İçeriğe geçScholarGate
KütüphaneKitaplığımMasaReview StudioAsistan
Giriş
Bu sayfada
SezgiNasıl çalışırNe zaman kullanılırGüçlü yönler & sınırlılıklarYaygın tuzaklarUygulamalarSSS🔒 Tam yöntemi okuKaynaklarİlişkili yöntemler
Bu sayfaya atıf yapBu sayfada bir hata mı var? Bildir / düzeltme öner →
Ana sayfa›Ekonometri›Aralıklı Talep için Croston Yöntemi
Regression model

Aralıklı Talep için Croston Yöntemi

Croston's Method for Intermittent Demand Forecasting · Ayrıca şöyle bilinir: Croston method, intermittent demand forecasting, Croston Yöntemi — Aralıklı Talep Tahmini

J. D. Croston tarafından 1972'de tanıtılan Croston yöntemi, sıfır talep dönemlerinin sık olduğu aralıklı talep serileri için geliştirilmiş bir zaman serisi tahmin tekniğidir. Ham seriyi tahmin etmek yerine, talebin gerçekleştiği andaki büyüklüğünü ve talep oluşumları arasındaki aralığı iki ayrı süreç olarak modeller.

ScholarGate
  1. Regression model
  2. v1
  3. 2 Kaynaklar
  4. PUBLISHED
Bu sayfaya atıf yap →
Araçlar & kaynaklar
Slaytları indir
Öğren & keşfet

Tam yöntemi oku

Yalnızca üyeler

Bu bölümü okumak için ücretsiz hesapla giriş yapın.

Giriş yap

Yöntem haritası

İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.

Aralıklı Talep için Croston Yöntemi
ARIMA (Autoregressive In…En Küçük Kareler (EK) Re…Poisson ve Negatif Binom…Theta Yöntemi

Ne zaman kullanılır

Seri aralıklıysa — ara sıra sıfır olmayan talep ile kesilen birçok sıfır gözlem — ve stok kontrolü veya tedarik zinciri planlaması için dönem başına bir tahmin gerekiyorsa Croston yöntemini kullanın. En az yaklaşık 20 gözlem bekler ve talep büyüklüğü ile talep aralığının bağımsız süreçleri izlediğini ve talep büyüklüklerinin aynı ve bağımsız olarak dağıldığını varsayar. Yedek parçalar ve yavaş hareket eden stoklar için standart referans yöntemidir ve sıradan üstel düzeltme, Theta veya ARIMA'nın daha uygun olduğu yoğun, düzenli sıfır olmayan talebe sahip seriler için daha az uygundur.

Güçlü yönler & sınırlılıklar

Güçlü yönler
  • Aralıklı seriler için özel olarak tasarlanmıştır, burada sıradan düzeltmenin birçok sıfır döneminde maruz kaldığı aşağı yönlü yanlılıktan kaçınır.
  • Basit ve hızlı: tek bir düzeltme sabiti ile iki bağımsız üstel düzeltme özyinelemesi.
  • Stok kontrolü ve tedarik zinciri planlamasında yedek parça ve yavaş hareket eden stok tahmini için standart referans yöntemidir.
Sınırlılıklar
  • Klasik tahmin edici yanlıdır; Syntetos-Boylan yaklaşımı genellikle bunu düzeltmek için tercih edilir.
  • Talep büyüklüğü ve aralığının bağımsız olduğunu ve talep büyüklüklerinin IID olduğunu varsayar — pratikte başarısız olabilecek varsayımlar.
  • Makul bir geçmiş (yaklaşık 20 gözlem) gerektirir ve gerçekten aralıklı olmayan seriler için çok az rehberlik sağlar.

SSS

Talebi 'aralıklı' yapan nedir?

Aralıklı talep, birçok dönemin sıfır talep kaydettiği, ara sıra sıfır olmayan gözlemlerle kesintiye uğradığı bir seridir. Bu tür örüntüler yedek parçalar ve yavaş hareket eden stoklar için yaygındır ve talebin çoğu dönemde gerçekleştiğini varsayan sıradan düzeltme yöntemlerini bozar.

Talebi neden büyüklük ve aralığa ayırmalıyız?

Bir talebin büyüklüğünü ve talepler arasındaki boşluğu ayrı ayrı modellemek, her bileşenin birçok sıfır dönemi tarafından bozulmadan temiz bir şekilde düzeltilmesine olanak tanır. Dönem başına tahmin daha sonra düzeltilmiş büyüklüğün düzeltilmiş aralığa bölünmesiyle elde edilir.

Croston'ın orijinal tahmin edicisi yanlı mıdır?

