Prognoserechnung: [mit 58 Tabellen]
Gespeichert in:
| Format: | Buch |
|---|---|
| Sprache: | German |
| Veröffentlicht: |
Heidelberg
Physica-Verl.
2005
|
| Ausgabe: | 6., völlig neu bearb. und erw. Aufl. |
| Schlagworte: | |
| Online-Zugang: | Klappentext Inhaltsverzeichnis |
| Beschreibung: | Auch als Internetausgabe |
| Beschreibung: | XXI, 511 S. graph. Darst. |
| ISBN: | 3790802166 |
Internformat
MARC
| LEADER | 00000nam a2200000 c 4500 | ||
|---|---|---|---|
| 001 | BV019321218 | ||
| 003 | DE-604 | ||
| 005 | 20180727 | ||
| 007 | t | ||
| 008 | 040615s2005 gw d||| |||| 00||| ger d | ||
| 020 | |a 3790802166 |9 3-7908-0216-6 | ||
| 035 | |a (OCoLC)645278620 | ||
| 035 | |a (DE-599)BVBBV019321218 | ||
| 040 | |a DE-604 |b ger |e rakwb | ||
| 041 | 0 | |a ger | |
| 044 | |a gw |c DE | ||
| 049 | |a DE-355 |a DE-20 |a DE-1050 |a DE-473 |a DE-859 |a DE-945 |a DE-1102 |a DE-1051 |a DE-1029 |a DE-12 |a DE-703 |a DE-860 |a DE-1028 |a DE-Aug4 |a DE-384 |a DE-1049 |a DE-Eb1 |a DE-523 |a DE-526 |a DE-634 |a DE-83 |a DE-92 |a DE-2070s |a DE-188 |a DE-19 | ||
| 084 | |a QH 237 |0 (DE-625)141552: |2 rvk | ||
| 084 | |a QH 300 |0 (DE-625)141566: |2 rvk | ||
| 084 | |a QH 330 |0 (DE-625)141569: |2 rvk | ||
| 084 | |a SK 845 |0 (DE-625)143262: |2 rvk | ||
| 084 | |a WIR 547f |2 stub | ||
| 084 | |a 650 |2 sdnb | ||
| 245 | 1 | 0 | |a Prognoserechnung |b [mit 58 Tabellen] |c Peter Mertens ... Hrsg. Mit Beitr. von S. Albers ... |
| 250 | |a 6., völlig neu bearb. und erw. Aufl. | ||
| 264 | 1 | |a Heidelberg |b Physica-Verl. |c 2005 | |
| 300 | |a XXI, 511 S. |b graph. Darst. | ||
| 336 | |b txt |2 rdacontent | ||
| 337 | |b n |2 rdamedia | ||
| 338 | |b nc |2 rdacarrier | ||
| 500 | |a Auch als Internetausgabe | ||
| 650 | 0 | 7 | |a Prognose |0 (DE-588)4047390-9 |2 gnd |9 rswk-swf |
| 650 | 0 | 7 | |a Unternehmen |0 (DE-588)4061963-1 |2 gnd |9 rswk-swf |
| 650 | 0 | 7 | |a Prognosemodell |0 (DE-588)4125215-9 |2 gnd |9 rswk-swf |
| 650 | 0 | 7 | |a Prognoseverfahren |0 (DE-588)4358095-6 |2 gnd |9 rswk-swf |
| 655 | 7 | |0 (DE-588)4143413-4 |a Aufsatzsammlung |2 gnd-content | |
| 689 | 0 | 0 | |a Prognoseverfahren |0 (DE-588)4358095-6 |D s |
| 689 | 0 | 1 | |a Prognosemodell |0 (DE-588)4125215-9 |D s |
| 689 | 0 | |5 DE-188 | |
| 689 | 1 | 0 | |a Unternehmen |0 (DE-588)4061963-1 |D s |
| 689 | 1 | 1 | |a Prognoseverfahren |0 (DE-588)4358095-6 |D s |
| 689 | 1 | |8 1\p |5 DE-604 | |
| 689 | 2 | 0 | |a Unternehmen |0 (DE-588)4061963-1 |D s |
| 689 | 2 | 1 | |a Prognose |0 (DE-588)4047390-9 |D s |
| 689 | 2 | |5 DE-188 | |
| 689 | 3 | 0 | |a Prognoseverfahren |0 (DE-588)4358095-6 |D s |
| 689 | 3 | 1 | |a Prognosemodell |0 (DE-588)4125215-9 |D s |
| 689 | 3 | |5 DE-188 | |
| 700 | 1 | |a Mertens, Peter |d 1937- |e Sonstige |0 (DE-588)120124823 |4 oth | |
| 700 | 1 | |a Albers, Sönke |d 1948- |e Sonstige |0 (DE-588)121414841 |4 oth | |
| 856 | 4 | 2 | |m Digitalisierung UB Regensburg |q application/pdf |u http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=012788516&sequence=000003&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA |3 Klappentext |
| 856 | 4 | 2 | |m Digitalisierung UB Regensburg |q application/pdf |u http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=012788516&sequence=000004&line_number=0002&func_code=DB_RECORDS&service_type=MEDIA |3 Inhaltsverzeichnis |
| 999 | |a oai:aleph.bib-bvb.de:BVB01-012788516 | ||
| 883 | 1 | |8 1\p |a cgwrk |d 20201028 |q DE-101 |u https://d-nb.info/provenance/plan#cgwrk | |
Datensatz im Suchindex
| _version_ | 1804132739148939264 |
|---|---|
| adam_text | Mit diesem Buch liegen kompakte Beschreibungen von Prognosever¬
fahren vor, die vor allem in Systemen der betrieblichen Informations¬
verarbeitung eingesetzt werden. In Beiträgen von Praktikern mit lang¬
jähriger Prognoseerfahrung wird zusätzlich gezeigt, wie die einzelnen
Methoden in der Unternehmung Verwendung finden können und wo
die Probleme beim Einsatz liegen. So wendet sich dieses Buch gleicher¬
maßen an Wissenschaft und Praxis. Das Spektrum reicht von einfa¬
chen Verfahren der Vorhersage über neuere Ansätze der künstlichen
Intelligenz und Zeitreihenanalyse bis hin zur Prognose von Software¬
zuverlässigkeit. Mithilfe von künstlicher Intelligenz bringt man dem
Rechner Wissen mathematischer Experten und erfahrener Prognosti¬
ker bei, das auch Laien in die Lage versetzt, komplizierte Prognose-
modolle auszuwählen und anzupassen. Zur Zeitreihenanalyse eignen
sich Methoden der Mustererkennung, wenn eine aufwändige Mqdell-
bildung vermieden werden soll. Mit der sechsten, völlig
ten und erweiterten Auflage werden neuere Entwicklungen
Anwendungsgebiete der Vorhersagemethodik insbesondere
