آموزش تجزیه و تحلیل کسب و کار: پیش بینی با هموار سازی نمایی

Business Analytics: Forecasting with Exponential Smoothing

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
توضیحات دوره: هموار سازی نمایی اصطلاحی است برای مجموعه ای از روشهای پیش بینی مستقیم که از خود اصلاح استفاده می کنند. هر پیش بینی شامل دو ملفه است. این یک میانگین وزنی از پیش بینی قبلی است ، به علاوه تعدیلی که باعث می شود پیش بینی قبلی دقیق تر شود. هموار سازی - مانند اکثر رویکردهای معتبر برای پیش بینی - برای کارکرد صحیح به یک دنباله از مشاهدات نیاز دارد. درآمد هفتگی و پذیرش روزانه در بیمارستان نمونه های معمولی است. چندین نسخه از صاف سازی نمایی وجود دارد که هر کدام مربوط به یک نوع خط پایه است. در این دوره ، کنراد کارلبرگ مقدمه ای برای صاف سازی نمایی ساده ، غرق شدن در ایده اصلی موجود در آن ، و توضیح نحوه جمع آوری معادله پیش بینی و بهینه سازی پیش بینی ها را ارائه می دهد.
موضوعات شامل:
  • نحوه ارزیابی خط مبنا با استفاده از کلالوگرام را نشان دهید.
  • اشکالات استفاده از ابزار صافی نمایی Microsoft Excel را شناسایی کنید.
  • روشهای مختلفی را که می توانید اولین پیش بینی را مقداردهی کنید توضیح دهید.
  • میانگین پیش بینی انحراف خام را با میانگین روش پیش بینی انحراف مطلق مقایسه کنید.
  • دلایل استفاده از R به جای اکسل را برای هموار سازی نمایی تجزیه کنید.

سرفصل ها و درس ها

مقدمه Introduction

  • خوش آمدی Welcome

1. ایده پشت هموار سازی نمایی 1. The Idea Behind Exponential Smoothing

  • پیش بینی های خود اصلاح Self-correcting forecasts

  • از تصحیح خطا گرفته تا صاف کردن From error correction to smoothing

  • از نظر ظاهری تأثیر کاهش مشاهدات Exponentially declining influence of observations

  • مبانی مناسب را مشخص کنید Identify the appropriate baseline

2. معادله پیش بینی 2. The Forecasting Equation

  • فرم تصحیح خطا را حذف کنید Dissect the error correction form

  • فرم صاف کردن را جدا کنید Dissect the smoothing form

  • ابزار صاف کننده نمایی Exponential smoothing tool

  • پیش بینی های اولیه را شروع کنید Initialize the forecasts

3. اندازه گیری دقت پیش بینی 3. Measuring Forecast Accuracy

  • رویکرد انحراف مطلق The absolute deviation approach

  • حداقل مربعات نزدیک می شوند The least squares approach

4- بهینه سازی پیش بینی ها 4. Optimizing Forecasts

  • حل کننده Solver

  • فرمول صاف کردن را برای Solver تنظیم کنید Set up the smoothing formula for Solver

  • راه حل در R Solution in R

نتیجه Conclusion

  • مراحل بعدی Next steps

نمایش نظرات

نظری ارسال نشده است.

آموزش تجزیه و تحلیل کسب و کار: پیش بینی با هموار سازی نمایی
خرید اشتراک و دانلود خرید تکی و دانلود | 160,000 تومان (5 روز مهلت دانلود) زمان تقریبی آماده سازی لینک دانلود این دوره آموزشی حدود 5 تا 24 ساعت می باشد.
جزییات دوره
1h 5m
15
Linkedin (لینکدین) lynda-small
23 بهمن 1396 (آخرین آپدیت رو دریافت می‌کنید، حتی اگر این تاریخ بروز نباشد.)
12,125
- از 5
ندارد
دارد
دارد

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Conrad Carlberg Conrad Carlberg

Conrad Carlberg نویسنده و مشاور متخصص در تجزیه و تحلیل کمی و آماری است. او تاکنون 15 کتاب در مورد استفاده از Microsoft Excel برای تجزیه و تحلیل کمی تألیف کرده است. وی دارای دکترای آمار است و از سال 1995 تاکنون مشاغل مشاوره ای متخصص در تجزیه و تحلیل آماری در زمینه های پزشکی و مالی را اداره کرده است.

Linkedin (لینکدین)

لینکدین: شبکه اجتماعی حرفه‌ای برای ارتباط و کارآفرینی

لینکدین به عنوان یکی از بزرگترین شبکه‌های اجتماعی حرفه‌ای، به میلیون‌ها افراد در سراسر جهان این امکان را می‌دهد تا ارتباط برقرار کنند، اطلاعات حرفه‌ای خود را به اشتراک بگذارند و فرصت‌های شغلی را کشف کنند. این شبکه اجتماعی به کاربران امکان می‌دهد تا رزومه حرفه‌ای خود را آپدیت کنند، با همکاران، دوستان و همکاران آینده ارتباط برقرار کنند، به انجمن‌ها و گروه‌های حرفه‌ای ملحق شوند و از مقالات و مطالب مرتبط با حوزه کاری خود بهره‌مند شوند.

لینکدین همچنین به کارفرمایان امکان می‌دهد تا به دنبال نیروهای با تجربه و مهارت مورد نیاز خود بگردند و ارتباط برقرار کنند. این شبکه حرفه‌ای به عنوان یک پلتفرم کلیدی برای بهبود دسترسی به فرصت‌های شغلی و گسترش شبکه حرفه‌ای خود، نقش مهمی را ایفا می‌کند. از این رو، لینکدین به عنوان یکی از مهمترین ابزارهای کارآفرینی و توسعه حرفه‌ای در دنیای امروز مورد توجه قرار دارد.