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 W miarę upływu czasu im więcej pików i dolin są wygładzane Im krótszy odstęp, im przybliżone są średnie ruchome, to do rzeczywistych punktów danych. OR-Uwagi to seria wstępnych notatek dotyczących tematów objętych szeroką pozycją pola badań operacyjnych LUB LUB pierwotnie używanych mnie we wstępnym kursu OR oferowanym w Imperial College Są teraz dostępne dla wszystkich studentów i nauczycieli zainteresowanych LUB z zastrzeżeniem następujących warunków. Ana lista tematów dostępnych w serwisie OR - Uwagi można znaleźć tutaj. Najbieramy przykłady. Przykłady z przykładu 1996 roku. Zapotrzebowanie na produkt w każdym z ostatnich pięciu miesięcy przedstawiono poniżej. Użyj dwóch miesięcy średniej ruchomej, aby wygenerować prognozę popytu w miesiącu 6.Przykładanie wygładzania wykładniczego ze stałą wygładzania 0 9, aby wygenerować prognozę zapotrzebowania na popyt w miesiącu 6. Jakie są dwie te prognozy wolisz i dlaczego. Średnia miesięczna średnia w miesiącach od dwóch do pięciu wynosi. Prognoza dla m onth six jest tylko średnią ruchoma miesiąca, tj. średnią ruchoma w miesiącu 5 m 5 2350.Przykładanie wygładzania wykładniczego ze stałą wygładzania równą 0 9 otrzymamy. Jak prognoza na miesiąc 6 jest średnią dla miesiąca 5 M 5 2386. Aby porównać te dwie prognozy, obliczamy średnie kwadratowe odchylenie MSD Jeśli to zrobimy, stwierdzimy, że dla średniej ruchomej. MSD 15 - 19 18 - 23 21 - 24 3 16 67. oraz dla średniej wykładniczej średniej z Stała wygładzania wynosiła 0 9.MSD 13 - 17 16 60 - 19 18 76 - 23 22 58 - 24 4 10 44. Przekonamy się wtedy, że wyrównanie wykładnicze wydaje się dać najlepsze prognozy na 1 miesiąc, ponieważ ma niższą MSD wolą prognozę 2386, która została wygenerowana przez wyrównywanie wykładnicze. Najbardziej przykładowy przykład z 1994 r. UG. Poniższa tabela przedstawia zapotrzebowanie na nową afterską pieczęć w sklepie przez ostatnie 7 miesięcy. Oblicz średnią z dwóch miesięcy dla miesięcy od dwóch do siedem Jaka byłaby twoja prognoza popytu w miesiącu ósmym wyrównywanie wykładnicze ze stałą wygładzania wynoszącą 0 do uzyskania prognozy popytu w miesiącu 8. Jakie są dwa prognozy dla miesiąca ósmego wolisz i dlaczego właściciel sklepu wierzy, że klienci przechodzą do tej nowej aftersji z innych marek Dyskusje jak można modelować to zachowanie przełączania i wskazać dane potrzebne do potwierdzenia, czy to przełączenie ma miejsce, czy nie. Dwumiesięczna średnia ruchoma dla miesięcy od dwóch do siedmiu jest podana przez. Prognoza dla miesiąca ósemka jest tylko średnią ruchoma dla miesiąc poprzedzający tzn. średnią ruchową w miesiącu 7 m 7 46. Wywołując wyrównanie wykładnicze ze stałą wygładzania równą 0, otrzymujemy. Jak prognoza na miesiąc ósmy jest średnią dla miesiąca 7 M 7 31 11 31, ponieważ nie możemy mają ułamkowe zapotrzebowanie. Aby porównać te dwie prognozy obliczamy średnie kwadratowe odchylenie MSD Jeśli to zrobimy, to znajdziemy dla średniej ruchomej i średniej wygładzonej wykładniczo ze stałą wygładzania 0 1.Ove rall wtedy widzimy, że średnia miesięczna średniej ruchomej wydaje się dać najlepsze prognozy co miesiąc, ponieważ ma niższą MSD. Dlatego wolimy prognozę 46, która została wyprodukowana przez średnią ruchomej w ciągu dwóch miesięcy. Aby przeanalizować przełączanie, musimy użyj modelu Markowa, w którym marki państw i będziemy potrzebować informacji dotyczących stanu początkowego i prawdopodobieństwa przełączania klientów z badań Musimy uruchomić model z danymi historycznymi, aby sprawdzić, czy mamy do czynienia z modelem i zachowaniem historycznym. egzamin. Poniższa tabela przedstawia zapotrzebowanie na konkretną markę maszynki do golenia w sklepie przez co najmniej dziewięć miesięcy. Oblicz średnią ruchomej w ciągu trzech miesięcy od trzech do dziewięciu lat. Jaka byłaby twoja prognoza dla zapotrzebowania w