การย้าย ค่าเฉลี่ย การคาดการณ์ สูตร

Moving Average ตัวอย่างนี้สอนวิธีการคำนวณค่าเฉลี่ยเคลื่อนที่ของชุดข้อมูลเวลาใน Excel ค่าเฉลี่ยเคลื่อนที่จะใช้เพื่อทำให้จุดสูงสุดและที่ราบสูงเป็นไปอย่างราบรื่นเพื่อให้ทราบถึงแนวโน้มต่างๆได้ง่ายขึ้นอันดับแรกลองดูที่ชุดข้อมูลเวลาของเรา คลิกการวิเคราะห์ข้อมูลคลิกที่นี่เพื่อโหลด Add-In Toolkit การวิเคราะห์ 3 เลือก Moving Average และคลิก OK.4 คลิกในกล่อง Input Range และเลือกช่วง B2 M2 5. คลิกที่ช่อง Interval และพิมพ์ 6.6 คลิกที่ Output Range และเลือกเซลล์ B3.8 วาดกราฟของค่าเหล่านี้การอธิบายเนื่องจากเราตั้งค่าช่วงเป็น 6 ค่าเฉลี่ยเคลื่อนที่คือค่าเฉลี่ยของ 5 จุดข้อมูลก่อนหน้าและ จุดข้อมูลปัจจุบันเป็นผลให้ยอดและหุบเขาถูกทำให้ราบเรียบกราฟแสดงแนวโน้มการเพิ่มขึ้น Excel ไม่สามารถคำนวณค่าเฉลี่ยเคลื่อนที่สำหรับจุดข้อมูล 5 จุดแรกเนื่องจากไม่มีจุดข้อมูลก่อนหน้านี้มากพอ 9 ทำซ้ำตามขั้นตอนที่ 2 ถึง 8 สำหรับช่วง 2 และช่วงเวลา 4. บทสรุป The la rger ช่วงเวลายิ่งยอดและหุบเขาจะเรียบขึ้นช่วงเวลาที่มีขนาดเล็กยิ่งใกล้กับค่าเฉลี่ยเคลื่อนที่จะเป็นจุดข้อมูลที่แท้จริงการคาดการณ์ในระดับปานกลางการคาดการณ์ขณะที่คุณอาจคาดเดาเรากำลังมองหาแนวทางที่ดั้งเดิมที่สุด แต่หวังว่าสิ่งเหล่านี้จะแนะนำอย่างคุ้มค่าสำหรับปัญหาด้านคอมพิวเตอร์บางส่วนที่เกี่ยวข้องกับการคาดการณ์ในสเปรดชีตในหลอดเลือดดำนี้เราจะดำเนินต่อไปโดยเริ่มจากจุดเริ่มต้นและเริ่มต้นทำงานกับการคาดการณ์การเคลื่อนที่เฉลี่ยพยากรณ์อากาศเฉลี่ยทุกคนคุ้นเคยกับการย้าย การคาดการณ์โดยเฉลี่ยไม่ว่าพวกเขาจะเชื่อหรือไม่ว่านักศึกษาวิทยาลัยทุกคนทำแบบฝึกหัดตลอดเวลาคิดเกี่ยวกับคะแนนการทดสอบของคุณในหลักสูตรที่คุณกำลังจะมีการทดสอบสี่ครั้งระหว่างภาคการศึกษา Let s สมมติว่าคุณมี 85 คนในการทดสอบครั้งแรกของคุณ คุณคาดการณ์คะแนนทดสอบที่สองคุณคิดว่าครูของคุณจะคาดการณ์คะแนนทดสอบต่อไปคุณคิดว่าเพื่อนของคุณอาจเป็นอย่างไร dict สำหรับคะแนนการทดสอบต่อไปคุณคิดว่าพ่อแม่ของคุณอาจคาดเดาคะแนนการทดสอบต่อไปของคุณได้โดยไม่คำนึงถึงการทำร้ายทั้งหมดที่คุณอาจทำกับเพื่อนและผู้ปกครองของคุณพวกเขาและครูของคุณมีแนวโน้มที่จะคาดหวังว่าคุณจะได้รับอะไรบางอย่างใน พื้นที่ของ 85 ที่คุณเพิ่งได้ดีตอนนี้ขอให้สมมติว่าแม้จะมีการโปรโมตตัวเองกับเพื่อน ๆ ของคุณคุณจะประเมินตัวเองและคิดว่าคุณสามารถเรียนได้น้อยกว่าสำหรับการทดสอบที่สองและเพื่อให้คุณได้รับ 