गणना - सरल - तीन महीने से आगे बढ़ - औसत - पूर्वानुमान के लिए अवधि - 4-12

चलना औसत पूर्वानुमान परिचय जैसा कि आप अनुमान लगा सकते हैं कि हम भविष्यवाणी के लिए सबसे अधिक प्राचीन तरीकों को देख रहे हैं। लेकिन उम्मीद है कि ये स्प्रेडशीट्स में पूर्वानुमानों को लागू करने से संबंधित कुछ कंप्यूटिंग मुद्दों पर कम से कम एक सार्थक परिचय हैं। इस शिरा में हम शुरुआत में शुरू करते हुए और मुव्हिंग औसत पूर्वानुमान के साथ काम करना शुरू करते रहेंगे। औसत पूर्वानुमान चल रहा है हर कोई औसत पूर्वानुमान के चलते से परिचित है, भले ही वे मानते हैं कि वे हैं। सभी कॉलेज के छात्रों ने उन्हें हर समय किया है एक ऐसे पाठ्यक्रम में अपने परीक्षण स्कोर के बारे में सोचें, जहां सेमेस्टर के दौरान चार परीक्षण होंगे। मान लीजिए कि आपको अपने पहले टेस्ट पर 85 मिले हैं। आप अपने दूसरे टेस्ट स्कोर के लिए क्या भविष्यवाणी करेंगे आप क्या सोचते हैं कि आपका शिक्षक आपके अगले टेस्ट स्कोर के लिए भविष्यवाणी करेगा आपको क्या लगता है कि आपके मित्र आपके अगले टेस्ट स्कोर के लिए अनुमान लगा सकते हैं आपको क्या लगता है कि आपके माता-पिता आपके अगले टेस्ट स्कोर के लिए भविष्यवाणी कर सकते हैं आप अपने दोस्तों और माता-पिता के लिए मारे गए सभी मरे हुए हैं, वे और आपके शिक्षक आपसे मिलने वाले 85 के क्षेत्र में कुछ पाने की उम्मीद कर रहे हैं। खैर, अब यह मान लेते हैं कि अपने दोस्तों को अपने स्वयं के प्रचार के बावजूद, आप अपने अनुमान का अनुमान लगाते हैं और आंकड़े आप दूसरी परीक्षा के लिए कम अध्ययन कर सकते हैं और आपको 73 मिलते हैं। अब सभी संबंधित और निराश होने वाले आशा करते हैं कि आप अपने तीसरे परीक्षण पर पहुंचेंगे, उनके अनुमान के विकास के लिए दो संभावित संभावनाएं हैं, भले ही वे इसे आपके साथ साझा करेंगे या नहीं। वे खुद से कह सकते हैं कि, यह आदमी हमेशा अपने स्मार्ट के बारे में धुआं उड़ रहा है वह एक और 73 हो सकता है अगर वह भाग्यशाली है। हो सकता है कि माता-पिता अधिक सहयोगी होने की कोशिश करें और कहते हैं, "अच्छा, अब तक आपने 85 और 73 मिल चुके हैं, इसलिए आप को (85 73) 2 9 79 के बारे में जानकारी प्राप्त करनी चाहिए। मुझे नहीं पता है, शायद अगर आपने कम पार्टीशन किया हो और सभी स्थानों पर तहखाने wagging और अगर आप एक बहुत अधिक पढ़ाई शुरू कर दिया है आप एक उच्च अंक प्राप्त कर सकते हैं। इन दोनों अनुमानों वास्तव में औसत पूर्वानुमान हिल रहे हैं पहला, आपके भविष्य के प्रदर्शन की भविष्यवाणी करने के लिए केवल आपके नवीनतम स्कोर का उपयोग कर रहा है। इसे डेटा की एक अवधि का उपयोग करते हुए चलती औसत पूर्वानुमान कहा जाता है दूसरा भी चलती औसत पूर्वानुमान है लेकिन डेटा के दो अवधियों का उपयोग कर रहा है। मान लीजिए कि आपके महान दिमाग पर पर्दाफाश करने वाले ये सभी लोग आपको परेशान कर रहे हैं और आप अपने स्वयं के कारणों के लिए तीसरी परीक्षा में अच्छी तरह से करने का निर्णय लेते हैं और अपने उद्धरण चिह्नों के सामने उच्च अंक डालते हैं। आप परीक्षा लेते हैं और आपका स्कोर वास्तव में एक 89 है, जो कि खुद सहित, प्रभावित है। तो अब आपके पास सेमेस्टर का अंतिम परीक्षण हो रहा है और हमेशा की तरह आपको लगता है कि आखिरी परीक्षा में आप कैसे करेंगे I अच्छी तरह से, उम्मीद है कि आप पैटर्न को देखते हैं अब, उम्मीद है कि आप पैटर्न देख सकते हैं। आप क्या मानते हैं कि हम काम करते समय सबसे सटीक सीटी है अब हम हमारी नई सफाई कंपनी पर लौट आये हैं जो आपकी बहिष्कृत आधे बहन ने शुरू की थी जब हम काम करते थे। आपके पास स्प्रेडशीट से निम्न अनुभाग द्वारा प्रस्तुत कुछ पिछली बिक्री डेटा है हम पहले औसत अवधि को चलती तीन अवधि के लिए डेटा प्रस्तुत करते हैं। सेल सी 6 के लिए प्रवेश होना चाहिए अब आप इस सेल सूत्र को अन्य कोशिकाओं C7 से C11 तक कॉपी कर सकते हैं। ध्यान दें कि हाल ही के ऐतिहासिक डेटा पर औसत चालें, लेकिन प्रत्येक पूर्वानुमान के लिए उपलब्ध तीन सबसे हाल की अवधि का उपयोग करता है। आपको यह भी ध्यान देना चाहिए कि हमारे सबसे हाल की भविष्यवाणी विकसित करने के लिए हमें पिछली अवधि के पूर्वानुमानों को वास्तव में बनाने की आवश्यकता नहीं है यह घातीय चिकनाई मॉडल से निश्चित रूप से अलग है Ive में उद्धरण की भविष्यवाणियों को शामिल किया गया है क्योंकि हम भविष्य की वैधता को मापने के लिए अगले वेब पेज में उनका उपयोग करेंगे। अब मैं औसत पूर्वानुमान की ओर बढ़ने वाली दो अवधि के अनुरूप परिणाम पेश करना चाहता हूं। सेल C5 के लिए प्रवेश होना चाहिए अब आप इस सेल सूत्र को सी 6 के माध्यम से अन्य कोशिकाओं C6 में कॉपी कर सकते हैं। ध्यान दें कि प्रत्येक भविष्यवाणी के लिए केवल ऐतिहासिक