FORECAST.ETS.ADD function

Kinakalkula ang (mga) additive forecast (mga halaga sa hinaharap) batay sa makasaysayang data gamit ang mga algorithm ng ETS o EDS . Ginagamit ang EDS kapag nagtatalo haba_panahon ay 0, kung hindi ay ETS ang ginagamit.

Ang Exponential Smoothing ay isang paraan upang pakinisin ang mga tunay na halaga sa serye ng panahon upang mahulaan ang mga posibleng halaga sa hinaharap.

Ang Exponential Triple Smoothing (ETS) ay isang hanay ng mga algorithm kung saan pinoproseso ang parehong trend at periodical (pana-panahong) impluwensya. Ang Exponential Double Smoothing (EDS) ay isang algorithm tulad ng ETS, ngunit walang mga pana-panahong impluwensya. Gumagawa ang EDS ng mga linear na pagtataya.

Icon ng Tip

Tingnan ang Wikipedia sa Exponential smoothing algorithm para sa karagdagang impormasyon.


Kinakalkula ang FORECAST.ETS.ADD gamit ang modelo

forecast = basevalue + trend * ∆x + periodical_aberration.

Syntax

FORECAST.ETS.ADD(mga target, value, timeline, [panahon_haba], [data_completion], [pagsasama-sama])

target (sapilitan): Isang petsa, oras o numeric na solong halaga o saklaw. Ang data point/range kung saan kakalkulahin ang isang hula.

mga halaga (sapilitan): Isang numeric na array o range. mga halaga ay ang mga makasaysayang halaga, kung saan gusto mong hulaan ang mga susunod na punto.

timeline (sapilitan): Isang numeric na array o range. Ang saklaw ng timeline (x-value) para sa mga makasaysayang halaga.

Icon ng Tala

Ang timeline ay hindi kailangang pagbukud-bukurin, ang mga function ay pag-uuri-uriin ito para sa mga kalkulasyon.
Ang mga halaga ng timeline ay dapat na may pare-parehong hakbang sa pagitan ng mga ito.
Kung hindi matukoy ang patuloy na hakbang sa pinagsunod-sunod na timeline, ibabalik ng mga function ang #NUM! pagkakamali.
Kung hindi magkapareho ang laki ng mga saklaw ng timeline at mga makasaysayang halaga, ibabalik ng mga function ang #N/A error.
Kung ang timeline ay naglalaman ng mas kaunti sa 2 panahon ng data, ibabalik ng mga function ang #VALUE! pagkakamali.


period_length (opsyonal) : Isang numerong halaga >= 0, ang default ay 1. Isang positibong integer na nagsasaad ng bilang ng mga sample sa isang tuldok.

Icon ng Tala

Ang halaga ng 1 ay nagpapahiwatig na ang Calc ay awtomatikong matukoy ang bilang ng mga sample sa isang panahon.
Ang halaga ng 0 ay nagpapahiwatig ng walang pana-panahong mga epekto, ang isang pagtataya ay kinakalkula gamit ang mga EDS algorithm.
Para sa lahat ng iba pang positibong halaga, ang mga pagtataya ay kinakalkula gamit ang mga ETS algorithm.
Para sa mga value na hindi positibong buong numero, ibabalik ng mga function ang #NUM! Error.


data_completion (opsyonal): isang lohikal na halaga na TRUE o FALSE, isang numeric 1 o 0, ang default ay 1 (TRUE). Ang value na 0 (FALSE) ay magdaragdag ng mga nawawalang data point na may zero bilang historical value. Ang halaga ng 1 (TRUE) ay magdaragdag ng mga nawawalang punto ng data sa pamamagitan ng interpolating sa pagitan ng mga kalapit na punto ng data.

Icon ng Tala

Bagama't ang time line ay nangangailangan ng patuloy na hakbang sa pagitan ng mga punto ng data, sinusuportahan ng function ang hanggang 30% na nawawalang mga punto ng data, at idaragdag ang mga punto ng data na ito.


pagsasama-sama (opsyonal): Isang numeric na value mula 1 hanggang 7, na may default na 1. Isinasaad ng aggregation parameter kung aling paraan ang gagamitin upang pagsama-samahin ang magkaparehong time value:

Pagsasama-sama

Function

1

AVERAGE

2

COUNT

3

COUNTA

4

MAX

5

MEDIAN

6

MIN

7

SUM


Icon ng Tala

Bagama't ang time line ay nangangailangan ng tuluy-tuloy na hakbang sa pagitan ng mga punto ng data, ang mga function ay magsasama-sama ng maraming puntos na may parehong time stamp.


Halimbawa

Ang talahanayan sa ibaba ay naglalaman ng isang timeline at mga nauugnay na halaga nito:

A

B

1

Timeline

Mga halaga

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.ADD(DATE(2014;1;1);Values;Timeline;1;TRUE();1)

Ibinabalik ang 157.166666666667, ang additive forecast para sa Enero 2014 batay sa Mga halaga at Timeline pinangalanang mga hanay sa itaas, na may isang sample bawat panahon, walang nawawalang data, at AVERAGE bilang pagsasama-sama.

= FORECAST.ETS.ADD(DATE(2014;1;1);Values;Timeline;4;TRUE();7)

Ibinabalik ang 113.251442038722, ang additive forecast para sa Enero 2014 batay sa Mga halaga at Timeline pinangalanang mga hanay sa itaas, na may haba ng panahon na 4, walang nawawalang data, at SUM bilang pagsasama-sama.

Teknikal na impormasyon

tip

Ang function na ito ay magagamit mula noong LibreOffice 5.2.


Ang function na ito ay hindi bahagi ng Buksan ang Format ng Dokumento para sa Mga Aplikasyon sa Opisina (OpenDocument) Bersyon 1.3. Bahagi 4: Recalculated Formula (OpenFormula) Format pamantayan. Ang name space ay

COM.MICROSOFT.FORECAST.ETS

Mangyaring suportahan kami!