Flyttande medelprognos Inledning. Som du kan gissa vi tittar på några av de mest primitiva metoderna för prognoser. Men förhoppningsvis är dessa åtminstone en värdefull introduktion till några av de datorproblem som är relaterade till att implementera prognoser i kalkylblad. I den här vägen fortsätter vi med att börja i början och börja arbeta med Moving Average prognoser. Flyttande medelprognoser. Alla är bekanta med att flytta genomsnittliga prognoser oavsett om de tror att de är. Alla studenter gör dem hela tiden. Tänk på dina testresultat i en kurs där du kommer att ha fyra tester under semestern. Låt oss anta att du fick en 85 på ditt första test. Vad skulle du förutse för ditt andra testresultat Vad tycker du att din lärare skulle förutsäga för nästa testresultat Vad tycker du att dina vänner kan förutsäga för nästa testresultat Vad tror du att dina föräldrar kan förutsäga för nästa testresultat Oavsett om Allt du kan göra med dina vänner och föräldrar, de och din lärare är mycket troliga att vänta dig på att få något i det 85-tal som du just fått. Nåväl, nu kan vi anta att trots din egen marknadsföring till dina vänner överskattar du dig själv och räknar att du kan studera mindre för det andra testet och så får du en 73. Nu är vad alla berörda och oroade kommer att Förutse att du kommer att få ditt tredje test Det finns två mycket troliga metoder för att de ska kunna utveckla en uppskattning oavsett om de kommer att dela den med dig. De kan säga till sig själva: "Den här killen sprider alltid rök om hans smarts. Hes kommer att få ytterligare 73 om han är lycklig. Kanske kommer föräldrarna att försöka vara mer stödjande och säga, quote, hittills har du fått en 85 och en 73, så kanske du ska räkna med att få en (85 73) 2 79. Jag vet inte, kanske om du gjorde mindre fest och werent vaggar väsan överallt och om du började göra mycket mer studerar kan du få en högre poäng. quot Båda dessa uppskattningar flyttade faktiskt genomsnittliga prognoser. Den första använder endast din senaste poäng för att förutse din framtida prestanda. Detta kallas en glidande genomsnittlig prognos med en period av data. Den andra är också en rörlig genomsnittlig prognos men använder två dataperioder. Låt oss anta att alla dessa människor bråkar på ditt stora sinne, har gissat dig och du bestämmer dig för att göra det bra på det tredje testet av dina egna skäl och att lägga ett högre poäng framför din quotalliesquot. Du tar testet och din poäng är faktiskt en 89 Alla, inklusive dig själv, är imponerade. Så nu har du det sista testet av terminen som kommer upp och som vanligt känner du behovet av att ge alla till att göra sina förutsägelser om hur du ska göra på det sista testet. Jo, förhoppningsvis ser du mönstret. Nu kan du förhoppningsvis se mönstret. Vilken tror du är den mest exakta whistle medan vi jobbar. Nu återvänder vi till vårt nya rengöringsföretag som startas av din främmande halvsyster som heter Whistle While We Work. Du har några tidigare försäljningsdata som representeras av följande avsnitt från ett kalkylblad. Vi presenterar först data för en treårs glidande medelprognos. Posten för cell C6 ska vara Nu kan du kopiera den här cellformeln ner till de andra cellerna C7 till och med C11. Lägg märke till hur genomsnittet rör sig över de senaste historiska data men använder exakt de tre senaste perioderna som finns tillgängliga för varje förutsägelse. Du bör också märka att vi inte verkligen behöver göra förutsägelser för de senaste perioderna för att utveckla vår senaste förutsägelse. Detta är definitivt annorlunda än exponentiell utjämningsmodell. Ive inkluderade quotpast predictionsquot eftersom vi kommer att använda dem på nästa webbsida för att mäta förutsägelse validitet. Nu vill jag presentera de analoga resultaten för en tvåårs glidande medelprognos. Posten för cell C5 ska vara Nu kan du kopiera den här cellformeln ner till de andra cellerna C6 till och med C11. Lägg märke till hur nu endast de två senaste bitarna av historiska data