Berechnen Gleit Durchschnitt Prognose Excel

Moving Average Dieses Beispiel lehrt Sie, wie Sie den gleitenden Durchschnitt einer Zeitreihe in Excel berechnen können. Ein gleitender Durchschnitt wird verwendet, um Unregelmäßigkeiten (Gipfel und Täler) zu glätten, um Trends leicht zu erkennen. 1. Zuerst schauen wir uns unsere Zeitreihen an. 2. Klicken Sie auf der Registerkarte Daten auf Datenanalyse. Hinweis: Kann die Schaltfläche Datenanalyse nicht finden Hier klicken, um das Analysis ToolPak-Add-In zu laden. 3. Wählen Sie Moving Average und klicken Sie auf OK. 4. Klicken Sie in das Feld Eingabebereich und wählen Sie den Bereich B2: M2. 5. Klicken Sie in das Feld Intervall und geben Sie 6 ein. 6. Klicken Sie in das Feld Ausgabebereich und wählen Sie Zelle B3. 8. Zeichnen Sie einen Graphen dieser Werte. Erläuterung: Da wir das Intervall auf 6 setzen, ist der gleitende Durchschnitt der Durchschnitt der bisherigen 5 Datenpunkte und der aktuelle Datenpunkt. Dadurch werden Gipfel und Täler geglättet. Die Grafik zeigt einen zunehmenden Trend. Excel kann den gleitenden Durchschnitt für die ersten 5 Datenpunkte nicht berechnen, da es nicht genügend vorherige Datenpunkte gibt. 9. Wiederholen Sie die Schritte 2 bis 8 für Intervall 2 und Intervall 4. Fazit: Je größer das Intervall, desto mehr werden die Gipfel und Täler geglättet. Je kleiner das Intervall, desto näher sind die gleitenden Mittelwerte zu den tatsächlichen Datenpunkten. Wie berechnen Bewegungsdurchschnitte in Excel Excel Datenanalyse für Dummies, 2. Auflage Der Datenanalyse-Befehl bietet ein Werkzeug für die Berechnung von beweglichen und exponentiell geglätteten Mittelwerten in Excel. Angenommen, aus Gründen der Veranschaulichung, dass Sie die tägliche Temperaturinformation gesammelt haben. Sie wollen den dreitägigen gleitenden Durchschnitt berechnen 8212 der Durchschnitt der letzten drei Tage 8212 als Teil einer einfachen Wettervorhersage. Um die gleitenden Durchschnitte für diesen Datensatz zu berechnen, gehen Sie wie folgt vor: Um einen 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 Durchschnitt verschieben aus, und klicken Sie dann auf OK. Excel zeigt das Dialogfeld Moving Average an. Identifizieren Sie die Daten, die Sie verwenden möchten, um den gleitenden Durchschnitt zu berechnen. Klicken Sie in das Eingabefeld Eingabebereich des Dialogfelds "Verschieben von Mittel". Dann identifizieren Sie den Eingabebereich, indem Sie entweder eine Arbeitsblattbereichsadresse eingeben oder mit der Maus den Arbeitsblattbereich auswählen. Ihr Bereichsreferenz sollte absolute Zellenadressen verwenden. Eine absolute Zellenadresse geht dem Spaltenbrief und der Zeilennummer mit Zeichen vor, wie bei A1: A10. Wenn die erste Zelle in Ihrem Eingabebereich eine Textbeschriftung enthält, um Ihre Daten zu identifizieren oder zu beschreiben, markieren Sie das Kontrollkästchen Etiketten in der ersten Zeile. Vergewissern Sie sich im Textfeld Intervall, wie viele Werte in die gleitende Durchschnittsberechnung einbezogen werden sollen. Sie können einen gleitenden Durchschnitt mit einer beliebigen Anzahl von Werten berechnen. Standardmäßig verwendet Excel die letzten drei Werte, um den gleitenden Durchschnitt zu berechnen. Um festzulegen, dass eine andere Anzahl von Werten verwendet wird, um den gleitenden Durchschnitt zu berechnen, geben Sie diesen Wert in das Intervall-Textfeld ein. Sagen Sie Excel, wo die 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 Arbeitsblatts wurden die gleitenden Durchschnittsdaten in den Arbeitsblattbereich B2: B10 eingefügt. (Optional) Geben Sie an, ob ein Diagramm angezeigt werden soll. Wenn Sie ein Diagramm wünschen, das die gleitenden durchschnittlichen