| dc.date.accessioned |
2013-12-16T06:42:43Z |
und |
| dc.date.accessioned |
2017-10-24T12:21:20Z |
|
| dc.date.available |
2013-12-16T06:42:43Z |
und |
| dc.date.available |
2017-10-24T12:21:20Z |
|
| dc.date.issued |
2013-12-16T06:42:43Z |
|
| dc.identifier.uri |
http://radr.hulib.helsinki.fi/handle/10138.1/3371 |
und |
| dc.identifier.uri |
http://hdl.handle.net/10138.1/3371 |
|
| dc.title |
Työvaatepalveluiden kysynnän ennustaminen aikasarja-analyysiä käyttäen |
fi |
| ethesis.discipline |
Statistics |
en |
| ethesis.discipline |
Tilastotiede |
fi |
| ethesis.discipline |
Statistik |
sv |
| ethesis.discipline.URI |
http://data.hulib.helsinki.fi/id/670ef0b6-2f9e-4e98-91af-a292298fb670 |
|
| ethesis.department.URI |
http://data.hulib.helsinki.fi/id/61364eb4-647a-40e2-8539-11c5c0af8dc2 |
|
| ethesis.department |
Institutionen för matematik och statistik |
sv |
| ethesis.department |
Department of Mathematics and Statistics |
en |
| ethesis.department |
Matematiikan ja tilastotieteen laitos |
fi |
| ethesis.faculty |
Matematisk-naturvetenskapliga fakulteten |
sv |
| ethesis.faculty |
Matemaattis-luonnontieteellinen tiedekunta |
fi |
| ethesis.faculty |
Faculty of Science |
en |
| ethesis.faculty.URI |
http://data.hulib.helsinki.fi/id/8d59209f-6614-4edd-9744-1ebdaf1d13ca |
|
| ethesis.university.URI |
http://data.hulib.helsinki.fi/id/50ae46d8-7ba9-4821-877c-c994c78b0d97 |
|
| ethesis.university |
Helsingfors universitet |
sv |
| ethesis.university |
University of Helsinki |
en |
| ethesis.university |
Helsingin yliopisto |
fi |
| dct.creator |
Li, Yingzi |
|
| dct.issued |
2013 |
|
| dct.language.ISO639-2 |
fin |
|
| dct.abstract |
Tässä pro gradu -tutkielmassa tarkastellaan aikasarja-analyysiin perustuvia ennustemenetelmiä sekä teoreettisesti että empiirisesti. Tutkielman teoreettisessa osassa esitellään aikasarja-analyysin peruskäsitteet ja empiirisessä osassa sovellettavat ARMA- ja ARIMA-mallit. Tämän jälkeen, johdetaan näiden mallien keskineliövirheen mielessä optimaaliset ennustekaavat. Lisäksi tarkastellaan eksponentiaaliseen tasoitukseen perustuvia ennustemenetelmiä, joista Holt-Winters -menetelmää sovelletaan tutkielman empiirisessä osassa. Tutkielman teoreettisessa osassa käydään läpi myös ARMA- ja ARIMA-mallien rakentamisen päävaiheet.
Tutkielman empiirisessä osassa käytetään Lindström Oy:n työvaatepalvelun keräämää suurta aineistoa, jota yritys käyttää apuna tuotteidensa kysynnän lyhyen aikavälin ennusteita laatiessaan. Tästä aineistosta valitaan kaksi eri tyyppistä tuotetta, joista toisessa esiintyy kausivaihtelua. Näiden tuotteiden kysyntää ennustetaan ARMA- ja ARIMA-malleilla sekä Holt-Winters -menetelmällä ja vertaillaan saatuja yhden ja kolmen kuukauden ennusteita.
Saatujen tuloksien mukaan ARMA- ja ARIMA-mallit ennustavat usein kohtuullisen hyvin. Erityisesti toisessa tarkasteltavista esimerkkitapauksista sopivan mallin valitseminen osoittautui kuitenkin vaikeaksi. Kahdesta valitusta mallista toinen havaittiin selvästi paremmaksi, kun tarkasteltiin yhden kuukauden ennusteita ja yhtä selvästi huonommaksi, kun tarkasteltiin kolmen kuukauden ennusteita. Holt-Winters -menetelmää on mallinvalinnan kannalta helppo käyttää, mutta sillä saadut ennusteet havaittiin esimerkkitapauksissa ARMA- ja ARIMA-mallien ennusteita selvästi huonommiksi. |
fi |
| dct.language |
fi |
|
| ethesis.language.URI |
http://data.hulib.helsinki.fi/id/languages/fin |
|
| ethesis.language |
Finnish |
en |
| ethesis.language |
suomi |
fi |
| ethesis.language |
finska |
sv |
| ethesis.thesistype |
pro gradu-avhandlingar |
sv |
| ethesis.thesistype |
pro gradu -tutkielmat |
fi |
| ethesis.thesistype |
master's thesis |
en |
| ethesis.thesistype.URI |
http://data.hulib.helsinki.fi/id/thesistypes/mastersthesis |
|
| dct.identifier.urn |
URN:NBN:fi-fe2017112252085 |
|
| dc.type.dcmitype |
Text |
|
