Obliczanie wyśrodkowane ruchome średnia excel

Średnia ruchoma Ten przykład ilustruje obliczanie średniej ruchomej serii czasowej w programie Excel. Średnia ruchoma służy do wyrównywania nieprawidłowości (szczytów i dolin) w celu łatwego rozpoznania trendów. 1. Po pierwsze, spójrz na naszą serię czasową. 2. Na karcie Dane kliknij pozycję Analiza danych. Uwaga: nie można znaleźć przycisku analizy danych Kliknij tutaj, aby załadować dodatek Analysis ToolPak. 3. Wybierz opcję Moving Average i kliknij przycisk OK. 4. Kliknąć w polu Zakres wejściowy i wybrać 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. Objaśnienie: ponieważ ustawiamy przedział na 6, średnia ruchoma jest średnią z poprzednich 5 punktów danych i bieżącego punktu 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. Podsumowanie: Im większy odstęp, tym więcej szczytów i dolin są wygładzone. Im mniejsze odstępy, tym dokładniejsze są średnie ruchome do rzeczywistych punktów danych. Jak obliczyć średnie ruchome w Excelu Analiza danych Excela dla manekinów, wydanie drugie. Polecenie analizy danych dostarcza narzędzie do obliczania średnich ruchomej i wykładniczej w programie Excel. Załóżmy, że ze względu na ilustrację, że zbierasz dzienne informacje o temperaturze. Chcesz obliczyć średnią ruchu trzydniowego 8212 średnią z ostatnich trzech dni 8212 w ramach kilku prostych prognoz pogody. Aby obliczyć średnie ruchome dla tego zestawu danych, wykonaj następujące kroki. Aby obliczyć średnią ruchome, kliknij najpierw przycisk polecenia Data Analysis (Dane) tab8217s. Gdy program Excel wyświetli okno dialogowe analizy danych, wybierz z listy pozycję Średnia ruchomości, a następnie kliknij przycisk OK. Excel wyświetli okno dialogowe Ruchome Średnia. Zidentyfikuj dane, których chcesz użyć do obliczenia średniej ruchomej. Kliknij pole wyboru Zakres wejściowy w oknie dialogowym Średnia ruchoma. Następnie zidentyfikuj zakres wejściowy, wpisując adres zakresu arkusza roboczego lub użyj myszy, aby wybrać zakres arkusza roboczego. Odnośnik zakresu powinien używać adresów bezwzględnych komórek. Adres bezwzględnej komórki poprzedza numer kolumny i wiersza ze znakami, tak jak w A1: A10. Jeśli pierwsza komórka w Twoim zakresie wejściowym zawiera etykietę tekstową do identyfikowania lub opisywania danych, zaznacz pole wyboru Etykiety w pierwszym rzędzie. W polu tekstowym Interval (Powiadom) wpisz Excel, ile wartości należy uwzględnić w obliczeniach średniej ruchomej. Możesz obliczyć średnią ruchu za pomocą dowolnej liczby wartości. Domyślnie program Excel stosuje trzy ostatnie wartości do obliczania średniej ruchomej. Aby określić, że do obliczania średniej ruchomej użyta jest inna liczba wartości, wprowadź tę wartość w polu tekstowym Interval. Powiedz Excel, gdzie umieścić średnie ruchome dane. Skorzystaj z pola tekstowego Zakres wyjściowy, aby zidentyfikować zakres arkuszy, na który chcesz umieścić średnie ruchome dane. W przykładowym arkuszu danych średnie ruchome zostały umieszczone w obszarze arkusza B2: B10. (Opcjonalnie) Określ, czy chcesz wykresu. Jeśli chcesz, aby wykres zawierający średnie ruchome informacje, zaznacz pole wyboru Wyjście wykresu. (Opcjonalnie) Wskaż, czy chcesz obliczyć standardowe informacje o