بين نسبة إلى التحرك من المتوسط - طريقة الموسمية مؤشر

تنفيذ جدول البيانات من التعديل الموسمي والتجانس الأسي. فمن السهل إجراء الموسمية التكيف وتناسب نماذج التمهيد الأسي باستخدام إكسيل يتم أخذ الصور الشاشة والرسوم البيانية أدناه من جدول البيانات التي تم إعدادها لتوضيح التعديل الموسمية المضاعفة والخطي الأسي تمهيد على بعد بيانات المبيعات ربع السنوية من أوتبوارد Marine. To الحصول على نسخة من ملف جدول البيانات نفسه، انقر هنا إصدار التجانس الأسي الخطي التي سيتم استخدامها هنا لأغراض مظاهرة هو نسخة براون s، لمجرد أنه يمكن تنفيذها مع عمود واحد من الصيغ وليس هناك سوى واحد ثابت تمهيد لتحسين عادة ما يكون من الأفضل استخدام النسخة هولت التي لديها ثوابت تمهيد منفصلة للمستوى والاتجاه. وتنتقل عملية التنبؤ على النحو التالي أولا يتم تعديل البيانات موسميا ثانيا ثم يتم إنشاء التوقعات ل البيانات المعدلة موسميا عن طريق التمهيد الأسي الخطي والثالث زعنفة حليف تنبؤات معدلة موسميا هي ريساسوناليزد للحصول على توقعات لسلسلة الأصلية يتم إجراء عملية التعديل الموسمية في الأعمدة D من خلال G. الخطوة الأولى في التعديل الموسمي هو حساب المتوسط ​​المتحرك تركز يؤدى هنا في العمود D ويمكن القيام بذلك عن طريق مع الأخذ بمتوسط ​​متوسطين على مدى سنة واحدة تقابلهما فترة واحدة بالنسبة لبعضهما البعض وهناك حاجة إلى مزيج من متوسطين للمقاصة بدلا من متوسط ​​واحد لأغراض المركز عندما يكون عدد المواسم حتى الخطوة التالية هي حساب فإن النسبة إلى المتوسط ​​المتحرك - هي البيانات الأصلية مقسومة على المتوسط ​​المتحرك في كل فترة - والتي يتم إجراؤها هنا في العمود هاء ويسمى هذا أيضا بمكون دورة الاتجاه للنمط، بقدر ما يمكن أن تؤثر الاتجاهات ودورات دورة الأعمال يعتبر كل ما تبقى بعد حساب المتوسط ​​على مدى سنة كاملة من قيمة البيانات بالطبع، من شهر إلى شهر التغييرات التي ليست بسبب الموسمية يمكن تحديدها من قبل العديد من العوامل الأخرى s، ولكن متوسط ​​12 شهرا ينعم عليها إلى حد كبير ويحسب مؤشر الموسمية المقدر لكل موسم عن طريق المتوسط ​​الأول لجميع النسب لهذا الموسم معين، والذي يتم في الخلايا G3-G6 باستخدام صيغة أفيراجيف معدلات المتوسط ثم يتم تعديلها بحيث تصل إلى 100 مرة بالضبط عدد الفترات في الموسم، أو 400 في هذه الحالة، والذي يتم في الخلايا H3-H6 أدناه في العمود F، يتم استخدام صيغ فلوكوب لإدراج قيمة الفهرس الموسمية المناسبة في كل صف من جدول البيانات، وفقا لربع السنة يمثل يمثل المتوسط ​​المتحرك المركب والبيانات المعدلة موسميا في نهاية المطاف تبدو مثل هذا. لاحظ أن المتوسط ​​المتحرك عادة ما يبدو نسخة أكثر سلاسة من سلسلة المعدلة موسميا، وأنه هو أقصر على كلا الطرفين. ورقة عمل أخرى في نفس ملف إكسيل يظهر تطبيق نموذج التجانس الأسي الخطي للبيانات المعدلة موسميا، بدءا من العمود غا قيمة ثابت ألفا تمهيد هو أر في العمود H9 وللراحة يتم تعيين اسم النطاق ألفا يتم تعيين الاسم باستخدام الأمر إنزيرت نيم كريت يتم تهيئة نموذج ليس عن طريق تحديد أول تنبؤين يساويان القيمة الفعلية الأولى للموسمية السلسلة المعدلة الصيغة المستخدمة هنا للتنبؤ ليس هي المعادلة أحادية المعادلة النموذج من نموذج براون s. ويتم إدخال هذه الصيغة في الخلية المقابلة للفترة الثالثة هنا، H15 الخلية ونسخ أسفل من هناك لاحظ أن توقعات ليس ل تشير الفترة الحالية إلى المالحظتين السابقتين وأخطاء التنبؤ السابقة، وكذلك إلى قيمة ألفا وهكذا، فإن صيغة التنبؤ الواردة في الصف 15 تشير فقط إلى البيانات التي كانت متوفرة في الصف 14 وما قبله وبطبيعة الحال، إذا كنا نرغب في استخدام بسيطة بدلا من التجانس الأسي الخطي، يمكننا استبدال صيغة سيس هنا بدلا من ذلك يمكننا أيضا استخدام هولت ق بدلا من براون ليس نموذج، والتي تتطلب عمودين آخرين من فورمو لاس لحساب المستوى والاتجاه المستخدم في التنبؤ. يتم حساب الأخطاء في العمود التالي هنا، العمود J من خلال طرح التوقعات من القيم الفعلية يتم حساب الخطأ الجذر التربيعي الوسطي باعتباره الجذر التربيعي للتباين في والأخطاء بالإضافة إلى مربع الوسط يتبع ذلك من الهوية الرياضية أخطاء مس فاريانس أفيراج إرورس 2 عند حساب متوسط ​​وتفاوت الأخطاء في هذه الصيغة، يتم استبعاد الفترتين الأوليتين لأن النموذج لا يبدأ بالفعل التنبؤ حتى الفترة الثالثة الصف 15 على جدول البيانات يمكن العثور على القيمة المثلى ألفا إما عن طريق تغيير ألفا يدويا حتى يتم العثور على الحد الأدنى رمز، أو يمكنك استخدام سولفر لأداء التقليل الدقيق قيمة ألفا التي وجدت سولفر وجدت هنا ألفا 0 471 - وعادة ما تكون فكرة جيدة هي رسم أخطاء النموذج في الوحدات المحولة، وكذلك حساب ورسم مؤثراتهم الذاتية عند فترات تأخر تصل إلى موسم واحد. وفيما يلي سلسلة زمنية مؤامرة من الأخطاء المعدلة موسميا. يتم حساب الخطأ أوتوكوريلاتيونس باستخدام الدالة كوريل لحساب الارتباطات من الأخطاء مع أنفسهم تخلفت بفترة واحدة أو أكثر - وترد التفاصيل في نموذج جدول البيانات هنا هو مؤامرة من أوتوكوريلاتيونس من أخطاء في التأخرات الخمسة الأولى. أوتوكوريلاتيونس في الفترات من 1 إلى 3 قريبة جدا من الصفر، ولكن ارتفاع في تأخر 4 الذي هو قيمة 0 35 هو مزعجة قليلا - أنه يشير إلى أن عملية التعديل الموسمية لم تكن ناجحة تماما ومع ذلك، هو في الواقع هامشية فقط 95 عصابة الدلالة لاختبار ما إذا كانت أوتوكوريلاتيونس تختلف اختلافا كبيرا عن الصفر هي تقريبا زائد أو ناقص 2 سرت نك، حيث n هو حجم العينة و k هو تأخر هنا ن 38 و k يختلف من 1 إلى 5، وبالتالي فإن مربع الجذر من-ن-ناقص-ك حوالي 6 للجميع، وبالتالي حدود لاختبار أهمية إحصائية الانحرافات من الصفر تقريبا زائد أو ناقص 2 6، أو 0 33 إذا كنت تختلف قيمة ألفا باليد في هذا النموذج إكسيل، يمكنك مراقبة تأثير على سلسلة زمنية ومؤامرات الارتباط الذاتي من الأخطاء، وكذلك على الخطأ الجذر المتوسط ​​مربع، والتي سيتم توضيحها أدناه. في الجزء السفلي من جدول البيانات ، يتم وضع صيغة التنبؤ في المستقبل عن طريق مجرد استبدال التنبؤات للقيم الفعلية عند النقطة التي تنفد فيها البيانات الفعلية - أي حيث يبدأ المستقبل بعبارة أخرى، في كل خلية قد تحدث فيها قيمة بيانات مستقبلية، فإن مرجع الخلية يتم إدراجها التي تشير إلى التوقعات التي تم إجراؤها لتلك الفترة يتم نسخ جميع الصيغ الأخرى ببساطة أسفل من أعلاه. لاحظ أن أخطاء التنبؤات المستقبلية كلها محسوبة لتكون صفر هذا لا يعني أن الأخطاء الفعلية ستكون صفرا، بل بالأحرى فإنه يعكس مجرد حقيقة أنه لأغراض التنبؤ نحن نفترض أن البيانات المستقبلية سوف يساوي التوقعات في المتوسط ​​التوقعات ليس الناتجة عن البيانات المعدلة موسميا تبدو مثل هذا. مع هذا فالو معين e من ألفا، وهو الأمثل للتنبؤات السابقة على فترة واحدة، فإن الاتجاه المسقط صعودي قليلا، مما يعكس الاتجاه المحلي الذي لوحظ خلال السنتين الماضيتين أو نحو ذلك وبالنسبة لقيم ألفا الأخرى، يمكن الحصول على إسقاط اتجاه مختلف جدا وعادة ما تكون فكرة جيدة لمعرفة ما يحدث لإسقاط الاتجاه على المدى الطويل عندما يكون ألفا متنوعا، لأن القيمة الأفضل للتنبؤ على المدى القصير لن تكون بالضرورة أفضل قيمة للتنبؤ بالمستقبل البعيد. على سبيل المثال، هنا هي النتيجة التي يتم الحصول عليها إذا تم تعيين قيمة ألفا يدويا إلى 0 25. الاتجاه المتوقع على المدى الطويل هو الآن سلبي بدلا من إيجابي مع قيمة أصغر من ألفا، نموذج يضع المزيد من الوزن على البيانات القديمة في تقديرها والمستوى الحالي والاتجاه، وتوقعاتها على المدى الطويل تعكس الاتجاه النزولي لوحظ على مدى السنوات الخمس الماضية بدلا من الاتجاه التصاعدي الأحدث هذا الرسم البياني يوضح أيضا بوضوح كيف النموذج مع قيمة أصغر من ألفا أبطأ للرد على نقاط التحول في البيانات وبالتالي يميل إلى حدوث خطأ من نفس العلامة لفترات عديدة على التوالي. أما أخطاء التنبؤ من خطوة واحدة فهي أكبر في المتوسط ​​من الأخطاء التي تم الحصول عليها قبل رمز 34 34 بدلا من 27 4 و يرتبط ارتباطا إيجابيا إيجابيا بقوة إن الترابط الذاتي لاغ-1 البالغ 0 56 يتجاوز إلى حد كبير قيمة 0 33 المحسوبة أعلاه لانحراف ذي دلالة إحصائية عن الصفر كبديل لتخفيض قيمة ألفا من أجل إدخال مزيد من التحفظ في التنبؤات طويلة الأجل، يضاف عامل تهدئة الاتجاه في بعض الأحيان إلى النموذج من أجل جعل الاتجاه المتوقع تتسطح بعد بضع فترات. الخطوة الأخيرة في بناء نموذج التنبؤ هو إعادة النظر في توقعات ليس بضرب لهم من خلال المؤشرات الموسمية المناسبة وهكذا، فإن التنبؤات رياسوناليزد في العمود الأول هو ببساطة نتاج المؤشرات الموسمية في العمود واو وتوقعات ليس المعدلة موسميا في العمود H. فمن السهل نسبيا حساب الثقة فالفترات الزمنية للتنبؤات ذات الخطوة الواحدة التي يقوم بها هذا النموذج تحسب أولا الخطأ رمس المتوسط ​​المتوسط ​​الجذر الذي هو مجرد الجذر التربيعي للمشروعات المتوسطة والصغيرة ثم يحسب فاصل الثقة للتنبؤ المعدل موسميا عن طريق جمع وطرح مرتين رمز (رمز) بشكل عام تساوي فاصل الثقة 95 للتنبؤ بفترة زمنية واحدة تقريبا نقطة التنبؤ زائد أو ناقص ضعف الانحراف المعياري المقدر لأخطاء التنبؤ، على افتراض أن توزيع الخطأ يكون طبيعيا تقريبا وحجم العينة هي كبيرة بما فيه الكفاية، ويقول 20 أو أكثر هنا، رمز بدلا من العينة الانحراف المعياري للأخطاء هو أفضل تقدير للانحراف المعياري للأخطاء التوقعات المستقبلية لأنه يأخذ التحيز وكذلك عشوائية الاختلافات في الاعتبار حدود الثقة للموسمية وبعد ذلك يتم إعادة حساب التوقعات المعدلة مع التوقعات، بضربها بالمؤشرات الموسمية المناسبة في هذه الحالة يساوي رمز رمز 27 4 والمعدل موسميا التوقعات للفترة الأولى الأولى ديسمبر -93 هي 273 2 وبالتالي فإن فترة الثقة 95 المعدلة موسميا هي من 273 2-2 27 4 218 4 إلى 273 2 2 27 4 328 0 ضرب هذه الحدود حسب مؤشر ديسمبر الموسمية من 68 61 نحصل على وحدود الثقة الدنيا والعليا من 149 8 و 225 0 حول توقعات النقطة ديسمبر 93. 187 4. حدود الثقة للتوقعات أكثر من فترة واحدة المقبلة سوف تتسع عموما مع زيادة أفق التوقعات، وذلك بسبب عدم اليقين حول مستوى والاتجاه كذلك كعوامل موسمية، ولكن من الصعب حسابها بشكل عام من خلال الطرق التحليلية الطريقة المناسبة لحساب حدود الثقة لتوقعات ليس هي باستخدام نظرية أريما، ولكن عدم اليقين في المؤشرات الموسمية هو مسألة أخرى إذا كنت تريد الثقة واقعية الفاصل الزمني للتنبؤ أكثر من فترة واحدة المقبلة، مع أخذ جميع مصادر الخطأ في الاعتبار، أفضل رهان الخاص بك هو استخدام أساليب تجريبية على سبيل المثال، للحصول على فترة الثقة لتوقعات 2 خطوة إلى الأمام، يمكنك إنشاء عمود آخر على جدول البيانات لحساب توقعات 2-خطوة قبل كل فترة من قبل بوتسترابينغ توقعات خطوة واحدة قبل ذلك ثم حساب رمز من أخطاء التنبؤ قبل خطوة 2 واستخدام هذا كأساس لخطوة 2-خطوة - ما هو مؤشر موسمية.- الربع الرابع من السنة هو أشهر أكتوبر حتى ديسمبر كما تعلمون، وأشرنا في أشرطة الفيديو الفصل الأول، تبيع الكثير من البضائع خلال الربع الرابع من أي الربع الآخر، وذلك أساسا بسبب موسم العطلات هذا مثال على الموسمية، والمشكلة مع الموسمية هو أنه يجعل من الصعب حقا للتنبؤ القيم المستقبلية لسلسلة زمنية إذا كنت لاحظت، كل الأمثلة التي قمنا بها حتى الآن في التنبؤ لم تكن موسمية لقد كانت البيانات السنوية، ولكن الآن نحن على استعداد لمعالجة مسألة الموسمية في الفصول المتبقية من هذا الفيديو. لذلك، مفهوم مهم حقا من شأنها حقا صقل تفهمك، في هذا الفيديو، هو مفهوم مؤشر موسمية، وبعد ذلك في بقية الفصل سنعلمك النسبة إلى طريقة المتوسط ​​المتحرك، وهي طريقة بسيطة لكنها قوية لدمج الموسمية في التوقعات الخاصة بك، وتستخدم من قبل العديد من الشركات حسنا، لذلك دعونا نفترض أنك من Q1 إلى Q4 هذه الأرقام الأربعة، والتي سوف ندعو المؤشرات الموسمية لذلك، ماذا يعني هذا يعني المؤشر الموسمية Q4 من 1 3 في Q4 هذه الشركة تميل إلى بيع 30 أكثر من ربع في المتوسط. وهذا ما يعني 1 1 وفي Q1 تبيع هذه الشركة 20 أقل من ربع المتوسط ​​وهذا يعني ما يعنيه الرقم 8 لذا يجب أن تكون المؤشرات الموسمية ذات ملكية معينة يجب أن تكون متوسطة إلى واحدة وبعبارة أخرى، يجب إلغاء الأرباع التي تزيد عن المتوسط ​​من قبل والأرباع التي هي أقل من المتوسط ​​ولكن هل حقا يمكن أن تفعل الكثير من التنبؤ على البيانات الفصلية أو البيانات الشهرية إذا كنت لا تفهم الموسمية، وهذا سوف يكون الموضوع الرئيسي لهذا الفصل بأكمله، ولكن في هذا الفيديو، ونحن نريد فقط أن تعطيك بسيطة وندرستا ندينغ من المؤشرات الموسمية. لذلك، لدينا دعابة الدماغ قليلا بالنسبة لك أن أستخدم في كثير من الأحيان عندما أدرب في الشركات، وعدد قليل جدا من الناس الحصول على دعابة الدماغ الحق لذلك، ونحن سوف نعمل لكم من خلال ذلك حسنا، دعونا دعونا نرى ما اذا كنا فهم موسمية لذلك، لنفترض أنك تعمل لصالح الشركة التي الربع الرابع كبيرة انها مؤشر الموسمية هو اثنين لذلك، ماذا يعني ذلك خلال الربع الرابع، ومبيعاتها تميل إلى أن تكون مزدوجة في الربع المتوسط، وكانت سيئة جدا في أول الربع مؤشرهم الموسمية هو 0 5، مما يعني في الربع الأول مبيعاتها تميل إلى أن تكون نصف ربع ربع سنوي. لن ننظر إلى بعض البيانات مبيعات لهذه الشركة وهمية دعونا نفترض في Q4 من عام 2014 أنها باعت 400 مليون دولار بقيمة والبضائع Q1 من عام 2015، باعوا 200 مليون دولار من البضائع، وطلب منك تقييم أداء الشركة كمستشار خارجي هل يفعلون أفضل أو يفعلون أسوأ تحليل ساذجة كما يلي انخفضت المبيعات 50 مائتان هو 50 - أربعة، هوند الأحمر هذه الشركة لديها مشاكل حقيقية. حسنا، كنت لا مستشار جيد جدا إذا كنت تعتقد ذلك، لأنك إعادة إهمال الموسمية ما عليك القيام به هو حقا ديسيسوناليز المبيعات أنا غالبا ما أقول تحلية المياه، ولكن ديسيسوناليز لذلك، ما تريد القيام به هو ما حدث حقا في كل ربع سنة، من حيث الربع المتوسط ​​في الأساس، Q4 من عام 2014، ولكن كان المؤشر الموسمية اثنين لذلك، وهذا حقا مثل بيع هذا بكثير في ربع المتوسط ​​يمكنك تقسيم حسب المؤشر الموسمية أن تقدير جيد جدا لما كان عليه المستوى خلال ذلك Q4. وبعبارة أخرى، فإن 400 في الربع الرابع يخبرك أساسا مستوى السلاسل الزمنية، استنادا إلى تلك الملاحظة، كان 200 في الربع الرابع الآن، عندما قمت بإلغاء تصنيف Q1 لعام 2015 ، فإنك تنقسم حسب المؤشر الموسمية لهذا الربع من 0 5، وتحصل على 400 في الربع المتوسط ​​لذلك، إذا نظرتم إلى هذا الطريق الصحيح، على الرغم من انخفاض المبيعات 50، تشير البيانات إلى أن مستوى المبيعات تضاعف من Q4 2014 إلى Q1 2015.So، يمكنك ان ترى من هذا مثال بسيط جدا، إذا كنت لا تفهم الموسمية، وكنت استخلاص نتيجة غير صحيحة أن هذه الشركة يفعلون أسوأ من ذلك، عندما فعلوا فعلا فعل رائع لذلك، في الفيديو التالي سنقوم بعرض نسبة إلى المتوسط ​​المتحرك الأسلوب، والتي يمكن استخدامها لدمج الموسمية في التنبؤات وتقدير المؤشرات الموسمية. سجل النسخ لصناعة السيارات في التمرير. البروفيسور واين وينستون وقد علمت تقنيات التنبؤ المتقدمة لشركات فورتشن 500 لأكثر من عشرين عاما في هذه الدورة، وقال انه يوضح كيفية استخدام أدوات تحليل البيانات إكسل بما في ذلك الرسوم البيانية ، والصيغ، والوظائف لخلق توقعات دقيقة وثاقبة تعلم كيفية عرض بيانات سلسلة زمنية بصريا تأكد من التنبؤات الخاصة بك دقيقة، عن طريق الحوسبة للأخطاء والتحيز استخدام خطوط الاتجاه لتحديد الاتجاهات والنمو النموذجي البيانات النمطية حساب الموسمية وتحديد المتغيرات غير معروفة ، مع تحليل الانحدار متعددة وهناك سلسلة من التحديات الممارسة على طول الطريق يساعدك على اختبار المهارات الخاصة بك ومقارنة عملك إلى حلول واين s. هو بمي مزود التعليم المسجل تأهل هذه الدورة لوحدات التطوير المهني وحدات بدو لعرض النشاط وتفاصيل بدو لهذه الدورة، انقر هنا شعار مزود التعليم المسجل بمي هو علامة مسجلة لمعهد إدارة المشاريع، وتشمل. Topics. Plotting و وعرض بيانات سلسلة زمنية. إنشاء المتوسط ​​المتحرك chart. Account للأخطاء والتحيز. استخدام وتفسير تريندلينس. نمذجة النمو الأسي. حساب معدل النمو السنوي المركب المركب. تحليل تأثير الموسمية. إدخال طريقة نسبة إلى التحرك متوسط ​​الأسلوب. Forecasting مع الانحدار المتعدد. استخدام مستوى متوسط. سليديشار يستخدم ملفات تعريف الارتباط لتحسين الأداء الوظيفي، وتوفير لكم مع الإعلانات ذات الصلة إذا كنت لا تزال تصفح الموقع، فإنك توافق على استخدام ملفات تعريف الارتباط على هذا الموقع انظر لدينا اتفاقية المستخدم وسياسة الخصوصية. Slideshare يستخدم الكوكيز لتحسين الأداء الوظيفي، وتوفير لكم مع الإعلانات ذات الصلة إذا كنت تتنافس في تصفح الموقع، فإنك توافق على استخدام ملفات تعريف الارتباط على هذا الموقع انظر سياسة الخصوصية واتفاقية المستخدم للحصول على التفاصيل. استكشاف جميع المواضيع المفضلة لديك في التطبيق سليديشار الحصول على التطبيق سليديشار إلى حفظ في وقت لاحق حتى حاليا. تابع إلى موقع الجوال انقر نقرا مزدوجا لتكبير out. Share هذه SlideShare. LinkedIn شركة 2017.