รายละเอียดวิทยานิพนธ์
ชื่อวิทยานิพนธ์ การหาค่าพยากรณ์ร่วมโดยการให้ค่าเฉลี่ยถ่วงน้ำหนัก
Combining Forecasts by using Weighted Averages.
ชื่อนิสิต อมรรัตน์ ปรารมย์
Amornrut Prarom
ชื่ออาจารย์ที่ปรึกษา ผศ ร อ มานพ วราภักดิ์
Asst.Prof. Manop Varaphakdi
ชื่อสถาบัน จุฬาลงกรณ์มหาวิทยาลัย. บัณฑิตวิทยาลัย
Chulalongkorn University. Bangkok. (Thailand). Graduate School.
ระดับปริญญาและรายละเอียดสาขาวิชา วิทยานิพนธ์มหาบัณฑิต. พาณิชศาสตร์และการบัญชี (สถิติ)
Master. Science (Statistics)
ปีที่จบการศึกษา 2538
บทคัดย่อ(ไทย) การเลือกวิธีการพยากรณ์ให้เหมาะสมสำหรับข้อมูลอนุกรมเวลาขึ้นอยู่กับลักษณะของของข้อมูล และการนำไปประยุกต์ใช้ ดังนั้นการใช้ค่าพยากรณ์ร่วมที่มาจากการรวมวิธีการพยากรณ์ต่าง ๆ เข้าด้วยกัน จึงเป็นทางเลือกสำหรับผู้ใช้โดยไม่ต้องตัดสินใจเลือกวิธีใดวิธีหนึ่ง การวิจัยครั้งนี้มีวัตถุประสงค์เพื่อเปรียบเทียบวิธีการพยากรณ์สำหรับข้อมูลอนุกรมเวลา ระหว่างการเลือกใช้การพยากรณ์แบบใดแบบหนึ่ง กับการใช้ค่าพยากรณ์ร่วม วิธีการพยากาณ์เดี่ยว ได้แก่ วิธีการปรับให้เรียบแบบเอกซโพเนนเชียลครั้งเดียว วิธีการปรับให้เรียบเอกซโพเนนเชียลแบบปรับอัตราส่วนวิธีการปรับให้เรียบแบบเอกซโพเนนเชียลซ้ำสองครั้ง และวิธีการปรับให้เรียบแบบเอกซโพเนนเชียลสองพารามิเตอร์ของ Holt และการใช้ค่าพยากรณ์ร่วมได้แก่การให้ค่าเฉลี่ยถ่วงน้ำหนักด้วยวิธีการของ Bates,Granger และ Newbold วิธีค่าสัมบูรณ์ต่ำสุด และ วิธีการให้น้ำหนักที่เท่ากัน การเปรียบเทียบกระทำภายใต้สถานการณ์ของขนาดตัวอย่าง 5, 15,30, 50, และ 70 และข้อมูล 2 ลักษณะคือข้อมูลที่เคลื่อนไหวในระดับค่าเฉลี่ยและข้อมูลที่เคลื่อนไหวในลักษณะแนวโน้มเชิงเส้น เพื่อคำนวณหาค่าเฉลี่ยร้อยละของความคลาดเคลื่อนจากการพยากรณ์ (MAPE) ผลการวิจัยสรุปได้ดังนี้ ในสถานการณ์ที่ขนาดตัวอย่างเล็ก (5,15) ข้อมูลมีการเคลื่อนไหวในระดับค่าเฉลี่ย ควรใช้วิธีการปรับให้เรียบแบบเอกซโพแนนเชียลครั้งเดียวแต่ถ้าข้อมูลมีการเคลื่อนไหวในลักษณะแนวโน้มเชิงเส้น ควรใช้วิธีการปรับให้เรียบแบบเอกซโพเนนเชียลซ้ำสองครั้ง ส่วนในสถานการณ์ที่ขนาดตัวอย่างมีขนาดปานกลางถึงใหญ่ (30,50,70) ควรใช้ค่าพยากรณ์ร่วมด้วยวิธีค่าสัมบูรณ์ต่ำสุด
บทคัดย่อ(English) The most appropriate forecasting method for timeseries depends on the characteristics of the series and thetype of application. So aggregating information by combiningforecasts from several forecasting methods is an alternativeto using just a single method. The purpose of this research is to compare forecastingmethods in time series between individual and combinedforecasting methods. Individual methods are SingleExponentail Smoothing, Adaptive Response-Rate ExponentialSmoothing, Double Exponential Smoothing and Holt's IwoParameter Exponential Smoothing method. Combined forecastsmethods are the Bates, Granger and Newbold's method, theLeast Absolute Value method and Simple Average method. Thecomparison was done under conditions of sample size(5, 15,30, 50, 70) and two types of times serie data are horizontaland linear trend. To calculate the mean absolute percentageerrors (MAPEs) of each method. Results of the study are summarized as follows: In case of small sample size(5,15), we should useSingle Exponential Smoothing method for horizontal data andDouble Exponential Smoothing method for linear trend data.When the sample size is medium or large(30, 50, 70), weshould use combined forecasts by the Least Absolute Valuemethod.
ภาษาที่ใช้เขียนวิทยานิพนธ์
จำนวนหน้าของวิทยานิพนธ์ 135 P.
ISBN 974-634-351-3
สถานที่จัดเก็บวิทยานิพนธ์
คำสำคัญ COMBINED FORECASTS, WEIGHTED AVERAGES
วิทยานิพนธ์ที่เกี่ยวข้อง



© 2009 ฝ่ายบริการความรู้ทางวิทยาศาสตร์และเทคโนโลยี, สำนักงานพัฒนาวิทยาศาสตร์และเทคโนโลยีแห่งชาติ All Rights Reserved.