XÁC SUẤT THỐNG KÊ ỨNG DỤNG UEH Sửa bài tập chương 14

Tính MSE cho dự báo bằng trung bình trượt 4 tuần và 5 tuần: Sai số bình phương trung bình đối với trung bình trượt 4 tuần: MSE_4=77,188=9,65. Sai số bình phương trung bình đối với trung bình trượt 5 tuần: 〖MSE〗_5=51,847=7,41. MSE của trung bình trượt 3 tuần bằng 10.22 Vì 〖MSE〗_5 < MSE_4 < 10.22 nên số tuần tốt nhất của dữ liệu quá khứ được dùng để tính trung bình trượt là 5 tuần. Chúng ta có thể tìm được một bộ trọng số để cho MSE của TBT có trọng số nhỏ hơn MSE của của trung bình trượt không có trọng số.Bởi vì TBT không trọng số là trường hợp đặc biệt của TBT có trọng số thực tế trọng số của TBT không trọng số đều bằng nhau. Dự đoán cho quý 4 năm 2006 là 80,604% Hệ số làm trơn α=0,5 cho dự báo tốt hơn vì MSE của nó nhỏ hơn MSE của hệ số làm trơn α=0,4 c)Phương pháp làm trơn bằng hàm mũ sẽ cho độ chính xác cao hơn vì MSE của nó nhỏ hơn nhiều so với MSE của pp trung bình trượt

Trang 1

SỬA BÀI TẬP TKUD CHƯƠNG 14 NHÓM 7 Bài 1 trang 759

a) Dự báo trung bình trượt 3 tuần

Sai số

dự báo

Sai số dự báo bình phương

Dự báo làm trơn bằng hàm mũ (Ft)

Sai số

dự báo

Trang 2

Dự đoán cho tuần 7 là F7=0,2 Y6+(1−0,2) F6=11,76

d) Dựa vào MSE ta thấy rằng MSE của pp trung bình trượt nhỏ hơn so với MSE

của pp làm trơn bàng hàm mũ với α=0,2 nên pp trung bình trượt sẽ cho dự

báo với kết quả chính xác hơn

e) Với α=0,4 thì

Tuần Giá trị chỗi thời

gian (Yt)

Dự báo làm trơn bằng hàm mũ (Ft)

Sai số

dự báo

Hệ số làm trơn α=0,4 sẽ cho dự báo chính xác hơn vì MSE của nó nhỏ hơn

so với MSE của hệ số làm trơn α=0,2

Dự đoán cho tuần 7 là F7=0,4 Y6+(1−0,4 ) F6=12,48

Trung bình trượt 4 tuần Trung bình trượt 5 tuần

Dự báo dự báoSai số

Sai số dự báo bình phương

Dự báo dự báoSai số

Trang 3

b Tính MSE cho dự báo bằng trung bình trượt 4 tuần và 5 tuần:

- Sai số bình phương trung bình đối với trung bình trượt 4 tuần:

MSE4=77,18/8=9,65.

- Sai số bình phương trung bình đối với trung bình trượt 5 tuần:

MSE5=51,84/7=7,41.

c MSE của trung bình trượt 3 tuần bằng 10.22

Vì MSE5 < MSE4 < 10.22 nên số tuần tốt nhất của dữ liệu quá khứ được dùng

để tính trung bình trượt là 5 tuần.

Sai số dự báo

Trang 4

Chúng ta sẽ thích MSE của trung bình trượt không có trọng số vì MSE

của nó nhỏ hơn MSE của trung bình trượt có trọng số

c)

Chúng ta có thể tìm được một bộ trọng số để cho MSE của TBT có trọng

số nhỏ hơn MSE của của trung bình trượt không có trọng số.Bởi vì TBT không trọng số là trường hợp đặc biệt của TBT có trọng số thực tế trọng

số của TBT không trọng số đều bằng nhau

Sai số

%

Sai số

% tuyệt đối

Trang 5

Làm trơn bằng hàm mũ với a=0,2

Dự báo Sai số

dự báo

Sai số tuyệt đối

Sai số

%

Sai số

% tuyệt đối

- Sai số dự báo bình phương trung bình với a=0.1: MSE=101,76/11=9,25

- Sai số dự báo bình phương trung bình với a=0.2: MSE= 98,82/11=8,98

Vì 8,98<9,25  MSE(a=0.2)<MSE(a=0.1) chúng ta nên chọn a=0.2 để tính dự báo cho chuỗi lượng xăng bán được.