markt- und Unternehmensbereich berücksichtig!! •
Inhaltsverzeichnis
Teil
1 Prognoserechnung - Einführung und Überblick 1
von Peter Mertens und Susanne Rässler
1.1 Zur Bedeutung der Prognoserechnung 1
1.2 Überblick 2
1.3 Voraussetzungen beim Leser 5
1.4 Literatur 5
2 Einführung in die kurzfristige Zeitreihenprognose und Vergleich
der einzelnen Verfahren 7
von Michael Schröder
2.1 Überblick 7
2.2 Allgemeine Überlegungen 7
2.2.1 Anforderungen an Verfahren für kurzfristige Prognoserechnungssysteme 7
2.2.2 Datenauswahl und
2.2.2.1 Datenquellen 9
2.2.2.2 Datenanalyse 9
2.2.3 Prognoseintervall und Vorhersagezeitraum 10
2.3 Modelle zur Abbildung von Zeitreihen 11
2.3.1 Graphische Übersicht über die Möglichkeiten zur Modellbildung 11
2.3.2 Mathematische Beschreibung der wichtigsten Modelle 13
2.3.2.1 Konstantes Modell 13
2.3.2.2 Lineares Modell 13
2.3.2.3 Modelle höherer Ordnung 14
2.3.2.4 Trigonometrische Modelle 14
2.4 Methoden zur Abschätzung der Modellkoeffizienten 14
2.4.1 Übersicht 14
2.4.2 Methoden für das konstante Modell 15
2.4.2.1 Gleitende Durchschnitte erster Ordnung 16
2.4.2.2 Gewogene gleitende Durchschnitte 18
2.4.2.3 Exponentiell gewogene Durchschnitte
erster Ordnung) 18
2.4.2.3.1 Übergang von gleitenden Durchschnitten zum
exponentiellen Glätten 18
2.4.2.3.2 Prinzip des exponentiellen Glättens 20
2.4.2.3.3 Bestimmung des Glättungsfaktors 21
2.4.2.3.4 Reaktion auf plötzliche Veränderungen 24
2.4.2.3.4.1 Reaktion auf einen Impuls 24
2.4.2.3.4.2 Reaktion auf eine Niveauänderung 25
2.4.2.3.5 Bedeutung und Vorteile des exponentiellen Glättens 26
2.4.3 Methoden zur Abschätzung der beiden Koeffizienten im
linearen Modell mit Trend 28
2.4.3.1
2.4.3.2
2.4.3.2.1 Verwendung von Glättungswerten erster und zweiter Ordnung 29
2.4.3.2.2 Direkte Fortschreibung der Modellkoeffizienten 31
VIII Inhaltsverzeichnis
2.4.3.2.3 Vergleich zwischen exponentiellem Glätten mit Trendkorrektur
und exponentiellem Glätten zweiter Ordnung (nach
2.4.3.3 Zwei-Parameter-Modell nach Holt 34
2.4.3.4 Zwei-Parameter-Modell mit gedämpftem Trend 35
2.4.3.5 Drei-Parameter-Modell mit Fehlerdifferenzausdruck 36
2.5 Möglichkeiten und Grenzen der Zeitreihenextrapolation 36
2.6 Literatur 37
3 Einführung in die Prognose saisonaler Zeitreihen mithilfe
exponentieller Glättungstechniken und Vergleich der Verfahren
von Winters und
von Roland Schuhr
3.1 Einleitung 39
3.2 Das Holt-Winters-Verfahren 40
3.2.1 Das Prognoseproblem und die Prognosefunktionen des Verfahrens 40
3.2.2 Rekursive Berechnung der Prognosefunktionskoeffizienten 41
3.2.3 Implementierung des Verfahrens 44
3.2.4 Ein numerisches Beispiel 47
3.2.5 Modifikationen des Basisansatzes 47
3.3 Das SEATREND-Verfahren von
3.3.1 Berechnung der Niveau-und der Trendwerte 50
3.3.2 Berechnung der Saisonfaktoren 51
3.3.2.1 Fourier-Polynom-Darstellung und Fourier-Glättung von Saisonfaktoren 51
3.3.2.2 Rekursive Berechnung geglätteter Saisonfaktoren 52
3.3.3 Implementierung des Verfahrens 55
3.3.4 Ein numerisches Beispiel 56
3.4 Verfahrensvergleich und Ausblick 56
3.5 Literatur 58
4 Prognose bei unregelmäßigem Bedarf 61
von Arthur Nowack
4.1 Abgrenzung zwischen regelmäßigem und unregelmäßigem
bzw. sporadischem Bedarf 61
4.1.1 Kennzeichen des „regelmäßigen Bedarfs 61
4.1.2 Festlegung des „sporadischen Bedarfs im IMPACT-Verfahren 61
4.2 Vorhersage bei unregelmäßigem Bedarf - Verfahren von Trux 62
4.2.1 Begriff „unregelmäßiger Bedarf 62
4.2.2 Vorhersage der Anzahl von Bestellungen 63
4.2.3 Vorhersage der Menge je Bestellung 63
4.3 Das Modell zur Vorhersage für sporadische Nachfragemengen
von Wedekind 64
4.3.1 Begriffsbestimmung „sporadische Nachfrage 64
4.3.2 Das Vorhersagemodell 65
4.4 Ein „dynamisches Vorhersagemodell zur Prognose
bei unregelmäßigem Bedarf 67
4.4.1 Analyse der Probleme der bisher dargestellten Verfahren 67
4.4.1.1 Verlust der Information über den Zeitpunkt der Nachfrage 67
4.4.1.2 Kumulation des Bedarfs zu Bedarf je Intervall 67
4.4.1.3 Verspätete Reaktion auf Änderung der Nachfragestruktur 68
Inhaltsverzeichnis
4.4.1.4 Nicht steuerbare Genauigkeit der Vorhersage 68
4.4.2 Grundaufbau bisheriger Systeme 68
4.4.3 Grundidee der dynamischen Vorhersage 69
4.4.4 Beschreibung des Verfahrens der dynamischen Vorhersage 70
4.4.4.1 Einteilung des Bedarfs in Klassen mit konstantem Bedarf 70
4.4.4.2 Vorgabe von Vorhersagewerten für die Nachfrageintervalle 70
4.4.4.3 Feststellen von signifikanten Veränderungen 70
4.4.4.4 Berechnung des aktuellen Wertes je Intervall 71
4.4.5 Fortschreibung der Zeitverteilung der in Klassen eingeteilten Nachfrage 72
4.4.6 Merkmale des Verfahrens 72
4.4.6.1 Wählbare Genauigkeit 72
4.4.6.2 Aktualität der gespeicherten Werte 72
4.4.6.3 Schnelles Anpassen an Strukturveränderungen 72
