Casting Flytting Gjennomsnittet Excel

Flytende gjennomsnitt Dette eksemplet lærer deg hvordan du beregner det bevegelige gjennomsnittet av en tidsserie i Excel. Et glidende gjennomsnitt brukes til å utjevne uregelmessigheter (topper og daler) for enkelt å gjenkjenne trender. 1. Først, ta en titt på vår tidsserie. 2. På Data-fanen klikker du Dataanalyse. Merk: kan ikke finne dataanalyseknappen Klikk her for å laste inn add-in for Analysis ToolPak. 3. Velg Flytt gjennomsnitt og klikk OK. 4. Klikk i feltet Inngangsområde og velg området B2: M2. 5. Klikk i intervallboksen og skriv inn 6. 6. Klikk i feltet Utmatingsområde og velg celle B3. 8. Skriv en graf av disse verdiene. Forklaring: fordi vi angir intervallet til 6, er glidende gjennomsnitt gjennomsnittet for de forrige 5 datapunktene og det nåværende datapunktet. Som et resultat blir tinder og daler utjevnet. Grafen viser en økende trend. Excel kan ikke beregne det bevegelige gjennomsnittet for de første 5 datapunktene fordi det ikke er nok tidligere datapunkter. 9. Gjenta trinn 2 til 8 for intervall 2 og intervall 4. Konklusjon: Jo større intervallet jo flere tinder og daler utjevnes. Jo mindre intervallet, desto nærmere beveger gjennomsnittet seg til de faktiske datapunktene. Gjennomgang av gjennomsnittlig prognoseinnledning. Som du kanskje tror vi ser på noen av de mest primitive tilnærmingene til prognoser. Men forhåpentligvis er disse minst en verdig innføring i noen av databehandlingsproblemene knyttet til implementering av prognoser i regneark. I denne veinen vil vi fortsette med å starte i begynnelsen og begynne å jobbe med Moving Average prognoser. Flytte gjennomsnittlige prognoser. Alle er kjent med å flytte gjennomsnittlige prognoser, uansett om de tror de er. Alle studenter gjør dem hele tiden. Tenk på testresultatene dine i et kurs der du skal ha fire tester i løpet av semesteret. La oss anta at du fikk en 85 på din første test. Hva vil du forutsi for din andre testscore Hva tror du at læreren din ville forutse din neste testscore Hva tror du dine venner kan forutsi for neste testresultat Hva tror du at foreldrene dine kan forutsi for neste testresultat uansett alt det du kan gjøre med dine venner og foreldre, de og din lærer er veldig sannsynlig å forvente deg å få noe i området av 85 du nettopp har fått. Vel, nå kan vi anta at til tross for selvforfremmelse til vennene dine, overestimerer du deg selv og figurerer du kan studere mindre for den andre testen, og så får du en 73. Nå er det alle de bekymrede og ubekymrede går til Forvent deg at du kommer på den tredje testen. Det er to svært sannsynlige tilnærminger for dem å utvikle et estimat, uansett om de vil dele det med deg. De kan si til seg selv, at denne fyren alltid blåser røyk om hans smarts. Hes kommer til å få en annen 73 hvis han er heldig. Kanskje foreldrene vil prøve å være mer støttende og si, quote, så langt har du fått en 85 og en 73, så kanskje du burde finne på å få en (85 73) 2 79. Jeg vet ikke, kanskje hvis du gjorde mindre fest og werent vevet vasselen over alt, og hvis du begynte å gjøre mye mer å studere, kan du få en høyere score. quot Begge disse estimatene flytter faktisk gjennomsnittlige prognoser. Den første bruker bare din siste poengsum for å prognose din fremtidige ytelse. Dette kalles en flytende gjennomsnittlig prognose ved hjelp av en periode med data. Den andre er også en flytende gjennomsnittlig prognose, men bruker to perioder med data. La oss anta at alle disse menneskene bråser på ditt store sinn, har slags pisset deg av og du bestemmer deg for å gjøre det bra på den tredje testen av dine egne grunner og for å sette en høyere poengsum foran din quotalliesquot. Du tar testen og poengsummen din er faktisk en 89 Alle, inkludert deg selv, er imponert. Så nå har du den endelige testen av semesteret som kommer opp, og som vanlig føler du behovet for å få alle til å gjøre