Função PREVISÃO.ETS.CONFINT.MULT
Calculates the prediction interval(s) for multiplicative forecast based on the historical data using ETS or EDS algorithms.. EDS is used when argument period_length is 0, otherwise ETS is used.
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.
PREVISÃO.ETS.CONFINT.MULT calcula com o modelo
previsão = (valor_base + tendência * ∆x) * aberração_periódica.
Esta função está disponível desde o LibreOffice 5.2.
FORECAST.ETS.PI.MULT(target, values, timeline, [confidence_level], [period_length], [data_completion], [aggregation])
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.
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!.
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.
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.
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!.
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.
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
|
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.
Por exemplo, com um nível de confiança de 90%, será calculado um intervalo de previsão de 90% (90% dos pontos futuros devem situar-se neste raio).
Nota sobre intervalos de previsão: não existe uma fórmula matemática exata para os calcular, mas sim aproximações. Os intervalos de previsão tendem a ser demasiado otimistas com o aumento da distância entre os dados de X e o conjunto de dados observados.
Para o algoritmo ETS, a aplicação utiliza uma aproximação baseada em 1000 cálculos com variações aleatórias, dentro do desvio padrão do conjunto de dados observado (valores históricos).
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
|
=FORECAST.ETS.PI.MULT(DATE(2014;1;1);Values;Timeline;0.9;1;TRUE();1)
Returns 20.1040952101013, the prediction interval for multiplicative forecast for January 2014 based on Values and Timeline named ranges above, confidence level of 90% (=0.9) with one sample per period, no missing data, and AVERAGE as aggregation.
=PREVISÃO.ETS.CONFINT.MULT(DATA(2014;1;1); valores; linha_cronológica;0.8;4;VERDADEIRO();7)
Returns 27.5285874381574, the prediction interval for multiplicative forecast for January 2014 based on Values and Timeline named ranges above, with confidence level of 0.8, period length of 4, no missing data, and SUM as aggregation.