Forecast By Moving Durchschnitt In Excel

Gleitender Durchschnitt Vorhersage Einleitung. Wie Sie vermutlich schauen, betrachten wir einige der primitivsten Ansätze zur Prognose. Aber hoffentlich sind diese zumindest eine lohnende Einführung in einige der Rechenprobleme im Zusammenhang mit der Umsetzung von Prognosen in Tabellenkalkulationen. In diesem Sinne werden wir von Anfang an beginnen und beginnen mit Moving Average Prognosen zu arbeiten. Gleitende durchschnittliche Prognosen. Jeder ist vertraut mit gleitenden durchschnittlichen Prognosen, unabhängig davon, ob sie glauben, sie sind. Alle Studenten tun sie die ganze Zeit. Denken Sie an Ihre Testergebnisse in einem Kurs, in dem Sie vier Tests während des Semesters haben werden. Angenommen, Sie haben eine 85 auf Ihrem ersten Test. Was würden Sie vorhersagen, für Ihre zweite Test-Score Was glauben Sie, Ihr Lehrer würde für Ihre nächste Test-Punkt vorhersagen Was denken Sie, Ihre Freunde könnten für Ihre nächste Test-Punkt vorherzusagen Was denken Sie, Ihre Eltern könnten für Ihre nächste Test-Score Unabhängig davon vorhersagen Alle die blabbing Sie tun könnten, um Ihre Freunde und Eltern, sie und Ihr Lehrer sind sehr wahrscheinlich zu erwarten, dass Sie etwas im Bereich der 85 erhalten Sie gerade bekommen. Nun, jetzt gehen wir davon aus, dass trotz Ihrer Selbst-Förderung an Ihre Freunde, Sie über-schätzen Sie sich und Figur, die Sie weniger für den zweiten Test lernen können und so erhalten Sie eine 73. Nun, was sind alle betroffenen und unbekümmerten gehen Erwarten Sie erhalten auf Ihrem dritten Test Es gibt zwei sehr wahrscheinlich Ansätze, damit sie eine Schätzung unabhängig davon entwickeln, ob sie sie mit Ihnen teilen. Sie können zu sich selbst sagen, dieser Kerl ist immer bläst Rauch über seine smarts. Hes gehend, ein anderes 73 zu erhalten, wenn hes glücklich. Vielleicht werden die Eltern versuchen, mehr unterstützend und sagen, quotWell, so weit youve bekommen eine 85 und eine 73, so dass Sie vielleicht auf eine über (85 73) / 2 79. Ich weiß nicht, vielleicht, wenn Sie weniger haben Partying und werent wedelte das Wiesel ganz über dem Platz und wenn Sie anfingen, viel mehr zu studieren, konnten Sie einen höheren score. quot erhalten. Beide dieser Schätzungen sind wirklich gleitende durchschnittliche Prognosen. Der erste verwendet nur Ihre jüngste Punktzahl, um Ihre zukünftige Performance zu prognostizieren. Dies wird als gleitende Durchschnittsprognose mit einer Datenperiode bezeichnet. Die zweite ist auch eine gleitende durchschnittliche Prognose, aber mit zwei Perioden von Daten. Nehmen wir an, dass alle diese Leute, die auf deinem großen Verstand zerschmettern, Art von dich angepisst haben und du entscheidest, auf dem dritten Test aus deinen eigenen Gründen gut zu tun und eine höhere Kerbe vor deinen quotalliesquot zu setzen. Sie nehmen den Test und Ihre Gäste ist eigentlich ein 89 Jeder, einschließlich selbst, ist beeindruckt. So jetzt haben Sie die abschließende Prüfung des Semesters herauf und wie üblich spüren Sie die Notwendigkeit, alle in die Vorhersagen zu machen, wie youll auf dem letzten Test tun. Nun, hoffentlich sehen Sie das Muster. Nun, hoffentlich können Sie das Muster sehen. Was glauben Sie, ist die genaueste Pfeife, während wir arbeiten. Jetzt kehren wir zu unserer neuen Reinigungsfirma zurück, die von Ihrer entfremdeten Halbschwester namens Whistle While We Work begonnen wurde. Sie haben einige vergangene Verkaufsdaten, die durch den folgenden Abschnitt aus einer Kalkulationstabelle dargestellt werden. Zuerst präsentieren wir die Daten für eine dreidimensionale gleitende Durchschnittsprognose. Der