Média móvel Este exemplo ensina como calcular a média móvel de uma série temporal no Excel. Uma média móvel é usada para suavizar irregularidades (picos e vales) para reconhecer facilmente as tendências. 1. Primeiro, vamos dar uma olhada em nossas séries temporais. 2. Na guia Dados, clique em Análise de dados. Nota: não consigo encontrar o botão Análise de dados Clique aqui para carregar o complemento Analysis ToolPak. 3. Selecione Média móvel e clique em OK. 4. Clique na caixa Intervalo de entrada e selecione o intervalo B2: M2. 5. Clique na caixa Intervalo e digite 6. 6. Clique na caixa Gama de saída e selecione a célula B3. 8. Traçar um gráfico desses valores. Explicação: porque definimos o intervalo para 6, a média móvel é a média dos 5 pontos de dados anteriores e o ponto de dados atual. Como resultado, picos e vales são alisados. O gráfico mostra uma tendência crescente. O Excel não pode calcular a média móvel para os primeiros 5 pontos de dados porque não há suficientes pontos de dados anteriores. 9. Repita os passos 2 a 8 para o intervalo 2 e o intervalo 4. Conclusão: quanto maior o intervalo, mais os picos e os vales são alisados. Quanto menor o intervalo, mais próximas as médias móveis são para os pontos de dados reais. Ao calcular uma média móvel em execução, colocar a média no período de tempo médio faz sentido No exemplo anterior, calculamos a média dos primeiros 3 períodos de tempo e colocamos Perto do período 3. Poderíamos ter colocado a média no intervalo de tempo de três períodos, isto é, ao lado do período 2. Isso funciona bem com períodos ímpares, mas não tão bons para períodos pares. Então, onde colocamos a primeira média móvel quando M 4 Tecnicamente, a Média Móvel cairá em t 2,5, 3,5. Para evitar esse problema, suavizamos as MAs usando M 2. Assim, suavizamos os valores suavizados. Se nós medimos um número par de termos, precisamos suavizar os valores suavizados. A tabela a seguir mostra os resultados usando M 4. Introdução de Previsão Média Mínima. Como você pode imaginar, estamos olhando algumas das abordagens mais primitivas da previsão. Mas espero que este seja, pelo menos, uma introdução útil a algumas das questões de informática relacionadas à implementação de previsões em planilhas. Nesse sentido, continuaremos começando no início e começaremos a trabalhar com as previsões de média móvel. Previsões médias móveis. Todos estão familiarizados com as previsões da média móvel, independentemente de acreditarem estar ou não. Todos os estudantes universitários fazem-no o tempo todo. Pense nos resultados do teste em um curso onde você terá quatro testes durante o semestre. Vamos assumir que você obteve um 85 no seu primeiro teste. O que você prever para a sua segunda pontuação de teste O que você acha que seu professor prevê para o seu próximo resultado do teste? O que você acha que seus amigos podem prever para o próximo resultado do teste? O que você acha que seus pais podem prever para a próxima pontuação do teste Independentemente de Todos os blabbing que você pode fazer para seus amigos e pais, eles e seu professor provavelmente esperam que você consiga algo na área dos 85 que você acabou de receber. Bem, agora vamos assumir que, apesar de sua auto-promoção para seus amigos, você se sobreestimar e imaginar que você pode estudar menos para o segundo teste e então você obtém um 73. Agora, o que todos os interessados e desinteressados vão Preveja que você obtenha seu terceiro teste. Existem duas abordagens muito prováveis para que eles desenvolvam uma estimativa, independentemente de compartilharem com você. Eles podem dizer para si mesmos, esse cara está sempre soprando fumaça sobre seus inteligentes. Ele vai ter outro 73 se tiver sorte. Talvez os pais tentem ser mais solidários e dizer, muito, até agora você obteve um 85 e um 73, então talvez você devesse entender sobre obter um (85 73) 2 79. Eu não sei, talvez se você fez menos festa E wessging wagging a doninha em todo o lugar e se você começou a fazer muito mais estudando você poderia obter uma pontuação mais alta. Quantas dessas estimativas são, na verdade, as previsões médias móveis. O primeiro está usando apenas o seu resultado mais recente para prever seu desempenho futuro. Isso é chamado de previsão média móvel usando um período de dados. O segundo também é uma previsão média móvel, mas usando dois períodos de dados. Vamos assumir que todas essas pessoas que estão se abalando na sua mente gostaram de irritá-lo e você decide fazer bem no terceiro teste por suas próprias razões e colocar uma pontuação maior na frente do quotalliesquot. Você faz o teste e sua pontuação é realmente um 89. Todos, incluindo você, estão impressionados. Então, agora você começa o teste final do semestre e, como de costume, você sente a necessidade de incitar todos a fazer suas previsões sobre como você fará no último teste. Bem, espero que você veja o padrão. Agora, espero que você possa ver o padrão. O que você acredita é o apito mais preciso enquanto trabalhamos. Agora, retornamos à nossa nova empresa de limpeza, iniciada pela sua meia-irmã, chamado Whistle While We Work. Você tem alguns dados de vendas anteriores representados pela 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 celular para as outras células C7 até 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 para desenvolver nossa previsão mais recente. Isso é definitivamente diferente do modelo de suavização exponencial. Eu incluí o quotpast predictionsquot porque nós os usaremos na próxima página da web para medir a validade da 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 celular para as outras células C6 até C11. Observe como agora apenas as duas peças históricas mais recentes são usadas para cada previsão. Mais uma vez, incluí as predições quotpast para fins ilustrativos e para uso posterior na validação de previsão. Algumas outras coisas que são importantes para aviso prévio. Para uma previsão média móvel de m-período, apenas os valores de dados m mais recentes são usados para fazer a previsão. Nada mais é necessário. Para uma previsão média móvel de m-período, ao fazer quotpast predictionsquot, observe que a primeira previsão ocorre no período m 1. Essas duas questões serão muito significativas quando desenvolvamos nosso código. Desenvolvendo a função de média móvel. Agora precisamos desenvolver o código para a previsão média móvel que pode ser usada de forma mais flexível. O código segue. Observe que as entradas são para o número de períodos que deseja usar na previsão e na matriz de valores históricos. Você pode armazená-lo em qualquer livro que desejar. Função MovingAverage (Historical, NumberOfPeriods) As Single Declarando e inicializando variáveis Dim Item As Variant Dim Counter As Integer Dim Accumulation As Single Dim HistoricalSize As Integer Inicializando variáveis Counter 1 Accumulation 0 Determinando o tamanho da matriz histórica HistoricalSize Historical. Count para o contador 1 para NumberOfPeriods Acumulando o número apropriado dos valores mais recentes anteriormente observados Histórico de acumulação de acumulação (HistoricalSize - NumberOfPeriods Counter) MovingAverage Accumulation NumberOfPeriods O código será explicado na aula. Você deseja posicionar a função na planilha para que o resultado do cálculo apareça onde deveria gostar do seguinte. Como calcular uma média de rolamento de 12 meses Uma média regular de 12 meses reduz um ano de números mensais em um único número médio . Uma média móvel de 12 meses. Ou média móvel, é simplesmente uma série de médias de 12 meses em vários períodos consecutivos de 12 meses. Esta ferramenta estatística pode ajudá-lo a avaliar a direção geral de uma série de dados mensais. Porque suaviza os efeitos das mudanças mês a mês. Você pode usar uma média móvel de 12 meses para analisar quase qualquer tipo de números mensais, como receitas, lucros, preços de ações ou saldos de contas. Reúna os dados mensais para os quais deseja calcular uma média móvel de 12 meses. Você precisa de pelo menos 13 meses consecutivos de informação, mas quanto mais você tiver, mais útil será a média móvel. Por exemplo, suponha que você deseja calcular uma média móvel de 12 meses para os seguintes 14 meses de vendas: no exemplo, adicione os números de vendas mensais de janeiro a dezembro de 2017: 50,000 55,000 60,000 65,000 70,000 75,000 72,000 70,000 68,000 71,000 76,000 85,000 817,000 Divida seu resultado em 12 para calcular o valor mensal médio para o período mais antigo de 12 meses. Isso representa a primeira média móvel. Neste exemplo, divida 817.000 em 12: 817.000 12 meses 68.083 para a primeira média móvel Adicione os valores mensais para o próximo período consecutivo de 12 meses. Isso inclui o período de 12 meses anterior, exceto o mês mais antigo. Também inclui o mês mais recente imediatamente após o período de 12 meses anterior. No exemplo, o próximo período consecutivo de 12 meses é fevereiro de 2017 até janeiro de 2018. Adicione os números de vendas mensais para obter 840.000. Divida seu resultado em 12 para calcular a segunda média móvel. No exemplo, divida 840.000 em 12: 840.000 12 70.000 segundos de média móvel Adicione os dados mensais para o próximo período consecutivo de 12 meses e divida seu resultado em 12 para calcular a terceira média móvel. Repita o mesmo cálculo para cada período subseqüente de 12 meses para calcular as médias rolantes restantes. No exemplo, adicione as vendas mensais de março de 2017 a fevereiro de 2018 para obter 852,000. Divida 852.000 por 12 para obter uma terceira média móvel de 71.000. As médias móveis de 12 meses são 68.083, 70.000 e 71.000, o que mostra uma crescente tendência de vendas ao longo do período determinado. Trace seus números mensais e média móvel de 12 meses em um gráfico para ver a tendência de seus dados.
No comments:
Post a Comment