Vorhersage ist der Prozess, Erklärungen über Ereignisse abzugeben, deren wirkliche Ergebnisse (normalerweise) noch nicht beobachtet worden sind. Ein alltägliches Beispiel könnte Bewertung für eine Variable von Interesse zu einem angegebenen zukünftigen Datum sein. Vorhersage ist ein ähnlicher aber allgemeinerer Begriff. Beide könnten sich auf formelle statistische Methoden beziehen, die Zeitreihe, Quer-Schnitt- oder Längsdaten, oder wechselweise zu weniger formellen judgemental Methoden verwenden. Jedenfalls müssen die Daten in der Größenordnung von der Vorhersage aktuell sein, so genau zu sein, wie möglich. Gebrauch kann sich zwischen Gebieten der Anwendung unterscheiden: Zum Beispiel in der Hydrologie werden die Begriffe "Vorhersage" und "Vorhersage" manchmal für Schätzungen von Werten in bestimmten spezifischen zukünftigen Zeiten vorbestellt, während der Begriff "Vorhersage" für allgemeinere Schätzungen wie die Zahl von Zeiten gebraucht wird, werden Überschwemmungen im Laufe eines langen Zeitraumes vorkommen. Gefahr und Unklarheit sind zur Vorhersage und Vorhersage zentral; es wird allgemein als gute Praxis betrachtet, um den Grad der Unklarheit anzuzeigen, die Vorhersagen anhaftet. Der Prozess der Klimaveränderung und zunehmenden Energiepreise hat zum Gebrauch der Egain-Vorhersage von Gebäuden geführt. Die Methode-Gebrauch-Vorhersage, um die Energie zu reduzieren, musste das Gebäude heizen, so die Emission von Treibhausgasen reduzierend. Vorhersage wird in der Praxis der Kundennachfrage verwendet, die in jeder Tagesumsatzvoraussage für Produktionsgesellschaften Plant. Vorhersage ist auch verwendet worden, um die Entwicklung von Konfliktsituationen vorauszusagen. Experten in der Vorhersage führen Forschung durch, die empirische Ergebnisse verwenden, die Wirksamkeit von bestimmten Prognosemodellen zu messen. Forschung hat gezeigt, dass es wenig Unterschied zwischen der Genauigkeit von Vorhersagen gibt, die von Experten durchgeführt sind, die der Konfliktsituation von Interesse kenntnisreich sind, und dass durchgeführt von Personen, die viel weniger gewusst haben. Ähnlich behaupten Experten in einigen Studien, dass das Rolle-Denken zur Genauigkeit der Vorhersage nicht beiträgt. Die Disziplin der Nachfrageplanung, auch manchmal gekennzeichnet als Versorgungskettenvorhersage, umarmt sowohl statistische Vorhersage als auch einen Einigkeitsprozess. Ein wichtiger, obgleich häufig ignorierter Aspekt der Vorhersage, ist die Beziehung, die es mit der Planung hält. Vorhersage kann als das Voraussagen beschrieben werden, wie was die Zukunft aussehen wird, wohingegen Planung voraussagt, wie was die Zukunft aussehen sollte. Es gibt keine einzelne richtige Prognosemethode zu verwenden. Die Auswahl an einer Methode sollte auf Ihren Zielen und Ihren Bedingungen (Daten usw.) basieren. Ein guter Platz, eine Methode zu finden, ist durch den Besuch eines Auswahl-Baums. Ein Beispiel eines Auswahl-Baums kann hier gefunden werden. Obwohl quantitative Analyse sehr genau sein kann, ist es nicht immer passend. Einige Experten im Feld der Vorhersage haben gegen den Gebrauch des Mittelquadratfehlers empfohlen, Prognosemethoden zu vergleichen.

Kategorien, Methoden vorauszusagen

Qualitativ gegen quantitative Methoden

Qualitative Prognosetechniken sind subjektiv, auf der Meinung und dem Urteil von Verbrauchern, Experten gestützt; verwenden Sie, wenn vorige Daten nicht verfügbar sind.

Es wird gewöhnlich auf zwischenlange Reihe-Entscheidungen angewandt.

Beispiel von qualitativen Prognosemethoden:

• Informierte Meinung und Urteil
• Methode von Delphi
• Marktforschung
• Historische Lebenszyklus-Analogie.

Quantitative Prognosemodelle werden verwendet, um zukünftige Anforderungen als eine Funktion von vorigen Daten zu schätzen; verwenden Sie, wenn vorige Daten verfügbar sind.

Es wird gewöhnlich auf Kurz-Zwischenreihe-Entscheidungen angewandt.