błędach. Jeśli chcesz obliczyć błędy standardowe dla danych, zaznacz pole wyboru Standardowe błędy. Excel umieszcza standardowe wartości błędów obok wartości średniej ruchomej. (Standardowa informacja o błędzie trafia do C2: C10). Po zakończeniu określania, jakie średnie ruchome informacje mają być obliczane i gdzie chcesz go umieścić, kliknij przycisk OK. Excel oblicza średnie ruchome informacje. Uwaga: jeśli program Excel doesn8217t ma wystarczające informacje do obliczenia średniej ruchomej dla standardowego błędu, umieszcza komunikat o błędzie w komórce. Możesz zobaczyć kilka komórek, które pokazują ten komunikat o błędzie jako wartość. Kiedy obliczasz bieżącą średnią ruchową, średnie w średnim okresie czasu ma sens W poprzednim przykładzie obliczono średnią z pierwszych trzech okresów czasu i umieściliśmy ją obok okres 3. Możemy umieścić średnią w środku przedziału czasowego trzech okresów, to jest obok okresu 2. To działa dobrze z nieparzystymi okresami, ale nie tak dobre dla parzystych okresów. Więc gdzie umieścimy pierwszą średnią ruchową, jeśli M 4 Technicznie, średnia ruchoma spadnie poniżej 2,5, 3,5. Aby uniknąć tego problemu wygładzamy macierze przy użyciu M 2. Dzięki temu wygładzamy wygładzone wartości Jeśli przeanalizujemy parzystą liczbę terminów, musimy wygładzić wygładzone wartości Poniższa tabela przedstawia wyniki przy użyciu M 4. Średnie kroczące i średnie kroczące Kilka punktów o sezonowości w cyklu czasowym powtarza się, nawet jeśli wydają się oczywiste. Jednym z nich jest to, że termin 8220season8221 niekoniecznie odnosi się do czterech pór roku, wynikających z nachylenia osi Earth8217s. W analizie predykcyjnej 8220season8221 często oznacza dokładnie, że ponieważ wiele zjawisk, z którymi się uczymy, zmienia się wraz z postępem wiosny do zimy: sprzedaż narzędzi zimowych lub letnich, częstość występowania pewnych powszechnych chorób, zdarzenia pogodowe spowodowane lokalizacją strumień strumienia i zmiany temperatury wody we wschodnim Oceanie Spokojnym i tak dalej. Również zdarzenia, które zdarzają się regularnie, mogą działać jak sezony meteorologiczne, chociaż mają tylko niewielkie połączenie z przesileniami i równonocami. Osiem godzinnych zmian w szpitalach i fabrykach często wyraża się w częstości występowania spożycia i wydatków na energię tam, sezon trwa osiem godzin i cykle cyklu codziennie, nie każdego roku. Długoterminowe terminy podatków sygnalizują początek zalania dolarami do skarbów komunalnych, stanowych i federalnych, sezon może wynosić jeden rok (podatki od osób fizycznych), sześć miesięcy (podatki od nieruchomości w wielu stanach), kwartalnie (wiele podatków od osób prawnych ), i tak dalej. To trochę dziwne, że słowo 8220season8221 odnosi się ogólnie do regularnie powtarzającego się okresu, ale nie ma ogólnego terminu dla okresu, w którym następuje jeden pełny sezon. 