συνάρτηση FORECAST.ETS.PI.MULT

Υπολογίζει τα διαστήματα πρόβλεψης για πολλαπλασιαστική πρόβλεψη με βάση τα ιστορικά δεδομένα χρησιμοποιώντας τους αλγορίθμους ETS ή EDS. Ο EDS χρησιμοποιείται όταν το όρισμα διάρκεια_περιόδου είναι 0, αλλιώς χρησιμοποιείται το ETS.

Η εκθετική εξομάλυνση είναι μια μέθοδος για εξομάλυνση πραγματικών τιμών σε μια χρονολογική σειρά για να προβλέψει πιθανές μελλοντικές τιμές.

Η τριπλή εκθετική εξομάλυνση (ETS) είναι ένα σύνολο αλγορίθμων στο οποίο και οι επιδράσεις τάσης και οι περιοδικές (εποχιακές) τάσεις επεξεργάζονται. Η διπλή εκθετική εξομάλυνση (EDS) είναι ένας αλγόριθμος όπως το ETS, αλλά χωρίς τις περιοδικές επιδράσεις. Το EDS παράγει γραμμικές προβλέψεις.

Εικονίδιο συμβουλής

Δείτε το Βικιπαιδεία για τους εκθετικούς αλγόριθμους εξομάλυνσης για περισσότερες πληροφορίες.


Η FORECAST.ETS.PI.MULT υπολογίζει ανάλογα με το πρότυπο

πρόβλεψη = (τιμή_βάσης + τάση * ∆x ) * περιοδική_απόκλιση.

tip

Αυτή η συνάρτηση είναι διαθέσιμη από το LibreOffice 5.2.


Σύνταξη

FORECAST.ETS.PI.MULT(στόχος, τιμές, λωρίδα_χρόνου, [επίπεδο_εμπιστοσύνης], [διάρκεια_περιόδου], [ολοκλήρωση_δεδομένων], [συνάθροιση])

προορισμός (απαραίτητος): Μια ημερομηνία, ή αριθμητική μοναδική τιμή ή περιοχή. Το σημείο/περιοχή δεδομένων για το οποίο θα υπολογιστεί μια πρόβλεψη.

τιμές (απαραίτητες): Ένας αριθμητικός πίνακας ή περιοχή. τιμές είναι οι προγενέστερες τιμές, για τις οποίες θέλετε να προβλέψετε τα επόμενα σημεία.

γραμμή χρόνου (απαραίτητο): Ένας αριθμητικός πίνακας ή περιοχή. Η περιοχή γραμμής χρόνου (τιμή x) για τις προγενέστερες τιμές.

Εικονίδιο σημείωσης

Η γραμμή χρόνου δεν οφείλει να ταξινομηθεί, οι συναρτήσεις θα την ταξινομήσουν για τους υπολογισμούς.
Οι τιμές της γραμμής χρόνου πρέπει να έχουν ένα ομοιόμορφο βήμα μεταξύ τους.
Αν δεν μπορεί να ταυτοποιηθεί ένα σταθερό βήμα στην ταξινομημένη γραμμή χρόνου, οι συναρτήσεις θα επιστρέψουν το σφάλμα #ΑΡΙΘ!.
Αν οι περιοχές της γραμμής χρόνου και των προγενέστερων τιμών δεν είναι του ίδιου μεγέθους, οι συναρτήσεις θα επιστρέψουν το σφάλμα #Δ/Υ.
Αν η γραμμή χρόνου περιέχει λιγότερες από 2 περιόδους δεδομένων, οι συναρτήσεις θα επιστρέψουν το σφάλμα #ΤΙΜΗ!.


επίπεδο_εμπιστοσύνης (προαιρετικό): Μια αριθμητική τιμή μεταξύ 0 και 1 (αποκλειόμενου), η προεπιλογή είναι 0,95. Μια τιμή που δείχνει επίπεδο εμπιστοσύνης για το υπολογιζόμενο διάστημα πρόβλεψης.

Εικονίδιο σημείωσης

Με τιμές <= 0 ή >=1, οι συναρτήσεις θα επιστρέψουν το σφάλμα #ΑΡΙΘ!.


μήκος_περιόδου (προαιρετικό): Για αριθμητική τιμή >= 0, η προεπιλογή είναι 1. Ένας θετικός ακέραιος που δείχνει τον αριθμό των δειγμάτων σε μια περίοδο.

Εικονίδιο σημείωσης

Μια τιμή 1 δείχνει ότι το Calc πρόκειται να προσδιορίσει τον αριθμό των δειγμάτων σε μια περίοδο αυτόματα.
Μια τιμή 0 δείχνει μη περιοδικά αποτελέσματα, μια πρόβλεψη υπολογίζεται με αλγόριθμους EDS.
Για όλες τις άλλες θετικές τιμές, οι προβλέψεις υπολογίζονται με αλγόριθμους ETS.
Για τιμές που δεν είναι θετικοί ακέραιοι αριθμοί, οι συναρτήσεις θα επιστρέψουν το σφάλμα #ΑΡΙΘ!.


συμπλήρωση_δεδομένων (προαιρετικό): μια λογική τιμή TRUE ή FALSE, ένας αριθμός 1 ή 0, η προεπιλογή είναι 1 (TRUE). Η τιμή 0 (FALSE) θα προσθέσει στα σημεία δεδομένων που λείπουν μηδέν ως προγενέστερη τιμή. Η τιμή 1 (TRUE) θα προσθέσει σημεία δεδομένων που λείπουν με παρεμβολή μεταξύ των γειτονικών σημείων δεδομένων.

Εικονίδιο σημείωσης

Αν και η γραμμή χρόνου απαιτεί ένα σταθερό βήμα μεταξύ των σημείων δεδομένων, η συνάρτηση υποστηρίζει μέχρι 30% σημεία δεδομένων που λείπουν και θα προσθέσει αυτά τα σημεία δεδομένων.


συνάθροιση (προαιρετικό): Μια αριθμητική τιμή από 1 έως 7, με προεπιλογή το 1. Η παράμετρος συνάθροισης δείχνει ποια μέθοδος θα χρησιμοποιηθεί για να συναθροίσει ταυτόσημες χρονικές τιμές:

Συνάθροιση

Συνάρτηση

1

AVERAGE

2

COUNT

3

COUNTA

4

MAX

5

MEDIAN

6

MIN

7

SUM


Εικονίδιο σημείωσης

Αν και η γραμμή χρόνου απαιτεί ένα σταθερό βήμα μεταξύ των σημείων δεδομένων, οι συναρτήσεις θα συναθροίσουν πολλά σημεία που έχουν την ίδια χρονοσήμανση.


Παραδείγματος χάρη, με ένα επίπεδο εμπιστοσύνης 90%, θα υπολογιστεί ένα διάστημα πρόβλεψης 90% (το 90% των μελλοντικών σημείων πρέπει να πέσουν μέσα σε αυτήν την ακτίνα της πρόγνωσης).

Εικονίδιο σημείωσης

Σημείωση στα διαστήματα πρόβλεψης: δεν υπάρχει ακριβής μαθηματικός τρόπος να υπολογιστεί αυτό για προβλέψεις, υπάρχουν διάφορες προσεγγίσεις. Τα διαστήματα πρόβλεψης τείνουν να είναι όλο και πιο 'υπεραισιόδοξα' όσο αυξάνεται η απόσταση της πρόβλεψης-Χ από το σύνολο δεδομένης της παρατήρησης.


Για τον ETS, το Calc χρησιμοποιεί μια προσέγγιση με βάση 1000 υπολογισμούς με τυχαίες μεταβολές μέσα στην τυπική απόκλιση του συνόλου των δεδομένων παρατήρησης (τις προγενέστερες τιμές).

Παράδειγμα

Ο παρακάτω πίνακας περιέχει μια γραμμή χρόνου και τις συσχετισμένες τιμές:

A

B

1

Γραμμή χρόνου

Τιμές

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


=FORECAST.ETS.PI.MULT(DATE(2014;1;1);Τιμές;Λωρίδα_χρόνου;0,9;1;TRUE();1)

Επιστρέφει 20,1040952101013, το διάστημα πρόβλεψης για πολλαπλασιαστική πρόβλεψη για τον Ιανουάριο 2004 βασισμένο στις επώνυμες περιοχές Τιμές και Λωρίδα_χρόνου, επίπεδο εμπιστοσύνης 90% (=0,9) με ένα δείγμα ανά περίοδο, χωρίς ελλείποντα δεδομένα, και AVERAGE ως συνάθροιση.

=FORECAST.ETS.PI.MULT(DATE(2014;1;1);Τιμές;Γραμμή_χρόνου;0,8;4;TRUE();7)

Επιστρέφει 27,5285874381574, το διάστημα πρόβλεψης για πολλαπλασιαστική πρόβλεψη για τον Ιανουάριο 2014 με βάση τις επώνυμες περιοχές Τιμές και Λωρίδα_χρόνου, με επίπεδο εμπιστοσύνης 0,8, διάρκεια περιόδου 4 και SUM ως συνάθροιση.

Παρακαλούμε, υποστηρίξτε μας!