Lucko Projektovanje I Upravljanje Milos Radi Čevic

Univerzitet u Beogradu, Saobraajni fakultet
Seminarski rad iz predmeta:
Luko projektovanje i upravljanje
Profesor: Dr
Katarina Vukadinovi, dipl in
Asistent:
Mr Danijela Pjevevi
Student:
Milo Radievi VD070256
ZADATAK 1
Uprava luke razmilja da proiri svoju delatnost na uvoz, pakovanje i prodaju vetakog NPK
ubriva.
Postoje 3 alternative:
1) da unajme konsultantsku kuu koja e sprovesti istraivanje lokalnog trita, tj. ispisati
potrebu lokalnih poljoprivrednika za tom vrstom ubriva. A luka e u zavisnosti od
dobijenih rezultata odluiti da li da pone sa tim poslom i plasira ubrivo na nacionalno
trite;
2) da odmah (bez ispitivanja trita) pone sa novim poslom;
3) da odmah (bez ispitivanja trita) odlui da ne pone sa novim poslom.
U sluaju neispitivanja trita, luka veruje da postoji ansa od 55% da se NPK ubrivo dobro
prodaje na domaem tritu. Ako bi se ubrivo dobro prodavalo, kapital luke bi se uveao za 300
000 $, a u suprotnom bi se smanjio za 100 000 $.
Ispitivanje trita bi ih kotalo 30 000 $. Pretpostavlja se da e rezultati istraivanja biti
pozitivni po luku (prodaja ubriva na lokalnom tritu bi donela uspeh) u 60% sluajeva, dok bi u
40% sluajeva bili negativni.
Ako je na lokalnom tritu uoena zainteresovanost za NPK ubrivo, anse da ovaj posao
bude uspean i na nacionalnom nivou su 85%. U suprotnom, ansa da uspeju na domaem tritu je
samo 10%.
Koju strategiju treba da izabere luka da bi maksimizirala dobit?
REENJE:
Drvo odluivanja se koristi kako bi se hronoloki mreom predstavio proces odluivanja. Postoje dve
vrste vorova:
- vor odluivanja (predstavlja se kvadratom). Svaka grana koja polazi iz vora odluivanja
odnosi se na odreene alternative izmeu kojih se odluuje, i sadri trokove ili dobit koji su
povezani sa tom odlukom.
- sluajni vor (predstavlja se krugom). Grane koje izlaze iz sluajnog vora predstavljaju
sluajne dogaaje i svaki od njih je odreen verovatnoom da e se bas taj dogaaj odigrati.
Da bi se drvo koje predstavlja odreen problem pravilno nacrtalo, potrebno je poeti od sadanjeg
trenutka i ii ka budunosti. Na slici 1.1. prikazano je drvo odluivanja za posmatrani problem.
Drvo odluivanja se reava sa desna na levo.
Ako je data dobit, trai se maksimum, a ako su dati trokovi, trai se minimum.
U svakom sluajnom voru se rauna oekivana vradnost (expected value) na osnovu formule:
EV = P1 D1 + P2 D 2 + + Pn D n , gde su:
P1, P2, ... ,Pn verovatnoe nekog dogaaja
D1, D2, ... ,Dn dobit ili gubitak koji prati taj dogaaj
U vorovima odluivanja jednostavno se bira vea (za maksimum) ili manja (za minimum) vrednost
koju svaka alternativa nosi sa sobom. Postupak se ponavlja sve dok se ne doe do poetka drveta
odluivanja.
vor 1:
Izbor se vri izmeu alternativa sprovesti ispitivanje lokalnog trista ili ne. U sluaju da se vri
ispitivanje oekuju se dobiti od 144 000 $, meutim neophodno je platiti konsultantskoj kui 30 000
$, tako da konana dobit iznosi:
144 000 30 000 = 114 000 $
S druge strane u sluaju ne ispitivanja lokalnog trita oekivana dobit iznosi 120 000 $, tako da
se u voru 1 bira alternativa ne sprovodi istraivanje lokalnog trita, a zatim u voru 3
alternativa plasirati robu na nacionalnom nivou jer je u tom sluaju oekivana dobit najvea.
vor 2:
EV 2 = P1 D1 + P2 D 2 = 0,60 240000 + 0,40 0 = 144000
(u ovom voru za dobit, tj. gubitak uzete su vrednosti dobijene u vorovima 4 i 5)

vor 3:
Izbor se vri izmeu alternative ne plasirati robu na nacionalnom nivou sto ne donosi nikakvu
dobit ili plasiratiza ta se oekuje dobit od 120 000 $, tako da se u voru 3 bira alternativa
plasirati robu na domae trite.
vor 4:
Izbor se vi izmeu alternative ne plasirati robu na nacionalnom nivou to ne donosi nikakvu dobit
ili plasirati za ta se oekuje dobit od 240 000 $, tako da se u voru 4 bira alternativa plasirati
robu na domae trite.
vor 5:
Izbor se vi izmeu alternative ne plasirati robu na nacionalnom nivou to ne donosi nikakvu dobit
ili plasirati za ta se oekuju gubici od 60 000 $, tako da se u voru 5 bira alternativa ne plasirati
robu na domae trite.
vor 6:
EV 6 = P1 D1 + P2 D 2 = 0,55 300000 + 0,45 ( 100000 ) = 120000
vor 7:
EV 7 = P1 D1 + P2 D 2 = 0,85 300000 + 0,15 ( 100000 ) = 240000
vor 8:
EV 8 = P1 D1 + P2 D 2 = 0,10 300000 + 0,90 ( 100000) = 60000
Slika 1.1. Drvo odluivanja
Na slici 1.2. prikazano je reenje u WinQSB-u, sa vrednostima za svaki vor.
Slika 1.2. Vrednosti prorauna u WinQSB-u.
ZAKLJUAK:
Izbor se vri u voru 1, tj. izmeu alternativa sprovesti ispitivanje lokalnog trista ili ne
sprovesti ispitivanja lokalnog trita. U sluaju da se vri ispitivanje lokalnog trita oekuje se
dobiti od 144 000 $, meutim neophodno je platiti konsultantskoj kui 30 000 $, tako da konana
dobit iznosi 114 000 $. S druge strane u sluaju ne ispitivanja lokalnog trita oekivana dobit
iznosi 120 000 $, tako da se u voru 1 bira alternativa ne sprovodi istraivanje lokalnog trita, a
zatim se u voru 3 bira alternativa plasirati robu na nacionalnom nivou, jer je u tom sluaju
oekivana dobit najvea.
ZADATAK 2
Uprava pristanita bi trebalo da odlui o izgradnji dugakog ili kratkog kejskog zida
(operativne obale) na terminalu za pretovar ljunka (rasuti teret). Izgradnja dugakog kejskog zida je
ekonomski opravdana pri visokoj potranji, odnosno zahtevima za istovar robe. Kratki kejski zid bi
po projektu mogao da se produi za dve godine ukoliko je to potrebno. Postavljeni zadatak je
vieetapni. Potrebno je nai reenje u sadanjem trenutku o razmeri kejskog zida, a u sluaju da se
izgradi krai kejski zid, moe se razmijati o njegovom produenju.
Pretpostavlja se da uprava luke donosi odluke za period od 10 godina. Analiza trine
potranje pokazuje da su verovatnoe visokog i niskog nivoa potranje 0,70 i 0,30. Izgradnja
dugakog / kratkog / kejskog zida bi iznosila 5 000 000 $ / 1 000 000 $ /. Trokovi produenja
kratkog kejskog zida nakon 2 godine su 4 000 000 $. Procenjeni prihodi ostvareni konstrukcijom
alternative su:
o dugaki kejski zid pri visokoj / niskoj / potranji bi donosio prihode od 1 00 000 $ /
320 000 $ / godinje;
o kratki kejski zid pri visokoj / niskoj / potranji bi donosio prihode od 250 000 $ / 200
000 $ / godinje;
o produeni kratki kejski zid pri visokoj / niskoj / potranji bi donosio prihode od 950
000 $ / 200 000 $ / godinje.
Vrednost alternative pretpostavljajui da je kamatna stopa i = 7% godinje.
REENJE:
Zadatak se moe predstaviti u vidu drveta odluivanja, gde su prognozirani prihodi dati na
godinjem nivou za neki budui period. Tako da, pre nego to se pristupi donoenju odluke, potrebno
je prognozirane prihode po godinama svesti na sadanju vrednost kako bi mogli da se izraunaju
oekivani prihodi za posmatrane alternative.
Polazei od vora 1 (
) potrebno je prihvatiti reenje o veliini kejskog zida. Drugi i trei
vor su sluajni (
) i iz njih polaze po dve grane koje odgovaraju visokom i niskom nivou
potranje. Nivoi potranje su predstavljeni odgovarajuim verovatnoama realizacije koja zavisi od
situacije na tritu. Prirodno je da e luka razmatrati produenje kratkog kejskog zida samo u sluaju
velike potranje. To bi znailo da se u etvrtom voru donosi odluka: produiti ili ne produiti kejski
zid. Peti i esti vor su sluajni sa po dve izlazne grane koje odgovaraju razliitim nivoima potranje.
Podaci neophodni za donoenje odluka su: verovatnoe realizacija svake grane koja polazi iz
sluajnog vora i prihodi i trokovi koji su povezani sa svakom alternativom. Na slici 2.1. prikazan je
izgled drveta odluivanja za posmatrani problem.
Slika2.1. Drvo odluivanja

C= 4000000 $
C=200000 $
C=200000 $
C=250000 $
C=200000 $
C=950000 $
C=320000 $
C=1000000 $
Za izraunavanje sadanje vrednosti koristi se funkcija NPV u okviru programskog paketa

