Moving Average Smoothing Factor

Vorhersage von Smoothing Techniques Diese Seite ist ein Teil der JavaScript E-Labs Lernobjekte für die Entscheidungsfindung. Andere JavaScript in dieser Serie sind unter verschiedenen Bereichen von Anwendungen im Abschnitt MENU auf dieser Seite kategorisiert. Eine Zeitreihe ist eine Folge von Beobachtungen, die zeitlich geordnet sind. Inhärent in der Sammlung von Daten über die Zeit genommen, ist eine Form der zufälligen Variation. Es gibt Methoden zur Verringerung der Annullierung der Wirkung aufgrund zufälliger Variation. Weit verbreitete Techniken sind Glättung. Diese Techniken, wenn richtig angewandt, zeigt deutlicher die zugrunde liegenden Trends. Geben Sie die Zeitreihe Row weise in der Reihenfolge, ausgehend von der linken oberen Ecke, und die Parameter (n), und klicken Sie auf die Schaltfläche Berechnen für den Erhalt einer perioden voraus Prognose. Blank Boxen sind nicht in den Berechnungen, sondern Nullen enthalten. Wenn Sie Ihre Daten eingeben, um von Zelle zu Zelle in der Daten-Matrix zu bewegen, verwenden Sie die Tabulatortaste nicht Pfeil oder geben Sie die Tasten ein. Merkmale der Zeitreihen, die durch die Untersuchung seines Graphen aufgezeigt werden könnten. Mit den prognostizierten Werten und dem Residualverhalten, Condition Prognose Modellierung. Moving Averages: Gleitende Durchschnitte zählen zu den beliebtesten Techniken für die Vorverarbeitung von Zeitreihen. Sie werden verwendet, um zufälliges weißes Rauschen aus den Daten zu filtern, um die Zeitreihe glatter zu machen oder sogar bestimmte in der Zeitreihe enthaltene Informationskomponenten zu betonen. Exponentialglättung: Dies ist ein sehr populäres Schema, um eine geglättete Zeitreihe zu erzeugen. Während in den gleitenden Durchschnitten die früheren Beobachtungen gleich gewichtet werden, weist Exponentialglättung exponentiell abnehmende Gewichte zu, wenn die Beobachtung älter wird. Mit anderen Worten, die jüngsten Beobachtungen sind relativ mehr Gewicht in der Prognose gegeben als die älteren Beobachtungen. Double Exponential Smoothing ist besser im Umgang mit Trends. Triple Exponential Smoothing ist besser im Umgang mit Parabeltrends. Ein exponentiell gewichteter gleitender Durchschnitt mit einer Glättungskonstanten a. Entspricht in etwa einem einfachen gleitenden Durchschnitt der Länge (d. h. Periode) n, wobei a und n durch a 2 / (n1) OR n (2 - a) / a verknüpft sind. So würde beispielsweise ein exponentiell gewichteter gleitender Durchschnitt mit einer Glättungskonstante gleich 0,1 etwa einem 19 Tage gleitenden Durchschnitt entsprechen. Und ein 40 Tage einfacher gleitender Durchschnitt würde etwa einem exponentiell gewichteten gleitenden Durchschnitt mit einer Glättungskonstanten gleich 0,04878 entsprechen. Holts Lineare Exponentialglättung: Angenommen, die Zeitreihe ist nicht saisonal, sondern zeigt Trend. Holts-Methode schätzt sowohl das aktuelle Niveau als auch den aktuellen Trend. Beachten Sie, dass der einfache gleitende Durchschnitt ein Spezialfall der exponentiellen Glättung ist, indem die Periode des gleitenden Mittelwertes auf den ganzzahligen Teil von (2-Alpha) / Alpha gesetzt wird. Für die meisten Geschäftsdaten ist ein Alpha-Parameter kleiner als 0,40 oft effektiv. Man kann jedoch eine Gittersuche des Parameterraums mit 0,1 bis 0,9 mit Inkrementen von 0,1 durchführen. Dann hat das beste Alpha den kleinsten mittleren Absolutfehler (MA Error). Wie man mehrere Glättungsmethoden miteinander vergleicht: Obwohl es numerische Indikatoren für die Beurteilung der Genauigkeit der Prognosetechnik gibt, besteht der am weitesten verbreitete Ansatz darin, einen visuellen Vergleich mehrerer Prognosen zu verwenden, um deren Genauigkeit zu bewerten und unter den verschiedenen Prognosemethoden zu wählen. Bei diesem Ansatz muss man auf demselben Graphen die ursprünglichen Werte einer Zeitreihenvariablen und die vorhergesagten Werte aus verschiedenen Prognoseverfahren aufzeichnen und damit einen visuellen Vergleich erleichtern. Sie können die Vergangenheitsvorhersage von Smoothing Techniques JavaScript verwenden, um die letzten