FORECAST.ETS.STAT.MULT Function

Mengembalikan nilai statistik yang merupakan hasil dari algoritma ETS / EDS.

Penghalusan Eksponensial adalah metode untuk menghaluskan nilai riil dalam deret waktu untuk memperkirakan kemungkinan nilai di masa depan.

Exponential Triple Smoothing (ETS) adalah satu set algoritma dimana kedua trend dan berkala(musiman) pengaruh diproses. Exponential Double Smoothing (EDS) adalah algoritma seperti ETS, tetapi tanpa pengaruh secara berkala. EDS menghasilkan perkiraan linier.

Ikon Tip

Lihat Wikipedia tentang algoritma pemulusan eksponensial untuk informasi lebih lanjut.


FORECAST.ETS.STAT.MULT menghitung dengan model

perkiraan = (nilai dasar + tren * ∆x) * periodical_aberration.

tip

This function is available since LibreOffice 5.2.


Sintaksis

FORECAST.ETS.STAT.MULT (values, timeline, stat_type, [period_length], [data_completion], [aggregation])

nilai (wajib): Larik atau rentang numerik. nilai adalah nilai historis, yang ingin Anda perkirakan poin berikutnya.

timeline (wajib): Larik atau rentang numerik. Rentang garis waktu (nilai x) untuk nilai historis.

Ikon Catatan

Garis waktu tidak harus disortir, fungsinya akan mengurutkannya untuk perhitungan.
Nilai garis waktu harus memiliki langkah yang konsisten di antara mereka.
Jika langkah konstan tidak dapat diidentifikasi dalam garis waktu yang diurutkan, fungsi akan mengembalikan #NUM! kesalahan.
Jika rentang garis waktu dan nilai historis tidak memiliki ukuran yang sama, fungsi akan mengembalikan kesalahan #N/A.
Jika garis waktu berisi kurang dari 2 periode data, fungsinya akan mengembalikan #VALUE! Kesalahan.


stat_type (wajib) : Nilai numerik dari 1 hingga 9. Nilai yang menunjukkan statistik mana yang akan dikembalikan untuk nilai dan rentang x yang diberikan.

Statistik berikut dapat dikembalikan:

stat_type

Statistik

1

Parameter perataan alfa dari algoritma ETS (basis)

2

Parameter pemulusan gamma dari algoritma ETS (tren)

3

Parameter pemulusan beta dari algoritma ETS (penyimpangan periodik)

4

Mean absolute scaled error (MASE) - ukuran akurasi perkiraan.

5

Symmetric mean absolute percentage error (SMAPE) - ukuran akurasi berdasarkan kesalahan persentase.

6

Mean absolute error (MAE) - ukuran akurasi perkiraan.

7

Root mean squared error (RMSE) - ukuran perbedaan antara nilai yang diprediksi dan yang diamati.

8

Ukuran langkah terdeteksi garis waktu (rentang x). Ketika stepsize dalam bulan / kuartal / tahun terdeteksi, stepsize dalam bulan, jika tidak stepsize dalam beberapa hari dalam kasus tanggal (waktu) dan numerik dalam kasus lain.

9

Jumlah sampel dalam periode - ini sama dengan argumen period_length , atau jumlah yang dihitung jika argumen period_length menjadi 1.


panjang_periode (opsional): Nilai numerik >= 0, standarnya adalah 1. Bilangan bulat positif yang menunjukkan jumlah sampel dalam suatu periode.

Ikon Catatan

Nilai 1 menunjukkan bahwa Calc adalah untuk menentukan jumlah sampel dalam suatu periode secara otomatis.
A nilai 0 menunjukkan tidak ada efek periodik, perkiraan dihitung dengan algoritma EDS.
Untuk semua nilai positif lainnya, prakiraan dihitung dengan algoritma ETS.
Untuk nilai yang tidak menjadi bilangan bulat positif, fungsi akan mengembalikan #NUM! Kesalahan.


data_completion (opsional): nilai logis TRUE atau FALSE, angka 1 atau 0, standarnya adalah 1 (TRUE). Nilai 0 (SALAH) akan menambahkan titik data yang hilang dengan nol sebagai nilai historis. Nilai 1 (TRUE) akan menambahkan titik data yang hilang dengan menyisipkan di antara titik data tetangga.

Ikon Catatan

Meskipun garis waktu membutuhkan langkah konstan antara titik data, fungsi mendukung hingga 30% titik data yang hilang, dan akan menambahkan titik data ini.


agregasi (opsional): Nilai numerik dari 1 hingga 7, dengan default 1. Parameter agregasi menunjukkan metode mana yang akan digunakan untuk menggabungkan nilai waktu yang identik:

Agregasi

Fungsi

1

AVERAGE

2

COUNT

3

COUNTA

4

MAX

5

MEDIAN

6

MIN

7

SUM


Ikon Catatan

Meskipun garis waktu membutuhkan langkah konstan antara titik data, fungsi akan mengumpulkan beberapa titik yang memiliki cap waktu yang sama.


Contoh

Tabel di bawah ini berisi garis waktu dan nilai terkait:

A

B

1

Alur waktu

Nilai

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.STAT.MULT(Values;Timeline;5;1;TRUE();1)

Mengembalikan 0,084073452803966, statistik multiplikasi berdasarkan pada nilai dan Jadwal yang diberi rentang di atas, dengan kesalahan persentase absolut rata-rata simetris (SMAPE), satu sampel per periode, tidak ada data yang hilang, dan AVERAGE sebagai agregasi.

=FORECAST.ETS.STAT.MULT(Values;Timeline;7;1;TRUE();7)

Mengembalikan 15.8372533480997, statistik multiplikasi berdasarkan pada Nilai dan Jadwal yang disebutkan di atas, dengan kesalahan kuadrat rata-rata akar, tidak ada data yang hilang, dan SUM sebagai agregasi.

Mohon dukung kami!