الانتقال من المتوسط التنبؤ - مثلا - اكسل

المتوسط ​​المتحرك يعلمك هذا المثال كيفية حساب المتوسط ​​المتحرك لسلسلة زمنية في إكسيل. ويستخدم المتوسط ​​المتحرك للتخلص من المخالفات (قمم ووديان) للتعرف بسهولة على الاتجاهات. 1. أولا، دعونا نلقي نظرة على السلاسل الزمنية لدينا. 2. من علامة التبويب بيانات، انقر فوق تحليل البيانات. ملاحظة: لا يمكن العثور على زر تحليل البيانات انقر هنا لتحميل الوظيفة الإضافية تولباس تولباك. .3 حدد متوسط ​​النقل وانقر فوق موافق. .4 انقر في مربع نطاق الإدخال وحدد النطاق B2: M2. 5. انقر في المربع الفاصل الزمني واكتب 6. 6. انقر في المربع نطاق الإخراج وحدد الخلية B3. 8. رسم رسم بياني لهذه القيم. إكسلاناتيون: لأننا نقوم بضبط الفاصل الزمني الى 6، المتوسط ​​المتحرك هو متوسط ​​نقاط البيانات الخمس السابقة ونقطة البيانات الحالية. ونتيجة لذلك، يتم تمهيد قمم والوديان بها. يظهر الرسم البياني اتجاها متزايدا. لا يستطيع إكسيل حساب المتوسط ​​المتحرك لنقاط البيانات الخمس الأولى لأنه لا توجد نقاط بيانات سابقة كافية. 9. كرر الخطوات من 2 إلى 8 للفاصل الزمني 2 والفاصل الزمني 4. الخاتمة: كلما زاد الفاصل الزمني، كلما تم تمهيد القمم والوديان. كلما كان الفاصل الزمني أصغر، كلما كانت المتوسطات المتحركة أقرب إلى نقاط البيانات الفعلية. إضافة اتجاه أو متوسط ​​خط متحرك إلى رسم بياني ينطبق على: إكسيل 2016 ورد 2016 بويربوانت 2016 إكسيل 2013 ورد 2013 أوتلوك 2013 بويربوانت 2013 أكثر. أقل لعرض اتجاهات البيانات أو التحرك المتوسطات في مخطط قمت بإنشائه. يمكنك إضافة خط الاتجاه. يمكنك أيضا تمديد خط اتجاه يتجاوز البيانات الفعلية للمساعدة في التنبؤ القيم المستقبلية. على سبيل المثال، يتنبأ خط الاتجاه الخطي التالي بربعين قبل ذلك ويظهر بوضوح اتجاها تصاعديا يبدو واعدا للمبيعات المستقبلية. يمكنك إضافة خط الاتجاه إلى مخطط 2-D التي ليست مكدسة، بما في ذلك المنطقة، شريط، العمود، الخط، الأسهم، مبعثر، و فقاعة. لا يمكنك إضافة خط الاتجاه إلى مكدسة، 3-D، الرادار، فطيرة، سطح، أو الرسم البياني دونات. إضافة خط الاتجاه في المخطط، انقر على سلسلة البيانات التي تريد إضافة خط اتجاه أو متوسط ​​متحرك لها. سيبدأ خط الاتجاه على نقطة البيانات الأولى لسلسلة البيانات التي تختارها. حدد المربع تريندلين. لاختيار نوع مختلف من خط الاتجاه، انقر على السهم بجوار تريندلين. ثم انقر فوق الأسي. توقعات خطية. أو اثنين من فترة الانتقال المتوسط. بالنسبة لخطوط الاتجاه الإضافية، انقر على المزيد من الخيارات. إذا اخترت المزيد من الخيارات. انقر فوق الخيار الذي تريده في جزء "تنسيق الاتجاه" ضمن خيارات تريندلاين. إذا قمت بتحديد الحدودي. أدخل أعلى قوة للمتغير المستقل في المربع الأمر. إذا حددت متوسط ​​النقل. أدخل عدد الفترات لاستخدامها لحساب المتوسط ​​المتحرك في المربع الفترة. نصيحة: خط الاتجاه هو الأكثر دقة عندما تكون قيمة R-سكارد (عدد من 0 إلى 1 تكشف عن مدى دقة القيم المقدرة لخط الاتجاه تتوافق مع بياناتك الفعلية) عند أو بالقرب من 1. عند إضافة خط اتجاه إلى بياناتك ، يقوم إكسيل تلقائيا بحساب قيمة R-سكارد. يمكنك عرض هذه القيمة على المخطط الخاص بك عن طريق التحقق من قيمة العرض R-سكارد في مربع الرسم البياني (تنسيق جزء الاتجاه، خيارات تريندلاين). يمكنك معرفة المزيد عن جميع خيارات خط الاتجاه في الأقسام أدناه. خط الاتجاه الخطي استخدم هذا النوع من خط الاتجاه لإنشاء خط مستقيم أفضل تناسب لمجموعات البيانات الخطية البسيطة. البيانات الخاصة بك خطية إذا كان النمط في نقاط البيانات الخاصة به يشبه خط. خط الاتجاه الخطي عادة ما يظهر أن شيئا ما يتزايد أو ينخفض ​​بمعدل ثابت. يستخدم خط الاتجاه الخطي هذه المعادلة لحساب المربعات الصغرى تناسب لخط: حيث m هو المنحدر و b هو اعتراض. ويبين الخط الاتجاهي التالي أن مبيعات الثلاجات زادت باستمرار على مدى 8 سنوات. لاحظ أن قيمة R-سكارد (عدد من 0 إلى 1 الذي يكشف عن مدى دقة القيم المقدرة لخط الاتجاه تتوافق مع البيانات الفعلية الخاصة بك) هو 0.9792، وهو مناسب تماما للخط إلى البيانات. عرض خط منحني أفضل تناسب، وهذا الاتجاه هو مفيد عندما معدل التغير في البيانات يزيد أو ينخفض ​​بسرعة ثم مستويات خارج. خط الاتجاه اللوغاريتمي يمكن أن يستخدم القيم السلبية والإيجابية. يستخدم خط الاتجاه اللوغاريتمي هذه المعادلة لحساب المربعات الصغرى تناسب من خلال النقاط: حيث c و b هي الثوابت و لن هي وظيفة اللوغاريتم الطبيعي. ويظهر خط الاتجاه اللوغاريتمي التالي النمو السكاني المتوقع للحيوانات في منطقة ذات مساحة ثابتة، حيث انخفض عدد السكان المستخرج كمساحة للحيوانات. لاحظ أن قيمة R-سكارد هي 0.933، وهو مناسب نسبيا من الخط إلى البيانات. يعد هذا الاتجاه مفيدا عندما تتقلب بياناتك. على سبيل المثال، عند تحليل المكاسب والخسائر على مجموعة بيانات كبيرة. ترتيب الحدودي يمكن تحديدها من قبل عدد من التقلبات في البيانات أو عدد الانحناءات (التلال والوديان) تظهر في المنحنى. عادة، يوجد خط اتجاه متعدد الحدود من أجل 2 يحتوي على تلة أو وادي واحد فقط، ويشتمل الأمر 3 على واحد أو اثنين من التلال أو الوديان، ويوجد في الأمر 4 ما يصل إلى ثلاثة تلال أو وديان. خط الاتجاه متعدد الحدود أو المنحني يستخدم هذه المعادلة لحساب المربعات الصغرى تناسب من خلال نقاط: حيث b والثوابت. ويظهر خط الاتجاه 2 متعدد الحدود التالي (تلة واحدة) العلاقة بين سرعة القيادة واستهلاك الوقود. لاحظ أن قيمة R-سكارد هي 0.979، التي هي قريبة من 1 حتى الخطوط تناسب البيانات. عرض خط المنحني، هذا الاتجاه هو مفيد لمجموعات البيانات التي تقارن القياسات التي تزداد بمعدل معين. على سبيل المثال، تسارع سيارة سباق في فترات 1 ثانية. لا يمكنك إنشاء خط اتجاه طاقة إذا كانت بياناتك تحتوي على قيم صفر أو سلبية. يستخدم خط الاتجاه الطاقة هذه المعادلة لحساب المربعات الصغرى تناسب من خلال نقاط: حيث c و b هي الثوابت. ملاحظة: لا يتوفر هذا الخيار عندما تتضمن البيانات قيما سلبية أو صفرية. يظهر مخطط قياس المسافة التالي المسافة بالأمتار بالثواني. يوضح خط التيار الكهربائي بوضوح تسارع متزايد. لاحظ أن قيمة R-سكارد هو 0.986، وهو مثاليا تقريبا من الخط إلى البيانات. عرض خط المنحني، وهذا الاتجاه هو مفيد عندما ترتفع قيم البيانات أو تنخفض بمعدل متزايد باستمرار. لا يمكنك إنشاء خط اتجاه أسي إذا كانت بياناتك تحتوي على قيم صفر أو سلبية. يستخدم خط الاتجاه الأسي هذه