Gleitender Durchschnitt Prognose Excel 2010

Hinzufügen, Ändern oder Entfernen einer Trendlinie in einem Diagramm Betrifft: Excel 2010 Word 2010 Outlook 2010 PowerPoint 2010 Excel 2007 Word 2007 Outlook 2007 PowerPoint 2007 Mehr. Weniger Sie können eine Trendlinie oder einen gleitenden Durchschnitt zu beliebigen Datenreihen in einem nicht gestapelten, 2-D-, Bereichs-, Balken-, Spalten-, Linien-, Lager-, xy - (Scatter-) oder Blasendiagramm hinzufügen. Eine Trendlinie ist immer mit einer Datenreihe verbunden, aber eine Trendlinie repräsentiert nicht die Daten dieser Datenreihe. Stattdessen wird eine Trendlinie verwendet, um Trends in Ihren vorhandenen Daten oder Prognosen zukünftiger Daten darzustellen. Anmerkung: Sie können keine Trendlinie zu Datenreihen in einem gestapelten, 3-D-, Radar-, Kuchen-, Oberflächen - oder Donut-Diagramm hinzufügen. Was möchten Sie tun? Erfahren Sie mehr über die Vorhersage und die Darstellung von Trends in Diagrammen Trendlinien werden verwendet, um grafische Trends in Daten zu visualisieren und zu analysieren, Probleme der Vorhersage. Eine solche Analyse wird auch Regressionsanalyse genannt. Durch die Verwendung der Regressionsanalyse können Sie eine Trendlinie in einem Diagramm über die tatsächlichen Daten hinaus ausdehnen, um zukünftige Werte vorherzusagen. Beispielsweise verwendet das folgende Diagramm eine einfache lineare Trendlinie, die zwei Quartale prognostiziert, um klar einen Trend zu steigenden Umsätzen zu zeigen. Sie können auch einen gleitenden Durchschnitt erstellen, der die Schwankungen in den Daten glättet und das Muster oder den Trend deutlicher zeigt. Wenn Sie ein Diagramm oder eine Datenreihe ändern, so dass es beispielsweise die zugehörige Trendlinie nicht mehr unterstützen kann, indem Sie den Diagrammtyp in ein 3D-Diagramm ändern oder die Ansicht eines PivotChart-Berichts oder eines zugeordneten PivotTable-Berichts ändern, wird die Trendlinie nicht mehr angezeigt Auf dem Diagramm. Für Zeilendaten ohne Diagramm können Sie AutoFill oder eine der statistischen Funktionen wie GROWTH () oder TREND () verwenden, um Daten für am besten passende lineare oder exponentielle Zeilen zu erstellen. Den richtigen Trendline-Typ für Ihre Daten auswählen Wenn Sie in Microsoft Office Excel eine Trendlinie zu einem Diagramm hinzufügen möchten, können Sie einen dieser sechs verschiedenen Trend - oder Regressionstypen wählen: lineare Trendlinien, logarithmische Trendlinien, polynomische Trendlinien, Power-Trendlinien, exponentiell Trendlinien oder gleitende durchschnittliche Trendlinien. Die Art der Daten, die Sie festlegen, die Art der Trendlinie, die Sie verwenden sollten. Eine Trendlinie ist am genauesten, wenn ihr R-squared-Wert auf oder nahe bei 1. Wenn Sie eine Trendlinie zu Ihren Daten passen, berechnet Excel automatisch seinen R-Quadrat-Wert. Wenn Sie möchten, können Sie diesen Wert in Ihrem Diagramm anzeigen. Lineare Trendlinien Eine lineare Trendlinie ist eine am besten passende gerade Linie, die mit einfachen linearen Datensätzen verwendet wird. Ihre Daten sind linear, wenn das Muster in seinen Datenpunkten einer Linie ähnelt. Eine lineare Trendlinie zeigt in der Regel, dass etwas mit steiler Geschwindigkeit steigt oder sinkt. Im folgenden Beispiel illustriert eine lineare Trendlinie, dass die Verkäufe von Kühlschränken über einen Zeitraum von 13 Jahren konstant gestiegen sind. Beachten