Prognosewerte basierend auf Glättungstechniken zu erhalten, die nur einen einzigen Parameter verwenden. Holt - und Winters-Methoden zwei bzw. drei Parameter, daher ist es keine leichte Aufgabe, die optimalen oder sogar nahezu optimalen Werte durch Versuch und Fehler für die Parameter auszuwählen. Die einzelne exponentielle Glättung betont die kurzreichweite Perspektive, die sie den Pegel auf die letzte Beobachtung setzt und basiert auf der Bedingung, dass es keinen Trend gibt. Die lineare Regression, die auf eine Linie der kleinsten Quadrate zu den historischen Daten (oder transformierten historischen Daten) passt, repräsentiert die lange Reichweite, die auf dem Grundtrend konditioniert ist. Holts lineare exponentielle Glättung erfasst Informationen über die jüngsten Trend. Die Parameter im Holts-Modell sind Ebenenparameter, die verringert werden sollten, wenn die Menge der Datenvariation groß ist, und der Trends-Parameter sollte erhöht werden, wenn die jüngste Trendrichtung durch die verursachenden Faktoren unterstützt wird. Kurzfristige Prognose: Beachten Sie, dass jeder JavaScript auf dieser Seite eine einstufige Prognose zur Verfügung stellt. Um eine zweistufige Prognose zu erhalten. Fügen Sie einfach den prognostizierten Wert an das Ende der Zeitreihendaten und klicken Sie dann auf die Schaltfläche Berechnen. Sie können diesen Vorgang für ein paar Mal wiederholen, um die benötigten kurzfristigen forecasts. Smoothing Techniques Wenn Daten gesammelt im Laufe der Zeit zeigt zufällige Variation, Glättungstechniken verwendet, um die Wirkung dieser Variationen zu verringern oder zu stornieren werden kann zu erhalten. Wenn sie richtig angewandt werden, glätten diese Techniken die zufällige Veränderung in den Zeitreihendaten, um die zugrunde liegenden Trends aufzudecken. XLMiner bietet vier verschiedene Glättungstechniken: Exponential, Moving Average, Double Exponential und Holt-Winters. Exponential und Moving Average sind relativ einfache Glättungstechniken und sollten nicht an Datensätzen mit Saisonalität durchgeführt werden. Double Exponential und Holt-Winters sind fortgeschrittenere Techniken, die auf Datensätzen mit Saisonalität angewendet werden können. Exponential Smoothing ist eine der beliebtesten Glättungstechniken aufgrund seiner Flexibilität, Leichtigkeit in der Berechnung und gute Leistung. Die exponentielle Glättung verwendet eine einfache Durchschnittsberechnung, um exponentiell abnehmende Gewichte beginnend mit den letzten Beobachtungen zuzuordnen. Neue Beobachtungen werden in der Durchschnittsberechnung relativ stärker berücksichtigt als ältere Beobachtungen. Das Exponential-Glättungswerkzeug verwendet die folgenden Formeln. ursprünglichen Beobachtungen von t beginnend bei t bezeichnet 0 ist der Glättungsfaktor, der nur zwischen 0 und 1 exponentielle Glättung sollte liegt verwendet werden, wenn der Datensatz keine Saisonalität enthält. Die Prognose ist ein konstanter Wert, der der geglättete Wert der letzten Beobachtung ist. Moving Average Glättung durchschnittlich Glättung bewegt, wird jede Beobachtung eine gleiche Gewichtung zugeordnet, und jede Beobachtung wird unter Verwendung der Durchschnitt der vorherigen Beobachtung prognostiziert (s). Verwendung der Zeitreihe X 1. X 2. X 3. X t. Diese Glättungsmethode sagt X tk wie folgt voraus. Wobei k der Glättungsparameter ist. XLMiner erlaubt einen Parameterwert zwischen 2 und t-1, wobei t die Anzahl der Beobachtungen im Datensatz ist. Beachten Sie, dass bei der Auswahl dieses Parameters ein großer Parameterwert die Daten übersteigt, während ein kleiner Parameterwert die Daten unterschreitet. Die letzten drei Beobachtungen werden die zukünftigen Beobachtungen vorhersagen. Wie bei der Exponentialglättung sollte diese Technik nicht angewendet werden, wenn in dem Datensatz eine Saisonalität vorliegt. Doppelte Exponentialglättung Doppelte Exponentialglättung kann als rekursive Anwendung eines Exponentialfilters zweimal in einer Zeitreihe definiert werden. Double Exponential Smoothing sollte nicht verwendet werden, wenn die Daten Saisonalität enthält. Diese Technik führt eine zweite Gleichung ein, die einen Trendparameter enthält, wobei diese Technik verwendet werden sollte, wenn ein Trend in dem Datensatz vorhanden ist, aber nicht verwendet wird, wenn Saisonalität vorhanden ist. Die doppelte Exponentialglättung wird durch die folgenden Formeln definiert. Die Prognosegleichung lautet: X tk A t K B t. K 1, 2, 3. wobei a den Alpha-Parameter und b die Trendparameter bezeichnet. Diese beiden Parameter können manuell eingegeben werden. XLMiner enthält eine Optimierungsfunktion, die die besten Werte für Alpha - und Trendparameter basierend auf dem Vorhersage-Mittelwert-Fehler auswählen wird. Wenn der Trendparameter 0 ist, entspricht diese Technik der Exponentialglättungstechnik. (Allerdings Ergebnisse können nicht identisch sein aufgrund unterschiedlicher Initialisierungsmethoden für diese beiden Techniken.) Holt Winters Glättung stellt einen dritten Parameter (g) für Saisonalität zu berücksichtigen (oder Periodizität) in einem Datensatz. Der resultierende Satz von Gleichungen wird nach den Namen der Erfinder als Holt-Winters-Methode bezeichnet. Die Holt-Winters-Methode kann auf Datensätzen mit Trend - und Saisonalität (a, b) angewendet werden. Die Werte für alle drei Parameter können zwischen 0 und 1 liegen. Die folgenden drei Modelle sind dieser Methode zugeordnet. Multiplikativ: X t (A t B t) S t e t wobei A t und B t vorher berechnete Anfangsschätzungen sind. S t ist der saisonale Durchschnitt der t-ten Jahreszeit. Holt-Winters Glättung ist ähnlich exponentielle Glättung, wenn b und g 0, und ist vergleichbar mit Doppel exponentielle Glättung, wenn g 0.How für Dummies gewichteten Gleitende Durchschnitte in Excel unter Verwendung der exponentiellen Glättung Excel Datenanalyse zu ermitteln, 2. Auflage Das exponentielle Glättung Werkzeug 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 arbeitet, nehmen Sie an, dass Sie wieder die durchschnittliche tägliche Temperaturinformation betrachten. Gehen Sie folgendermaßen vor, um gewichtete gleitende Mittelwerte mit exponentieller Glättung zu berechnen: Um einen exponentiell geglätteten gleitenden Durchschnitt zu berechnen, klicken Sie zuerst auf die Schaltfläche Data tab8217s Data Analysis. Wenn Excel das Dialogfeld Datenanalyse anzeigt, wählen Sie aus der Liste den Punkt Exponentielle Glättung aus, und klicken Sie 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. Identifizieren Sie dann den Eingabebereich, indem Sie entweder eine Arbeitsbereichsadresse eingeben oder den Arbeitsblattbereich auswählen. Wenn Ihr Eingabebereich eine Textbeschriftung enthält, um Ihre Daten zu identifizieren oder zu beschreiben, aktivieren Sie das Kontrollkästchen Beschriftungen. Geben Sie die Glättung konstant. Geben Sie den Glättungskonstantenwert in das Textfeld Dämpfungsfaktor ein. Die Excel-Hilfedatei legt nahe, dass Sie eine Glättungskonstante zwischen 0,2 und 0,3 verwenden. Vermutlich jedoch, wenn Sie dieses Werkzeug verwenden, haben Sie Ihre eigenen Ideen, was die richtige Glättungskonstante ist. (Wenn you8217re ahnungslos über die Glättungskonstante, vielleicht sollten Sie shouldn8217t mit diesem Tool.) Sagen Sie Excel, wo die exponentiell geglättete gleitende durchschnittliche Daten platzieren. Verwenden Sie das Textfeld Ausgabebereich, um den Arbeitsblattbereich zu identifizieren, in dem Sie die gleitenden Durchschnittsdaten platzieren möchten. Beispielsweise legen Sie die gleitenden Durchschnittsdaten in das Arbeitsblatt-Feld B2: B10. (Optional) Diagramm die exponentiell geglätteten Daten. Um die exponentiell geglätteten Daten darzustellen, aktivieren Sie das Kontrollkästchen "Diagrammausgabe". (Optional) Geben Sie an, dass Standardfehlerinformationen berechnet werden sollen. Um Standardfehler zu berechnen, aktivieren Sie das Kontrollkästchen Standardfehler. Excel legt Standardfehlerwerte neben den exponentiell geglätteten gleitenden Mittelwerten fest. Klicken Sie auf OK, nachdem Sie festgelegt haben, welche gleitenden durchschnittlichen Informationen Sie berechnen möchten und wo Sie sie platzieren möchten. Excel berechnet gleitende Durchschnittsinformationen.