8.4 Quantitative Forecasting Techni

8.4 Quantitative Forecasting Techniques

Quantitative or objective forecasting techniques are presented in this section. These models are based on the availability of historical data, and are usually classified into time-series and causal models. A time series is a set of values of the variable being predicted at discrete points in time. Time-series models are considered naïve because they require only past values of the variable being predicted. Causal models assume that other predictor variables exist that can provide a functional relationship to predict the variable being forecasted. For example, the age of given machine equipment may help in predicting the frequency of failures. The models presented here include methods for stationary, linear, and seasonal data.

8.4.1 imple Moving Averages

This type of forecast is used for stationary time series, which is composed of a constant term plus random fluctuation. An example of this could be the load exerted on an electronic component. Mathematically, this can be represented as

Kết quả (Việt) 1:

8.4 định lượng kỹ thuật dự báoĐịnh lượng hoặc mục tiêu kỹ thuật dự báo được trình bày trong phần này. Các mô hình này được dựa trên sự sẵn có của dữ liệu lịch sử, và thường được phân loại thành các mô hình chuỗi thời gian và quan hệ nhân quả. Một loạt các thời gian là một tập hợp các giá trị của biến được dự đoán tại điểm rời rạc trong thời gian. Mô hình chuỗi thời gian được coi là ngây thơ, bởi vì họ yêu cầu chỉ qua các giá trị của biến được dự đoán. Quan hệ nhân quả mô hình giả định rằng các dự đoán biến tồn tại mà có thể cung cấp một mối quan hệ chức năng để dự đoán các biến được dự đoán. Ví dụ, tuổi của cho thiết bị máy có thể giúp đỡ trong dự đoán tần số của thất bại. Các mô hình trình bày ở đây bao gồm các phương pháp cho dữ liệu văn phòng phẩm, tuyến tính, và theo mùa.8.4.1 imple Moving AveragesLoại thời được sử dụng cho thời gian cố định series, gồm một nhiệm kỳ liên tục cộng với sự biến động ngẫu nhiên. Một ví dụ về điều này có thể là tải trọng tác dụng trên một thành phần điện tử. Toán học, điều này có thể được biểu diễn như

Kết quả (Việt) 2:

8.4 Định lượng Kỹ thuật dự báo kỹ thuật dự báo định lượng hoặc khách quan được thể hiện trong phần này. Những mô hình này được dựa trên sự sẵn có của dữ liệu lịch sử, và thường được phân thành chuỗi thời gian và nhân quả mô hình. Một chuỗi thời gian là một tập hợp các giá trị của nhiều biến dự báo tại các điểm rời rạc trong thời gian. Mô hình chuỗi thời gian được coi là ngây thơ vì họ chỉ yêu cầu qua các giá trị của biến được dự báo. Mô hình nhân quả giả định rằng các biến dự đoán khác tồn tại mà có thể cung cấp cho một mối quan hệ chức năng để dự đoán các biến được dự báo. Ví dụ, tuổi cho thiết bị máy tính có thể giúp đỡ trong việc dự đoán tần số thất bại. Các mô hình được trình bày ở đây bao gồm các phương pháp cho văn phòng phẩm, tuyến tính, và các dữ liệu theo mùa. 8.4.1 imple Moving Averages loại này dự báo được sử dụng cho chuỗi thời gian cố định, trong đó bao gồm một thuật ngữ liên tục cộng với biến động ngẫu nhiên. Một ví dụ này có thể được tải trọng tác dụng lên một thành phần điện tử. Về mặt toán học, điều này có thể được biểu diễn như