Sie, dass der R-Quadrat-Wert 0,979 ist, was eine gute Übereinstimmung der Zeile zu den Daten ist. Logarithmische Trendlinien Eine logarithmische Trendlinie ist eine am besten passende Kurvenlinie, die verwendet wird, wenn die Änderungsrate der Daten schnell ansteigt oder abnimmt und dann abnimmt. Eine logarithmische Trendlinie kann sowohl negative als auch positive Werte verwenden. Das folgende Beispiel verwendet eine logarithmische Trendlinie, um das prognostizierte Bevölkerungswachstum von Tieren in einem festen Raum zu veranschaulichen, in dem die Population ausgeglichen wurde, als der Platz für die Tiere abnahm. Beachten Sie, dass der R-Quadrat-Wert 0,933 ist, was eine relativ gute Passung der Zeile zu den Daten ist. Polynom-Trendlinien Eine Polynom-Trendlinie ist eine gekrümmte Linie, die verwendet wird, wenn Daten schwanken. Es eignet sich zum Beispiel für die Analyse von Gewinnen und Verlusten über einen großen Datensatz. Die Reihenfolge des Polynoms kann durch die Anzahl der Fluktuationen in den Daten oder durch die Anzahl der Biegungen (Hügel und Täler) in der Kurve bestimmt werden. Eine Ordnung 2 Polynom-Trendlinie hat in der Regel nur einen Hügel oder Tal. Ordnung 3 hat im Allgemeinen ein oder zwei Hügel oder Täler. Ordnung 4 hat in der Regel bis zu drei Hügeln oder Tälern. Das folgende Beispiel zeigt eine Polynom-Trendlinie (ein Hügel), um die Beziehung zwischen Fahrgeschwindigkeit und Kraftstoffverbrauch zu erläutern. Beachten Sie, dass der R-Quadrat-Wert 0,979 ist, was eine gute Übereinstimmung der Zeile zu den Daten ist. Leistung Trendlinien Eine Leistung Trendlinie ist eine gekrümmte Linie, die mit Datensätzen, die Messungen, die mit einer bestimmten Rate, zum Beispiel die Beschleunigung eines Rennwagens in 1-Sekunden-Intervallen zu erhöhen vergleichen. Sie können keine Power-Trendline erstellen, wenn Ihre Daten Null - oder negative Werte enthalten. Im folgenden Beispiel werden Beschleunigungsdaten durch Zeichnen der Distanz in Metern pro Sekunde dargestellt. Die Leistung Trendlinie zeigt deutlich die zunehmende Beschleunigung. Beachten Sie, dass der R-Quadrat-Wert 0,986 ist, was eine nahezu perfekte Passung der Zeile zu den Daten ist. Exponentielle Trendlinien Eine exponentielle Trendlinie ist eine gekrümmte Linie, die verwendet wird, wenn Datenwerte mit stetig steigenden Raten steigen oder fallen. Sie können keine exponentielle Trendlinie erstellen, wenn Ihre Daten Null - oder negative Werte enthalten. Im folgenden Beispiel wird eine exponentielle Trendlinie verwendet, um die abnehmende Menge an Kohlenstoff 14 in einem Objekt zu veranschaulichen, während es altert. Beachten Sie, dass der R-Quadrat-Wert 0.990 ist, was bedeutet, dass die Linie die Daten nahezu perfekt passt. Gleitende durchschnittliche Trendlinien Eine gleitende durchschnittliche Trendlinie glättet die Fluktuationen der Daten, um ein Muster oder einen Trend deutlicher darzustellen. Ein gleitender Durchschnitt verwendet eine bestimmte Anzahl von Datenpunkten (die durch die Option "Periode" festgelegt wurden), sie mittelt sie und verwendet den Durchschnittswert als Punkt in der Zeile. Wenn beispielsweise Period auf 2 gesetzt ist, wird der Durchschnitt der ersten beiden Datenpunkte als erster Punkt in der gleitenden durchschnittlichen Trendlinie verwendet. Der Durchschnitt der zweiten und dritten Datenpunkte wird als zweiter Punkt in der Trendlinie