sine spådommer om hvordan du skal gjøre på den siste testen. Vel, forhåpentligvis ser du mønsteret. Nå, forhåpentligvis kan du se mønsteret. Hvilke tror du er den mest nøyaktige fløyten mens vi jobber. Nå går vi tilbake til vårt nye rengjøringsfirma som startes av din fremmedgjorte halv søster, kalt Whistle While We Work. Du har noen tidligere salgsdata som er representert av følgende del fra et regneark. Vi presenterer først dataene for en tre-års glidende gjennomsnittlig prognose. Oppføringen for celle C6 skal være Nå kan du kopiere denne celleformelen ned til de andre cellene C7 til C11. Legg merke til hvordan gjennomsnittet beveger seg over de nyeste historiske dataene, men bruker nøyaktig de tre siste perioder som er tilgjengelige for hver prediksjon. Du bør også legge merke til at vi ikke virkelig trenger å gjøre spådommene for de siste perioder for å utvikle vår siste prediksjon. Dette er definitivt forskjellig fra eksponentiell utjevningsmodell. Ive inkluderte quotpast predictionsquot fordi vi vil bruke dem på neste nettside for å måle prediksjonsgyldigheten. Nå vil jeg presentere de analoge resultatene for en to-års glidende gjennomsnittlig prognose. Oppføringen for celle C5 skal være Nå kan du kopiere denne celleformelen ned til de andre cellene C6 til C11. Legg merke til hvordan nå bare de to siste bitene av historiske data blir brukt for hver prediksjon. Igjen har jeg tatt med quotpast predictionsquot for illustrative formål og for senere bruk i prognose validering. Noen andre ting som er viktig å legge merke til. For en m-periode som beveger gjennomsnittlig prognose, brukes bare de nyeste dataverdiene for å gjøre prognosen. Ingenting annet er nødvendig. For en m-periode som beveger gjennomsnittlig prognose, legger du merke til at den første prediksjonen forekommer i periode m 1. Begge disse problemene vil være svært viktige når vi utvikler koden vår. Utvikle den bevegelige gjennomsnittsfunksjonen. Nå må vi utvikle koden for den bevegelige gjennomsnittlige prognosen som kan brukes mer fleksibelt. Koden følger. Legg merke til at inngangene er for antall perioder du vil bruke i prognosen og rekke historiske verdier. Du kan lagre den i hvilken arbeidsbok du vil ha. Funksjon MovingAverage (Historical, NumberOfPeriods) Som Single Deklarering og Initialisering av variabler Dim Item Som Variant Dim Counter Som Integer Dim Akkumulering Som Single Dim HistoricalSize Som Integer Initialiserende variabler Teller 1 Akkumulering 0 Bestemme størrelsen på Historical array HistoricalSize Historical. Count For Counter 1 To NumberOfPeriods Akkumulere riktig antall siste tidligere observerte verdier Akkumulasjonsakkumulering Historisk (HistoricalSize - NumberOfPeriods Counter) MovingAverage AkkumuleringsnummerOfPeriods Koden vil bli forklart i klassen. Du vil plassere funksjonen på regnearket slik at resultatet av beregningen vises der det skal like følgende. Opprette en enkel flytting Dette er en av de følgende tre artiklene om Time Series-analyse i Excel Oversikt over det bevegelige gjennomsnitt Det glidende gjennomsnittet er en statistisk teknikk som brukes til å utjevne kortsiktige svingninger i en serie data for å lettere gjenkjenne langsiktige trender eller sykluser. Det bevegelige gjennomsnittet blir noen ganger referert til som et rullende gjennomsnitt eller et løpende gjennomsnitt. Et glidende gjennomsnitt er en serie med tall som hver representerer gjennomsnittet av et intervall med spesifisert antall tidligere perioder. Jo større intervallet, jo mer utjevning skjer. Jo mindre intervallet er, jo mer at det bevegelige gjennomsnittet ligner den faktiske dataserie. Flytte gjennomsnitt utfører følgende tre funksjoner: Utjevning av data, noe som betyr å forbedre passformen til dataene til en linje. Redusere effekten av midlertidig variasjon og tilfeldig støy. Fremhever utjevnene over eller under trenden. Det bevegelige