A suavização exponencial é um método de suavização de valores de uma série temporal para prever os valores futuros.

A Suavização Exponencial Tripla (ETS) é um conjunto de algoritmos em que ambas as tendências e as influências periódicas (sazonais) são processadas. A Suavização Exponencial Dupla (EDS) é uma algoritmo similar ao ETS, mas sem as influências periódicas. A EDS produz pervisões lineares.

Ícone Dica

destino (obrigatório): Uma data, hora, valor numérico singular ou intervalo. O ponto de dados ou intervalo para calcular uma previsão.

valores (obrigatório): Uma matriz numérica ou intervalo. valores são os valores históricos, para os quais se deseja prever os próximos pontos.

linha_do_tempo (obrigatório): Uma matriz numérica ou intervalo. A linha do tempo (valores de x) dos dados históricos.

Ícone Nota

A linha do tempo não precisa ser ordenada, as funções farão a ordenação para os cálculos.
Os valores da linha do tempo devem ter um passo constante entre sucessivos valores.
Se não for identificado um passo constante na linha do tempo ordenada, as funções retornam um erro #NUM!.
Se os tamanhos da linha do tempo e dos dados históricos não forem os mesmos, as funções retornam o erro #N/DISP.
Se a linha do tempo contém menos de 2 períodos de dados, as funções retornam o erro #VALOR!.


dados_completos (opcional): um valor lógico VERDADEIRO ou FALSO, um valor numérico 1 ou 0, o padrão é 1 (VERDADEIRO). O valor 0 (FALSO) adiciona pontos de dados faltantes com valor histórico zero O valor 1 (VERDADEIRO) adiciona ponto de dados históricos interpolando entre os dois pontos vizinhos.

Ícone Nota

Apesar da linha do tempo requerer um passo constante entre pontos de dados, a função permite falta de até 30% do dados, e os adicionará para o cálculo.


agregação (opcional): Um valor numérico de 1 a 7, com padrão 1. A agregação indica o método a utilizar para agregar valore idênticos de tempo:

Agregação

Função

1

MÉDIA

2

CONT.NÚM

3

CONT.VALORES

4

MÁXIMO

5

MED

6

MÍNIMO

7

SOMA


Ícone Nota

Apesar da linha do tempo requerer um passo constante entre pontos de dados, a função agrega múltiplos pontos que tiverem o mesmo tempo.


tipo_estatística (obrigatório): Um valor numérico de 1 a 9. Um valor indicando qual estatística retornar para os valores dados do intervalo x.

As seguintes estatísticas podem ser obtidas:

tipo_estatística

Estatísticas

1

Parâmetro de suavização Alfa do algoritmo ETS (base)

2

Parâmetro de suavização Gama do algoritmo ETS (tendência)

3

Parâmetro de suavização Beta do algoritmo ETS (desvio periódico)

4

Erro médio absoluto escalonado (MASE) - uma medida da precisão das previsões.

5

Erro simétrico médio absoluto percentual (ESMAP) - uma medida da precisão com base em erros percentuais.

6

Erro absoluto médio (MAE) - uma medida da precisão das previsões.

7

Erro médio quadrático (RMSE) uma medida das diferenças entre valores previstos e observados.

8

Tamanho do passo da linha do tempo detectado ( intervalo x). Quando é detectado um passo no tempo em meses/trimestres/anos, o passo é em meses, senão o passo é em dias no caso de linhas do tempo de datas (horas) e numérico nos outros casos.

9

Número de amostras no período - é o mesmo argumento que período, ou o número calculado se o argumento período for 1.


nível_confiança (obrigatório): Um valor numérico entre 0 e 1 (exclusivo), padrão 0,95. Um valor que indica um nível de confiança para o intervalo de predição calculado.

Ícone Nota

Com valores <= 0 ou >= 1, a função retorna o erro NUM!


período (opcional): Um valor numérico positivo, o padrão é 1. Um inteiro positivo indicando o número de amostras no período.

Ícone Nota

O valor 1 indica que o Calc deve determinar o número de amostras automaticamente no período.
O valor 0 indica que não há efeitos periódicos, e a previsão é calculada com os algoritmos EDS.
Para todos os outros valores positivos, a previsão é calculada com os algoritmos ETS.
Para valores que não são inteiros positivos, a função retorna o erro #NUM!.


previsão = valorbase + tendẽncia * ∆x + aberração_periódica.

previsão = (valorbase + tendẽncia * ∆x) * aberração_periódica.

Exemplo

A tabela abaixo contém uma linha de tempo e os valores a ela associados:

A

B

1

Meses

Valores

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


♥ Doe para nosso projeto! ♥