PROGNOSE.ETS.ADD-funktion
Beregner de/den forventede prognose(-r) (fremtidige værdier) baseret på historiske data ved brug af ETS eller EDS algoritmer. EDS bruges når argumentet periode_længde er 0, ellers bruges ETS.
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.
PROGNOSE.ETS.ADD beregner med modellen
prognose = basisværdi + tendens * ∆x + periodisk afvigelse.
PROGNOSE.ETS.ADD(mål, værdier, tidslinje, [periodelængde], [datafuldførelse], [aggregering])
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.
Tidslinjen behøver ikke at være 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 værdiers områder ikke har den samme størrelse, returnerer funktionerne fejlen #N/A.
Hvis tidslinjen indeholder mindre end 2 dataperioder, returnerer funktionerne fejlen #VALUE!
periode_længde (valgfri): En numerisk værdi >= 0, standarden er 1. Et positivt heltal, der indikerer antallet af stikprøver i en periode.
En værdi på 1 indikerer, at Calc skal bestemme antallet af stikprøver 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.
data_fuldførelse (valgfri): en logisk værdi SAND eller FALSK, et numerisk 1 eller 0, standard er 1 (SAND). En værdi på 0 (FALSK) vil tilføje de manglende datapunkter med nul som historisk værdi. En værdi på 1 (SAND) vil tilføje de manglende datapunkter ved at interpolere mellem de tilstødende datapunkter.
Selv om tidslinjen kræver et fast mellemrum mellem datapunkterne, understøtter funktionen op til 30% manglende datapunkter og vil tilføje 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
|
Selv om tidslinjen kræver et konstant mellemrum mellem datapunkter, vil funktionerne samle flere punkter, som har det samme tidsstempel.
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
|
=PROGNOSE.ETS.ADD(DATO(2014;1;1);Værdier;Tidslinje;1;SAND();1)
Returnerer 157,16666666667, den additive prognose for januar 2014 baseret på områderne kaldet Værdier og Tidslinje ovenfor, med et eksempel per periode, ingen manglende data og MIDDEL som aggregering.
=PROGNOSE.ETS.ADD(DATO(2014;1;1);Værdier;Tidslinje;4;SAND();7)
Returnerer 113,251442038722, den additive prognose for januar 2014 baseret på områderne kalde Værdier og Tidslinje ovenfor, med en periodelængde på 4, ingen manglende og SUM som aggregering.
Denne funktion er tilgængelig siden LibreOffice 5.2.
Denne funktion er ikke en del af standarden Open Document Format for kontorprogrammer (OpenDocument) Version 1.3. del 4: Omregnet formel (OpenFormula) -format. Navnerummet er
COM.MICROSOFT.FORECAST.ETS