“Naivna prognoza” (buduća potražnja jednaka prethodnoj)

Ft +1 = Dt

Pomični prosjek

Ft +1 =
∑ Dt
n
Ponderirani pomični prosjek
Ft +1 = ∑ C t Dt

Eksponencijalno izglađivanje
Ft +1 = αDt + (1 − α ) Dt

Eksponencijalno izglađivanje s ukalkuliranim trendom

Korak 1: S t = αDt + (1 − α )( S t −1 + Tt −1 )

Korak 2 : Tt = β ( S t − S t −1 ) + (1 − β )Tt −1

Korak 3: FITt +1 = S t + Tt

Prognoziranje kod sezonske potražnje:

Korak 1: Izračunajte prosječnu potražnju za svaku sezonu

Korak 2: Izračunajte sezonski indeks za savku sezonu svake godine za koju imate
podatke
Korak 3: Ako imate više godina izračunajte prosjek tih indeksa
Korak 4: Godišnju potražnju pomnožite s tim indeksima

Linearna regresija:

Korak 1 : b ≡
∑ XY − nXY
∑ X − nX
2 2

Korak 2: a ≡ Y − bX

Korak 3: Y ≡ a + bX

1
 n(∑ XY ) − (∑ X ) − (∑ Y )
r≡
[n(∑ X 2
] [n(∑ Y
) − (∑ X ) 2 * 2
) − (∑ Y ) 2 ]

Greške predviđanja:

Et ≡ Dt − Ft

MAD ≡
∑ st var ni − prognozirani
n

∑ (st var ni − prognozirani )

2

MSE ≡
n

Prateći signal ≡
∑ (st var ni − prognozirani )
MAD

2
PROBLEM 1

Upotrebljavajući dolje navedene podatke, izračunajte prognozu uoptrijebljavajuči

tromjesečni i petomjesečni pomični prosjek

Mjesec Stvarna prodaja Prognoza za 3 mj. Prognoza za 5 mj.

pomični prosjek pomični prosjek
1 200
2 300
3 200
4 300
5 400
6 500
7 600
8 650
9

Rješenje:

Formula za pomični prosjek je: Ft +1 =

∑D t

n
U zadatku je traženo da se pomični prosjek radi za 3 perioda.
To znači da prvi period za koji možemo prognozirati je 4.

D1 + D2 + D3 200 + 300 + 200

F4 = = = 233,33
3 3
D + D3 + D4 300 + 200 + 300
F5 = 2 = = 266,9
3 3

Isti postupak je za pomični prosjek s pet perioda samo u tom slučaju prvi period za koji
možemo prognozirati je 6.

Stvarna Pomični prosjek Pomični prosjek

Mjesec potražnja 3 5
1 200
2 300
3 200
4 300 233,33
5 400 266,67
6 500 300,00 280,00
7 600 400,00 340,00
8 650 500,00 400,00
9 583,33 490,00

3
 700
600
500
400 Stvarna potražnja
Pomični prosjek 3
300
Pomični prosjek 5
200
100
0
0 2 4 6 8 10

Primjetite da što je kraći period prognoze to su bolji rezultati

PROBLEM 2

Upotrebljavajući dolje navedene podatke, izračunajte prognozu za 4,5,6 i 7 mjesec a

pritom uoptrijebite tromjesečni klizni prosjek i eksponencijalno izglađivanje predviđanje
s alphom od 0.3. Pretopstavite prognozu od 61 za tri mjeseca:

Mjesec Stvarna prodaja Prognoza za 3 mj. Eksponencijalna

Klizni prosjek prognoza
1 56
2 76
3 58
4 67
5 75
6 76
7

Rješenje:

Formula za pomični prosjek je: Ft +1 =

∑D t

n
U zadatku je traženo da se pomični prosjek radi za 3 perioda.
To znači da prvi period za koji možemo prognozirati je 4.

