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.


PROGNOSE.ETS.PI.MULT beregner med modellen

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

tip

Denne funktion er tilgængelig siden LibreOffice 5.2.


Syntaks

PROGNOSE.ETS.PI.MULT(m√•l, v√¶rdier, tidslinje, [tillidsniveau], [periodel√¶ngde], [fuldf√łrelse], [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 matrice eller område. Tidslinjen (x-værdier) er området for for de historiske værdier.

Noteikon

Tidslinjen beh√łver ikke at v√¶re 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 omr√•de og de historiske v√¶rdier ikke har samme st√łrrelse, 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.

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.


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.


Med for eksempel et 90% troværdighedsniveau, beregnes et 90% forudsigelsesinterval )90% af fremtidige punkter skal falde inden for denne radius fra prognosen).

Noteikon

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).

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


=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.

St√łt os venligst!