Hayır. Syntetos ve Boylan (2005), klasik 1972 tahmin edicisinin yanlı olduğunu gösterdiler ve bir düzeltme önerdiler. Pratikte, daha doğru aralıklı talep tahminleri elde etmek için genellikle Syntetos-Boylan yaklaşımı kullanılır.

Croston yöntemini ne zaman kullanmamalıyım?

Seri düzenli sıfır olmayan talep ile yoğun olduğunda artık aralıklı değildir ve sıradan üstel düzeltme, Theta yöntemi veya ARIMA gibi yöntemler genellikle daha iyi tahmin yapar.

Kaynaklar

  1. Croston, J. D. (1972). Forecasting and Stock Control for Intermittent Demands. Operational Research Quarterly, 23(3), 289-303. DOI: 10.1057/jors.1972.50 ↗
  2. Syntetos, A. A. & Boylan, J. E. (2005). The Accuracy of Intermittent Demand Estimates. International Journal of Forecasting, 21(2), 303-314. DOI: 10.1016/j.ijforecast.2004.10.001 ↗

Bu sayfayı kaynak gösterin

ScholarGate. (2026, June 1). Croston's Method for Intermittent Demand Forecasting. ScholarGate. https://scholargate.app/tr/econometrics/croston-method

İlişkili yöntemler

ARIMA (Autoregressive Integrated Moving Average) ModeliEn Küçük Kareler (EK) RegresyonuPoisson ve Negatif Binom RegresyonuTheta Yöntemi

Hangi yöntem?

Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.

  • ARIMA (Autoregressive Integrated Moving Average) ModeliEkonometri↔ karşılaştır
  • En Küçük Kareler (EK) RegresyonuEkonometri↔ karşılaştır
  • Poisson ve Negatif Binom RegresyonuEkonometri↔ karşılaştır
  • Theta YöntemiEkonometri↔ karşılaştır
Yan yana karşılaştır →

Benzer yöntemler

Basit ve Çift Üstel Düzeltme (SES / Holt)Theta YöntemiHolt-Winters Üçlü Üstel DüzeltmeETS: Hata, Eğilim, Mevsimsel Üstel DüzeltmeMevsimsel ARIMA (SARIMA)GM(1,1) Gri Tahmin ModeliARIMA (Autoregressive Integrated Moving Average) ModeliProphet

İlgili referans kavramlar

EM AlgoritmasıForecasting and Simulation: Models and ApplicationsForecasting and Simulation: Models and ApplicationsForecasting and Simulation: Models and ApplicationsForecasting and Simulation: Models and ApplicationsForecasting and Simulation: Models and Applications

Bu sayfada bir hata mı var? Bildir / düzeltme öner →

ScholarGate — Croston's Method (Croston's Method for Intermittent Demand Forecasting). 2026-07-21 tarihinde şu adresten erişildi: https://scholargate.app/tr/econometrics/croston-method · Veri seti: https://doi.org/10.5281/zenodo.20539026
Hızlı bilgiler
Originator
J. D. Croston (1972)
Year
1972
Type
Intermittent demand time-series forecasting
Estimator
Separate simple exponential smoothing of demand size and inter-arrival interval
Outcome
intermittent (count or continuous) demand series
İlişkili yöntemler
ARIMA (Autoregressive Integrated Moving Average) ModeliEn Küçük Kareler (EK) RegresyonuPoisson ve Negatif Binom RegresyonuTheta Yöntemi
ScholarGate

Araştırma yöntemleri için içerik öncelikli bir referans kütüphanesi — her yöntemin ne olduğu, nasıl çalıştığı ve nereden geldiği.

Açık veri (CC-BY)

Keşfet

  • Kütüphane
  • Yöntemlerde ara…
  • Alanlara göre gez
  • Alanlar
  • Yolculuk
  • Karşılaştır
  • Hangi yöntem?

Başvuru

  • Konular
  • Atlas
  • Sözlük
  • Metodoloji
  • Felsefe

Çalışma alanı

  • Kitaplığım
  • Masa
  • Sohbet

Şirket

  • Hakkımızda
  • Fiyatlandırma
  • İletişim
  • Yöntem öner

Kayıtlar, başvuru amacıyla yayımlanmış kaynaklardan derlenmiştir. Herhangi bir bilginin doğruluğunu ve kendi kullanımınıza uygunluğunu denetlemek sizin sorumluluğunuzdadır.

© 2026 ScholarGate · Araştırma yöntemleri referans kütüphanesi
  • Gizlilik
  • Çerezler
  • Koşullar
  • Hesabı sil