D1 + D2 + D3 56 + 76 + 58
F4 = = = 63,33
3 3

4
 D2 + D3 + D4 76 + 58 + 67
F5 = = = 67,00
3 3
Tako idemo redom sve do podataka koje imamo (zadnji koji računamo je F7):
Za eksponencijalno izglađivanje formula je: Ft +1 = αDt + (1 − α ) Ft
Da bi izračunali F4 treba nam prognoza za F3 koja nam je zadana u zadatku

F4 = αD3 + (1 − α ) F3 = 0,3 * 58 + (1 − 0,3) * 61 Oznaka $ se stavlja ako želite

Tako redom do F7 Fiksirati tu ćeliju

A B C D
1 0,3
Stvarna
2 Mjesec potražnja Pomični prosjek Eksponencijalno
3 1 56
4 2 76
5 3 58 61,00
6 4 67
63,33 60,10 =B5*$D$1+(1-$D$1)*D5
7 5 75 67,00 62,17
8 6 76 66,67 66,02
9 7 72,67 69,01

=AVERAGE(B3:B5)

Primijetite da je pomični prosjek bolji u ovoj situaciji. Eksponencijalno izglađivanje

uzima u obzir samo zadnje podatke pa «kasni u odnosu» na stvarne podatke.

5
PROBLEM 3

Ekonomski fakultet nudi tečajeve u trajanju 3 mjeseca za managere. Primijećen je

sezonski karakter u upisima. Vodi evidenciju o upisima dvije prethodne godine. Predviđa
da će slijedeće godine biti upisano 90 000 managera. Raspodijelite tu potražnju po
kvartalima:

Podaci prethodne dvije godine su slijedeći:

Upisi (u tisućama)
Godina Godina
Kvartal 2003 2004
Jesen 24 26
Zima 23 22
Proljeće 19 19
Ljeto 14 17
Ukupno 80 84

Rješenje:

Korak 1: Izračunajte prosječnu potražnju za svaku sezonu

Godišnju potražnju podijelite s 4 (jer godina ima 4 kvartala)

Godina 2003 Godina 2004

80/4=20 84/4=21

Korak 2: Izračunajte sezonski indeks za savku sezonu svake godine za koju imate
podatke

Djelite stvarnu potražnju tih prethodnih godina s prosjekom koji ste dobili gore i dobiti
ćete sezonske indekse

Godina Godina
Kvartal 2003 2004
Jesen 24/20=1,20 26/21=1,23
Zima 23/20=1,15 22/21=1,05
Proljeće 19/20=0,95 19/21=0,91
Ljeto 14/20=0,70 17/21=0,81

Korak 3: Ako imate više godina izračunajte prosjek tih indeksa

6
 Kvartal Prosječni sezonski indeks
Jesen (1,20+1,23)/2=1,219
Zima (1,15+1,05)/2=1,099
Proljeće (0,95+0,91)/2=0,928
Ljeto (0,70+0,81)/2=0,755

Korak 4: Godišnju potražnju pomnožite s tim indeksima

Prvo morate dobiti prosjek za pojedini kvartal. U zadatku je zadano da je 90000

predviđeno za cijelu godinu. Tih 90000 djelimo s 4 kvartala i dobivamo 22 500.
Tu prosjećnu kvartalnu potražnju množimo s indeksima:

Kvartal Prosječni sezonski indeks

Jesen 22 500*1,219=27 428
Zima 22 500*1,099=24 728
Proljeće 22 500*0,928=20 880
Ljeto 22 500*0,755=16 988

PROBLEM 4

“Istinska ljepota” je kozmetička kompanija koja upotrebljava eksponencijalno

izglađivanje s trendom za prognoziranje mjesečne prodaje specijalne kreme za lice. Na
kraju Studenog kompanija hoće prognozirati prodaju za Prosinac. U Listopadu je trend
bio 10 dodatnih kutija prodanih na mjesec. Prosječna prodaja je bila 60 kutija na mjesec.
Potražnja u Studenom jer bila 68 kutija. Kompanija upotrebljava α = 0.20 i β = 0.10.
Napravite prognozu i trend za Prosinac.

Rješenje:

U zadatku su nam zadane slijedeće informacije:

S Listopad = 60kutija / mje sec

TListopad = 10kutija / mje sec
DStudeni = 68kutija
α = 0,2
β = 0,1

7
Korak 1: S t = αDt + (1 − α )( S t −1 + Tt −1 ) =0,2*68+(1-0,2)(60+10)
=13,6+56=69,60

Izglađivanje trenda
Korak 2 : Tt = β ( St − St −1 ) + (1 − β )Tt −1 =0,1* (69,6-60)+0,9*10= 9,6

Korak 3: FITt +1 = St + Tt =69,6+9,6=79,59

PROBLEM 5

Vrtlar želi napraviti prognozu prodaje drva kaktusa za tromjesečje iduće godine. Prikupio
je tromjesečnu prodaju za protekle dvije godine i očekuje da će iduće godine ukupno
prodati ukupno 500 drva kaktusa. Podaci jasno pokazuju sezonsku prodaju. Koliku
prodaju može vrtlar očekivati tijekon svakog tromjesečja iduće godine, imajući na umu
sezosku prodaju drvaca?