Beispiel von Quantitativen Prognosemethoden:

• Letzte Periode-Nachfrage
• Arithmetischer Durchschnitt
• Einfacher bewegender Durchschnitt (N-Periode)
• Belasteter bewegender Durchschnitt (N-Periode)
• Einfaches Exponentialglanzschleifen
• Multiplicative Saisonindizes

Naive Annäherung

Naive Vorhersagen sind das rentabelste und effiziente objektive Prognosemodell, und stellen einen Abrisspunkt zur Verfügung, gegen den hoch entwickeltere Modelle verglichen werden können. Für stabile Zeitreihe-Daten sagt diese Annäherung, dass die Vorhersage für jede Periode dem Ist-Wert der Vorperiode gleichkommt.

Zeitreihe-Methoden

Zeitreihe-Methoden verwenden historische Daten als die Basis, zukünftige Ergebnisse zu schätzen.

• Bewegender Durchschnitt
• Belasteter bewegender Durchschnitt
• Exponentialglanzschleifen
• Autorückläufiger bewegender Durchschnitt (ARMA)
• Autorückläufiger einheitlicher bewegender Durchschnitt (ARIMA)

:e.g. Kasten-Jenkins

• Extrapolation
• Geradlinige Vorhersage
• Tendenz-Bewertung
• Wachstumskurve

Kausal / econometric Vorhersage von Methoden

Einige Prognosemethoden verwenden die Annahme, dass es möglich ist, die zu Grunde liegenden Faktoren zu identifizieren, die die Variable beeinflussen könnten, die vorausgesagt wird. Zum Beispiel, einschließlich der Information über Wetterbedingungen könnte die Fähigkeit eines Modells verbessern, Regenschirm-Verkäufe vorauszusagen. Das ist ein Modell von seasonality, der ein regelmäßiges Muster auf und ab in Schwankungen zeigt. Zusätzlich zum Wetter kann seasonality auch wegen Urlaube und Zolls wie das Voraussagen sein, dass Verkäufe in der Universitätsfußballkleidung während der Fußballjahreszeit im Vergleich mit der Nebensaison höher sein werden.

Zufällige Prognosemethoden sind auch dem Taktgefühl des Meteorologen unterworfen. Es gibt mehrere informelle Methoden, die strenge Algorithmen, aber ziemlich bescheidene und unstrukturierte Leitung nicht haben. Man kann gestützt auf, zum Beispiel, geradlinige Beziehungen voraussagen. Wenn eine Variable geradlinig mit anderem seit einer genug langen Zeitspanne verbunden ist, kann es vorteilhaft sein, um solch eine Beziehung in der Zukunft vorauszusagen. Das ist vom oben erwähnten Modell von seasonality ziemlich verschieden, dessen Graph einem Sinus oder Kosinus-Welle näher ähneln würde. Der wichtigste Faktor, wenn er diese Operation durchführt, verwendet konkrete und begründete Daten. Die Vorhersage von einer anderen Vorhersage erzeugt nicht überzeugend und vielleicht falsche Ergebnisse.

Solche Methoden schließen ein:

• Regressionsanalyse schließt eine große Gruppe von Methoden ein, die verwendet werden können, um zukünftige Werte einer variablen Verwenden-Information über andere Variablen vorauszusagen. Diese Methoden schließen beide parametrisch (geradlinig oder nichtlinear) und nichtparametrische Techniken ein.
• Autorückläufiger bewegender Durchschnitt mit Exogenous-Eingängen (ARMAX)

Beurteilende Methoden

Beurteilende Prognosemethoden vereinigen intuitive Urteile, Meinungen und subjektive Wahrscheinlichkeitsschätzungen.

• Zusammensetzung sagt voraus
• Überblicke

Methode von Delphi

• Drehbuch, das baut
• Technologie, die voraussagt
• Vorhersage analog

Methoden der künstlichen Intelligenz

• Künstliche Nervennetze
• Gruppenmethode von Daten, die behandeln
• Unterstützungsvektor-Maschinen

Andere Methoden

• Simulation
• Vorhersagemarkt
• Vorhersage von Probabilistic und Ensemble, das voraussagt
• Bezugsklasse, die voraussagt

Vorhersage der Genauigkeit

Der Vorhersage-Fehler ist der Unterschied zwischen dem Ist-Wert und dem Vorhersage-Wert für die entsprechende Periode.

wo E der Vorhersage-Fehler in der Periode t ist, ist Y der Ist-Wert in der Periode t, und F ist die Vorhersage für die Periode t.

Maßnahmen des gesamten Fehlers:

{N} </Mathematik>

| -

|Mean absoluter Prozentsatz-Fehler (MAPE)

|

| -

|Mean absolute Abweichung (VERRÜCKTER)

|| -

|Percent bedeuten absolute Abweichung (PMAD)

|| -

|Mean hat Fehler (MSE) quadratisch gemacht

|| -

|Root karierter Mittelfehler (RMSE)

|| -

|Forecast-Sachkenntnis (SS)

|| -

|Average von Fehlern (E)

|| }\

Bemerken Sie bitte, dass Geschäftsmeteorologen und Praktiker manchmal verschiedene Fachsprache in der Industrie verwenden. Sie kennzeichnen den PMAD als der MAPE, obwohl sie rechnen, hat dieses Volumen MAPE beschwert. Weil mehr Information das Rechnen der Bedarfsvorhersage-Genauigkeit sieht

Bezugsklassenvorhersage wurde entwickelt, um Prognosegenauigkeit zu vergrößern. Die Vorhersage der Genauigkeit, in gegen den Glauben, kann durch die Hinzufügung von Experten im für das Phänomen vorauszusagend wichtigen Sachgebiet nicht vergrößert werden.

