Az exponenciális simítás egy idősorbeli valós értékek simítására szolgáló módszer valószínű jövőbeli értékek előrejelzéséhez.

Az exponenciális tripla simítás (ETS) algoritmusok halmaza, amelyekben a trendszerű és szezonális hatások egyaránt feldolgozásra kerülnek. Az exponenciális dupla simítás (EDS) az ETS-hez hasonló algoritmus, de a szezonális hatások nélkül. Az EDS jobb lineáris előrejelzéseket eredményez.

Tipp ikon

See the Wikipedia on Exponential smoothing algorithms for more information.


cél (kötelező): Egy dátum, idő vagy szám típusú önálló érték vagy tartomány. Az előrejelzést ehhez az adatponthoz vagy -tartományhoz kell kiszámítani.

értékek (kötelező): Számtömb vagy tartomány. Az értékek azok a történeti értékek, amelyekhez a következő pontokat előre szeretné jelezni.

timeline (mandatory): A numeric array or range. The timeline (x-value) range for the historical values.

Jegyzet ikon

Az idővonalnak nem kell rendezettnek lennie, a függvények sorba rendezik a számításokhoz.
Az idővonal értékek között egyforma lépésköznek kell lennie.
Ha nem azonosítható a rendezett idővonalon állandó lépésköz, akkor a függvények #SZÁM! hibát adnak vissza.
Ha az idővonal és a történeti értékek tartományai nem azonosak, akkor a függvények #HIÁNYZIK hibát adnak.
Ha az idővonal 2-nél kevesebb időszak adatait tartalmazzák, akkor a függvények #ÉRTÉK! hibát adnak vissza.


adatkiegészítés (elhagyható): logikai érték (IGAZ vagy HAMIS), számérték (1 vagy 0), alapértelmezésben 1 (IGAZ). A 0 (HAMIS) érték hatására a hiányzó adatpontok 0 történelmi értéket kapnak. Az 1 (IGAZ) hatására a hiányzó adatpontok a szomszédos adatpontok alapján interpolálással kerülnek kiegészítésre.

Jegyzet ikon

Noha az idővonal adatpontjai között állandó lépésköznek kell lennie, a függvény legfeljebb 30% hiányzó adatpontot is támogat, és ezeket kiegészíti.


aggregation (optional): A numeric value from 1 to 7, with default 1. The aggregation parameter indicates which method will be used to aggregate identical time values:

Összesítés

Függvény

1

ÁTLAG

2

DARAB

3

DARAB2

4

MAX

5

MEDIÁN

6

MIN

7

SZUM


Jegyzet ikon

Noha az idővonal adatpontjai között állandó lépésköznek kell lennie, a függvények az azonos időbélyegű adatpontokat összesítik.


stat_típus (kötelező): 1 és 9 közti számérték. Az adott értékekhez és x-tartományhoz visszaadandó statisztikát jelzi.

A következő statisztikák adhatók vissza:

stat_típus

Statisztika

1

Az ETS algoritmus alfa simítás paramétere (alap)

2

Az ETS algoritmus gamma simítás paramétere (trend)

3

Az ETS algoritmus béta simítás paramétere (időszakos eltérés)

4

Átlagos abszolút skálázott hiba (MASE) - előrejelzések pontosságának egyfajta mértéke.

5

Szimmetrikus átlagos relatív abszolút hiba (SMAPE) - a pontosság százalékos hibákon alapuló mértéke.

6

Átlagos abszolút hiba (MAE) - az előrejelzések pontosságának mértéke.

7

Átlagos négyzetes hiba gyöke (RMSE) - az előrejelzett és megfigyelt értékek közti eltérések mértéke.

8

Az idővonalon észlelt lépésköz (x-tartomány). Hónap, negyedév vagy év lépésköz észlelésekor a lépésköz hónap lesz, egyébként nap lesz dátum/idő esetén, egyéb esetén pedig szám.

9

Minták száma az időszakban - ugyanaz, mint az időszak_hossza argumentum, vagy a számított érték, amennyiben az időszak_hossza 1.


konfidenciaszint (kötelező): Számérték 0 és 1 között (ezeket kizárva), az alapértelmezés 0,95. Az érték a számított előrejelzési időszak konfidenciaszintjét jelzi.

Jegyzet ikon

A <= 0 vagy >= 1 értékek esetén a függvények #SZÁM! hibát adnak vissza.


időszak_hossza (elhagyható): Egy >= 0 számérték, alapértelmezésben 1. Pozitív egész szám az időszakbeli minták számát jelzi.

Jegyzet ikon

Az 1 érték jelzi, hogy a Calc határozza meg automatikusan a minták számát.
A 0 érték jelzi, hogy nincsenek időszaki hatások, az előrejelzés az EDS algoritmussal számítandó.
Minden más pozitív érték esetén az előrejelzések az ETS algoritmussal kerülnek kiszámításra.
A nem pozitív egész számok esetén a függvény a #SZÁM! hibát adja vissza.


előrejelzés = alapérték + trend * ∆x + időszaki_eltérés.

előrejelzés = ( alapérték + trend * ∆x ) * időszaki_eltérés.

Példa

Az alábbi táblázat egy idővonalat és a hozzá társított értékeket tartalmazza:

A

B

1

Idővonal

Értékek

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


Támogasson minket!