miesiącu. wygładzając stałą wygładzania 0 3, aby prognozować popyt w miesiącu dziesiątym. Jakieś z dwóch prognoz dla miesiąca dziesięciu wolisz i dlaczego średnia trwa trzy miesiące od miesięcy 3 do 9 wynosi giv pl. Prognoza dla miesiąca 10 jest tylko średnią ruchoma miesiąca, tj. średnią ruchoma w miesiącu 9 m 9 20 33. Ponieważ nie możemy mieć ułamkowego zapotrzebowania, prognoza dla miesiąca 10 wynosi 20.Applying smoothing with a stała wygładzanie z 0 3 otrzymamy. Zanim prognoza na miesiąc 10 jest średnią dla miesiąca 9 M 9 18 57 19, ponieważ nie możemy mieć ułamkowego zapotrzebowania. Aby porównać te dwie prognozy obliczamy średnie kwadratowe odchylenie MSD Jeśli to zrobimy to dla średniej ruchomej i dla średniej wygładzonej wykładniczo ze stałą wygładzania równą 0 3.Ogólnie widzimy, że średnia trwa trzy miesiące wydaje się dać najlepsze prognozy na 1 miesiąc, ponieważ ma niższą MSD W związku z tym wolimy prognoza 20, która została wyprodukowana przez średnią ruchomą w ciągu trzech miesięcy. Najbardziej przykładowy przykład badania UG w roku 1991. Poniższa tabela przedstawia zapotrzebowanie na określoną markę faksów w domach towarowych w każdym z ostatnich dwunastu miesięcy. Oblicz cztery miesiące mov średnio dla miesięcy 4 do 12 Jaka byłaby twoja prognoza dla popytu w miesiącu 13. Zastosuj wyrównywanie wykładnicze ze stałą wygładzania 0 2, aby prognozować zapotrzebowanie w miesiącu 13. Jakie są dwa prognozy dla miesiąca 13 wolą i dlaczego. Jakie inne czynniki, nieuwzględnione w powyższych obliczeniach, mogą wpłynąć na zapotrzebowanie na faks w miesiącu 13. Średniometr czteromiesięczny dla miesięcy od 4 do 12 jest podany przez: 4 23 19 15 12 4 17 25 m 5 27 23 19 15 4 21 m 6 30 27 23 19 4 24 75 m 7 32 30 27 23 4 28 m 8 33 32 30 27 4 30 5 m 9 37 33 32 30 4 33 m 10 41 37 33 32 4 35 75 m 11 49 41 37 33 4 40 m 12 58 49 41 37 4 46 25. Prognoza na miesiąc 13 to średnia ruchoma miesiąca, tj. średnia ruchoma w miesiącu 12 m 12 46 25. Ponieważ nie możemy ułamkowe zapotrzebowanie na prognozę dla miesiąca 13 wynosi 46. Wydaje się wyrównywanie wyrównania ze stałą wygładzania 0 2 otrzymamy. Aż przed prognozą na miesiąc 13 jest średnią dla miesiąca 12 M 12 38 618 39 jak w e nie może mieć ułamkowego zapotrzebowania. Aby porównać te dwie prognozy obliczamy średnie kwadratowe odchylenie MSD Jeśli to zrobimy, to dla średniej ruchomej i średniej wygładzonej wykładniczo ze stałą wygładzania równą 0 2. Następnie widzimy, że czteromiesięczna średnia ruchoma wydaje się dać najlepsze prognozy na 1 miesiąc, ponieważ ma niższą MSD. W związku z tym preferujemy prognozę 46, która została wyprodukowana przez średnią ruchomej w ciągu czterech miesięcy. Wymiar popytu na cenę w ciągu dwóch miesięcy, zarówno tej marki, jak i innych marek. ogólna sytuacja ekonomiczna. Nowa technologia. Najbardziej przykładowy przykład z 1989 roku. Poniższa tabela przedstawia zapotrzebowanie na konkretną markę mikrofalówki w domach towarowych w każdym z ostatnich miesięcy. prognoza dla popytu w miesiącu 13.Przyprowadzanie wygładzania wykładniczego ze stałą wygładzania równą 0 7 w celu uzyskania prognozy popytu w miesiącu 13. Jakie są dwie prognozy na miesiąc 13 i dlaczego? nie możemy obliczyć sześciomiesięcznej średniej ruchomej, dopóki nie mamy co najmniej 6 obserwacji - tzn. możemy obliczyć taką średnią z miesiąca 6, a więc mamy 6 34 32 30 29 31 27 6 30 50.m 7 36 34 32 30 29 31 6 32 00.m 8 35 36 34 32 30 29 6 32 67.m 9 37 35 36 34 32 30 6 34 00.m 10 39 37 35 36 34 32 6 35 50.m 11 40 39 37 35 36 34 6 36 83.m 12 42 40 39 37 35 36 6 38 17. Prognoza na miesiąc 13 to średnia ruchoma miesiąca, tj. Średnia ruchoma w miesiącu 12 m 12 38 17. Ponieważ nie możemy mieć ułamkowego popytu prognoza dla miesiąca 13 wynosi 38. Wydaje się, że wygładzanie wykładnicze ma stałą wygładzania równą 0 7. W praktyce średnia ruchoma daje dobre oszacowanie średniej