Moving Average Forecasting. Introduction Wie Sie vielleicht erraten, wir sind auf der Suche nach einigen der primitivsten Ansätze zur Prognose Aber hoffentlich sind diese zumindest eine lohnende Einführung in einige der Computing-Fragen im Zusammenhang mit der Umsetzung von Prognosen in Kalkulationstabellen. In diesem Sinne werden wir weiter vorbei Beginnend am Anfang und beginnen mit Moving Average Prognosen zu arbeiten. Moving Average Prognosen Jeder ist vertraut mit gleitenden durchschnittlichen Prognosen unabhängig davon, ob sie glauben, sie sind alle College-Studenten tun sie die ganze Zeit Denken Sie an Ihre Testergebnisse in einem Kurs, wo Sie gehen werden Haben vier Tests während des Semesters Lassen Sie Sie davon ausgehen, Sie haben eine 85 auf Ihrem ersten Test. Was würden Sie vorhersagen, für Ihre zweite Test-Score. Was denkst du, dein Lehrer würde für Ihre nächste Test-Score vorauszusagen. Was denkst du, deine Freunde können voraussagen Für deine nächste Testpartitur. Was denkst du, deine Eltern könnten für deinen nächsten Testbericht voraussagen. Unabhängig von all dem Blabbing, den du deinen Freunden und Eltern machen kannst, sind sie und dein Lehrer sehr wahrscheinlich, dass du etwas in der Gegend bekommst Von der 85 Sie gerade bekommen. Well, jetzt lassen Sie s davon ausgehen, dass trotz Ihrer Selbst-Förderung zu Ihren Freunden, Sie über-schätzen Sie sich selbst und Figur können Sie weniger für den zweiten Test zu studieren und so erhalten Sie eine 73.Now was sind Alle betroffenen und unbeteiligten gehen zu antizipieren Sie werden auf Ihrem dritten Test Es gibt zwei sehr wahrscheinlich Ansätze für sie, um eine Schätzung zu entwickeln, unabhängig davon, ob sie es mit Ihnen teilen. Sie können sich selbst sagen, Dieser Kerl ist immer bläst Rauch Über seine smarts Er wird eine weitere 73 bekommen, wenn er Glück hat. Maybe die Eltern werden versuchen, mehr unterstützen und sagen, Nun, so weit haben Sie eine 85 und eine 73 bekommen, so vielleicht sollten Sie sich auf eine 85 73 2 79 Ich weiß es nicht, vielleicht, wenn du weniger feiern musstest und den Wiesel an der ganzen Stelle wedeln würdest und wenn du anfingst, viel mehr zu studieren, kannst du eine höhere Punktzahl bekommen. Von diesen Schätzungen werden tatsächlich durchschnittliche Prognosen getragen. Die erste ist nur Ihre jüngsten Score zu prognostizieren Ihre zukünftige Leistung Dies wird als eine gleitende durchschnittliche Prognose mit einer Periode von Daten. Die zweite ist auch eine gleitende durchschnittliche Prognose aber mit zwei Perioden von data. Let s davon ausgehen, dass alle diese Menschen Zerschlagung Auf deinem großen Verstand hast du dich verärgert und du entscheidest, den dritten Test aus deinen eigenen Gründen gut zu machen und eine höhere Punktzahl vor deinen Verbündeten zu setzen. Du nimmst den Test und dein Ergebnis ist eigentlich ein Allein, auch dich selbst , Ist beeindruckt. So jetzt haben Sie die endgültige Prüfung des Semesters kommen und wie üblich fühlen Sie sich die Notwendigkeit, goad jeder in die Herstellung ihrer Vorhersagen darüber, wie Sie tun, auf den letzten Test Nun, hoffentlich sehen Sie das Muster. Jetzt, hoffentlich Du siehst das Muster, das du glaubst, ist das genaueste. Whistle Während wir arbeiten Jetzt kehren wir zu unserer neuen Reinigungsfirma zurück, die von deiner entfremdeten Halbschwester namens Whistle angerufen wurde. Wir arbeiten, wir haben einige vergangene Verkaufsdaten, die durch den folgenden Abschnitt dargestellt werden Kalkulationstabelle Wir stellen zunächst die Daten für eine dreiseitige gleitende durchschnittliche Prognose dar. Der Eintrag für Zelle C6 sollte sein. Jetzt kannst du diese Zellformel in die anderen Zellen C7 bis C11 kopieren. Nichts, wie sich der Durchschnitt über die aktuellsten historischen Daten bewegt Verwendet genau die drei letzten Perioden, die für jede Vorhersage zur Verfügung stehen Sie sollten auch bemerken, dass wir nicht wirklich brauchen, um die Vorhersagen für die vergangenen Perioden zu machen, um unsere jüngste Vorhersage zu entwickeln. Dies ist definitiv anders als das exponentielle Glättungsmodell Vergangenheit Vorhersagen, weil wir sie in der nächsten Web-Seite verwenden, um die Vorhersagegültigkeit zu messen. Jetzt möchte ich die analogen Ergebnisse für eine zwei Periode gleitende durchschnittliche Prognose zu präsentieren. Der Eintrag für Zelle C5 sollte. Jetzt können Sie diese Zelle Formel auf zu kopieren Die anderen Zellen C6 bis C11.Notice, wie jetzt nur die beiden letzten Stücke von historischen Daten für jede Vorhersage verwendet werden Wieder habe ich die Vergangenheit Vorhersagen für illustrative Zwecke und für spätere Verwendung in der Prognosevalidierung enthalten. Einige andere Dinge, die von Bedeutung sind Hinweis: Für eine m-Periode gleitende durchschnittliche Prognose nur die m aktuellsten Datenwerte verwendet werden, um die Vorhersage Nichts anderes ist notwendig. Für eine m-Periode gleitende durchschnittliche Prognose, wenn Vergangenheit Vorhersagen, beachten Sie, dass die erste Vorhersage tritt in der Periode M 1.Both von diesen Fragen wird sehr wichtig sein, wenn wir unseren Code entwickeln. Entwicklung der Moving Average Function Jetzt müssen wir den Code für die gleitende Durchschnittprognose entwickeln, die flexibler genutzt werden kann Der Code folgt Beachten Sie, dass die Eingaben für die Anzahl der Perioden, die Sie in der Prognose verwenden möchten und das Array von historischen Werten Sie können es in beliebiger Arbeitsmappe speichern, die Sie wollen. Funktion MovingAverage Historical, NumberOfPeriods Als Single Declaring und Initialisierung von Variablen Dim Item Als Variant Dim Zähler als Integer Dim Accumulation als Single Dim HistoricalSize als Integer. Initialisierung von Variablen Zähler 1 Akkumulation 0. Ermittlung der Größe des Historischen Arrays HistoricalSize. For Counter 1 Zu NumberOfPeriods. Akkumulation der passenden Anzahl der letzten bisher beobachteten Werte. Accumulation Accumulation Historical HistoricalSize - NumberOfPeriods Counter. MovingAverage Accumulation NumberOfPeriods. The Code wird in der Klasse erklärt Sie wollen die Funktion auf der Tabelle zu positionieren, so dass das Ergebnis der Berechnung erscheint, wo es sollte Wie die folgenden. Moving Durchschnitt. Mean der Zeitreihe Daten Beobachtungen gleichermaßen beabstandet in der Zeit von mehreren aufeinander folgenden Perioden Angerufen bewegt sich, weil es kontinuierlich neu berechnet wird, wie neue Daten verfügbar wird, geht es durch das Fallenlassen der frühesten Wert und das Hinzufügen der neuesten Wert Zum Beispiel die Gleitender Durchschnitt von sechsmonatigen Verkäufen kann berechnet werden, indem man den Durchschnitt des Umsatzes von Januar bis Juni, dann der Durchschnitt der Verkäufe von Februar bis Juli, dann von März bis August, und so weiter Moving Durchschnitte 1 reduzieren