FORECAST.ETS.SEASONALITY Function
Ibinabalik ang bilang ng mga sample sa panahon bilang kinakalkula ng Calc sa kaso ng FORECAST.ETS function kapag argumento haba_panahon katumbas ng 1.
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.
Tingnan ang Wikipedia sa Exponential smoothing algorithm para sa karagdagang impormasyon.
Ang parehong resulta ay ibinalik sa FORECAST.ETS.STAT function kapag argument stat_type katumbas ng 9 (at haba_panahon katumbas ng 1).
FORECAST.ETS.SEASONALITY (mga halaga, timeline, [data_completion], [pagsasama-sama])
timeline (sapilitan): Isang numeric na array o range. Ang saklaw ng timeline (x-value) para sa mga makasaysayang halaga.
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.
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.
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 |
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.
=FORECAST.ETS.SEASONALITY(Values;Timeline;TRUE();1)
Ibinabalik ang 6, ang bilang ng mga sample sa panahon batay sa Mga halaga at Timeline pinangalanang mga hanay sa itaas, walang nawawalang data, at AVERAGE bilang pagsasama-sama.
COM.MICROSOFT.FORECAST.ETS.SEASONALITY