Moving Average Forecasting Introdução. Como você pode imaginar, estamos olhando para algumas das abordagens mais primitivas para a previsão. Mas espero que estas sejam pelo menos uma introdução interessante a algumas das questões de computação relacionadas à implementação de previsões em planilhas. Neste sentido, vamos continuar a partir do início e começar a trabalhar com previsões de média móvel. Previsões médias móveis. Todo mundo está familiarizado com as previsões de média móvel, independentemente de eles acreditam que são. Todos os estudantes universitários fazê-los o tempo todo. Pense nas suas pontuações dos testes num curso em que vai ter quatro testes durante o semestre. Vamos supor que você tem um 85 em seu primeiro teste. O que você poderia prever para sua pontuação do segundo teste O que você acha que seu professor iria prever para a sua próxima pontuação de teste O que você acha que seus amigos podem prever para a sua próxima pontuação de teste O que você acha que seus pais podem prever para sua pontuação próxima teste Independentemente de Todo o blabbing você pôde fazer a seus amigos e pais, eles e seu professor são muito prováveis esperar que você comece algo na área do 85 que você começou apenas. Bem, agora vamos supor que, apesar de sua auto-promoção para seus amigos, você superestimar-se e figura que você pode estudar menos para o segundo teste e assim você começa um 73. Agora o que são todos os interessados e despreocupado vai Antecipar você vai chegar em seu terceiro teste Existem duas abordagens muito provável para que eles desenvolvam uma estimativa, independentemente de se eles vão compartilhar com você. Eles podem dizer a si mesmos: "Esse cara está sempre soprando fumaça sobre suas espertinas. Hes que vai obter outro 73 se hes afortunado. Talvez os pais tentem ser mais solidários e dizer: "Bem, até agora você tem obtido um 85 e um 73, então talvez você deve figura em obter cerca de um (85 73) / 2 79. Eu não sei, talvez se você fez menos Festejando e werent abanando a doninhas em todo o lugar e se você começou a fazer muito mais estudando você poderia obter uma pontuação mais alta. quot Ambas estas estimativas são realmente as previsões médias móveis. O primeiro é usar apenas sua pontuação mais recente para prever o seu desempenho futuro. Isso é chamado de média móvel usando um período de dados. A segunda também é uma média móvel, mas usando dois períodos de dados. Vamos supor que todas essas pessoas rebentando em sua grande mente têm tipo de puto você fora e você decidir fazer bem no terceiro teste para suas próprias razões e colocar uma pontuação mais alta na frente de seus quotalliesquot. Você toma o teste e sua pontuação é realmente um 89 Todos, incluindo você, está impressionado. Então agora você tem o teste final do semestre chegando e, como de costume, você sente a necessidade de incitar todo mundo a fazer suas predições sobre como você vai fazer no último teste. Bem, espero que você veja o padrão. Agora, espero que você possa ver o padrão. Qual você acha que é o apito mais preciso enquanto trabalhamos. Agora vamos voltar para a nossa nova empresa de limpeza iniciada por sua meia irmã distante chamado Whistle While We Work. Você tem alguns dados de vendas anteriores representados na seção a seguir de uma planilha. Primeiro, apresentamos os dados para uma previsão média móvel de três períodos. A entrada para a célula C6 deve ser Agora você pode copiar esta fórmula de célula para baixo para as outras células C7 a C11. Observe como a média se move sobre os dados históricos mais recentes, mas usa exatamente os três períodos mais recentes disponíveis para cada previsão. Você também deve notar que nós realmente não precisamos fazer as previsões para os períodos passados, a fim de desenvolver a nossa previsão mais recente. Isto é definitivamente diferente do modelo de suavização exponencial. Ive incluído o quotpast previsõesquot porque vamos usá-los na próxima página da web para medir a validade de previsão. Agora eu quero apresentar os resultados análogos para uma previsão média móvel de dois períodos. A entrada para a célula C5 deve ser Agora você pode copiar esta fórmula de célula para baixo para as outras células C6 a C11. Observe como agora apenas as duas mais recentes peças de dados históricos são utilizados para cada previsão. Mais uma vez incluí as previsões quotpast para fins ilustrativos e para uso posterior na validação de previsão. Algumas outras coisas que são de