4.5 Literatur 72
5 Ein gemischt deterministisch-stochastisches Prognoseverfahren 73
von Walter Trux
5.1 Prinzip der gemischt deterministisch-stochastischen Prognoseverfahren 73
5.2 Beispiel einer gemischt deterministisch-stochastischen Prognose 73
5.3 Kritische Würdigung 76
5.4 Literatur 76
6 Prognose mithilfe von Verweilzeitverteilungen 77
von Heinz Langen und Fritz Weinthaler
6.1 Die Grundgedanken des Verfahrens 77
6.2 Die analytische Vorstufe der Prognose 77
6.2.1 Die Strukturanalyse 78
6.2.2 Die Analyse der Übergangsgesetzmäßigkeiten 78
6.2.2.1 Wesen und Begriff der Verweilzeitverteilung 79
6.2.2.2 Die Arten von Verweilzeitverteilungen 80
6.2.2.2.1 Mengenverteilungen 80
6.2.2.2.2 Wertverteilungen 81
6.2.2.2.3 Einfache Verteilungen 81
6.2.2.2.4 Komplexe Verteilungen 81
6.2.2.3 Die Ermittlung von Verweilzeitverteilungen 82
6.2.2.4 Die Aufbereitung von Verweilzeitverteilungen 82
6.3 Die Prognose 83
6.3.1 Prognose mit einfacher Verweilzeitverteilung 83
6.3.2 Prognose mit komplexer Verweilzeitverteilung 84
6.3.2.1 Im Produktionsbereich 84
6.3.2.2 Im Investitionsbereich 88
6.4 Schlussbetrachtung 89
6.5 Literatur 89
7 Punkt-, Intervallprognose und Test auf Strukturbruch mithilfe der
Regressionsanalyse 91
von Hans Schneeberger
7.1 Einleitung 91
7.2 Prognose im Fall einfacher linearer Regression 91
Inhaltsverzeichnis
7.2.1 Punkt- und Intervallprognose 91
7.2.2 Strukturbruch der Regressionsgeraden 96
7.3 Prognose im Fall multipler (k-dimensionaler) linearer Regression 98
7.3.1 Punkt- und Intervallprognose 98
7.3.2 Strukturbruch der Regressionshyperebenen 102
7.4 Nichtlineare Regression 104
7.5 Literatur 104
8 Prognose mit Paneldaten 105
von Susanne Rässler und Katja Wolf
8.1 Einleitung 105
8.2 Lineare Modellspezifikationen für Paneldaten 105
8.3 Schätzverfahren und ihre Eigenschaften 108
8.4 Möglichkeiten zur Prognose 110
8.5 Abschließende Bemerkungen 111
8.6 Literatur 112
9 Prognose mit nichtparametrischen Verfahren 113
von
9.1 Einleitung 113
9.2 Nichtparametrische Verfahren 113
9.2.1 Einführung 113
9.2.2 Lokal gewichtete lineare Regression 116
9.2.3 Prognose 119
9.3 Anwendung auf Volatilitäten 120
9.4 Literatur 124
10
schrittweiser Regression und adaptivem Gewichten 125
von Günter Matt
10.1 Einleitung und Überblick 125
10.2 Beschreibung des Verfahrens der adaptiven Einflussgrößenkombination 129
10.3 Vergleich der adaptiven Einflussgrößenkombination mit anderen
Vorhersageverfahren 136
10.3.1 Vergleich von AEK, Winters,
Disponentenprognosen 138
10.3.2 Vergleiche mit weiteren Prognoseverfahren 145
10.4 Beispiele für den praktischen Einsatz des Verfahrens der adaptiven
Einflussgrößenkombination 151
10.5 Literatur 162
11 Mittel- und langfristige Absatzprognose auf der Basis von
Sättigungsmodeilen 169
von Peter Mertens und Jürgen
11.1 Einleitung 169
11.2 Systematik und grober Überblick 170
11.3 Grundmodelle 171
11.3.1 Vorbemerkung und Überblick 171
11.3.2 Das logistische Modell 172
Inhaltsverzeichnis
11.3.2.1 Der Modellansatz 172
11.3.2.2 Analyse von Modelleigenschaften 174
11.3.2.3 Zur Kritik des logistischen Ansatzes 176
11.3.3 Das
11.3.4 Das Bass-Modell 178
11.3.5 Das Gompertz-Modell 179
11.4 Flexible Modelle 181
11.4.1 Vorbemerkung und Überblick 181
11.4.2 Generalisierte logistische Funktionen 182
11.4.3 Eine verallgemeinerte
11.4.4 Das generalisierte Bass-Modell von Easingwood, Mahajan und
Muller und verwandte Ansätze 184
11.5 Erweiterte Modelle für Erstkäufe 185
11.5.1 Vorbemerkung und Überblick 185
11.5.2 Erweiterungen des logistischen Modells 185
11.5.3 Das Modell von Weblus 187
11.5.4 Das Modell von Bonus 188
11.5.5 Eine Erweiterung des Modells von Bonus und das Modell der
Einkommensklassen von Lewandowski 190
11.5.6 Die Modelle von
11.5.7 Erweiterungen des Bass-Modells 191
11.6 Modelle mit Komponenten für Wiederholungskäufe 192
11.6.1 Problematik und Überblick 192
11.6.2 Das Modell von
11.6.3 Das Modell von
11.7 Entscheidungsunterstützung über Testmärkte 198
11.8 Verwendungsbreite und Vergleich 200
11.9 Schlussbemerkung und Ausblick 200
11.10 Literatur 201
12 Indikatorprognosen 205
von Norbert Niederhübner
12.1 Einführung 205
12.2 Ablauf des indikatorverfahrens 205
12.3 Methoden der Lag-Bestimmung 206
12.4 Prognoseverfahren 207
12.4.1 Regressionsanalyse 207
12.4.2 Multivariate ARIMA-Modelle 208
12.4.3 Kombinierte Prognosen 209
12.5 Validierung der Prognosen 210
12.6 Ein Beispiel 211
12.7 Literatur 213
13 Lineare Filter und integrierte autoregressive Prozesse 215
von Klaus Hansen
13.1 Einleitung 215
13.2 Lineare Filter - 215
13.2.1 Differenzenfilter 217
13.2.2 Exponentiell glättende Filter 219
XII Inhaltsverzeichnis
13.2.3 Der Wiener-Filter 219
13.3 Integrierte autoregressive Moving-Average-Prozesse 221
