Identyfikacja obserwacji odstających w szeregach czasowych na przykładzie branży FMCG

Paweł Hanczar; Paweł Sobolik; Jacel Zasada

doi:10.22630/EIOL.2018.3.1.3

PDF

Opublikowane:

Apr 20, 2018

Numer

Tom 3 Nr 1 (2018)

Dział

Articles

CitedBy/Share

Paweł Hanczar

Uniwersytet Ekonomiczny we Wrocławiu

https://orcid.org/0000-0002-5144-7975

Paweł Sobolik

Uniwersytet Ekonomiczny we Wrocławiu

https://orcid.org/0000-0002-2365-116X

Jacel Zasada

Uniwersytet Ekonomiczny we Wrocławiu

https://orcid.org/0000-0002-8993-9414

DOI: https://doi.org/10.22630/EIOL.2018.3.1.3

Słowa kluczowe : obserwacja odstająca, FMCG, autoregresja, identyfikacja

Abstrakt

Niniejsza praca ma na celu przeprowadzenie weryfikacji i analizy wybranych metod identyfikacji obserwacji odstających w branży FMCG (ang. fast – moving consumer goods). Do przeprowadzenia badań użyto rzeczywistych danych sprzedaży amerykańskiej sieci sklepów Walmart, udostępnionych przez firmę w Internecie. Analiza została wykonana za pomocą klasycznych metod identyfikacji obserwacji odstających: metody trzech sigm oraz metody kwartylowej, a także zaawansowanej metody opartej na modelu autoregresji zaproponowanej przez Chena i Liu w 1993 roku. Pracę rozpoczyna krótkie wprowadzenie i charakterystyka branży FMCG. Następnie przedstawiono definicje i rodzaje obserwacji odstających oraz używanych przy ich badaniu metod. Pracę kończy prezentacja wyników badań identyfikacji obserwacji odstających dla dwóch jednostek z użyciem wszystkich trzech metod oraz porównanie wyników badań.

Jak cytować

Hanczar, P., Sobolik, P., & Zasada, J. (2018). Identyfikacja obserwacji odstających w szeregach czasowych na przykładzie branży FMCG. Ekonomika I Organizacja Logistyki, 3(1), 25–37. https://doi.org/10.22630/EIOL.2018.3.1.3

Bibliografia

Aczel Amir D., 2005: Statystyka w zarządzaniu, Wydawnictwo Naukowe PWN, Warszawa.

Chen Ch., Liu L-M., 1993: Joint estimation of model parameters and outlier effects in time series, Journal of the American Statistical Association 88 (421), 284–297. (Crossref)

Logistyka.net.pl. Słownik logistyczny, hasło: zamówienie przerastające, [źródło elektroniczne] https://www.logistyka.net.pl/slownik-logistyczny/szczegoly/1640,zamowienie_przerastajace [dostęp: 18.04.2018].

López-de-Lacalle J., 2016: tsoutliers R Package for Detection of Outliers in Time Series, [źródło elektroniczne] https://jalobe.com/doc/tsoutliers.pdf [dostęp: 18.04.2018].

Majewska J., 2012: Obserwacje odstające w (dużych) zbiorach danych, Statystyka a Data Science, [w:] G. Trzpiot (red.), Wydawnictwo Uniwersytetu Ekonomicznego w Katowicach, Katowice.

RogueWave.com, 2016: Tech tutorial: embedding analytics into a database using SourcePro and JMSL, [źródło elektroniczne] https://www.roguewave.com/sites/rw/files/attachments/IMSL-AutoARIMA-WP.pdf [dostęp: 18.04.2018].

Trzęsiok M., 2016: Identyfikacja obserwacji oddalonych w szeregach czasowych, Studia Ekonomiczne, Zeszyty Naukowe Uniwersytetu Ekonomicznego w Katowicach 265, 95–105.

Walmart Recruiting – Store Sales Forecasting, [źródło elektroniczne] https://www.kaggle.com/c/walmart-recruiting-store-sales-forecasting [dostęp: 18.04.2018].

Statystyki