PROGNOSE.ETS.PI.MULT-funktion
Beregner forudsigelsesinterval(-ler) for multiplikative prognoser baseret på historiske data ved brug af ETS eller EDS algoritmer.. EDS bruges når argumentet periodelængde 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.
Find mere information i engelsk Wikipedia om Exponential smoothing algorithms.
PROGNOSE.ETS.PI.MULT beregner med modellen
PROGNOSE.ETS.PI.MULT(mål, værdier, tidslinje, [tillidsniveau], [periodelængde], [fuldførelse], [aggregering])
tidslinje (obligatorisk): En numerisk matrice eller område. Tidslinjen (x-værdier) er området for for de historiske værdier.
Tidslinjen behøver ikke at være sorteret, funktionerne vil sortere den til beregningerne.
Tidslinjens værdier skal have en konsekvent afstand.
Hvis der ikke kan findes et konstant mellemrum på den sorterede tidslinje, vil funktionerne returnere en #NUM!-fejl.
Hvis tidslinjens område og de historiske værdier ikke har samme størrelse, vil funktionerne returnere en #N/A-fejl.
Hvis tidslinjen omfatter mindre end 2 perioder med data, vil funktionerne returnere en #VALUE!-fejl.
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.
Med værdier <= 0 or ><= 1, vil funktionerne returnere en #NUM-fejl.
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.
Med for eksempel et 90% troværdighedsniveau, beregnes et 90% forudsigelsesinterval )90% af fremtidige punkter skal falde inden for denne radius fra prognosen).
Bemærk om forudsigelsesintervaller: der er ingen præcis matematisk måde at beregne dette for prognoser, der er forskellige tilnærmelser. Forudsigelsesintervaller har tendens til at blive tiltagende 'overoptimistiske' med tiltagende afstand mellem prognose-X og det observerede datasæt.
Til ETS bruger Cals en tilnærmelse baseret på 1000 beregninger med tilfældige variationer indenfor standardafvigelsen for det observerede datasæt (de historiske værdier).
=PROGNOSE.ETS.PI.MULT(DATO(2014;1;1);Værdier;Tidslinje;0,9;1;SAND();1)
Returnerer 20,1040952101013, den multiplikative forudsigelsesintervalsprognose for januar 2014 baseret på områder kaldet Værdier og Tidslinje ovenfor, med et troværdighedsniveau på 90% (=0,9), med et eksempel pr. periode, ingen manglende data og MIDDEL som aggregation.
=PROGNOSE.ETS.PI.MULT(DATO(2014;1;1);Værdier;Tidslinje;0.8;4;SAND();7)
Returnerer 27,5285874381574, det multiplikative forudsigelsesintervals prognose for januar 2014 baseret på områderne kaldet Værdier og Tidslinje ovenfor med et troværdighedsniveau på 0,8, periodelængde på 4, ingen manglende data, og SUM som aggregering.