированием компонент друг с другом:
Спрос = T + S + С + R
Поможем написать любую работу на аналогичную тему