FORECAST.ETS.PI.ADD 函数
Calculates the prediction interval(s) for additive forecast based on the historical data using ETS or EDS algorithms. EDS is used when argument period_length is 0, otherwise ETS is used.
「指数平滑」是一种在时间序列中平滑实际值, 以便预测可能的未来值的方法。
「指数三重平滑」(ETS) 是一组处理趋势和周期性 (季节性) 影响的算法。「指数双重平滑」(EDS) 是一种类似 ETS 的算法, 但没有周期性的影响。EDS 生成线性预测。
更多详情请见维基百科关于「指数平滑」算法的文章。
FORECAST.ETS.PI.ADD 使用模型计算
FORECAST.ETS.PI.ADD(target, values, timeline, [confidence_level], [period_length], [data_completion], [aggregation])
「时间线 (必填)」:数字数组或范围。历史值的时间线 (x 值) 范围。
时间线不需要排序, 函数将对其进行排序以进行计算。
时间线值之间必须有一致的步长。
如果在排序的时间线中无法识别恒定的步长, 函数将返回 #NUM! 错误。
如果时间线和历史值的范围大小不同, 函数将返回 #N/A 错误。
如果时间线包含少于 2 个周期的数据, 函数将返回#VALUE! 错误。
「周期长度 (可选)」: 数值，> = 0, 默认值为 1。一个正整数, 指定周期中的样本数。
值为 1 表示 Calc 将自动确定周期内的采样数。
值为 0 表示没有周期性影响, 使用 EDS 算法计算预测。
对于所有其他正值, 使用 ETS 算法计算预测。
对于不是正整数的值, 函数将返回 #NUM! 错误。
「数据补齐 (可选)」:逻辑值 TRUE 或 FALSE, 数字 1 或 0, 默认值为 1 (TRUE)。值为 0 (FALSE) 将零作为其历史值添加缺少的数据点。如果值为 1 (TRUE), 则会通过在相邻数据点之间插值来添加缺少的数据点。
尽管时间线需要在数据点之间保持恒定的步进, 但该函数支持最多 30% 的数据点缺失, 并将添加这些数据点。
「 聚合 (可选)」: 从 1 到 7 的数值, 默认值为 1。聚合参数决定将使用哪种方法聚合相同的时间值:
|
汇总 |
函数 |
|
1 |
AVERAGE |
|
2 |
COUNT |
|
3 |
COUNTA |
|
4 |
MAX |
|
5 |
MEDIAN |
|
6 |
MIN |
|
7 |
SUM |
尽管时间线需要在数据点之间保持恒定的步进, 但函数将聚合具有相同时间戳的多个点。
例如, 对于 90% 置信度级别, 将计算 90% 的预测间隔 (90% 的未来点将落入此预测的半径)。
关于预测间隔的说明: 没有明确的数学方法来计算预测, 但可以估算。随着预测 x 与观测数据集的距离越来越远, 预测间隔往往越来越「过于乐观」。
对于 ETS, Calc 使用基于1000次计算的近似值, 每次计算在观测数据集 (历史值) 的标准偏差范围内具有随机变化。
=FORECAST.ETS.PI.ADD(DATE(2014;1;1);Values;Timeline;0.9;1;TRUE();1)
返回 18.8061295551355, 基于「值」和上方「时间轴」命名区域对2014年1月进行加法预测的预测间隔, 90% (=0.9) 的置信度，每个样本作为一个周期, 没有缺失的数据, 使用 AVERAGE 作为聚合函数。
=FORECAST.ETS.PI.ADD(DATE(2014;1;1);Values;Timeline;0.8;4;TRUE();7)
返回 23.4416821953741, 基于「值」和上方「时间轴」命名区域对2014年1月进行加法预测的预测间隔, 置信度为 0.8，周期长度为 4, 没有缺失的数据, 使用 SUM 作为聚合函数。