Thursday, March 23, 2017

Prognose Gewichtet Gleitend Durchschnitt Excel

So berechnen Sie gewichtete Moving Averages in Excel mit exponentiellem Glättung Excel Data Analysis für Dummies, 2. Edition Das Exponential Glättungstool in Excel berechnet den gleitenden Durchschnitt. Die exponentielle Glättung gewichtet jedoch die in den gleitenden Durchschnittsberechnungen enthaltenen Werte, so dass neuere Werte einen größeren Einfluss auf die Durchschnittsberechnung haben und alte Werte einen geringeren Effekt haben. Diese Gewichtung wird durch eine Glättungskonstante erreicht. Um zu veranschaulichen, wie das Exponential-Glättungswerkzeug funktioniert, nehmen wir an, dass Sie die durchschnittliche tägliche Temperaturinformation noch einmal betrachten. Um die gewichteten Bewegungsdurchschnitte mit einer exponentiellen Glättung zu berechnen, gehen Sie wie folgt vor: Um einen exponentiell geglätteten gleitenden Durchschnitt zu berechnen, klicken Sie zuerst auf die Schaltfläche Daten tab8217s Datenanalyse. Wenn Excel das Dialogfeld Datenanalyse anzeigt, wählen Sie aus der Liste die Option Exponentielle Glättung aus und klicken dann auf OK. Excel zeigt das Dialogfeld Exponentielle Glättung an. Identifizieren Sie die Daten. Um die Daten zu identifizieren, für die Sie einen exponentiell geglätteten gleitenden Durchschnitt berechnen möchten, klicken Sie in das Textfeld Eingabebereich. Dann identifizieren Sie den Eingabebereich, indem Sie entweder eine Arbeitsblattbereichsadresse eingeben oder den Arbeitsblattbereich auswählen. Wenn Ihr Eingabebereich eine Textbeschriftung enthält, um Ihre Daten zu identifizieren oder zu beschreiben, markieren Sie das Kontrollkästchen Etiketten. Geben Sie die Glättung konstant. Geben Sie den Glättungs-Konstantenwert im Textfeld Dämpfungsfaktor ein. Die Excel-Hilfedatei schlägt vor, dass Sie eine Glättungskonstante zwischen 0,2 und 0,3 verwenden. Vermutlich aber, wenn du dieses Tool benutzt hast, hast du deine eigenen Vorstellungen darüber, was die richtige Glättungskonstante ist. (Wenn Sie sich über die Glättungskonstante ahnungslos machen, dann sollten Sie dieses Tool nicht benutzen.) Sagen Sie Excel, wo die exponentiell geglätteten gleitenden Durchschnittsdaten platziert werden sollen. Verwenden Sie das Textfeld Ausgabebereich, um den Arbeitsbereich zu identifizieren, in den Sie die gleitenden Durchschnittsdaten platzieren möchten. Im Beispiel des Arbeitsblattes platzieren Sie beispielsweise die gleitenden Durchschnittsdaten in den Arbeitsblattbereich B2: B10. (Optional) Diagramm die exponentiell geglätteten Daten. Um die exponentiell geglätteten Daten darzustellen, markieren Sie das Kontrollkästchen Diagrammausgabe. (Optional) Geben Sie an, dass Standardfehlerinformationen berechnet werden sollen. Um Standardfehler zu berechnen, markieren Sie das Kontrollkästchen Standardfehler. Excel setzt Standardfehlerwerte neben den exponentiell geglätteten gleitenden Mittelwerten. Nachdem Sie festgelegt haben, welche gleitenden durchschnittlichen Informationen Sie berechnen möchten und wo Sie es platzieren möchten, klicken Sie auf OK. Excel berechnet gleitende durchschnittliche Informationen. Ermitteln eines gewichteten Moving Average in 3 Schritten Überblick über den Moving Average Der gleitende Durchschnitt ist eine statistische Technik, die verwendet wird, um kurzfristige Schwankungen in einer Reihe von Daten zu glätten, um längerfristig Trends zu erkennen oder zu erkennen Fahrräder. Der gleitende Durchschnitt wird manchmal als rollender Durchschnitt oder ein laufender Durchschnitt bezeichnet. Ein gleitender Durchschnitt ist eine Reihe von Zahlen, von denen jeder den