المعادلة لحساب المربعات الصغرى التي تناسب من خلال النقاط: حيث c و b هي الثوابت و e هو قاعدة اللوغاريتم الطبيعي. ويظهر خط الاتجاه الأسي التالي تناقص كمية الكربون 14 في جسم ما عند عمره. لاحظ أن قيمة R-سكارد هي 0.990، مما يعني أن الخط يناسب البيانات تقريبا تقريبا. موفينغ ترافيك ترندلين هذا الاتجاه يدل على تقلبات في البيانات لإظهار نمط أو اتجاه أكثر وضوحا. يستخدم المتوسط ​​المتحرك عددا محددا من نقاط البيانات (يحددها خيار الفترة)، ويتوسطها، ويستخدم متوسط ​​القيمة كنقطة في السطر. على سبيل المثال، إذا تم تعيين الفترة إلى 2، يتم استخدام متوسط ​​أول نقطتي بيانات كنقطة أولى في خط الاتجاه المتوسط ​​المتحرك. ويستخدم متوسط ​​نقاط البيانات الثانية والثالثة كنقطة ثانية في خط الاتجاه، وما إلى ذلك. ويستخدم خط الاتجاه المتوسط ​​المتحرك هذه المعادلة: عدد النقاط في خط اتجاه متوسط ​​متحرك يساوي العدد الإجمالي للنقاط في السلسلة، مطروحا منه الرقم الذي تحدده للفترة. في المخطط المبعثر، يقوم خط الاتجاه بناء على ترتيب القيم x في المخطط. للحصول على نتيجة أفضل، صنف القيم x قبل إضافة متوسط ​​متحرك. ويبين خط الاتجاه المتوسط ​​المتحرك التالي نمطا في عدد المنازل المباعة خلال فترة 26 أسبوعا. وفي الممارسة العملية فإن المتوسط ​​المتحرك سيوفر تقديرا جيدا لمتوسط ​​السلاسل الزمنية إذا كان المتوسط ​​ثابتا أو متغيرا ببطء. وفي حالة المتوسط ​​الثابت، فإن أكبر قيمة m تعطي أفضل التقديرات للمتوسط ​​الأساسي. وستؤدي فترة المراقبة الأطول إلى الحد من آثار التباين. والغرض من توفير m أصغر هو السماح للتنبؤ بالاستجابة للتغيير في العملية الأساسية. ولتوضيح ذلك، نقترح مجموعة بيانات تتضمن التغييرات في الوسط الأساسي للمسلسلات الزمنية. ويبين الشكل السلاسل الزمنية المستخدمة للتوضيح مع متوسط ​​الطلب الذي نشأت منه السلسلة. يبدأ المتوسط ​​ك ثابت عند 10. يبدأ في الوقت 21، يزداد بوحدة واحدة في كل فترة حتى يصل إلى القيمة 20 في وقت 30. ثم يصبح ثابتة مرة أخرى. وتتم محاكاة البيانات بإضافة متوسط ​​الضوضاء العشوائية من التوزيع العادي مع متوسط ​​الصفر والانحراف المعياري 3. وتقريب نتائج المحاكاة إلى أقرب عدد صحيح. ويبين الجدول الملاحظات المحاكاة المستخدمة في المثال. عندما نستخدم الجدول، يجب أن نتذكر أنه في أي وقت من الأوقات، إلا أن البيانات السابقة معروفة. وتظهر تقديرات معلمة النموذج، بالنسبة إلى ثلاث قيم مختلفة من m، مع متوسط ​​السلاسل الزمنية في الشكل أدناه. ويبين الشكل متوسط ​​المتوسط ​​المتحرك للمتوسط ​​في كل مرة وليس التنبؤ. ومن شأن التنبؤات أن تحول منحنيات المتوسط ​​المتحرك إلى اليمين حسب الفترات. وهناك استنتاج واحد واضح على الفور من هذا الرقم. وبالنسبة للتقديرات الثلاثة جميعها، فإن المتوسط ​​المتحرك يتخلف عن الاتجاه الخطي، مع زيادة الفارق الزمني مع m. والفارق الزمني هو المسافة بين النموذج والتقدير في البعد الزمني. وبسبب الفارق الزمني، فإن المتوسط ​​المتحرك يقلل من الملاحظات نظرا لأن المتوسط ​​يتزايد. انحياز المقدر هو الفرق في وقت محدد في متوسط ​​قيمة النموذج والقيمة المتوسطة التي يتنبأ بها المتوسط ​​المتحرك. التحيز عندما يكون المتوسط ​​يزداد سلبيا. أما