usw. verwendet. Im folgenden Beispiel zeigt eine gleitende durchschnittliche Trendlinie ein Muster in der Anzahl der über einen Zeitraum von 26 Wochen verkauften Häuser. Hinzufügen einer Trendlinie Klicken Sie auf einer Datenreihe, auf der Sie eine Trendlinie oder einen gleitenden Durchschnitt hinzufügen möchten, auf einer unstacked, 2-D-, Bereichs-, Balken-, Spalten-, Linien-, Lager-, xy - (Scatter-) oder Blasendiagramm oder wie folgt Um die Datenreihe aus einer Liste von Diagrammelementen auszuwählen: Klicken Sie auf eine beliebige Stelle im Diagramm. Dadurch werden die Diagrammtools angezeigt. Hinzufügen des Designs. Layout . Und Format-Registerkarten. Klicken Sie auf der Registerkarte Format in der Gruppe Aktuelle Auswahl auf den Pfeil neben dem Diagrammelemente-Feld, und klicken Sie dann auf das Diagrammelement, das gewünscht wird. Hinweis: Wenn Sie ein Diagramm mit mehr als einer Datenreihe auswählen, ohne eine Datenreihe auszuwählen, zeigt Excel das Dialogfeld Trendlinie hinzufügen an. Klicken Sie im Listenfeld auf die gewünschte Datenreihe, und klicken Sie dann auf OK. Klicken Sie auf der Registerkarte Layout in der Gruppe Analysis auf Trendline. Führen Sie einen der folgenden Schritte aus: Klicken Sie auf eine vordefinierte Trendline-Option, die Sie verwenden möchten. Hinweis: Dies gilt für eine Trendlinie, ohne dass Sie bestimmte Optionen auswählen können. Klicken Sie auf Weitere Trendlinienoptionen. Und dann in der Kategorie Trendlinienoptionen unter TrendRegressionstyp. Klicken Sie auf den Typ der Trendlinie, die Sie verwenden möchten. Erstellen eines gewichteten gleitenden Mittelwertes in 3 Schritten Überblick über den gleitenden Durchschnitt Der gleitende Durchschnitt ist ein statistisches Verfahren, das verwendet wird, um kurzfristige Schwankungen in einer Reihe von Daten auszugleichen, um leichter zu erkennen Längerfristigen Trends oder Zyklen. Der gleitende Durchschnitt wird manchmal als ein rollender Durchschnitt oder ein laufender Durchschnitt bezeichnet. Ein gleitender Durchschnitt ist eine Reihe von Zahlen, die jeweils den Durchschnitt eines Intervalls einer bestimmten Anzahl von vorherigen Perioden darstellen. Je größer das Intervall, desto mehr Glättung erfolgt. Je kleiner das Intervall, desto mehr gleicht der gleitende Durchschnitt den tatsächlichen Datenreihen. Gleitende Mittelwerte führen die folgenden drei Funktionen aus: Glättung der Daten, was bedeutet, die Anpassung der Daten an eine Zeile zu verbessern. Verringerung der Wirkung von temporären Variation und zufälligen Rauschen. Hervorhebung von Ausreißern über oder unter dem Trend. Der gleitende Durchschnitt ist eine der am häufigsten verwendeten statistischen Techniken in der Industrie, um Daten-Trends zu identifizieren. Beispielsweise sehen Verkaufsmanager häufig dreimonatige Bewegungsdurchschnitte von Verkaufsdaten. Der Artikel wird einen zweimonatigen, dreimonatigen und sechsmonatigen einfachen gleitenden Durchschnitt der gleichen Verkaufsdaten vergleichen. Der gleitende Durchschnitt wird sehr häufig in der technischen Analyse von Finanzdaten wie Aktienrenditen und in der Volkswirtschaft verwendet, um Tendenzen in makroökonomischen Zeitreihen wie Beschäftigung zu lokalisieren. Es gibt eine Anzahl von Variationen des gleitenden Durchschnitts. Die am häufigsten verwendeten 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 behandelt 