Excel.
U tabeli 2.1. prikazan je deo radnog lista iz Excel-a na kome je izvren sav potreban
proraun.
Tabela 2.1. Prikaz prorauna NPV i EV za sve varijante u okviru programskog paketa MS Excel
(vrednosti su date u milionima).
Godina
Dugacak
kejski zid
10 NPV($) EV($)
Visoka
-5 1
1
1
1
1
1
1
1
1
1
$2.02
potranja
$0.59
Niska
-5 0.32 0.32 0.32 0.32 0.32 0.32 0.32 0.32 0.32 0.32 ($2.75)
potranja
Godina
Ne
Visoka
produzenje potranja
kratkog
kejskog zida
Niska
nakon
potranja
2.godine
Godina
Produzenje Visoka
kratkog
potranja
kejskog zida
niska
nakon
2.godine potranja
2
0
10 NPV($) EV($)
0.25 0.25 0.25 0.25 0.25 0.25 0.25 0.25
$1.40
$1.31
0.2
0.2
0.2
0.2
0.2
0.2
0.2
0.2
$1.12
10 NPV($) EV($)
-4 0.95 0.95 0.95 0.95 0.95 0.95 0.95 0.95
$1.67
$0.33
-4
0.2
Godina
0 1
2
3
Visoka
potraznja
-1 0.25 1.52
Kratki kejski
zid
niska
potraznja -1 0.2 0.2 0.2
0.2
0.2
0.2
0.2
0.2
0.2
0.2 ($2.81)
10 NPV($) EV($)
$0.56
0.2
0.2
0.2
0.2
0.2
0.2
0.2
$0.40
$0.51
ZAKLJUAK:
Poto se drvo odluivanja reava sa desna na levo prvo se posmatraju alternative C i D. Za
donoenje odluke o produenju kratkog kejskog zida, potrebno je izraunati oekivane vrednosti u
vorovima 4 i 5, a onda dobijene vrednosti uporediti i izabrati veu (jer je cilj da se dobit
maksimizira). Neophodno je naglasiti da se u ovom sluaju neto sadanje vrednosti raunaju za
period poslednjih 8 godina (jer se odluka donosi u 2 godini desetogodinjeg perioda), to u stvari
znai da se dobija vrednost novca za 2 godinu, a ne sadanja vrednost.
Nakon to su odreene traene vrednosti, jasno je da se u voru 4 bira alternativa D, tj. ne
produiti kratki kejski zid (tabela 2.1.). Po donoenju ove odluke mogue je dalje nastaviti sa
analizom varijante o izgradnji kratkog kejskog zida (alternatina B).
Dok je sluaj visoke potranje neto drugaiji. U prvoj i drugoj godini postoji prihod od 250
000 $, a za naredni period od 8 godina ne postoji jasno precizan prihod, tj. on zavisi od odluke koja
bude u tom trenutku doneena (prodiiti ili ne produiti kejski zid). A poto je u prethodnom koraku
ve odreena odluka za vor 4, kao i vrednost prihoda u drugoj godini, ta vrednost se pridodaje
prihodu iz druge godine kako bi zajedno bili diskontovani na sadanji period / na nultu godinu. Kada
su odreeni i uporeeni oekivani prihodi za alternative A i B, moe se doneti odluka u voru 1 i bira
se alternativa B, odnosno kratki kejski zid.
ZADATAK 3
U luci je neophodan razliit broj stalno zaposlenih radnika sa punim radnim vremenom razliitim
danima u nedelji. Broj potrebnih radnika po danima dat je u tabeli ispod. Prema pravilima sindikata
svaki radnik mora da radi 5 uzastopnih dana u nedelji, a zatim ima 2 dana slobodno / pauze. Na
primer, radnik, koji pone da radi u ponedeljak, radi do petka, a onda je slobodan u subotu i nedelju.
(Uprava luke eli da ispuni svoje zahteve tako to e zaposliti samo radnike sa punim radnim
vremenom). Formulisati zadatak linearnog programiranja koji luka moe da koristi kako bi
minimizirala broj radnika koji mora da zaposli.
Tabela 3.1.
Dan u
nedelji
Potreban
broj
radnika
Ponedeljak
Utorak
Sreda
etvrtak
Petak
Subota
Nedelja
18
16
15
19
14
12
REENJE:
Promenljive: x1, x2, x3, x4, x5, x6, x7 (broj stalno zaposlenih radnika sa punim radnim vremenom).
F-ja cilja:
minF = x1 + x2 + x3 + x4 + x5 + x6 + x7
Ogranienja:
Ponedeljak: x1 + x4 + x5 + x6 + x7 18
Utorak:
x1 + x2 + x5 + x6 + x7 16
Sreda:
x1 + x2 + x3 + x6 + x7 15
etvrtak: x1 + x2 + x3 + x4 + x7 19
Petak:
x1 + x2 + x3 + x4 + x5 14
Subota:
x2 + x3 + x4 + x5 + x6 12
Nedelja:
x 3 + x4 + x 5 + x6 + x 7 9
x1, x2, x3, x4, x5, x6, x7 0
Naslici 3.1.dat je prikaz prorauna F-je cilja (gde je minF = 22) u okviru programskog
paketa MS Excel, sa potrebnim brojem stalnih radnika sa punim radnim vremenom za svaki dan u
nedelji, tj. x1 = 9, x2 = 4, x3 = 0, x4 = 6, x5 = 1, x6 = 1, x7 = 1.
Slika 3.1. Prikaz prorauna F-je cilja u okviru programskog paketa MS Excel.
ZAKLJUAK:
Za reavanje problema minimalnog broja stalnih radnika sa punim radnim vremenom koje
luka mora da zaposli koristi se funkcija Solver u okviru programskog paketa MS Excel, pri emu se
na taj nain za funkciju cilja dobija minF = 22. Za datu vrednost funkcije cilja broj stalnih radnika sa
punim radnim vremenom u toku nedelje prikazan je u tabeli 3.2.
Tabela 3.2. Broj stalnih radnika sa punim radnim vremenom za svaki dan u nedelji.
Ponedeljak
Utorak
Sreda
etvrtak
Petak
Subota
Nedelja
9
4
0
6
1
1
1
ZADATAK 4
Svakog meseca menader prodavnice audio i video ureaja za kuu i automobile mora da porui
robu od udaljenih skladita. Menader pokuava da proceni koliko ureaja e biti prodato sledeeg
meseca. Kao pomo u tom procesu on je sakupio podatke date u narednim tabelama kao broj
prodatih ureaja tokom protekla 24 meseca. On eli da iskoristi te podatke da bi napravio svoju
procenu.
Tabela 4.1.
Vremenski period
Broj prodatih ureaja
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
33
38
31
35
30
36
34
39
39
36
40
38
37
39
32
38
37
39
37
35
37
34
35
36
REENJE:
Uoptena forma eksplatacionog modela:
^
Y t + 1 = f ( Yt , Yt 1 , Yt 2 ,...)
Gde su:
^
Y t + 1 - prognozirana vrednost promenljive za period t+1;

Yt - vrednost promenljive za period t.
MERE ODSTUPANJA
Srednje apsolutno odstupanje (mean absolute deviation):
MAD =
Yi Yi
i
Srednja apsolutna procentna greka (mean absolutepercenterror):
^
Yi Yi
100
MAPE =
n i Yi
Srednja kvadratna greka (mean square error):
^2

Yi Y
MSE =
i n
Koren srednje kvadratne greke (root mean square error):

RMSE = MSE
STACIONARNI MODELI
TEHNIKA PROSENOG ODSTUPANJA
^
Y t+ 1 =
Yt + Yt 1 + + Yt k+ 1
k
Gde je:
k broj prethodnih posmatranja koji e biti ukljueni u proseno odstupanje:
U tabeli 4.1. prikazan je poraun prognoziranih vrednosti i srednja kvadratna greka (MSE = 6,93 za
k = 2; MSE = 7,66 za k = 4).
Tabela 4.1. Prikaz prorauna prognoziranih vrednosti i MSE u okviru programskog
paketa MS Excel.
Vremenski
Period
Broj
Prodatih
Ureaja
1
2
3
4
5
6
7
8
9
10
11
12
13
14
33
38
31
35
30
36
34
39
39
36
40
38
37
39
k=2
k=4
35.50
34.50
33.00
32.50
33.00
35.00
36.50
39.00
37.50
38.00
39.00
37.50
34.25
33.50
33.00
33.75
34.75
37.00
37.00
38.50
38.25
37.75
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
32
38
37
39
37
35
37
34
35
36
MSE
38.00
35.50
35.00
37.50
38.00
38.00
36.00
36.00
35.50
34.50
35.50
35.75
35.63
35.69
35.66
38.50
36.50
36.50
36.50
36.50
37.75
37.00
37.00
35.75
35.25
35.50
35.13
35.41
35.51
35.38
6.93181
8
7.6625
Na grafiku 4.1. dat je prikaz stanionarnog modela tehnike prosenog odstupanja.
Stacionarni modeli Tehnika prosenog odstupanja
Grafik 4.1. Stacionarni model Tehnika prosenog odstupanja.
TEINSKO PROSENO ODSTUPANJE
Y t+ 1 = w 1 Yt + w 2 Yt 1 + + w k Yt k+ 1
Vrednost teine: 0 w i 1 i
w
i
=1.
U tabeli 4.2. prikazan je poraun prognoziranih vrednosti i srednja kvadratna greka (MSE = 6,28 za
k = 2).

paketa MS Excel
Broj
Vremenski
Prodatih
Period
Ureaja
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
33
38
31
35
30
36
34
39
39
36
40
38
37
39
32
38
37
39
37
35
37
34
35
36
MSE
w1
w2
wi
k=2
34.45706
35.96012
32.16564
33.54294
31.74847
35.41718
35.45706
39
38.12577
37.16564
39.41718
37.70859
37.58282
36.96012
33.74847
37.70859
37.58282
38.41718
36.41718
35.58282
36.12577
34.29141
35.29141
6.287089
0.29
0.71
1
Na grafiku 4.2. dat je prikaz stanionarnog modela teinsko proseno odstupanje.
Stacionarni modeli Teinsko proseno odstupanje
Grafik 4.2. Stacionarni model Teinsko proseno odstupanje.
EKSPONENCIJALNO IZRAVNAVANJE (EXPONENTIAL SMOOTHING)
Yt+1 = Yt+ Yt Yt
^ ^ ^
Gde su:
^
Y t - prognozirana vrednost za predhodni period;
^ - greka napravljena pri prognoziranju vrednosti za period t;

Yt Yt

0 1.
U tabeli 4.3. prikazan je poraun prognoziranih vrednosti i srednja kvadratna greka (MSE = 7,49).

paketa MS Excel.
Broj
Vremenski
Prognozirane
Prodatih
Period
vrednosti
Uredjaja
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
33
38
31
35
30
36
34
39
39
36
40
38
37
39
32
38
37
39
37
35
37
34
35
36
MSE
33
33
34.33944477
33.4448444
33.86145341
32.82701269
33.67702095
33.76354347
35.16633233
36.19332956
36.1415387
37.17517787
37.39613861
37.29001745
37.74810289
36.20824961
36.68823975
36.77175688
37.3686786
37.26991367
36.66182887
36.75242118
36.01507795
35.74314978
7.493564854
0.26
Na grafiku 4.3. dat je prikaz stanionarnog modela eksponencijalno izravnavanje.
Stacionarni modeli Eksponencijalno izravnavanje
Grafik 4.3. Stacionarni model Eksponencijalno izravnavanje.
ZAKLJUAK:
Za dati problem procene koliko ureaja menader moe da proda sledeeg meseca koriste se sledee
metode prognoze koje pripadaju stacionarnim modelima, a to su: tehnika prosenog odstupanja,
teinsko proseno odstupanje, eksponencijalno izravnavanje (exponential smoothing). Nakon
prorauna u okviru programskog paketa MS Excel-adobijeni rezultati za srednju kvadratnu greku
(mean square error - MSE) prikazani su u tabeli 4.4.
Tabela 4.4. Vrednosti MSE za date metode prognoze.
Metoda prognoze
Tehnika prosenog odstupanja
Teinsko proseno odstupanje
Eksponencijalno izravnavanje
(exponential smoothing)
MSE
6,93 (za k = 2)
7,66 (za k = 4)
6,28 (za k = 2)
7,49
Bira se onaj stacionalni model prognoze koji ima najmanju srednju kvadratnu greku, a to je u ovom
sluaju metod teinskog prosenog odstupanja, gde je MSE = 6,28.
ZADATAK 5
Klimatska kontrola Savane prodaje i servisira split sisteme za stanove. Prodaja split sistema tei da
bude vea od prosene u periodu zime i leta kada su temperature ekstremnije. Slino tome, prodaja je
manja u periodima prolea i jeseni kada su temperature manje ekstremne. Vlasnik kompanije je
sakupio podatke o prodaji po kvartalima za nekoliko prethodnih godina. On eli da analizira podatke
i kreira model kako bi procenio broj jedinica koje e prodati svakog kvartala u 2011.godini.
Tabela 5.1.
Godina
2005
2006
2007
2008
2009
2010
2011
Kvartal
Vremenski
period
Prodaja split
sistema
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
265
305
325
295
411
349
405
337
360
322
397
290
360
301
394
382
334
295
379
296
350
338
394
315
REENJE:
SEZONSKI KARAKTER
(pravilan obrazac ponavljanja podataka)
1. Dodatni efekat (tei da bude istog reda veliina svaki put kad se sezonski karakter sretne);
2. Viestruki efekat (tei da svaki put ima uveanje kad se sezonski karakter sretne).
STACIONARNI PODACI SA DODAJUIM SEZONSKIM EFEKTOM
^
Y t+ n = E t + St+ n p
E t = ( Yt S t p ) + (1 ) E t 1
S t = ( Yt E t ) + (1 ) S t p
0 1 i 0 1
Gde su:
Et oekivani nivo vremenske serije u periodu t;
St sezonski faktor za period t;
p konstanta koja predstavlja broj sezonskih perioda u datim podacima.
Za prvi period p:
p
Et =
i =1
Yi
, t = 1, 2,..., p
p
S t = Yt E t , t = 1, 2,..., p
U tabeli 5.1. prikazan je poraun prognoziranih vrednosti i srednja kvadratna greka (MSE =
2701,35).