importância notar. Para uma previsão média móvel de m-período, apenas os m valores de dados mais recentes são usados para fazer a previsão. Nada mais é necessário. Para uma previsão média móvel do período m, ao fazer previsões quotpast, note que a primeira predição ocorre no período m 1. Ambas as questões serão muito significativas quando desenvolvemos nosso código. Desenvolvendo a função de média móvel. Agora precisamos desenvolver o código para a previsão da média móvel que pode ser usado de forma mais flexível. O código segue. Observe que as entradas são para o número de períodos que você deseja usar na previsão ea matriz de valores históricos. Você pode armazená-lo em qualquer pasta de trabalho que você deseja. Função MovingAverage (Histórico, NumberOfPeriods) Como Único Declarar e inicializar variáveis Dim Item Como Variante Dim Counter Como Inteiro Dim Acumulação como Único Dim HistoricalSize As Inteiro Inicializando variáveis Counter 1 Acumulação 0 Determinando o tamanho da Historical array HistoricalSize Historical. Count For Counter 1 To NumberOfPeriods Acumulando o número apropriado dos valores mais recentes anteriormente observados Acumulação Acumulação Histórico (HistoricalSize - NumberOfPeriods Counter) MovingAverage Acumulação / NumberOfPeriods O código será explicado na classe. Você deseja posicionar a função na planilha de forma que o resultado da computação seja exibido onde ele deve gostar do seguinte. Média de Moto Este exemplo ensina como calcular a média móvel de uma série de tempo no Excel. Um avanço em movimento é usado para suavizar irregularidades (picos e vales) para reconhecer facilmente as tendências. 1. Primeiro, vamos dar uma olhada em nossa série de tempo. 2. No separador Dados, clique em Análise de dados. Observação: não é possível encontrar o botão Análise de dados Clique aqui para carregar o suplemento do Analysis ToolPak. 3. Selecione Média móvel e clique em OK. 4. Clique na caixa Input Range e selecione o intervalo B2: M2. 5. Clique na caixa Intervalo e escreva 6. 6. Clique na caixa Output Range e seleccione a célula B3. 8. Faça um gráfico destes valores. Explicação: porque definimos o intervalo como 6, a média móvel é a média dos 5 pontos de dados anteriores eo ponto de dados atual. Como resultado, os picos e vales são suavizados. O gráfico mostra uma tendência crescente. O Excel não consegue calcular a média móvel para os primeiros 5 pontos de dados porque não existem pontos de dados anteriores suficientes. 9. Repita os passos 2 a 8 para intervalo 2 e intervalo 4. Conclusão: Quanto maior o intervalo, mais os picos e vales são suavizados. Quanto menor o intervalo, mais próximas as médias móveis são para os pontos de dados reais. Você gosta deste site gratuito Por favor, compartilhe esta página na função GoogleFORECAST Aplica-se a: Excel 2017, Excel 2017, Excel 2010, Excel 2007, Excel 2017 para Mac, Excel para Mac 2017, Excel Online, Excel para iPad, Excel para iPhone, Excel Para comprimidos Android, Excel Starter, Excel Mobile, Excel para telefones Android, menos Aplica-se a: Excel 2017. Excel 2017. Excel 2010. Excel 2007. Excel 2017 para Mac. Excel para Mac 2017. Excel Online. Excel para iPad. Excel para iPhone. Excel para tablets Android. Starter do Excel. Excel Mobile. Excel para telefones Android. Mais. Este artigo descreve a sintaxe de fórmula e uso da função PREVISÃO no Microsoft Excel. Nota: No Excel 2017, esta função foi substituída por FORECAST. LINEAR como parte das novas funções de previsão. Ainda está disponível para compatibilidade com versões anteriores, mas considere usar a nova função no Excel 2017. Descrição Calcula ou prevê um valor futuro usando valores existentes. O valor previsto é um valor de y para um dado valor de x. Os valores conhecidos são valores x e valores y existentes e o novo valor é predito usando regressão linear. Você pode usar essa função para prever futuras vendas, necessidades de inventário ou tendências de consumo. Sintaxe FORECAST (x, knownys, knownxs) A sintaxe da função FORECAST tem os seguintes argumentos: X Obrigatório. O ponto de dados para o qual você deseja predizer um valor. Knownys Necessário. A matriz dependente ou intervalo de dados. Knownxs Obrigatório. A matriz independente ou intervalo de dados. Comentários Se x é não-numérico, FORECAST retorna o valor de erro VALUE. Se knownys e knownxs estão vazios ou contêm um número diferente de pontos de dados, FORECAST retorna o valor de erro N / A. Se a variância de