Szkolenie

Prognozowanie statystyczne w analizach rynkowych z użyciem programu Minitab

O szkoleniu

Serdecznie zapraszamy na dwudniowe szkolenie, którego celem jest przekazanie wiedzy i informacji oraz:
- 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).
Dlaczego warto wziąć udział?

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.
Kto powinien wziąć udział?

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.

Program szkolenia

  • 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.

Czas trwania

2 dni po 7 godzin

Prelegenci

Cytat

trener TQMsoft

Gdzie i kiedy

Kraków 4-5 kwiecień 2022
TQMsoft

31-231 Kraków

Bociana 22A

woj. małopolskie

Gdzie i kiedy

Online 4-5 kwiecień 2022

Zapisz się

Szkolenie stacjonarne
za osobę
1749 PLN
+23% VAT
Cena zawiera:
  • udział w zajęciach
  • materiały szkoleniowo-konferencyjne
  • certyfikat uczestnictwa
  • serwis obiadowy
  • przerwy kawowe
Zapisz się
Szkolenie online
za osobę
1650 PLN
+23% VAT
Cena zawiera:
  • udział w zajęciach
  • materiały szkoleniowo-konferencyjne
  • certyfikat uczestnictwa
Zapisz się

Organizator

TQMsoft
31-231 Kraków
Bociana 22a
woj. małopolskie
Od 1996 roku wspieramy naszych Klientów w doskonaleniu jakości i produktywności. Usprawniamy procesy Klientów dostarczając i wdrażając najwyższej klasy produkty i usługi. Pomagamy doskonalić kompetencje techniczne i osobiste pracowników różnych sz...
FAQ

Najczęściej zadawane pytania

Prosimy o przejście do sekcji Zapisz się, aby wypełnić formularz zgłoszenia w wydarzeniu. Po jego wysłaniu organizator skontaktuje się celem potwierdzenia przyjęcia zgłoszenia i przekazania szczegółów organizacyjnych.

Prosimy o wypełnienie formularza zgłoszenia dostępnego na górze strony. Po jego otrzymaniu skontaktujemy się, aby potwierdzić zgłoszenie i przekazać wszystkie informacje organizacyjne.

Wymagany komputer z dostępem do internetu.

Kontakt

Masz pytania? Napisz do nas

Wypełnij formularz

Uzupełnij pole
Wybierz termin wydarzenia
Uzupełnij pole
Uzupełnij pole
Uzupełnij wiadomość
Potwierdź, że nie jesteś botem.
Musisz zaakceptować regulamin.

Dane kontaktowe

TQMsoft
31-231 Kraków Bociana 22a
Powiadomienia o nowych terminach

Zapisz się, aby otrzymywać powiadomienia o nowych terminach tego wydarzenia!