Siehe auch

• Vorhersage-Fehler
• Das Rechnen der Bedarfsvorhersage-Genauigkeit
• Einigkeit sagt voraus
• Voraussagbarkeit
• Vorhersagezwischenraum, der dem Vertrauensintervall ähnlich

ist

Anwendungen der Vorhersage

Vorhersage hat Anwendung in vielen Situationen:

• Versorgungskettenmanagement - Vorhersage kann im Versorgungskettenmanagement verwendet werden, um sicherzustellen, dass das richtige Produkt am richtigen Platz rechtzeitig ist. Genaue Vorhersage wird Einzelhändlern helfen, Überwarenbestand zu reduzieren und deshalb Gewinnspanne zu vergrößern. Studien haben gezeigt, dass Extrapolationen am wenigsten genau sind, während Firmeneinkommensvorhersagen am zuverlässigsten sind. Genaue Vorhersage wird ihnen auch helfen, Nachfrage der Verbraucher zu entsprechen.
• Wettervorhersage, Überschwemmungsvorhersage und Meteorologie
• Transportplanung und Transport, der voraussagt
• Wirtschaftsvorhersage
• Egain, der voraussagt

Technologie, die voraussagt

• Erdbeben-Vorhersage
• Landgebrauch, der voraussagt
• Produkt, das voraussagt
• Spieler und Mannschaft-Leistung in Sportarten
• Fernmeldewesen, das voraussagt
• Politische Vorhersage
• Verkäufe, die voraussagen

Beschränkungen

Wie vorgeschlagen, durch Edward Lorenz 1963, ordnen Sie lange Wetterberichte an, diejenigen, die an einer Reihe von zwei Wochen oder mehr gemacht sind, sind unmöglich, den Staat der Atmosphäre infolge der chaotischen Natur der flüssigen beteiligten Dynamik-Gleichungen endgültig vorauszusagen. Äußerst kleine Fehler im anfänglichen Eingang, wie Temperaturen und Winde, innerhalb von numerischen Modellen verdoppeln sich alle fünf Tage.

Siehe auch

• Das Rechnen der Bedarfsvorhersage-Genauigkeit
• CPFR
• Vorhersage der Neigung
• Voraussicht (zukünftige Studien)
• Terminwaren studieren
• Futurologie

Optimismus-Neigung

• Planung
• Vorhersage

Bezugsklasse, die voraussagt

• Strategische Voraussicht
• Strategischer falscher Bild
• Technologie, die voraussagt
• Flyvbjerg, Begabung, 2008, "Optimismus-Neigung und Strategischen Falschen Bild in der Planung zügelnd: Bezugsklasse, die in der Praxis," europäische Planungsstudien, vol Voraussagt. 16, Nr. 1, Januar, Seiten 3-21.
• Hyndman, R.J. Koehler, A.B (2005) "Ein anderer Blick auf Maßnahmen der Vorhersage-Genauigkeit", Monash Universitätszeichen.
• Taesler, R. (1990/91) Klima und Bauenergiemanagement. Energie und Gebäude, Vol. 15-16, Seiten 599 - 608.
• Turchin, P. (2007) "Wissenschaftliche Vorhersage in der Historischen Soziologie: Ibn Khaldun trifft Al Saud". In:History & Mathematik: Historische Dynamik und Entwicklung von Komplizierten Gesellschaften. Moskau: KomKniga. Internationale Standardbuchnummer 978-5-484-01002-8
• Sasic Kaligasidis, A u. a. (2006) Beförderte Wetterbericht-Kontrolle, Heizungsanlagen zu bauen. p. 951 ff in der Forschung im Gebäude der Physik und Gebäude der Technik Paul Fazio (Redaktion), internationale Standardbuchnummer 0-415-41675-6
• 6098893 Offenes USA-Bequemlichkeitsregelsystem, das Wetterbericht-Daten und eine Methode vereinigt, um solch ein System (Erfinder Stefan Berglund) zu bedienen

Links

• Vorhersage von Grundsätzen: "Beweis-basierte Vorhersage"
• Einführung in die Zeitreihe-Analyse (Technikstatistikhandbuch) - Ein praktisches Handbuch zur Zeitreihe-Analyse und voraussagend
• Zeitreihe-Analyse
• Globale Vorhersage mit IFs
• Erdbeben elektromagnetische Vorgänger-Forschung