BROJ PRODANIH KAKTUSA

Sezona Godina 1 Godina 2
Jesen 100 110
Zima 82 95
Proljeće 180 173
Ljeto 110 110
Ukupno 472 488

Rješenje:

200
180
160
140
120
Godina 1
100
Godina 2
80
60
40
20
0
0 1 2 3 4 5

8
Vrlo je vidljiva sezonska potražnja za drvcima.

Korak 1: Izračunajte prosječnu potražnju za svaku sezonu

Godišnju potražnju podijelite s 4 (jer godina ima 4 kvartala)

Godina 2003 Godina 2004

472/4=118 488/4=122

Korak 2: Izračunajte sezonski indeks za savku sezonu svake godine za koju imate
podatke

Djelite stvarnu potražnju tih prethodnih godina s prosjekom koji ste dobili gore i dobiti
ćete sezonske indekse

Kvartal Godina 2003 Godina 2004

Jesen 100/118=0,847 110/122=0,902
Zima 82/118=0,695 95/122=0,778
Proljeće 180/118=1,53 173/122=1,42
Ljeto 110/118=0,932 110/122=0,902

Korak 3: Ako imate više godina izračunajte prosjek tih indeksa

Kvartal Prosječni sezonski indeks

Jesen (0,847+0,902)/2=0,875
Zima (0,695+0,778)/2=0,737
Proljeće (1,53+1,42 9/2=1,48
Ljeto (0,932+0,902)/2=0,917

Korak 4: Godišnju potražnju pomnožite s tim indeksima

Prvo morate dobiti prosjek za pojedini kvartal. U zadatku je zadano da je 500 predviđeno
za cijelu godinu. Tih 500 djelimo s 4 kvartala i dobivamo 125.
Tu prosjećnu kvartalnu potražnju množimo s indeksima:

Kvartal Prosječni sezonski indeks

Jesen 125*8,875=109,4
Zima 125*0,737=92,13
Proljeće 125*1,48=185,0
Ljeto 125*0,917=114,4

9
PROBLEM 6

Proizvođač tenisica je zabilježio prodaju svoje najpopularnije marke tenisica u protekla

četiri mjeseca. Koristeći se linearnim trendom izračunajte prodaju tenisica u petom
mjesecu.

Mjesec Prodaja
X Y X2 Y*X
1 100 1 100
2 120 4 240
3 118 9 354
4 125 16 500
UKUPNO 10 463 30 1194

Rješenje:

Možemo pomoću excela nacrtati graf i dobiti koeficijente pravca a i b.

Prodaja po mjesecima

140
120
100
80 Prodaja Y
60 Linearni (Prodaja Y)
40 y = 7,3x + 97,5
2
20 R = 0,7469

0
0 1 2 3 4 5

Međutim ako ručno računamo koristimo slijedeći postupak:

Linearna regresija:

Korak 1 : b ≡
∑ XY − nXY
∑ X − nX
2 2

Korak 2: a ≡ Y − bX

10
Korak 3: Y ≡ a + bX

Da bi izračunali a i b trebaju nam još Y i X

X = 10 / 4 = 2,5 (imate već izračunatu sumu X samo trebate podjeliti sa 4 mjeseca za

koliko imate podatke)

Y = 463 / 4 = 115,75

Sada uvrštavamo u formule iz koraka 1 i 2:

b≡
∑ XY − nXY =
1194 − 4 * 2,5 *115,75 36,5
= = 7,3
∑ X − nX
2 2
30 − 4 * 2,5 2 5

a ≡ Y − bX =115,75-7,3*2,5=97,5

Jednadžba je:

Korak 3: Y ≡ a + bX = 97,5+7,3*X

Prema tome prognoza za 5 mjesec je:

Y ≡ a + bX = 97,5+7,3*X=97,5+7,3*5=134 pari tenisica!!!!

11
PROBLEM 7

Prodavač kućanskih aparata prikupio je podatke o odnosu između prodaje i raspoloživog

dohotka kućanstva. Za dolje navedene podatke:

a)napišite jednadžbu linerane regresije

b)izračunajte koeficient korelacije i odredite jačinu linerane veze
c)Upotrijebite jednadžbu linerane regresije kako bi prognozirali prodaju ako je
raspoloživi dohodak kućanstva 37,800.

Prodaja Raspoloživi
(u 000 kn) dohodak
kućanstva
(u 000 kn)
Y X XY X2 Y2
29.8 16.8 500.6 282.2 888.0
35.9 18.4 660.6 338.6 1,228.8
38.8 20.4 791.5 416.2 1,505.4
43.6 22.9 998.4 524.4 1,900.9
46.8 25.7 1,202.8 660.5 2,190.2
49.5 27.3 1,351.4 745.3 2,450.3
52.3 32.1 1,678.8 1,030.4 2,735.3
55.2 35.2 1,943.0 1,239.0 3,047.0
57.2 36.3 2,076.4 1,317.7 3,271.8
58.6 38.2 2,238.5 1,459.2 3,433.9
467.7 273.3 13,442.0 8,013.5 22,711.6

Rješenje:

Prvo izračunamo koeficijente a i b:

Za to nam još trebaju Y i X

X = 273,3 / 10 = 27,3
Y = 467,7 / 10 = 46,8

Korak 1 : b ≡
∑ XY − nXY =
13442 − 10 * 27,3 * 46,8
=1,19
∑ X − nX2 2
8013,5 − 10 * 27,32

12
Korak 2: a ≡ Y − bX =46,8-1,19*27,3=14,31

Korak 3: Y ≡ a + bX =14,31+1,19*X

Izračunajte koeficijent korelacije:

n(∑ XY ) − (∑ X ) − (∑ Y )
r≡ =
[n(∑ X 2
] [
) − (∑ X ) 2 * n( ∑ Y 2 ) − (∑ Y ) 2 ]
10 *13442 − 273,3 * 467,7
= =
10 * 8013,5 − 273,32 10 * 22711,6 − 467,7 2
= 0,977

Budući da je koeficijent korelacije veći od |0,5| korelacija se smatra dobrom

Naposlijetku treba izračunati prognozu prodaje ako je prihod kućanstva 37 800 kn.

Y ≡ a + bX =14,31+1,19*X=14,31+1,19*37800=59290kn

13
 PROBLEM 8

Kompanija uspoređuje točnost davaju metoda prognoziranja. Upotrijebite MAD kako bi

usporedili točnost ovih metoda u zadnjih pet tjedana prodaje. Koja metoda osigurava
bolju točnost prognoziranja?

METODA A METODA B
Tjedan Stvarna Prognoz Pogreška Pog. Prognoza Pogreška Pog.
prodaja a
1 25 30 -5 5 30 -5 5
2 18 20 -2 2 16 2 2
3 26 23 3 3 25 1 1
4 28 29 -1 1 30 -2 2
5 30 25 5 5 28 2 2
Ukupno 0 16 -2 12

Rješenje:

Formula za pogrešku je:

MAD ≡
∑ st var ni − prognozirani
n

Izračunamo za obje metode i onaj koji je manji daje bolju prognozu

MADA=16/5=3,2

MADB=12/5=2,4

Primjećujemo da metoda B ima manji MAD te je bolja za prognozu.

14
PROBLEM 9

Izračunajte prateći signal za slijedeće podatke i provjerite da li je metoda prognoze

prihvatljiva. Pretpostavite da je MAD = 2.

Tjedan Stvarna Prognoza (F) Greška (E) Kumulativna Prateći

potražnja pogreška signal (TS)
(D)
4 2
1 8 10
2 11 10
3 12 10
4 14 10

Rješenje:

Prvo izračunajte grešku i kumulativnu grešku za ova 4 tjedna

Tjedan Stvarna Prognoza (F) Greška (E) Kumulativna Prateći

potražnja pogreška signal (TS)
(D)
4 2
1 8 10 -2 2 =2/2=1
2 11 10 1 3 =3/2=1,5
3 12 10 2 5 =5/2=2,5
4 14 10 4 9 =9/2=4,5

Prateći signal ≡
∑ (st var ni − prognozirani )
MAD

Treba primjetiti da prateći signal raste i to nije dobro. Poželjno revidirati metodu
prognoze.

15