Przeprowadzka Średnia. Ten przykład uczy, jak obliczyć średnią ruchową serii czasowej w programie Excel Średnia średnica ruchoma służy do wygładzania szczytów i dolin niezgodności w celu łatwego rozpoznania trendów.1 Po pierwsze, spójrzmy na nasz szereg czasowy.2 Na karcie Dane kliknij pozycję Analiza danych. Należy nacisnąć przycisk Analiza danych Kliknij tutaj, aby załadować dodatek Analysis ToolPak.3 Wybierz Średnia ruchoma i kliknij przycisk OK.4 Kliknij pole Zakres wejściowy i wybierz zakres B2 M2. 5 Kliknij w polu Interwał i wpisz 6.6 Kliknij w polu Zakres wyjściowy i wybierz komórkę B3.8 Wykres wykresu tych wartości. Instrukcja, ponieważ ustawiamy przedział na 6, średnia ruchoma jest średnią z poprzednich 5 punktów danych i bieżący punkt danych W rezultacie szczyty i doliny są wygładzone Wykres pokazuje tendencję wzrostową Excel nie może obliczyć średniej ruchomej dla pierwszych 5 punktów danych, ponieważ nie ma wystarczająco dużo poprzednich punktów danych.9 Powtórz kroki od 2 do 8 dla przedziału 2 i przedziału 4. Konkluzja La rger odstęp, im więcej szczytów i dolin są wygładzane Im krótszy odstęp, im przybliżone są średnie ruchome, to do rzeczywistych punktów danych. Przewidywanie średniej prognozy. Wstęp Jak można się spodziewać, patrzymy na niektóre z najbardziej prymitywnych podejść do prognozowanie Ale miejmy nadzieję, że to przynajmniej warto zainaugurować niektóre kwestie informatyczne związane z wdrażaniem prognoz w arkuszach kalkulacyjnych. W tym kontekście będziemy kontynuować od początku i rozpocząć pracę z prognozą Moving Average. Prognozy średnie Prognozy Wszyscy znają ruch średnie prognozy niezależnie od tego, czy uważają, że są Wszyscy studenci czynią je przez cały czas Pomyśl o swoich wynikach testowych w trakcie, w którym będziesz miał cztery testy w trakcie semestru Let s zakładać masz 85 na pierwszym test. What would przewidujesz drugi wynik testu. Jak myślisz, że Twój nauczyciel przewidziałby następny wynik testu. Jak myślisz, że Twoi przyjaciele mogliby pre dict dla następnego score. The badania, co myślisz, że twoi rodzice mogą przewidzieć następny wynik testu. Niezależnie od blabbingu możesz zrobić dla swoich przyjaciół i rodziców, oni i twój nauczyciel bardzo oczekują, że dostaniesz coś w obszar 85. po prostu dostałeś. Pozwól, że pomimo twojej samoobrony do Twoich znajomych, oszacujesz siebie i rysujesz, że możesz uczyć się mniej za drugi test, więc otrzymasz 73. Teraz co wszyscy są zaniepokojeni i zaniepokojeni spodziewają się, że dostaniesz trzeci egzamin Istnieją dwa bardzo prawdopodobne podejście do nich, aby rozwinąć szacunek, niezależnie od tego, czy będą dzielić się z Tobą. Mogą powiedzieć sobie, Ten facet zawsze dmucha dym o swoich inteligencjach Chce uzyskać kolejne 73, jeśli ma szczęście. Może rodzice będą starali się być bardziej pomocni i powiedzieli: Cóż, do tej pory dostałeś 85 i 73, więc może powinieneś się dowiedzieć na temat 85 73 2 79 Nie wiem, może gdybyś się mniej bawił i nie przebijając łasic w całym miejscu, a jeśli zacząłeś robić dużo więcej studiów, możesz uzyskać wyższy wynik. Wszystkie te szacunki są w przybliżeniu średnią prognozą. Pierwszy używa tylko swojego ostatniego wyniku, aby prognozować przyszłe wyniki. jest nazywana ruchomą średnią prognozą z wykorzystaniem jednego okresu danych. Druga to również prognoza średniej ruchomej, ale przy użyciu dwóch okresów danych. Załóżmy, że wszyscy ci ludzie popierają twój wielki umysł, jakby się wkurzyli i postanowiłeś dobrze w trzecim teście z własnych powodów i umieścić wyższy wynik przed sojusznikami Bierzesz test, a Twój wynik jest w rzeczywistości 89 Wszyscy, łącznie z siebie, są pod wrażeniem. A teraz masz ostatni test semestru nadchodzącego a ty jak zwykle czujesz potrzebę kiwnięcia się wszystkimi w ich przewidywaniach, jak będziesz robić w ostatnim teście Cóż, miejmy nadzieję, że widzisz wzór. Teraz możesz mieć nadzieję, że zobaczysz wzór Który z Twoich poglądów jest najbardziej dokładny. Kiedy pracujemy teraz wracamy do naszej nowej firmy