Eksponentiel udglatning er en metode til at udglatte reelle værdier i en tidsserie for at forudsige mulige fremtidige værdier.

Eksponentiel triple udglatning (ETS) er et sæt algoritmer, hvor både tendens og periodisk (sæsonmæssig) indvirkninger behandles. Eksponentiel dobbelt udglatning (EDS) er en algoritme som ETS, men uden periodiske indvirkninger. EDS fremstiller lineære forudsigelser.

Tipikon

mål (obligatorisk): En dato, et tidspunkt eller numerisk enkelt værdi eller område. Datapunktet/området, som der skal forudsiges for.

værdier (obligatoriske): En numeriske matrice eller område. Værdier er de historiske værdier, som du vil forudsige de næste punkter for.

tidslinje (obligatorisk): En numerisk matrix eller et område. Tidslinje (x-værdi) området til historiske værdier.

Noteikon

Tidslinjen beh√łver ikke at v√¶re ordnet, funktionerne vil sortere den til beregninger.
Tidslinjens værdier skal have ensartede mellemrum.
Hvis der ikke kan ses en konstant afstand på den ordnede tidslinje, returnerer funktionerne fejlen #NUM!
Hvis tidslinjens og de historiske v√¶rdiers omr√•der ikke har den samme st√łrrelse, returnerer funktionerne fejlen #N/A.
Hvis tidslinjen indeholder mindre end 2 dataperioder, returnerer funktionerne fejlen #VALUE!


data_fuldf√łrelse (valgfri): en logisk v√¶rdi SAND eller FALSK, et numerisk 1 eller 0, standard er 1 (SAND). En v√¶rdi p√• 0 (FALSK) vil tilf√łje de manglende datapunkter med nul som historisk v√¶rdi. En v√¶rdi p√• 1 (SAND) vil tilf√łje de manglende datapunkter ved at interpolere mellem de tilst√łdende datapunkter.

Noteikon

Selv om tidslinjen kr√¶ver et fast mellemrum mellem datapunkterne, underst√łtter funktionen op til 30% manglende datapunkter og vil tilf√łje dem.


Aggregering (valgfri): en numerisk værdi fra 1 til 7, med standard 1. Aggregering indikerer hvilken metode der anvendes til at aggregere identiske tidsværdier:

Aggregering

Funktion

1

MIDDEL

2

TÆL

3

TÆLV

4

MAKS

5

MEDIAN

6

MIN

7

SUM


Noteikon

Selv om tidslinjen kræver et konstant mellemrum mellem datapunkter, vil funktionerne samle flere punkter, som har det samme tidsstempel.


stat_type (obligatorisk): En numerisk værdi fra 1 til 9. En værdi indikerer hvilken statistik der returneres for de givne værdier og x-område

F√łlgende statistikker kan returneres:

stat_type

Statistikker

1

Alfa udglatningsparameter fra ETS-algoritmen (basis)

2

Gamma-udglatningsparameter fra ETS-algoritmen (tendens)

3

Beta-udglatningsparameter fra ETS-algoritmen (periodisk afvigelse)

4

Middeltal for absolut skaleret fejl (MASE) - en m√•ling af forudsigelsers n√łjagtighed.

5

Symmestrisk middeltal for absolut procentvis fejl (SMAPE) - en n√łjagtighedsm√•ling baseret p√• procentvise fejl

6

Middeltal for absolut fejl (MAE) -- en m√•ling af forudsigelsers n√łjagtighed.

7

Roden af middeltal af kvadrat på fejl (RMSE) - en måling af forskelle mellem forudsagte og observerede værdier.

8

Trinlængden på den detekterede tidslinje (x-område). Hvis der opdages en trinlængden i måneder/kvartaler/år, er trinlængden i måneder, ellers er trinlængden i dage i tilfælde af en dato(tidspunkt)-tidslinje og numerisk i andre tilfælde.

9

Antal stikpr√łver i periode -- dette er det samme som argumentet periode_l√¶ngde, eller det beregnede antal i tilf√¶lde af, at periode_l√¶ngde er 1.


Troværdigheds_niveau (krævet): En numerisk værdi mellem 0 og 1 (eksklusiv), standard er 0,95. En værdi som indikerer et niveau for troværdighed af det beregnede forudsigelsesinterval.

Noteikon

Med værdier <= 0 or ><= 1, vil funktionerne returnere en #NUM-fejl.


periode_l√¶ngde (valgfri): En numerisk v√¶rdi >= 0, standarden er 1. Et positivt heltal, der indikerer antallet af stikpr√łver i en periode.

Noteikon

En v√¶rdi p√• 1 indikerer, at Calc skal bestemme antallet af stikpr√łver i en periode automatisk,
En værdi på 0 indikerer ingen periodisk eftekter, en forudsigelse beregnes med EDS-algoritmer.
For alle andre positive værdier beregnes forudsigelser med ETS-algoritmer.
For værdier, som ikke er et positivt heltal, vil funktionerne returnere en #NUM!-fejl.


prognose = basisv√¶rdi + tendens * ‚ąÜx + periodisk afvigelse.

prognose = (basisv√¶rdi + trend*‚ąÜx) * periodisk_afvigelse.

Eksempel

Tabellen herunder indeholder en tidslinje og dens tilknyttede værdier:

A

B

1

Tidslinje

Værdier

2

01/2013

112

3

02/2013

118

4

03/2013

132

5

04/2013

100

6

05/2013

121

7

06/2013

135

8

07/2013

148

9

08/2013

148

10

09/2013

136

11

10/2013

119

12

11/2013

104

13

12/2013

118


St√łt os venligst!