die Wirkung von temporären Variationen in Daten, 2 verbessern die Anpassung der Daten an eine Zeile ein Prozess namens Glättung, um die Daten s Trend klarer zu zeigen, und 3 markieren Sie jeden Wert über oder unter dem Trend. Wenn Sie berechnen etwas mit sehr hoher Varianz das Beste, das Sie in der Lage sein können Zu tun ist herauszufinden, die gleitenden Durchschnitt. Ich wollte wissen, was der gleitende Durchschnitt war von den Daten, so würde ich ein besseres Verständnis davon, wie wir taten. Wenn Sie versuchen, herauszufinden, einige Zahlen, die oft ändern die besten Sie Kann tun, ist die Berechnung der gleitenden Durchschnitt. Moving durchschnittlichen Preis MAP. Smoothing Daten entfernt zufällige Variation und zeigt Trends und zyklische Komponenten. Inherent in der Sammlung von Daten über die Zeit genommen ist eine Form von zufälligen Variation Es gibt Methoden zur Verringerung der Streichung der Effekt fällig Zu zufälligen Variation Eine häufig verwendete Technik in der Industrie ist Glättung Diese Technik, wenn richtig angewendet, zeigt deutlich die zugrunde liegenden Trend, saisonale und zyklische Komponenten. Es gibt zwei verschiedene Gruppen von Glättung Methoden. Averaging Methoden. Exponentielle Glättung Methoden. Taking Durchschnitte ist Der einfachste Weg, um Daten zu wecken. Wir werden zunächst einige Mittelungsmethoden untersuchen, wie der einfache Durchschnitt aller vergangenen Daten. Ein Manager eines Lagers will wissen, wie viel ein typischer Lieferant in 1000 Dollar-Einheiten liefert Er hat eine Probe von 12 Lieferanten, zufällig, erhalten die folgenden Ergebnisse. Die berechneten Mittelwert oder Durchschnitt der Daten 10 Der Manager beschließt, dies als die Schätzung für die Ausgaben eines typischen Lieferanten verwenden. Ist dies eine gute oder schlechte Schätzung. Mean quadratischen Fehler ist ein Weg zu Beurteilen, wie gut ein Modell ist. Wir berechnen die mittlere quadratische Fehler. Der Fehler wahren Betrag ausgegeben, abzüglich der geschätzten Betrag. Der Fehler quadriert ist der Fehler oben, quadriert. Die SSE ist die Summe der quadratischen Fehler. Das MSE ist der Mittelwert Der quadratischen Fehler. MSE Ergebnisse zum Beispiel. Die Ergebnisse sind Fehler und Squared Errors. Die Schätzung 10.Die Frage stellt sich, können wir das Mittel, um Einkommen zu prognostizieren, wenn wir einen Trend vermuten Ein Blick auf die Grafik unten zeigt deutlich, dass wir nicht sollten Tun dies. Average wiegt alle vergangenen Beobachtungen gleichmäßig. In Zusammenfassung, sagen wir, dass. Die einfache Durchschnitt oder Mittel aller vergangenen Beobachtungen ist nur eine nützliche Schätzung für die Prognose, wenn es keine Trends Wenn es Trends gibt, verwenden Sie verschiedene Schätzungen, die den Trend nehmen Berücksichtigen. Der Durchschnitt wiegt alle vergangenen Beobachtungen gleich Beispielsweise ist der Mittelwert der Werte 3, 4, 5 4 Wir wissen natürlich, dass ein Durchschnitt berechnet wird, indem man alle Werte addiert und die Summe durch die Anzahl der Werte dividiert Eine andere Möglichkeit, den Durchschnitt zu berechnen, besteht darin, jeden Wert durch die Anzahl der Werte zu addieren, oder 3 3 4 3 5 3 1 1 3333 1 6667 4. Der Multiplikator 1 3 heißt das Gewicht im Allgemeinen. Bar frac sum links frac rechts x1 links frac rechts x2,,, links frac rechts xn. Die linke frac rechts sind die gewichte und natürlich sie summieren auf 1.
No comments:
Post a Comment