paketa MS Excel.
Godina
2005
2006
2007
2008
2009
2010
2011
Vremenski
Kvartal
peiod
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
Prodaja
Sezonski
Oekivani
Prognozirane
split
faktor
nivo (Et)
vrednosti
sistema
(St)
265
297.5
-32.5
305
297.5
7.5
325
297.5
27.5
295
297.5
-2.5
411
399.22
-19.07
265.00
349
359.01
2.19
406.72
405
371.89
29.20
386.51
337
349.32
-5.48
369.39
360
370.05
-16.34
330.25
322
335.05
-2.43
372.24
397
357.87
32.21
364.25
290
314.40
-11.22
352.39
360
357.55
-10.64
298.06
301
319.84
-7.41
355.12
394
349.07
36.07
352.06
382
379.83
-7.16
337.85
334
355.31
-13.88
369.19
295
318.45
-12.27
347.90
379
335.51
38.32
354.52
296
312.97
-10.13
328.35
350
348.44
-9.19
299.09
338
349.72
-12.10
336.16
394
353.87
38.87
388.04
315
333.85
-12.77
343.74
327.12
-10.08
324.65
327.11
-12.11
315.02
291.59
34.18
365.98
316.80
-9.45
278.82
MSE
2701.353
0.7
0.3
1
Na grafiku 5.1. dat je prikaz sezonskog karaktera stacionarni podaci sa dodajuim sezonskim
efektom.
Sezonski karakter Stacionarni podaci sa dodajuim sezonskim efektom
Grafik 5.1. Sezonski karakter stacionarni podaci sa dodajuim sezonskim efektom.
STACIONARNI PODACI SA VIESTRUKIM SEZONSKIM EFEKTOM

^
Y t+ n = E t St+ n p
E t = ( Yt / S t p ) + (1 ) E t 1
S t = ( Yt / E t ) + (1 ) S t p
0 1 i 0 1
Za prvi period p:
p
Et =
i =1
Yi
, t = 1, 2,..., p
p
S t = Yt / E t , t = 1, 2,..., p
2045,67).

paketa MS Excel.
Godina
Vremenski
Kvartal
peiod
1
2
1
2
10
11
12
13
14
15
16
17
18
19
20
21
2
3
22
23
2005
2006
2007
2008
2009
2010
Prodaja
Sezonski
Oekivani
Prognozirana
split
efekat
nivo (Et)
vrednost
sistema
(St)
0.89075
265
297.5
6
305
297.5
1.02521
1.09243
325
297.5
7
0.99159
295
297.5
7
1.05004
411
358.85
5
265
1.00419
349
351.95
1
367.8951
1.11481
405
358.98
3
384.4833
0.97049
337
351.82
4
355.9629
1.03945
360
348.46
2
369.4288
0.97185
322
338.05
5
349.9213
1.13767
397
344.81
3
376.8667
0.91714
290
327.60
6
334.6395
1.06224
360
334.61
2
340.5215
0.94273
301
325.29
6
325.1934
1.16578
394
333.16
5
370.0776
0.99928
382
364.36
2
305.5599
1.00217
334
345.67
1
387.0381
0.90647
295
333.41
9
325.8766
1.15430
379
330.30
3
388.6868
0.95728
296
317.54
2
330.065
1.03992
350
329.41
8
318.232
0.95110
338
345.68
3
298.601
394
344.05
1.14859
399.0142
24
315
338.44
1
2
25
26
325.14
327.41
27
307.51
28
317.75
2011
MSE
7
0.94067
9
0.99543
4
0.95799
1.07086
1
0.97238
6
329.3525
351.951
309.24
376.0566
289.267
2576.08
0.39
0.61
1
Na grafiku 5.2. dat je prikaz sezonskog karaktera stacionarni podaci sa viestrukim sezonskim
efektom.
Sezonski karakter stacionarni podaci sa viestrukim sezonskim efektom
Grafik 5.2. Sezonski karakter stacionarni podaci sa viestrukim sezonskim efektom.
ZAKLJUAK:
Za procenu prognoze koliko vlasnik klimatske kontrole Savane moe da proda split sisteme svakog
kvartala u toku 2011. godine koriste se sledee metode prognoze koje imaju sezonski karakter, a to
su: stacionarni podaci sa dodajuim sezonskim efektom i stacionarni podaci sa viestrukim
sezonskim efektom. Nakon prorauna u okviru programskog paketa MS Excel-a dobijeni rezultati za
srednju kvadratnu greku (mean square error - MSE) prikazani su u tabeli 5.3.
Metoda prognoze
Stacionarni podaci sa dodajuim
sezonskim efektom
Stacionarni podaci sa viestrukim
sezonskim efektom
MSE
2701,35
2576.08
Bira se onaj metod prognoze koji ima najmanju srednju kvadratnu greku, a to je u ovom sluaju
metod stacionarnih podataka sa viestrukim sezonskim efektom, gde je MSE = 2576.08.
ZADATAK 6
Water Craft Inc. je proizvoa amaca. Prvih pet godina kompanija je imala prilino stabilan rast
prodaje svojih proizvoda. Referent kompanije priprema plan proizvodnje i prodaje za nastapajuu
godinu. Kritian ulazni podatak za ove planove ukljuuje procenu nivoa prodaje koji kompanija
oekuje. Podaci o kvartalnoj prodaji ove kompanije tokom proteklih pet godina prikazani su u
narednoj tabeli.
Tabela 6.1.
Godina Kvartal
2006
2007
2008
2009
2010
2011
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
Vremenski period
Prodaja amaca
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
663.3
578.4
756.3
853.6
878.3
643
1058
1119
1148.5
978.4
1306.6
1646.3
1668.6
1240.3
1791.3
2007.6
2109.3
1796.3
2308.4
2790.8
REENJE:
TREND MODELI
(opti smer kretanja vremenske serije)
DVOSTRUKO PROSENO ODSTUPANJE
^
Y t+ n = E t + n Tt
Et = 2 Mt Dt
Tt = 2 ( M t D t ) / ( k 1)
Gde su:
Et oekivani nivo vremenske serije u periodu t;
Tt predstavlja oekivani trend.
Proseno odstupanje:
M t = ( Yt + Yt 1 + + Yt k +1 ) / k
Dvostruko proseno odstupanje:

D t = ( M t + M t 1 + + M t k +1 ) / k
54588.01).

paketa MS Excel.
Godina
2006
2007
2008
2009
2010
2011
Kvartal
Vremenski
period
Prodaja
amaca
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
663.3
578.4
756.3
853.6
878.3
643
1058
1119
1148.5
978.4
1306.6
1646.3
1668.6
1240.3
1791.3
2007.6
2109.3
1796.3
2308.4
2790.8
Dvostruko
Proseno
proseno
odstupanje
odstupanje
Mt
Dt
729.65
766.65
782.8
858.225
924.575
992.125
1075.975
1138.125
1269.95
1399.975
1465.45
1586.625
1676.95
1787.125
1926.125
2055.4
2251.2
MSE
780.14
833.06
889.43
962.73
1032.70
1119.04
1221.01
1318.38
1430.50
1532.25
1629.04
1744.21
1861.40
2004.96
Et
936.31
1016.09
1094.82
1189.23
1243.55
1420.86
1578.94
1612.53
1742.75
1821.65
1945.21
2108.04
2249.40
2497.44
Trend Tt
52.05
61.01
68.46
75.50
70.28
100.60
119.31
98.05
104.08
96.47
105.39
121.28
129.33
164.16
Prognozirane
vrednosti
988.36
1077.10
1163.28
1264.73
1313.83
1521.46
1698.26
1710.58
1846.83
1918.12
2050.60
2229.32
2378.73
2661.60
2825.75
2989.91
3154.07
54588.01
Na grafiku 6.1. dat je prikaz trend modela dvostruko proseno odstupanje.
Trend modeli Dvostruko proseno odstupanje
Grafik 6.1. Trend model dvostruko proseno odstupanje.
DVOSTRUKO EKSPONENCIJALNO IZRAVNJAVANJE (HOLT METOD)

^
Y t+ n = E t + n Tt
E t = Yt + (1 ) ( E t 1 + Tt 1 )
Tt = ( E t E t 1 ) + (1 ) Tt 1
Izravnjavajui parametri:
0 1 i 0 1
U tabeli 6.2. prikazan je poraun prognoziranih vrednosti i srednja kvadratna greka (MSE
=52951.81 ).
paketa MS Excel.
Godina
2006
2007
2008
2009
2010
2011
Kvartal
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
Vremenski Prodaja Oekivani

period
amaca
nivo Et
1
663.3
669.3
2
578.4
656.57
3
756.3
659.59
4
853.6
689.35
5
878.3
741.39
6
643
772.37
7
1058
839.01
8
1119
935.51
9
1148.5
1048.3
10
978.4
1135.6
11
1306.6
1234.5
12
1646.3
1377.3
13
1668.6
1540.8
14
1240.3
1639.4
15
1791.3
1745.5
16
2007.6
1873.4
17
2109.3
2016.4
18
1796.3
2108.6
19
2308.4
2215.8
20
2790.8
2388.6
21
22
23
24
MSE
Trend
Tt
0
-12.73
3.0173
29.756
52.044
30.983
66.633
96.503
112.81
87.229
98.964
142.76
163.56
98.586
106.05
127.9
143.02
92.189
107.26
172.74
Prognoza
669.3
643.848
662.6086
719.1034
793.4346
803.3565
905.6394
1032.013
1161.133
1222.779
1333.478
1520.032
1704.39
1738.003
1851.512
2001.264
2159.414
2200.767
2323.093
2561.308
2734.045
2906.781
3079.518
52951.81
0.14
1
Na grafiku 6.2. dat je prikaz trend modela dvostruko eksponencijalno izravnavanje (Holt metod).
Trend modeli Dvostruko eksponencijalno izravnavanje (Holt metod)
Grafik 6.2. Trend model dvostruko eksponecijalno izravnavanje (Holt metod).
HOLT-WINTER-OV METOD ZA DODAJUI SEZONSKI EFEKAT

^
Y t + n = E t + n Tt + St + n p
E t = ( Yt S t p ) + (1 ) ( E t 1 + Tt 1 )
Tt = ( E t E t 1 ) + (1 ) Tt 1
S t = ( Yt E t ) + (1 ) S t p
0 1
0 1
0 1
Inicijalna procena:
p
Y
S t = Yt i , t = 1,2,...,p
i =1 p
16896.22).

paketa MS Excel.
Godina
2006
2007
2008
2009
2010
2011
Kvartal
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
Vremenski Prodaja Oekivani

period
amaca
nivo Et
1
663.3
712.90
2
578.4
729.65
3
756.3
729.65
4
853.6
729.65
5
878.3
782.10
6
643
821.87
7
1058
906.92
8
1119
991.06
9 1148.5
1080.54
10
978.4
1164.27
11 1306.6
1233.52
12 1646.3
1360.68
13 1668.6
1516.67
14 1240.3
1605.03
15 1791.3
1699.27
16 2007.6
1786.97
17 2109.3
1903.75
18 1796.3
2042.18
19 2308.4
2189.72
20 2790.8
2397.08
21
22
23
24
MSE
Trend
Tt
0.00
49.71
40.29
82.71
84.07
89.20
84.01
70.02
124.18
154.33
91.81
94.11
88.04
115.27
137.23
147.00
204.20
Sezonski
Prognoza
efekat St
-49.60
-151.25
26.65
123.95
52.92
680.05
-170.67
680.55
114.14
888.81
126.75 1113.58
63.49 1128.05
-181.36
999.07
85.27 1362.43
238.45 1430.29
125.67 1548.35
-310.29 1489.64
90.02 1782.12
225.92 2031.84
181.84 2000.68
-265.00 1708.72
110.17 2269.43
343.90 2562.63
2783.12
2540.48
3119.86
3557.79
16896.22
0.26
0.95
0.70
Na grafiku 6.3. dat je prikaz trend modela Holt-Winter-ov metod za dodajui sezonski efekat.
Trend modeli Holt-Winter-ov metod za dodajui sezonski efekat
Grafik 6.3. Trend model Holt-Winter-ov metod za dodajui sezonski efekat.
HOLT-WINTER-OV METOD ZA VIESTRUKI SEZONSKI EFEKAT
Y t + n = E t + n Tt + St + n p
Et =
Yt
+ (1 ) ( E t 1 + Tt 1 )
S t p
Tt = ( E t E t 1 ) + (1 ) Tt 1
Y
S t = t + (1 ) S t p
Et
0 1
0 1
0 1
Inicijalna procena:
Y
St = p t
Yi , t = 1,2,...,p
i =1 p
13342,30).
paketa MS Excel.
Godina
2006
2007
2008
2009
2010
2011
Kvartal
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
Vremenski Prodaja Ocekivani

period
amaca
nivo Et
1
663.3
729.65
2
578.4
729.65
3
756.3
729.65
4
853.6
729.65
5
878.3
784.67
6
643
833.31
7
1058
910.68
8
1119
971.28
9
1148.5 1052.32
10
978.4 1158.80
11
1306.6 1245.07
12
1646.3 1347.07
13
1668.6 1472.99
14
1240.3 1576.82
15
1791.3 1676.90
16
2007.6 1748.57
17
2109.3 1836.26
18
1796.3 1989.79
19
2308.4 2142.74
20
2790.8 2316.36
21
22
23
24
MSE
Trend
Tt
0.00
55.02
48.64
77.37
60.60
81.04
106.48
86.27
101.99
125.92
103.83
100.08
71.67
87.69
153.53
152.95
173.62
Sezonski
Prognoza
efekat St
0.92
0.81
1.05
1.23
1.04
669.30
0.79
677.14
1.11
926.25
1.19
1211.42
1.08
1074.02
0.83
900.51
1.08
1409.37
1.21
1578.17
1.11
1564.51
0.81
1323.97
1.07
1813.68
1.17
2153.65
1.13
2026.59
0.86
1550.23
1.07
2303.05
1.19
2695.48
2818.73
2282.60
3047.10
3595.74
13342.30
0.23
1
0.58
Na grafiku 6.4. dat je prikaz trend modela Holt-Winter-ov metod za viestruki sezonski efekat
Trend modeli Holt-Winter-ov metod za viestruki sezonski efekat
Grafik 6.4. Trend model Holt-Winter-ov metod za viestruki sezonski efekat.
MODELIRANJE TRENDA VREMENSKIH SERIJA KORIENJEM REGRESIJE

LINEARNI TREND
Yt = 0 + 1 X 1t + t
Gde su:
X1t = t predstavlja nezavisnu promenljivu perioda;
t - nesistematska ili proizvoljna greka koja nije vezana za model (tako da se zanemaruje, tj.
t = 0 ).
Na slici 6.1. su prikazani izlazni rezultati regresije za linearni trend.
Slika 6.1. Izlazni rezultati za regersiju linearnog trenda.

46460,15).

paketa MS Excel.
Godina
2006
2007
2008
2009
2010
2011
Kvartal
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
Vremenski Prodaja
period
amaca
1
663.3
2
578.4
3
756.3
4
853.6
5
878.3
6
643
7
1058
8
1119
9 1148.5
10
978.4
11 1306.6
12 1646.3
13 1668.6
14 1240.3
15 1791.3
16 2007.6
17 2109.3
18 1796.3
19 2308.4
20 2790.8
21
22
23
24
MSE
Linearni
trend
452.28
549.23
646.19
743.15
840.10
937.06
1034.02
1130.97
1227.93
1324.89
1421.84
1518.80
1615.76
1712.71
1809.67
1906.63
2003.58
2100.54
2197.50
2294.45
2391.41
2488.37
2585.32
2682.28
46460.15
Na grafiku 6.5. dat je prikaz modeliranja trenda vremenskih serija korienjem regresije linearni
trend.
Trend modeli Linearni trend
Grafik 6.5. Linearni trend.

KVADRATNI TREND
Yt = 0 + 1 X1t + 2 X 2 t + t
Gde su:
X1t = t
X2t = t2
Na slici 6.2. su prikazani izlazni rezultati regresije za kvadratni trend.
Slika 6.2. Izlazni rezultati za regersiju kvadratnog trenda.

33275,79).

paketa MS Excel.
Godina
2006
2007
2008
2009
2010
2011
Kvartal
Vremenski
period
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
MSE
Vremenski
Prodaja Kvadratni
period na
amaca
trend
kvadrat
1
4
9
16
25
36
49
64
81
100
121
144
169
196
225
256
289
324
361
400
441
484
529
576
663.3
578.4
756.3
853.6
878.3
643
1058
1119
1148.5
978.4
1306.6
1646.3
1668.6
1240.3
1791.3
2007.6
2109.3
1796.3
2308.4
2790.8
673.18
700.38
735.33
778.03
828.48
886.68
952.63
1026.33
1107.79
1196.99
1293.95
1398.66
1511.12
1631.33
1759.29
1895.00
2038.46
2189.68
2348.64
2515.36
2689.83
2872.04
3062.01
3259.73
33275.79
Na grafiku 6.6. dat je prikaz modeliranja trenda vremenskih serija korienjem regresije kvadratni
trend.
Trend modeli Kvadratni trend
Grafik 6.6. Kvadratni trend.

MODELIRANJE SEZONSKOG KARAKTERA SA REGRESIONIM MODELIMA
Trend prilagoavanja prognoze sezonskim indeksom
1. Izraunavanje sezonskog indeksa;
2. Prerada sezonskog indeksa.
SEZONSKI REGRESIONI MODEL
p 1 promenljivih pokazivaa (indikatora).
Yt = 0 + 1 X 1t + 2 X 2 t + 3 X 3 t + 4 X 4 t + 5 X 5 t + t
1, ako je Yt posmatranje prvog kvartala

X 3t =
0, u svim ostalim slucajevima
1, ako je Yt posmatranje drugog kvartala
X 4t =
1, ako je Yt posmatranje treceg kvartala

X 5t =
5935,46).
paketa MS Excel.
Vremenski
Vremenski
Godina Kvartal
period na
period
kvadrat
2006
2007
2008
2009
2010
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
1
4
9
16
25
36
49
64
81
100
121
144
169
196
225
256
289
324
361
400
MSE
Indikator za
kvartale
1
1
0
0
0
1
0
0
0
1
0
0
0
1
0
0
0
1
0
0
0
0
1
0
0
0
1
0
0
0
1
0
0
0
1
0
0
0
1
0
0
0
0
1
0
0
0
1
0
0
0
1
0
0
0
1
0
0
0
1
0
Prodaja
Sezonski
model
663.3
578.4
756.3
853.6
878.3
643
1058
1119
1148.5
978.4
1306.6
1646.3
1668.6
1240.3
1791.3
2007.6
2109.3
1796.3
2308.4
2790.8
752.86
443.94
779.58
969.72
906.83
627.81
993.34
1213.38
1180.39
931.27
1326.71
1576.65
1573.57
1354.35
1779.69
2059.53
2086.35
1897.03
2352.27
2662.01
5935.46
Na grafiku 6.7. dat je prikaz modeliranja sezonskog karaktera sa regresionim modelima sezonski
regresioni model.
Trend modeli Sezonski regresioni model
Grafik 6.7. Sezonski regresioni model.

2727,43).

paketa MS Excel.
Godina
2006
2007
2008
2009
2010
2011
Kvartal
Vremenski
period
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
Vremenski
Prodaja Kvadratni Sezonska
period na
amaca
trend
prognoza
kvadrat
1
4
9
16
25
36
49
64
81
100
121
144
169
196
225
256
289
324
361
400
441
484
529
576
MSE
663.3
578.4
756.3
853.6
878.3
643
1058
1119
1148.5
978.4
1306.6
1646.3
1668.6
1240.3
1791.3
2007.6
2109.3
1796.3
2308.4
2790.8
673.18
700.38
735.33
778.03
828.48
886.68
952.63
1026.33
1107.79
1196.99
1293.95
1398.66
1511.12
1631.33
1759.29
1895.00
2038.46
2189.68
2348.64
2515.36
2689.83
2872.04
3062.01
3259.73
707.75
557.39
759.67
871.56
871.02
705.66
984.17
1149.72
1164.68
952.62
1336.79
1566.81
1588.72
1298.28
1817.53
2122.82
2143.15
1742.64
2426.40
2817.75
2827.96
2285.70
3163.39
3651.62
2727.43
1
2
3
4
Prosek
Sezonski
indeks
105.14%
79.58%
103.31%
112.02%
100.01%
Odseak
Nagib 1
Nagib 2
653.74
15.57
3.88
Kvartal
Na grafiku 6.8. dat je prikaz modeliranja sezonskog karaktera sa regresionim modelima prerada
sezonskog indeksa.
Trend modeli Prerada sezonskog indeksa
Grafik 6.8. Prerada sezonskog indeksa.