13.3.1 Stationäre Prozesse 221
13.3.2 Instationäre Prozesse 223
13.3.3 Die Modellidentifikation 223
13.4 Anwendungen 225
13.4.1 Eine
13.4.1.1 Modellidentifikation 225
13.4.1.2 Prognose 226
13.4.1.3 Modellüberprüfung 226
13.4.2 Eine ARIMA(p,d,q)(sp,sd,sq)S-Prognose 229
13.4.2.1 Modellidentifikation 229
13.4.2.2 Prognose 229
13.4.2.3 Modellüberprüfung 229
13.5 Ex
13.5.1 ARIMA-Interventionsmodelle 232
13.5.2 Anwendung 233
13.5.2.1 Modellidentifikation 234
13.5.2.2 Prognose 234
13.5.2.3 Modellüberprüfung 234
13.5.2.4 Interpretation der Werte der Koeffizienten der Dummy-Variablen 235
13.6 Literatur 237
14 Prognose
von Manfred Deistler und Klaus Neusser
14.1 Einführung 239
14.2 Die Theorie der linearen Kleinst-Quadrate-Prognose 240
14.3 Die Prognose aus unendlicher Vergangenheit 242
14.4 AR- und ARMA-Prozesse 244
14.5 Die Schätzung der Prädiktoren für ARMA-Systeme 247
14.6 ARMAX-Modelle und bedingte Prognose 250
14.7 Die Prognose gesamtwirtschaftlicher Größen 252
14.8 Absatzprognose 255
14.9 Literatur 258
15 Die Input-Output-Rechnung als Hilfsmittel der Prognose 261
von Reiner Stäglin
15.1 Einleitung 261
15.2 Input-Output-Tabellen als Informationssystem für die Prognose 262
15.2.1 Symmetrische Input-Output-Tabelle als Datensystem 262
15.2.2 Deskriptive Auswertung der symmetrischen Input-Output-Tabelle 263
15.2.2.1 Output-Koeffizienten 263
15.2.2.2 Input-Koeffizienten 264
15.2.2.3 Triangulation 265
15.3 Input-Output-Analyse als Hilfsmittel der Prognose 266
15.3.1 Input-Output-Modell 266
15.3.1.1 Das traditionelle Modell 266
15.3.1.2 Das erweiterte Modell 267
15.3.1.3 Das dynamische Modell 268
Inhaltsverzeichnis XIII
15.3.2 Modellmäßige Auswertung der symmetrischen Input-Output-Tabelle 269
15.3.2.1
15.3.2.2 Berechnung unternehmensbezogener Produktionseffekte 270
15.3.2.3 Zusammenhang zwischen letzter Verwendung und Bruttoproduktion 272
15.3.2.3.1 Diagnostische Bedeutung 272
15.3.2.3.2 Prognostische Bedeutung 273
15.3.3 Transformation der Input-Output-Ergebnisse in Beschäftigungsgrößen 275
15.4 Input-Output-Auswertungsprogramme 275
15.5 Literatur 276
16 Prognose mithilfe von Markovprozessen 279
von Klaus Hansen
16.1 Einführung 279
16.2 Reguläre Markovprozesse 281
16.2.1 Definition und grundlegende Merkmale 281
16.2.2 Modellbildung des regulären Prozesses mithilfe
der erzeugenden Funktion 284
16.2.3 Anwendungen 286
16.2.3.1 Prognose von Marktanteil und Absatzmengen 287
16.2.3.2 Prognose einer Lagerbestandsbewegung 289
16.3 Absorbierende Markovprozesse 291
16.3.1 Definition und grundlegende Merkmale 291
16.3.2 Modellbildung des absorbierenden Prozesses mithilfe
der erzeugenden Funktion 294
16.3.3 Anwendungen 295
16.4 Periodische Markovprozesse 296
16.4.1 Definition und grundlegende Merkmale 296
16.4.2 Modellbildung des zyklischen Prozesses mithilfe
der erzeugenden Funktion 297
16.4.3 Anwendungen 299
16.5 Bewertete Markovprozesse 299
16.5.1 Definition und grundlegende Merkmale 299
16.5.2 Anwendungen 300
16.6 Fazit 303
16.7 Literatur 303
17 Der Beitrag der Künstlichen Intelligenz zur betrieblichen Prognose 305
von Philipp Janetzke und Jürgen
17.1 Einleitung 305
17.2 Expertensysteme 305
17.2.1 Prognosespezifischer Aufbau 305
17.2.2 Wissensrepräsentation 306
17.2.3 Wissensverarbeitung 307
17.2.4 Einsatz wissensbasierter Prognosesysteme 308
17.2.4.1 Expertensysteme mit mathematisch-statistischen Methoden 308
17.2.4.1.1 Nicht integrierte Auswahlsysteme 308
17.2.4.1.2 Integrierte Auswahlsysteme 309
17.2.4.2 Expertensysteme mit empirischen Methoden 310
17.2.4.3 Vorteile des Einsatzes von Expertensystemen 311
XIV
17.3 Künstliche Neuronale Netze 312
17.3.1 Motivation für den Prognoseeinsatz 312
17.3.2 Prognose mit Multilayerperceptrons 312
17.3.2.1
17.3.2.2 Anwendung 313
17.3.2.2.1 Ereignisprognose 313
17.3.2.2.2 Zeitverlaufsprognose 313
17.3.3 Prognose mit selbstorganisierenden Karten 315
17.3.3.1
17.3.3.2 Anwendung 315
17.3.4 Prognose mit Boltzmannmaschinen 316
17.3.4.1
17.3.4.2 Anwendung 316
17.3.5 Weiterführende Netzwerkmodelle 316
17.3.6 Aspekte der betrieblichen Verwendung von Künstlichen
Neuronalen Netzen als Prognoseverfahren 317
17.3.7 Weiterführende Einsatzgebiete von Künstlichen
Neuronalen Netzen in der Prognose 317
17.4 Vergleich der vorgestellten Prognosemodelle 318
17.4.1 Vergleiche der Prognosemodelle der Künstlichen
Intelligenz untereinander 318
17.4.1.1 Expertensysteme mit Künstlichen Neuronalen Netzen 318
17.4.1.2 Künstliche Neuronale Netzmodelle untereinander 319
17.4.1.3 Künstliche Neuronale Netze mit
17.4.2 Vergleiche der Künstlichen Neuronalen Netze mit mathematisch¬
statistischen Verfahren 320
17.4.2.1 Künstliche Neuronale Netze mit Regressionsmethoden 320
17.4.2.2 Künstliche Neuronale Netze mit der Diskriminanzanalyse 321