8220Cycle8221 jest możliwe, ale w analityce i prognozowaniu tego terminu zwykle rozumie się okres o nieokreślonej długości, na przykład cykl koniunkturalny. Wobec braku lepszego terminu, I8217ve wykorzystywał 8220 okres obejmujący 8221 w tym i kolejnych rozdziałach. To isn8217t słuszne pojęcie terminologiczne. Sposoby identyfikacji sezonów i okres czasu, w którym pory roku mają rzeczywisty, a często niewielki wpływ na sposób mierzenia ich skutków. Poniższe sekcje omawiają, jak niektórzy analitycy różnią się sposobem obliczania średnich kroczących w zależności od tego, czy liczba sezonów jest nieparzysta czy parzysta. Używanie średnich ruchów zamiast prostych średnich Załóżmy, że duże miasto zastanawia się nad ponownym przydzieleniem policji drogowej, aby lepiej zająć się przypadkami jazdy w czasie, gdy miasto jest zdegradowane. Cztery tygodnie temu pojawiły się nowe ustawy, legalizujące posiadanie i rekreacyjne użycie marihuany. Od tamtej pory dziennie liczba aresztowań ruchu na DWI wydaje się być tendencyjna. Skomplikowanymi sprawami jest fakt, że liczba pieczołowicie wzrasta w piątki i soboty. Aby pomóc zaplanować zapotrzebowanie na siłę roboczą w przyszłości, planujesz przewidzieć, jaka jest tendencja, która powstała. You8217d również chciałbyś poświęcić czas na rozmieszczenie zasobów, aby uwzględnić sezonowość związaną z weekendem, która ma się odbyć. Rysunek 5.9 zawiera odpowiednie dane, z którymi musisz pracować. Rysunek 5.9 Z każdym zestawem danych każdy dzień tygodnia stanowi okres. Nawet po prostu wzrokiem wykres na rysunku 5.9. można stwierdzić, że wzrasta liczba aresztowań. You8217 będą musieli planować rozszerzenie liczby funkcjonariuszy ruchu i mieć nadzieję, że wkrótce nastąpi szybki trend. Ponadto dane zawierają informacje o tym, że w piątki i soboty regularnie odbywa się więcej aresztowań, dzięki czemu alokacja zasobów musi dotyczyć tych trudności. Musisz jednak określić ilościową tendencję, aby ustalić, ile dodatkowych policji będziesz musiał przynieść. Musisz także oszacować spodziewany rozmiar kolizji weekendowych, aby ustalić, ile dodatkowych policji, których potrzebujesz, będzie oglądało dla tych kierowców niekorzystne zmiany. Problem polega na tym, że od dawna don8217t wie, ile dziennego wzrostu jest wynikiem trendu i ile jest spowodowane tym efektem weekendowym. Możesz zacząć od detrending szeregów czasowych. Wcześniej w tym rozdziale, w 8220Simple Seasonal Averages, 8221 widziałeś przykład, jak odstraszać szereg czasowy, aby wyizolować efekty sezonowe za pomocą prostej metody średniej. W tej sekcji you8217 zobaczy, jak to zrobić, używając średnich ruchów8212więcej prawdopodobieństwa, podejście średniej ruchomości jest używane częściej w analityce predyktywnej, niż podejście proste średnie. Istnieją różne powody, aby zwiększyć popularność średnich kroczących, między innymi, że podejście "ruchomych średnich" nie wymaga zwielokrotniania danych w procesie ilościowego określania tendencji. Przypomnijmy, że wcześniejszy przykład spowodował, że konieczne było zwalnianie średnich kwartalnych do średnich rocznych, obliczanie rocznej tendencji, a następnie rozdawanie jednej czwartej rocznej tendencji w każdym kwartale roku. Ten krok był potrzebny, aby usunąć trend ze skutków sezonowych. W przeciwieństwie do tego, podejście "ruchomo średnie" pozwala pozbyć się szeregów czasowych bez uciekania się do tego rodzaju obróbki. Rysunek 5.10 pokazuje, jak działa podejście średniej ruchomej w niniejszym przykładzie. Rysunek 5.10 Średnia ruchoma w drugim wykresie wyjaśnia trenujący trend. Rysunek 5.10 dodaje średnią ruchomą kolumnę oraz