3311.54).

paketa MS Excel.
Godina
2006
2007
2008
2009
2010
Aktuelna
Vremenski
Vremenski
Prodaja Kvadratni vrednost
Kvartal
period na
period
amaca
trend
u odnosu
kvadrat
na trend
1
1
1
663.3
659.90 100.52%
2
2
4
578.4
687.20 84.17%
3
3
9
756.3
722.36 104.70%
4
4
16
853.6
765.38 111.53%
1
5
25
878.3
816.25 107.60%
2
6
36
643
874.98 73.49%
3
7
49
1058
941.57 112.37%
4
8
64
1119
1016.01 110.14%
1
9
81
1148.5
1098.31 104.57%
2
10
100
978.4
1188.47 82.32%
3
11
121
1306.6
1286.48 101.56%
4
12
144
1646.3
1392.35 118.24%
1
13
169
1668.6
1506.08 110.79%
2
14
196
1240.3
1627.67 76.20%
3
15
225
1791.3
1757.11 101.95%
4
16
256
2007.6
1894.41 105.97%
1
17
289
2109.3
2039.57 103.42%
2
18
324
1796.3
2192.58 81.93%
3
19
361
2308.4
2353.45 98.09%
4
20
400
2790.8
2522.17 110.65%
MSE
Kvartal
1
2
3
4
Sezonska
prognoza
695.3971
547.1589
749.3186
851.9064
860.1587
696.6707
976.7054
1130.876
1157.393
946.2748
1334.494
1549.767
1587.1
1295.971
1822.685
2108.582
2149.28
1745.76
2441.277
2807.319
3311.54
Sezonski
indeks
105.38%
79.62%
103.73%
111.31%
Na grafiku 6.9. dat je prikaz modeliranja sezonskog karaktera sa regresionim modelima

prilagoavanje prognoze sezonskim indeksom.
Trend modeli Prilagoavanje prognoze sezonskim indeksom
Grafik 6.9. Prilagoavanje prognoze sezonskim indeksom.
ZAKLJUAK:
Za dati problem procene prognoze koliko referent kompanije Water Craft Inc. moe da proda svojih
proizvoda - amaca svakog kvartala u toku 2011. godine, za tu procenu se koriste sledee metode
prognoze: trend modeli (dvostruko proseno odstupanje, dvostruko eksponencijalno izravnavanje
( Holt metod), Holt-Winter-ov metod za dodajui sezonski efekat, Holt-Winter-ov metod za
viestruki sezonski efekat), modeliranje trenda vremenskih serija korienjem regresije (linearni
trend i kvadratni trend) i modeliranje sezonskog karaktera sa regresionim modelima (sezonski
regresioni model, prerada sezonskog indeksa i prilagoavanje prognoze sezonskim indeksom).
Nakon prorauna u okviru programskog paketa MS Excel-a dobijeni rezultati za srednju kvadratnu
greku (mean square error - MSE) prikazani su u tabeli 6.10.
Metode prognoze
Dvostruko proseno odstupanje
Dvostruko eksponencijalno
izravnavanje ( Holt metod)
Holt-Winter-ov metod za dodajui
sezonski efekat
Holt-Winter-ov metod za viestruli
sezonski efekat
Linearni trend
Kvadratni trend
Sezonski regresioni model
Prerada sezonskog indeksa
Prilagoavanje prognoze sezonskim
indeksom
MSE
54588.01
52951.81
16896.22
13342,30
46460,15
33275,79
5935,46
2727,43
3311.54
metod prerada sezonskog indeksa, gde je MSE = 2727,43.
ZADATAK 7
Prema podacima iz tabele 1. iz statistikih biltena u periodu od 2005-2009. godine, izvriti prognozu
prometa u buduem periodu. Dobijene rezultate prikazati tabelarno i grafiki.
Tabela 1. Promet na unutranjim plovnim putevima (t).
Godina
Ukupan promet na
unutranjim plovnim
putevima (t)
Promet
repe (t)
2005
2006
2007
2008
2009
11368488
14043457
14514204
13961154
15074581
3889
5813
5156
5156
17000
Na osnovu statistikih biltena pronai promet po mesecima, navedene vrste robe u tabeli. Utvrditi da
li poseduje sezonski karakter i u sladu sa tim izvriti prognozu.
Tabela 2. Promet robe na upp po mesecima za period 2005-2008.
Meseci/godine
Januar
2005
101766
3
2006
670755
Februar
547718
589708
Mart
895437
927436
April
Maj
Jun
Jul
Avgust
Septembar
Oktobar
Novembar
Decembar
116421
8
151625
6
132451
7
955332
116875
4
159266
8
158186
0
122717
7
138972
6
584233
134325
3
134191
1
139011
1
144566
0
149385
5
145161
1
136361
1
141579
6
2007
105653
8
116147
3
158050
1
146478
4
138594
1
117054
5
127940
5
127792
0
129196
0
149705
2
122853
0
138460
7
2008
968501
1367487
1819541
1810973
1901029
1306292
1274440
1231738
900394
1279629
1055766
1178208
Na osnovu tabele 2., gde je prikazan ukupan robe na unutranjim plovnim putevima po mesecima,
utvrditi da li postoji sezonski karakter i u skladu sa tim izvriti prognozu.
REENJE:


10343960 za linearni trend, MSE = 4342146 za kvadratni trend).
paketa MS Excel .
Godina
Vremenski
period
Kvadvatni
vremenski
period
2005
2006
2007
2008
2009
2010
2011
2012
2013
2014
1
2
3
4
5
6
7
8
9
10
1
4
9
16
25
36
49
64
81
100
MSE
Promet
eerne
repe (t)
3889
5813
5156
5156
17000
Linearni
trend
prognozirane
vrednosti
2289.8
4846.3
7402.8
9959.3
12515.8
15072.3
17628.8
20185.3
22741.8
25298.3
Kvadratni
trend
prognozirane
vrednosti
5217.943
3382.229
4474.657
8495.229
15443.94
25320.8
38125.8
53858.94
72520.23
94109.66
10343960
4342146
Na grafiku 7.1. dat je prikaz linearnog trenda pomet eerne repe.
LINEARNI TREND - Promet eerne repe

30000
Promet (t)
25000
Promet secerne repe
20000
15000
Prognozirani promet
secerne repe
10000
5000
0
0
10
12
Vremenski period
Grafik 7.1. Linearni trend pomet eerne repe.

Na grafiku 7.2. dat je prikaz kvadratnog trenda pomet eerne repe.
KVADRATNI TREND - Promet eerne repe
100000
Promet (t)
80000
Promet eerne repe
60000
Prognozirani promet
eerne repe
40000
20000
0
0
10
12
Vremenski period
Grafik 7.2. Kvadratni trend pomet eerne repe

.


U tabeli 7.2. prikazan je poraun prognoziranih vrednosti i srednja kvadratna greka (MSE = za
linearni trend, MSE = za kvadratni trend).

paketa MS Exel.
Ukupan promet
na unutranjim
plovnim
putevima (t)
11368488
14043457
14514204
13961154
15074581
Kvadvatni
Vremenski
Godina
vremenski
period
period
2005
2006
2007
2008
2009
2010
2011
2012
2013
2014
1
2
3
4
5
6
7
8
9
10
1
4
9
16
25
36
49
64
81
100
Linearni
trend
prognozirane
vrednosti
12326400.2
13059388.5
13792376.8
14525365.1
15258353.4
15991341.7
16724330
17457318.3
18190306.6
18923294.9
Kvadratni
trend
prognozirane
vrednosti
11733988.63
13355594.29
14384788.37
14821570.89
14665941.83
13917901.2
12577449
10644585.23
8119309.886
5001622.971
MSE
Na grafiku 7.3. dat je prikaz linearnog trenda ukupan pomet na unutranjim plovnim putevima.
LINEARNI TREND - Ukupni promet na upp
Promet (t)
20000000
15000000
Ukupan promet na upp
10000000
Prognozirani ukupan
promet na upp
5000000
0
0
10
12
Vremenski period
Grafik 7.3. Linearni trend ukupni pomet na upp.

Na grafiku 7.4. dat je prikaz kvadratnog trenda ukupan pomet na unutranjim plovnim putevima.
Promet (t)
KVADRATNI TREND - Ukupni promet na upp

16000000
14000000
12000000
10000000
8000000
6000000
4000000
2000000
0
Ukupan promet na upp

Prognozirani ukupan
promet na upp
10
12
Vremenski period
Grafik 7.4. Kvadratni trend ukupni pomet na upp.


81444017781 za linearni trend, MSE = 76982807797 za kvadratni trend).
paketa MS Excel.
Vremenski
Godina Mesec
period
2005
Vremenski
period na
kvadrat
2
3
2
3
4
9
16
25
36
49
64
81
10
10
100
11
11
121
Promet
na upp
101766
3
547718
895437
116421
8
151625
6
132451
7
955332
116875
4
159266
8
158186
0
122717
Linearni
trend
Kvadratni
trend
1109977.6
969678.1
1116169.2
1122360.9
993780.3
1017103.8
1128552.5
1039648.6
1134744.2
1061414.6
1140935.8
1082402.0
1147127.5
1102610.6
1153319.1
1122040.5
1159510.8
1140691.7
1165702.4
1158564.2
1171894.1
1175657.9
2006
12
12
144
1
2
3
4
13
14
15
16
169
196
225
256
17
289
18
324
19
361
20
400
21
441
10
22
484
11
23
529
12
24
576
25
625
26
676
27
729
28
784
29
841
30
900
31
961
32
1024
33
1089
10
34
1156
11
35
1225
12
36
1296
2007
7
138972
6
670755
589708
927436
584233
134325
3
134191
1
138011
1
144566
0
149385
5
145161
1
136369
7
141579
6
105653
8
116147
3
158050
1
146478
4
138594
1
117054
5
127940
5
127792
0
129196
0
149705
2
122853
0
138460
7
1178085.7
1191972.9
1184277.4
1190469.0
1196660.7
1202852.3
1207509.2
1222266.8
1236245.6
1249445.8
1209044.0
1261867.2
1215235.6
1273509.9
1221427.3
1284373.9
1227618.9
1294459.1
1233810.6
1303765.7
1240002.2
1312293.5
1246193.9
1320042.6
1252385.5
1327012.9
1258577.2
1333204.6
1264768.9
1338617.5
1270960.5
1343251.7
1277152.2
1347107.2
1283343.8
1350184.0
1289535.5
1352482.0
1295727.1
1354001.4
1301918.8
1354742.0
1308110.4
1354703.9
1314302.1
1353887.0
1320493.7
1352291.5
1326685.4
1349917.2

paketa MS Excel (nastavak).
37
1369
38
1444
39
1521
40
1600
41
1681
42
1764
43
1849
44
1936
45
2025
10
46
2116
11
47
2209
12
48
2304
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
2401
2500
2601
2704
2809
2916
3025
3136
3249
3364
3481
3600
3721
3844
3969
4096
4225
4356
4489
4624
4761
4900
5041
5184
2008
2009
2010
968501
136748
7
181954
1
181097
3
190102
9
130629
2
127494
0
123173
8
900394
127962
9
105576
6
117820
8
1332877.0
1346764.2
1339068.7
1342832.5
1345260.3
1338122.1
1351452.0
1332632.9
1357643.6
1326365.0
1363835.3
1319318.4
1370026.9
1311493.1
1376218.6
1302889.1
1382410.2
1293506.3
1388601.9
1283344.8
1394793.5
1272404.6
1400985.2
1260685.7
1407176.8
1413368.5
1419560.1
1425751.8
1431943.5
1438135.1
1444326.8
1450518.4
1456710.1
1462901.7
1469093.4
1475285.0
1481476.7
1487668.3
1493860.0
1500051.6
1506243.3
1512434.9
1518626.6
1524818.2
1531009.9
1537201.5
1543393.2
1549584.8
1248188.0
1234911.7
1220856.6
1206022.8
1190410.3
1174019.0
1156849.0
1138900.4
1120173.0
1100666.8
1080382.0
1059318.4
1037476.1
1014855.1
991455.4
967276.9
942319.7
916583.8
890069.2
862775.9
834703.8
805853.1
776223.6
745815.3

2011
2012
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
MSE
5329
5476
5625
5776
5929
6084
6241
6400
6561
6724
6889
7056
7225
7396
7569
7744
7921
8100
8281
8464
8649
8836
9025
9216
1555776.5
1561968.1
1568159.8
1574351.4
1580543.1
1586734.7
1592926.4
1599118.1
1605309.7
1611501.4
1617693.0
1623884.7
1630076.3
1636268.0
1642459.6
1648651.3
1654842.9
1661034.6
1667226.2
1673417.9
1679609.5
1685801.2
1691992.8
1698184.5
714628.4
682662.7
649918.4
616395.3
582093.4
547012.9
511153.6
474515.6
437098.9
398903.5
359929.4
320176.5
279644.9
238334.6
196245.6
153377.8
109731.4
65306.2
20102.3
-25880.4
-72641.7
-120181.8
-168500.6
-217598.1
8144401778
1
76982807797
Na grafiku 7.5. dat je prikaz linearnog trenda ukupan pomet na unutranjim plovnim putevima.
LINEARNI TREND
2000000
1800000
1600000
Promet (t)
1400000
1200000
Promet na upp
1000000
Prognozirani promet na upp
800000
600000
400000
200000
0
0
10 15 20 25 30 35 40 45 50 55 60
Vremenski period
Grafik 7.5. Linearni trend ukupni pomet na upp.