17.5 Hybridsysteme 322
17.5.1 Formen von Hybridsystemen 322
17.5.1.1 Expertensystem in Verbindung mit Künstlichem Neuronalem Netz 322
17.5.1.2 Erweiterung um Ansätze aus der Genetik 323
17.5.1.3 Interagierende Künstliche Neuronale Netze 324
17.5.2 Anwendungen 324
17.5.2.1 Expertensystem und Künstliche Neuronale Netze 324
17.5.2.2 Künstliche Neuronale Netze und andere Verfahren 326
17.6 Ausblick 326
17.7 Literatur 326
17.8 Anhang: Tabellarische Übersicht der im Beitrag erwähnten Systeme 332
18 Monitoring von Prognosemodellen 335
von Ulrich Küsters und Claudia Becker
18.1 Übersicht 335
18.2 Ausreißertypen und ihre Konsequenzen 337
18.2.1 Ausreißertypen 337
18.2.2 Konsequenzen der unzureichenden Berücksichtigung von Ausreißern 340
18.2.2.1 Auswirkungen auf die Modellschätzung und
18.2.2.2 Auswirkungen auf die Prognosefunktion 341
Inhaltsverzeichnis
18.2.3 Maßnahmen zur Berücksichtigung von Ausreißern 343
18.3 Monitore in exponentiellen Glättungsmodellen 344
18.3.1 Diagnose additiver Ausreißer 344
18.3.2 Diagnose von Niveauverschiebungen 345
18.3.3 Kalibration von Schwellenwerten 348
18.3.4 Verfahren zur Berücksichtigung identifizierter Ausreißer 351
18.3.5 Probleme der Monitore der exponentiellen Glättung 352
18.3.6 Monitore in Strukturkomponentenmodellen 353
18.3.7 Softwarepakete 353
18.4 Monitore in Box-Jenkins-Modellen 354
18.4.1 Modelldefinition 354
18.4.2 Diagnosetechniken 356
18.4.3 Software-Pakete 359
18.4.4 Beurteilung 359
18.5 Schlussbemerkungen 360
18.6 Literatur 362
19 Evaluation, Kombination und Auswahl betriebswirtschaftlicher
Prognoseverfahren 367
von Ulrich Küsters
19.1 Überblick 367
19.2 Evaluation der Prognosegenauigkeit 368
19.2.1 Grundlagen der Evaluation 368
19.2.2 Differenzierungsmerkmale von Evaluationsmaßen 369
19.2.3 Untersuchungsdesigns 370
19.2.4 Prognoseevaluationsmaße (Gütemaße) 374
19.2.4.1 Grundsätzliche Hinweise 374
19.2.4.2 Evaluationsmaße ohne Referenz zu einem Benchmark 375
19.2.4.3 Benchmarkbasierte Vergleichsmaße 378
19.2.5 Evaluation von Wahrscheinlichkeits- und Ereignisprognosen 381
19.2.6 Evaluation von Intervallprognosen 383
19.2.7 Tests auf Prognoseäquivalenz 383
19.2.8 Evaluation von Dichteprognosen 386
19.3 Kombination von Prognosen 386
19.3.1 Grundlegende Verfahren 386
19.3.2 Kombination durch Varianzminimierung 388
19.3.3 Kombination durch Regression 388
19.3.4 Konfidenzintervalle von Prognosekombinationen 388
19.3.5 Prognosekombination durch RBF 389
19.3.6 Beziehungen zwischen Kombination, Evaluation, Einschluss
(Encompassing)
19.3.7 Prognosekombination in der Praxis 390
19.4 Prognosewettbewerbe 391
19.4.1 Ziele und Bandbreite der Prognosewettbewerbe 391
19.4.2 Ausgewählte Resultate der Wettbewerbe 391
19.4.3 Kritik an Prognosewettbewerben 392
19.5 Auswahl von Prognoseverfahren 394
19.5.1 Grundsätzliche Hinweise 394
XVI
19.5.2 Einflussfaktor Sach- und Aggregationsebene 395
19.5.3 Einflussfaktor Informationsbasen 395
19.5.4 Einflussfaktor Prognosegrößen 395
19.5.5 Einflussfaktor Nutzer-Anforderungen 396
19.5.6 Einflussfaktor verfügbare Prognosesoftware 396
19.5.7 Faktische Nutzung von Prognoseverfahren in Unternehmen 397
19.5.8 Ein grobes Entscheidungsraster 398
19.6 Schlussbemerkungen 398
19.7 Literatur 400
Teil
und volkswirtschaftliche Anwendungsfelder
20 Modellgestützte Marktanteilsprognose auf Basis von Paneldaten 405
von Raimund Wildner
20.1 Problemstellung 405
20.2 Paneldaten als Grundlage für Marketing-Mix-Modelle 406
20.3 Prognosen mit Scanner-Handelspanel-Modellen 408
20.3.1 Die Datenbasis 408
20.3.2 Die Modellbildung 408
20.3.3 Prognosen am Fallbeispiel 410
20.4 Prognosen mit Scanner-Verbraucherpanel-Modellen 413
20.4.1 Vorbemerkung 413
20.4.2 Die Datenbasis 414
20.4.3 Die Modellierung 414
20.4.4 Prognosen am Fallbeispiel 416
20.5 Modellauswahl und Fazit 417
20.6 Literatur 418
21 Die Verbindung von Absatzplanung und Prognoserechnung -
ein Beispiel aus der Praxis 419
von
21.1 Die Absatzplanung in der vernetzten Welt 419
21.2 Die Planungsstrukturen 419
21.2.1 Die Produktstruktur 419
21.2.2 Die Systemstruktur 420
21.2.3 Die Vertriebsstruktur 421
21.3 Der Planungsablauf 422
21.4 Die Wahl der Planungsebene 423
21.5 Methodeneinsatz in der Planung 424
21.6 Ein Prognosebeispiel 426
21.6.1 Die Zeitreihe 426
21.6.2 Der Instabilitätsfilter 427
21.6.3 Der Saisonfilter 427
21.6.4 Der autoregressive Filter 427
21.6.5 Das Prognosemodell 428
21.7 Fazit 429
21.8 Literatur 430
Inhaltsverzeichnis XVII
22 Kundenweitprognose 431
von Sönke Albers und Goetz
22.1 Einleitung 431
22.2 Der Begriff Kundenwert 431
22.3 Ein Modell zur Prognose des Kundenwerts 432
22.3.1 Das Grundmodell und seine Erweiterung 432
22.3.2 Bestimmung des Deckungsbeitragssatzes 433
