مبانی نظری وپیشینه تحقیق پیش بینی و مدل های پیش بینی
مبانی نظری وپیشینه تحقیق پیش بینی و مدل های پیش بینی
فرمت فایل دانلودی: .zipفرمت فایل اصلی: word
تعداد صفحات: 42
حجم فایل: 191
قیمت: 20000 تومان
بخشی از متن:
مبانی نظری وپیشینه تحقیق پیش بینی و مدل های پیش بینی
مشخصات این متغیر:
منابع: دارد
پژوهش های داخلی و خارجی: دارد
کاربرد این مطلب: منبعی برای فصل دوم پایان نامه، استفاده در بیان مسئله و پیشینه تحقیق و پروپوزال، استفاده در مقاله علمی پژوهشی، استفاده در تحقیق و پژوهش ها، استفاده آموزشی و مطالعه آزاد، آشنایی با اصول روش تحقیق دانشگاهی
نوع فایل:wordوقابل ویرایش
پیش بینی و مدل های پیش بینی
تعریف پیش ¬بینی
در یک تعریف کلی، فرایند پیشگویی شرایط و حوادث آینده را پیش¬بینی نامیده و چکونگی انجام این عمل را پیش¬بینی کردن نامیده می¬شود (بوکوتا، 2002).
هر سازمانی جهت تصمیم¬گیری آگاهانه باید قادر به پیش¬بینی کردن باشد. از آنجایی که پیش¬بینی وقایع آینده در فرآیند تصمیم¬گیری در سازمان نقش عمده ای را ایفا می کند، پیش-بینی کردن برای بسیاری از سازمانها و نهادها حائز اهمیت بالقوه¬ای است. بنابراین بیشتر تصمیمات مدیریت در تمام سطوح سازمان به طور مستقیم و یا غیر مستقیم به حالتی از پیش¬بینی آینده بستگی دارد.
در مدیریت استراتژیک، پیش¬بینی شرایط عمومی اقتصاد، نوسانات قیمت و هزینه¬ی تغییرات تکنولوژی، رشد بازار و امثال آن در ترسیم آینده بلند¬مدت شرکت موثر است. به همین دلیل است که کنترل هر فرایند، منوط به پیش¬بینی رفتار دوره فرآیند در آینده است. برای مثال ممکن است که در یک دوره فرآیند دستگاهی بیش از حد معین کار کند و تعداد اقلام معیوب تولید شده افزایش یابد. بنابراین برای شناسایی به موقع این نقص باید از روش های مناسب پیش¬بینی استفاده نموده و نسبت به تصحیح و یا حذف آن با توجه به شرایط موجود اقدام نمود (ریفنس، 1997).
مدل ¬های پیش ¬بینی
ابزارهای عینی و ریاضی که برای پردازش و تجزیه و تحلیل داده¬ها مورد استفاده قرار می¬گیرند مدل¬های پیش¬بینی نامیده می¬شوند. به عبارت دیگر، الگویی از یک واقعیت که ساده و کوچک شده و روابط بین متغیرهای آن واقعیت یا سیستم را نشان می¬د¬هد، مدل خوانده می¬شود. بنابراین، هنگامی که متغیرهای مورد نظر به صورتی منظم، ساده و قابل فهم در جهت اهداف پیش¬بینی در کنار یکدیگر قرار گرفتند و الگویی از روابط را بوجود آوردند، یک مدل پیش¬بینی شکل می¬گیرد.
سری ¬های زمانی
به روند مقادیر یک متغیر در طول زمان که به صورت دوره¬های زمانی با فواصل معین و یکسان تنظیم شده¬اند سری زمانی گفته می¬شود. در تحلیل سری زمانی وضعیت تغییرات یک متغیر در گذشته مورد بررسی قرارگرفته و به آینده تعمیم داده می¬شود. به طور کلی مدل¬هایی که در تحلیل سری¬های زمانی مورد استفاده قرار می¬گیرند به دو دسته مدل¬های خطی و غیر-خطی تقسیم می¬شوند.
مدل¬های خطی مانند مدل¬های باکس ـ جنکینز و یکنواخت سازی نمایی برای سری¬های زمانی خطی مناسب هستند، ولی در مدل-سازی سری¬های زمانی مالی و غیر¬خطی با مشکل مواجه می¬شوند.
مدل¬های غیر¬خطی از قبیل مدل¬های غیر¬کاهنده آستانه¬ای، یک تابع غیر¬خطی خاص و از پیش تعیین شده را پیش¬بینی می¬کنند. به عبارتی تابع خطی مورد استفاده در این روش¬ها مشخص است. نوع دیگر مدل¬های غیر خطی شبکه¬های عصبی مصنوعی هستند که می توانند هر تابعی را تخمین بزنند و فرایندهای با رفتار ناشناخته را مدل نمایند.