zajmującej się sprzątaniem, którą rozpoczęliśmy od twojej ukochanej siostry, która nazywa się gwizdkiem Podczas pracy Mamy dane o przeszłości sprzedanych w następnej sekcji z arkusza kalkulacyjnego. Po raz pierwszy przedstawiamy dane na trzyletnią prognozę średniej ruchomej. Pozycją dla komórki C6 powinno być. Teraz możesz skopiować tę formułę komórki do innych komórek C7 do C11.Notek, jak średnia przenosi się do najnowszych danych historycznych, ale używa dokładnie trzech ostatnich okresów dostępnych dla każdego przewidywania Należy również zauważmy, że nie musimy naprawdę przewidzieć z ostatnich okresów w celu opracowania naszej najnowszej prognozy To zdecydowanie różni się od wyważonego modelu wygładzania I ve zawarte przeszłości prognozy, ponieważ będziemy ich używać w następnej stronie internetowej do pomiaru ważność predykcji. Teraz chcę przedstawić analogiczne wyniki dla dwóch prognoz średniej rundy. Wpis w komórce C5 powinien być. Będzie można skopiować tę formułę komórki w dół do innych komórek C6 do C11.Notice jak teraz tylko dwa ostatnie dane historyczne są wykorzystywane do każdego przewidywania Ponownie zrewidowałem poprzednie przepowiednie do celów ilustracyjnych i do późniejszego wykorzystania w walidacji prognozy. Masz inne rzeczy, które są ważne jest, aby zauważyć. Na wykresie średniej ruchomej m-m tylko ostatnie wartości danych są wykorzystywane do przewidywania Nie potrzeba niczego więcej. Nież średnia prognoza średniorocznej średniej prognozy, podczas dokonywania wcześniejszych prognoz, zauważ, że pierwsza przewidywania występują w okresie m 1. Wszystkie te problemy będą bardzo istotne, gdy rozwiniemy nasz kod. Rozwinięcie funkcji średniej ruchomej Teraz musimy opracować kod dla prognozowanej średniej ruchomej, która może być bardziej elastycznie wykorzystywana. Kodeks zwraca uwagę, że wejścia są dla liczby okresów, których chcesz użyć w prognozie i tablicę wartości historycznych Możesz je zapisać w jakiejkolwiek skoroszycie. Funkcja MovingAverage Historyczne, NumberOfPeriods Jak Sin gle Deklarowanie i inicjalizacja zmiennych Wymazać jako liczbę zmiennych jako liczbę całkowitą jako pojedynczy wymiar HistoricalSize Jako Integer. Inicjalizacja zmiennych Licznik 1 Akumulacja 0. Określenie rozmiaru historycznej tablicy HistoricalSize. For Counter 1 To NumberOfPeriods. Zbierając odpowiednią liczbę ostatnich poprzednio obserwowanych wartości. Kumulacja Akumulacja Historical HistoricalSize - licznik NumberOfPeriods. MovingAverage Akumulacja NumberOfPeriods. Kodeks zostanie wyjaśniony w klasie Chcesz umieścić funkcję w arkuszu kalkulacyjnym tak, aby wynik obliczeń pojawił się tam, gdzie powinien podobnie jak poniżej. W praktyce średnia ruchoma daje dobre oszacowanie średniej serii czasowej, jeśli średnia jest stała lub powoli zmienia się. W przypadku średniej stałej, największa wartość m daje najlepsze oszacowanie wartości bazowej średnio Dłuższy okres obserwacji będzie wynosił średnie efekty zmienności. Celem zapewnienia mniejszej m jest umożliwienie prognozowania reakcji na zmianę procesu leżącego u ich podstaw W celu zilustrowania proponujemy zestaw danych zawierający zmiany w podstawowej średniej szereg czasowy Na rysunku pokazano serie czasowe wykorzystane do ilustracji wraz ze średnim zapotrzebowaniem, z czego se ries = średnia zaczyna się jako stała w punkcie 10 Początek w czasie 21 wzrasta o jedną jednostkę w każdym okresie, aż osiągnie wartość 20 w czasie 30 Następnie staje się stała ponownie Dane są symulowane przez dodanie do średniej przypadkowy hałas z rozkładu normalnego z zera średnią i odchyleniem standardowym 3 Wyniki symulacji są zaokrąglane do najbliższej liczby całkowitej. Tabela przedstawia symulowane obserwacje wykorzystywane na przykład Kiedy używamy tabeli, musimy pamiętać, że w danym momencie, tylko znane są dane z przeszłości. Szacunki dotyczące parametru modelu, dla trzech różnych wartości m są pokazane razem ze średnią serii czasowej na poniższym rysunku. Rysunek przedstawia średnią ruchomej średniej ruchomej