پیشینه تحقیق ومبانی نظری پيش بيني و مدل هاي پيش بيني - دانلود رایگان
دانلود رایگان
دانلود رایگان لینک دانلود و خرید پایین توضیحاتدسته بندی : ووردنوع فایل : word (..doc) ( قابل ويرايش و آماده پرينت )تعداد صفحه : 41 صفحه قسمتی از متن word (..doc) : پيش بيني و مدل هاي پيش بينيتعريف پيش بينيدر يک تعريف کلي، فرايند پيشگويي شرايط و حوادث آينده را پيش بيني ناميده و چکونگي انجام اين عمل را پيش بيني کردن ناميده مي شود (بوکوتا، 2002).هر سازماني جهت تصميم گيري آگاهانه بايد قادر به پيش بيني کردن باشد. از آنجايي که پيش بيني وقايع آينده در فرآيند تصميم گيري در سازمان نقش عمده اي را ايفا مي کند، پيش بيني کردن براي بسياري از سازمانها و نهادها حائز اهميت بالقوه اي است. بنابراين بيشتر تصميمات مديريت در تمام سطوح سازمان به طور مستقيم و يا غير مستقيم به حالتي از پيش بيني آينده بستگي دارد. در مديريت استراتژيک، پيش بيني شرايط عمومي اقتصاد، نوسانات قيمت و هزينه ي تغييرات تکنولوژي، رشد بازار و امثال آن در ترسيم آينده بلند مدت شرکت موثر است. به همين دليل است که کنترل هر فرايند، منوط به پيش بيني رفتار دوره فرآيند در آينده است. براي مثال ممکن است که در يک دوره فرآيند دستگاهي بيش از حد معين کار کند و تعداد اقلام معيوب توليد شده افزايش يابد. بنابراين براي شناسايي به موقع اين نقص بايد از روش هاي مناسب پيش بيني استفاده نموده و نسبت به تصحيح و يا حذف آن با توجه به شرايط موجود اقدام نمود (ريفنس، 1997).مدل هاي پيش بينيابزارهاي عيني و رياضي که براي پردازش و تجزيه و تحليل داده ها مورد استفاده قرار مي گيرند مدل هاي پيش بيني ناميده مي شوند. به عبارت ديگر، الگويي از يک واقعيت که ساده و کوچک شده و روابط بين متغيرهاي آن واقعيت يا سيستم را نشان مي د هد، مدل خوانده مي شود. بنابراين، هنگامي که متغيرهاي مورد نظر به صورتي منظم، ساده و قابل فهم در جهت اهداف پيش بيني در کنار يکديگر قرار گرفتند و الگويي از روابط را بوجود آوردند، يک مدل پيش بيني شکل مي گيرد. سري هاي زماني -Time seriesبه روند مقادير يک متغير در طول زمان که به صورت دوره هاي زماني با فواصل معين و يکسان تنظيم شده اند سري زماني گفته مي شود. در تحليل سري زماني وضعيت تغييرات يک متغير در گذشته مورد بررسي قرارگرفته و به آينده تعميم داده مي شود. به طور کلي مدل هايي که در تحليل سري هاي زماني مورد استفاده قرار مي گيرند به دو دسته مدل هاي خطي و غير خطي تقسيم مي شوند. مدل هاي خطي مانند مدل هاي باکس ـ جنکينز -Box-Jenkins و يکنواخت سازي نمايي براي سري هاي زماني خطي مناسب هستند، ولي در مدل سازي سري هاي زماني مالي و غير خطي با مشکل مواجه مي شوند. مدل هاي غير خطي از قبيل مدل هاي غير کاهنده آستانه اي، يک تابع غير خطي خاص و از پيش تعيين شده را پيش بيني مي کنند. به عبارتي تابع خطي مورد استفاده در اين روش ها مشخص است. نوع ديگر مدل هاي غير خطي شبکه هاي عصبي مصنوعي هستند که مي توانند هر تابعي را تخمين بزنند و فرايندهاي با رفتار ناشناخته را مدل نمايند.سري هاي زماني بدنبال مقادير يک صفت متغير در طول زمان هستند. مشاهدات عموما بايد در تاريخ هاي معين يعني در فواصل زماني تقريبا ثابت به عمل آيند. مقادير يک صفت متغير ممکن است مربوط به يک لحظه زماني و يا مربوط به يک فاصله يا دوره زماني باشد. که در حالت اول سري زماني را لحظه اي و در حالت دوم سري زماني را دوره اي و يا فاصله اي مي نامند. قيمت سهام شرکت ها در آخرين روز ماه و ماه هاي متوالي و همچنين تعداد بهره برداري هاي کشاورزي در سال هاي متوالي از نوع سري هاي زماني لحظه اي است و حجم بازرگاني خارجي در سال هاي متوالي و تعداد نامه هاي پست شده در ماه هاي متوالي و يا سال هاي متوالي از نوع سري هاي زماني دوره اي يا فاصله اي مي باشند.مطالعه سري هاي زماني در اکثر رشته ها مانند جامعه شناسي، بازرگاني، زيست شناسي، زمين شناسي و به خصوص زمينه مسائل اقتصادي پيشرفت فراوان داشته و از نظر آمارشناسان اقتصادي نه تنها تشريح وضع فعلي درباره مسائل اقتصادي، ضروري است، بلکه پيش بيني وضع براي آينده نزديک و دور نيز ضروري است. بديهي است هيچ پيش بيني بدون اطلاع از گذشته نمي تواند به عمل آيد و تهيه سري هاي زماني به منظور تامين اطلاع و آشنايي نسبت به گذشته است.مدل باکس ـ جنکينز - Box & Jenkinsمدل باکس ـ جنکينز يا آريما - Autoregressive- IntegratedMoving Average عبارتست از برازاندن يک الگوي ميانگين متحرک - Moving Average تلفيق شده با خود رگرسيو - Autoregressive به مجموعه داده ها و بدست آوردن الگوي رياضي شرطي در يک سري زماني است. يک مدل آريما سه جزء دارد (خالوزاده، 1999).خود رگرسيوميانگين يکپارچه -Integrated Averageميانگين متحرک