Mse In Moving Durchschnitt

Smoothing Daten entfernt zufällige Variation und zeigt Trends und zyklische Komponenten Inhärent in der Sammlung von Daten über die Zeit genommen wird, ist eine Form von zufälligen Variation. Es gibt Methoden zur Verringerung der Annullierung der Wirkung aufgrund zufälliger Variation. Eine häufig verwendete Technik in der Industrie ist Glättung. Diese Technik zeigt, wenn sie richtig angewendet wird, deutlicher den zugrunde liegenden Trend, saisonale und zyklische Komponenten. Es gibt zwei verschiedene Gruppen von Glättungsmethoden Mittelungsmethoden Exponentielle Glättungsmethoden Mittelwertbildung ist der einfachste Weg, um Daten zu glätten Wir werden zunächst einige Mittelungsmethoden untersuchen, z. B. den einfachen Mittelwert aller vergangenen Daten. Ein Manager eines Lagers möchte wissen, wie viel ein typischer Lieferant in 1000-Dollar-Einheiten liefert. Heshe nimmt eine Stichprobe von 12 Lieferanten zufällig an und erhält die folgenden Ergebnisse: Der berechnete Mittelwert oder Mittelwert der Daten 10. Der Manager entscheidet, dies als Kostenvoranschlag für die Ausgaben eines typischen Lieferanten zu verwenden. Ist dies eine gute oder schlechte Schätzung Mittel quadratischen Fehler ist ein Weg, um zu beurteilen, wie gut ein Modell ist Wir berechnen die mittlere quadratische Fehler. Der Fehler true Betrag verbraucht minus die geschätzte Menge. Der Fehler quadriert ist der Fehler oben, quadriert. Die SSE ist die Summe der quadratischen Fehler. Die MSE ist der Mittelwert der quadratischen Fehler. MSE Ergebnisse zum Beispiel Die Ergebnisse sind: Fehler und quadratische Fehler Die Schätzung 10 Die Frage stellt sich: Können wir das Mittel verwenden, um Einkommen zu prognostizieren, wenn wir einen Trend vermuten Ein Blick auf die Grafik unten zeigt deutlich, dass wir dies nicht tun sollten. Durchschnittliche Gewichtungen alle früheren Beobachtungen gleich In Zusammenfassung, wir sagen, dass die einfache Mittelwert oder Mittelwert aller früheren Beobachtungen ist nur eine nützliche Schätzung für die Prognose, wenn es keine Trends. Wenn es Trends, verwenden Sie verschiedene Schätzungen, die den Trend berücksichtigen. Der Durchschnitt wiegt alle früheren Beobachtungen gleichermaßen. Zum Beispiel ist der Durchschnitt der Werte 3, 4, 5 4. Wir wissen natürlich, dass ein Durchschnitt berechnet wird, indem alle Werte addiert werden und die Summe durch die Anzahl der Werte dividiert wird. Ein anderer Weg, den Durchschnitt zu berechnen, besteht darin, daß jeder Wert durch die Anzahl von Werten geteilt wird, oder 33 43 53 1 1.3333 1.6667 4. Der Multiplikator 13 wird das Gewicht genannt. Allgemein: bar frac sum links (frac rechts) x1 links (frac rechts) x2,. ,, Links (frac rechts) xn. Die (linke (frac rechts)) sind die Gewichte, und natürlich summieren sie sich auf 1.Was039s die Differenz zwischen gleitendem Durchschnitt und gewichtetem gleitendem Durchschnitt Ein 5-Perioden-gleitender Durchschnitt, basierend auf den oben genannten Preisen, würde wie folgt berechnet werden Formel: Basierend auf der obigen Gleichung lag der Durchschnittspreis der oben genannten Periode bei 90,66. Die Verwendung von gleitenden Durchschnitten ist eine wirksame Methode zur Beseitigung starker Preisschwankungen. Die Schlüsselbegrenzung besteht darin, dass Datenpunkte von älteren Daten nicht anders gewichtet werden als Datenpunkte nahe dem Anfang des Datensatzes. Hier kommen gewichtete gleitende Mittelwerte ins Spiel. Gewichtete Mittelwerte weisen eine höhere Gewichtung auf aktuellere Datenpunkte zu, da sie relevanter sind als Datenpunkte in der fernen Vergangenheit. Die Summe der Gewichtung sollte bis zu 1 (oder 100) addieren. Im Fall des einfachen gleitenden Durchschnitts sind die Gewichtungen gleichmäßig verteilt, weshalb sie in der obigen Tabelle nicht dargestellt sind. Closing Price von AAPLCArbeitung eines gewichteten gleitenden Durchschnitts 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 längerfristigere Trends oder Zyklen leichter erkennen zu können. 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, 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 früherer 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 Rohdatenabweichungen oberhalb und unterhalb 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-Intervall-Reihe 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 der folgenden 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 Series Blog Verzeichnis Statistische Themen und Artikel in jedem Thema