kolumnę dla poszczególnych sezonów. do zbioru danych z rysunku 5.9. Oba dodatki wymagają dyskusji. Spike w aresztowaniach, które mają miejsce w weekendy daje powód, aby sądzić, że pracujesz z sezonów, które powtarzają się raz w tygodniu. Dlatego zacznij od uzyskania średniej przez cały okres 8212, czyli pierwszych siedmiu sezonów, od poniedziałku do niedzieli. Wzór średniej w komórce D5, pierwszej dostępnej średniej ruchomej, jest następujący: ta formuła jest kopiowana i wklejana przez komórkę D29, dzięki czemu masz 25 średnich ruchomej na podstawie 25 przebiegów siedmiu kolejnych dni. Zauważ, że w celu pokazania zarówno pierwszych, jak i ostatnich obserwacji w serii czasów, ukrywam rzędy od 10 do 17. W tym podręczniku rozdział 821 można je ukryć, dostępne z witryny wydawcy 821s. Wykonaj wiele zaznaczonych wierszy 9 i 18, kliknij prawym przyciskiem myszy jeden z nagłówków wierszy i wybierz polecenie Unhide z menu skrótów. Kiedy ukryjesz wiersze arkusza roboczego 8217, jak zrobiłem to na rysunku 5.10. wszystkie wykresy danych w ukrytych wierszach są również ukryte na wykresie. Etykiety osi x określają tylko punkty danych wyświetlane na wykresie. Ponieważ każda średnia ruchoma na rysunku 5.10 obejmuje siedem dni, żadna średnia ruchoma nie jest powiązana z trzema pierwszymi lub ostatnimi trzema obserwacjami. Kopiowanie i wklejenie formuły w komórce D5 w górę o jeden dzień do komórki D4 wyprowadza Cię z obserwacji8212Nie obserwuje się notowania zarejestrowanego w komórce C1. Podobnie nie ma średniej ruchomości zapisanej poniżej komórki D29. Kopiowanie i wklejanie formuły w D29 do D30 wymagałoby obserwacji w komórce C33, a obserwacja nie jest dostępna w dniu, w którym komórka reprezentowałaby. Byłoby oczywiście oczywiście możliwe skrócenie długości średniej ruchomej na pięć zamiast siedmiu. Oznacza to, że średnie ruchome wzory z rysunku 5.10 mogą się rozpocząć w komórce D4 zamiast D5. Jednak w tego typu analizie chcesz, aby średnia długość ruchu była równa liczbie pór roku: siedem dni w tygodniu w przypadku wydarzeń, które powtarzają się co tydzień, oznacza średnią ruchomą o długości siedmiu i cztery czwarte w roku dla wydarzeń, które powtarzalne rocznie oznacza średnią ruchomą o długości czterech. W podobny sposób ogólnie określamy efekty sezonowe w taki sposób, aby w całym okresie czasu wynosić zero. Jak widać w pierwszej części rozdziału 8217 w odniesieniu do prostych średnich, to dokonuje się obliczając średnią z czterech kwartałów w ciągu roku, a następnie odejmując średnią dla roku z każdej kwartalnej liczby. W ten sposób zapewnia się, że całkowity efekt sezonowy wynosi zero. Z kolei te8217 przydatne, ponieważ stawia efekty sezonowe na wspólnym letnim efekcie footing8212a wynoszącym 11, jest dalekie od średniej jako efektu zimowego 821111. Jeśli chcesz przeciętnie pięć sezonów, a nie siedem, aby uzyskać średnią ruchomej, to lepiej. odnajdując zjawisko powtarzające się co pięć pór roku, a nie co siedem. Jednak biorąc pod uwagę średnie efekty sezonowe w dalszej części procesu, średnia ta nie powinna być suma do zera. W tym miejscu konieczne jest przeprowadzenie ponownej kalibracji lub normalizacji. średnie, tak aby ich suma była równa zero. Gdy to zrobione, średnie