FORECAST.ETS.PI.MULT

Izra─Źuna intervale napovedi za multiplikativne napovedi glede na histori─Źne podatke z uporabo algoritma ETS ali EDS. EDS uporabi, ─Źe je argument dol┼żina_periode enak 0, sicer uporabi ETS.

Eksponentno glajenje je metoda za glajenje realnih vrednosti v ─Źasovnih zaporedjih z namenom napovedovanja mo┼żnih prihodnjih vrednosti.

Trojno eksponentno glajenje (angl. ETS za Exponential Triple Smoothing) je nabor algoritmov, s katerimi se obdelajo tako trend kot periodi─Źni (sezonski) vplivi. Dvojno eksponentno glajenje (angl. EDS za Exponential Double Smoothing) je algoritem, podoben ETS, a brez periodi─Źnih vplivov. Z EDS se izdelajo linearne napovedi.

Ikona namiga

Ve─Ź informacij o eksponentnem glajenju najdete v ustreznem ─Źlanku na wikipediji (v angl.)


FORECAST.ETS.PI.MULT ra─Źuna po modelu

napoved = ( osnovnavrednost + trend * Ôłćx ) * periodi─Źni_odklon.

tip

Ta funkcija je na voljo od LibreOffice 5.2.


Skladnja

FORECAST.ETS.PI.MULT(cilj, vrednosti, ─Źasovnica, [raven_zaupanja], [dol┼żina_periode], [dokon─Źanje_podatkov], [zdru┼żevanje])

Cilj (obvezno): datumska, ─Źasovna ali ┼ítevilska posami─Źna vrednost ali obseg. Podatkovna to─Źka oz. obseg, za katerega ┼żelite izra─Źunati napoved.

Vrednosti (obvezno): ┼ítevilsko polje ali obseg. Vrednosti so zgodovinske vrednosti, s katerimi ┼żelite napovedati naslednje to─Źke.

─îasovnica (obvezno): numeri─Źno polje ali obseg. Obseg ─Źasovnice (vrednost x) za pretekle, histori─Źne vrednosti.

Ikona opombe

─îasovnica ne rabi biti razvr┼í─Źena, funkcije njene vrednosti razvrstijo za izra─Źune.
Vrednosti ─Źasovnice morajo imeti konsistenten korak.
─îe v razvr┼í─Źeni ─Źasovnici ni mogo─Źe ugotoviti konstantnega koraka, funkcije vrnejo napako #NUM!
─îe obseg ─Źasovnice in histori─Źne vrednosti niso enako velike, funkcije vrnejo napako #N/A.
─îe ─Źasovnica vsebuje manj kot dve periodi podatkov, funkcije vrnejo napako #VALUE!


stopnja_zaupanja (obvezno): ┼ítevilska vrednost med 0 in 1 (izklju─Źno), privzeta vrednost je 0,95. Vrednost, ki ka┼że raven zaupanja za izra─Źunani interval napovedi.

Ikona opombe

Pri vrednostih <= 0 ali >= 1 bodo funkcije vrnile napako #NUM!


dol┼żina_periode (neobvezno): ┼ítevilska vrednost >= 0, privzeto je 1. Pozitivno celo ┼ítevilo, ki predstavlja ┼ítevilo vzorcev v periodi.

Ikona opombe

Vrednost 1 nakazuje, naj Calc samodejno dolo─Źi ┼ítevilo vzorcev v periodi.
Vrednost 0 nakazuje odsotnost periodi─Źnih u─Źinkov, zato je napoved izra─Źunana z algoritmi EDS.
Za vse druge pozitivne vrednosti se napovedi izra─Źunajo z algoritmi ETS.
Za vrednosti, ki niso pozitivno celo število, funkcije vrnejo napako #NUM!


dopolnjevanje_podatkov: (neobvezno) logi─Źna vrednost TRUE ali FALSE, ┼ítevilska vrednost 1 ali 0, privzeta vrednost je 1 (TRUE). Vrednost 0 (FALSE) doda manjkajo─Źe podatkovne to─Źke z ni─Ź kot histori─Źno vrednostjo. Vrednost 1 (TRUE) doda manjkajo─Źe podatkovne to─Źke z interpolacijo med sosednjimi podatkovnimi to─Źkami.

Ikona opombe

─îeprav je za ─Źasovnico potreben konstanten korak med podatkovnimi to─Źkami, funkcija podpira do 30 % manjkajo─Źih podatkovnih to─Źk in te podatkovne to─Źke doda sama.


Zdru┼żevanje (neobvezno): ┼ítevilska vrednost od 1 do 7, privzeta vrednost je 1. Parameter zdru┼żevanja dolo─Źa, katera metoda bo uporabljena za zdru┼żevanje identi─Źnih ─Źasovnih vrednosti:

Zdru┼żevanje

Funkcija

1

AVERAGE

2

COUNT

3

COUNTA

4

MAX

5

MEDIAN

6

MIN

7

SUM


Ikona opombe

─îeprav ─Źasovnica potrebuje konstanten korak med podatkovnimi to─Źkami, bodo funkcije zdru┼żile ve─Ź to─Źk z istim ─Źasovnim ┼żigom.


Primer: pri ravni zaupanja 90 % bo izra─Źunan 90 % interval napovedi (90 % prihodnjih to─Źk bo padlo v ta radij iz napovedi).

Ikona opombe

Opomba o intervalih napovedovanja: natan─Źen matemati─Źen na─Źin izra─Źuna le-tega za napovedi ne obstaja, so le razni pribli┼żki. Obi─Źajno postajajo intervali napovedi z nara┼í─Źajo─Źo oddaljenostjo od napovedi-X do mno┼żice podatkov opazovanja ─Źedalje bolj optimisti─Źni.


Za ETS uporabi Calc pribli┼żke na osnovi 1000 izra─Źunov z naklju─Źnimi variacijami v okviru standardnega odklona mno┼żice podatkov opazovanja (histori─Źne vrednosti).

Primer

Spodnja tabela vsebuje ─Źasovnico in njene povezane vrednosti:

A

B

1

─îasovnica

Vrednosti

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);vrednosti;─Źasovnica;0,9;1;TRUE();1)

Vrne 20,1040952101013, interval napovedi za multiplikativno napoved za januar 2014 glede na zgornja poimenovana obsega Vrednosti in ─îasovnica, z enim vzorcem na periodo, brez manjkajo─Źih podatkov in s funkcijo AVERAGE za zdru┼żevanje.

=FORECAST.ETS.PI.MULT(DATE(2014;1;1);vrednosti;─Źasovnica;0.8;4;TRUE();7)

Vrne 27,5285874381574, interval napovedi za multiplikativno napoved za januar 2014 glede na zgornja poimenovana obsega Vrednosti in ─îasovnica, z ravnjo zaupanja 0,8, dol┼żino periode 4, brez manjkajo─Źih podatkov in s funkcijo SUM za zdru┼żevanje.

Podprite nas!