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 vorherigen Perioden. Ein Link zu einem anderen Artikel in diesem Blog, der eine detaillierte Erläuterung der Implementierung dieser Technik in Excel bereitstellt, ist wie folgt: Gewichtete Moving Average Points im gewichteten gleitenden Durchschnitt stellen ebenfalls einen Durchschnitt einer bestimmten Anzahl von vorherigen Perioden dar. Der gewichtete gleitende Durchschnitt bezieht sich auf eine unterschiedliche Gewichtung auf bestimmte vorhergehende Perioden, ganz oft werden die jüngeren Perioden größeres Gewicht gegeben. Dieser Blog-Artikel liefert eine ausführliche Erläuterung der Implementierung dieser Technik in Excel. Exponential Moving Average Punkte im exponentiellen gleitenden Durchschnitt stellen auch einen Durchschnitt einer bestimmten Anzahl von vorherigen Perioden dar. Exponentielle Glättung setzt Gewichtungsfaktoren auf frühere Perioden, die exponentiell abnehmen und niemals Null erreichen. Als Ergebnis berücksichtigt die exponentielle Glättung alle vorherigen Perioden anstelle einer bestimmten Anzahl von vorherigen Perioden, die der gewichtete gleitende Durchschnitt aufweist. Eine Verknüpfung zu einem anderen Artikel in diesem Blog, der eine ausführliche Erläuterung der Implementierung dieser Technik in Excel bereitstellt, ist wie folgt: Im folgenden wird der dreistufige Prozess zum Erstellen eines gewichteten gleitenden Durchschnitts von Zeitreihendaten in Excel beschrieben: Schritt 1 8211 Diagramm der ursprünglichen Daten in einem Zeitreihen-Diagramm Das Liniendiagramm ist das am häufigsten verwendete Excel-Diagramm, um Zeitreihen-Daten zu grafisch darstellen. Ein Beispiel für ein solches Excel-Diagramm, das verwendet wird, um 13 Perioden von Verkaufsdaten zu plotten, wird wie folgt gezeigt: Schritt 2 8211 Erstellen des gewichteten gleitenden Mittelwertes mit Formeln in Excel Excel stellt nicht das Mittelwert-Werkzeug im Datenanalyse-Menü zur Verfügung, so dass die Formeln sein müssen Manuell aufgebaut. In diesem Fall wird ein 2-Intervall-gewichteter gleitender Durchschnitt durch Anwenden eines Gewichts von 2 auf die jüngste Periode und eines Gewichts von 1 auf die vorherige Periode erzeugt. Die Formel in Zelle E5 kann bis Zelle E17 kopiert werden. Schritt 3 8211 Hinzufügen der gewichteten gleitenden Durchschnittsreihe 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 das Diagramm aufgenommen. Um dies zu tun, klicken Sie mit der rechten Maustaste irgendwo auf dem Diagramm und ein Menü wird Pop-up. Hit Select Data, um die neue Datenreihe hinzuzufügen. Die gleitende Mittelreihe wird hinzugefügt, indem das Dialogfeld Edit-Serie wie folgt ergänzt wird: Das Diagramm, das die ursprüngliche Datenreihe enthält, und das 2-Intervall-gewichtete gleitende Mittel wird wie folgt dargestellt. Beachten Sie, dass die gleitende mittlere Linie ein wenig glatter ist und die Rohdatenwerte über und unter der Trendlinie deutlich sichtbarer sind. Auch der Gesamttrend ist deutlich sichtbarer. Ein 3-Intervall gleitender Durchschnitt kann erstellt werden und auf dem Diagramm mit fast dem gleichen Verfahren wie folgt platziert werden. Beachten Sie, dass der jüngsten Periode das Gewicht von 3 zugewiesen wird, der Zeitraum vor dem zugewiesen und das Gewicht von 2, und der Zeitraum vor, dem ein Gewicht von 1 zugewiesen wird. Diese Daten sollten nun dem Diagramm hinzugefügt werden, das das Original enthält Zeit-Linie der Verkaufsdaten zusammen mit der 2-Intervall-Serie. Die Daten werden einfach als eine weitere Datenreihe in das Diagramm aufgenommen. Um dies zu tun, klicken Sie mit der rechten Maustaste irgendwo auf dem Diagramm und ein Menü wird Pop-up. Hit Select Data, um die neue Datenreihe hinzuzufügen. Die gleitende Durchschnittsreihe wird hinzugefügt, indem das Dialogfeld Edit-Serie wie folgt ergänzt wird: Wie erwartet, tritt ein etwas mehr Glättung mit dem gewichteten 3-Intervall-gleitenden Durchschnitt auf als mit dem gewichteten 2-Intervall-gleitenden Durchschnitt. Zum Vergleich wird ein 6-Intervall gewichteter gleitender Durchschnitt berechnet und dem Diagramm auf die gleiche Weise wie folgt hinzugefügt. Man beachte, daß die zunehmend abnehmenden Gewichte, die als Perioden zugeordnet sind, in der Vergangenheit entfernter werden. Diese Daten sollten nun dem Diagramm hinzugefügt werden, das die ursprüngliche Zeitlinie der Verkaufsdaten zusammen mit der 2- und 3-Intervallreihe enthält. Die Daten werden einfach als eine weitere Datenreihe in das Diagramm aufgenommen. Um dies zu tun, klicken Sie mit der rechten Maustaste irgendwo auf dem Diagramm und ein Menü wird Pop-up. Hit Select Data, um die neue Datenreihe hinzuzufügen. Die gleitende Durchschnittsreihe wird hinzugefügt, indem das Dialogfeld Edit-Serie wie folgt ergänzt wird: Wie erwartet, ist der 6-Intervall-gewichtete gleitende Durchschnitt signifikant glatter als die gewichteten 2 oder 3-gewichteten gleitenden Mittelwerte. Ein glatterer Graph paßt genau auf eine gerade Linie. Analysieren der Prognosegenauigkeit Die beiden Komponenten der Prognosegenauigkeit sind die folgenden: Prognosevorhersage 8211 Die Tendenz einer Prognose, konstant höher oder niedriger als tatsächliche Werte einer Zeitreihe zu sein. Die Prognosevorspannung ist die Summe aller Fehler, geteilt durch die Anzahl der Perioden, wie folgt: Eine positive Bias gibt eine Tendenz zur Unterprognose an. Eine negative Vorspannung gibt eine Tendenz zur Überprognose an. Bias misst nicht die Genauigkeit, da positiver und negativer Fehler sich gegenseitig aufheben. Prognosefehler 8211 Die Differenz zwischen Istwerten einer Zeitreihe und den prognostizierten Werten der Prognose. Die gebräuchlichsten Maßnahmen des Prognosefehlers sind die folgenden: MAD 8211 Mean Absolute Deviation MAD berechnet den durchschnittlichen Absolutwert des Fehlers und wird mit folgender Formel berechnet: Die Mittelung der Absolutwerte der Fehler eliminiert den Abbruch von positiven und negativen Fehlern. Je kleiner der MAD, desto besser ist das Modell. MSE 8211 Mean Squared Error MSE ist ein beliebtes Maß für den Fehler, der die Abbruchwirkung von positiven und negativen Fehlern beseitigt, indem die Quadrate des Fehlers mit folgender Formel summiert werden: Große Fehlerterme tendieren dazu, MSE zu übertreiben, da die Fehlerterme alle quadriert sind. RMSE (Root Square Mean) reduziert dieses Problem, indem es die Quadratwurzel von MSE nimmt. MAPE 8211 Mittlerer absoluter Prozentfehler MAPE eliminiert auch den Abbrechen von positiven und negativen Fehlern durch Summieren der Absolutwerte der Fehlerterme. MAPE berechnet die Summe der prozentualen Fehlerterme mit folgender Formel: Durch Summieren von prozentualen Fehlertermen kann MAPE verwendet werden, um Prognosemodelle, die unterschiedliche Maßstäbe verwenden, zu vergleichen. Berechnung von Bias, MAD, MSE, RMSE und MAPE in Excel Für die gewichtete Moving Average Bias werden MAD, MSE, RMSE und MAPE in Excel berechnet, um die gewichteten 2-Intervall-, 3-Intervall - und 6-Intervalle zu bewerten Durchschnittliche Prognose in diesem Artikel erhalten und wie folgt dargestellt: Der erste Schritt ist die Berechnung von E t. E t 2. E t, E t Y t-act. Und dann die Summe dann wie folgt berechnet werden: Bias, MAD, MSE, MAPE und RMSE können wie folgt berechnet werden: Es werden nun dieselben Berechnungen durchgeführt, um Bias, MAD, MSE, MAPE und RMSE für den 3-Intervall-gewichteten gleitenden Durchschnitt zu berechnen. Bias, MAD, MSE, MAPE und RMSE können wie folgt berechnet werden: Es werden die gleichen Berechnungen durchgeführt, um Bias, MAD, MSE, MAPE und RMSE für den 6-Intervall-gewichteten gleitenden Durchschnitt zu berechnen. Bias, MAD, MSE, MAPE und RMSE können wie folgt berechnet werden: Bias, MAD, MSE, MAPE und RMSE werden für die 2-Intervall-, 3-Intervall - und 6-Intervall-gewichteten Bewegungsdurchschnitte wie folgt zusammengefasst. Der 2-Intervall-gewichtete gleitende Durchschnitt ist das Modell, das am ehesten an die tatsächlichen Daten passt, wie es erwartet wird. 160 Excel-Master-Serie Blog-Verzeichnis Statistische Themen und Artikel in jedem TopicCreating ein einfaches Bewegen Dies ist einer der folgenden drei Artikel zur Zeitreihenanalyse in Excel Überblick über den gleitenden Durchschnitt Der gleitende Durchschnitt ist ein statistisches Verfahren verwendet, um kurzfristige Fluktuationen zu glätten In einer Reihe von Daten, um längerfristige Trends oder Zyklen leichter zu erkennen. Der gleitende Durchschnitt wird manchmal als ein rollender Durchschnitt oder ein laufender Durchschnitt bezeichnet. Ein gleitender Durchschnitt ist eine Reihe von Zahlen, die jeweils den Durchschnitt eines Intervalls einer bestimmten Anzahl von vorherigen Perioden darstellen. Je größer das Intervall, desto mehr Glättung erfolgt. Je kleiner das Intervall, desto mehr gleicht der gleitende Durchschnitt den tatsächlichen Datenreihen. Gleitende Mittelwerte führen die folgenden drei Funktionen aus: Glättung der Daten, was bedeutet, die Anpassung der Daten an eine Zeile zu verbessern. Verringerung der Wirkung von temporären Variation und zufälligen Rauschen. Hervorhebung von Ausreißern über oder unter dem Trend. Der gleitende Durchschnitt ist eine der am häufigsten verwendeten statistischen Techniken in der Industrie, um Daten-Trends zu identifizieren. Beispielsweise sehen Verkaufsmanager häufig dreimonatige Bewegungsdurchschnitte von Verkaufsdaten. Der Artikel wird einen zweimonatigen, dreimonatigen und sechsmonatigen einfachen gleitenden Durchschnitt der gleichen Verkaufsdaten vergleichen. Der gleitende Durchschnitt wird sehr häufig in der technischen Analyse von Finanzdaten wie Aktienrenditen und in der Volkswirtschaft verwendet, um Tendenzen in makroökonomischen Zeitreihen wie Beschäftigung zu lokalisieren. Es gibt eine Anzahl von Variationen des gleitenden Durchschnitts. Die am häufigsten verwendeten 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 behandelt 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 vorherigen Perioden. Dieser Blog-Artikel liefert eine ausführliche Erläuterung der Implementierung dieser Technik in Excel. Die gewichteten gleitenden Durchschnittspunkte im gewichteten gleitenden Durchschnitt