knownxs é igual a zero, então FORECAST retorna o valor de erro DIV / 0. A equação para PREVISÃO é abx, onde: e onde x e y são a amostra significa MÉDIA (x conhecidos) e MÉDIA (ys conhecidos). Exemplo Copie os dados de exemplo na tabela a seguir e cole-o na célula A1 de uma nova planilha do Excel. Para que as fórmulas mostrem resultados, selecione-as, pressione F2 e pressione Enter. Se você precisar, você pode ajustar as larguras de coluna para ver todos os dados. Excel Previsão de Vendas Para Dummies Cheat Sheet Quando você começa a aprender a previsão, it8217s muitas vezes é uma boa idéia para se apoiar nas ferramentas do Excel no add-in Análise de Dados. Mas seu alcance é bastante limitado e antes de muito tempo é provável que você se encontre aproveitando as funções da planilha do Excel8217s diretamente. Quando você se encontra utilizando todas as estatísticas inferenciais que vêm junto com a função PROJ. LIN, você sabe que é hora de definir sua linha de base para uma previsão formal. 6 Ferramentas de Add-in de Análise de Dados do Excel O suplemento de Análise de Dados, anteriormente conhecido como o ToolPak de Análise, introduz fórmulas em seu nome para que você possa se concentrar no que está acontecendo com seus dados. Ele tem três diferentes ferramentas que são diretamente úteis na previsão média móvel, suavização exponencial e regressão, bem como vários outros que podem ser de ajuda. Heres uma lista de algumas das ferramentas que fazem parte do add-in Data Analysis. Na verdade, existem três diferentes ferramentas ANOVA. Nenhum é especificamente útil para a previsão, mas cada uma das ferramentas pode ajudá-lo a entender o conjunto de dados subjacente à sua previsão. As ferramentas de ANOVA ajudá-lo a distinguir entre as amostras, por exemplo, as pessoas que vivem no Tennessee como uma determinada marca de carro melhor do que aqueles que vivem em Vermont Esta ferramenta é importante, independentemente do método que você usa para criar uma previsão. Se você tem mais de uma variável, ela pode dizer quão fortemente as duas variáveis estão relacionadas (mais ou menos 1.0 é forte, 0.0 significa nenhuma relação). Se você tiver apenas uma variável, ela pode dizer quão fortemente um período de tempo está relacionado a outro. Use a ferramenta Estatística Descritiva para obter uma alça sobre coisas como a média eo desvio padrão de seus dados. Entender essas estatísticas básicas é importante para que você saiba o que está acontecendo com suas previsões. Este nome de ferramentas soa sinistro e intimidante, que a ferramenta não é. Quando você tem apenas uma variável algo como a receita de vendas ou a unidade de vendas você olha para um valor real anterior para prever o próximo (talvez o mês anterior, ou o mesmo mês no ano anterior). Tudo o que essa ferramenta faz é ajustar a próxima previsão usando o erro na previsão anterior. Uma média móvel mostra a média dos resultados ao longo do tempo. O primeiro pode ser a média de janeiro, fevereiro e março, o segundo seria então a média para fevereiro, março e abril e assim por diante. Este método de previsão tende a focar o sinal (o que realmente está acontecendo na linha de base) e a minimizar o ruído (flutuações aleatórias na linha de base). A regressão está intimamente relacionada à correlação. Use essa ferramenta para prever uma variável (como vendas) de outra (como data ou publicidade). Dá-lhe um par de números para usar em uma equação, como vendas 50000 (10 Data). 4 Funções de previsão do Excel O Excel possui muitas ferramentas excelentes para previsão de vendas. Conhecer as seguintes funções é útil para obter seus dados em ordem. Confira as seguintes práticas funções de previsão. A versão de planilha da ferramenta de correlação de suplementos de análise de dados. A diferença é que CORREL recalcula quando os dados de entrada são alterados ea ferramenta Correlação não. Exemplo: CORREL (A1: A50, B1: B50). Além disso, CORREL dá-lhe apenas uma correlação, mas a ferramenta de correlação pode dar-lhe uma matriz de correlações. Você pode usar essa função em vez da ferramenta de regressão de suplementos de análise de dados. (O nome das funções é uma abreviação de estimativa linear.) Para regressão simples, selecione um intervalo de duas colunas e cinco linhas. Você precisa de array-entrar nesta função. Digite, por exemplo, PROJ. LIN (A1: A50, B1: B50,, TRUE) e, em seguida, pressione CtrlShiftEnter. Esta função é útil, pois oferece valores de previsão diretamente, enquanto