Na grafiku 7.6. dat je prikaz kvadratnog trenda ukupan pomet na unutranjim plovnim putevima.
KVADRATNI TREND
2000000
1800000
1600000
Promet (t)
1400000
1200000
Promet na upp
1000000
800000
600000
400000
200000
0
0
10 15 20 25 30 35 40 45 50 55 60
Vremenski period
Grafik 7.6. Kvadratni trend ukupni pomet na upp.

52624099813 za prilagoavanje prognoze sezonskim indeksom).
paketa MS Exel.
Godina
2005
2006
2007
Mesec
Vremenski
period
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
Promet na
Aktuelna
Vremenski
unutranjim Kvadratni vrednost u
period na
plovnim
trend
odnosu na
kvadrat
putevima
trend
1
4
9
16
25
36
49
64
81
100
121
144
169
196
225
256
289
324
361
400
441
484
529
576
625
676
729
784
841
900
961
1024
1089
1156
1225
1296
1017663
547718
895437
1164218
1516256
1324517
955332
1168754
1592668
1581860
1227177
1389726
670755
589708
927436
584233
1343253
1341911
1380111
1445660
1493855
1451611
1363697
1415796
1056538
1161473
1580501
1464784
1385941
1170545
1279405
1277920
1291960
1497052
1228530
1384607
969678.1
993780.3
1017104
1039649
1061415
1082402
1102611
1122041
1140692
1158564
1175658
1191973
1207509
1222267
1236246
1249446
1261867
1273510
1284374
1294459
1303766
1312293
1320043
1327013
1333205
1338618
1343252
1347107
1350184
1352482
1354001
1354742
1354704
1353887
1352291
1349917
104.95%
55.11%
88.04%
111.98%
142.85%
122.37%
86.64%
104.16%
139.62%
136.54%
104.38%
116.59%
55.55%
48.25%
75.02%
46.76%
106.45%
105.37%
107.45%
111.68%
114.58%
110.62%
103.31%
106.69%
79.25%
86.77%
117.66%
108.74%
102.65%
86.55%
94.49%
94.33%
95.37%
110.57%
90.85%
102.57%
Sezonska
prognoza
755520.7
725370.9
1059562.3
1048410.5
1314234.4
1118391.7
1063468.7
1135258.9
1195388.6
1324926.5
1121316.9
1249510.4
940825.9
892145.6
1287852.1
1259975.9
1562433.1
1315853.9
1238779.5
1309708.7
1366282.1
1500730.3
1259027.9
1391069.0
1038760.9
977071.3
1399325.1
1358460.4
1671786.2
1397451.8
1305935.2
1370701.7
1419662.8
1548296.4
1289786.2
1415078.8

paketa MS Excel (lnastavak).
2008
2009
2010
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
1369
1444
1521
1600
1681
1764
1849
1936
2025
2116
2209
2304
2401
2500
2601
2704
2809
2916
3025
3136
3249
3364
3481
3600
3721
3844
3969
4096
4225
4356
4489
4624
4761
4900
5041
5184
968501
1367487
1819541
1810973
1901029
1306292
1274940
1231738
900394
1279629
1055766
1178208
1346764
1342832
1338122
1332633
1326365
1319318
1311493
1302889
1293506
1283345
1272405
1260686
1248188
1234912
1220857
1206023
1190410
1174019
1156849
1138900
1120173
1100667
1080382
1059318
1037476
1014855
991455.4
967276.9
942319.7
916583.8
890069.2
862775.9
834703.8
805853.1
776223.6
745815.3
71.91%
101.84%
135.98%
135.89%
143.33%
99.01%
97.21%
94.54%
69.61%
99.71%
82.97%
93.46%
1049325.9
980147.8
1393981.3
1343864.1
1642293.7
1363185.5
1264936.0
1318237.9
1355530.7
1467624.8
1213591.8
1321540.0
972520.6
901375.3
1271820.6
1216186.9
1473955.7
1213055.0
1115781.7
1152317.4
1173886.0
1258715.4
1030444.8
1110452.6
808345.3
740753.6
1032843.2
975429.0
1166772.2
947060.1
858472.4
872940.0
874728.4
921568.3
740345.1
781816.5

2011
73
5329
714628.4
556799.8
2012
Mesec
1
2
3
4
5
6
7
8
9
10
11
12
MSE
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
5476
5625
5776
5929
6084
6241
6400
6561
6724
6889
7056
7225
7396
7569
7744
7921
8100
8281
8464
8649
8836
9025
9216
682662.7
649918.4
616395.3
582093.4
547012.9
511153.6
474515.6
437098.9
398903.5
359929.4
320176.5
279644.9
238334.6
196245.6
153377.8
109731.4
65306.16
20102.25
-25880.4
-72641.7
-120182
-168501
-217598
498282.9
677048.9
621590.1
720743.1
565201.0
493008.0
480105.7
458058.1
456183.5
343292.8
335631.7
217884.2
173963.0
204437.7
154670.5
135868.4
67477.6
19388.6
-26185.3
-76124.9
-137439.1
-160712.2
-228101.8
Sezonski indeks
77.91%
72.99%
104.17%
100.84%
123.82%
103.32%
96.45%
101.18%
104.80%
114.36%
95.38%
104.83%
52624099813
Na grafiku 7.7. dat je prikaz prilagoavanja prognoze sezonskim indeksom ukupan pomet na
unutranjim plovnim putevima.
PRILAGOAVANJE PROGNOZE SEZONSKIM INDEKSOM

2000000
1800000
1600000
Promet (t)
1400000
1200000
Promet na upp
1000000
800000
600000
400000
200000
0
0 5 10 15 20 25 30 35 40 45 50 55 60
Vremenski period
Grafik 7.7. Prilagoavanje prognoze sezonskim indeksom ukupni pomet na upp.
51027574381 za sezonski regresioni model).

paketa MS Excel.
Indikator za kvartale
Vremenski
Vremenski
Godina Mesec
period na
period
kvadrat
1 2 3 4 5 6 7 8 9 10
2005
1
2
3
1
2
3
1
4
9
1 0 0 0 0 0 0 0 0
0 1 0 0 0 0 0 0 0
0 0 1 0 0 0 0 0 0
0
0
0
1
1
0
0
0
Promet
na UPP
Sezonski
Model
1017663
547718
895437
718771.1
719972.7
1122074.3
2006
2007
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
16
25
36
49
64
81
100
121
144
169
196
225
256
289
324
361
400
441
484
529
576
625
676
729
784
841
900
961
1024
1089
1156
1225
1296
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
1
0
1164218
1516256
1324517
955332
1168754
1592668
1581860
1227177
1389726
670755
589708
927436
584233
1343253
1341911
1380111
1445660
1493855
1451611
1363697
1415796
1056538
1161473
1580501
1464784
1385941
1170545
1279405
1277920
1291960
1497052
1228530
1384607
1085366.9
1378904.0
1141069.9
1090670.0
1162210.3
1213880.9
1359669.0
1138892.8
1275153.9
927669.7
920225.1
1313680.5
1268326.8
1553217.7
1306737.3
1247691.2
1310585.3
1353609.7
1490751.5
1261329.1
1388944.0
1032813.6
1016722.7
1401531.8
1347532.0
1623776.6
1368650.0
1300957.6
1355205.5
1389583.6
1518079.3
1280010.6
1398979.3

2008
1
2
3
4
5
6
7
37
38
39
40
41
42
43
1369
1444
1521
1600
1681
1764
1849
1
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
968501
1367487
1819541
1810973
1901029
1306292
1274940
1034202.6
1009465.5
1385628.4
1322982.3
1590580.7
1326807.9
1250469.3
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
2009
2010
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
1936
2025
2116
2209
2304
2401
2500
2601
2704
2809
2916
3025
3136
3249
3364
3481
3600
3721
3844
3969
4096
4225
4356
4489
4624
4761
4900
5041
5184
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
1
0
1231738
900394
1279629
1055766
1178208
1296070.9
1321802.8
1441652.2
1194937.4
1305259.8
931836.9
898453.5
1265970.2
1194677.9
1453630.0
1181211.0
1096226.1
1133181.6
1150267.2
1261470.4
1006109.3
1107785.5
725716.4
683686.8
1042557.2
962618.7
1212924.6
931859.3
838228.2
866537.4
874976.9
977533.8
713526.5
806556.4

2011
1
2
3
4
5
6
7
8
9
10
11
73
74
75
76
77
78
79
80
81
82
83
5329
5476
5625
5776
5929
6084
6241
6400
6561
6724
6889
1
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
1
415841.1
365165.3
715389.5
626804.7
868464.4
578752.9
476475.6
496138.5
495931.7
589842.4
317188.9
2012
12
1
2
3
4
5
6
7
8
9
10
11
12
84
85
86
87
88
89
90
91
92
93
94
95
96
7056
7225
7396
7569
7744
7921
8100
8281
8464
8649
8836
9025
9216
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
MSE
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
1
0
401572.6
2211.0
-57111.0
284467.0
187235.9
420249.4
121891.6
10968.1
21984.8
13131.8
98396.3
-182903.5
-107166.0
51027574381
Na grafiku 7.8. dat je prikaz sezonskog regresionog modela - pomet na unutranjim plovnim
putevima.
SEZONSKI REGRESIONI MODEL

2000000
1800000
1600000
Promet (t)
1400000
1200000
Promet na upp
1000000
800000
600000
400000
200000
0
0
10
20
30
40
Vremenski period
50
60
70
Grafik 7.8. Sezonski regresioni model pomet na upp.
Na slici 7.7. dat je prikaz izlaznih rezultata za funkciju :

y = 290722Ln ( x ) + 205481
y = 444950 x 0, 2778
y = 790197 e 0, 0086x
Slika 7.7. Izlazni rezultati za funkciju
U tabeli 7.6. prikazan je poraun prognoziranih vrednosti i srednja kvadratna greka (MSE = za fju y = 290722Ln ( x ) + 205481 ).

paketa MS Excel.
Godina
2005
Januar
Februar
Mart
2
3
2
3
April
Maj
Jun
Jul
Avgust
Septembar
Januar
Februar
Mart
April
1
0
1
1
1
2
1
2
3
4
Maj
17
Jun
18
Jul
19
Oktobar
Novembar
Decembar
2006
Vremenski
period
Mesec
10
11
12
13
14
15
16
Promet
na upp
101766
3
547718
895437
116421
8
151625
6
132451
7
955332
116875
4
159266
8
158186
0
122717
7
138972
6
670755
589708
927436
584233
134325
3
134191
1
139011
1
Logaritamska
f-ja
205765.00
407185.95
525009.65
608606.89
673449.95
726430.59
771225.08
810027.84
844254.29
874870.90
902566.99
927851.54
951111.07
972646.03
992694.60
1011448.78
1029065.63
1045675.24
1061386.58
Avgust
20
Septembar
21
Oktobar
Novembar
Decembar
1
0
1
1
1
2
22
23
24
Januar
25
Februar
26
Mart
27
April
28
Maj
29
Jun
30
Jul
31
Avgust
32
Septembar
33
2007
Oktobar
Novembar
Decembar
1
0
1
1
1
2
34
35
36
144566
0
149385
5
145161
1
136361
1
141579
6
105653
8
116147
3
158050
1
146478
4
138594
1
117054
5
127940
5
127792
0
129196
0
149705
2
122853
0
138460
7
1076291.85
1090469.73
1103987.94
1116905.13
1129272.48
1141134.91
1152532.01
1163498.94
1174066.98
1184264.13
1194115.55
1203643.91
1212869.73
1221811.64
1230486.58
1238910.04
1247096.18