Durchschnitt eines Intervalls der spezifizierten Anzahl von vorherigen Perioden darstellt. Je größer das Intervall ist, desto mehr Glättung tritt auf. Je kleiner das Intervall ist, desto mehr gleicht der gleitende Durchschnitt den tatsächlichen Datenreihen. Durchgehende Mittelwerte führen die folgenden drei Funktionen aus: Glättung der Daten, was bedeutet, dass die Anpassung der Daten an eine Zeile verbessert wird. Verringerung der Wirkung von vorübergehender Variation und zufälligem Rauschen. Hervorhebung von Ausreißern oberhalb oder unterhalb des Trends. Der gleitende Durchschnitt ist eine der am weitesten verbreiteten statistischen Techniken in der Industrie, um Daten-Trends zu identifizieren. Zum Beispiel, Sales-Manager häufig sehen dreimonatige gleitende Durchschnitte der Verkaufsdaten. Der Artikel wird eine zweimonatige, dreimonatige und sechsmonatige einfache gleitende Durchschnitte der gleichen Verkaufsdaten vergleichen. Der gleitende Durchschnitt wird in der technischen Analyse von Finanzdaten wie Aktienrenditen und in der Ökonomie häufig verwendet, um Trends in makroökonomischen Zeitreihen wie Beschäftigung zu finden. Es gibt eine Reihe von Variationen des gleitenden Durchschnitts. Am häufigsten sind der einfache gleitende Durchschnitt, der gewichtete gleitende Durchschnitt und der exponentielle gleitende Durchschnitt. Die Durchführung jeder dieser Techniken in Excel wird im Detail in separaten Artikeln in diesem Blog abgedeckt werden. Hier ist ein kurzer Überblick über jede dieser drei Techniken. Simple Moving Average Jeder Punkt in einem einfachen gleitenden Durchschnitt ist der Durchschnitt einer bestimmten Anzahl von Vorperioden. Ein Link zu einem anderen Artikel in diesem Blog, der eine ausführliche Erläuterung der Implementierung dieser Technik in Excel liefert, ist wie folgt: Gewichtete Moving Average Points im gewichteten gleitenden Durchschnitt stellen auch einen Durchschnitt einer bestimmten Anzahl von Vorperioden dar. Der gewichtete gleitende Durchschnitt wendet eine gewisse Gewichtung auf bestimmte vorherige Perioden an, oft sind die jüngsten Perioden größeres Gewicht. Dieser Blog Artikel wird eine detaillierte Erklärung der Umsetzung dieser Technik in Excel. Exponentielle bewegliche Mittelpunkte im exponentiellen gleitenden Durchschnitt stellen auch einen Durchschnitt einer bestimmten Anzahl von Vorperioden dar. Exponentielle Glättung wendet Gewichtungsfaktoren auf vorhergehende Perioden an, die exponentiell abnehmen und niemals Null erreichen. Infolgedessen berücksichtigt die exponentielle Glättung alle vorherigen Perioden anstelle einer bestimmten Anzahl von Vorperioden, die der gewichtete gleitende Durchschnitt hat. Eine Verknüpfung zu einem anderen Artikel in diesem Blog, der eine ausführliche Erläuterung der Implementierung dieser Technik in Excel liefert, lautet wie folgt: Im Folgenden wird der 3-stufige Prozess der Erstellung eines gewichteten gleitenden Durchschnitts von Zeitreihendaten in Excel beschrieben: Schritt 1 8211 Zeichnen Sie die Originaldaten in einer Zeitreihenfolge Das Liniendiagramm ist das am häufigsten verwendete Excel-Diagramm, um Zeitreihendaten zu grafisch darzustellen. Ein Beispiel für ein solches Excel-Diagramm, das verwendet wird, um 13 Perioden von Verkaufsdaten zu zeichnen, wird wie folgt gezeigt: Schritt 2 8211 Erstellen des gewichteten Verschiebens Durchschnitt mit Formeln in Excel Excel stellt das Moving Average-Tool nicht innerhalb des Datenanalyse-Menüs bereit, so dass die Formeln sein müssen Konstruiert manuell. In diesem Fall wird ein 2-Intervall-gewichteter gleitender Durchschnitt durch Anwendung eines Gewichts von 2 auf die jüngste Periode und ein Gewicht von 1 bis zu dem vorherigen Zeitraum erzeugt. Die Formel in Zelle E5 kann auf Zelle E17 kopiert werden. Schritt 3 8211 Hinzufügen der gewichteten Moving Average Series zum Diagramm Diese Daten sollten nun dem Diagramm hinzugefügt werden, das die ursprüngliche Zeitlinie der Verkaufsdaten enthält. Die Daten werden einfach als eine weitere Datenreihe in der Tabelle hinzugefügt. Um dies zu tun, klicken Sie mit der rechten Maustaste auf eine beliebige Stelle auf dem Diagramm und ein Menü öffnet sich. Hit Select Data, um die neue Datenreihe hinzuzufügen. Die gleitende durchschnittliche Reihe wird hinzugefügt, indem man das Dialogfeld "Edit Series" wie folgt vervollständigt: Das Diagramm, das die ursprüngliche Datenreihe enthält und die Daten8217s 2-Intervall gewichteten gleitenden Durchschnitt wird wie folgt angezeigt. Beachten Sie, dass die gleitende durchschnittliche Linie ziemlich viel glatter ist und rohe Daten8217s Abweichungen oberhalb und unterhalb der Trendlinie sind viel deutlicher. Der Gesamttrend ist jetzt auch deutlich deutlicher. Ein 3-Intervall gleitender Durchschnitt kann erstellt und auf dem Diagramm mit fast dem gleichen Verfahren wie folgt platziert werden. Beachten Sie, dass die letzte Periode das Gewicht von 3 zugewiesen wird, die Periode vor dem zugewiesen ist und das Gewicht von 2, und die Periode vor, die ein Gewicht von 1 zugeordnet ist. Diese Daten sollten nun dem Diagramm hinzugefügt werden, das das Original enthält Zeitlinie der Verkaufsdaten zusammen mit der 2-Intervall-Serie. Die Daten werden einfach als eine weitere Datenreihe in der Tabelle hinzugefügt. Um dies zu tun, klicken Sie mit der rechten Maustaste auf eine beliebige Stelle auf dem Diagramm und ein Menü öffnet sich. Hit Select Data, um die neue Datenreihe hinzuzufügen. Die gleitende durchschnittliche Serie wird hinzugefügt, indem man die Edit Series Dialogbox wie folgt abschließt: Wie erwartet ein bisschen mehr Glättung mit dem 3-Intervall-gewichteten gleitenden Durchschnitt auftritt als mit dem 2-Intervall-gewichteten gleitenden Durchschnitt. Zum Vergleich wird ein 6-Intervall-gewichteter gleitender Durchschnitt berechnet und dem Diagramm in der gleichen Weise wie folgt hinzugefügt. Beachten Sie die schrittweise abnehmenden Gewichte, die als Perioden zugeordnet werden, die in der Vergangenheit weit entfernt sind. Diese Daten sollten nun dem Diagramm hinzugefügt werden, das die ursprüngliche Zeitlinie der Verkaufsdaten zusammen mit der 2 und 3-Intervall-Serie enthält. Die Daten werden einfach als eine weitere Datenreihe in der Tabelle hinzugefügt. Um dies zu tun, klicken Sie mit der rechten Maustaste auf eine beliebige Stelle auf dem Diagramm und ein Menü öffnet sich. Hit Select Data, um die neue Datenreihe hinzuzufügen. Die gleitende durchschnittliche Serie wird hinzugefügt, indem man die Dialogreihe Edit Series wie folgt ergänzt: Wie erwartet, ist der 6-Intervall-gewichtete gleitende Durchschnitt deutlich glatter als die 2 oder 3-Intervall-gewichteten Bewegungsdurchschnitte. Ein glatteres Graphen passt genau zu einer Geraden. Analysieren der Prognosegenauigkeit Die beiden Komponenten der Prognosegenauigkeit sind die folgenden: Prognose Bias 8211 Die Tendenz einer Prognose ist konsequent höher oder niedriger als die tatsächlichen Werte einer Zeitreihe. Prognose Bias ist die Summe aller Fehler geteilt durch die Anzahl der Perioden wie folgt: Eine positive Bias zeigt eine Tendenz zur Unterprognose. Eine negative Vorspannung weist auf eine Tendenz zur Überprognose hin. Bias misst nicht die Genauigkeit, da sich positive und negative Fehler gegenseitig aufheben. Prognosefehler 8211 Die Differenz zwischen Istwerten einer Zeitreihe und den vorhergesagten Werten der Prognose. Die häufigsten Maßnahmen des Prognosefehlers sind folgende: MAD 8211 Mittlere Absolute Abweichung MAD berechnet den durchschnittlichen Absolutwert des Fehlers und wird mit folgender Formel berechnet: Die Mittelwertbildung der Fehler beseitigt den Abbruch von positiven und negativen Fehlern. Je kleiner der MAD ist, desto besser ist das Modell. MSE 8211 Mean Squared Error MSE ist ein populäres Maß an Fehler, der die abbrechende Wirkung von positiven und negativen Fehlern durch Summierung der Quadrate des Fehlers mit der folgenden Formel eliminiert: Große Fehlerausdrücke neigen dazu, MSE zu übertreiben, weil die Fehlerterme alle quadriert sind. RMSE (Root Square Mean) reduziert dieses Problem, indem er die Quadratwurzel von MSE nimmt. MAPE 8211 Mittlerer absoluter Prozentfehler MAPE eliminiert auch den abbrechenden Effekt von positiven und negativen Fehlern durch Summierung der absoluten Werte der Fehlerterme. MAPE berechnet die Summe der Prozentfehlertermine mit folgender Formel: Durch das Summieren von Prozentfehlerbegriffen kann MAPE verwendet werden, um Prognosemodelle zu vergleichen, die unterschiedliche Maßstäbe verwenden. Berechnen von Bias, MAD, MSE, RMSE und MAPE in Excel Für die gewichtete Moving Average Bias werden MAD, MSE, RMSE und MAPE in Excel berechnet, um die 2-Intervall-, 3-Intervall - und 6-Intervall-gewichtete Bewegung zu bewerten Durchschnittliche Prognose in diesem Artikel erhalten und wie folgt gezeigt: Der erste Schritt ist, E t zu berechnen. E t 2. E t, E t Y t-act Und dann summieren Sie dann wie folgt: Bias, MAD, MSE, MAPE und RMSE können wie folgt berechnet werden: Die gleichen Berechnungen werden nun durchgeführt, um Bias, MAD, MSE, MAPE und RMSE für den 3-Intervall-gewichteten gleitenden Durchschnitt zu berechnen. Bias, MAD, MSE, MAPE und RMSE können wie folgt berechnet werden: Die gleichen Berechnungen werden nun durchgeführt, um Bias, MAD, MSE, MAPE und RMSE für den 6-Intervall-gewichteten gleitenden Durchschnitt zu berechnen. Bias, MAD, MSE, MAPE und RMSE können wie folgt berechnet werden: Bias, MAD, MSE, MAPE und RMSE werden für die 2-Intervall-, 3-Intervall - und 6-Intervall-gewichteten Bewegungsdurchschnitte wie folgt zusammengefasst. Der 2-Intervall-gewichtete gleitende Durchschnitt ist das Modell, das am ehesten zu den tatsächlichen Daten passt, wie man erwarten würde. 160 Excel Master Series Blog Directory Statistische Themen und Artikel in jedem TopicWeighted Moving Average In Beispiel 1 der einfachen Moving Average Forecast. Die Gewichte der vorherigen drei Werte waren alle gleich. Wir betrachten jetzt den Fall, wo diese Gewichte unterschiedlich sein können. Diese Art der Prognose heißt gewichteter gleitender Durchschnitt. Hierzu weisen wir m Gewichte w 1 zu. , W m. Wo w 1 W m 1 und definieren die prognostizierten Werte wie folgt Beispiel 1. Wiederholen Sie Beispiel 1 der Simple Moving Average Prognose, wo wir davon ausgehen, dass neuere Beobachtungen mehr als ältere Beobachtungen gewichtet werden, wobei die Gewichte w 1,6, w 2 .3 und w 3 .1 (wie im Bereich G4: G6 von 1 gezeigt) ). Abbildung 1 Gewichtete Bewegungsdurchschnitte Die Formeln in Abbildung 1 sind die gleichen wie die in Abbildung 1 der Simple Moving Average Forecast. Mit Ausnahme der prognostizierten y-Werte in Spalte C. E. g. Die Formel in Zelle C7 ist jetzt SUMPRODUCT (B4: B6, G4: G6). Die Prognose für den nächsten Wert in der Zeitreihe beträgt nun 81,3 (Zelle C19), indem man die Formel SUMPRODUCT (B16: B18, G4: G6) verwendet. Reales Statistik-Datenanalyse-Tool. Excel bietet