o PROJ. LIN oferece uma equação que você deve usar para obter a previsão. Por exemplo, use TREND (A1: A50, B1: B50, B51) onde você está previsão de um novo valor com base no que está em B51. A função FORECAST é semelhante à função TREND. A sintaxe é um pouco diferente. Por exemplo, use PREVISÃO (B51, A1: A50, B1: B50) onde você está previsão de um novo valor com base no valor em B51. Além disso, FORECAST trata apenas um preditor, mas TREND pode lidar com vários preditores. O que você obtém da função Excel LINEST para previsão de vendas A função PROJETO do Excel8217s é uma ferramenta útil para previsão de vendas. Saber o que você pode fazer com ele fará seus trabalhos da previsão trabalho fácil. Aqui está um rápido resumo da função PROJETO do Excel8217s, linha a linha: Criando um Movimento Simples Este é um dos três artigos a seguir sobre Análise de Séries Temporais no Excel Visão geral da Média Móvel A média móvel é uma técnica estatística usada para suavizar o curto - Em uma série de dados, a fim de reconhecer mais facilmente tendências ou ciclos de longo prazo. A média móvel é por vezes referida como uma média móvel ou uma média corrente. Uma média móvel é uma série de números, cada um dos quais representa a média de um intervalo de número especificado de períodos anteriores. Quanto maior o intervalo, mais suavização ocorre. Quanto menor o intervalo, mais a média móvel se assemelha à série de dados reais. As médias móveis executam as três funções a seguir: Suavização dos dados, o que significa melhorar o ajuste dos dados a uma linha. Reduzir o efeito da variação temporária e do ruído aleatório. Destaque outliers acima ou abaixo da tendência. A média móvel é uma das técnicas estatísticas mais utilizadas na indústria para identificar tendências de dados. Por exemplo, os gerentes de vendas geralmente visualizam as médias móveis de três meses dos dados de vendas. O artigo irá comparar uma média móvel de dois meses, três meses e seis meses simples dos mesmos dados de venda. A média móvel é usada com bastante frequência na análise técnica de dados financeiros, como retornos de ações e em economia, para localizar tendências em séries macroeconômicas como o emprego. Há uma série de variações da média móvel. Os mais comumente empregados são a média móvel simples, a média móvel ponderada ea média móvel exponencial. Executar cada uma dessas técnicas no Excel será abordado em detalhes em artigos separados neste blog. Aqui está uma breve visão geral de cada uma dessas três técnicas. Média móvel simples Cada ponto em uma média móvel simples é a média de um número especificado de períodos anteriores. Este artigo de blog fornecerá uma explicação detalhada da implementação desta técnica no Excel. Média móvel ponderada Os pontos na média móvel ponderada também representam uma média de um número específico de períodos anteriores. A média móvel ponderada aplica uma ponderação diferente a certos períodos anteriores, muitas vezes os períodos mais recentes recebem um peso maior. Um link para outro artigo neste blog que fornece uma explicação detalhada da implementação desta técnica no Excel é a seguinte: Média móvel exponencial Pontos na média móvel exponencial também representam uma média de um número especificado de períodos anteriores. A suavização exponencial aplica fatores de ponderação a períodos anteriores que diminuem exponencialmente, nunca atingindo zero. Como resultado, a suavização exponencial leva em conta todos os períodos anteriores em vez de um número designado de períodos anteriores que a média móvel ponderada faz. Um link para outro artigo neste blog que fornece uma explicação detalhada da implementação desta técnica no Excel é o seguinte: O seguinte descreve o processo de 3 etapas de criar uma média móvel simples de dados de séries temporais no Excel Etapa 1 8211 Graph Os dados originais em um gráfico de séries temporais O gráfico de linhas é o gráfico de Excel mais comumente utilizado para representar graficamente dados de séries temporais. Um exemplo de um gráfico do Excel usado para plotar 13 períodos de dados de vendas é mostrado da seguinte forma: Etapa 2 8211 Criar a média móvel no Excel O Excel fornece a ferramenta Média móvel no menu Análise de dados. A ferramenta Média Móvel cria uma média móvel simples a partir de uma série de dados. A caixa de diálogo Média Móvel deve ser preenchida da seguinte forma para criar uma média móvel dos dois períodos anteriores de dados para cada ponto de