serii czasowej, jeśli średnia jest stała lub powoli zmienia się W przypadku średnia stała, największa wartość m daje najlepsze oszacowania średniej podstawy Średni okres dłuższego obserwacji będzie wynosił średnie skutki zmienności. Cel zapewnienia mniejszego m jest aby umożliwić prognozę reakcji na zmianę procesu bazowego W celu zilustrowania proponujemy zestaw danych zawierający zmiany w podstawowej wartości średniej serii czasowej Rysunek przedstawia serie czasowe używane do ilustracji wraz ze średnim zapotrzebowaniem, z którego serie został wygenerowany Średnie zaczyna się jako stała wartość 10 Rozpoczynanie 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, losowej hałas z rozkładu normalnego ze średnim zerem i odchyleniem standardowym 3 Wyniki symulacji są zaokrąglane do najbliższej liczby całkowitej. Tabela przedstawia symulowane obserwacje wykorzystywane na przykład Gdy korzystamy z tabeli, musimy pamiętać, że w danym momencie tylko znane są ostatnie dane. Szacunkowe parametry modelu, dla trzech różnych wartości m są pokazane razem ze średnią serii czasowej na poniższym rysunku. Rysunek przedstawia średnią ruchome e stymulowanie średniej w każdym czasie, a nie prognoza Prognozy przesuną średnie ruchome krzywe w prawo w podziale na okresy. Jeden z wniosków jest natychmiast widoczny na podstawie danych liczbowych dla wszystkich trzech szacunków, średnia średnia ruchoma przebiega za liniowym trendem, z m Opóźnienie to odległość między 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 model i średnia wartość przewidywana przez średnią ruchoma Odchylenie przy wzrastającej średniej jest ujemne Przy malejącej średniej skłonności 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. Przykładowy cur ves nie pasują do tych równań, ponieważ przykładowy model nie rośnie, ale zaczyna się jako stała, zmienia tendencję, a następnie staje się stały 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. Możemy również wywnioskować, że zmienność hałasu ma największy wpływ na mniejsze m imate jest o wiele bardziej niestabilna dla średniej ruchomej 5 niż średnia ruchoma 20 Mamy sprzeczne pragnienia, aby zwiększyć m, aby zmniejszyć wpływ zmienności spowodowany hałasem i zmniejszyć m, aby prognoza była bardziej wrażliwa na zmiany w średniej. Błąd jest różnicą między rzeczywistymi danymi a przewidywaną wartością Jeśli seria czasów jest rzeczywiście stałą wartością, oczekiwana wartość błędu wynosi zero, a wariancja błędu składa się z terminu, który jest funkcją i sekundą jest to wariacja hałasu. Pierwszy termin to wariacja średniej oszacowanej próbką m obserwacji, zakładając, że dane pochodzą z populacji o stałej średniej. Termin ten jest zminimalizowany poprzez uczynienie m jak największym duży m powoduje, że prognoza nie reaguje na zmianę szeregu czasów bazowych Aby prognoza odpowiadała na zmiany, chcemy m tak małą jak to możliwe 1, ale zwiększa wariancję błędu Prognozowanie wymaga pośrednictwa Wartość e. Prognozowanie w programie Excel. Dodatek prognozujący implementuje średnie ruchome wzory Poniższy przykład przedstawia analizę dostarczoną przez dodatek do danych przykładowych w kolumnie B Pierwsze 10 obserwacji indeksuje się od -9 do 0 W porównaniu z tabelą powyżej, indeksy okresu 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 komórka C3 Kolumna 1 z przodu 1 pokazuje prognozę dla jednego okresu w przyszłości Przedział czasowy prognozy znajduje się w komórce D3 Kiedy przedział prognozy zostanie zmieniony na większą liczbę, liczba w kolumnie Fore zostanie przesunięta w dół. Err 1 kolumna E pokazuje różnica między obserwacją a prognozą Na przykład obserwacja w czasie 1 wynosi 6 Prognozowana wartość wykonana z średniej ruchomej w czasie 0 wynosi 11 1 Błąd to -5 1 Odchylenie standardowe i średnia średnia diagnoza jonowy MAD oblicza się odpowiednio w komórkach E6 i E7.
Comments
Post a Comment