Prognozowanie statystyczne w analizach rynkowych z użyciem programu Minitab - szkolenie online - Szkolenia - TQMsoft
Ustawienia dostępności
Zwiększ wysokość linii
Zwiększ odległość między literami
Wyłącz animacje
Przewodnik czytania
Czytnik
Większy kursor
{[tilte]}
STAT-PROG-ONL

Prognozowanie statystyczne w analizach rynkowych z użyciem programu Minitab - szkolenie online

Metody statystyczne

Cele szkolenia

·       Poznanie metod statystycznych służących do prognozowania przebiegu procesów (sprzedażowych, zakupowych,  logistycznych, itp.) na podstawie ich historii.

·       Zdobycie wiedzy na temat praktycznego wykorzystania metod analizy regresji i analiz szeregów czasowych
w prognozowaniu.

·       Nabycie umiejętności praktycznego wykorzystania metod statystycznych w prognozowaniu z wykorzystaniem środowiska MINITAB (wybór metody, obliczenia, interpretacja wyników).

Symbol szkolenia

STAT-PROG-ONL

Terminy i miejsce

Dokumenty do pobrania

Szacunkowy udział części praktycznej: 75%

Czas trwania: 2 dni po 7 godz.

Program i ćwiczenia

·       Wprowadzenie. Metody statystyczne – zakres stosowania, wybrane dokumenty (ISO 9000:2015, ISO 9001:2015, Raport Techniczny ISO/TR 10017 - Wytyczne dotyczące technik statystycznych odnoszących się do ISO 9001). Metody statystyczne w zakresie prognozowania.

·       Prognozowanie statystyczne. Podstawowe definicje, metody prognozowania (modele ekonometryczne, modele szeregów czasowych, metody eksperckie), błędy prognozy (ex ante, ex post).

·       Obsługa programu Minitab – podstawy. Interfejs użytkownika, okna: Navigator (historia projektu), Output pane (wyniki obliczeń, rysunki), Data Pane (arkusz danych), Command Line/History (zapis projektu w języku Minitaba, zbiory do autoegzekucji, makrodefinicje). Pliki typu Minitab - .mwx, .mpx, .mtb, .mac. Arkusz danych: wprowadzanie danych (typy danych – liczbowe, tekstowe, data/godzina, waluta), operacje na danych (łączenie, dzielenie, itp.), import, eksport, obsługiwane formaty. Definiowanie projektów. Obliczanie podstawowych parametrów opisowych, graficzna prezentacja, rozkład normalny, graficzny test normalności (normal probability plot), test Andersona-Darlinga. Identyfikacja i eliminacja wyników izolowanych (odskakujących) - testy Grubbsa, Dixona.

·       Modele ekonometryczne. Korelacja, model regresyjny (liniowy, nieliniowy), regresja wielokrotna. Zasady budowy modeli ekonometrycznych (pożądane cechy modelu, dobór zmiennych, ocena współliniowości, analiza stabilności), prognoza długoterminowa, prognoza krótkoterminowa. Interpretacja - przedział predykcji a przedział prognozy. Model liniowy – regresja liniowa z jedną zmienną objaśniającą; wyznaczanie i interpretacja współczynnika korelacji, współczynnik determinacji , wyznaczanie i interpretacja równania regresji liniowej (prosta regresji), ocena błędu oszacowania zmiennej wynikowej (y) na podstawie zmiennej objaśniającej (x). Regresja wielokrotna liniowa – dobór optymalnego równania regresji („na piechotę”, metoda dołączania, odrzucania, najlepszego podzbioru). Nieliniowe modele regresyjne (sprowadzalne do modelu liniowego). Ocena poprawności modelu i siły predykcji. Testy statystyczne towarzyszące analizie regresji. Graficzna prezentacja wyników.

·       Modele szeregów czasowych. Składowe szeregu czasowego (trend, sezonowość, cykliczność, składowa przypadkowa). Dekompozycja szeregu czasowego - metoda addytywna, metoda multiplikatywna. Wygładzanie danych – metoda średniej ruchomej, wygładzanie wykładnicze (pojedyncze, podwójne), metoda Wintera, metoda Holta. Modele ARMA, ARIMA – budowa, dobór, analiza autokorelacji (funkcja autokorelacji ACF) oraz autokorelacji cząstkowej (funkcja autokorelacji cząstkowej PACF). Możliwości wykorzystania funkcji korelacji krzyżowej (CCF).

