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 as influências periódicas (sazonais) e as tendências são processadas. A suavização exponencial dupla (EDS) é um algoritmo similar ao da ETS, mas que não processa as influências periódicas. A suavização exponencial dupla produz previsões lineares.

Ícone da dica

data_alvo (obrigatória): pode ser uma data, hora, valor numérico ou intervalo. A data_alvo é o intervalo/ponto de dados do qual deseja prever o valor.

valores (obrigatório): pode ser um intervalo ou matriz numérica. Os valores são os valores históricos para os quais deseja prever os próximos pontos.

linha_cronológica (obrigatória): pode ser um intervalo ou matriz numérica. A linha_cronológica é o intervalo (valor x) para os valores históricos.

Ícone de nota

A linha cronológica não necessita de estar ordenada, uma vez que a ordenação é efetuada nos cálculos.
Os valores da linha cronológia devem ter um passo consistente ente si.
Se não for identificado um passo constante na linha cronológica, a função devolve o erro #NUM!.
Se os intervalos da linha cronológica e dos valores históricos não forem do mesmo tamanho, a função devolve o erro #N/D!.
Se a linha cronológica contiver menos do que 2 períodos de dados, a função devolve o erro #VALOR!.


conclusão_de_dados (opcional): é o valor lógico VERDADEIRO ou FALSO, ou os valores numéricos 0 e 1, em que 1 (VERDADEIRO) é o valor padrão. O valor 0 (FALSO) considera os pontos em falta como zeros e o valor 1 (VERDADEIRO), efetua a interpolação dos pontos de dados na vizinhança.

Ícone de nota

Apesar de a linha cronológica necessitar de um passo constante entre os pontos de dados, a função permite o cálculo até um máximo de 30% de dados em falta, pois adicionará os pontos em falta.


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:

Agregação

Função

1

MÉDIA

2

CONTAR

3

CONTAR.VAL

4

MÁXIMO

5

MED

6

MÍNIMO

7

SOMA


Ícone de nota

Apesar de a linha cronológica necessitar de um passo constante entre os pontos de dados, a função irá agregar os diversos pontos que possuam a mesma marca temporal.


tipo_de_estatística (obrigatório): é um valor numérico entre 1 e 9. É o valor que indica o tipo de estatística que será utilizado para efetuar a previsão.

Podem ser obtidas as seguintes estatísticas:

tipo_de_estatística

Estatística

1

Parâmetro alfa do algoritmo ETS (base)

2

Parâmetro gama do algoritmo ETS (tendência)

3

Parâmetro beta do algoritmo ETS (desvio periódico)

4

Erro de escala absoluta média (MASE) - uma medida da precisão das previsões.

5

Erro de percentagem absoluta da média simétrica (SMAPE) - uma medida de precisão com base em erros de percentagens.

6

Erro de média simétrica (MAE) - uma medida da precisão das previsões.

7

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

8

O tamanho do passo da cronologia (intervalo x). Se for detetado um passo em meses, trimestres ou anos, o passo será em meses; se for detetada uma cronologia de data/hora o passo será em dias; nos restantes casos, o passo será um valor numérico.

9

O número de amostras do período - equivale ao argumento sazonalidade ou ao valor calculado, se sazonalidade for 1.


nível_confiança (obrigatório): um valor numérico entre 0 e 1 (exclusive), sendo 0,95 o valor padrão. É o valor que indica o intervalo de confiança da previsão.

Ícone de nota

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


sazonalidade (opcional): um valor numérico >= 0,sendo que o valor padrão é 1. Um valor inteiro positivo que indica o número de amostras do período.

Ícone de nota

O valor 1 indica que o Calc deve determinar o número de amostras do período automaticamente.
O valor 0 indica que não existem efeitos periódicos e a previsão deve ser calculada com o algoritmo EDS.
Para todos os outros valores positivos, a previsão é calculada utilizando o algoritmo ETS.
Para valores que não sejam inteiros positivos, a função devolve o erro #NUM!.


previsão = valor_base + tendência * ∆x + aberração_periódica.

previsão = (valor_base + tendência * ∆x) * aberração_periódica.

Exemplo

A tabela abaixo contém uma cronologia e os valores a ela associados:

A

B

1

Linha cronológica

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


Necessitamos da sua ajuda!