Samenvatting JR Samenvatting:
Samenvatting lessen P5 Gesloten Toets
Samenvatting: Lessen Forecasting P5
Les 1 tijdreeksen
Berekenen trendlijn m.b.v. lineaire regressie
Trendlijn = Ytrend = a + b.X vraag is voor welk a en b past de lijn het beste.
De lijn waarbij gem. afstand tussen Ytrend en Y minimaal is, past het beste.
Gemiddelde absolute afwijking (MAD) =
∑ Ytrend−Y
n
Kleinste kwadraten methode (MSE) =
∑ ( Ytrend−Y ) 2
n
Vervolgens kunnen A en B berekend worden:
Tabel maken : X, Y, XY (X * Y) en X2 en Y2 en overal totaal onderaan. Bij Y en X kopje gemiddelde.
Moet wel lineair verband zijn, kan berekenen met Correlatiecoëfficiënt: getal tussen -1 en +1 wat
aangeeft hoe erg er sprake is van lineair verband (+1/-1 hele sterk 0 juist niet)
r X Y nXY i i
2 2
( X n X )( Y
i
2
i
2
nY )
Rangcorrelatiecoëfficiënt van Spearman
- Gegevens zijn prijs en beoordeling van bekend, beoordeling 1 is als beste.
- Vervolgens de prijs ook (zelf) gaan rangorden, beoordeling 1 is de hoogste prijs.
6 d i2
- Verschil (D) = Rangorde verkoopprijs – Beoordeling
- D2i is totaal van alle D in kwadraat.
rs 1 3
- Rs = geeft verband tussen prijs en score. n n
, Samenvatting JR Samenvatting:
Samenvatting lessen P5 Gesloten Toets
Les 2 Exponentiële effening
Voorspellen met exponentiële effening
Gebruiken voor tijdreeksen zonder trend, en geen patroon!
Met een reeks getallen van een maand (aantal Yt), kolom ernaast Geëffende waarde (Yt)
Geëffende waarde (Yt) =Gemiddelde van Ῡt = 0,5 x Yt + 0,5 x Ῡt-1
Geëffende waarde vorige maand / daadwerkelijke (aantal (Yt) huidige maand.
(Voor week 1, is Geëffende waarde (Yt) gelijk aan aantal (Yt) week 1)
De Geëffende waarde (Yt) geeft voorspelling voor de maand erna! Dus geëffende waarde van
Oktober is 280, is de voorspelling voor November 280.
Dus aug (Yt) = 200 , en Sept (Aantal Yt) = 240 , is Geëffende waarde (Yt) Sept = 220,
Voorspelling van Oktober = 220.
Kan ook andere gewichten aan reeksen geven, met de effeningsconstante a (alfa)
Ῡt = α x Yt + (1-α) x Ῡt-1
a groot = recente waarden tellen harder mee
a klein = recente waarden tellen minder hard mee, maar oudere meer.
Vaak 0,2 beste alfa.
De beste a (alfa) bepalen met MAD of MSE
Samenvatting lessen P5 Gesloten Toets
Samenvatting: Lessen Forecasting P5
Les 1 tijdreeksen
Berekenen trendlijn m.b.v. lineaire regressie
Trendlijn = Ytrend = a + b.X vraag is voor welk a en b past de lijn het beste.
De lijn waarbij gem. afstand tussen Ytrend en Y minimaal is, past het beste.
Gemiddelde absolute afwijking (MAD) =
∑ Ytrend−Y
n
Kleinste kwadraten methode (MSE) =
∑ ( Ytrend−Y ) 2
n
Vervolgens kunnen A en B berekend worden:
Tabel maken : X, Y, XY (X * Y) en X2 en Y2 en overal totaal onderaan. Bij Y en X kopje gemiddelde.
Moet wel lineair verband zijn, kan berekenen met Correlatiecoëfficiënt: getal tussen -1 en +1 wat
aangeeft hoe erg er sprake is van lineair verband (+1/-1 hele sterk 0 juist niet)
r X Y nXY i i
2 2
( X n X )( Y
i
2
i
2
nY )
Rangcorrelatiecoëfficiënt van Spearman
- Gegevens zijn prijs en beoordeling van bekend, beoordeling 1 is als beste.
- Vervolgens de prijs ook (zelf) gaan rangorden, beoordeling 1 is de hoogste prijs.
6 d i2
- Verschil (D) = Rangorde verkoopprijs – Beoordeling
- D2i is totaal van alle D in kwadraat.
rs 1 3
- Rs = geeft verband tussen prijs en score. n n
, Samenvatting JR Samenvatting:
Samenvatting lessen P5 Gesloten Toets
Les 2 Exponentiële effening
Voorspellen met exponentiële effening
Gebruiken voor tijdreeksen zonder trend, en geen patroon!
Met een reeks getallen van een maand (aantal Yt), kolom ernaast Geëffende waarde (Yt)
Geëffende waarde (Yt) =Gemiddelde van Ῡt = 0,5 x Yt + 0,5 x Ῡt-1
Geëffende waarde vorige maand / daadwerkelijke (aantal (Yt) huidige maand.
(Voor week 1, is Geëffende waarde (Yt) gelijk aan aantal (Yt) week 1)
De Geëffende waarde (Yt) geeft voorspelling voor de maand erna! Dus geëffende waarde van
Oktober is 280, is de voorspelling voor November 280.
Dus aug (Yt) = 200 , en Sept (Aantal Yt) = 240 , is Geëffende waarde (Yt) Sept = 220,
Voorspelling van Oktober = 220.
Kan ook andere gewichten aan reeksen geven, met de effeningsconstante a (alfa)
Ῡt = α x Yt + (1-α) x Ῡt-1
a groot = recente waarden tellen harder mee
a klein = recente waarden tellen minder hard mee, maar oudere meer.
Vaak 0,2 beste alfa.
De beste a (alfa) bepalen met MAD of MSE