73. ตอนนี้ ทุกคนมีความกังวลและไม่แยแสที่จะคาดหวังว่าคุณจะได้รับการทดสอบที่สามของคุณมีสองแนวทางที่เป็นไปได้มากสำหรับพวกเขาในการพัฒนาประมาณการโดยไม่คำนึงว่าพวกเขาจะแบ่งปันกับคุณหรือไม่พวกเขาอาจพูดกับตัวเองว่าผู้ชายคนนี้มักจะเป่า สูบบุหรี่เกี่ยวกับสมาร์ทของเขาเขาจะได้รับอีก 73 ถ้าเขาโชคดีอาจเป็นพ่อแม่จะพยายามที่จะสนับสนุนมากขึ้นและพูดว่าดีเพื่อให้ห่างไกลคุณได้รับ 85 และ 73 ดังนั้นบางทีคุณควรจะคิดเกี่ยวกับการเกี่ยวกับ 85 73 2 79 ฉันไม่ทราบบางทีถ้าคุณทำปาร์ตี้น้อยและ ไม่มีการพ่ายพังพอนไปทั่วสถานที่และถ้าคุณเริ่มต้นทำมากขึ้นการศึกษาที่คุณจะได้รับคะแนนสูงกว่าทั้งสองประมาณการเหล่านี้เป็นจริงการคาดการณ์เฉลี่ยโดยเฉลี่ยก่อนใช้เฉพาะคะแนนล่าสุดของคุณในการคาดการณ์ประสิทธิภาพในอนาคตของคุณ เรียกว่าการคาดการณ์ค่าเฉลี่ยเคลื่อนที่โดยใช้ระยะเวลาหนึ่งของข้อมูลประการที่สองเป็นค่าพยากรณ์เฉลี่ยเคลื่อนที่ แต่ใช้สองช่วงของข้อมูลสมมติว่าคนเหล่านี้ทั้งหมด busting ในใจที่ดีของคุณมีการจัดเรียงของ pissed คุณปิดและคุณตัดสินใจที่จะทำ ดีในการทดสอบที่สามด้วยเหตุผลของคุณเองและจะนำคะแนนที่สูงขึ้นในด้านหน้าของพันธมิตรของคุณคุณจะทดสอบและคะแนนของคุณเป็นจริง 89 ทุกคนรวมทั้งตัวคุณเองเป็นที่ประทับใจตอนนี้คุณมีการทดสอบครั้งสุดท้ายของภาคการศึกษามา ขึ้นและตามปกติคุณรู้สึกจำเป็นที่จะต้องกระตุ้นให้ทุกคนในการคาดการณ์ของพวกเขาเกี่ยวกับวิธีที่คุณจะทำในการทดสอบครั้งสุดท้ายดีหวังว่าคุณจะเห็นรูปแบบขณะนี้หวังว่าคุณจะเห็นรูปแบบที่คุณเชื่อว่าเป็นที่ถูกต้องที่สุด Histl ขณะที่เราทำงานตอนนี้เรากลับไปที่ บริษัท ทำความสะอาดแห่งใหม่ซึ่งเริ่มต้นโดยพี่สาวที่แยกกันอยู่ของคุณชื่อ Whistle ขณะที่เราทำงานคุณมีข้อมูลการขายในอดีตที่แสดงโดยส่วนต่อไปนี้จากสเปรดชีตก่อนอื่นเราจะนำเสนอข้อมูลสำหรับการคาดการณ์ค่าเฉลี่ยเคลื่อนที่ย้อนหลัง 3 ช่วง รายการสำหรับเซลล์ C6 ควรเป็นตอนนี้คุณสามารถคัดลอกสูตรเซลล์นี้ลงไปที่เซลล์อื่น ๆ C7 ถึง C11.Notice ค่าเฉลี่ยของการเคลื่อนย้ายข้อมูลทางประวัติศาสตร์ล่าสุด แต่ใช้ระยะเวลาสามงวดล่าสุดสำหรับการคาดการณ์แต่ละครั้ง สังเกตเห็นว่าเราไม่จำเป็นต้องทำการคาดการณ์ในช่วงที่ผ่านมาเพื่อที่จะพัฒนาการคาดการณ์ล่าสุดของเราซึ่งแน่นอนว่าแตกต่างจากแบบจำลองการทำให้เรียบที่อธิบายไว้ก่อนหน้านี้ซึ่งรวมถึงการคาดการณ์ที่ผ่านมาเนื่องจากเราจะใช้ข้อมูลเหล่านี้ในหน้าเว็บถัดไปเพื่อวัดผล ทำนาย validity. Now ฉันต้องการที่จะนำเสนอผลที่คล้ายคลึงกันสำหรับระยะเวลาสองคาดการณ์การเคลื่อนไหวเฉลี่ยรายการสำหรับเซลล์ C5 ควรจะเป็นตอนนี้คุณสามารถคัดลอกสูตรเซลล์นี้ ลงไปที่เซลล์อื่น ๆ C6 ถึง C11.Notice ตอนนี้เพียงสองชิ้นล่าสุดของข้อมูลทางประวัติศาสตร์ที่ใช้สำหรับการคาดการณ์แต่ละครั้งที่ฉันได้รวมการคาดการณ์ที่ผ่านมาเพื่อเป็นตัวอย่างและเพื่อใช้ในภายหลังในการตรวจสอบการคาดการณ์สิ่งอื่น ๆ ที่มี ความสำคัญที่จะต้องแจ้งให้ทราบล่วงหน้าสำหรับการคาดการณ์ค่าเฉลี่ยของระยะเวลา m-m เฉพาะค่าข้อมูลล่าสุดของ m ที่ใช้เพื่อทำให้การคาดการณ์ไม่มีสิ่งใดที่จำเป็นสำหรับระยะเวลาการเคลื่อนที่เฉลี่ยของ m-period เมื่อทำการคาดการณ์ที่ผ่านมาสังเกตว่าการทำนายครั้งแรกเกิดขึ้น ในช่วง m 1. ปัญหาเหล่านี้จะมีความสำคัญมากเมื่อเราพัฒนาโค้ดของเราการพัฒนาฟังก์ชัน Average Moving ตอนนี้เราจำเป็นต้องพัฒนาโค้ดสำหรับการคาดการณ์ค่าเฉลี่ยเคลื่อนที่ที่สามารถใช้งานได้อย่างคล่องตัวมากขึ้นโค้ดดังต่อไปนี้สังเกตว่า input เป็น สำหรับจำนวนรอบระยะเวลาที่คุณต้องการใช้ในการคาดการณ์และอาร์เรย์ของค่าทางประวัติศาสตร์คุณสามารถเก็บไว้ในสมุดงานที่คุณต้องการใด ๆ MovementAverage ฟังก์ชันประวัติศาสตร์ NumberOfPeriods เป็นบาป gle การประกาศและการเริ่มต้นตัวแปร Dim Item As Variant Dim Counter เป็นจำนวนเต็ม Integer Dim เป็น Single Dim HistoricalSize As Integer Initializing variables Counter 1 Accumulation 0 การกำหนดขนาดของ Historical HistoricalSize. For Counter จำนวน 1 ต่อ NumberOfPeriods สะสมจำนวนที่เหมาะสมของค่าที่สังเกตก่อนหน้านี้สะสมสะสมข้อมูลประวัติ HistoricalSize - NumberOfPeriods Counter. MovingAverage การสะสม NumberOfPeriods รหัสจะอธิบายในชั้นเรียนคุณต้องการวางตำแหน่งฟังก์ชันในกระดาษคำนวณเพื่อให้ผลลัพธ์ของการคำนวณปรากฏขึ้นที่ควร เช่นเดียวกับต่อไปนี้ในทางปฏิบัติค่าเฉลี่ยเคลื่อนที่จะให้ค่าประมาณที่ดีของค่าเฉลี่ยของชุดข้อมูลเวลาหากค่าเฉลี่ยมีค่าคงที่หรือค่อยๆเปลี่ยนแปลงในกรณีค่าคงที่ค่าคงที่ค่าที่มากที่สุดของ m จะให้ค่าประมาณที่ดีที่สุดของค่าสัมบูรณ์ หมายถึงระยะเวลาการสังเกตนานกว่าจะเฉลี่ยผลกระทบของความแปรปรวนวัตถุประสงค์ของการให้ m ที่มีขนาดเล็กเพื่อให้การคาดการณ์เพื่อตอบสนองต่อการเปลี่ยนแปลงในกระบวนการอ้างอิงเพื่อแสดงให้เรานำเสนอชุดข้อมูลที่ประกอบด้วยการเปลี่ยนแปลงในค่าเฉลี่ยของ ชุดข้อมูลเวลาภาพแสดงชุดข้อมูลเวลาที่ใช้ในการแสดงร่วมกับความต้องการโดยเฉลี่ยจากการที่ se ries ถูกสร้างขึ้นค่าเฉลี่ยเริ่มต้นเป็นค่าคงที่ที่ 10 เริ่มต้นที่ 21 เวลาจะเพิ่มขึ้นโดยหนึ่งหน่วยในแต่ละงวดจนกว่าจะถึงค่า 20 ที่เวลา 30 แล้วมันจะกลายเป็นค่าคงที่อีกครั้งข้อมูลจะถูกจำลองโดยการเพิ่มค่าเฉลี่ย a เสียงสุ่มจากการแจกแจงแบบปกติกับศูนย์ค่าเฉลี่ยและส่วนเบี่ยงเบนมาตรฐาน 3 ผลของการจำลองจะถูกปัดเศษให้เป็นจำนวนเต็มใกล้ที่สุดตารางแสดงการสังเกตแบบจำลองที่ใช้ตัวอย่างเช่นเมื่อเราใช้ตารางเราต้องจำไว้ว่าในเวลาใดก็ตาม, เฉพาะข้อมูลที่ผ่านมาเท่านั้นที่รู้จักกันดีการประมาณค่าพารามิเตอร์ของโมเดลสำหรับค่าที่แตกต่างกันสามค่าของ m จะแสดงพร้อมกับค่าเฉลี่ยของชุดข้อมูลเวลาในรูปด้านล่างรูปที่แสดงการประมาณค่าเฉลี่ยเคลื่อนที่ของค่าเฉลี่ยในแต่ละครั้งและไม่ใช่ การคาดการณ์การคาดการณ์จะเปลี่ยนเส้นโค้งค่าเฉลี่ยเคลื่อนที่ไปทางขวาตามช่วงเวลาหนึ่งข้อสรุปจะเห็นได้ชัดทันทีจากตัวเลขสำหรับทั้งสามค่าประมาณค่าเฉลี่ยเคลื่อนที่จะล่าช้ากว่าแนวโน้มเชิงเส้นโดยมีความล่าช้าเพิ่มขึ้น ng กับ m ความล่าช้าคือระยะห่างระหว่างรูปแบบกับการประมาณค่าในมิติเวลาเนื่องจากความล่าช้าค่าเฉลี่ยของค่าเฉลี่ยเคลื่อนที่ต่ำกว่าการสังเกตการณ์เมื่อค่าเฉลี่ยเพิ่มขึ้นค่าความลำเอียงของตัวประมาณคือความแตกต่างในเวลาที่กำหนดในค่าเฉลี่ย ของแบบจำลองและค่าเฉลี่ยที่คาดการณ์ไว้โดยค่าเฉลี่ยเคลื่อนที่ค่าเฉลี่ยเมื่อค่าเฉลี่ยเพิ่มขึ้นเป็นค่าลบสำหรับค่าเฉลี่ยที่ลดลงค่าอคติเป็นบวกความล่าช้าในเวลาและความอคติที่นำมาใช้ในการประมาณค่าคือสมการของ m ยิ่งมีค่ามากขึ้น m มีขนาดของความล่าช้าและความลำเอียงที่ใหญ่ขึ้นสำหรับชุดที่เพิ่มขึ้นอย่างต่อเนื่องโดยมีแนวโน้มที่ค่าของความล่าช้าและความลำเอียงของ estimator ของค่าเฉลี่ยจะได้รับในสมการด้านล่างเส้นโค้งตัวอย่างไม่ตรงกับสมการเหล่านี้เนื่องจากตัวอย่างเป็น ไม่เพิ่มขึ้นอย่างต่อเนื่องค่อนข้างจะเริ่มต้นเป็นค่าคงที่การเปลี่ยนแปลงแนวโน้มแล้วจะกลายเป็นค่าคงที่อีกครั้งนอกจากนี้ยังมีเส้นโค้งตัวอย่างที่ได้รับผลกระทบโดยเสียงการคาดการณ์ค่าเฉลี่ยเคลื่อนที่ของงวดในอนาคต จะแสดงโดยการขยับเส้นโค้งไปทางขวาความล่าช้าและความลำเอียงเพิ่มขึ้นตามสัดส่วนสมการด้านล่างแสดงถึงความล่าช้าและความลำเอียงของช่วงคาดการณ์ในอนาคตเมื่อเทียบกับพารามิเตอร์ของโมเดลอีกครั้งสูตรเหล่านี้เป็นชุดเวลาที่มีแนวโน้มเชิงเส้นคงที่ เราไม่ควรแปลกใจที่ผลลัพธ์นี้ค่าประมาณค่าเฉลี่ยเคลื่อนที่จะขึ้นอยู่กับสมมติฐานค่าเฉลี่ยคงที่และตัวอย่างมีแนวโน้มเป็นเส้นตรงในระหว่างช่วงเวลาการศึกษาเนื่องจากชุดข้อมูลเรียลไทม์จะไม่ค่อยตรงตามสมมติฐาน ของรูปแบบใด ๆ เราควรจะเตรียมไว้สำหรับผลดังกล่าวเรายังสามารถสรุปได้จากรูปที่ความแปรปรวนของเสียงที่มีผลกระทบที่ใหญ่ที่สุดสำหรับขนาดเล็ก m ประมาณการมีความผันผวนมากขึ้นสำหรับค่าเฉลี่ยเคลื่อนที่ของ 5 กว่าค่าเฉลี่ยเคลื่อนที่ของ 20 เรามีความต้องการที่ขัดแย้งกันในการเพิ่ม m เพื่อลดผลกระทบของความแปรปรวนเนื่องจากเสียงรบกวนและลด m เพื่อให้การคาดการณ์ตอบสนองต่อการเปลี่ยนแปลงในค่าเฉลี่ยความผิดพลาดคือ di fference ระหว่างข้อมูลที่เกิดขึ้นจริงกับค่าคาดการณ์ถ้าชุดข้อมูลเวลาเป็นค่าคงที่มูลค่าที่คาดไว้ของข้อผิดพลาดคือศูนย์และความแปรปรวนของข้อผิดพลาดจะประกอบด้วยคำที่เป็นฟังก์ชันของและคำที่สองซึ่งเป็นความแปรปรวน ของเสียงระยะแรกเป็นความแปรปรวนของค่าเฉลี่ยที่ประมาณด้วยตัวอย่างของการสังเกต m สมมติว่าข้อมูลมาจากประชากรที่มีค่าคงที่เฉลี่ยระยะนี้จะลดลงโดยการทำให้ m เป็นขนาดใหญ่ที่สุด m ทำให้การพยากรณ์อากาศไม่ตอบสนอง การเปลี่ยนแปลงช่วงเวลาอ้างอิงเพื่อให้การคาดการณ์สามารถตอบสนองต่อการเปลี่ยนแปลงได้เราต้องการให้ m มีขนาดเล็กที่สุดเท่าที่จะเป็นไปได้ 1 แต่จะเพิ่มความแปรปรวนของข้อผิดพลาดการคาดการณ์ในทางปฏิบัติต้องใช้ค่าที่เป็นกลางการแสดงผลด้วย Excel การคาดการณ์ add-in จะดำเนินการย้าย สูตรด้านล่างตัวอย่างด้านล่างแสดงการวิเคราะห์โดย add-in สำหรับข้อมูลตัวอย่างในคอลัมน์ B 10 ข้อสังเกตแรกมีการจัดทำดัชนี -9 ถึง 0 เมื่อเทียบกับตารางด้านบนระยะเวลา ind มีการเปลี่ยนแปลงโดย -10 การสังเกตสิบข้อแรกให้ค่าเริ่มต้นสำหรับการประมาณและใช้ในการคำนวณค่าเฉลี่ยเคลื่อนที่สำหรับช่วงเวลา 0 MA 10 คอลัมน์ C แสดงค่าเฉลี่ยเคลื่อนที่ที่คำนวณได้ค่าเฉลี่ยเคลื่อนที่ของ m อยู่ในเซลล์ C3 Fore 1 คอลัมน์ D แสดงการคาดการณ์สำหรับระยะเวลาหนึ่งในอนาคตช่วงคาดการณ์อยู่ในเซลล์ D3 เมื่อช่วงคาดการณ์มีการเปลี่ยนแปลงไปเป็นตัวเลขที่มีขนาดใหญ่ตัวเลขในคอลัมน์ Fore จะถูกเลื่อนลง Err 1 คอลัมน์ E แสดงความแตกต่างระหว่างการสังเกต และการคาดการณ์ตัวอย่างเช่นการสังเกตในเวลาที่ 1 คือ 6 ค่าที่คาดการณ์ได้จากค่าเฉลี่ยเคลื่อนที่ในช่วงเวลา 0 คือ 11 1 ข้อผิดพลาดคือ -5 1 ค่าเบี่ยงเบนมาตรฐานและ Mean Mean Deviation MAD คำนวณในเซลล์ E6 และ E7 ตามลำดับ .