I.

Simple Exponential Smoothing

- Sử dụng α =0,1để dự báo nhu cầu
n
1
- L 0= ∑ Dt ; L 0= Average (B 3 : B 14) = 23,083
n i=1
- Ft +1=¿ ; Ft +n=¿ => F 1=L 0 từ đây dự đoán được nhu cầu các giai đoạn
tiếp theo
- ¿+1=α∗Dt +1+ ( 1−α )∗¿ ; L 1=C 3=0.1∗B 3+(1−0.1)∗C 2
- Et =Ft−Dt ; E 3=D 3−B 3
- At=| Et| ; F 3=|(E 3)|
n
1
MSEn= ∑ Et ;
2
- G 3=Sumsq( $ F $ 3: F 3)/ A 3
n t=1
n
1
- MADn= ∑ At 2 ; H 3=∑ ($ F $ 3: F 3) / A 3
n t =1
n
Et
- ∑ ¿ Dt ∨100
t=1
MAPEn=
n
n
- bias n=∑ Et
t =1

biasn
- TSt =
MADt
; K 3=∑ ($ E $ 3 : E 3)/ H 3

- Theo TS , tìm được khoảng từ -1,38 đến 2,15 nằm trong khoảng an toàn nên
tại phương pháp này với α =0,1 không cho thấy bất kì sai lệch đáng kể nào .
Tuy nhiên, nó có MAD 12 khá lớn là 10.208, với MAPE 12 là 59%. 

- Theo Ft +n=¿ ta có F13= F14 = F15= F16 = L12 = 23.490

- MAD12 = 10.208 và MAPE12 = 59% . Do đó ước tính độ lệch chuẩn của

sai số dự báo bằng cách sử dụng Simple Exponential Smoothing là
σ =1.25∗MAD12=1.25∗10.208=12.760 . Trong trường hợp này độ lệch chuẩn
lớn hơn so với quy mô của dự báo .
 II. Holt’s Model
- Bước đầu tiên, nó ước tính mức ở Giai đoạn 0 và xu hướng ban đầu.  ước
tính này có được bằng cách chạy hồi quy tuyến tính giữa nhu cầu và thời
gian, Khoảng thời gian t. Từ phép hồi quy của dữ liệu có sẵn (xem bảng tính
holts-regression), nhóm thu được kết quả như sau:

L0 = 12,015 và T0= 1,549

- Áp dụng Holt’s model với α =0,1 và β =0,2 thu được dự báo cho từng quý .
- Như được chỉ ra bởi một TS nằm trong khoảng từ -2,15 đến 2,00, việc làm
mịn theo cấp số nhân được điều chỉnh theo xu hướng với a = 0,1 và b = 0,2
dường như không bị dự báo quá mức hoặc quá thấp một cách đáng kể. Tuy
nhiên, dự báo có MAD 12 khá lớn là 8.836, với MAPE 12 là 52%.
- Sử dụng mô hình của Holt Ft +n=¿+nTt dự báo cho bốn giai đoạn tiếp theo
được đưa ra như sau :
F13 = L12 + T12 = 31985
F14 = L12 + 2T12 =33525
F15= L12 + 3T12=35066
F16 = L12 + 4T12= 36607
- Trong trường hợp này, MAD 12 = 8,836. Như vậy, ước lượng độ lệch chuẩn
của sai số dự báo sử dụng mô hình của Holt với α =0,1 và β =0,2 là
σ =1.25∗MAD12 =1,25 * 8.836 = 11.045. Trong trường hợp này, độ lệch
 chuẩn của sai số dự báo so với kích thước của dự báo nhỏ hơn một chút so
với hai phương pháp trước. Tuy nhiên, nó vẫn còn khá lớn.

III. Winter’s Model

- Đầu tiên, nó ước tính mức độ và xu hướng cho Giai đoạn 0 và các yếu tố
theo mùa cho Giai đoạn 1 đến p = 4. Để bắt đầu, nhu cầu được loại bỏ theo
mùa vụ . Sau đó ước tính mức độ và xu hướng ban đầu bằng cách chạy hồi
quy giữa thời gian và nhu cầu phi mùa vụ .
L0 = 18439 T0= 524
0,42+0 , 47+ 0,52
S 1= =0,47
3
0 , 67+0 , 83+0 , 55
S 2= =0 , 68
3
1,15+1,04+1,32
S 3= =1,17
3
1,66+1,68+1,66
S 4= =1,67
3
- Sau đó áp dụng mô hình của Winter với α =0,05 ; β=0,1 ; γ=0,1để thu được
các dự báo :
Forecast : Ft +1= ( ¿+Tt ) St +1 và Ft +l= (¿ +l∗Tl ) St+ l
(
D t+1
)
Level : L t+1=α St+1 +(1−α )(¿+Tt )

Trend : T t +1=β ( ¿+1−¿ )+(1−β )Tt

Dt +1
Seasonal factors : S t + p+1=γ L t+ 1 +(1−γ )S t

- Trong trường hợp này, MAD là 1.469 và MAPE là 8% thấp hơn đáng kể so
với giá trị thu được bằng bất kỳ phương pháp nào khác .
- Sử dụng Winter’S model với Ft +l= ( ¿+Tl ) St +l , dự báo cho 4 quý tiếp theo :
F13= (L12 + L12)*S13 = 11902
F14= (L12 + 2L12)*S14= 17581
F15= (L12 + 3L12)*S15= 30873
F16= (L12 + 4L12)*S16= 44955
- Trong trường hợp này, MAD 12 = 1,469. Như vậy, ước lượng độ lệch chuẩn
của sai số dự báo sử dụng Winter’s model với α =0,05 ; β=0,1 ; γ=0,1là
σ =1.25∗MAD12 =1,25 * 1.469 = 1.836. Trong trường hợp này, độ lệch
chuẩn của sai số dự báo so với dự báo nhu cầu nhỏ hơn nhiều so với các
phương pháp khác.

IV. Kết luận

Sau khi sử dụng 3 phương pháp Simple Exponential Smoothing , Holt’s
Model , Winter’s model . Kết quả cho lấy độ lệch chuẩn của sai số dự báo
so với dự báo nhu cầu của phương pháp Winter’s là nhỏ hơn nhiều so với
các phương pháp khác điều đó cho thấy , Winter’s cho kết quả dự báo chính
xác nhất . Ta cho thể dự đoán nhu cầu cho 4 quý tới như sau : Quý 2 , 3 , 4
của năm 4 lần lượt là 11.902 , 17.508 , 30.873 và Quý 1 của năm thứ 5 là
44.955