Błędy prognoz

Aplikacja prognozowanie.xls w arkuszu wyniki pokazuje ostateczny wynik oraz parametry przy jaki został osiągnięty. Dalsze kolumny zawierają wartości błędów jakie zostały wyliczone w toku obliczeń.

Wyznaczanie błędów jest bardzo istotne ze względu na możliwość oszacowania trafności budowanej prognozy. Są wskazówką, jakie metody radzą sobie w danej sytuacji lepiej a jakie gorzej.

Błędy ex post informują o dopasowaniu modelu do wartości zaczerpniętych z szeregu danych. Paradoksalnie błędy ex post nie dają możliwości sprawdzenia czy model został prawidłowo dobrany do zjawiska.

Aby dokonać weryfikacji czy model został dobrany optymalnie należy posłużyć się sztuczką polegającą na wykorzystaniu tylko części danych do budowy modelu (np 70%). Pozostałe dane z szeregu posłużą do dokładnej weryfikacji (w tym wypadku obie wielkości czyli dane i prognoza są znane ponieważ prognozujemy coś co już się wydarzyło).

Oto skrócony - uproszczony sposób interpretacji tych błędów

Menu

W menu - dostępnym w aplikacji pasku narzędziowym znajdują sie opcje:

• Metoda naiwna 1.1
• Metoda naiwna 1.2
• Metoda naiwna 1.3
• Metoda naiwna 1.4
• Metoda naiwna 1.5
• Metoda naiwna 1.6
• Model średniej prostej 2.1
  
• Model średniej ruchomej prostej 2.2
• Model średniej ruchomej ważonej 2.3
• Model prostego wygładzania wykładniczego 4.1
  
• Model adaptacyjnego wygładzania wykładniczego 4.2
• Model liniowy Holta 4.3
  
• Model Holta-Wintersa 4.4
• Wykres danych wejściowych i wykresy pomocnicze
• Szybki wykres danych wejściowych
• Pomoc do aplikacji prognostycznej
• O autorze - info o twórcy aplikacji
  
• Zgłoś błąd jaki pojawił się w czasie pracy
  

Pytania

Proszę o zadawanie pytań w formie komentarzy do tego posta.

Bugs

Błędy. Proszę o krytyczne komentarze.

Problem: W arkuszu nie pojawia się nowe menu przy starcie, a jednocześnie arkusz w czasie włączania nie wyświetla błędów.

Prognozowanie.xls ze względu na dynamiczną zawartość w postaci makr działa jedynie pod MS Office. Należy na początek upewnić się czy otwieramy arkusz w odpowiedniej aplikacji - w tym wypadku musi to być MS Excel.
Posiadacze OpenOffice-a, którzy domyślnie otwierają .xls-y w Calcu powinni zrobić to tak (o ile w ogóle posiadają MS Office)
PPM (na prognozowanie.xls) | Otwórz z (Open with) | MS Excel

Problem: Arkusz nadal ładuje się z błędami

1. Alt + F11 (wchodzimy do edytora VBA)
2. Po lewej klikamy na "prognozowanie"
3. z menu górnego wybieramy: Tools | References...
4. powinny być zaznaczone opcje (przynajmniej dla wersji Excel 2000) : Visual Basic for Applications, Microsoft Excel, OLE, Microsoft Office, Microsoft Forms, Ref Edit Control oraz najważniejsza Solver - jeśli nie jest to możemy przyciskiem browse ją znaleźć na dysku. Najczęściej jest to C:\Program Files\Microsoft Office\Office\Library\Solver\Solver.xla
5. OK | Zapisujemy projekt (CTRL + S)
6. Zamykamy edytora VBA, Zamykamy Excela z projektem i uruchamiamy ponownie
   

Wykresy pomocnicze

Wykresy pomocnicze tworzone są na potrzeby analizy danych wejściowych, oceny istnienia trendu, jego typu czy długości cyklu.

Wykres danych odnosi się do prezentacji szeregu, natomiast pozostałe wykresy mają pomóc w interpretacji składowych szeregu - rozpoznania jego podstawowych cech.

Model Holta-Wintersa 4.4

Model Holta-Wintersa 4.4 to ulepszona wersja Modelu Holta pozwalająca na modelowanie zjawisk zawierających dodatkowo wahania sezonowe.

Parametry wprowadzane do modelu:
m - liczba kroków w przód, na które wyznaczana jest prognoza (1 - 4)
α β γ - parametry wyznaczane doświadczalnie - istnieje możliwość optymalizacji ich wartości w trakcie procesu - pozwala na to aplikacja
s - długość cyklu sezonowego obserwowanego w szeregu - można go zauważyć tworząc wykres szeregu - np poprzez wykres danych wejściowych

Rozróżnienie na model multiplikatywny i addytywny odnosi się do relacji pomiędzy składowymi systematycznymi. Jeżeli relacja polega na iloczynie - to wybierana jest wersja multiplikatywna a gdy sumie wybierana jest wersja addytywna.

Model liniowy Holta 4.3

Model liniowy Holta 4.3 jest pierwszym (poza nieco nietypową metodą 1.6) modelem, który pozwala na prognozy dłuższe niż jeden okres w przyszłość. Zwiększanie długości prognozy skutkuje obniżeniem stopnia pewności, jednak może być pożyteczne i stosuje się ten zabieg bardzo często.

Model stosowany jest dla liniowego trendu oraz niewielkich wahań losowych.

m - to liczba kroków w przód - na ile okresów wyznaczana jest prognoza

Parametry α i β odpowiadają za stopień wygładzania - ich wartości oscylują w przedziale (0,1).

Optymalizacja w przypadku tego modelu polega na takim wyborze parametrów α i β, że średni kwadratowy błąd prognozy będzie najmniejszy. Można to wykonać używając przycisku "optymalizuj".