2008
Januar
Februar
Mart
April
Maj
Jun
Jul
Avgust
Septembar
Oktobar
1
2
3
4
5
6
7
8
9
1
37
38
39
40
41
42
43
44
45
46
968501
1367487
1819541
1810973
1901029
1306292
1274440
1231738
900394
1279629
1255058.03
1262807.52
1270355.72
1277712.79
1284888.19
1291890.68
1298728.38
1305408.88
1311939.25
1318326.07
Novembar
2009
Decembar
Januar
Februar
Mart
April
Maj
Jun
Jul
Avgust
Septembar
Oktobar
Novembar
2010
Decembar
Januar
Februar
Mart
April
Maj
Jun
Jul
Avgust
Septembar
Oktobar
Novembar
Decembar
0
1
1
1
2
1
2
3
4
5
6
7
8
9
1
0
1
1
1
2
1
2
3
4
5
6
7
8
9
1
0
1
1
1
2
47
1055766
1324575.54
48
49
50
51
52
53
54
55
56
57
1178208
1330693.43
1336685.17
1342555.85
1348310.28
1353952.96
1359488.16
1364919.89
1370251.94
1375487.92
1380631.22
58
1385685.07
59
1390652.53
60
61
62
63
64
65
66
67
68
69
1395536.49
1400339.73
1405064.85
1409714.38
1414290.68
1418796.02
1423232.58
1427602.42
1431907.52
1436149.78
70
1440330.98
71
1444452.88
72
1448517.13

2011
Januar
Februar
Mart
April
1
2
3
4
73
74
75
76
1452525.32
1456478.97
1460379.55
1464228.47
Maj
Jun
Jul
Avgust
Septembar
Oktobar
Novembar
2012
Decembar
Januar
Februar
Mart
April
Maj
Jun
Jul
Avgust
Septembar
Oktobar
Novembar
Decembar
5
6
7
8
9
1
0
1
1
1
2
1
2
3
4
5
6
7
8
9
1
0
1
1
1
2
MSE
77
78
79
80
81
1468027.07
1471776.66
1475478.48
1479133.74
1482743.59
82
1486309.14
83
1489831.47
84
85
86
87
88
89
90
91
92
93
1493311.62
1496750.59
1500149.33
1503508.77
1506829.83
1510113.35
1513360.19
1516571.15
1519747.02
1522888.55
94
1525996.49
95
1529071.53
96
1532114.38
Na grafiku 7.9. dat je prikaz Logaritamske funckije - promet na unutranjim plovnim putevima za
funkciju y = 290722Ln ( x ) + 205481 .
Grafik 7.9. Logaritamska f-ja promet na upp za f-ju y = 290722Ln ( x ) + 205481 .
U tabeli 7.7. prikazan je poraun prognoziranih vrednosti i srednja kvadratna greka (MSE = za fju y = 444950 x 0, 2778 ).
paketa MS Excel.
Godina
2005
Januar
Februar
Mart
2
3
2
3
April
Maj
Jun
Jul
Avgust
Septembar
Januar
Februar
Mart
April
1
0
1
1
1
2
1
2
3
4
Maj
17
Jun
18
Jul
19
Avgust
20
Septembar
21
Oktobar
Novembar
Decembar
2006
Oktobar
Novembar
Decembar
2007
Vremenski
period
Mesec
Januar
1
0
1
1
1
2
1
10
11
12
13
14
15
16
22
23
24
25
Promet
na upp
101766
3
547718
895437
116421
8
151625
6
132451
7
955332
116875
4
159266
8
158186
0
122717
7
138972
6
670755
589708
927436
584233
134325
3
134191
1
139011
1
144566
0
149385
5
145161
1
136361
1
141579
6
105653
8
Power f-ja
445042.00
539506.93
603806.20
654023.06
695832.92
731970.54
763984.81
792846.45
819207.92
843530.90
866155.26
887339.12
907283.61
926148.77
944064.23
961136.61
977454.76
993093.58
1008116.85
1022579.37
1036528.62
1050005.99
1063047.86
1075686.36
1087950.01
Februar
26
Mart
27
April
28
Maj
29
Jun
30
Jul
31
Avgust
32
Septembar
33
Oktobar
Novembar
Decembar
1
0
1
1
1
2
34
35
36
116147
3
158050
1
146478
4
138594
1
117054
5
127940
5
127792
0
129196
0
149705
2
122853
0
138460
7
1099864.28
1111452.01
1122733.77
1133728.13
1144451.97
1154920.64
1165148.14
1175147.33
1184930.00
1194506.99
1203888.33

2008
Januar
37
Februar
38
Mart
39
April
40
Maj
41
Jun
42
Jul
43
Avgust
Septembar
8
9
1
0
1
1
1
2
44
45
Oktobar
Novembar
Decembar
46
47
48
968501
136748
7
181954
1
181097
3
190102
9
130629
2
127444
0
123173
8
900394
127962
9
105576
6
117820
8
1213083.28
1222100.45
1230947.81
1239632.80
1248162.34
1256542.92
1264780.58
1272881.01
1280849.53
1288691.16
1296410.60
1304012.31
2009
Januar
Februar
Mart
April
Maj
Jun
Jul
Avgust
Septembar
Oktobar
Novembar
2010
Decembar
Januar
Februar
Mart
April
Maj
Jun
Jul
Avgust
Septembar
Oktobar
Novembar
Decembar
1
2
3
4
5
6
7
8
9
1
0
1
1
1
2
1
2
3
4
5
6
7
8
9
1
0
1
1
1
2
49
50
51
52
53
54
55
56
57
1311500.47
1318879.05
1326151.79
1333322.25
1340393.79
1347369.60
1354252.72
1361046.03
1367752.28
58
1374374.07
59
1380913.90
60
61
62
63
64
65
66
67
68
69
1387374.16
1393757.10
1400064.91
1406299.65
1412463.32
1418557.81
1424584.94
1430546.47
1436444.08
1442279.37
70
1448053.89
71
1453769.13
72
1459426.52

2011
Januar
Februar
Mart
April
Maj
Jun
Jul
Avgust
Septembar
Oktobar
Novembar
1
2
3
4
5
6
7
8
9
10
11
73
74
75
76
77
78
79
80
81
82
83
1465027.43
1470573.20
1476065.10
1481504.36
1486892.17
1492229.67
1497517.97
1502758.14
1507951.20
1513098.17
1518199.99
2012
Decembar
Januar
Februar
Mart
April
Maj
Jun
Jul
Avgust
Septembar
Oktobar
Novembar
Decembar
12
1
2
3
4
5
6
7
8
9
10
11
12
MSE
84
85
86
87
88
89
90
91
92
93
94
95
96
1523257.61
1528271.92
1533243.80
1538174.10
1543063.64
1547913.20
1552723.56
1557495.47
1562229.66
1566926.82
1571587.64
1576212.78
1580802.89
Na grafiku 7.10. dat je prikaz Power funckije - promet na unutranjim plovnim putevima za funkciju
y = 444950 x 0, 2778 .
Grafik 7.10. Power f-ja promet na upp za f-ju y = 444950 x 0, 2778 .
U tabeli 7.8. prikazan je poraun prognoziranih vrednosti i srednja kvadratna greka (MSE = za fju y = 790197 e 0, 0086x ).

paketa MS Excel.
Godina
2005
Januar
Februar
Mart
2
3
2
3
April
Maj
Jun
Jul
Avgust
Septembar
Januar
Februar
Mart
April
1
0
1
1
1
2
1
2
3
4
Maj
17
Jun
18
Jul
19
Avgust
20
Septembar
21
Oktobar
Novembar
Decembar
2006
Oktobar
Novembar
Decembar
2007
Vremenski
period
Mesec
1
0
1
1
1
2
10
11
12
13
14
15
16
22
23
24
Januar
25
Februar
26
Mart
27
Promet
na upp
101766
3
547718
895437
116421
8
151625
6
132451
7
955332
116875
4
159266
8
158186
0
122717
7
138972
6
670755
589708
927436
584233
134325
3
134191
1
139011
1
144566
0
149385
5
145161
1
136361
1
141579
6
105653
8
116147
3
158050
1
Eksponencijalna
f-ja
1204319.066
1214720.559
1225211.888
1235793.829
1246467.164
1257232.683
1268091.182
1279043.464
1290090.338
1301232.623
1312471.142
1323806.725
1335240.213
1346772.449
1358404.287
1370136.587
1381970.217
1393906.052
1405944.975
1418087.876
1430335.653
1442689.212
1455149.466
1467717.338
1480393.756
1493179.658
1506075.989
April
28
Maj
29
Jun
30
Jul
31
Avgust
32
Septembar
33
Oktobar
Novembar
Decembar
1
0
1
1
1
2
34
35
36
146478
4
138594
1
117054
5
127940
5
127792
0
129196
0
149705
2
122853
0
138460
7
1519083.704
1532203.764
1545437.14
1558784.811
1572247.762
1585826.991
1599523.502
1613338.307
1627272.427

2008
Januar
37
Februar
38
Mart
39
April
40
Maj
41
Jun
42
Jul
43
Avgust
Septembar
8
9
1
0
1
1
1
2
1
2
3
44
45
Oktobar
Novembar
2009
Decembar
Januar
Februar
Mart
46
47
48
49
50
51
968501
136748
7
181954
1
181097
3
190102
9
130629
2
127444
0
123173
8
900394
127962
9
105576
6
117820
8
1086268.59
1095650.79
1105114.02
1114658.99
1124286.39
1133996.95
1143791.38
1153670.40
1163634.76
1173685.17
1183822.39
1194047.17
1204360.25
1214762.42
1225254.42
April
Maj
Jun
Jul
Avgust
Septembar
Oktobar
Novembar
2010
Decembar
Januar
Februar
Mart
April
Maj
Jun
Jul
Avgust
Septembar
Oktobar
Novembar
Decembar
4
5
6
7
8
9
1
0
1
1
1
2
1
2
3
4
5
6
7
8
9
1
0
1
1
1
2
52
53
54
55
56
57
1235837.05
1246511.08
1257277.31
1268136.52
1279089.52
1290137.13
58
1301280.16
59
1312519.43
60
61
62
63
64
65
66
67
68
69
1323855.77
1335290.03
1346823.04
1358455.67
1370188.77
1382023.20
1393959.86
1405999.61
1418143.35
1430391.98
70
1442746.39
71
1455207.52
72
1467776.27

Januar
1
73
1480453.58
Februar
2
74
1493240.39
Mart
3
75
1506137.63
April
4
76
1519146.27
Maj
5
77
1532267.27
Jun
6
78
1545501.60
2011
Jul
7
79
1558850.23
Avgust
8
80
1572314.15
Septembar
9
81
1585894.36
Oktobar
10
82
1599591.87
Novembar
11
83
1613407.68
Decembar
12
84
1627342.82
2012
Januar
1
85
1641398.33
Februar
Mart
April
Maj
Jun
Jul
Avgust
Septembar
Oktobar
Novembar
Decembar
2
3
4
5
6
7
8
9
10
11
12
MSE
86
87
88
89
90
91
92
93
94
95
96
1655575.22
1669874.57
1684297.42
1698844.84
1713517.91
1728317.71
1743245.34
1758301.90
1773488.51
1788806.28
1804256.36
Na grafiku 7.11. dat je prikaz Eksponencijalne funckije - promet na unutranjim plovnim putevima
za funkciju y = 790197 e 0, 0086x .
Grafik 7.11. Eksponencijalna f-ja promet na upp za f-ju y = 790197 e 0, 0086x .
ZAKLJUAK:
Za procenu prognoze prometa itarica i poljoprivrednih proizvoda i procenu prognoze ukupnog
prometa na unutranjim plovnim putevima u buduem periodu koriste se sledee metode prognoze:
linearni trend i kvadratni trend. Nakon prorauna u okviru programskog paketa MS Excel-a dobijeni
rezultati za srednju kvadratnu greku (mean square error - MSE) prikazani su u tabeli 7.9. za promet
itarica i poljoprivrednih proizvoda i u tabeli 7.10. za ukupan promet na unutranjim plovnim
putevima.
Metod prognoze
Linearni trend
Kvadratni trend
Tabela 7.10.. Vrednosti MSE za date metode prognoze.
Metod prognoze
Linearni trend
Kvadratni trend
MSE
10343960
4342146
MSE
Bira se onaj metod prognoze koji ima najmanju srednju kvadratnu greku, a to je u ovom sluaju za
prognozu prometa eerne repe metod kvadratnog trenda, gde je vrednost za MSE = 4342146 jako
velika, pa se zbog toga odabrani metod ne moe uzeti kao merodavnim, dok je MSE = i kod
lenearnog i kod kvadratnog trenda takav da se metod prognoze ukupnog prometa na unutranjim
plovnim putevima ne moe odabrati.
Za procenu prognoze prometa na unutranjim plovnim putevima 2005-2008. godine u buduem
periodu koriste se sledee metode prognoze: linearni trend i kvadratni trend, prilagoavanje
prognoze sezonskim indeksom, sezonski regresioni model, funkcija Power (sledeih funkcija
y = 290589 Ln ( x ) + 205765 , y = 445042 x 0,2777 , y = 790214 e0,0086x ). Nakon prorauna u okviru
programskog paketa MS Excel-a dobijeni rezultati za srednju kvadratnu greku (mean square error MSE) prikazani su u tabeli 7.11.
Metod prognoze
Linearni trend
Kvadratni trend
Prilagoavanje prognoze
sezonskim indeksom
Sezonski regresioni model
Logaritamska f-ja za
y = 290589 Ln ( x ) + 205765
MSE
81444017781
76982807797
52624099813
51027574381
F-ja POWER za
y = 445042 x 0,2777
Eksponencijalna f-ja za
y = 790214 e0,0086x
Po pravilu, bira se onaj metod prognoze koji ima najmanju srednju kvadratnu greku, a to je u ovom
sluaju metod sezonskog regresionog modela, meutim, vrednost za MSE = 51027574381 je jako
velika, pa se stoga dati metod prognoze ne moe uzeti kao merodavnim.
ZADATAK 8
Na osnovu podataka iz tabele izvriti prognozu oekivanog broja putnikih brodova koji pristaju na
putnikom pristanite Beograd za period do 2020. godine. Koristiti sledee medote prognoze:
eksponencijalno izravnavanje exponential smoothing, linearni trend, kvadratni trend i funkciju
Power u Excel-u. Izraunati MSE i usvojiti prognozu koja ima najmanju kvadratnu greku,
Rezultate prikazati grafiki i tabelarno.
Tabela. Broj brodova i putnika u putnikom pristanitu u Beogradu od 2002. do 2012. godine.
Godina
Broj brodova
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
40
141
290
381
349
396
405
391
377
389
400
REENJE:

Slika 8.2.Izlazni rezultati za regersiju kvadratnog trenda.

Na slici 8.3. dat je prikaz izlaznih rezultata za f-ju Power.
Slika 8.3. Izlazni rezultati za f-ju Power.

5382,81 za linearni trend, MSE = 8146,30 za kvadratni trend, MSE = 72146,34 za funkciju Power,
MSE = 4297,68 za eksponencijalno izravnavanje).

paketa MS Excel.
Godina
Vremenski
period
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
2013
2014
2015
2016
2017
2018
2019
2020
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
Vremenski
period na
kvadrat
1
4
9
16
25
36
49
64
81
100
121
144
169
196
225
256
289
324
361
MSE
Broj
brodova
Linearni
trend
Kvadratni
trend
F-ja
POWER
Eksponencijalno
izravnavanje
40
141
290
381
349
396
405
391
377
389
400
181.32
209.76
238.21
266.65
295.10
323.55
351.99
380.44
408.88
437.33
465.77
494.22
522.66
551.11
579.55
608.00
636.45
664.89
693.34
239.24
244.86
254.23
267.34
284.20
304.81
329.17
357.27
389.12
424.71
464.05
1348.54
1464.60
1580.67
1696.74
1812.81
1928.88
2044.94
2161.01
20.49
33.71
45.11
55.46
65.10
74.20
82.89
91.24
99.29
107.09
114.68
122.08
129.30
136.37
143.30
150.09
156.77
163.34
169.81
40.00
40.00
135.95
282.30
376.06
350.35
393.72
404.44
391.67
377.73
388.44
399.42
399.97
400.00
400.00
400.00
400.00
400.00
400.00
5382.81
8146.30
72146.34
0.95
4297.68
Na grafiku 8.1. dat je prikaz prognoziranog broja brodova i putnika u putnikom pristanitu u
Beogradu za sledee metode prognoze: eksponencijalno izravnavanje exponential smoothing,
linearni trend, kvadratni trend i funkciju Power u Excel-u.
Grafik 8.1. Prognozirani broj brodova i putnika u putnikom pristanitu u Beogradu.
ZAKLJUAK:
Za procenu prognoze oekivanog broja putnikih brodova koji pristaju na putniko pristanite
Beograd za period do 2020. godine koriste se sledee metode prognoze: eksponencijalno
izravnavanje exponential smoothing, linearni trend, kvadratni trend i funkcija Power (sledee
funckije y = 20,491 x 0, 7182 ) u Excel-u. Nakon prorauna u okviru programskog paketa MS Excel-a
dobijeni rezultati za srednju kvadratnu greku (mean square error - MSE) prikazani su u tabeli 8.2.
Metod prognoze
Eksponencijalno izravnavanje
(exponential smoothing)
Linearni trend
Kvadratni trend
F-ja POWER za
y = 20,491 x 0 , 7182
MSE
4297,68
5382,81
8146,30
72146,34
metod eksponencijalno izravnavanje (exponential smoothing), gde je MSE = 4297,68.

Lucko Projektovanje I Upravljanje Milos Radi Čevic

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Lucko Projektovanje I Upravljanje Milos Radi Čevic

Uploaded by

Copyright:

Available Formats

Univerzitet u Beogradu, Saobraajni fakultet

Seminarski rad iz predmeta:

Luko projektovanje i upravljanje

Katarina Vukadinovi, dipl in

(u ovom voru za dobit, tj. gubitak uzete su vrednosti dobijene u vorovima 4 i 5)

Slika 1.1. Drvo odluivanja

Na slici 1.2. prikazano je reenje u WinQSB-u, sa vrednostima za svaki vor.

Slika 1.2. Vrednosti prorauna u WinQSB-u.

) potrebno je prihvatiti reenje o veliini kejskog zida. Drugi i trei

Slika2.1. Drvo odluivanja

Za izraunavanje sadanje vrednosti koristi se funkcija NPV u okviru programskog paketa

0.25 0.25 0.25 0.25 0.25 0.25 0.25 0.25

-4 0.95 0.95 0.95 0.95 0.95 0.95 0.95 0.95

Broj prodatih ureaja

Y t + 1 - prognozirana vrednost promenljive za period t+1;

Srednja apsolutna procentna greka (mean absolutepercenterror):

Koren srednje kvadratne greke (root mean square error):

Na grafiku 4.1. dat je prikaz stanionarnog modela tehnike prosenog odstupanja.

Stacionarni modeli Tehnika prosenog odstupanja

Grafik 4.1. Stacionarni model Tehnika prosenog odstupanja.

TEINSKO PROSENO ODSTUPANJE

Tabela 4.2. Prikaz prorauna prognoziranih vrednosti i MSE u okviru programskog

Na grafiku 4.2. dat je prikaz stanionarnog modela teinsko proseno odstupanje.

Stacionarni modeli Teinsko proseno odstupanje

Grafik 4.2. Stacionarni model Teinsko proseno odstupanje.

EKSPONENCIJALNO IZRAVNAVANJE (EXPONENTIAL SMOOTHING)

Y t - prognozirana vrednost za predhodni period;

^ - greka napravljena pri prognoziranju vrednosti za period t;

Tabela 4.3. Prikaz prorauna prognoziranih vrednosti i MSE u okviru programskog

Na grafiku 4.3. dat je prikaz stanionarnog modela eksponencijalno izravnavanje.

Stacionarni modeli Eksponencijalno izravnavanje

Grafik 4.3. Stacionarni model Eksponencijalno izravnavanje.

Tabela 5.1. Prikaz prorauna prognoziranih vrednosti i MSE u okviru programskog

Sezonski karakter Stacionarni podaci sa dodajuim sezonskim efektom

Grafik 5.1. Sezonski karakter stacionarni podaci sa dodajuim sezonskim efektom.

STACIONARNI PODACI SA VIESTRUKIM SEZONSKIM EFEKTOM

Tabela 5.2. Prikaz prorauna prognoziranih vrednosti i MSE u okviru programskog

Sezonski karakter stacionarni podaci sa viestrukim sezonskim efektom

Grafik 5.2. Sezonski karakter stacionarni podaci sa viestrukim sezonskim efektom.

Dvostruko proseno odstupanje:

Tabela 6.1. Prikaz prorauna prognoziranih vrednosti i MSE u okviru programskog

Na grafiku 6.1. dat je prikaz trend modela dvostruko proseno odstupanje.

Trend modeli Dvostruko proseno odstupanje

Grafik 6.1. Trend model dvostruko proseno odstupanje.

DVOSTRUKO EKSPONENCIJALNO IZRAVNJAVANJE (HOLT METOD)

Vremenski Prodaja Oekivani

Grafik 6.2. Trend model dvostruko eksponecijalno izravnavanje (Holt metod).

HOLT-WINTER-OV METOD ZA DODAJUI SEZONSKI EFEKAT

Tabela 6.3. Prikaz prorauna prognoziranih vrednosti i MSE u okviru programskog

Vremenski Prodaja Oekivani

Trend modeli Holt-Winter-ov metod za dodajui sezonski efekat

Grafik 6.3. Trend model Holt-Winter-ov metod za dodajui sezonski efekat.

HOLT-WINTER-OV METOD ZA VIESTRUKI SEZONSKI EFEKAT

Vremenski Prodaja Ocekivani

Grafik 6.4. Trend model Holt-Winter-ov metod za viestruki sezonski efekat.

MODELIRANJE TRENDA VREMENSKIH SERIJA KORIENJEM REGRESIJE

Slika 6.1. Izlazni rezultati za regersiju linearnog trenda.

Tabela 6.5. Prikaz prorauna prognoziranih vrednosti i MSE u okviru programskog

Trend modeli Linearni trend

Grafik 6.5. Linearni trend.

Slika 6.2. Izlazni rezultati za regersiju kvadratnog trenda.

Tabela 6.6. Prikaz prorauna prognoziranih vrednosti i MSE u okviru programskog

Trend modeli Kvadratni trend