بالنسبة للمتوسط ​​المتناقص، فإن التحيز إيجابي. التأخر في الوقت والتحيز التي أدخلت في التقدير هي وظائف م. وكلما زادت قيمة m. وكلما كبر حجم التأخر والتحيز. لسلسلة متزايدة باستمرار مع الاتجاه أ. فإن قيم التأخر والتحيز لمقدر المتوسط ​​تعطى في المعادلات أدناه. لا تتطابق منحنيات المثال مع هذه المعادلات لأن نموذج المثال لا يزداد بشكل مستمر، بل يبدأ كتغيير ثابت للاتجاه ثم يصبح ثابتا مرة أخرى. كما تتأثر منحنيات المثال بالضوضاء. ويتمثل متوسط ​​المتوسط ​​المتحرك للتوقعات في المستقبل في تحويل المنحنيات إلى اليمين. ويزيد التأخر والتحيز تناسبيا. وتشير المعادلات أدناه إلى الفارق الزمني والتحيز لفترات التنبؤ في المستقبل عند مقارنتها بمعلمات النموذج. مرة أخرى، هذه الصيغ هي لسلسلة زمنية مع الاتجاه الخطي المستمر. ولا ينبغي لنا أن نفاجأ بهذه النتيجة. ويستند متوسط ​​التقدير المتحرك إلى افتراض متوسط ​​ثابت، والمثال له اتجاه خطي في المتوسط ​​خلال جزء من فترة الدراسة. وبما أن سلسلة الوقت الحقيقي نادرا ما تتوافق تماما مع افتراضات أي نموذج، يجب أن نكون مستعدين لمثل هذه النتائج. ويمكننا أيضا أن نخلص من الشكل إلى أن تباين الضوضاء له أكبر تأثير على m أصغر. ويكون التقدير أكثر تقلبا بكثير بالنسبة للمتوسط ​​المتحرك البالغ 5 من المتوسط ​​المتحرك البالغ 20. ولدينا رغبة متضاربة في زيادة m لتقليل تأثير التباين الناجم عن الضوضاء وتقليل m لجعل التنبؤ أكثر استجابة للتغيرات في الحقيقة. والخطأ هو الفرق بين البيانات الفعلية والقيمة المتوقعة. وإذا كانت السلسلة الزمنية حقا قيمة ثابتة، فإن القيمة المتوقعة للخطأ هي صفر، ويتألف تباين الخطأ من عبارة دالة وعبارة ثانية هي تباين الضوضاء. المصطلح الأول هو التباين في المتوسط ​​المقدر مع عينة من الملاحظات m، على افتراض أن البيانات تأتي من مجتمع ذو متوسط ​​ثابت. يتم تقليل هذا المصطلح من خلال جعل m كبيرة قدر الإمكان. A م كبير يجعل التوقعات لا تستجيب لتغيير في السلسلة الزمنية الأساسية. لجعل التنبؤات تستجيب للتغييرات، نريد m صغيرة قدر الإمكان (1)، ولكن هذا يزيد من التباين الخطأ. ويتطلب التنبؤ العملي قيمة وسيطة. التنبؤ مع إكسيل تقوم الوظيفة الإضافية للتنبؤ بتطبيق صيغ المتوسط ​​المتحرك. ويبين المثال الوارد أدناه التحليل الذي توفره الوظيفة الإضافية لعينة البيانات في العمود باء. ويتم فهرسة الملاحظات العشرة الأولى من 9 إلى 0. وبالمقارنة بالجدول أعلاه، يتم تغيير مؤشرات الفترة بمقدار -10. وتوفر الملاحظات العشرة الأولى قيم بدء التشغيل للتقدير وتستخدم لحساب المتوسط ​​المتحرك للفترة 0. ويبين العمود (10) (C) المتوسطات المتحركة المحسوبة. وتكون معلمة المتوسط ​​المتحرك m في الخلية C3. ويبين العمود (1) (D) توقعات لفترة واحدة في المستقبل. الفترة الزمنية المتوقعة في الخلية D3. عندما يتم تغيير الفاصل الزمني المتوقع إلى عدد أكبر يتم تحويل الأرقام في العمود فور إلى أسفل. ويبين العمود إر (1) (E) الفرق بين الملاحظة والتنبؤ. على سبيل المثال، الملاحظة في الوقت 1 هي 6. القيمة المتوقعة من المتوسط ​​المتحرك في الوقت 0 هي 11.1. الخطأ ثم -5.1. ويحسب الانحراف المعياري ومتوسط ​​الانحراف (ماد) في الخلايين E6 و E7 على التوالي.