repräsentieren ebenfalls den Durchschnitt einer vorgegebenen Anzahl vorheriger Perioden. Der gewichtete gleitende Durchschnitt bezieht sich auf eine unterschiedliche Gewichtung auf bestimmte vorhergehende Perioden, ganz oft werden die jüngeren Perioden größeres Gewicht gegeben. Ein Link zu einem anderen Artikel in diesem Blog, der eine detaillierte Erläuterung der Implementierung dieser Technik in Excel bereitstellt, ist wie folgt: Exponential Moving Average Punkte im exponentiellen gleitenden Durchschnitt repräsentieren ebenfalls einen Durchschnitt einer bestimmten Anzahl von vorherigen Perioden. Exponentielle Glättung setzt Gewichtungsfaktoren auf frühere Perioden, die exponentiell abnehmen und niemals Null erreichen. Als Ergebnis berücksichtigt die exponentielle Glättung alle vorherigen Perioden anstelle einer bestimmten Anzahl von vorherigen Perioden, die der gewichtete gleitende Durchschnitt aufweist. Ein Link zu einem anderen Artikel in diesem Blog, der eine detaillierte Erläuterung der Implementierung dieser Technik in Excel bereitstellt, ist wie folgt: Im Folgenden wird der dreistufige Prozess zum Erstellen eines einfachen gleitenden Durchschnitts von Zeitreihendaten in Excel beschrieben Die ursprünglichen Daten in einem Zeitreihen-Diagramm Das Liniendiagramm ist das am häufigsten verwendete Excel-Diagramm, um Zeitreihendaten zu grafisch darstellen. Ein Beispiel für ein solches Excel-Diagramm, das verwendet wird, um 13 Perioden von Verkaufsdaten zu plotten, wird wie folgt gezeigt: Schritt 2 8211 Erstellen des gleitenden Mittelwertes in Excel Excel bietet das Werkzeug "Gleitender Durchschnitt" im Menü Datenanalyse. Das Tool Moving Average erzeugt einen einfachen gleitenden Durchschnitt aus einer Datenreihe. Das Dialogfeld "Gleitender Durchschnitt" sollte wie folgt ausgefüllt werden, um für jeden Datenpunkt einen gleitenden Durchschnitt der vorhergehenden 2 Datenperioden zu erzeugen. Die Ausgabe des 2-Perioden-Bewegungsdurchschnitts wird zusammen mit den Formeln, die verwendet wurden, um den Wert jedes Punktes im gleitenden Durchschnitt zu berechnen, wie folgt gezeigt. Schritt 3 8211 Die verschiebende durchschnittliche Serie zum Diagramm hinzufügen Diese Daten sollten nun dem Diagramm hinzugefügt werden, das die ursprüngliche Zeitlinie der Verkaufsdaten enthält. Die Daten werden einfach als eine weitere Datenreihe in das Diagramm aufgenommen. Um dies zu tun, klicken Sie mit der rechten Maustaste irgendwo auf dem Diagramm und ein Menü wird Pop-up. Hit Select Data, um die neue Datenreihe hinzuzufügen. Die gleitende mittlere Reihe wird hinzugefügt, indem das Dialogfeld Edit-Serie wie folgt ergänzt wird: Das Diagramm, das die ursprüngliche Datenreihe enthält, und das 2-Intervall-einfacher gleitender Durchschnitt wird wie folgt gezeigt. Beachten Sie, dass die gleitende mittlere Linie ein wenig glatter ist und die Rohdatenwerte über und unter der Trendlinie deutlich sichtbarer sind. Auch der Gesamttrend ist deutlich sichtbarer. Ein gleitender 3-Intervall-Durchschnitt kann mit dem gleichen Verfahren wie folgt erstellt und auf dem Diagramm platziert werden: Es ist interessant zu bemerken, dass der einfache gleitende 2-Intervall-Durchschnitt einen glatteren Graphen als den einfachen gleitenden Durchschnitt von 3 Intervallen erzeugt. In diesem Fall kann der 2-Intervall-einfache gleitende Durchschnitt um so wünschenswerter sein als der 3-Intervall-gleitende Durchschnitt. Zum Vergleich wird ein einfacher 6-Intervall-Durchschnitt berechnet und dem Diagramm in der gleichen Weise wie folgt hinzugefügt: Wie erwartet, ist der 6-Intervall-einfacher gleitender Durchschnitt signifikant glatter als die einfachen 2- oder 3-Intervall-Durchschnittswerte. Ein glatterer Graph paßt genau auf eine gerade Linie. Analysieren der Prognosegenauigkeit Die Genauigkeit kann als Güte der Anpassung beschrieben werden. Die beiden Komponenten der Prognosegenauigkeit sind die folgenden: Prognosevorhersage 8211 Die Tendenz einer Prognose, konsequent höher oder niedriger als tatsächliche Werte einer Zeitreihe zu sein. Die Prognosevorspannung ist die Summe aller Fehler, geteilt durch die Anzahl der Perioden, wie folgt: Eine positive Bias gibt eine Tendenz zur Unterprognose an. Eine negative Vorspannung gibt eine Tendenz zur Überprognose an. Bias misst nicht die Genauigkeit, da positiver und negativer Fehler sich gegenseitig aufheben. Prognosefehler 8211 Die Differenz zwischen Istwerten einer Zeitreihe und den prognostizierten Werten der Prognose. Die gebräuchlichsten Maßnahmen des Prognosefehlers sind die folgenden: MAD 8211 Mean Absolute Deviation MAD berechnet den durchschnittlichen Absolutwert des Fehlers und wird mit folgender Formel berechnet: Die Mittelung der Absolutwerte der Fehler eliminiert den Abbruch von positiven und negativen Fehlern. Je kleiner der MAD, desto besser ist das Modell. MSE 8211 Mean Squared Error MSE ist ein beliebtes Maß für den Fehler, der die Abbruchwirkung von positiven und negativen Fehlern beseitigt, indem die Quadrate des Fehlers mit folgender Formel summiert werden: Große Fehlerterme tendieren dazu, MSE zu übertreiben, da die Fehlerterme alle quadriert sind. RMSE (Root Square Mean) reduziert dieses Problem, indem es die Quadratwurzel von MSE nimmt. MAPE 8211 Mittlerer absoluter Prozentfehler MAPE eliminiert auch den Abbrechen von positiven und negativen Fehlern durch Summieren der Absolutwerte der Fehlerterme. MAPE berechnet die Summe der prozentualen Fehlerterme mit folgender Formel: Durch Summieren von prozentualen Fehlertermen kann MAPE verwendet werden, um Prognosemodelle, die unterschiedliche Maßstäbe verwenden, zu vergleichen. Berechnung von Bias, MAD, MSE, RMSE und MAPE in Excel Für die Simple Moving Average Bias werden MAD, MSE, RMSE und MAPE in Excel berechnet, um das 2-Intervall-, 3-Intervall - und 6-Intervall-Simple-Moving zu bewerten Durchschnittliche Prognose in diesem Artikel erhalten und wie folgt dargestellt: Der erste Schritt ist die Berechnung von E t. E t 2. E t, E t Y t-act. Und können dann wie folgt berechnet werden: Bias, MAD, MSE, MAPE und RMSE können wie folgt berechnet werden: Es werden nun die gleichen Berechnungen durchgeführt, um Bias, MAD, MSE, MAPE und RMSE für den einfachen gleitenden Durchschnitt von 3 Intervallen zu berechnen. Die gleichen Berechnungen werden nun durchgeführt, um Bias, MAD, MSE, MAPE und RMSE für den 6-Intervall-einfachen gleitenden Durchschnitt zu berechnen. Bias, MAD, MSE, MAPE und RMSE sind für die 2-Intervall-, 3-Intervall - und 6-Intervall-einfachen Bewegungsdurchschnitte wie folgt zusammengefasst. Der 3-Intervall-einfache gleitende Durchschnitt ist das Modell, das am ehesten zu den tatsächlichen Daten passt. 160 Excel Master Series Blog Verzeichnis Statistische Themen und Artikel in jedem Thema