används för varje förutsägelse. Återigen har jag inkluderat quotpast predictionsquot för illustrativa ändamål och för senare användning vid prognosvalidering. Några andra saker som är viktiga att märka. För en m-period som rör genomsnittlig prognos används endast de senaste datavärdena för att göra förutsägelsen. Inget annat är nödvändigt. För en m-period rörande genomsnittlig prognos, när du gör quotpast predictionsquot, notera att den första förutsägelsen sker i period m 1. Båda dessa problem kommer att vara väldigt signifikanta när vi utvecklar vår kod. Utveckla den rörliga genomsnittsfunktionen. Nu behöver vi utveckla koden för den glidande medelprognosen som kan användas mer flexibelt. Koden följer. Observera att inmatningarna är för antalet perioder du vill använda i prognosen och en rad historiska värden. Du kan lagra den i vilken arbetsbok du vill ha. Funktion MovingAverage (Historical, NumberOfPeriods) Som enkel deklarering och initialisering av variabler Dim-objekt som variant Dim-räknare som integer Dim-ackumulering som enstaka Dim HistoricalSize som heltal Initialiserande variabler Counter 1 ackumulering 0 Bestämning av storleken på Historisk matris HistoricalSize Historical. Count för Counter 1 till NumberOfPeriods Ackumulera lämpligt antal senast tidigare observerade värden ackumulering ackumulering historisk (HistoricalSize - NumberOfPeriods Counter) MovingAverage Accumulation NumberOfPeriods Koden förklaras i klassen. Du vill placera funktionen på kalkylbladet så att resultatet av beräkningen visas där den ska gilla följande. Lägg till en trend eller en rörlig genomsnittslinje i ett diagram Gäller för: Excel 2016 Word 2016 PowerPoint 2016 Excel 2013 Word 2013 Outlook 2013 PowerPoint 2013 Mer. Mindre Om du vill visa datatrender eller flytta medelvärden i ett diagram du skapade. du kan lägga till en trendlinje. Du kan också förlänga en trendlinje bortom din faktiska data för att kunna förutse framtida värden. Till exempel prognostiserar följande linjära trendlinje två kvartaler framåt och visar tydligt en uppåtgående trend som ser lovande ut för framtida försäljning. Du kan lägga till en trendlinje till ett 2-D-diagram som inte är staplat, inklusive område, streck, kolumn, rad, lager, scatter och bubbla. Du kan inte lägga till en trendlinje till en staplad, 3-D, radar, paj, yta eller donut diagram. Lägg till en trendlinje På diagrammet klickar du på den dataserie som du vill lägga till en trendlinje eller glidande medelvärde. Trendlinjen börjar på den första datapunkten i den dataserie du väljer. Markera rutan Trendline. För att välja en annan typ av trendlinje, klicka på pilen bredvid Trendline. och klicka sedan Exponential. Linjär prognos. eller två period flyttande medelvärde. För ytterligare trendlinjer, klicka på Fler alternativ. Om du väljer Fler alternativ. klicka på det alternativ du vill ha i rutan Format Trendline under Trendline Options. Om du väljer Polynomial. ange högsta effekten för den oberoende variabeln i rutan Order. Om du väljer Flytta medelvärde. Ange antalet perioder som ska användas för att beräkna det glidande genomsnittet i rutan Period. Tips: En trendlinje är mest exakt när dess R-kvadrerade värde (ett tal från 0 till 1 som visar hur nära de uppskattade värdena för trendlinjen motsvarar din faktiska data) ligger vid eller nära 1. När du lägger till en trendlinje för dina data , Excel beräknar automatiskt sitt R-kvadrerade värde. Du kan visa detta värde på diagrammet genom att markera rutan Visa R-kvadrering i kartrutan (Format Trendline-rutan, Trendline Options). Du kan lära dig mer om alla trendlinjealternativ i nedanstående avsnitt. Linjär trendlinje Använd denna typ av trendlinje för att skapa en bäst passande rak linje för enkla linjära dataset. Dina data är linjära om mönstret i dess datapunkter ser ut som en linje. En linjär trendlinje visar vanligtvis att något ökar eller minskar med jämna mellanrum. En linjär trendlinje använder denna ekvation för att beräkna de minsta kvadraterna som passar för en linje: där m är lutningen och b är avlyssningen. Följande linjära trendlinje visar att försäljningen av kylskåp konsekvent har ökat under en 8-årig period. Observera att R-kvadrerat värde (ett tal från 0 till 1 som visar hur nära de uppskattade värdena för trendlinjen motsvarar din faktiska data) är 0.9792, vilket är en bra passning på linjen till data. Visar en bäst passande kurvlinje, denna trendlinje är användbar när förändringshastigheten i data ökar eller minskar snabbt och sedan nivåer ut. En logaritmisk trendlinje kan använda negativa och positiva värden. En logaritmisk trendlinje använder denna ekvation för att beräkna minsta kvadraterna passande genom punkter: där c och b är konstanter och ln är den naturliga logaritmen funktionen. Följande logaritmiska trendlinje visar förutspådd befolkningstillväxt för djur i en fastareal, där befolkningen nivån ut som ett utrymme för djuren minskade. Observera att R-kvadrerade värdet är 0.933, vilket är en relativt bra passning av linjen till data. Denna trendlinje är användbar när dina data fluktuerar. Till exempel när du analyserar vinster och förluster över en stor dataset. Polynomernas ordning kan bestämmas av antalet fluktuationer i data eller hur många böjningar (kullar och dalar) visas i kurvan. Typiskt har en order 2 polynomisk trendlinje endast en kulle eller dal, en order 3 har en eller två kullar eller dalar och en order 4 har upp till tre kullar eller dalar. En polynom eller kurvlinjig trendlinje använder denna ekvation för att beräkna minsta kvadraterna passande genom punkter: var b och är konstanter. Följande Order 2 polynomial trendlinje (en kulle) visar förhållandet mellan körhastighet och bränsleförbrukning. Observera att R-kvadrerat värde är 0.979, vilket är nära 1 så linjerna passar bra för data. Visar en kurvlinje, denna trendlinje är användbar för dataset som jämför mätningar som ökar med en viss takt. Till exempel accelerationen av en tävlingsbil med 1 sekunders intervall. Du kan inte skapa en strömtriktlinje om dina data innehåller noll - eller negativa värden. En kraft trendlinje använder denna ekvation för att beräkna minsta kvadraterna passande genom punkter: där c och b är konstanter. Obs! Det här alternativet är inte tillgängligt när dina data innehåller negativa eller nollvärden. Följande distansmätningsdiagram visar avståndet i meter per sekund. Power trendlinjen visar tydligt den ökande accelerationen. Observera att R-kvadrerat värde är 0.986, vilket är en nästan perfekt passform av linjen till data. Visar en krökt linje, denna trendlinje är användbar när datavärdena stiger eller faller med ständigt ökande räntor. Du kan inte skapa en exponentiell trendlinje om dina data innehåller noll - eller negativa värden. En exponentiell trendlinje använder denna ekvation för att beräkna minsta kvadrater passande genom punkter: där c och b är konstanter och e är basen för den naturliga logaritmen. Följande exponentiella trendlinje visar den minskande mängden kol 14 i ett objekt som det åldras. Observera att R-kvadrerat värde är 0.990, vilket betyder att linjen passar data nästan perfekt. Flyttande genomsnittlig trendlinje Denna trendlinje utspelar fluktuationer i data för att tydligt visa ett mönster eller en trend. Ett glidande medel använder ett visst antal datapunkter (inställt av alternativet Period), genomsnitts dem och använder medelvärdet som en punkt i raden. Till exempel, om Perioden är inställd på 2, används medelvärdet av de två första datapunkterna som den första punkten i den glidande genomsnittliga trendlinjen. Medelvärdet av andra och tredje datapunkter används som andra punkt i trendlinjen etc. En glidande genomsnittlig trendlinje använder denna ekvation: Antalet poäng i en glidande medellinje är lika med det totala antalet poäng i serien minus nummer du anger för perioden. I ett scatterdiagram baseras trendlinjen på ordningen av x-värdena i diagrammet. För ett bättre resultat, sortera x-värdena innan du lägger till ett glidande medelvärde. Följande glidande genomsnittliga trendlinje visar ett mönster i antalet bostäder som säljs under en 26-veckorsperiod. Beräkning av glidande medelvärde i Excel I den här korta handledningen lär du dig att snabbt beräkna ett enkelt glidande medelvärde i Excel, vilka funktioner som ska användas för att få glidande medelvärde för de senaste N dagarna, veckorna, månaderna eller åren, och hur man lägger till en glidande genomsnittlig trendlinje till ett Excel-diagram. I ett par senaste artiklar har vi tittat snett på beräkningen av genomsnittet i Excel. Om du har följt vår blogg vet du redan hur man beräknar ett normalt genomsnitt och vilka funktioner som ska användas för att hitta vägt genomsnitt. I dagens tutorial diskuterar vi två grundläggande tekniker för att beräkna glidande genomsnitt i Excel. Vad rör sig i genomsnitt Generellt sett kan glidande medelvärde (även kallat rullande medelvärde, löpande medelvärde eller rörligt medelvärde) definieras som en serie medeltal för olika delsatser av samma dataset. Det används ofta i statistik, säsongrensade ekonomiska och väderprognoser för att förstå underliggande trender. I aktiehandel är glidande medelvärde en indikator som visar medelvärdet av en säkerhet under en viss tidsperiod. I affärer är det en vanlig praxis att beräkna ett glidande medelvärde av försäljningen under de senaste tre månaderna för att bestämma den senaste trenden. Till exempel kan det glidande genomsnittet av tre månaders temperaturer beräknas genom att ta medeltemperaturen från januari till mars, sedan medeltemperaturen från februari till april, från mars till maj och så vidare. Det finns olika typer av rörliga medelvärden som enkla (även känd som aritmetiska), exponentiella, variabla, triangulära och viktade. I den här handledningen ser vi på det mest använda enkla glidande medlet. Beräkning av enkelt glidande medelvärde i Excel Totalt sett finns det två sätt att få ett enkelt glidande medelvärde i Excel - med hjälp av formler och trendlinjealternativ. Följande exempel visar båda teknikerna. Exempel 1. Beräkna glidande medelvärde för en viss tidsperiod Ett enkelt glidande medelvärde kan beräknas på nolltid med funktionen AVERAGE. Antag att du har en lista över genomsnittliga månatliga temperaturer i kolumn B, och du vill hitta ett glidande medelvärde i 3 månader (som visas på bilden ovan). Skriv en vanlig AVERAGE-formel för de första 3 värdena och mata in den i rad som motsvarar 3: e värdet från toppen (cell C4 i det här exemplet) och sedan kopiera formeln ner till andra celler i kolumnen: Du kan fixa kolumn med en absolut referens (som B2) om du vill, men var noga med att använda relativa radreferenser (utan tecknet) så att formeln justeras korrekt för andra celler. Kom ihåg att ett medelvärde beräknas genom att lägga upp värden och sedan dela summan med antalet värden som ska beräknas. Du kan verifiera resultatet med hjälp av SUM-formeln: Exempel 2. Få glidande medelvärde för de senaste N dagarna veckor månader år i en kolumn Anta att du har en lista med data, t. ex. försäljningsuppgifter eller aktiekurser, och du vill veta genomsnittet för de senaste 3 månaderna när som helst. För detta behöver du en formel som beräknar genomsnittsvärdet så snart du anger ett värde för nästa månad. Vilken Excel-funktion kan göra detta Den goda gamla AVERAGE i kombination med OFFSET och COUNT. AVERAGE (OFFSET (första cellen. COUNT (hela intervallet) - N, 0, N, 1)) Där N är numret för de sista dagarna veckor månader år att inkludera i medelvärdet. Inte säker på hur du använder den här glidande medelformeln i dina Excel-kalkylblad Följande exempel gör saker tydligare. Om man antar att värdena i genomsnitt är i kolumn B som börjar i rad 2, skulle formeln vara följande: Och nu kan vi försöka förstå vad denna Excel-glidande medelformeln faktiskt gör. COUNT-funktionen COUNT (B2: B100) räknar upp hur många värden som redan är angivna i kolumn B. Vi börjar räkna i B2 eftersom rad 1 är kolumnrubriken. OFFSET-funktionen tar cell B2 (det första argumentet) som utgångspunkt och förskjuter räkningen (värdet returneras av COUNT-funktionen) genom att flytta 3 rader upp (-3 i 2: e argumentet). Som resultat returnerar den summan av värden i ett intervall som består av 3 rader (3 i det 4: e argumentet) och 1 kolumn (1 i det sista argumentet), vilket är de senaste 3 månaderna som vi vill ha. Slutligen överförs den returnerade summan till AVERAGE-funktionen för att beräkna det glidande medlet. Tips. Om du arbetar med kontinuerligt uppdaterbara arbetsblad där nya rader sannolikt kommer att läggas till i framtiden, var noga med att ge ett tillräckligt antal rader till COUNT-funktionen för att tillgodose potentiella nya poster. Det är inte ett problem om du innehåller fler rader än vad som behövs så länge du har den första cellen till höger, kommer COUNT-funktionen att slänga alla tomma rader ändå. Som du säkert märkte innehåller tabellen i det här exemplet data i endast 12 månader, men ändå levereras intervallet B2: B100 till COUNT, bara för att vara på spara sidan :) Exempel 3. Hämta glidande medelvärde för de sista N-värdena i en rad Om du vill beräkna ett glidande medelvärde för de sista N dagarna, månaderna, år etc. i samma rad kan du justera offsetformeln på följande sätt: Anta att B2 är det första numret i raden och du vill ha att inkludera de sista 3 siffrorna i medelvärdet tar formeln följande form: Skapa ett Excel-glidande medeldiagram Om du redan har skapat ett diagram för dina data, lägger du till en glidande genomsnittlig trendlinje för det diagrammet i några sekunder. För detta ska vi använda Excel Trendline-funktionen och de detaljerade stegen följs nedan. I det här exemplet har Ive skapat en 2-D kolumnschema (Insert tab gt gt Charts group) för våra försäljningsdata: Och nu vill vi visualisera det glidande genomsnittet i 3 månader. I Excel 2010 och Excel 2007 går du till Layout gt Trendline gt More Trendline Options. Tips. Om du inte behöver ange detaljerna, t. ex. det glidande genomsnittliga intervallet eller namnen, kan du klicka på Design gt Add Chart Element gt Trendline gt Flytta genomsnittet för det omedelbara resultatet. Format Trendline-rutan öppnas på höger sida av ditt arbetsblad i Excel 2013, och motsvarande dialogruta kommer att dyka upp i Excel 2010 och 2007. För att förbättra din chatt kan du växla till fliken Fill amp Line eller Effects på rutan Format Trendline och spela med olika alternativ som linjetyp, färg, bredd etc. För kraftfull dataanalys kan du lägga till några glidande snittlinjer med olika tidsintervaller för att se hur trenden utvecklas. Följande skärmdump visar de 2 månaders (gröna) och 3 månaders (tegelröd) rörliga genomsnittliga trendlinjerna: Nåväl, det handlar om att beräkna glidande medelvärde i Excel. Proverna kalkylbladet med de rörliga medelformlerna och trendlinjen är tillgänglig för nedladdning - Flytta genomsnittligt kalkylblad. Jag tackar dig för att du läser och ser fram emot att träffa dig nästa vecka. Du kanske också är intresserad av: Ditt exempel 3 ovan (Flytta medelvärdet för de sista N-värdena i rad) fungerade perfekt för mig om hela raden innehåller siffror. Jag gör det här för min golfliga liga där vi använder ett 4 veckors rullande medelvärde. Ibland är golfare frånvarande så istället för ett poäng, kommer jag att lägga ABS (text) i cellen. Jag vill fortfarande att formeln ska leta efter de senaste 4 poängen och inte räkna ABS antingen i täljaren eller i nämnaren. Hur ändrar jag formeln för att uppnå detta Ja, jag märkte om cellerna var tomma, beräkningarna var felaktiga. I min situation spårar jag över 52 veckor. Även om de senaste 52 veckorna innehöll data var beräkningen felaktig om någon cell före 52 veckorna var blank. Jag försöker skapa en formel för att få det glidande genomsnittet för 3 år, uppskattar om du kan hjälpa till med pls. Datum Produktpris 1012016 A 1,00 1012016 B 5,00 1012016 C 10,00 1022016 A 1,50 1022016 B 6,00 1022016 C 11,00 1032016 A 2,00 1032016 B 15,00 1032016 C 20,00 1042016 A 4,00 1042016 B 20,00 1042016 C 40,00 1052016 A 0,50 1052016 B 3,00 1052016 C 5,00 1062016 A 1,00 1062016 B 5,00 1062016 C 10,00 1072016 A 0,50 1072016 B 4,00 1072016 C 20,00 Hej, jag är imponerad av den stora kunskapen och den korta och effektiva instruktionen du tillhandahåller. Jag har också en fråga som jag hoppas att du kan låna din talang med en lösning också. Jag har en kolumn A på 50 (veckovis) intervalldatum. Jag har en kolumn B bredvid den med planerad produktion i genomsnitt per vecka för att slutföra målet på 700 widgets (70050). I nästa kolumn summerar jag mina veckovisa inkrement hittills (100 till exempel) och beräknar min återstående antal prognos avg per återstående vecka (ex 700-10030). Jag vill kopiera varje vecka ett diagram som börjar med den aktuella veckan (inte diagrammets början x-axeldatum), med summan (100) så att min utgångspunkt är den aktuella veckan plus resten avgweek (20), och avsluta den linjära grafen vid slutet av vecka 30 och y-punkten på 700. Variablerna för att identifiera rätt celldatum i kolumn A och slutar vid mål 700 med en automatisk uppdatering från dagens datum, förvirrar mig. Kan du hjälpa dig med en formel (jag har försökt IF logik med idag och bara inte löser det.) Tack Vänligen hjälp med den korrekta formeln för att beräkna summan av timmar som har angetts under en rörlig 7-dagarsperiod. Till exempel. Jag behöver veta hur mycket övertid som arbetas av en individ under en rullande 7-dagarsperiod beräknad från årets början till slutet av året. Den totala antalet arbetade timmar måste uppdateras för de 7 rullande dagarna då jag går in i övertidstimmen dagligen. Tack. Finns det ett sätt att få summan av ett nummer de senaste 6 månaderna? Jag vill kunna beräkna summa för de senaste 6 månaderna varje dag. Så illa behöver det uppdateras varje dag. Jag har ett excel-ark med kolumner varje dag förra året och kommer så småningom att lägga till mer varje år. någon hjälp skulle uppskattas, eftersom jag är stumped Hej, jag har ett liknande behov. Jag måste skapa en rapport som visar nya klientbesök, totala kundbesök och annan information. Alla dessa fält uppdateras dagligen i ett kalkylblad, jag behöver dra uppgifterna för de föregående 3 månaderna uppdelade per månad, 3 veckor i veckor och sista 60 dagar. Finns det en VLOOKUP eller formel eller något jag kan göra som länkar till arket som uppdateras dagligen så att min rapport kan uppdateras varje dag. I praktiken ger det glidande medelvärdet en bra uppskattning av medelvärdet av tidsserierna om den genomsnittliga är konstant eller långsamt förändrad. I händelse av ett konstant medelvärde kommer det största värdet av m att ge de bästa uppskattningarna av det underliggande genomsnittet. En längre observationsperiod kommer att medeltala effekterna av variationen. Syftet med att tillhandahålla en mindre m är att tillåta prognosen att svara på en förändring i den underliggande processen. För att illustrera föreslår vi en dataset som innehåller förändringar i underliggande medelvärden av tidsserierna. Figuren visar tidsserien som används för illustration tillsammans med den genomsnittliga efterfrågan från vilken serien genererades. Medelvärdet börjar som en konstant vid 10. Börjar vid tid 21 ökar den med en enhet i varje period tills den når värdet 20 vid tidpunkten 30. Då blir det konstant igen. Uppgifterna simuleras genom att lägga till i genomsnitt ett slumpmässigt brus från en normalfördelning med nollvärde och standardavvikelse 3. Resultaten av simuleringen avrundas till närmsta heltal. Tabellen visar de simulerade observationer som används för exemplet. När vi använder bordet måste vi komma ihåg att vid varje given tidpunkt endast endast tidigare data är kända. Uppskattningarna av modellparametern, för tre olika värden på m visas tillsammans med medelvärdet av tidsserierna i figuren nedan. Figuren visar den genomsnittliga rörliga genomsnittliga beräkningen av medelvärdet vid varje tidpunkt och inte prognosen. Prognoserna skulle flytta de glidande medelkurvorna