za każdym razem, a nie prognoza Prognozy zmieniłyby średnie ruchome krzywe po prawej stronie w poszczególnych okresach. Jeden z wniosków jest natychmiast widoczny na podstawie danych liczbowych W przypadku wszystkich trzech szacunków, średnia ruchoma trwa w kierunku tendencji liniowej, przy czym opóźnienie narasta ng z m Opóźnienie to odległość pomiędzy modelem a szacunkiem w wymiarze czasu Ze względu na opóźnienie, średnia ruchoma nie docenia obserwacji w miarę wzrostu średniego Odchylenia estymatora jest różnicą w określonym czasie w średniej wartości modelu i średniej wartości przewidywanej przez średnią ruchoma Odchylenie, gdy średnia wzrasta, jest ujemna Dla średniej malejącej, nastawa jest dodatnia Z opóźnieniem w czasie i stronniczością wprowadzoną w oszacowaniu są funkcje m Im większa wartość m im większa jest wielkość opóźnienia i stronniczości. Dla ciągle rosnącej serii z tendencją wartości opóźnienia i stronniczości estymatora średniego podane są w poniższych równaniach. Przykładowe krzywe nie odpowiadają tym równym, ponieważ przykładowy model jest nie stale wzrasta, a raczej zaczyna się jako stała, zmienia tendencję, a następnie staje się stała ponownie Również przykładowe krzywe mają wpływ na hałas. Ruchliwa średnia prognoza okresów w przyszłość jest reprezentowana przez przesunięcie krzywych w prawo Zwiększenie proporcji opóźnienia i stronniczości Poniższe równania wskazują na opóźnienie i skłonność prognozowanych okresów do przyszłości w porównaniu do parametrów modelu Ponownie, te wzory są dla serii czasowych o stałym trendie liniowym Nie powinniśmy być zaskoczeni tym rezultatem Ruchome średnie estymator opiera się na założeniu stałej średniej, a przykład ma liniową tendencję średnią podczas części okresu studiów Ponieważ serie czasu rzeczywistego rzadko spełniają założenia jakiegokolwiek modelu, powinniśmy być przygotowani na takie wyniki. Z rysunku wynika, że zmienność hałasu ma największy wpływ na mniejsze m Szacunkowa wartość jest dużo bardziej zmienna dla średniej ruchomej 5 niż średnia ruchoma równa 20 Mamy sprzeczne pragnienia, aby zwiększyć m, aby zmniejszyć wpływ zmienności spowodowany hałasem i zmniejszyć m, aby przewidzieć większą reakcję na zmiany średnie. Błąd jest di fferencja między rzeczywistymi danymi a przewidywaną wartością Jeśli seria czasowa jest rzeczywiście stałą wartością, oczekiwana wartość błędu wynosi zero, a wariancja błędu składa się z terminu, który jest funkcją, a drugi warunek, który jest wariancją hałasu. Pierwszy termin to wariancja średniej oszacowanej próbką m obserwacji, zakładając, że dane pochodzą z populacji o stałej średniej. Określenie to jest zminimalizowane poprzez uczynienie m jak największej wielkości. Duża m sprawia, że prognoza nie reaguje do zmiany podstawowej serii czasowej Aby prognoza odpowiadała na zmiany, chcemy m tak małą jak to możliwe 1, ale zwiększa to wariancję błędów Praktyczne prognozy wymagają wartości pośredniej. Prognozowanie w programie Excel. Dodatek prognozujący implementuje ruch średnie wzory Poniższy przykład przedstawia analizę dostarczoną przez dodatek dla danych przykładowych w kolumnie B Pierwsze 10 obserwacji indeksuje się od -9 do 0 W porównaniu z powyższym tabelą okres ind są przesuwane o -10. Pierwsze dziesięć obserwacji dostarcza wartości początkowe dla oszacowania i służy do obliczania średniej ruchomej dla okresu 0. Kolumna MA 10 w kolumnie C pokazuje obliczone średnie ruchome Średni ruchowy parametr m jest w komórce C3 Fore 1 kolumna D pokazuje prognozę dla jednego okresu w przyszłości. Interwał prognozy znajduje się w komórce D3 Gdy przedział prognozy zostanie zmieniony na większą liczbę, liczby w kolumnie Fore zostaną przesunięte. Err 1 kolumna E pokazuje różnicę między obserwacją a prognoza Na przykład obserwacja w czasie 1 wynosi 6 Prognozowana wartość wykonana z średniej ruchomej w czasie 0 wynosi 11 1 Błąd to wynosi -5 1 Odchylenie standardowe i średnia średnia odchylenie MAD oblicza się odpowiednio w komórkach E6 i E7 .
No comments:
Post a Comment