A เฉลี่ยเคลื่อนที่ รูปแบบ งาน ที่ดีที่สุด เมื่อ in the อนุกรมเวลา

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 ช่วงเวลายิ่งยอดและหุบเขาจะเรียบลงเท่าไรช่วงเวลาที่ใกล้เคียงกันค่าเฉลี่ยเคลื่อนที่ที่ใกล้เคียงกับจุดข้อมูลจริงในทางปฏิบัติค่าเฉลี่ยเคลื่อนที่จะให้ค่าเฉลี่ยที่ดีของค่าเฉลี่ยของชุดข้อมูลเวลาถ้าค่าเฉลี่ย เป็นค่าคงตัวหรือค่อยๆเปลี่ยนแปลงในกรณีของค่าคงที่ค่าที่มากที่สุดของ m จะให้ค่าประมาณที่ดีที่สุดของค่าเฉลี่ยระยะเวลาการสังเกตนานขึ้นจะเฉลี่ยผลกระทบของความแปรปรวนวัตถุประสงค์ของการให้ m ที่เล็กกว่าคือการอนุญาตให้ การคาดการณ์เพื่อตอบสนองต่อการเปลี่ยนแปลงกระบวนการอ้างอิงเพื่อแสดงให้เห็นว่าเราเสนอชุดข้อมูลที่รวมการเปลี่ยนแปลงค่าเฉลี่ยของชุดค่าผสมเวลาชุดภาพแสดงชุดข้อมูลเวลาที่ใช้สำหรับภาพรวมพร้อมกับความต้องการเฉลี่ยที่สร้างขึ้น ค่าเฉลี่ยเริ่มต้นเป็นค่าคงที่ที่ 10 เริ่มต้นที่ 21 เวลาจะเพิ่มขึ้นโดยหนึ่งหน่วยในแต่ละงวดจนกว่าจะถึงค่า 20 ที่เวลา 30 แล้วมันจะกลายเป็นค่าคงที่อีกครั้งข้อมูลจะถูกจำลองโดย เพิ่มค่าเฉลี่ยเสียงรบกวนสุ่มจากการแจกแจงแบบปกติที่มีค่าเฉลี่ยศูนย์และส่วนเบี่ยงเบนมาตรฐาน 3 ผลของการจำลองจะถูกปัดเศษให้เป็นจำนวนเต็มใกล้ที่สุดตารางแสดงการสังเกตแบบจำลองที่ใช้ตัวอย่างเช่นเมื่อเราใช้ตารางเราต้องจำไว้ ว่าในเวลาใดก็ตามข้อมูลที่ผ่านมาเป็นที่รู้จักเท่านั้นการประมาณค่าพารามิเตอร์ของโมเดลสำหรับค่าที่แตกต่างกันสามค่าของ m จะแสดงพร้อมกับค่าเฉลี่ยของชุดข้อมูลเวลาในรูปด้านล่างรูปที่แสดงค่าประมาณค่าเฉลี่ยเคลื่อนที่ของ หมายถึงในแต่ละครั้งและไม่คาดการณ์การคาดการณ์จะเปลี่ยนเส้นโค้งค่าเฉลี่ยเคลื่อนที่ไปทางขวาตามช่วงเวลาหนึ่งข้อสรุปจะเห็นได้ชัดทันทีจากตัวเลขสำหรับทั้งสามค่าประมาณค่าเฉลี่ยเคลื่อนที่ล่าช้าหลังแนวโน้มเชิงเส้นโดยมีความล่าช้าเพิ่มขึ้นจาก m ความล่าช้าคือระยะห่างระหว่างแบบจำลองกับค่าประมาณในมิติเวลาเนื่องจากความล่าช้าค่าเฉลี่ยเคลื่อนที่จะประเมินค่าความสังเกตต่ำกว่าค่าเฉลี่ยที่เพิ่มขึ้นค่าความลำเอียงของตัวประมาณ i ความแตกต่างในเวลาที่ระบุในค่าเฉลี่ยของแบบจำลองและค่าเฉลี่ยที่คาดการณ์โดยค่าเฉลี่ยเคลื่อนที่ค่าความลำเอียงเมื่อค่าเฉลี่ยเพิ่มขึ้นเป็นค่าลบสำหรับค่าเฉลี่ยที่ลดลงความอคติเป็นบวกความล่าช้าในเวลาและอคติที่นำมาใช้ การประมาณค่าเป็นฟังก์ชันของ m ค่า m มีค่าขนาดของความล่าช้าและความลำเอียงที่ใหญ่กว่าสำหรับชุดค่าที่เพิ่มขึ้นอย่างต่อเนื่องโดยมีค่าเป็นค่า lag และ bias ของ estimator ของ mean จะได้รับในสมการด้านล่างตัวอย่าง เส้นโค้งไม่ตรงกับสมการเหล่านี้เนื่องจากแบบจำลองตัวอย่างไม่ได้เพิ่มขึ้นอย่างต่อเนื่องแทนที่จะเริ่มต้นเป็นค่าคงที่เปลี่ยนเป็นแนวโน้มและจะกลายเป็นค่าคงที่อีกครั้งนอกจากนี้เส้นโค้งตัวอย่างจะได้รับผลกระทบจากเสียงการคาดการณ์ค่าเฉลี่ยเคลื่อนที่ของงวดในอนาคต จะแสดงโดยการขยับเส้นโค้งไปทางขวาล่าช้าและอคติเพิ่มขึ้นตามสัดส่วนสมการด้านล่างแสดงความล่าช้าและความลำเอียงของระยะเวลาคาดการณ์ในอนาคตเมื่อเทียบกับพารามิเตอร์ของโมเดล A กำไรสูตรเหล่านี้เป็นชุดเวลาที่มีแนวโน้มเชิงเส้นคงที่เราไม่ควรแปลกใจที่ผลลัพธ์นี้ค่าประมาณค่าเฉลี่ยเคลื่อนที่จะขึ้นอยู่กับสมมติฐานของค่าคงที่คงที่และตัวอย่างมีแนวโน้มเป็นเส้นตรงในช่วงระหว่างส่วน ของระยะเวลาการศึกษาเนื่องจากชุดเวลาจริงจะไม่ค่อยตรงตามสมมติฐานของรูปแบบใด ๆ เราควรจะเตรียมไว้สำหรับผลดังกล่าวเรายังสามารถสรุปได้จากรูปที่ความแปรปรวนของเสียงที่มีผลกระทบที่ใหญ่ที่สุดสำหรับขนาดเล็ก m ประมาณการเป็นอย่างมาก มีความผันผวนมากขึ้นสำหรับค่าเฉลี่ยเคลื่อนที่ของ 5 มากกว่าค่าเฉลี่ยเคลื่อนที่ของ 20 เรามีความต้องการที่ขัดแย้งกันในการเพิ่ม m เพื่อลดผลกระทบของความแปรปรวนเนื่องจากเสียงรบกวนและลดลง m เพื่อให้การคาดการณ์ตอบสนองต่อการเปลี่ยนแปลงของค่าเฉลี่ยได้มากขึ้น คือความแตกต่างระหว่างข้อมูลที่เกิดขึ้นจริงกับค่าคาดการณ์ถ้าชุดข้อมูลเวลาเป็นค่าคงที่ค่าที่คาดหวังของข้อผิดพลาดคือศูนย์และความแปรปรวนของข้อผิดพลาดจะประกอบด้วยคำที่เป็นฟังก์ชัน และระยะที่สองคือความแปรปรวนของเสียงระยะแรกเป็นค่าความแปรปรวนของค่าเฉลี่ยที่ประมาณด้วยตัวอย่างของการสังเกตการณ์ m สมมติว่าข้อมูลมาจากประชากรที่มีค่าคงที่ค่าเฉลี่ยระยะนี้จะลดลงโดยทำให้ m เป็นขนาดใหญ่ เป็นไปได้ขนาดใหญ่ m ทำให้การคาดการณ์ไม่ตอบสนองต่อการเปลี่ยนแปลงในชุดข้อมูลอ้างอิงอ้างอิงเพื่อให้การคาดการณ์ตอบสนองต่อการเปลี่ยนแปลงเราต้องการให้ m มีขนาดเล็กที่สุดเท่าที่จะทำได้ 1 แต่เพิ่มความแปรปรวนของข้อผิดพลาดการคาดการณ์ในทางปฏิบัติต้องใช้ค่ากลาง การพยากรณ์การเพิ่มในดำเนินการสูตรค่าเฉลี่ยเคลื่อนที่ตัวอย่างด้านล่างแสดงการวิเคราะห์โดย add-in สำหรับข้อมูลตัวอย่างในคอลัมน์ B 10 ข้อสังเกตแรกมีการจัดทำดัชนี -9 ถึง 0 เปรียบเทียบกับตารางข้างต้นดัชนีระยะเวลาเป็น ขยับโดย -10 ข้อสังเกตสิบข้อแรกให้ค่าเริ่มต้นสำหรับการประมาณและใช้คำนวณค่าเฉลี่ยเคลื่อนที่ในช่วง 0 MA 10 คอลัมน์ C แสดงค่าเฉลี่ยเคลื่อนที่ที่คำนวณได้การเคลื่อนที่ พารามิเตอร์เฉลี่ย m อยู่ในเซลล์ C3 Fore 1 คอลัมน์ D แสดงการคาดการณ์สำหรับระยะเวลาหนึ่งในอนาคตช่วงคาดการณ์อยู่ในเซลล์ D3 เมื่อช่วงคาดการณ์ถูกเปลี่ยนเป็นตัวเลขที่มีขนาดใหญ่ตัวเลขในคอลัมน์ Fore จะถูกเลื่อนลง Err 1 คอลัมน์ E แสดงความแตกต่างระหว่างการสังเกตและการคาดการณ์ตัวอย่างเช่นการสังเกตในเวลาที่ 1 คือ 6 ค่าที่คาดการณ์ได้จากค่าเฉลี่ยเคลื่อนที่ในช่วงเวลา 0 คือ 11 1 ข้อผิดพลาดคือ -5 1 ค่าเบี่ยงเบนมาตรฐานและค่าเฉลี่ยเบี่ยงเบนเฉลี่ย MAD ถูกคำนวณในเซลล์ E6 และ E7 ตามลำดับตัวอย่างของชุดเวลาสำหรับ 25 งวดถูกวางแผนในรูปที่ 1 จากข้อมูลตัวเลขในตารางที่ 1 ข้อมูลอาจแสดงความต้องการรายสัปดาห์สำหรับผลิตภัณฑ์บางอย่างเราใช้ x เพื่อระบุข้อสังเกตและ t เพื่อเป็นตัวแทนของดัชนีของช่วงเวลาความต้องการที่สังเกตสำหรับเวลา t ถูกกำหนดโดยเฉพาะข้อมูลจาก 1 ถึง T คือเส้นที่เชื่อมต่อข้อสังเกตบนภาพมีไว้เพื่อชี้แจงภาพและมีอย่างอื่น ไม่มีความหมายตารางที่ 1 ความต้องการรายสัปดาห์สำหรับสัปดาห์ที่ 1 ถึง 30 รูปที่ 1 ซีรีส์เวลาของความต้องการรายสัปดาห์เป้าหมายของเราคือการกำหนดแบบจำลองที่จะอธิบายข้อมูลที่สังเกตได้และช่วยให้การอนุมานในอนาคตเพื่อให้การคาดการณ์รูปแบบที่ง่ายที่สุดแสดงให้เห็นว่า ชุดเวลาเป็นค่าคงที่กับรูปแบบเกี่ยวกับค่าคงที่ที่กำหนดโดยตัวแปรสุ่มกรณีบนเป็นตัวแปรสุ่มที่เป็นความต้องการที่ไม่รู้จักในเวลา t ในขณะที่กรณีที่ต่ำกว่าคือค่าที่ได้รับการปฏิบัติจริงสังเกตรูปแบบสุ่มเกี่ยวกับค่าเฉลี่ย ค่าที่เรียกว่าเสียง, เสียงจะถือว่ามีค่าเฉลี่ยของศูนย์และความแปรปรวนที่ระบุรูปแบบในสองช่วงเวลาที่แตกต่างกันเป็นอิสระโดยเฉพาะอย่างยิ่ง MAD 8 7 2 4 0 9 10 4 11 และเราเห็นว่า 1 25 MAD 5 138 ประมาณเท่ากับส่วนเบี่ยงเบนมาตรฐานตัวอย่างชุดเวลาที่ใช้เป็นตัวอย่างได้รับการจำลองด้วยค่าเฉลี่ยความเบี่ยงเบนค่าคงที่จากค่าเฉลี่ยมีการกระจายตามปกติโดยมีค่าเฉลี่ยศูนย์และส่วนเบี่ยงเบนมาตรฐาน 5 ข้อผิดพลาด s ความเบี่ยงเบน tandard รวมถึงผลรวมของข้อผิดพลาดในรูปแบบและเสียงดังนั้นหนึ่งจะคาดหวังค่ามากกว่า 5 แน่นอนการสำนึกที่แตกต่างกันของการจำลองจะให้ค่าสถิติที่แตกต่างกันแผ่นงาน Excel สร้างขึ้นโดยการพยากรณ์ add - in แสดงให้เห็นถึง การคำนวณสำหรับข้อมูลตัวอย่างข้อมูลอยู่ในคอลัมน์ B คอลัมน์ C ถือค่าเฉลี่ยเคลื่อนที่และการคาดการณ์หนึ่งรอบอยู่ในคอลัมน์ D ข้อผิดพลาดในคอลัมน์ E คือความแตกต่างระหว่างคอลัมน์ B และ D สำหรับแถวที่มีทั้งข้อมูลและการคาดการณ์มาตรฐาน ส่วนเบี่ยงเบนของข้อผิดพลาดอยู่ในเซลล์ E6 และ MAD อยู่ในเซลล์ E7