डेटा के केवल दो सबसे हाल के टुकड़े कैसे उपयोग किए जाते हैं। फिर मैंने उदाहरण के उद्देश्यों के लिए और पूर्वानुमान सत्यापन में बाद के उपयोग के लिए उद्धृत पूर्वोत्तरों को शामिल किया है। कुछ अन्य चीजें जो ध्यान देने योग्य हैं एक एम-अवधि चलती हुई औसत पूर्वानुमान के लिए केवल सबसे हाल के डेटा मान का इस्तेमाल पूर्वानुमान बनाने के लिए किया जाता है। और कुछ नहीं आवश्यक है मी-अवधि की औसत पूर्वानुमान चलती है जब उद्धरण पूर्वोत्तर सपोर्ट करता है, ध्यान दें कि पहली बार भविष्यवाणी की अवधि एम 1 में होती है। जब हम अपना कोड विकसित करते हैं तो इन दोनों मुद्दे बहुत महत्वपूर्ण होंगे। स्थानांतरण औसत फ़ंक्शन का विकास करना अब हमें चलती औसत पूर्वानुमान के लिए कोड विकसित करने की आवश्यकता है जो अधिक लचीले ढंग से इस्तेमाल किया जा सकता है। कोड निम्नानुसार है। ध्यान दें कि आदानों की अवधि के लिए आप पूर्वानुमान में उपयोग करना चाहते हैं और ऐतिहासिक मूल्यों की सरणी के लिए हैं। आप इसे जो कार्यपुस्तिका चाहते हैं, आप इसे स्टोर कर सकते हैं। फ़ंक्शन फॉरविविंग एवरेज (हिस्टोरिकल, नंबरऑफपेरियोड्स) सिंगल घोषित करने और चर को प्रारंभ करने के रूप में मंद आइटम पूर्णांक मंद काउंटर के रूप में पूर्णांक मंद संवेदी के रूप में पूर्णांक मंद संचय के रूप में एक मंद हिस्टोरिकल साइज के रूप में पूर्णांक चर को प्रारंभ करना काउंटर 1 संचय 0 ऐतिहासिक सरका के आकार का निर्धारण ऐतिहासिक ऐतिहासिक इतिहास। काउंटर 1 के लिए नंबर 1 सबसे हाल ही में देखे गए मूल्यों की उचित संख्या को संचित करना संचय संचय ऐतिहासिक (हिस्टोरिकल सिज़िज़ - नंबरऑफपेरियोड्स काउंटर) चल रहा हैअवाज संचय संख्याऑफ़पेरियोड कोड को कक्षा में समझाया जाएगा। आप स्प्रैडशीट पर फ़ंक्शन की स्थिति बनाना चाहते हैं, ताकि गणना के परिणाम दिखाई दें, जहां निम्न को पसंद करना चाहिए। औसत औसत यह उदाहरण आपको सिखाता है कि Excel में समय श्रृंखला की चलती औसत की गणना कैसे करें। रुझानों को आसानी से पहचानने के लिए चलती औसत का उपयोग अनियमितताओं (चोटियों और घाटियों) को सुलझाने के लिए किया जाता है 1. सबसे पहले, हमारी समय श्रृंखला पर एक नज़र डालें। 2. डेटा टैब पर, डेटा विश्लेषण क्लिक करें। नोट: डेटा विश्लेषण बटन को ढूंढने में कठिनाई नहीं है विश्लेषण टूलपैक ऐड-इन लोड करने के लिए यहां क्लिक करें 3. मूविंग औसत चुनें और ठीक क्लिक करें। 4. इनपुट रेंज बॉक्स पर क्लिक करें और सीमा B2: M2 चुनें। 5. अंतराल बॉक्स में क्लिक करें और टाइप करें 6. 6. आउटपुट रेंज बॉक्स में क्लिक करें और सेल B3 चुनें। 8. इन मूल्यों का एक ग्राफ प्लॉट करें। स्पष्टीकरण: क्योंकि हम अंतराल को 6 निर्धारित करते हैं, चलती औसत पिछले 5 डेटा बिंदुओं की औसत और वर्तमान डेटा बिंदु है। नतीजतन, चोटियों और घाटियों को बाहर smoothed हैं। ग्राफ़ में बढ़ती प्रवृत्ति को दर्शाता है Excel पहले 5 डेटा बिंदुओं के लिए चलती औसत की गणना नहीं कर सकता क्योंकि इससे पहले के डेटा बिंदु पर्याप्त नहीं हैं 9. अंतराल 2 और अंतराल के लिए चरण 2 से 8 दोहराएं। निष्कर्ष: अंतराल जितना बड़ा होगा, उतनी ही अधिक चोटियों और घाटियों को सुखाया जाएगा। अंतराल जितना छोटा है, चलती औसत करीब वास्तविक डेटा बिंदुओं पर हैं। प्रश्न आपका प्रबंधक यह निर्धारित करने का प्रयास कर रहा है कि पूर्वानुमान क्या है प्रतिलिपि बनाई गई छवि पाठ दिखाएं आपका प्रबंधक यह निर्धारित करने का प्रयास कर रहा है कि किस पूर्वानुमान की विधि का उपयोग करना है। निम्नलिखित ऐतिहासिक डेटा के आधार पर, निम्नलिखित पूर्वानुमान की गणना करें और निर्दिष्ट करें कि आप किस प्रक्रिया का उपयोग करेंगे माह वास्तविक संख्या 1 53 2 56 3 58 4 65 5 74 6 75 7 76 8 77 9 77 10 79 11 81 12 82 ए 412 की अवधि के लिए सरल तीन महीने की चलती औसत पूर्वानुमान की गणना करें। (3 दशमलव स्थानों पर अपने उत्तरों को गोल करें।) महीने तीन महीने की औसत चलती 4 5 6 7 8 9 10 11 12 बी 0.60 (अवधि टी 1 के लिए) 0.20 (अवधि टी 2 के लिए), और 0.20 (अवधि टी 3 के लिए) के भार के आधार पर 412 की अवधि के लिए भारित तीन महीने की चलती औसत की गणना करें। (इंटरमीडिएट गणना मत कीजिए। अपने उत्तर को 3 दशमलव स्थानों पर गोल करें।) महीना तीन-महीना भारित मूविंग औसत 4 5 6 7 8 9 10 11 12 सी। 61 के शुरुआती पूर्वानुमान (एफ 1) और एक का उपयोग करते हुए 212 की अवधि के लिए एकल घातीय चिकनाई पूर्वानुमान की गणना करें। 0.30 का (इंटरमीडिएट गणना मत करो। 3 उत्तरों के अपने उत्तरों को गोल करें।) महीना एकल घातीय चिकनाई पूर्वानुमान 2 3 4 5 6 7 8 9 10 11 12 घ। प्रारंभिक प्रवृत्ति पूर्वानुमान (टी 1) के 1.70 के प्रारंभिक घातीय चिकनाई पूर्वानुमान (एफ 1) की 62 का उपयोग करके 212 की अवधि के लिए प्रवृत्ति घटक पूर्वानुमान के साथ घातीय चिकनाई की गणना करें। 0.30 का, और 0.20 का एक सूत्र 10ml। (इंटरमीडिएट गणना मत करो। 3 उत्तरों के अपने उत्तरों को गोल करें।) रुझान के साथ महीना घातीय चिकनाई 2 3 4 5 6 7 8 9 10 11 12 ई -1 अवधि के प्रत्येक तकनीक द्वारा किए गए पूर्वानुमानों के लिए माध्य निरपेक्ष विचलन (एमएडी) की गणना करें 412. (मध्य दशमलव गणना मत करो। अपने उत्तरों को 3 दशमलव स्थानों पर गोल करें।) निरपेक्ष विचलन मतलब तीन महीने की चलती औसत तीन महीने भारित चलती औसत सिंगल घातीय चौरसाई पूर्वानुमान प्रवृत्ति के साथ घातीय चिकनाई विशेषज्ञ उत्तर Chegg अध्ययन के साथ इस उत्तर प्राप्त करें पूर्वानुमान गणना उदाहरण ए.1 पूर्वानुमान गणना पद्धतियों पूर्वानुमान की गणना के बारह तरीकों के लिए उपलब्ध हैं। इनमें से अधिकतर विधियां सीमित उपयोगकर्ता नियंत्रण प्रदान करती हैं। उदाहरण के लिए, हाल के ऐतिहासिक डेटा या गणना में उपयोग किए जाने वाले ऐतिहासिक डेटा की तिथि सीमा पर दिया जाने वाला वजन निर्दिष्ट किया जा सकता है। निम्नलिखित उदाहरणों में उपलब्ध सभी ऐतिहासिक आंकड़ों के एक समान सेट को देखते हुए उपलब्ध पूर्वानुमान विधियों के लिए गणना प्रक्रिया दिखाई देती है। निम्नलिखित उदाहरणों में एक 2004 बिक्री पूर्वानुमान का उत्पादन करने के लिए वही 2004 और 2005 बिक्री डेटा का उपयोग किया गया है पूर्वानुमान गणना के अलावा, प्रत्येक उदाहरण में एक तीन महीने की धारिता अवधि (प्रसंस्करण विकल्प 1 3 3 3) के लिए एक सिम्युलेटेड 2005 पूर्वानुमान शामिल होता है, जिसका उपयोग सटीकता के प्रतिशत के लिए किया जाता है और मतलब पूर्ण विचलन गणना (नकली पूर्वानुमान की तुलना में वास्तविक बिक्री)। ए 2 पूर्वानुमान प्रदर्शन मूल्यांकन मानदंड प्रसंस्करण के विकल्प के चयन और बिक्री डेटा में मौजूद रुझानों और पैटर्नों के आधार पर, कुछ भविष्यवाणी पद्धतियां किसी दिए गए ऐतिहासिक डेटा सेट के लिए दूसरों की तुलना में बेहतर प्रदर्शन करेंगे। एक उत्पाद के लिए उपयुक्त एक पूर्वानुमान विधि किसी अन्य उत्पाद के लिए उपयुक्त नहीं हो सकती है। यह भी संभावना नहीं है कि एक पूर्वानुमान पद्धति जो उत्पादों के एक चरण में अच्छे परिणाम प्रदान करती है, जीवन चक्र पूरे जीवन चक्र के दौरान उचित रहेगी। पूर्वानुमान की विधियों के वर्तमान प्रदर्शन का मूल्यांकन करने के लिए आप दो तरीकों के बीच चुन सकते हैं। ये पूर्ण निरपेक्ष विचलन (एमएडी) और सटीकता का प्रतिशत (पीओए) हैं। इन दोनों प्रदर्शन मूल्यांकन विधियों को उपयोगकर्ता की निर्दिष्ट अवधि के लिए ऐतिहासिक बिक्री डेटा की आवश्यकता होती है। समय की अवधि को एक पकड़-अवधि अवधि या अवधि सर्वोत्तम फिट (पीबीएफ) कहा जाता है। इस अवधि के आंकड़ों को अगले पूर्वानुमान अनुमान लगाने में उपयोग करने के लिए अनुमानित तरीकों की सिफारिश करने के आधार के रूप में उपयोग किया जाता है। यह सिफारिश प्रत्येक उत्पाद के लिए विशिष्ट है, और एक पूर्वानुमान पीढ़ी से दूसरे को बदल सकती है। बारह पूर्वानुमान के तरीकों के उदाहरणों के बाद पृष्ठों में दो पूर्वानुमान प्रदर्शन मूल्यांकन विधियों का प्रदर्शन किया गया है ए 3 विधि 1 - पिछले वर्ष से निर्दिष्ट प्रतिशत इस पद्धति में पिछले वर्ष से उपयोगकर्ता के द्वारा निर्दिष्ट कारक के लिए, 10 वृद्धि के लिए 1.10, या 3 में कमी के लिए 0.97 की बिक्री डेटा गुणा करता है। आवश्यक बिक्री का इतिहास: भविष्यवाणी के पूर्वानुमान के लिए एक साल और पूर्वानुमान प्रदर्शन का मूल्यांकन करने के लिए उपयोगकर्ता निर्दिष्ट समय अवधि की संख्या (प्रसंस्करण विकल्प 1 9)। ए.4.1 इस उदाहरण में वृद्धि कारक (संसाधन विकल्प 2 ए) 3 की गणना में उपयोग करने के लिए बिक्री इतिहास की पूर्वानुमान गणना। 2005 के अंतिम तीन महीनों की राशि: 114 119 137 370 पिछले वर्ष के लिए तीन महीने के समान: 123 13 9 133 395 गणना की गई कारक 370395 0.9367 पूर्वानुमानों की गणना करें: जनवरी 2005 बिक्री 128 0.9367 119.8036 या लगभग 120 फरवरी 2005 बिक्री 117 0.9367 109.5939 या 110 मार्च, 2005 की बिक्री 115 0.9367 107.7205 या लगभग 108 ए .4.2 सिम्युलेटेड पूर्वानुमान गणना राशि 2005 से पहले धारक अवधि (जुलाई, अगस्त, सितंबर) से पहले: 12 9 140 131 400 समान तीन महीनों के लिए योग पिछले साल: 141 128 118 387 गणना कारक 400387 1.0335 9 1731 गणना अनुमानित पूर्वानुमान: अक्टूबर 2004 बिक्री 123 1.0335 9 1731 127.13178 नवंबर, 2004 बिक्री 13 9 1.0335 9 1731 143.66925 दिसंबर, 2004 बिक्री 133 1.0335 9 1731 137.4677 ए.4.3 शुद्धता की गणना पीओए (127.13178 143.66925 137.4677) (114 119 137) 100 408.26873 370 100 110.3429 ए.4.4 अंबुल डिसिशन कैलक्यूलेशन मैड (127.13178 - 114 143.66925 - 119 137.4677- 137) 3 (13.13178 24.66925 0.4677) 3 12.75624 ए.5 मेथड 3 - पिछले वर्ष से इस साल पिछले साल से इस पद्धति की बिक्री की प्रतियां अगले साल तक प्रतियां आवश्यक बिक्री का इतिहास: भविष्यवाणी के पूर्वानुमान के लिए एक वर्ष और भविष्य के पूर्वानुमान के मूल्यांकन के लिए निर्दिष्ट समय अवधि की संख्या (प्रसंस्करण विकल्प 1 9)। ए.6.1 पूर्वानुमान की गणना औसत में शामिल होने वाली अवधि की संख्या (प्रसंस्करण विकल्प 4 ए) 3 इस उदाहरण में 3 पूर्वानुमान के प्रत्येक महीने के लिए औसत पिछले तीन महीनों का डेटा जनवरी पूर्वानुमान: 114 119 137 370, 370 3 123.333 या 123 फरवरी पूर्वानुमान: 119 137 123 37 9, 37 9 3 126.333 या 126 मार्च पूर्वानुमान: 137 123 126 37 9, 386 3 128.667 या 12 9 ए .6.2 नकली पूर्वानुमान गणना अक्टूबर 2005 की बिक्री (12 9 140 131) 3 133.3333 नवंबर 2005 की बिक्री (140 131 114) 3 128.3333 दिसंबर 2005 की बिक्री (131 114 119) 3 121.3333 ए.6.3 शुद्धता की गणना पीओए (133.3333 128.3333 121.3333) (114 119 137) 100 103.513 ए.6.4 निरपेक्ष अर्थ विचलन कैलक्यूलेशन मैड (133.3333 - 114 128.3333 - 119 121.3333 - 137) 3 14.7777 ए 7 विधि 5 - रैखिक अनुमान एक रैखिक अनुमान ने दो बिक्री इतिहास डेटा बिंदुओं के आधार पर एक प्रवृत्ति की गणना की है। ये दो अंक एक सीधे प्रवृत्ति रेखा को परिभाषित करते हैं जो कि भविष्य में पेश किया जाता है। सावधानी के साथ इस पद्धति का उपयोग करें, क्योंकि लंबे समय तक अनुमान केवल दो डेटा बिन्दुओं में छोटे परिवर्तनों के कारण लीवर किए जाते हैं। आवश्यक बिक्री इतिहास: प्रतिगमन (प्रसंस्करण विकल्प 5 ए) में शामिल होने की अवधि, प्लस 1 प्लस पूर्वानुमान प्रदर्शन का मूल्यांकन करने के लिए समय अवधि की संख्या (प्रसंस्करण विकल्प 1 9)। A.8.1 भविष्यवाणी की गणना की अवधि में प्रतिगमन (प्रसंस्करण विकल्प 6 ए) में शामिल करने के लिए संख्या 3 इस उदाहरण में पूर्वानुमान के प्रत्येक महीने के लिए, पिछली अवधि से पहले की अवधि के दौरान निर्दिष्ट अवधि के दौरान वृद्धि या कमी बढ़ाएं। पिछले तीन महीनों के औसत (114 119 137) 3 123.3333 पिछले तीन महीनों का सारांश माना जाता है कि भार के साथ (114 1) (119 2) (137 3) 763 763 - 123.3333 (1 2 3) 23 अनुपात के बीच अंतर 12 22 32) - 2 3 14 - 12 2 मूल्य 1 अंतर दर 232 11.5 मूल्य 2 औसत - मान 1 अनुपात 123.3333 - 11.5 2 100.3333 पूर्वानुमान (1 एन) मान 1 मान 2 4 11.5 100.3333 146.333 या 146 पूर्वानुमान 5 11.5 100.3333 157.8333 या 158 पूर्वानुमान 6 11.5 100.3333 16 9.3333 या 16 9 ए .8.2 सिमुलेट पूर्वानुमान गणना अक्टूबर 2004 बिक्री: पिछले तीन महीनों की औसत (12 9 140 131) 3 133.3333 पिछले तीन महीनों का सारांश माना जाता है कि भार के साथ (12 9 1) (140 2) (131 3) 802 अंतर मूल्य 802 - 133.3333 (1 2 3) 2 अनुपात (12 22 32) - 2 3 14 - 12 2 मूल्य 1 अंतर दर 22 1 मूल्य 2 औसत - मान 1 अनुपात 133.3333 - 1 2 131.3333 पूर्वानुमान (1 एन) मूल्य 1 मूल्य 2 4 1 131.3333 135.3333 नवंबर 2004 बिक्री पिछले तीन महीनों की औसत (140 131 114) 3 128.3333 पिछले तीन महीनों का सारांश माना जाता है कि वजन (140 1) (131 2) (114 3) 744 744 - 128.3333 (1 2 3) -25.9999 मूल्य 1 के बीच का अंतर अंतरराष्टी -25.99992 -12.9999 मूल्य 2 औसत - मान 1 अनुपात 128.3333 - (-12.9 99 9) 2 154.3333 पूर्वानुमान 4 -12.9 99 9 154.3333 102.3333 दिसंबर 2004 बिक्री पिछले तीन महीनों की औसत (131 114 119) 3 121.3333 पिछले तीन महीनों का सारांश माना जाता है कि भार के साथ ( 131 1) (114 2) (119 3) 716 मूल्यों के बीच अंतर 716 - 121.3333 (1 2 3) -11.9 99 9 वैल्यू 1 अंतर रेतियो -11.999 9 -5.9 99 9 मूल्य 2 औसत - मान 1 अनुपात 121.3333 - (-5.9 99 9) 2 133.3333 पूर्वानुमान 4 (-5.9 99 9 ) 133.3333 109.3333 ए 8.3 प्रतिशत सटीकता गणना पीओए (135.33 102.33 109.33) (114 119 137) 100 93.78 ए .8.4 अस्थिर विचलन गणना एमएडी (135.33 - 114 102.33 - 119 109.33 - 137) 3 21.88 ए.9 विधि 7 - secon डी डिग्री भाषण रैखिक प्रतिगमन पूर्वानुमान के सूत्र में वाई और बीएक्स के लिए मूल्यों को निर्धारित करता है, बिक्री के इतिहास के आंकड़ों के लिए एक सीधी रेखा फिटिंग के उद्देश्य के साथ। दूसरी डिग्री अनुमान समान है। हालांकि, यह पद्धति, बिक्री इतिहास के डेटा के लिए एक वक्र फिटिंग के उद्देश्य के साथ अनुमानित सूत्र वाई बीएक्स सीएक्स 2 में ए, बी और सी के लिए मूल्यों को निर्धारित करता है। यह विधि उपयोगी हो सकती है जब कोई उत्पाद जीवन चक्र के चरणों के बीच संक्रमण में होता है। उदाहरण के लिए, जब एक नया उत्पाद परिचय से विकास चरणों तक चलता है, तो बिक्री की प्रवृत्ति में तेजी आ सकती है दूसरे आदेश की अवधि के कारण, भविष्य में अनगिनतता या शून्य से गिरावट का अनुमान लगाया जा सकता है (यह निर्भर करता है कि क्या गुणांक सी सकारात्मक या नकारात्मक है)। इसलिए, यह विधि केवल अल्पावधि में उपयोगी है। पूर्वानुमान विनिर्देश: सूत्रों को एक, बी, और सी को वक्र में ठीक तीन अंक मिलते हैं। आप प्रोसेसिंग विकल्प 7 ए में एन को निर्दिष्ट करते हैं, तीन बिंदुओं में से प्रत्येक में जमा करने के लिए डेटा की समयावधि की संख्या। इस उदाहरण में एन 3। इसलिए, जून के माध्यम से अप्रैल के लिए वास्तविक बिक्री डेटा पहले बिंदु, क्यू 1 में जोड़ दिया गया है। जुलाई के माध्यम से सितंबर को एक साथ Q2 बनाने के लिए, और अक्टूबर को दिसंबर राशि के माध्यम से Q3 में जोड़ दिया जाता है। वक्र तीन मूल्यों Q1, Q2, और Q3 के लिए फिट किया जाएगा। आवश्यक बिक्री इतिहास: भविष्यवाणी की गणना के लिए 3 एन अवधि और पूर्वानुमान प्रदर्शन (पीबीएफ) के मूल्यांकन के लिए आवश्यक समय अवधि की संख्या। इस उदाहरण में तीन महीनों के ब्लॉकों में पिछले (3 n) महीनों का प्रयोग करें: 1 (अप्रैल - जून) 125 122 137 384 क्यू 2 (जुलाई-सितम्बर) 12 9 140 131 400 प्रश्न 3 अक्टूबर-दिसंबर) 114 119 137 370 अगले चरण में अनुमानित सूत्र वाई बीएक्स सीएक्स 2 (1) क्यू 1, बीएक्स सीएक्स 2 (जहां एक्स 1) एबीसी (2) क्यू 2 में इस्तेमाल होने वाले तीन गुणांकों को गणना करने, ए, बी और सी की गणना करना शामिल है। एक बीएक्स सीएक्स 2 (जहां एक्स 2) एक 2 बी 4 सी (3) क्यू 3 एक बीएक्स सीएक्स 2 (जहां एक्स 3) 3 बी 9 सी तीन समीकरणों को एक साथ मिलकर बी, ए, और सी मिलते हैं: समीकरण से घटाएं (1) समीकरण (2) और बी (2) के लिए हल - (1) क्यू 2 - क्यू 1 बी 3 सी बी के लिए इस समीकरण को समीकरण (3) (3) क्यू 3 ए 3 (क्यू 2 - क्यू 1) -3 सी सी के लिए विकल्प दें अंत में, इन समीकरणों को ए और बी के लिए बदलें समीकरण (1) क्यू 3 - 3 (क्यू 2 - क्यू 1) (क्यू 2 - क्यू 1) - 3 सी सी क्यू 1 सी (क्यू 3 - क्यू 2) (क्यू 1 - क्यू 2) 2 दूसरा डिग्री अनुमान का तरीका ए, बी और सी की गणना करता है: क्यू 3 -3 (क्यू 2 - क्यू 1) 370 - 3 (400 - 384) 322 सी (क्यू 3 - क्यू 2) (क्यू 1 - क्यू 2) 2 (370 - 400) (384 - 400) 2 -23 बी (क्यू 2 - क्यू 1) -3 सी (400 - 384) - (3 -23) 85 वाई बीएक्स सीएक्स 2 322 85 एक्स (-23) एक्स 2 जनवरी से मार्च का पूर्वानुमान (एक्स 4): (322 340 - 368) 3 2943 98 प्रति माह अप्रैल से जून के पूर्वानुमान (एक्स 5): (322 425-575) 3 57.333 या 57 प्रति जुलाई से सितंबर पूर्वानुमान (एक्स 6): (322 510 - 828) 3 1.33 या 1 प्रति अवधि अक्टूबर से दिसंबर (एक्स 7) (322 595 - 11273 -70 ए.9.2 सिमुलेट पूर्वानुमान गणना अक्टूबर, नवंबर और दिसंबर, 2004 की बिक्री: क्यू 1 (जनवरी - मार्च) 360 क्यू 2 (अप्रैल - जून) 384 क्यू 3 (जुलाई-सितम्बर) 400 एक 400 - 3 (384 - 360) 328 सी (400 - 384) (360 - 384) 2 - 4 बी (384 - 360) - 3 (-4) 36 328 36 4 (-4) 163 136 ए.9.3 शुद्धता की गणना पीओए (136 136 136) (114 119 137) 100 110.27 ए.9.4 मील निरपेक्ष विचलन गणना एमएडी (136 - 114 136 - 119 136 - 137) 3 13.33 ए 10 विधि 8 - लचीले विधि लचीले विधि (एनएम महीने से अधिक पूर्व) विधि के समान है 1, पिछले साल से अधिक प्रतिशत दोनों तरीकों से उपयोगकर्ता निर्दिष्ट कारक द्वारा पिछले समय की अवधि में बिक्री डेटा गुणा करते हैं, फिर भविष्य में होने वाले प्रोजेक्ट। पिछले साल की तुलना में प्रतिशत में, प्रक्षेपण पिछले वर्ष की इसी अवधि से डेटा पर आधारित है। लचीले विधि गणना के आधार के रूप में उपयोग करने के लिए पिछले वर्ष की इसी अवधि की तुलना में एक अन्य समय अवधि निर्दिष्ट करने की क्षमता जोड़ती है। गुणक कारक उदाहरण के लिए, पिछले विक्रय इतिहास के आंकड़ों को 15. आधार अवधि बढ़ाने के लिए संसाधन विकल्प 8b में 1.15 निर्दिष्ट करें। उदाहरण के लिए, एन 3 अक्टूबर, 2005 में बिक्री के आंकड़ों के आधार पर पहले पूर्वानुमान का कारण बन जाएगा। न्यूनतम बिक्री का इतिहास: उपयोगकर्ता आधार अवधि के लिए निर्दिष्ट अवधि की अवधि, साथ ही पूर्वानुमान प्रदर्शन का मूल्यांकन करने के लिए आवश्यक समय अवधि की संख्या PBF)। ए .10.4 माध्य निरपेक्ष विचलन गणना एमएडी (148 - 114 161 - 119 151 - 137) 3 30 ए.11 विधि 9 - वेटेड मूविंग औसत वेटेड मूविंग एवरेज (डब्ल्यूएमए) विधि विधि 4, मूविंग एवरेज (एमए) के समान है। हालांकि, वेटेड मूविंग एवरल के साथ आप ऐतिहासिक डेटा को असमान वजन प्रदान कर सकते हैं। अल्पावधि के लिए प्रक्षेपण पर आने के लिए विधि हाल के बिक्री इतिहास के एक भारित औसत की गणना करता है। अधिक हाल के डेटा को आमतौर पर पुराने आंकड़ों के मुकाबले अधिक बड़ा सौंपा जाता है, इसलिए यह बिक्री के स्तर में बदलाव के लिए डब्ल्यूएमए को अधिक उत्तरदायी बनाता है। हालांकि, पूर्वानुमान पूर्वाग्रह और व्यवस्थित त्रुटियां तब भी होती हैं जब उत्पाद बिक्री का इतिहास मजबूत प्रवृत्ति या मौसमी पैटर्न दर्शाता है यह तरीका जीवन चक्र के विकास या अप्रचलन चरणों में उत्पाद के बजाय परिपक्व उत्पादों के लघु अवधि पूर्वानुमान के लिए बेहतर काम करता है। पूर्वानुमान गणना में उपयोग करने के लिए बिक्री इतिहास की अवधि की संख्या। उदाहरण के लिए, अगली समय अवधि में प्रक्षेपण के आधार के रूप में सबसे हालिया तीन अवधि का उपयोग करने के लिए प्रोसेसिंग विकल्प 9 ए में एन 3 निर्दिष्ट करें। एन (जैसे कि 12) के लिए एक बड़ा मूल्य अधिक बिक्री इतिहास की आवश्यकता है यह एक स्थिर भविष्यवाणी का परिणाम है, लेकिन बिक्री के स्तर में बदलाव को पहचानने में धीमा होगा। दूसरी ओर, एन के लिए एक छोटा सा मान (जैसे 3) बिक्री के स्तर में बदलाव का तेज जवाब देगा, लेकिन पूर्वानुमान इतना व्यापक हो सकता है कि उत्पादन विविधताओं का जवाब नहीं दे सकता है। प्रत्येक ऐतिहासिक डेटा अवधि को सौंपा जाने वाला वजन। असाइन किए गए वजन को 1.00 के लिए होना चाहिए उदाहरण के लिए, जब n 3, सबसे अधिक वजन प्राप्त करने वाले सबसे हाल के आंकड़ों के साथ, 0.6, 0.3, और 0.1 का भार सौंपें। न्यूनतम आवश्यक बिक्री इतिहास: एन प्लस पूर्वानुमान प्रदर्शन (पीबीएफ) के मूल्यांकन के लिए आवश्यक समय अवधि की संख्या। एमएडी (133.5 - 114 121.7 - 119 118.7 - 137) 3 13.5 ए .12 विधि 10 - रैखिक चिकनाई यह विधि विधि 9, वेटेड मूविंग एवरेज (डब्लूएमए) के समान है। हालांकि, ऐतिहासिक आंकड़ों के लिए मनमाने ढंग से वजन का उल्लेख करने के बजाय, एक सूत्र का इस्तेमाल भारोत्तोलन करने के लिए किया जाता है जो कि रैखिक रूप से गिरावट आती है और 1.00 का योग है। तब विधि अल्पावधि के लिए प्रक्षेपण पर आने के लिए हाल के बिक्री इतिहास के एक भारित औसत की गणना करता है। जैसा कि सभी रैखिक चलती औसत पूर्वानुमान तकनीकों के बारे में सच है, पूर्वानुमान पूर्वाग्रह और व्यवस्थित त्रुटियां तब होती हैं जब उत्पाद बिक्री का इतिहास मजबूत प्रवृत्ति या मौसमी पैटर्न दर्शाता है यह तरीका जीवन चक्र के विकास या अप्रचलन चरणों में उत्पाद के बजाय परिपक्व उत्पादों के लघु अवधि पूर्वानुमान के लिए बेहतर काम करता है। पूर्वानुमान गणना में उपयोग करने के लिए बिक्री इतिहास की अवधि की संख्या। यह संसाधन विकल्प 10 ए में निर्दिष्ट किया गया है। उदाहरण के लिए, अगली समय अवधि में प्रक्षेपण के आधार के रूप में सबसे हाल की तीन अवधि का उपयोग करने के लिए संसाधन विकल्प 10b में n 3 निर्दिष्ट करें। सिस्टम स्वचालित रूप से उन ऐतिहासिक आंकड़ों के वजन को आवंटित करेगा जो रैखिक रूप से गिरावट आते हैं और 1.00 का योग करते हैं। उदाहरण के लिए, जब n 3, सिस्टम 0.5, 0.3333, और 0.1 के भार को सबसे अधिक वजन प्राप्त करने वाले नवीनतम डेटा के साथ प्रदान करेगा। न्यूनतम आवश्यक बिक्री इतिहास: एन प्लस पूर्वानुमान प्रदर्शन (पीबीएफ) के मूल्यांकन के लिए आवश्यक समय अवधि की संख्या। ए.12.1 भविष्य की गणना की गणना अवधि की चपेट में औसत (प्रसंस्करण विकल्प 10 ए) में शामिल करने के लिए 3 इस उदाहरण में एक अवधि पूर्व 3 (एन 2 एन) के लिए अनुपात 2 3 (32 3) 2 36 0.5 दो अवधि के लिए अनुपात 2 (एन 2 एन ) 2 2 (32 3) 2 26 0.3333 .. तीन अवधि के लिए अनुपात पहले 1 (एन 2 एन) 2 1 (32 3) 2 16 0.1666 .. जनवरी पूर्वानुमान: 137 0.5 119 13 114 16 127.16 या 127 फरवरी पूर्वानुमान: 127 0.5 137 13 119 16 12 9 मार्च पूर्वानुमान: 12 9 0.5 127 13 137 16 12 9.666 या 130 ए 12.2 सिमुलेट पूर्वानुमान गणना अक्टूबर 2004 बिक्री 12 9 16 140 26 131 36 133.6666 नवंबर 2004 बिक्री 140 16 131 26 114 36 124 दिसंबर 2004 बिक्री 131 16 114 26 119 36 119.3333 ए.12.3 प्रतिशत सटीकता की गणना पीओए (133.6666 124 119.3333) (114 119 137) 100 101.891 ए .12.4 औसत पूर्ण विचलन गणना एमएडी (133.6666 - 114 124 - 119 119.3333 - 137) 3 14.1111 ए.13 विधि 11 - घातीय चिकनाई यह विधि विधि 10, रैखिक चिकनाई के समान है। रैखिक चिकनाई में सिस्टम ऐतिहासिक डेटा के लिए वजन प्रदान करता है जो रैखिक रूप से गिरावट करता है। घातापाती चौरसाई में, प्रणाली का वजन तेजी से क्षय को सौंपता है घातीय चिकनाई भविष्यवाणी समीकरण है: पूर्वानुमान (पिछला वास्तविक बिक्री) (1-ए) पिछला पूर्वानुमान पूर्वानुमान पिछली अवधि से वास्तविक बिक्री का एक भारित औसत और पिछली अवधि से पूर्वानुमान है। एक यह है कि पिछले अवधि के लिए वास्तविक बिक्री पर लागू वजन। (1-ए) पिछले अवधि के पूर्वानुमान के लिए लागू वजन है 0 से 1 तक की सीमा के लिए मान्य मान, और आमतौर पर 0.1 और 0.4 के बीच आते हैं। भार का योग 1.00 है। ए (1-ए) 1 आपको चौरसाई स्थिरांक के लिए एक मान देना चाहिए, a। यदि आप चौरसाई स्थिरांक के लिए मूल्य निर्दिष्ट नहीं करते हैं, तो सिस्टम प्रसंस्करण विकल्प 11 ए में निर्दिष्ट बिक्री इतिहास की अवधि के आधार पर अनुमानित मान की गणना करता है। सामान्य स्तर या विक्रय की परिमाण के लिए चिकनी औसत की गणना में चौरसाई निरंतर का उपयोग किया जाता है। गणनाओं में शामिल करने के लिए बिक्री इतिहास डेटा की सीमा 0 से 1 तक की सीमा के लिए मान्य मान। आम तौर पर बिक्री इतिहास के एक वर्ष का डेटा बिक्री के सामान्य स्तर का अनुमान लगाने के लिए पर्याप्त है। इस उदाहरण के लिए, परिणामों के सत्यापन के लिए आवश्यक मैनुअल गणना को कम करने के लिए n (n 3) का छोटा मान चुना गया था। घातीय चिकनाई एक ऐतिहासिक डेटा बिंदु के रूप में जितनी कम हो, उसके आधार पर पूर्वानुमान उत्पन्न कर सकता है। न्यूनतम आवश्यक बिक्री इतिहास: एन प्लस पूर्वानुमान प्रदर्शन (पीबीएफ) के मूल्यांकन के लिए आवश्यक समय अवधि की संख्या। ए.13.1 भविष्य की गणना की गणना अवधि की चपेट में औसत (प्रसंस्करण विकल्प 11 ए) 3, और अल्फा कारक (प्रसंस्करण विकल्प 11 बी) में रिक्त करने के लिए, इस उदाहरण में सबसे पुराना बिक्री डेटा 2 (11), या 1 के लिए एक कारक जब अल्फा निर्दिष्ट होता है 2 सबसे पुराना बिक्री डेटा 2 (12), या अल्फा के लिए एक कारक जब अल्फा 3 सबसे पुराना बिक्री डेटा 2 (13), या अल्फा के लिए एक कारक निर्दिष्ट करता है, अल्फा सबसे हाल ही में बिक्री डेटा 2 (1 एन) के लिए एक कारक निर्दिष्ट करता है , या अल्फा अल्फा निर्दिष्ट है जब नवम्बर Sm औसत। एक (अक्टूबर वास्तविक) (1 - ए) अक्टूबर Sm औसत। 1 114 0 0 114 दिसंबर Sm औसत। एक (नवंबर वास्तविक) (1 - ए) नवंबर एसएम औसत। 23 119 13 114 117.3333 जनवरी का पूर्वानुमान (दिसंबर वास्तविक) (1 - ए) दिसंबर Sm औसत। 24 137 24 117.3333 127.16665 या 127 फरवरी पूर्वानुमान जनवरी का पूर्वानुमान 127 मार्च का पूर्वानुमान जनवरी का पूर्वानुमान 127 ए .1.3.2 सिमुलेट पूर्वानुमान गणना जुलाई, 2004 एस. एम. औसत। 22 12 9 12 9 अगस्त Sm औसत। 23 140 13 12 9 136.3333 सितंबर Sm औसत। 24 131 24 136.3333 133.6666 अक्टूबर, 2004 बिक्री सितम्बर Sm औसत। 133.6666 अगस्त, 2004 एसएम। औसत। 22 140 140 सितंबर Sm औसत। 23 131 13 140 134 अक्टूबर Sm औसत। 24 114 24 134 124 नवंबर, 2004 बिक्री सितंबर एसएम औसत। 124 सितम्बर 2004 एस. एम. औसत। 22 131 131 अक्टूबर Sm औसत। 23 114 13 131 119.6666 नवंबर Sm औसत। 24 119 24 119.6666 119.3333 दिसंबर 2004 बिक्री सितम्बर Sm औसत। 119.3333 ए 13.3 शुद्धता की गणना पीओए (133.6666 124 119.3333) (114 119 137) 100 101.891 ए .13.4 औसत पूर्ण विचलन गणना एमएडी (133.6666 - 114 124 - 119 119.3333 - 137) 3 14.1111 ए.14 विधि 12 - घातीय चिकनाई रुझान और मौज़ूदता के साथ यह विधि विधि 11, घातीय चिकनाई के समान है, जिसमें एक औसत औसत गणना की जाती है। हालांकि, मेथड 12 में एक सुस्पष्ट प्रवृत्ति की गणना करने के लिए भविष्यवाणी समीकरण में एक शब्द भी शामिल है पूर्वानुमान एक रैखिक प्रवृत्ति के लिए समायोजित एक औसत औसत से बना है। प्रसंस्करण के विकल्प में निर्दिष्ट किया जाता है, पूर्वानुमान भी ऋतुमान के लिए समायोजित किया जाता है। सामान्य स्तर या विक्रय की परिमाण के लिए चिकनी औसत की गणना में चौरसाई निरंतर का उपयोग किया जाता है। 0 से 1 के बीच अल्फा श्रेणी के लिए वैध मान। पूर्वानुमान की प्रवृत्ति घटक के लिए चिकनी औसत की गणना में उपयोग किए गए चौरसाई निरंतर। 0 से 1 के बीच बीटा श्रेणी के लिए वैध मान। क्या मौसमी सूचकांक पूर्वानुमान के लिए लागू किया जाता है ए और बी एक दूसरे से स्वतंत्र हैं। उन्हें 1.0 में जोड़ने की ज़रूरत नहीं है। न्यूनतम आवश्यक बिक्री इतिहास: दो वर्षों से अधिक पूर्वानुमान पूर्वानुमान (पीबीएफ) के मूल्यांकन के लिए आवश्यक समय अवधि की संख्या विधि 12 दो घातीय चौरसाई समीकरणों का उपयोग करता है और एक साधारण औसत की गणना करने के लिए एक औसत औसत, एक चिकनी प्रवृत्ति और साधारण औसत मौसमी कारक का उपयोग करता है। ए.14.1 पूर्वानुमान गणना ए) एक तेजी से चिकनी औसत मैड (122.81 - 114 133.14 - 119 135.33 - 137) 3 8.2 ए.15 भविष्यवाणियों का मूल्यांकन आप प्रत्येक उत्पाद के लिए जितने बार बारह पूर्वानुमान