欠品で隠れた需要・失注量の推定

欠品で実需要が観測できなかった日を右側打ち切りとしてモデル化し、需要分布の平均と潜在需要・期待失注を推定する。

需要は同一SKUの数量単位「個」で入力します。欠品ありは実需要を確定できない日として扱います。

入力すると自動で計算します。Enterで次の項目へ進めます。次の入力欄を選んで進めます。

必要な入力・選択は2項目です。

日別の販売・欠品記録必須
行日付販売数(個)当日販売可能数(個)欠品営業時間(時間)操作
1
2
3

5列を左端の欄へタブ区切りで貼り付けられます。1000行まで。

1行=1日。日付は昇順・重複なし。欠品ありの日は販売数=販売可能数、欠品なしなら在庫が売り切れていても実売数を確定観測として扱います。途中の欠測は空欄にせず、推定対象から除外する日付自体を記入しないでください。

曜日別は各曜日の履歴だけで別々に推定します。欠品なしの日がない曜日は推定できません。


計算結果

必要な値を入力すると自動で計算します。

お気に入り一覧

計算方法・適用範囲・出典

計算方法

日付tの営業時間hₜ、Poisson需要率λ(個/時間)、平均μₜ=λhₜ。欠品なしの販売sₜにはlog P(Dₜ=sₜ)、欠品ありの販売可能数aₜにはlog P(Dₜ≥aₜ)を加える。各需要率をその対数尤度最大化で求める。欠品なしの潜在需要はsₜ、欠品ありの条件付き潜在需要は μₜ×P(Dₜ≥aₜ−1)/P(Dₜ≥aₜ)(aₜ=0ならμₜ)。期待失注は条件付き潜在需要−販売数。失注割合=合計失注期待値÷合計潜在需要。需要率の95%区間は2[ℓ(λ̂)−ℓ(λ)]≤3.841458820694124のプロファイル尤度比近似。

全日・日別の条件付き潜在需要と期待失注、観測欠品日率、推定失注率、Poisson需要率MLEと95%プロファイル尤度区間。

計算例(架空の数値)

在庫3・販売3・欠品ありは「需要が3以上」とだけ分かります。販売可能数が十分で販売3・欠品なしなら実需要3です。

適用対象と限界

最大1000日・同一SKU・単位は個、営業時間と欠品の記録があり、同一モデル内の需要率が一定とみなせる日別履歴。需要代替、需要と在庫方針の相関、販促・客数変動、過分散・ゼロ過剰、休日要因、時間帯別欠品時刻、需要の因果推定、失注量自体の信頼区間は対象外。欠品だけの群では有限MLEを識別できない。。

採用した方式

  • Poisson右側打ち切り最尤推定(E1682 v1.0(2026-11-15)):対象範囲 同一SKU・独立日、営業時間比例の定常需要率または曜日別定常需要率、当日総在庫を既知とする/適用地域 global

方法と出典

方法:E1682 Poisson right-censored MLE/profile-LR v1.0 (2026-11-15)。データ記録日:2026-11-15。