średnie sezonowe wywierają wpływ na okres czasu należącego do danego sezonu. Po znormalizowaniu średnie sezonowe są określane jako wskaźniki sezonowe, o których wspomniany już rozdział kilkakrotnie wspomniano. You8217 zobaczymy, jak to działa później w tym rozdziale, w 8220Rozwalanie serii z ruchomymi średnimi.8221 Zrozumienie specyficznych sezonów Rysunek 5.10 pokazuje również, co nazywa się sezonami specyficznymi w kolumnie E. Są to, co pozostało po odejściu średniej ruchomej od rzeczywistej obserwacji. Aby zrozumieć, jakie konkretne okresy są reprezentowane, rozważyć średnią ruchu w komórce D5. Jest to średnia obserwacji w C2: C8. Odchylenia każdej obserwacji od średniej ruchomej (na przykład C2 8211 D5) są gwarantowane jako suma równa zero8212that8217s charakterystyczna dla średniej. Dlatego każde odchylenie wyraża efekt związany z tym szczególnym dniem w tym konkretnym tygodniu. Jest to specyficzne sezonowe, a następnie 822weznaczne, ponieważ odchylenie odnosi się do tego konkretnego poniedziałku lub wtorku i tak dalej, i sezonowych, ponieważ w tym przykładzie traktujemy każdego dnia tak, jakby był to okres w całym okresie tygodnia. Ponieważ każda konkretna wielkość sezonowa wpływa na to, że w tym sezonie przekracza średnią ruchomej dla tej grupy siedmiu pór roku, możesz później przeciętnie określić konkretne sezony w danym sezonie (na przykład wszystkie piątki w Twoim seria czasu), aby ocenić, że sezon 8217 generuje raczej ogólne, a nie konkretne efekty. Ta średnia nie jest zakwestionowana przez trend w szeregu czasowym, ponieważ każda konkretna sezonowość wyraża odchylenie od własnej średniej ruchomej. Wyrównywanie średnich kroczących There8217s również kwestia wyrównywania średnich kroczących z oryginalnym zbiorem danych. Na rysunku 5.10. Wyznaczyłem każdą średnią ruchową w środku zakresu obserwowanych przez niego obserwacji. Tak więc na przykład wzór w komórce D5 przewyższa obserwacje w C2: C8, a ja wyrównuję ją z czwartą obserwacją, środkiem uśrednionego zakresu, umieszczając ją w rzędzie 5. Układ ten nazywa się środkową średnią ruchomą . a wielu analityków preferuje wyrównanie każdej średniej ruchomej z punktem środkowym obserwacji, że jest to średnia. Pamiętaj, że w tym kontekście 8220midpoint8221 odnosi się do środka przedziału czasowego: czwartek jest środkiem od poniedziałku do niedzieli. Nie odnosi się do mediany zaobserwowanych wartości, chociaż oczywiście w praktyce może to działać. Innym podejściem jest końcowa średnia ruchoma. W tym przypadku każda średnia ruchoma jest wyrównana z końcową obserwacją, że średnia8212 i dlatego śledzi swoje argumenty. Często jest to preferowany układ, jeśli chcesz użyć średniej ruchomej jako prognozy, jak to ma miejsce w przypadku wygładzania wykładniczego, ponieważ Twoja ostateczna średnia ruchoma jest zgodna z końcową obserwacją. Średnie kroczące średnie kroki przy parzystych liczbach pór roku Zwykle przyjmujemy specjalną procedurę, gdy liczba pór roku jest nawet bardziej niż dziwna. To typowy stan rzeczy: w okresach obejmujących typowe okresy, takie jak miesiące, kwartale i okresy czterornikowe (w wyborach) wydają się być liczbami równymi. Trudność z parzystą liczbą pór roku jest taka, że ​​nie ma punktu środkowego. Dwa