gjennomsnittet er en av de mest brukte statistiske teknikkene i bransjen for å identifisere datatrender. For eksempel ser salgsledere vanligvis på tre måneders glidende gjennomsnitt av salgsdata. Artikkelen vil sammenligne en to måneders, tre måneders og seks måneders enkle glidende gjennomsnitt av de samme salgsdataene. Det bevegelige gjennomsnittet brukes ganske ofte i teknisk analyse av økonomiske data som aksjeavkastning og i økonomi for å finne trender i makroøkonomiske tidsserier som for eksempel sysselsetting. Det er en rekke variasjoner i det bevegelige gjennomsnittet. De mest brukte er det enkle glidende gjennomsnittet, det veide glidende gjennomsnittet og det eksponentielle glidende gjennomsnittet. Utførelse av hver av disse teknikkene i Excel vil bli dekket i detalj i separate artikler i denne bloggen. Her er en kort oversikt over hver av disse tre teknikkene. Enkelt Flytende Gjennomsnitt Hvert punkt i et enkelt glidende gjennomsnitt er gjennomsnittet av et spesifisert antall tidligere perioder. Denne bloggen artikkelen vil gi en detaljert forklaring på implementeringen av denne teknikken i Excel. Veidede Flytte gjennomsnittlige poeng i det veide glidende gjennomsnittet representerer også et gjennomsnitt av et spesifisert antall tidligere perioder. Det vektede glidende gjennomsnittet gjelder forskjellig vekting til visse tidligere perioder, ganske ofte blir de nyere perioder gitt større vekt. En kobling til en annen artikkel i denne bloggen, som gir en detaljert forklaring på implementeringen av denne teknikken i Excel, er som følger: Eksponentielle Flytte Gjennomsnittlige poeng i eksponentielt glidende gjennomsnitt representerer også et gjennomsnitt av et spesifisert antall tidligere perioder. Eksponensiell utjevning gjelder vektningsfaktorer til tidligere perioder som reduseres eksponentielt, og når aldri null. Som et resultat tar eksponensiell utjevning hensyn til alle tidligere perioder i stedet for et bestemt antall tidligere perioder som det veide glidende gjennomsnittet gjør. En kobling til en annen artikkel i denne bloggen, som gir en detaljert forklaring på implementeringen av denne teknikken i Excel, er som følger: Det følgende beskriver 3-trinns prosessen for å opprette et enkelt bevegelige gjennomsnitt av tidsseriedata i Excel Trinn 1 8211 Graf De opprinnelige dataene i en tidsserie-plott Linjediagrammet er det mest brukte Excel-diagrammet for å grave tidsseriedata. Et eksempel på et slikt Excel-diagram som brukes til å plotte 13 perioder med salgsdata, vises som følger: Trinn 2 8211 Opprett det flytende gjennomsnittet i Excel Excel gir verktøyet Moving Average i Data Analysis-menyen. Verktøyet Moving Average skaper et enkelt glidende gjennomsnitt fra en dataserie. Dialogboksen Moving Average skal fylles ut på følgende måte for å opprette et glidende gjennomsnitt for de to foregående 2 perioder med data for hvert datapunkt. Utgangen av 2-års glidende gjennomsnitt er vist som følger sammen med formlene som ble brukt til å beregne verdien av hvert punkt i glidende gjennomsnitt. Trinn 3 8211 Legg Moving Average Series til diagrammet Disse dataene skal nå legges til diagrammet som inneholder den originale tidslinjen for salgsdata. Dataene blir ganske enkelt lagt til som en dataserie i diagrammet. For å gjøre det, høyreklikk hvor som helst på diagrammet, og en meny vil dukke opp. Hit Velg data for å legge til den nye seriene av data. Den bevegelige gjennomsnittsserien vil bli lagt til ved å fullføre dialogboksen Rediger serier som følger: Skjemaet som inneholder den opprinnelige dataserie og det data8217s 2-intervallet enkelt glidende gjennomsnitt er vist som følger. Legg merke til at den bevegelige gjennomsnittslinjen er ganske jevnere og rå data8217s avvik over og under trendlinjen er mye tydeligere. Den generelle trenden er nå mye mer tydelig også. Et treintervall glidende gjennomsnitt kan