Bài 6/ trang 761:

Tháng

Tỷ lệ lô

hàng nhận được đúng hạn

Trung bình trượt 3 tháng Làm trơn bằng phương pháphàm mũ với a=0.2

Dự báo Sai số Sai số Dự báo Sai số Sai số bình

Trang 6

Sai số bình phương trung bình đối với dự báo bằng làm trơn bằng hàm mũ

với a=0.2: MSE=39.06/11=3.55

Vì 1.24<3.55 nên giá trị dự báo trung bình trượt 3 tháng tốt hơn

b Dự báo cho tháng tiếp theo:

- Dự báo trung bình trượt 3 tháng:

Trang 7

Tháng Lãi suất Dự báo bằng trung

bình trượt

Dựa vào MSE ta thấy MSE của TBT 3 tháng nhỏ hơn MSE TBT 4 tháng nên dự báo của TBT 3 tháng sẽ cho dự báo tốt hơn

Trang 8

b)Dự báo cho tháng kế tiếp là F13= 9,7 +9,6+9,6

Trung bình trượt 3 tháng Làm trơn bằng hàm mũ với a=0.2

Dự báo Sai số Sai số bìnhphương Dự báo Sai số Sai số bìnhphương

Sai số bình phương trung bình đối với dự báo bằng làm trơn bằng hàm mũ

với a=0,2: MSE=27817,19/11=2528,84.

Dù 1998.72<2528.84  MSE(tbt3t) < MSE (a=0.2), nhưng do tháng 2 và

tháng 3 là những tháng thất thường khó đoán nên nếu chỉ tính sai số từ T4

đến T12 thì :

MSE(a=0.2)=14693.19/9=1632.58<MSE(tbt3t)

 Làm trơn bằng hàm mũ với a=0.2 là tốt hơn

b Dự báo cho tháng kế tiếp:

- Theo pp làm trơn bằng hàm mũ với a=0.2:

F13=F12+0.2(Y12-F12)=267,52+0,2(230-267,52)=260,01(triệu USD).

Bài 9 trang 761

a)Ta có F t+ 1=α Y t+(1−α)Ft với F2=Y1

Trang 9

Sai số

dự báo

Trang 10

c) Dựa vào MSE thì ta thấy với hệ số làm trơn α=0,3 thì MSE sẽ nhỏ

hơn MSE với hệ số làm trơn α=0,5 nên hệ số làm trơn α=0,3 sẽ cho kết

quả dự báo tốt hơn

a Vì MSE(a=0,2)>MSE(a=0,3) nên mô hình làm trơn bằng hàm mũ với a=0,3

cung cấp giá trị dự báo tốt hơn.

Dự báo cho tuần 11: F11=F10+0.2(Y10-F10)=7,59+0,3(7,55-7,59)=7,58.

Trang 11

Với k=4 thì

Quí/

năm

Sử dụng (%)

Dự báo bắng trung bình trượt

Trang 12

Trung bình trượt 3 mức độ sẽ tốt hơn cho dự báo quí 4 năm 2006 vì MSE của nó nhỏ hơn MSE của TBT 4 mức độ

Dự báo bắng làm trơn hàm mũ

Trang 13

2/2006 80.7 79.74 0.96 0.92

Cộng=33.52MSE=33,52/14=2,39

F16=0,5 Y16+(1−0,5) F16= 80,604

Dự đoán cho quý 4 năm 2006 là 80,604%

Trang 14

Hệ số làm trơn α=0,5 cho dự báo tốt hơn vì MSE của nó nhỏ hơn MSE của hệ số làm trơn α=0,4

c)Phương pháp làm trơn bằng hàm mũ sẽ cho độ chính xác cao hơn vì MSE của nó nhỏ hơn nhiều so với MSE của pp trung bình trượt

Phương trình xu hướng tuyến tính là T t=4,7+2,1 t

Giá trị dự báo khi t=6 là T6=17,3

Ta có T t=b o+b1t

Trang 18

Chi phí trung bình gia tăng mỗi năm là 1,77 USD

Trang 19

=> Tốc độ phát triển của ngoại ô là nhanh nhất

Tốc độ phát triển của nông thôn là chậm nhất.

Trang 20

Vậy dự báo tổng doanh thu cho năm thứ 11 là 6370,63 triệu USD,

và năm thứ 12 là 6768,18 triệu USD.

Bài 21 trang 769 a)

Trang 21

Apr-05 May-05 Jun-05 Jul-05 Aug-05 Sep-05 Oct-05 Nov-05 Dec-05 Jan-06

d) Dự đoán tỷ giá hối đối cho tháng 7 năm 2006 khi dùng phương trình

xu thế không phải là lựa chọn an toàn vì chúng ta không chắc chắn

Trang 22

trong điều kiện thị trường toàn cầu và các biến đều phụ thuộc vào thời gian

Trang 23

m

quý Số lượng

sách bán ra(Yt)

Trung bình trượt 4 mức độ

Trung bình trượt trung tâm

Thành mùa bất thường

Trang 26

Trung bình trượt 12 mức độ

Thành mùa bất thường

Trang 29

11 51.42 0.579 29.77

a) Có biến động mùa trong 24h

Ngày Thời gian Năng

lượng điện(Yt)

Trung bình trượt

6 mức độ

Thành phần mùa bất thường

Trang 30

12-16 giờ 1,68 1,72 1,7

Tổng=6,03

Chỉ số mùa trung bình=6,03/6=1,005

Thời gian Chỉ số mùa đã điều chỉnh

(St)24-4 giờ (0,33/1,005)