Informationen aufgibt, markieren Sie das Kontrollkästchen Diagrammausgabe. (Optional) Geben Sie an, ob Standardfehlerinformationen berechnet werden sollen. Wenn Sie Standardfehler für die Daten berechnen möchten, markieren Sie das Kontrollkästchen Standardfehler. Excel setzt Standardfehlerwerte neben den gleitenden Mittelwerten. (Die Standardfehlerinformation geht in C2: C10.) Nachdem Sie die Angabe festgelegt haben, welche gleitenden durchschnittlichen Informationen Sie berechnen möchten und wo Sie es platzieren möchten, klicken Sie auf OK. Excel berechnet gleitende durchschnittliche Informationen. Hinweis: Wenn Excel nicht genügend Informationen hat, um einen gleitenden Durchschnitt für einen Standardfehler zu berechnen, legt er die Fehlermeldung in die Zelle. Sie können mehrere Zellen sehen, die diese Fehlermeldung als Wert anzeigen. Creating a Simple Moving Dies ist einer der folgenden drei Artikel auf Time Series Analysis in Excel Überblick über die Moving Average Der gleitende Durchschnitt ist eine statistische Technik verwendet, um kurz - Langfristige Schwankungen in einer Reihe von Daten, um längerfristig Trends oder Zyklen leichter zu erkennen. 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. Dieser Blog Artikel wird eine detaillierte Erklärung der Umsetzung dieser Technik in Excel. Die gewichteten beweglichen Mittelpunkte 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. Ein Link zu einem anderen Artikel in diesem Blog, der eine detaillierte Erklärung der Implementierung dieser Technik in Excel liefert, ist wie folgt: Exponentielle Moving Average Points 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. Ein Link zu einem anderen Artikel in diesem Blog, der eine ausführliche Erläuterung der Implementierung dieser Technik in Excel liefert, ist wie folgt: Im Folgenden wird der 3-stufige Prozess der Erstellung eines einfachen gleitenden Durchschnitts von Zeitreihendaten in Excel beschrieben. Schritt 1 8211 Graph Die ursprünglichen Daten in einer Zeitreihen-Plot 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 Moving Average in Excel Excel bietet das Moving Average Tool im Menü Datenanalyse. Das Moving Average Tool schafft einen einfachen gleitenden Durchschnitt aus einer Datenreihe. Die Moving Average Dialogbox sollte wie folgt ausgefüllt werden, um einen gleitenden Durchschnitt der vorherigen 2 Perioden von Daten für jeden Datenpunkt zu erstellen. Die Ausgabe des 2-Perioden-gleitenden Durchschnitts wird zusammen mit den Formeln gezeigt, die verwendet wurden, um den Wert jedes Punktes im gleitenden Durchschnitt zu berechnen. Schritt 3 8211 Hinzufügen der 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 Serie wird hinzugefügt, indem man die Dialogbox "Edit Series" wie folgt vervollständigt: Das Diagramm, das die ursprüngliche Datenreihe enthält und diese Daten8217s 2-Intervall einfacher gleitender 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-Gleitende Durchschnitt kann erstellt und auf dem Diagramm mit dem gleichen Verfahren wie folgt platziert werden: Es ist interessant zu bemerken, dass der 2-Intervall einfacher gleitender Durchschnitt einen glatteren Graphen erzeugt als der 3-Intervall einfacher gleitender Durchschnitt. In diesem Fall kann der 2-Intervall-Gleitender Durchschnitt um so wünschenswerter sein als der durchschnittliche Gleitdurchschnitt von 3 Intervallen. Zum Vergleich wird ein 6-Intervall einfacher gleitender Durchschnitt berechnet und dem Diagramm in der gleichen Weise wie folgt hinzugefügt: Wie erwartet, ist der 6-Intervall einfacher gleitender Durchschnitt signifikant glatter als der 2 oder 3-Intervall einfache gleitende Mittelwerte. Ein glatteres Graphen passt genau