opprettes og plasseres på diagrammet ved å bruke samme fremgangsmåte som følger: Det er interessant å merke seg at 2-intervallet enkelt glidende gjennomsnitt gir en jevnere graf enn 3-intervallet enkelt glidende gjennomsnitt. I dette tilfellet kan 2-intervallet enkelt glidende gjennomsnitt være det mest ønskelige enn 3-intervallet glidende gjennomsnitt. Til sammenligning beregnes et 6-intervall simpel glidende gjennomsnitt og legges til diagrammet på samme måte som følger: Som forventet er 6-intervallet enkelt glidende gjennomsnitt betydelig vesentlig enn 2 eller 3-intervallet enkle glidende gjennomsnitt. En jevnere graf passer tett på en rett linje. Analysere prognose Nøyaktighet Nøyaktighet kan beskrives som godhet av passform. De to komponentene av prognose nøyaktighet er følgende: Prognose Bias 8211 Tendensen til en prognose å være konsekvent høyere eller lavere enn de faktiske verdiene av en tidsserie. Prognoseforspenning er summen av all feil dividert med antall perioder som følger: En positiv forspenning indikerer en tendens til å underprognose. En negativ forspenning indikerer en tendens til å over-prognose. Bias måler ikke nøyaktighet fordi positiv og negativ feil avbryter hverandre. Prognose Feil 8211 Forskjellen mellom faktiske verdier av en tidsserie og de forventede verdiene av prognosen. De vanligste måtene for prognosefeil er følgende: MAD 8211 Gjennomsnittlig Absolutt Avvik MAD beregner gjennomsnittlig absolutt verdi av feilen og beregnes med følgende formel: Gjennomsnittlig feilverdi eliminerer elimineringseffekten av positive og negative feil. Jo mindre MAD, desto bedre er modellen. MSE 8211 Mean Squared Error MSE er et populært mål for feil som eliminerer kanselleringseffekten av positive og negative feil ved å summere kvadratene av feilen med følgende formel: Store feilvilkår har en tendens til å overdrive MSE fordi feilvilkårene er alle kvadrert. RMSE (Root Square Mean) reduserer dette problemet ved å ta kvadratroten av MSE. MAPE 8211 Gjennomsnittlig Absolutt Prosent Feil MAPE eliminerer også kanselleringseffekten av positive og negative feil ved å summere absoluttverdiene til feilbetingelsene. MAPE beregner summen av prosentvis feilvilkår med følgende formel: Ved å summere prosent feilvilkår, kan MAPE brukes til å sammenligne prognosemodeller som bruker forskjellige målestørrelser. Beregning av Bias, MAD, MSE, RMSE og MAPE i Excel For Simple Moving Average Bias blir MAD, MSE, RMSE og MAPE beregnet i Excel for å evaluere 2-intervallet, 3-intervallet og 6-intervallet enkelt bevegelse gjennomsnittlig prognose oppnådd i denne artikkelen og vist som følger: Det første trinnet er å beregne E t. E t 2. E t, E t Y t-act. og deretter summer dem på følgende måte: Bias, MAD, MSE, MAPE og RMSE kan beregnes som følger: De samme beregningene utføres nå for å beregne Bias, MAD, MSE, MAPE og RMSE for 3-intervallet enkelt glidende gjennomsnitt. De samme beregningene utføres nå for å beregne Bias, MAD, MSE, MAPE og RMSE for 6-intervallet enkelt glidende gjennomsnitt. Bias, MAD, MSE, MAPE og RMSE er oppsummert for 2-intervall, 3-intervall og 6-intervall enkle bevegelige gjennomsnitt som følger. 3-intervallet enkelt glidende gjennomsnitt er den modellen som passer best til de faktiske dataene. 160 Excel Master Series Blog Directory Statistiske emner og artikler i hver TopicExcel salgsprognose for dummier Cheat Sheet Når du begynner å lære prognoser, er it8217s ofte en god ide å lene seg på Excel-verktøyene i addisjonen Data Analysis. Men deres rekkevidde er ganske begrenset, og for lenge vil du sannsynligvis finne deg selv å utnytte Excel8217s regnearksfunksjoner direkte. Når du finner deg selv ved hjelp av all inferensiell statistikk som følger med LINEST-funksjonen, vet du at it8217 er på tide å legge ut grunnlinjen for en formell prognose. 