·       Ocena jakości prognozy. Błędy prognozy – rodzaje błędów, wyznaczanie, interpretacja. Błąd średniokwadratowy MSD, średni błąd absolutny MAD, procentowy średni błąd absolutny MAPE, błąd średniokwadratowy RMSE.

·       Prognozowanie zjawisk jakościowych. Podstawy wykorzystania i interpretacji modeli regresji logistycznej.

·       Indeksowanie danych. Indeksy, znaczenie indeksów, rodzaje indeksów (proste, agregatowe), prognozowanie
w oparciu o dane indeksowane.

·       Podsumowanie, dyskusja.

Ćwiczenia:

·       Ogólna statystyczna analiza danych (parametry opisowe, histogram, rozkład normalny, graficzny test normalności, identyfikacja wyników izolowanych – testy Grubbsa, Dixona).

·       Regresja liniowa z jedną zmienną objaśniającą – wyznaczanie i interpretacja równania regresji, testy istotności, interpretacja według analizy wariancji (ANOVA), miary mocy zależności liniowej – współczynnik korelacji Pearsona, współczynnik determinacji, zasady predykcji.

·       Regresja wielokrotna liniowa – wyznaczanie i interpretacja równania regresji, testy istotności, interpretacja, interpretacja według analizy wariancji (ANOVA), dobór zmiennych objaśniających (predyktorów) – metody dołączania, odrzucania, dołączania i odrzucania, metoda najlepszego podzbioru, zasady predykcji.

·       Graficzna prezentacja szeregów czasowych.

·       Analiza trendu – trend liniowy, trend sprowadzalny do modelu liniowego, trend nieliniowy.

·       Dekompozycja szeregu czasowego – model multiplikatywny, model addytywny.

·       Wygładzanie – metoda średniej ruchomej, metoda wykładnicza (rząd pierwszy), metoda wykładnicza (rząd drugi).

·       Metoda Wintera.

·       Wyznaczanie funkcji autokorelacji – funkcja autokorelacji (ACF), funkcja autokorelacji cząstkowej (PACF), funkcja autokorelacji krzyżowej (CACF).

·       Metody ARMA, ARIMA – wybór modelu, interpretacja wyników.

·       Regresja logistyczna – konstrukcja modelu, interpretacja wyników.

Analizy rachunkowe przeprowadzane w środowisku Minitab.

Korzyści dla uczestnika

 

Uczestnik uczy się:

·       Identyfikować zapotrzebowanie na stosowanie narzędzi statystycznych w prognozowaniu.

·       W jaki sposób dokonuje się wyboru, budowy i interpretacji modelu prognostycznego.

·       Praktycznego posługiwania się narzędziami statystycznymi w prognozowaniu – dobór narzędzi, zasady rachunkowe
i interpretacyjne.

 

Uczestnik dowie się:

·       Jakie są aktualnie wykorzystywane standardy i praktyki odnośnie prognozowania statystycznego.

·       Według jakich kryteriów dobrać właściwy model prognostyczny.

·       Jakich kryteriów używać odnośnie interpretacji wyników analiz prognostycznych.

Adresaci

 

·       Osoby zajmujące się analizą rynku zakupów, sprzedaży, prognozowaniem kosztów, zapotrzebowania materiałowego
i zbytu.

·       Osoby odpowiedzialne za definiowanie strategii.

·       Pracownicy działów rozwoju.

·       Liderzy i członkowie zespołów doskonalących.

Dodatkowe informacje

Szkolenie prowadzone zdalnie poprzez sesję wideokonferencji on-line z wykorzystaniem dedykowanych narzędzi.

Uczestnicy dostają link do otwarcia sesji.

Materiały dostępne w wersji elektronicznej.

Zapytaj o termin szkolenia

Jak się zgłosić na szkolenie?

  1. Pobierz kartę zgłoszenia
  2. Wypełnij i opieczętuj
  3. Wyślij na szkolenia.otwarte@tqmsoft.eu

Gotowe!


Szukasz

innego terminu, miasta
a masz do przeszkolenia minimum 4 pracowników?

Zapytaj nas o możliwości

Powiązane produkty

Potrzebujesz pomocy?

Szkolenia otwarte

Monika Kozdrój

Specjalista ds. Realizacji Szkoleń

Anna Wnęk

Młodszy Specjalista ds. Realizacji Szkoleń

Szkolenia zamknięte

Sylwia Smuga

Sylwia Smuga

Kierownik Działu Szkoleń

Karolina Paluch

Karolina Paluch

Starszy Specjalista ds. Realizacji Szkoleń

Dokumenty do pobrania