22.3.3 Bestimmung der Umsatzentwicklung über die Zeit 434
22.3.4 Bestimmung der Transaktionshäufigkeit 435
22.3.5 Bestimmung des Referenzwerts 436
22.3.6 Bestimmung des Kalkulationszinsfußes 437
22.4 Zusammenfassung 437
22.5 Literatur 437
23 Qualitätsvergleiche bei Kreditausfallprognosen 439
von Walter Krämer
23.1 Qualitative versus quantitative Prognosen 439
23.2 Trennschärfe und Kalibrierung 439
23.3 Weitere Halbordnungen von Wahrscheinlichkeitsprognosen 441
23.4 Skalarwertige Abweichungsmaße 445
23.5 Literatur 446
24 Beratung mithilfe von statistischen Prognosen.
Welches Instrument ist das sinnvollste? 449
von Markus Frölich, Michael Lechner und Heidi Steiger
24.1 Einleitung 449
24.2 Expertensysteme zur Programmauswahl 449
24.3 Definition des optimalen Instruments 450
24.4 Identifikation der individuellen Prognosen 451
24.5 Schätzung der individuellen Prognosen 453
24.6 Auswahl der besten Maßnahme 454
24.7 Praktische Anwendung: Arbeitsmarktliche Maßnahmen in der Schweiz 455
24.8 Fazit 457
24.9 Literatur 457
25 Prognose von Softwarezuverlässigkeit, Softwareversagensfällen und
Softwarefehlern 459
von Michael Grottke
25.1 Einleitung 459
25.2 Softwarezuverlässigkeitswachstumsmodelle 460
25.2.1 Markovprozess-Modelle 463
25.2.2 Ein Semi-Markovprozess-Modell: Littlewood-Verrall-Modell 469
25.2.3 Nichthomogene Poissonprozess-Modelle 471
25.2.4 Weitere Ansätze zur Modellvereinheitlichung 476
25.2.5 Systematisches und nutzungsprofilorientiertes Testen 476
25.2.6 Evaluierung und Verbesserung der Modellgüte 477
25.3 Weitere Modellklassen 480
25.3.1 Stichprobenmodelle 480
25.3.2 Modelte zur Prognose von Software 483
XVIII
25.4 Abschließende Bemerkung 485
25.5 Literatur 485
26 Kooperative Vorhersage in Unternehmensnetzwerken 489
von Peter Mertens, Andrew J. Zeller, Jörn Große-Wilde und
26.1 Von der Einzelprognose zur kooperativen Vorhersage 489
26.2 Der CPFR-Prozess 489
26.3 Vorhersagemethoden der Standardsoftware . 490
26.4 Herausforderungen 493
26.4.1 Prognosesituation 493
26.4.2 Prognoseprozess 494
26.4.3 Abstimmungsbedarf 494
26.4.4 Verdichtungsmechanismen 496
26.4.5 Abgleich der Prognose mit der Produktionsmöglichkeit 497
26.5 Kritische Würdigung 499
26.6 Literatur 500
Stichwortverzeichnis 503
|
| any_adam_object | 1 |
| author_GND | (DE-588)120124823 (DE-588)121414841 |
| building | Verbundindex |
| bvnumber | BV019321218 |
| classification_rvk | QH 237 QH 300 QH 330 SK 845 |
| classification_tum | WIR 547f |
| ctrlnum | (OCoLC)645278620 (DE-599)BVBBV019321218 |
| discipline | Mathematik Wirtschaftswissenschaften |
| edition | 6., völlig neu bearb. und erw. Aufl. |
| format | Book |
| fullrecord | <?xml version="1.0" encoding="UTF-8"?><collection xmlns="http://www.loc.gov/MARC21/slim"><record><leader>02820nam a2200613 c 4500</leader><controlfield tag="001">BV019321218</controlfield><controlfield tag="003">DE-604</controlfield><controlfield tag="005">20180727 </controlfield><controlfield tag="007">t</controlfield><controlfield tag="008">040615s2005 gw d||| |||| 00||| ger d</controlfield><datafield tag="020" ind1=" " ind2=" "><subfield code="a">3790802166</subfield><subfield code="9">3-7908-0216-6</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(OCoLC)645278620</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(DE-599)BVBBV019321218</subfield></datafield><datafield tag="040" ind1=" " ind2=" "><subfield code="a">DE-604</subfield><subfield code="b">ger</subfield><subfield code="e">rakwb</subfield></datafield><datafield tag="041" ind1="0" ind2=" "><subfield code="a">ger</subfield></datafield><datafield tag="044" ind1=" " ind2=" "><subfield code="a">gw</subfield><subfield code="c">DE</subfield></datafield><datafield tag="049" ind1=" " ind2=" "><subfield code="a">DE-355</subfield><subfield code="a">DE-20</subfield><subfield code="a">DE-1050</subfield><subfield code="a">DE-473</subfield><subfield code="a">DE-859</subfield><subfield code="a">DE-945</subfield><subfield code="a">DE-1102</subfield><subfield code="a">DE-1051</subfield><subfield code="a">DE-1029</subfield><subfield code="a">DE-12</subfield><subfield code="a">DE-703</subfield><subfield code="a">DE-860</subfield><subfield code="a">DE-1028</subfield><subfield code="a">DE-Aug4</subfield><subfield code="a">DE-384</subfield><subfield code="a">DE-1049</subfield><subfield code="a">DE-Eb1</subfield><subfield code="a">DE-523</subfield><subfield code="a">DE-526</subfield><subfield code="a">DE-634</subfield><subfield code="a">DE-83</subfield><subfield code="a">DE-92</subfield><subfield code="a">DE-2070s</subfield><subfield code="a">DE-188</subfield><subfield code="a">DE-19</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">QH 