till höger av perioder. En slutsats framgår omedelbart av figuren. För alla tre uppskattningar ligger glidande medelvärde bakom den linjära trenden, där fördröjningen ökar med m. Lagen är avståndet mellan modellen och uppskattningen i tidsdimensionen. På grund av fördröjningen underskattar det rörliga genomsnittet observationerna när medelvärdet ökar. Estimatorns förspänning är skillnaden vid en viss tid i modellens medelvärde och medelvärdet förutspått av det rörliga genomsnittet. Förspänningen när medelvärdet ökar är negativt. För ett minskande medelvärde är förspänningen positiv. Fördröjningen i tid och den bias som införs i uppskattningen är funktionerna i m. Ju större värdet av m. desto större är storleken på fördröjning och förspänning. För en kontinuerligt ökande serie med trend a. värdena för fördröjning och förspänning av estimatorn av medelvärdet ges i ekvationerna nedan. Exemplet kurvorna stämmer inte överens med dessa ekvationer eftersom exemplet modellen inte ökar kontinuerligt, utan det börjar som en konstant, ändras till en trend och blir sedan konstant igen. Även kurvorna påverkas av bruset. Den glidande genomsnittliga prognosen för perioder i framtiden representeras genom att man ändrar kurvorna till höger. Fördröjningen och förskjutningen ökar proportionellt. Ekvationerna nedan anger fördröjningen och förspänningen av prognosperioder i framtiden jämfört med modellparametrarna. Återigen är dessa formler för en tidsserie med en konstant linjär trend. Vi borde inte bli förvånad över resultatet. Den rörliga genomsnittliga estimatorn är baserad på antagandet om ett konstant medelvärde och exemplet har en linjär trend i medelvärdet under en del av studieperioden. Eftersom realtidsserier sällan exakt kommer att följa antagandena till en modell, borde vi vara beredda på sådana resultat. Vi kan också dra av slutsatsen att brusets variabilitet har störst effekt för mindre m. Uppskattningen är mycket mer flyktig för det glidande medlet på 5 än det glidande medlet på 20. Vi har de motstridiga önskningarna att öka m för att minska effekten av variationer på grund av bullret och att minska m för att göra prognosen mer mottaglig för förändringar i medelvärdet. Felet är skillnaden mellan den faktiska data och det prognostiserade värdet. Om tidsserierna verkligen är ett konstant värde är det förväntade värdet av felet noll och variansen av felet består av en term som är en funktion av och en andra term som är brusets varians. Den första termen är medelvärdet av det medelvärde som uppskattas med ett urval av m-observationer, förutsatt att data kommer från en population med konstant medelvärde. Denna term minimeras genom att göra m så stor som möjligt. En stor m gör prognosen inte svarande mot en förändring i underliggande tidsserier. För att prognosen ska kunna reagera på förändringar vill vi m vara så liten som möjligt (1), men detta ökar felvariationen. Praktisk prognos kräver ett mellanvärde. Prognoser med Excel Prognosen för prognoser implementerar de glidande medelformlerna. Exemplet nedan visar analysen som tillhandahålls av tillägget för provdata i kolumn B. De första 10 observationerna indexeras -9 till 0. Jämfört med tabellen ovan förskjuts periodens index med -10. De första tio observationerna ger startvärdena för uppskattningen och används för att beräkna det glidande medlet för period 0. MA (10) kolumnen (C) visar de beräknade glidande medelvärdena. Den rörliga genomsnittsparametern m är i cell C3. Fore (1) kolumnen (D) visar en prognos för en period framåt. Prognosintervallet ligger i cell D3. När prognosintervallet ändras till ett större antal, flyttas numren i Fore-kolumnen nedåt. Err-kolumnen (E) visar skillnaden mellan observationen och prognosen. Till exempel är observationen vid tidpunkten 1 6. Det prognostiserade värdet som gjorts från det glidande medlet vid tidpunkten 0 är 11,1. Felet är då -5,1. Standardavvikelsen och genomsnittlig avvikelse (MAD) beräknas i cellerna E6 respektive E7.
No comments:
Post a Comment