nie jest środkiem zakresu rozpoczynającego się od 1, a kończącym się na 4, a nie jest 3, jeśli można powiedzieć, że ma jeden, jego punkt środkowy wynosi 2,5. Sześć nie jest punktem średnim od 1 do 12, a nie ma 7 jego czysto teoretycznego punktu środkowego wynosi 6,5. Aby działać tak, jakby istnieje punkt pośredni, musisz dodać warstwę średnią na szczycie średnich kroczących. Patrz rysunek 5.11. Rysunek 5.11 Excel oferuje kilka sposobów obliczania średniej ruchomej. Ideą tego podejścia do uzyskania średniej ruchomej, która w latach osiemdziesiątych skoncentrowała się na istniejącym punkcie środkowym, gdy liczba dni równa jest kilku pułapom, to przeciągnąć półpiętro o pół pory. Obliczasz średnią ruchomą, która byłaby wyśrodkowana, powiedzmy, trzeci punkt w czasie, jeśli pięć pór roku zamiast cztery stanowiły jedną pełną zmianę kalendarza. To, że wykonano dwa kolejne średnie kroczące i uśredniając ich. Tak na rysunku 5.11. there8217s średnia ruchoma w komórce E6, która średnia wartości w D3: D9. Ponieważ w D3: D9 są cztery wartości sezonowe, średnia ruchoma w E6 jest uważana za wyśrodkowaną w wyimaginowanym sezonie 2,5, o połowę niższym od pierwszego dostępnego sezonu kandydata, 3. (sezony 1 i 2 są niedostępne jako punkty pośrednie dla brak danych do średniej przed sezonem 1.) Należy jednak pamiętać, że średnia ruchoma w komórce E8 przewyższa wartości w D5: D11, druga do piątej w serii czasowej. Ta średnia jest wyśrodkowana (wyimaginowany) punkt 3.5, pełny okres przed średnią wyśrodkowaną na 2,5. Uśredniając dwa średnie ruchome, więc myślenie idzie, można przeciągnąć punkt środkowy pierwszej średniej ruchomej o pół punktu o 2,5 punktu na 3. To, co oznaczają wartości średnie w kolumnie F na rysunku 5.11. Komórka F7 dostarcza średnią ruchomej średniej w E6 i E8. I średnia w F7 jest wyrównana z trzecim punktem danych w pierwotnej serii czasowej, w komórce D7, aby podkreślić, że średnia jest skoncentrowana na tym sezonie. Jeśli rozwiniesz formułę w komórce F7, a także średnie ruchome w komórkach E6 i E8, you8217 zobaczy, że okazuje się średnią ważoną spośród pierwszych pięciu wartości w serii czasowej, przy czym pierwsza i piąta wartość podano wagę z 1, a druga do czwartej wartości, biorąc pod uwagę wagę 2. Prowadzi to do szybszego i prostszego sposobu obliczania średniej ruchomej z równą liczbą pór roku. Na rysunku 5.11. wagi są przechowywane w zakresie H3: H11. Ta formuła zwraca pierwszą centrowaną średnią ruchową, w komórce I7: ta formuła zwraca 13,75. co jest identyczne z wartością obliczoną przez podwójnie przeciętną formułę w komórce F7. Dokonywanie odniesienia do ciężaru bezwzględnie za pomocą znaków dolara w H3: H11. możesz skopiować formułę i wkleić ją tak daleko, jak to konieczne, aby resztę środkowych średnic ruchu. Determinacja serii z średnimi kroczącymi Jeśli średnie ruchome zostały odejmowane z pierwotnych obserwacji, aby uzyskać określone sezony, usunięto trendu z serii. Co pozostało w konkretnych sezonach, to zwykle stacjonarna, pozioma seria z dwoma efektami, które powodują, że konkretne sezony odbiegają od linii prostej: efektów sezonowych i przypadkowych błędów w pierwotnych obserwacjach. Rysunek 5.12 przedstawia wyniki dla tego przykładu. Rysunek 5.12 