237</subfield><subfield code="0">(DE-625)141552:</subfield><subfield code="2">rvk</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">QH 300</subfield><subfield code="0">(DE-625)141566:</subfield><subfield code="2">rvk</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">QH 330</subfield><subfield code="0">(DE-625)141569:</subfield><subfield code="2">rvk</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">SK 845</subfield><subfield code="0">(DE-625)143262:</subfield><subfield code="2">rvk</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">WIR 547f</subfield><subfield code="2">stub</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">650</subfield><subfield code="2">sdnb</subfield></datafield><datafield tag="245" ind1="1" ind2="0"><subfield code="a">Prognoserechnung</subfield><subfield code="b">[mit 58 Tabellen]</subfield><subfield code="c">Peter Mertens ... Hrsg. Mit Beitr. von S. Albers ...</subfield></datafield><datafield tag="250" ind1=" " ind2=" "><subfield code="a">6., völlig neu bearb. und erw. Aufl.</subfield></datafield><datafield tag="264" ind1=" " ind2="1"><subfield code="a">Heidelberg</subfield><subfield code="b">Physica-Verl.</subfield><subfield code="c">2005</subfield></datafield><datafield tag="300" ind1=" " ind2=" "><subfield code="a">XXI, 511 S.</subfield><subfield code="b">graph. Darst.</subfield></datafield><datafield tag="336" ind1=" " ind2=" "><subfield code="b">txt</subfield><subfield code="2">rdacontent</subfield></datafield><datafield tag="337" ind1=" " ind2=" "><subfield code="b">n</subfield><subfield code="2">rdamedia</subfield></datafield><datafield tag="338" ind1=" " ind2=" "><subfield code="b">nc</subfield><subfield code="2">rdacarrier</subfield></datafield><datafield tag="500" ind1=" " ind2=" "><subfield code="a">Auch als Internetausgabe</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Prognose</subfield><subfield code="0">(DE-588)4047390-9</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Unternehmen</subfield><subfield code="0">(DE-588)4061963-1</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Prognosemodell</subfield><subfield code="0">(DE-588)4125215-9</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Prognoseverfahren</subfield><subfield code="0">(DE-588)4358095-6</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="655" ind1=" " ind2="7"><subfield code="0">(DE-588)4143413-4</subfield><subfield code="a">Aufsatzsammlung</subfield><subfield code="2">gnd-content</subfield></datafield><datafield tag="689" ind1="0" ind2="0"><subfield code="a">Prognoseverfahren</subfield><subfield code="0">(DE-588)4358095-6</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2="1"><subfield code="a">Prognosemodell</subfield><subfield code="0">(DE-588)4125215-9</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2=" "><subfield code="5">DE-188</subfield></datafield><datafield tag="689" ind1="1" ind2="0"><subfield code="a">Unternehmen</subfield><subfield code="0">(DE-588)4061963-1</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="1" ind2="1"><subfield code="a">Prognoseverfahren</subfield><subfield code="0">(DE-588)4358095-6</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="1" ind2=" "><subfield code="8">1\p</subfield><subfield code="5">DE-604</subfield></datafield><datafield tag="689" ind1="2" ind2="0"><subfield code="a">Unternehmen</subfield><subfield code="0">(DE-588)4061963-1</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="2" ind2="1"><subfield code="a">Prognose</subfield><subfield code="0">(DE-588)4047390-9</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="2" ind2=" "><subfield code="5">DE-188</subfield></datafield><datafield tag="689" ind1="3" ind2="0"><subfield code="a">Prognoseverfahren</subfield><subfield code="0">(DE-588)4358095-6</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="3" ind2="1"><subfield code="a">Prognosemodell</subfield><subfield code="0">(DE-588)4125215-9</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="3" ind2=" "><subfield code="5">DE-188</subfield></datafield><datafield tag="700" ind1="1" ind2=" "><subfield code="a">Mertens, Peter</subfield><subfield code="d">1937-</subfield><subfield code="e">Sonstige</subfield><subfield code="0">(DE-588)120124823</subfield><subfield code="4">oth</subfield></datafield><datafield tag="700" ind1="1" ind2=" "><subfield code="a">Albers, Sönke</subfield><subfield code="d">1948-</subfield><subfield code="e">Sonstige</subfield><subfield code="0">(DE-588)121414841</subfield><subfield code="4">oth</subfield></datafield><datafield tag="856" ind1="4" ind2="2"><subfield code="m">Digitalisierung UB Regensburg</subfield><subfield code="q">application/pdf</subfield><subfield