6 Excel-dataanalyse-tilleggsverktøy Data-addisjonen, tidligere kjent som Analysis ToolPak, går inn i formler på vegne av deg, slik at du kan konsentrere deg om what8217s som skjer med dataene dine. Den har tre forskjellige verktøy som er direkte nyttige i prognoser for flytende gjennomsnitt, eksponentiell utjevning og regresjon, samt flere andre som kan være til hjelp. Her er en liste over noen av verktøyene som er en del av addisjonen til dataanalyse. Det er faktisk tre forskjellige ANOVA-verktøy. Ingen er spesielt nyttig for prognoser, men hver av verktøyene kan hjelpe deg å forstå datasettet som ligger til grunn for prognosen din. ANOVA-verktøyene hjelper deg med å skille mellom eksempler, for eksempel, gjør folk som bor i Tennessee som et bestemt bilmerke bedre enn de som bor i Vermont. Dette verktøyet er en viktig, uansett hvilken metode du bruker til å lage en prognose. Hvis du har mer enn én variabel, kan det fortelle deg hvor sterkt de to variablene er relatert (pluss eller minus 1,0 er sterk, 0,0 betyr ikke noe forhold). Hvis du bare har én variabel, kan den fortelle deg hvor sterkt en tidsperiode er relatert til en annen. Bruk verktøyet Beskrivende statistikk for å få et håndtak på ting som gjennomsnittet og standardavviket til dataene dine. Å forstå disse grunnleggende statistikkene er viktig, slik at du vet hva som skjer med prognosene dine. Dette verktøyet navn lyder ubehagelig og skremmende, som verktøyet ikke er. Når du bare har en variabel noe som salgsinntekter eller enhetssalg, ser du til en tidligere faktisk verdi for å forutsi den neste (kanskje den forrige måneden eller samme måned i forrige år). Alt dette verktøyet gjør er å justere neste prognose ved å bruke feilen i forrige prognose. Et glidende gjennomsnitt viser gjennomsnittet av resultater over tid. Den første kan være gjennomsnittet for januar, februar og mars det andre vil da være gjennomsnittet for februar, mars og april og så videre. Denne metoden for prognose har en tendens til å fokusere på signalet (hva skjer i utgangspunktet) og for å minimere støyen (tilfeldige svingninger i grunnlinjen). Regresjon er nært knyttet til korrelasjon. Bruk dette verktøyet til å prognose en variabel (for eksempel salg) fra en annen (for eksempel dato eller annonsering). Den gir deg et par tall som skal brukes i en ligning, som salg 50000 (10 Dato). 4 Excel Forecasting Funksjoner Excel har mange gode verktøy for salgsprognoser. Å vite følgende funksjoner er nyttig for å få dataene dine i orden. Sjekk ut følgende nyttige prognoserfunksjoner. Regnearkversjonen av Korrelasjonsverktøy for dataanalyse. Forskjellen er at CORREL omberegner når inngangsdata endres, og korrelasjonsverktøyet gjør det ikke. Eksempel: CORREL (A1: A50, B1: B50). CORREL gir deg bare en korrelasjon, men korrelasjonsverktøyet kan gi deg en hel matrise av korrelasjoner. Du kan bruke denne funksjonen i stedet for regresjonsverktøyet for dataanalyse. (Funksjonsnavnet er en forkortelse av lineært estimat.) For enkel regresjon, velg et utvalg av to kolonner og fem rader. Du må matche-skriv inn denne funksjonen. Skriv for eksempel LINEST (A1: A50, B1: B50,, TRUE) og trykk deretter CtrlShiftEnter. Denne funksjonen er nyttig fordi den gir deg prognosverdier direkte, mens LINEST gir deg en ligning som du må bruke for å få prognosen. For eksempel, bruk TREND (A1: A50, B1: B50, B51) der du forutsetter en ny verdi på grunnlag av hva som er i B51. FORECAST-funksjonen ligner TREND-funksjonen. Syntaxen er litt annerledes. For eksempel bruk FORECAST (B51, A1: A50, B1: B50) der du forutsetter en ny verdi på grunnlag av verdien i B51. FORECAST håndterer bare én prediktor, men TREND kan håndtere flere prediktorer. Hva du får ut av Excel LINEST-funksjonen for salgsprognoser Excel8217s LINEST-funksjonen er et nyttig verktøy for salgsprognoser. Å vite hva du kan gjøre med det, vil gjøre prognosene dine enkle arbeid. Her er en rask oversikt over Excel8217s LINEST-funksjon, rad for rad: