Эта глава оказалась чрезвычайно богатой на новые техники и приемы:

• простое экспоненциальное сглаживание;

• выполнение проверки критерия Стьюдента на линейной регрессии, чтобы удостовериться в линейном тренде последовательности данных;

• холтовское экспоненциальное сглаживание с корректировкой тренда;

• расчет автокорреляций и построение коррелограммы с критическими значениями;

• выполнение мультипликативного экспоненциального сглаживания Холта – Винтерса с помощью скользящего среднего 2 × 12;

• прогнозирование сглаживанием Холта – Винтерса;

• создание прогностических интервалов вокруг прогноза с помощью симуляции Монте-Карло;

• отображение прогностических интервалов на диаграмме с областями.

Если вам удалось дойти до конца главы вместе со мной – браво! Кроме шуток, слишком много прогнозирования для одной главы.

Тем, кто хочет дополнительно позаниматься прогнозированием, рекомендую несколько прекрасных учебников. Я очень люблю Forecasting, Time Series, and Regression, Bowerman et al. (Cengage Learning, 2004). Отличный бесплатный онлайновый учебник есть у Хайндмана , а его блог с чудесным названием Hyndsight очень интересно почитать. Если появляются вопросы, их можно задавать в этом сообществе: .

Что касается производственного прогнозирования, то эта область содержит бесконечное множество объектов прогнозирования. Для тех, что попроще, достаточно и Excel. Если же у вас тысячи объектов или единиц складского учета, то в этом случае лучше, конечно, использовать немного кода.

Прекрасные пакеты для прогнозирования есть в SAS и R. В R они написаны самим Хайндманом (см. главу 10), который подвел статистический фундамент под определение прогностических интервалов в методах экспоненциального сглаживания.

Ну, вот и все! Надеюсь, теперь вы чувствуете в себе необходимую дозу уверенности, чтобы идти дальше и «организовывать свое невежество»!