Eintrag für Zelle C6 sollte jetzt sein Sie können diese Zellformel auf die anderen Zellen C7 bis C11 kopieren. Beachten Sie, wie der Durchschnitt bewegt sich über die jüngsten historischen Daten, sondern verwendet genau die drei letzten Perioden zur Verfügung für jede Vorhersage. Sie sollten auch bemerken, dass wir nicht wirklich brauchen, um die Vorhersagen für die vergangenen Perioden zu machen, um unsere jüngste Vorhersage zu entwickeln. Dies ist definitiv anders als das exponentielle Glättungsmodell. Ive gehörte die quotpast predictionsquot, weil wir sie in der nächsten Web-Seite verwenden Vorhersage Gültigkeit zu messen. Nun möchte ich die analogen Ergebnisse für eine zwei-Periode gleitenden Durchschnitt Prognose zu präsentieren. Der Eintrag für die Zelle C5 sollte nun Sie diese Zelle Formel C6 bis C11 zu den anderen Zellen nach unten kopieren. Beachten Sie, wie jetzt nur noch die beiden letzten Stücke von historischen Daten für jede Vorhersage verwendet werden. Wieder habe ich die quotpast predictionsquot Bilder dienen der Veranschaulichung und für die spätere Verwendung in Prognose Validierung. Einige andere Dinge, die wichtig zu beachten sind. Für einen m-Zeitraum durchschnittliche Prognose bewegen nur die m letzten Datenwerte werden verwendet, um die Vorhersage zu machen. Nichts anderes ist notwendig. Für einen m-Zeitraum durchschnittliche Prognose bewegen, wenn quotpast predictionsquot machen, feststellen, dass die erste Vorhersage in Periode m 1. Beide Probleme auftritt, wird sehr bedeutend sein, wenn wir unseren Code zu entwickeln. Entwicklung der Moving Average Funktion. Nun müssen wir den Code für die gleitende Durchschnittsprognose entwickeln, die flexibler genutzt werden kann. Der Code folgt. Beachten Sie, dass die Eingänge für die Anzahl der Perioden sind Sie in der Prognose und dem Array von historischen Werten verwenden möchten. Sie können es in beliebiger Arbeitsmappe speichern. Funktion MovingAverage (Historische, NumberOfPeriods) As Single Deklarieren und Variablen Dim Artikel As Variant Dim Zähler As Integer Dim Accumulation As Single Dim HistoricalSize Initialisierung As Integer initialisieren Variablen Zähler 1 Accumulation 0 Bestimmung der Größe der historischen Array HistoricalSize Historical. Count für Zähler 1 Um NumberOfPeriods Anhäufung der entsprechenden Anzahl der zuletzt beobachteten Werte Accumulation Accumulation Historical (HistoricalSize - NumberOfPeriods Counter) MovingAverage Accumulation / NumberOfPariods Der Code wird in der Klasse erklärt. Sie möchten die Funktion in der Tabellenkalkulation positionieren, so dass das Ergebnis der Berechnung angezeigt wird, wo es die folgenden. Moving Average Dieses Beispiel lehrt, wie Sie den gleitenden Durchschnitt einer Zeitreihe in Excel zu berechnen. Eine Bewegung wird verwendet, um Unregelmäßigkeiten (Spitzen und Täler) zu glätten, um Trends leicht zu erkennen. 1. Erstens, werfen wir einen Blick auf unsere Zeitreihe. 2. Klicken Sie auf der Registerkarte Daten auf Datenanalyse. Hinweis: Klicken Sie hier, um das Analyse-ToolPak-Add-In zu laden. 3. Wählen Sie Verschiebender Durchschnitt aus, und klicken Sie auf OK. 4. Klicken Sie im Feld Eingabebereich auf den Bereich B2: M2. 