پیشینه تحقیق پیش بینی و مدل های پیش بینی

بخشی از متن:
لینک دانلود و خرید پایین توضیحات
دسته بندی : وورد
نوع فایل :  word (..doc) ( قابل ویرایش و آماده پرینت )
تعداد صفحه : 41 صفحه

 قسمتی از متن word (..doc) : 
 

‏پیش ‏ ‏بینی و مدل‏ ‏های پیش ‏ ‏بینی
‏تعریف پیش ‏ ‏بینی
‏در یک تعریف کلی، فرایند پیشگویی شرایط و حوادث آینده را پیش‏ ‏بینی نامیده و چکونگی انجام این عمل را پیش‏ ‏بینی کردن نامیده می‏ ‏شود (بوکوتا، 2002).
‏هر سازمانی جهت تصمیم‏ ‏گیری آگاهانه باید قادر به پیش‏ ‏بینی کردن باشد. از آنجایی که پیش‏ ‏بینی وقایع آینده در فرآیند تصمیم‏ ‏گیری در سازمان نقش عمده ای را ایفا می کند، پیش‏ ‏بینی کردن برای بسیاری از سازمانها و نهادها حائز اهمیت بالقوه‏ ‏ای است. بنابراین بیشتر تصمیمات مدیریت در تمام سطوح سازمان به طور مستقیم و یا غیر مستقیم به حالتی از پیش‏ ‏بینی آینده بستگی دارد.
‏در مدیریت استراتژیک، پیش‏ ‏بینی شرایط عمومی اقتصاد، نوسانات قیمت و هزینه‏ ‏ی تغییرات تکنولوژی، رشد بازار و امثال آن در ترسیم آینده بلند‏ ‏مدت شرکت موثر است. به همین دلیل است که کنترل هر فرایند، منوط به پیش‏ ‏بینی رفتار دوره فرآیند در آینده است. برای مثال ممکن است که در یک دوره فرآیند دستگاهی بیش از حد معین کار کند و تعداد اقلام معیوب تولید شده افزایش یابد. بنابراین برای شناسایی به موقع این نقص باید از روش های مناسب پیش‏ ‏بینی استفاده نموده و نسبت به تصحیح و یا حذف آن با توجه به شرایط موجود اقدام نمود (ریفنس، 1997).
‏مدل ‏ ‏های پیش ‏ ‏بینی
‏ابزارهای عینی و ریاضی که برای پردازش و تجزیه و تحلیل داده‏ ‏ها مورد استفاده قرار می‏ ‏گیرند مدل‏ ‏های پیش‏ ‏بینی نامیده می‏ ‏شوند. به عبارت دیگر، الگویی از یک واقعیت که ساده و کوچک شده و روابط بین متغیرهای آن واقعیت یا سیستم را نشان می
‏ ‏د‏ ‏هد، مدل خوانده می‏ ‏شود. بنابراین، هنگامی که متغیرهای مورد نظر به صورتی منظم، ساده و قابل فهم در جهت اهداف پیش‏ ‏بینی در کنار یکدیگر قرار گرفتند و الگویی از روابط را بوجود آوردند، یک مدل پیش‏ ‏بینی شکل می‏ ‏گیرد.
‏سری ‏ ‏های زمانی ‏-Time series
‏به روند مقادیر یک متغیر در طول زمان که به صورت دوره‏ ‏های زمانی با فواصل معین و یکسان تنظیم شده‏ ‏اند ‏سری زمانی‏ گفته می‏ ‏شود. در تحلیل سری زمانی وضعیت تغییرات یک متغیر در گذشته مورد بررسی قرارگرفته و به آینده تعمیم داده می‏ ‏شود. به طور کلی مدل‏ ‏هایی که در تحلیل سری‏ ‏های زمانی مورد استفاده قرار می‏ ‏گیرند به دو دسته مدل‏ ‏های خطی و غیر‏ ‏خطی تقسیم می‏ ‏شوند.
‏مدل‏ ‏های خطی مانند مدل‏ ‏های باکس ـ جنکینز ‏-Box-Jenkins
‏ و یکنواخت سازی نمایی برای سری‏ ‏های زمانی خطی مناسب هستند، ولی در مدل‏ ‏سازی سری‏ ‏های زمانی مالی و غیر‏ ‏خطی با مشکل مواجه می‏ ‏شوند.
‏مدل‏ ‏های غیر‏ ‏خطی از قبیل مدل‏ ‏های غیر‏ ‏کاهنده آستانه‏ ‏ای، یک تابع غیر‏ ‏خطی خاص و از پیش تعیین شده را پیش‏ ‏بینی می‏ ‏کنند. به عبارتی تابع خطی مورد استفاده در این روش‏ ‏ها مشخص است. نوع دیگر مدل‏ ‏های غیر خطی شبکه‏ ‏های عصبی مصنوعی هستند که می توانند هر تابعی را تخمین بزنند و فرایندهای با رفتار ناشناخته را مدل نمایند‏.
‏سری‏ ‏های زمانی بدنبال مقادیر یک صفت متغیر در طول زمان هستند. مشاهدات عموما باید در تاریخ‏ ‏های معین یعنی در فواصل زمانی تقریبا ثابت به عمل آیند. مقادیر یک صفت متغیر ممکن است مربوط به یک لحظه زمانی و یا مربوط به یک فاصله یا دوره زمانی باشد. که در حالت اول سری زمانی را لحظه‏ ‏ای و در حالت دوم سری زمانی را دوره
‏ ‏ای و یا فاصله‏ ‏ای می‏ ‏نامند. قیمت سهام شرکت‏ ‏ها در آخرین روز ماه و ماه‏ ‏های متوالی و همچنین تعداد بهره برداری‏ ‏های کشاورزی در سال‏ ‏های متوالی از نوع سری‏ ‏های زمانی لحظه‏ ‏ای است و حجم بازرگانی خارجی در سال‏ ‏های متوالی و تعداد نامه‏ ‏های پست شده در ماه‏ ‏های متوالی و یا سال‏ ‏های متوالی از نوع سری‏ ‏های زمانی دوره‏ ‏ای یا فاصله‏ ‏ای می باشند.
‏مطالعه سری‏ ‏های زمانی در اکثر رشته‏ ‏ها مانند جامعه شناسی، بازرگانی، زیست‏ ‏شناسی، زمین‏ ‏شناسی و به خصوص زمینه مسائل اقتصادی پیشرفت فراوان داشته و از نظر آمارشناسان اقتصادی نه تنها تشریح وضع فعلی درباره مسائل اقتصادی، ضروری است، بلکه پیش‏ ‏بینی وضع برای آینده نزدیک و دور نیز ضروری است. بدیهی است هیچ پیش‏ ‏بینی بدون اطلاع از گذشته نمی‏ ‏تواند به عمل آید و تهیه سری‏ ‏های زمانی به منظور تامین اطلاع و آشنایی نسبت به گذشته است.
‏مدل باکس ـ جنکینز - Box & Jenkins
‏مدل باکس ـ جنکینز یا آریما - Autoregressive- IntegratedMoving Average
‏ عبارتست از برازاندن یک الگوی میانگین متحرک - Moving Average
‏ تلفیق شده با خود‏ ‏رگرسیو - Autoregressive
‏ به مجموعه داده‏ ‏ها و بدست آوردن الگوی ریاضی شرطی در یک سری زمانی است. یک مدل آریما سه جزء دارد (خالوزاده، 1999).
‏خود رگرسیو
‏میانگین یکپارچه -Integrated Average
‏میانگین متحرک

 

پرداخت با کلیه کارتهای عضو شتاب امکان پذیر است.