Szczególne efekty sezonowe w piątek i sobotę pozostają jasne w serii detrended. Górny schemat na rysunku 5.12 przedstawia oryginalne codzienne obserwacje. Zarówno ogólna tendencja wzrostowa jak i weekendowe skoki sezonowe są jasne. Na dolnym wykresie pokazano konkretne sezony: wynik odstraszenia oryginalnych serii przy użyciu filtru o średniej ruchomości, jak opisano wcześniej w 8220Podstawy specyficzne dla sezonu.8221 Można zauważyć, że zespoły z detrendą są obecnie w zasadzie poziome (liniowa linia poszczególnych sezonów ma lekki spadek w dół), ale sezonowe piątkowe i sobotnie kolce nadal są na swoim miejscu. Następnym krokiem jest wyjście poza konkretne sezony do indeksów sezonowych. Patrz rysunek 5.13. Rysunek 5.13 Określone efekty sezonowe są uśrednione, a następnie normalizowane tak, aby osiągnąć sezonowe indeksy. Na rysunku 5.13. konkretne sezony w kolumnie E są rozmieszczone w formie tabelarycznej pokazanej w zakresie H4: N7. Celem jest po prostu ułatwienie obliczania średnich sezonowych. Te średnie są pokazane w H11: N11. Wartości w H11: N11 są średnimi, a nie odchyleniami od średniej, a zatem możemy oczekiwać od nich sumy zerowej. Nadal musimy dostosować je tak, aby wyrażały odchylenia od wielkiej średniej. Ta wielka średnia pojawia się w komórce N13 i jest średnią średnich sezonowych. Można osiągnąć sezonowe indeksy, odejmując średnią z N13 z każdego z średnich sezonowych. Wynik jest w zakresie H17: N17. Te indeksy sezonowe nie są już konkretne dla danej średniej ruchomej, jak ma to miejsce w konkretnych sezonach w kolumnie E. Ponieważ liczba ta wynosiła średnio w każdym przypadku danego sezonu, wyrażają one średni wpływ danego sezonu na cztery tygodnie w serii czasowej. Co więcej, są to środki sezonu 8217s8212nastego, a dzień8217s8212efektywny w przypadku zatrzymania ruchu w porównaniu do średniej w ciągu siedmiu dni. Możemy teraz używać tych sezonowych indeksów, by zepsuć serie. We8217 wykorzystują serie zdemizowane, aby uzyskać prognozy metodą regresji liniowej lub metodą Holt8217s w celu wygładzania trenowanych serii (omówionych w Rozdziale 4). Następnie dodajemy wskaźniki sezonowe z powrotem do prognoz, aby je zrestartować. Wszystko to jest pokazane na rysunku 5.14. Rysunek 5.14 Po zastosowaniu indeksów sezonowych, wykończenia stosowane w tym miejscu są takie same, jak w przypadku zwykłych średnich. Etapy przedstawione na rysunku 5.14 są w dużej mierze takie same jak na rysunkach 5.6 i 5.7. omówione w kolejnych sekcjach. Przygotowanie obserwacji Odejmuj indeksy sezonowe z pierwotnych obserwacji, aby zminimalizować dane. Można to zrobić, jak pokazano na rysunku 5.14. w których oryginalne obserwacje i indeksy sezonowe są rozmieszczone jako dwie listy rozpoczynające się w tym samym wierszu, kolumny C i F. To rozwiązanie ułatwia obliczanie. Można także odejmować, jak pokazano na rysunku 5.6. w których oryginalne kwartalne obserwacje (C12: F16), kwartalne indeksy (C8: F8) oraz zemstaologiczne wyniki (C20: F24) są wyświetlane w formie tabelarycznej. Taki układ ułatwia skupienie się na indeksach sezonowych i na okresach kwartalnych. Prognoza z obserwacji zdyscyplinowanych Na rysunku 5.14. spostrzeżenia te są zawarte w kolumnie H, a na rysunku 5.7 znajdują się w kolumnie C. Niezależnie od tego, czy chce się zastosować podejście regresji czy podejście do wygładzania prognozy, najlepiej jest zorganizować sporządzenie spisu zdań w jednej kolumnie. Na rysunku 5.14. prognozy znajdują się w kolumnie J. Następująca formuła tablicy jest wpisana w zakresie J2: J32. Wcześniej w tym rozdziale wskazałem, że jeśli pominiesz argument x wartości z argumentów funkcji 8217s TREND (), Excel dostarczy wartości domyślne 1. 