zu einer Geraden. Analysieren der Prognose Genauigkeit Genauigkeit kann als Güte der Passform beschrieben werden. Die beiden Komponenten der Prognosegenauigkeit sind folgende: 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 Simple Moving Average Bias, MAD, MSE, RMSE und MAPE wird in Excel berechnet, um das 2-Intervall-, 3-Intervall - und 6-Intervall einfaches Bewegen 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 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 einfach gleitenden Durchschnitt zu berechnen. Die gleichen Berechnungen werden nun durchgeführt, um Bias, MAD, MSE, MAPE und RMSE für den 6-Intervall einfach gleitenden Durchschnitt zu berechnen. Bias, MAD, MSE, MAPE und RMSE sind für die 2-Intervall-, 3-Intervall - und 6-Intervall-Einfachbewegungsdurchschnitte wie folgt zusammengefasst. Der 3-Intervall einfacher gleitender Durchschnitt ist das Modell, das am ehesten zu den tatsächlichen Daten passt. 160 Excel Master Series Blog Directory Statistische Themen und Artikel in jedem TopicMoving Durchschnittliche Vorhersage Einführung. Wie Sie vielleicht vermuten, sehen wir uns einige der primitivsten Ansätze zur Prognose an. Aber hoffentlich sind dies zumindest eine lohnende Einführung in einige der Computing-Fragen im Zusammenhang mit der Umsetzung von Prognosen in Tabellenkalkulationen. In diesem Sinne werden wir fortfahren, indem wir am Anfang beginnen und mit Moving Average Prognosen arbeiten. Gleitende durchschnittliche Prognosen. Jeder ist mit gleitenden durchschnittlichen Prognosen vertraut, unabhängig davon, ob sie glauben, dass sie sind. Alle College-Studenten machen sie die ganze Zeit. Denken Sie an Ihre Testergebnisse in einem Kurs, wo Sie vier Tests während des Semesters haben werden. Nehmen wir an, Sie haben eine 85 bei Ihrem ersten Test. Was würdest du für deinen zweiten Test-Score vorhersagen Was denkst du, dein Lehrer würde für deinen nächsten Test-Score voraussagen Was denkst du, deine Freunde können für deinen nächsten Test-Score voraussagen Was denkst du, deine Eltern können für deinen nächsten Test-Score voraussagen All das Blabbing, das du mit deinen Freunden und Eltern machen kannst, sie und deinem Lehrer sind sehr wahrscheinlich zu erwarten, dass du etwas im Bereich der 85 bekommst, die du gerade bekommen hast. Nun, jetzt können wir davon ausgehen, dass trotz Ihrer Selbst-Förderung zu Ihren Freunden, Sie über-schätzen Sie sich selbst und Figur können Sie weniger für den zweiten Test zu studieren und so erhalten Sie eine 73. Nun, was sind alle betroffenen und unbekümmert zu gehen Erwarten Sie auf Ihrem dritten Test zu bekommen Es gibt zwei sehr wahrscheinlich Ansätze für sie eine Schätzung zu entwickeln, unabhängig davon, ob sie es mit Ihnen teilen wird. Sie können sich selbst sagen, "dieser Kerl ist immer bläst Rauch über seine smarts. Er wird noch 73, wenn er glücklich ist. Vielleicht werden die Eltern versuchen, mehr unterstützend zu sein und zu sagen, quotWell, so weit hast du eine 85 und eine 73 bekommen, also vielleicht solltest du auf eine (85 73) 2 79 kommen. Ich weiß nicht, vielleicht, wenn du weniger feiern musst Und werent wedelte den Wiesel überall auf den Platz und wenn du anfing, viel mehr zu studieren, könntest du eine höhere Punktzahl bekommen. Diese beiden Schätzungen belegen tatsächlich durchschnittliche Prognosen. Die erste nutzt nur Ihre aktuellste Punktzahl, um Ihre zukünftige Leistung zu prognostizieren. Dies wird als eine gleitende durchschnittliche Prognose mit einer Periode von Daten bezeichnet. Die zweite ist auch eine gleitende durchschnittliche Prognose, aber mit zwei Perioden von Daten. Nehmen wir an, dass all diese Leute, die auf deinem großen Verstand