code="u">http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=012788516&sequence=000003&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA</subfield><subfield code="3">Klappentext</subfield></datafield><datafield tag="856" ind1="4" ind2="2"><subfield code="m">Digitalisierung UB Regensburg</subfield><subfield code="q">application/pdf</subfield><subfield code="u">http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=012788516&sequence=000004&line_number=0002&func_code=DB_RECORDS&service_type=MEDIA</subfield><subfield code="3">Inhaltsverzeichnis</subfield></datafield><datafield tag="999" ind1=" " ind2=" "><subfield code="a">oai:aleph.bib-bvb.de:BVB01-012788516</subfield></datafield><datafield tag="883" ind1="1" ind2=" "><subfield code="8">1\p</subfield><subfield code="a">cgwrk</subfield><subfield code="d">20201028</subfield><subfield code="q">DE-101</subfield><subfield code="u">https://d-nb.info/provenance/plan#cgwrk</subfield></datafield></record></collection> |
| genre | (DE-588)4143413-4 Aufsatzsammlung gnd-content |
| genre_facet | Aufsatzsammlung |
| id | DE-604.BV019321218 |
| illustrated | Illustrated |
| indexdate | 2024-07-09T19:57:36Z |
| institution | BVB |
| isbn | 3790802166 |
| language | German |
| oai_aleph_id | oai:aleph.bib-bvb.de:BVB01-012788516 |
| oclc_num | 645278620 |
| open_access_boolean | |
| owner | DE-355 DE-BY-UBR DE-20 DE-1050 DE-473 DE-BY-UBG DE-859 DE-945 DE-1102 DE-1051 DE-1029 DE-12 DE-703 DE-860 DE-1028 DE-Aug4 DE-384 DE-1049 DE-Eb1 DE-523 DE-526 DE-634 DE-83 DE-92 DE-2070s DE-188 DE-19 DE-BY-UBM |
| owner_facet | DE-355 DE-BY-UBR DE-20 DE-1050 DE-473 DE-BY-UBG DE-859 DE-945 DE-1102 DE-1051 DE-1029 DE-12 DE-703 DE-860 DE-1028 DE-Aug4 DE-384 DE-1049 DE-Eb1 DE-523 DE-526 DE-634 DE-83 DE-92 DE-2070s DE-188 DE-19 DE-BY-UBM |
| physical | XXI, 511 S. graph. Darst. |
| publishDate | 2005 |
| publishDateSearch | 2005 |
| publishDateSort | 2005 |
| publisher | Physica-Verl. |
| record_format | marc |
| spelling | Prognoserechnung [mit 58 Tabellen] Peter Mertens ... Hrsg. Mit Beitr. von S. Albers ... 6., völlig neu bearb. und erw. Aufl. Heidelberg Physica-Verl. 2005 XXI, 511 S. graph. Darst. txt rdacontent n rdamedia nc rdacarrier Auch als Internetausgabe Prognose (DE-588)4047390-9 gnd rswk-swf Unternehmen (DE-588)4061963-1 gnd rswk-swf Prognosemodell (DE-588)4125215-9 gnd rswk-swf Prognoseverfahren (DE-588)4358095-6 gnd rswk-swf (DE-588)4143413-4 Aufsatzsammlung gnd-content Prognoseverfahren (DE-588)4358095-6 s Prognosemodell (DE-588)4125215-9 s DE-188 Unternehmen (DE-588)4061963-1 s 1\p DE-604 Prognose (DE-588)4047390-9 s Mertens, Peter 1937- Sonstige (DE-588)120124823 oth Albers, Sönke 1948- Sonstige (DE-588)121414841 oth Digitalisierung UB Regensburg application/pdf http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=012788516&sequence=000003&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA Klappentext Digitalisierung UB Regensburg application/pdf http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=012788516&sequence=000004&line_number=0002&func_code=DB_RECORDS&service_type=MEDIA Inhaltsverzeichnis 1\p cgwrk 20201028 DE-101 https://d-nb.info/provenance/plan#cgwrk |
| spellingShingle | Prognoserechnung [mit 58 Tabellen] Prognose (DE-588)4047390-9 gnd Unternehmen (DE-588)4061963-1 gnd Prognosemodell (DE-588)4125215-9 gnd Prognoseverfahren (DE-588)4358095-6 gnd |
| subject_GND | (DE-588)4047390-9 (DE-588)4061963-1 (DE-588)4125215-9 (DE-588)4358095-6 (DE-588)4143413-4 |
| title | Prognoserechnung [mit 58 Tabellen] |
| title_auth | Prognoserechnung [mit 58 Tabellen] |
| title_exact_search | Prognoserechnung [mit 58 Tabellen] |
| title_full | Prognoserechnung [mit 58 Tabellen] Peter Mertens ... Hrsg. Mit Beitr. von S. Albers ... |
| title_fullStr | Prognoserechnung [mit 58 Tabellen] Peter Mertens ... Hrsg. Mit Beitr. von S. Albers ... |
| title_full_unstemmed | Prognoserechnung [mit 58 Tabellen] Peter Mertens ... Hrsg. Mit Beitr. von S. Albers ... |
| title_short | Prognoserechnung |
| title_sort | prognoserechnung mit 58 tabellen |
| title_sub | [mit 58 Tabellen] |
| topic | Prognose (DE-588)4047390-9 gnd Unternehmen (DE-588)4061963-1 gnd Prognosemodell (DE-588)4125215-9 gnd Prognoseverfahren (DE-588)4358095-6 gnd |
| topic_facet | Prognose Unternehmen Prognosemodell Prognoseverfahren Aufsatzsammlung |
| url | http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=012788516&sequence=000003&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=012788516&sequence=000004&line_number=0002&func_code=DB_RECORDS&service_type=MEDIA |
| work_keys_str_mv | AT mertenspeter prognoserechnungmit58tabellen AT alberssonke prognoserechnungmit58tabellen |