Trang 32

Ngày Giá cổ phiếu

(USD) Dự báo bằng trung bình trượt Sai số dự báo Sai số dự báo bình phương

Trang 33

Ngày Giá cổ phiếu

(USD)(Y t) Dự báo bằng làm trơn hàm

Trang 34

Ta có F18=0,6 Y17+(1−0,6 ) F17=80,31

Dự báo giá đóng cửa vào ngày 19/9/2005 là 80,31 USD

c)Phương pháp dự đoán bằng làm trơn hàm mũ với hệ số làm trơn α=0,6

sẽ cho dự báo tốt hơn bởi vì MSE của nó nhỏ hơn MSE của pp trung bình trượt 3 mức độ

a) Ta có F t+ 1=α Y t+(1−α)Ft với F2=Y1

(Yt) bằng hàm mũ (Ft) Dự báo làm trơn

Trang 35

Vì MSE của α= 0,3 là nhỏ nhất so với 2 hệ số còn lại nên sẽ cho kết quả

1/2005 29.8

Trang 36

Hệ số làm trơn α=0,4 thì sẽ cung cấp kết quả tốt nhất so với 2 hệ số làm trơn còn lại bởi vì MSE của nó nhỏ hơn so với MSE của 2 hệ số làm trơntrên

Trang 37

Hệ số α=0,2 thì

Tuần

(t)

Nhu cầu (Yt)

Dự báo làm trơn bằng hàm

mũ (Ft)

Trang 38

Với pp làm trơn bằng hàm mũ α=0,4 thì nhu cần sữa dự báo cho tuần thứ

13 là 3117 ( đơn vị sữa thể tích nửa gallon)

Giá trị dự báo cho tháng 7 là 236 968 USD

Giá trị dự báo cho tháng 8 là 236 968 USD

Trang 39

Việc sử dụng pp làm trơn bằng hàm mũ để dự đoán nhiều hơn một mức

độ tương lai sẽ cho các kết quả dự đoán giống nhau trong tương lai.Vì thế đây là lí do tại sao nó không được khuyến khích sử dụng để dự báo cho dài hạn

Dự báo xu hướng doanh số cho tháng 7 là 278 870 USD

Dự báo xu hướng doanh số cho tháng 8 là 297 320 USD

c) Không Chúng ta sẽ đề nghị cho tháng 7 và tháng 8 lần lượt là 278

Trang 40

Fall 2

001

Sprin

g 2002

Fall 2

002

Sprin

g 2003

Fall 2

003

Sprin

g 2004

Fall 2

004

Sprin

g 2005

Fall 2

0050

Trang 43

1993-1994

1994-1995

1995-1996

1996-1997

1997-1998

1998-1999

1999-2000

2000-2001 0

Trang 44

Xu hướng tuyến tính dường như phù hợp,dường như có sự hiện diện của

xu hướng tuyến tính hướng lên ,thành phần xu hướng phản ánh sự tăng dần của số quả bóng gôn thử nghiệm

Trang 46

1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 0

Năm Quý Doanh số Trung bình trượt

4 quý Trung bình trượt trung

tâm

Thành phần mùabất

Trang 47

Trung bình trượt đầu tiên= (6+15+10+4)/4 =8,75

Trung bình trượt thứ 2 =(15+10+4+10)/4=9,75 -> tiếp tục cho các trungbình trượt tiếp theo

Trung bình trượt trung tâm đầu tiên = (8,75+9,75)/2=9,25

Trung bình trượt trung tâm tiếp theo = (9,75+10,50)/2=10,13 -> tiếp tụccho các tb trượt trug tâm tiếp theo

thành phần mùa bất thường đầu tiên = 10/9,25=1,08

Thành phần mùa bất thường thứ 2 = 4/10,13= 0,40 -> tiếp tục tính cho các thành phần mùa bất thường tiếp theo

thường

Chỉ số mùa

Chỉ số mùa điều chỉnh

Trang 48

Và tiếp tục tính chỉ số mùa các quý tiếp theo

Hệ số mùa điều chỉnh = 4/3,96= 1,01

Chỉ số mùa điều chỉnh đầu tiên = 0,890* 1,01= 0,899

Và tiếp tục tính chỉ số mùa điều chỉnh tiếp theo

c)

Chỉ số mùa lớn nhất ở quý 2.Kết quả này dường như hợp lí.Vì đây là quí

sẽ có các hoạt động mùa xuân và trước mùa hè, nhiều hoạt động ngoài trời nên doanh số radio tăng là một điều khá hợp lí

a)

trượt 4 mức độ

Trung bình trượt trung tâm

Thành phần bất thường

Trang 51

Thế t từ 29 cho đến 32 thì sẽ cho kết quả dự báo cho năm tiếp theo

Dự báo cho năm tiếp theo là 36,78 ; 37,83 ; 38,88 ; 39,93

Giá trị dự báo theo quý củachuổi

Trang 53

m

Quí Giá trị xu thế

của chuỗi khử mùa Câu b

Chỉ số mùa đã điều

chỉnh

Giá trị dự báo theo quý của chuỗi Câu c

Tiêu đề	Sửa bài tập chương 14
Trường học	Đại Học Kinh Tế TP.HCM
Thể loại	bài tập
Thành phố	Thành phố Hồ Chí Minh

Định dạng
Số trang	53
Dung lượng	324,32 KB