zerschlagen sind, dich irgendwie verärgert haben und du entscheidest, den dritten Test aus deinen eigenen Gründen gut zu machen und eine höhere Punktzahl vor deinem Quoten zu setzen. Sie nehmen den Test und Ihre Partitur ist eigentlich ein 89 Jeder, auch Sie selbst, ist beeindruckt. So, jetzt haben Sie die endgültige Prüfung des Semesters kommen und wie üblich fühlen Sie sich die Notwendigkeit, goad jeder in die Herstellung ihrer Vorhersagen darüber, wie youll auf den letzten Test zu tun. Nun, hoffentlich sehen Sie das Muster. Nun, hoffentlich kannst du das Muster sehen. Was glaubst du, ist die genaueste Pfeife während wir arbeiten. Jetzt kehren wir zu unserer neuen Reinigungsfirma zurück, die von deiner entfremdeten Halbschwester namens Whistle während wir arbeiten. Sie haben einige vergangene Verkaufsdaten, die durch den folgenden Abschnitt aus einer Kalkulationstabelle dargestellt werden. Zuerst stellen wir die Daten für eine dreistellige gleitende durchschnittliche Prognose vor. Der Eintrag für Zelle C6 sollte jetzt sein. Du kannst diese Zellformel auf die anderen Zellen C7 bis C11 kopieren. Beachten Sie, wie sich der Durchschnitt über die aktuellsten historischen Daten bewegt, aber genau die drei letzten Perioden verwendet, die für jede Vorhersage verfügbar sind. Sie sollten auch bemerken, dass wir nicht wirklich brauchen, um die Vorhersagen für die vergangenen Perioden zu machen, um unsere jüngsten Vorhersage zu entwickeln. Dies unterscheidet sich definitiv von dem exponentiellen Glättungsmodell. Ive enthalten die quotpast Vorhersagen, weil wir sie in der nächsten Webseite verwenden, um die Vorhersagegültigkeit zu messen. Jetzt möchte ich die analogen Ergebnisse für eine zweistufige gleitende durchschnittliche Prognose vorstellen. Der Eintrag für Zelle C5 sollte jetzt sein. Du kannst diese Zellformel in die anderen Zellen C6 bis C11 kopieren. Beachten Sie, wie jetzt nur die beiden letzten Stücke der historischen Daten für jede Vorhersage verwendet werden. Wieder habe ich die quotpast-Vorhersagen für illustrative Zwecke und für die spätere Verwendung in der Prognose-Validierung enthalten. Einige andere Dinge, die wichtig sind, um zu bemerken. Für eine m-Periode gleitende durchschnittliche Prognose werden nur die m aktuellsten Datenwerte verwendet, um die Vorhersage zu machen. Nichts anderes ist nötig Für eine m-Periode gleitende durchschnittliche Prognose, wenn Sie quotpast Vorhersagen quot, bemerken, dass die erste Vorhersage in Periode m 1 auftritt. Beide Themen werden sehr wichtig sein, wenn wir unseren Code entwickeln. Entwicklung der beweglichen Mittelfunktion. Jetzt müssen wir den Code für die gleitende Mittelprognose entwickeln, die flexibler genutzt werden kann. Der Code folgt. Beachten Sie, dass die Eingaben für die Anzahl der Perioden gelten, die Sie in der Prognose und dem Array von historischen Werten verwenden möchten. Sie können es in der beliebigen Arbeitsmappe speichern. Funktion MovingAverage (Historical, NumberOfPeriods) Als Single Declaring und Initialisierung von Variablen Dim Item als Variant Dim Zähler als Integer Dim Akkumulation als Single Dim HistoricalSize als Integer Initialisierung von Variablen Counter 1 Akkumulation 0 Bestimmen der Größe von Historical Array HistoricalSize Historical. Count For Counter 1 To NumberOfPeriods Akkumulation der entsprechenden Anzahl der aktuellsten bisher beobachteten Werte Akkumulation Akkumulation Historical (HistoricalSize - NumberOfPeriods Counter) MovingAverage Accumulation NumberOfPeriods Der Code wird in der Klasse erklärt. Sie möchten die Funktion auf der Kalkulationstabelle positionieren, damit das Ergebnis der Berechnung erscheint, wo es wie folgt ankommt: