Prognozowanie liczby pacjentów poradni ortopedycznej

• Autorzy: Urszula Lasa

Warianty tytułu

Predicting the Number of Orthopedic Clinic Patients

• Języki publikacji: PL

Abstrakty

W artykule przedstawiono analizę szeregu czasowego dziennej liczby pacjentów pewnej przychodni ortopedycznej. Wstępna analiza doprowadziła do skrócenia okresu uczącego tak, aby zapewnić homogeniczność wariancji. Zbudowano trzy modele prognostyczne. Model regresyjny zawiera trend liniowy oraz zmienne zerojedynkowe opisujące cykl tygodniowy oraz cykl roczny, a także składową autoregresji reszt. Model ARIMA oszacowany po wyeliminowaniu trendu i wahań okresowych zawiera tylko komponenty średniej ruchomej rzędu pierwszego - niesezonowy i sezonowy. Jako trzeci wykorzystano model wyrównywania wykładniczego z trendem i addytywnymi wahaniami okresowymi. Rozkłady reszt wszystkich modeli zdecydowanie mogą być aproksymowane rozkładem normalnym. Uzyskane prognozy porównano na podstawie okresu testowego obejmującego okres czterech tygodni. Modele pozwalają prognozować liczbę pacjentów ze średnią dokładnością rzędu 9 osób. (abstrakt autora)

EN

The paper analyses a time series of the daily number of patients visiting an orthopedics clinic. A learning set was chosen to ensure the homogeneity of series variance and three forecasting models were built. The regression model consists of the linear trend, dummy variables describing weekly and yearly seasonal components and the auto-regression of the residuals. ARIMA, with non-seasonal and seasonal differencing, contains only the components of the first order moving average. The exponential smoothing model covers the linear trend and weekly harmonic component. The residuals from all three models very closely follow normal distribution. Forecasts have been compared with actual data for a monthly test period and all models allow us to forecast the number of patients, with a mean square error of 9 people. Exponential smoothing appears to have the lowest MAPE for the test period. (original abstract)

Słowa kluczowe

PL

Prognozowanie; Ochrona zdrowia; Modele regresji; Modele ARIMA; Samodzielny publiczny zakład opieki zdrowotnej (SPZOZ)

EN

Forecasting; Health care protection; Regression models; Autoregressive integrated moving average (ARIMA) models; Independent public health care facilities

• Czasopismo: Zeszyty Naukowe / Uniwersytet Ekonomiczny w Krakowie
• Rocznik: 2011
• Numer: nr 876
• Strony: 71--83

Twórcy

autor

Urszula Lasa

• Uniwersytet Ekonomiczny w Krakowie, doktorantka

Bibliografia

• Kot S.M., Jakubowski J., Sokołowski A. [2007], Statystyka, Centrum Doradztwa i Informacji Difin, Warszawa.