2. n. gdzie n jest liczbą wartości y. We wspomnianej właśnie formule H2: H32 zawiera 31 y-wartości. Ponieważ brakuje argumentu zawierającego wartości x, Excel dostarcza wartości domyślne 1. 2. 31. Są to wartości, które chcielibyśmy użyć mimo to w kolumnie B, więc podana formuła odpowiada TREND (H2: H32, B2: B32). I to jest struktura stosowana w modelach D5: D24 z rysunku 5.7: Dokonanie prognozy jednostopniowej Do tej pory przewidziano prognozy dotyczące deseasonalizowanych serii czasowych od t1 do t31 na rysunku 5.14. i od t 1 do t 20 na rysunku 5.7. Prognozy te stanowią przydatne informacje dla różnych celów, w tym ocenę dokładności prognoz za pomocą analizy RMSE. Ale twój główny cel prognozuje co najmniej następny, jak dotąd nie zaobserwowany okres. Aby to uzyskać, można było najpierw przewidzieć z funkcji TREND () lub LINEST (), jeśli używasz regresji lub z wyrafinowanej formuły wygładzania, jeśli używasz metody Holt8217s. Następnie można dodać indeks sezonowy do regresji lub wygładzić prognozę, aby uzyskać prognozę, która obejmuje zarówno tendencję, jak i efekt sezonowy. Na rysunku 5.14. otrzymasz prognozę regresji w komórce J33 za pomocą tej wzoru: w tej formule wartości y w H2: H32 są takie same jak w innych TREND () w kolumnie J. Takie są wartości domyślne x-1 do 32. Teraz jednak podajemy nową wartość x jako trzeci argument function8217s, który mówisz TREND (), aby szukać w komórce B33. It8217s 32. następna wartość t. I Excel zwraca wartość 156,3 w komórce J33. Funkcja TREND () w komórce J33 informuje program Excel, w efekcie, 8220Calculation regresji regresji dla wartości w H2: H32 regresji na wartości t od 1 do 31. Zastosuj równanie regresji do nowej wartości x wynoszącej 32 i zwróć wynik.8221 You8217 znajdą takie samo podejście w komórce D25 z rysunku 5.7. gdzie formuła uzyskania prognozy jednoetapowej jest następująca: Dodawanie indeksów sezonowych Wstecz W Ostatnim krokiem jest ponowne obliczenie prognoz poprzez dodanie indeksów sezonowych do prognoz trendów, odwracając to, co zrobiłeś cztery kroki w tył, gdy odejmujesz indeksy z pierwotnych obserwacji. Odbywa się to w kolumnie F na rysunku 5.7 i kolumnie K na rysunku 5.14. Don8217t zapomnij dodać odpowiedni indeks sezonowy dla prognozy jednoetapowej wyprzedzalności, a wyniki pokazane w komórce F25 na rysunku 5.7 oraz w komórce K33 na rysunku 5.14. (I8217wyświetlono komórki jednoetapowe na obu rysunkach 5.7 i Rysunek 5.14, aby podświetlić prognozy). Można znaleźć wykresy trzech reprezentacji danych o zatrzymaniu ruchu na Rysunku 5.15. serie zdemoralizowane, prognoza liniowa z danych zdemaskalizowanych, a także prognozy rezygnacji. Zauważ, że prognozy uwzględniają zarówno ogólny trend pierwotnych danych, jak i jego kolczugi FridaySaturday. Rysunek 5.15 Wykresy prognoz.