dados. A saída da média móvel de 2 períodos é mostrada como se segue, juntamente com as fórmulas que foram utilizadas para calcular o valor de cada ponto na média móvel. Etapa 3 8211 Adicionar a série de média móvel ao gráfico Esses dados devem agora ser adicionados ao gráfico que contém os dados originais da linha de tempo de vendas. Os dados serão simplesmente adicionados como mais uma série de dados no gráfico. Para fazer isso, clique com o botão direito do mouse em qualquer lugar no gráfico e um menu será exibido. Clique em Selecionar dados para adicionar a nova série de dados. A série de média móvel será adicionada preenchendo a caixa de diálogo Editar Série da seguinte forma: O gráfico que contém a série de dados original ea média móvel simples de 2 intervalos de dados é mostrado da seguinte forma. Observe que a linha de média móvel é bastante mais suave e os desvios de dados brutos acima e abaixo da linha de tendência são muito mais aparentes. A tendência geral é agora muito mais aparente também. Uma média móvel de 3 intervalos pode ser criada e colocada no gráfico usando o mesmo procedimento da seguinte maneira: É interessante observar que a média móvel simples de 2 intervalos cria um gráfico mais suave que a média móvel simples de 3 intervalos. Neste caso, a média móvel simples de 2 intervalos pode ser mais desejável do que a média móvel de 3 intervalos. Para comparação, uma média móvel simples de 6 intervalos será calculada e adicionada ao gráfico da mesma maneira como segue: Como esperado, a média móvel simples de 6 intervalos é significativamente mais suave do que as médias móveis simples de 2 ou 3 intervalos. Um gráfico mais suave se encaixa mais diretamente em uma linha reta. Analisando Precisão de Precisão A precisão pode ser descrita como bondade de ajuste. Os dois componentes da precisão de previsão são os seguintes: Tendência de previsão 8211 A tendência de uma previsão ser consistentemente maior ou menor do que os valores reais de uma série temporal. O viés de previsão é a soma de todo o erro dividido pelo número de períodos da seguinte maneira: Um viés positivo indica uma tendência para a subprevisão. Um viés negativo indica uma tendência para sobre-previsão. A polarização não mede a precisão porque os erros positivo e negativo se cancelam mutuamente. Erro de Previsão 8211 A diferença entre os valores reais de uma série temporal e os valores previstos da previsão. As medidas mais comuns de erro de previsão são as seguintes: MAD 8211 Desvio absoluto médio MAD calcula o valor absoluto médio do erro e é calculado com a seguinte fórmula: A média dos valores absolutos dos erros elimina o efeito de cancelamento de erros positivos e negativos. Quanto menor o MAD, melhor o modelo é. MSE 8211 Mean Squared Error MSE é uma medida popular de erro que elimina o efeito de cancelamento de erros positivos e negativos somando os quadrados do erro com a seguinte fórmula: Os termos de grande erro tendem a exagerar MSE porque os termos de erro são todos quadrados. RMSE (Root Mean Square) reduz esse problema, tomando a raiz quadrada de MSE. MAPE 8211 Percentagem absoluta média MAPE também elimina o efeito de cancelamento de erros positivos e negativos somando os valores absolutos dos termos de erro. O MAPE calcula a soma dos termos de erro percentual com a seguinte fórmula: Ao somar os termos de erro percentual, o MAPE pode ser usado para comparar modelos de previsão que usam diferentes escalas de medição. Calculando Bias, MAD, MSE, RMSE e MAPE no Excel Para o Bias de Média Móvel Simples, MAD, MSE, RMSE e MAPE serão calculados no Excel para avaliar o intervalo simples de 2 intervalos, 3 intervalos e 6 intervalos Média obtida neste artigo e mostrada da seguinte forma: O primeiro passo é calcular E t. E t 2. E t, E t / Y t-act. E então somá-los da seguinte maneira: Bias, MAD, MSE, MAPE e RMSE podem ser calculados da seguinte forma: Os mesmos cálculos são agora realizados para calcular Bias, MAD, MSE, MAPE e RMSE para a média móvel simples de 3 intervalos. Os mesmos cálculos são agora realizados para calcular Bias, MAD, MSE, MAPE e RMSE para a média móvel simples de 6 intervalos. Bias, MAD, MSE, MAPE e RMSE são resumidos para as médias móveis simples de 2 intervalos, 3 intervalos e 6 intervalos, como se segue. A média móvel simples de 3 intervalos é o modelo que mais se ajusta aos dados reais. 160 Excel Master Series Blog Diretório Estatística Tópicos e Artigos em cada tópico
No comments:
Post a Comment