Primjena statističkih metoda u predviđanju prodaje

diplomski rad

• Autor: Karla Šutalo
• Mentor: Siniša Slijepčević (mentor)
• Član povjerenstva: Siniša Slijepčević (predsjednik povjerenstva)
• Član povjerenstva: Ilja Gogić (član povjerenstva)
• Član povjerenstva: Igor Pažanin (član povjerenstva)
• Član povjerenstva: Zvonimir Tutek (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Prirodoslovno-matematički fakultet; (Matematički odsjek); Zagreb
• Datum i država obrane: 2017-09-28, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: PRIRODNE ZNANOSTI; Matematika

Sažetak

Cilj ovog rada je naći model koji najbolje opisuje podatke o prodaji grupe proizvoda i napraviti predviđanje buduće prodaje. Podaci o prodaji su vremenski niz za koji definiramo najvažnije pojmove: stacionarnost, autokovarijacijsku i autokorelacijsku funkciju. Kod modeliranja podataka koristimo teoriju vezanu uz stacionarne procese pa opisujemo metode uklanjanja trenda i sezonalnosti iz podataka kako bi dobili stacionaran niz koji dalje modeliramo. Definiramo ARMA procese, odnosno autoregresivne procese pomičnih prosjeka i navodimo neka njihova važna svojstva. Obrađenu teoriju primjenjujemo na stvarnim podacima o prodaji grupe proizvoda, gdje dio podataka modeliramo ARMA procesom i predviđamo njihovu prodaju. Na kraju dobiveno predviđanje uspoređujemo sa stvarnim podacima o prodaji i zaključujemo kako ARMA proces daje dosta dobra predviđanja prodaje.

Sažetak (engleski)

The goal of this thesis was to develop a model which describes the sales data for the group of three products and predicts group’s future sales. Sales data is time series for which we define the most important terms: stationarity followed by autocovariance and autocorrelation function. Using theoretical knowledge we defined statistical methods for removing trend and seasonal component from the time series which then leaves us with stationary time series used for modeling. We defined ARMA process, which stands for the Autoregressive-moving-average process, and define some of its properties. We applied theoretical knowledge on actual sales data for the product group by developing an ARMA model on data sample and predicting future sales. Finally, we compared predicted future sales with realized sales and came to the conclusion that ARMA process describes our data well and gives good sales prediction.

• Ključne riječi: predviđanje prodaje; modeliranje podataka; ARMA proces
• Ključne riječi (engleski): sale prediction; dana modeling; ARMA process
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:217:189000
• Studijski program: Naziv: Financijska i poslovna matematika; Vrsta studija: sveučilišni; Stupanj studija: diplomski; Akademski / stručni naziv: magistar/magistra matematike (mag. math.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Otvoreni pristup
• Datum i vrijeme pohrane: 2018-04-27 13:14:07