उत्पन्न करने के लिए पूर्वानुमान विधियों का चयन कर सकते हैं। प्रत्येक पूर्वानुमान पद्धति शायद एक अलग प्रक्षेपण पैदा करेगा। जब हजारों उत्पादों का पूर्वानुमान होता है, तो प्रत्येक उत्पाद के लिए आपकी योजनाओं में उपयोग किए जाने वाले पूर्वानुमानों के बारे में एक व्यक्तिपरक निर्णय लेने के लिए यह अव्यावहारिक नहीं है। सिस्टम स्वचालित रूप से आपके द्वारा चुने गए प्रत्येक पूर्वानुमान की विधियों के लिए प्रदर्शन का मूल्यांकन करता है, और प्रत्येक उत्पाद पूर्वानुमान के लिए आप दो प्रदर्शन मानदंडों के बीच चुन सकते हैं, मीन निरपेक्ष विचलन (एमएडी) और प्रतिशतता की सटीकता (पीओए)। मैड पूर्वानुमान त्रुटि का एक उपाय है पीओए पूर्वानुमान पूर्वाग्रह का एक उपाय है इन दोनों निष्पादन मूल्यांकन तकनीकों को उपयोगकर्ता की निर्दिष्ट अवधि के लिए वास्तविक बिक्री इतिहास डेटा की आवश्यकता होती है। हाल के इतिहास की इस अवधि को एक पकड़ने की अवधि या अवधि सर्वोत्तम फिट (पीबीएफ) कहा जाता है। पूर्वानुमानित विधि के प्रदर्शन को मापने के लिए, ऐतिहासिक धारक अवधि के पूर्वानुमान के अनुकरण के लिए पूर्वानुमान फ़ार्मुलों का उपयोग करें आम तौर पर वास्तविक बिक्री डेटा और होल्डआउट अवधि के लिए नकली पूर्वानुमान के बीच अंतर होगा। जब कई पूर्वानुमान विधियों का चयन किया जाता है, तो यह प्रक्रिया प्रत्येक विधि के लिए होती है कई पूर्वानुमानों को धारण अवधि के लिए गणना की जाती है, और इसी अवधि के ज्ञात बिक्री इतिहास की तुलना में भविष्य की अनुमानित अवधि और पूर्वानुमान अवधि के दौरान वास्तविक बिक्री के बीच सर्वश्रेष्ठ मैच (सर्वोत्तम फिट) तैयार करने की पद्धति को आपकी योजनाओं में उपयोग के लिए अनुशंसित किया जाता है यह सिफारिश प्रत्येक उत्पाद के लिए विशिष्ट है, और एक पूर्वानुमान पीढ़ी से दूसरे को बदल सकती है ए .16 का अर्थ निरपेक्ष विचलन (एमएडी) एमएडी वास्तविक और पूर्वानुमान वाले डेटा के बीच विचलन (या त्रुटियों) के पूर्ण मूल्यों (या परिमाण) का औसत (या औसत) है एमएडी उम्मीद की त्रुटियों की औसत परिमाण का एक उपाय है, एक पूर्वानुमान विधि और डेटा इतिहास दिया गया है। क्योंकि गणना में पूर्ण मूल्यों का उपयोग किया जाता है, सकारात्मक त्रुटियां नकारात्मक त्रुटियां रद्द नहीं करती हैं कई पूर्वानुमान विधियों की तुलना करते समय, उस न्यूनतम अवधि वाले किसी एक व्यक्ति को उस धारणा अवधि के लिए उस उत्पाद के लिए सबसे विश्वसनीय माना जाता है। जब पूर्वानुमान निष्पक्ष होता है और त्रुटियों को सामान्य रूप से वितरित किया जाता है, तो एमएडी और वितरण के दो अन्य सामान्य उपायों, मानक विचलन और मध्य स्क्वायर त्रुटि के बीच एक सरल गणितीय संबंध है: शुद्धता (पीओए) की A.16.1 प्रतिशत शुद्धता का प्रतिशत (पीओए) है पूर्वानुमान पूर्वाग्रह का एक उपाय जब भविष्यवाणियां लगातार बहुत अधिक होती हैं, तो इन्वेंट्री एकजुट हो जाती है और इन्वेंट्री की लागत बढ़ जाती है। जब पूर्वानुमान लगातार दो कम होते हैं, तो इन्वेंटरी खपत होती है और ग्राहक सेवा में गिरावट होती है। एक पूर्वानुमान है कि 10 इकाइयां बहुत कम हैं, फिर 8 इकाइयां बहुत ऊंची हैं, फिर 2 इकाइयां बहुत अधिक हैं, एक निष्पक्ष पूर्वानुमान होगा। 10 की सकारात्मक त्रुटि 8 और 2 की नकारात्मक त्रुटियों से रद्द कर दी गई है। वास्तविकता में वास्तविकता - पूर्वानुमान जब एक उत्पाद को इन्वेंट्री में संग्रहीत किया जा सकता है, और जब पूर्वानुमान निष्पक्ष हो, तो त्रुटियों को बफर करने के लिए सुरक्षा स्टॉक की एक छोटी राशि का उपयोग किया जा सकता है इस स्थिति में, पूर्वानुमान त्रुटियों को खत्म करना इतना महत्वपूर्ण नहीं है क्योंकि यह निष्पक्ष पूर्वानुमान पैदा करना है। However in service industries, the above situation would be viewed as three errors. The service would be understaffed in the first period, then overstaffed for the next two periods. In services, the magnitude of forecast errors is usually more important than is forecast bias. The summation over the holdout period allows positive errors to cancel negative errors. When the total of actual sales exceeds the total of forecast sales, the ratio is greater than 100. Of course, it is impossible to be more than 100 accurate. When a forecast is unbiased, the POA ratio will be 100. Therefore, it is more desirable to be 95 accurate than to be 110 accurate. The POA criteria select the forecasting method that has a POA ratio closest to 100. Scripting on this page enhances content navigation, but does not change the content in any way.