历史数据

base

基础

(图2)还有一种得以成功应用的精益敏捷集成策略是被称为"基础"(base)与"波动"(surge)需求分离法. 此策略是将需求类型分为"基础"需求与"波动"需求(Gattorna与Waiters,1996)两类其中"基础"需求可根据历史数据预测而"波动"需求则不可预测.

Berger

博格

1995年,博格(Berger)等人以历史数据为依据,运用更加复杂的方法,预测未来美国的数量将是3,849家. 这个数字比米什金的预测略低,但精确得有些令人难以置信. 博格等人当时还预测:10年之内,资产规模在1亿美元以内的拥有的资产总和在全部总资产中所占份额将减半,

Forecasting

预测

预测(Forecasting) 预测(forecasting)是预计未来事件的一门艺术,一门科学. 它 包含采集历史数据并用某种数学模型来外推与将来. 它也可以是对未来的主观或直觉的 ...

Forecasting

预测学

今天WORKSHOP时老师总结了一下我们学校的运筹学的3大优势即预测学(FORECASTING), 最优化(OPTIMIZATION) 和仿真学(SIMULATION). 所以呀,学好了运筹学就要会算命(利用一些历史数据来看未来就象看生辰8字一样,科学算命也许更贴切),

Gamma distribution

伽马分布

在信用监测模型中,违约率随着借款人股票市价变化而变化;在信用度量术和死亡率模型中,违约概率是基于历史数据统计出来的固定的、离散的值;在信用风险附加法中,每笔贷款的违约率是可变的,违约率均值被模型化为一个有着伽马分布(Gamma distribution)的变量;在信贷组合观点中,

OPE

操作员/报警控制台

HSR-----------------------------历史数据存储及检索站 | OPE-----------------------------操作员/报警控制台 | CALC----------------------------记算机站

random variable

变数

分析历史数据可以运用高级统计方法,譬如探索式数据分析法(Exploratory Data Analysis),可以建模区分长期趋势(Trend),季节性(Seasonality)以及随机变数(Random Variable),但是其限制条件为企业的成长和运营从过去到未来要遵循一定的模式,

seasonality

季节性

分析历史数据可以运用高级统计方法,譬如探索式数据分析法(Exploratory Data Analysis),可以建模区分长期趋势(Trend),季节性(Seasonality)以及随机变数(Random Variable),但是其限制条件为企业的成长和运营从过去到未来要遵循一定的模式,

trend analysis

趋势分析法

3)趋势分析法 (trend analysis)是通过分析组织在过去若干年中的雇佣趋势,以此来未来的人员需求. 4)比率分析法 (ratio analysis)是根据某种可变指标与所需人数之间的比例关系进行预测的方法. 比例的大小通常来源于本组织的历史数据或本行业的经验数据以及国完颁布的行业标准.

Triggers

触发

另外,它还支持"触发"(triggers),"查阅"(views)等功能. MySQL 5.0将包括一个移植工具包,它可以简化从甲骨文,SQL Server等数据库向MySQL数据库迁移数据的工作. 此外, MySQL 5.0中还将具有一个专门的数据库档案引擎,方便历史数据的保存.

The Shop Around the Corner：街角商店

上错天堂投错胎Heaven Can Wait (1943) | 街角商店The Shop Around the Corner (1940) | 妮诺奇嘉Ninotchka (1939)

neigher nor gate：既非又不闸

"邻区最佳控制","neighboring optimal control" | "既非又不闸","neigher nor gate" | "内利亚克编译程式","NELIAC; naval electronics laboratory international algebraic complier"