nicht eine gewichtete gleitende Durchschnitte Datenanalyse-Tool. Stattdessen können Sie das Datenanalyse-Tool "Real Statistics Weighted Moving Averages" verwenden. Um dieses Werkzeug für Beispiel 1 zu verwenden, drücken Sie Ctr-m. Wählen Sie aus dem Hauptmenü die Option Zeitreihenfolge und dann die Option Grundlegende Vorhersagemethoden aus dem angezeigten Dialogfeld. Füllen Sie das Dialogfeld aus, das wie in Abbildung 5 der Simple Moving Average Forecast angezeigt wird. Aber diesmal wählen Sie die Option Gewichtete Umschlagsmittelwerte aus und füllen den Gewichtsbereich mit G4: G6 aus (beachten Sie, dass keine Spaltenüberschrift für den Gewichtsbereich enthalten ist). Es werden keine Parameterwerte verwendet (im Wesentlichen von Lags wird die Anzahl der Zeilen im Gewichtsbereich und der Jahreszeiten und der Forecasts wird standardmäßig auf 1). Die Ausgabe sieht genauso aus wie die Ausgabe in Abbildung 2 der Simple Moving Average Forecast. Mit der Ausnahme, dass die Gewichte bei der Berechnung der Prognosewerte verwendet werden. Beispiel 2 Verwenden Sie Solver, um die Gewichte zu berechnen, die den kleinsten mittleren quadratischen Fehler MSE erzeugen. Verwenden Sie die Formeln in Abbildung 1, wählen Sie Data gt AnalysisSolver aus und füllen Sie das Dialogfeld aus, wie in Abbildung 2 dargestellt. Abbildung 2 Solver Dialogfeld Beachten Sie, dass wir die Summe der Gewichte auf 1 beschränken müssen, was wir tun, indem wir auf die Schaltfläche klicken Taste hinzufügen. Daraufhin erscheint das Dialogfeld "Constraint hinzufügen", das wir wie in Abbildung 3 ausfüllen und dann auf die Schaltfläche OK klicken. Abbildung 3 Add Constraint-Dialogfeld Als nächstes klicken wir auf die Solve-Schaltfläche (siehe Abbildung 2), die die Daten in Abbildung 1 wie in Abbildung 4 gezeigt modifiziert. Abbildung 4 Lösungsoptimierung Wie aus Abbildung 4 ersichtlich ist, ändert Solver die Gewichte auf 0 223757 und .776243, um den Wert von MSE zu minimieren. Wie Sie sehen können, ist der minimierte Wert von 184.688 (Zelle E21 von Abbildung 4) mindestens kleiner als der MSE-Wert von 191.366 in Zelle E21 von Abbildung 2). Um diese Gewichte zu sperren, musst du auf die Schaltfläche "OK" des Dialogfelds "Solver-Ergebnisse" klicken, die in Abbildung 4 gezeigt ist. Gewichtsbewegung Durchschnittliche Prognose und MAD in EXCEL Das Problem besagt, dass der Manager der Teppichstadt-Steckdose eine genaue Vorhersage machen muss Die Nachfrage nach Soft Shag Teppich (es größter Verkäufer). Wenn der Manager nicht genügend Teppich aus der Teppichmühle bestellt, werden die Kunden ihren Teppich aus einer der Teppichstadt viele Konkurrenten kaufen. Der Manager hat die folgenden Nachfragedaten für die letzten acht Monate gesammelt Monat Demand für Soft Shag Teppich 1.000 yd 1 8 2 12 3 7 4 9 5 15 6 11 7 10 8 12 Berechnen Sie eine 3 Monate gleitende durchschnittliche Prognose für Monat 4 bis 9 Berechnen Eine gewogene 3 Monate gleitende durchschnittliche Prognose für die Monate 4 bis 9. Weisen Sie Gewichte von .53. 33, und .12 bis zum Monat in Folge, beginnend mit dem letzten Monat. Vergleichen Sie die beiden Prognosen mit MAD, die Prognose scheint genauer zu sein. Lösungsvorschau Bitte beachten Sie den Anhang Solution. xlsx für die Arbeit und. Lösungszusammenfassung Eine 3 Monate bewegte durchschnittliche Prognose und eine weitere 3-monat gewichtete bewegliche durchschnittliche Prognose, die unterschiedliche Glättungswägungsfaktoren verwendet, wurde in Excel durchgeführt. Prognosefehler (MAD) wurde berechnet und die beiden Prognosen wurden mit diesen MAD-Werten verglichen. In den Warenkorb entfernen


No comments:

Post a Comment