Wygładzanie wykładnicze jest metodą wygładzania rzeczywistych wartości w cyklach czasu w celu prognozowania prawdopodobnych, przyszłych wartości.

Potrójne Wygładzanie Wykładnicze (ETS) jest zbiorem algorytmów, w których przetwarzane są zarówno tendencja jak i okresowe (sezonowe) oddziaływania. Podwójne Wygładzanie Wykładnicze (EDS) jest algorytmem podobnym do ETS, lecz bez okresowych oddziaływań. Algorytm EDS wytwarza prognozy linearne.

Ikona wskazówki

Dla większej ilości informacji odwiedź stronę Algorytmy wygładzania wykładniczego na Wikipedii.


cel (obowiązkowy): Data, czas lub numeryczna, pojedyncza wartość lub zakres. Punkt danych/zakres, dla którego należy obliczyć prognozę.

wartości (obowiązkowy): Numeryczna macierz lub zakres. Wartości są wartościami historycznymi, dla których chcesz przewidzieć następne punkty.

oś czasu (obowiązkowy): Numeryczna macierz lub zakres. Oś czasu (wartość-x) zakresem obejmuje wartości historyczne.

Ikona notatki

Oś czasu nie musi być posortowana, zrobią to funkcje użyte do obliczeń.
Wartości osi czasu muszą posiadać spójne przedziały czasu pomiędzy sobą.
Jeśli stały przedział czasu w osi czasu nie może zostać zidentyfikowany, funkcje zwrócą błąd #LICZBA!.
Jeśli zakresy osi czasu i wartości historyczne nie są tej samej wielkości, funkcje zwrócą błąd #NIE DOTYCZY.
Jeśli oś czasu zawiera mniej niż 2 okresy danych, funkcje zwrócą błąd #ARG!


zakończenie_danych (opcjonalne): wartość logiczna PRAWDA lub FAŁSZ, numerycznie 1 lub 0, domyślnie ustawiono 1 (PRAWDA). Wartość 0 (FAŁSZ) doda brakujące punkty danych wraz z zerem jako wartością historyczną. Wartość 1 (PRAWDA) doda brakujące punkty danych poprzez interpolację między sąsiednimi punktami danych.

Ikona notatki

Chociaż oś czasu wymaga spójnych etapów pomiędzy punktami danych, funkcja wspiera do 30% brakujących punktów danych i w razie potrzeby, doda te punkty danych.


agregacja (opcjonalna): Numeryczna wartość z przedziału od 1 do 7 z jedynką jako wartością domyślną. Parametr agregacji wskazuje metodę do użycia agregacji identycznych wartości czasu.

Agregacja

Funkcja

1

ŚREDNIA

2

ILE.LICZB

3

ILE.NIEPUSTYCH

4

MAKS

5

MEDIANA

6

MIN

7

SUMA


Ikona notatki

Chociaż oś czasu wymaga spójnych etapów pomiędzy punktami danych, funkcje będą agregować wiele punktów mających ten sam znacznik czasu.


typ_danych_statystycznych (obowiązkowy): Numeryczna wartość z przedziału od 1 do 9. Wartość wskazująca, które dane statystyczne zostaną zwrócone dla podanych wartości i dla zakresu-x.

Następujące statystyki mogą zostać zwrócone:

typ_danych_statystycznych

Statystyki

1

Parametr wygładzania Alfa algorytmu ETS (podstawa)

2

Parametr wygładzania Gamma algorytmu ETS (tendencja)

3

Parametr wygładzania Beta algorytmu ETS (okresowe odchylenie)

4

Średnia bezwzględna przeskalowanego błędu (MASE) - miara dokładności prognoz.

5

Symetryczny średni bezwzględny błąd procentowy (SMAPE) - dokładność miary oparta na błędach procentowych.

6

Średni błąd bezwzględny (MAE) – miara dokładności prognoz.

7

Pierwiastek błędu średniokwadratowego (RMSE) - miara różnic między przewidywanymi i zaobserwowanych wartościami.

8

Wykryto przedział czasu na osi czasu (zakres-x). Gdy wykryto przedział czasu mierzony w miesiącach/kwartałach/latach, jego rozmiar jest podawany w miesiącach. W przypadku daty (czasu) dla osi czasu, podawany jest w dniach. W innych przypadkach jest numeryczny.

9

Liczba próbek w okresie – analogicznie jak argument długość_okresu lub obliczona liczba będąca jedynką w przypadku argumentu długość_okresu


poziom_ufności (obowiązkowy): Numeryczna wartość z przedziału od 0 do 1 (bez wartości granicznych), domyślnie jest 0,95. Wartość wskazująca poziom ufności dla obliczonych interwałów prognozy.

Ikona notatki

Z wartościami <= 0 lub >= 1, funkcje zwrócą błąd #LICZBA!.


długość_okresu (opcjonalny): Wartość numeryczna >= 0, domyślnie wynosi 1. Dodatnia liczba całkowita wskazuje liczbę próbek w okresie.

Ikona notatki

Wartość 1 wskazuje, iż program Calc automatycznie ustala liczbę próbek okresie.
Wartość 0 wskazuje brak efektów okresowych, a prognoza jest obliczana w oparciu o algorytm EDS.
Dla wszystkich dodatnich wartości, prognoza jest obliczana w oparciu o algorytm ETS.
Dla wartości nie będącymi dodatnimi liczbami całkowitymi, funkcje zwrócą błąd #LICZBA!


prognoza = wartość bazowa + trend * ∆x + odchylenie_okresowe.

prognoza = ( wartość bazowa * trend * ∆x ) * odchylenie_okresowe.

Przykład

Poniższa tabela zawiera oś czasu i związane z nią wartości:

A

B

1

Oś czasu

Wartości

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


Please support us!