5. Klicken Sie in das Feld Intervall und geben Sie 6 ein. 6. Klicken Sie in das Feld Ausgabebereich und wählen Sie Zelle B3 aus. 8. Zeichnen Sie ein Diagramm dieser Werte. Erläuterung: Da wir das Intervall auf 6 setzen, ist der gleitende Durchschnitt der Durchschnitt der letzten 5 Datenpunkte und der aktuelle Datenpunkt. Als Ergebnis werden Spitzen und Täler geglättet. Die Grafik zeigt eine zunehmende Tendenz. Excel kann den gleitenden Durchschnitt für die ersten 5 Datenpunkte nicht berechnen, da nicht genügend frühere Datenpunkte vorhanden sind. 9. Wiederholen Sie die Schritte 2 bis 8 für Intervall 2 und Intervall 4. Fazit: Je größer das Intervall, desto mehr werden die Spitzen und Täler geglättet. Je kleiner das Intervall, desto näher sind die gleitenden Mittelwerte zu den tatsächlichen Datenpunkten. Bitte teilen Sie diese Seite auf GoogleFORECAST-Funktion Gilt für: Excel 2016, Excel 2010, Excel 2010, Excel 2007, Excel 2016 für Mac, Excel für Mac 2011, Excel Online, Excel für iPad, Excel für iPhone, Excel Für Android-Tablets, Excel Starter, Excel Mobile, Excel für Android-Handys, weniger Betrifft: Excel 2016. Excel 2010. Excel 2010. Excel 2007. Excel 2016 für Mac. Excel für Mac 2011. Excel Online. Excel für iPad. Excel für iPhone. Excel für Android-Tablets. Excel-Starter. Excel Mobile. Excel für Android-Handys. Mehr. Dieser Artikel beschreibt die Formel-Syntax und die Verwendung der Funktion FORECAST in Microsoft Excel. Hinweis: In Excel 2016 wurde diese Funktion als Teil der neuen Forecasting-Funktionen durch FORECAST. LINEAR ersetzt. Es ist immer noch verfügbar für Abwärtskompatibilität, aber erwägen, die neue Funktion in Excel 2016 verwenden. Beschreibung Berechnet oder prognostiziert einen zukünftigen Wert, indem Sie vorhandene Werte verwenden. Der vorhergesagte Wert ist ein Y-Wert für einen gegebenen x-Wert. Die bekannten Werte sind vorhandene x-Werte und y-Werte, und der neue Wert wird durch lineare Regression vorhergesagt. Sie können diese Funktion verwenden, um zukünftige Verkäufe, Bestandsanforderungen oder Verbrauchertrends vorherzusagen. Syntax FORECAST (x, knownys, knownxs) Die Syntax der FORECAST-Funktion hat die folgenden Argumente: X Erforderlich. Der Datenpunkt, für den Sie einen Wert vorhersagen möchten. Knownys Erforderlich. Das abhängige Array oder der Datenbereich. Knownxs Erforderlich. Das unabhängige Array oder der Bereich der Daten. Hinweise Wenn x nicht numerisch ist, gibt FORECAST den Wert VALUE zurück. Wenn knowys und knownxs leer sind oder eine andere Anzahl von Datenpunkten enthalten, gibt FORECAST den N / A-Fehlerwert zurück. Wenn die Varianz von bekanntexx gleich Null ist, dann gibt FORECAST den DIV / 0-Fehlerwert zurück. Die Gleichung für FORECAST ist abx, wobei: und wobei x und y die Abtastmittel AVERAGE (bekannt) und AVERAGE (bekannt ys) sind. Beispiel Kopieren Sie die Beispieldaten in die folgende Tabelle und fügen Sie es in Zelle A1 eines neuen Excel-Arbeitsblatts ein. Wählen Sie für Formeln die Ergebnisse aus, drücken Sie F2, und drücken Sie dann die EINGABETASTE. Wenn Sie benötigen, können Sie die Spaltenbreite anpassen, um alle Daten zu sehen. Excel Sales Prognose für Dummies Cheat Sheet Wenn Sie lernen, Prognose zu lernen, ist es oft eine gute Idee, sich auf die Excel-Tools in der Datenanalyse-Add-in. Aber ihre Reichweite ist ziemlich begrenzt und vor zu lange you8217re wahrscheinlich finden Sie sich die Vorteile der Excel8217s Arbeitsblatt-Funktionen direkt. Wenn Sie sich mit allen inferentiellen Statistiken, die zusammen mit der LINEST-Funktion kommen zu finden, you8217ll wissen, dass es Zeit, um Ihre Baseline für eine formale Prognose zu legen. 6 Excel-Datenanalyse-Add-In-Tools Das Datenanalyse-Add-In, das früher als Analysis ToolPak bezeichnet wird, gibt Formeln in Ihrem Namen ein, sodass Sie sich auf what8217s konzentrieren können, die mit Ihren Daten fortfahren. Es hat drei verschiedene Werkzeuge, die direkt nützlich sind bei der Prognose Moving Average, Exponential Smoothing und Regression sowie mehrere andere, die helfen können. Hier ist eine Liste einiger der Tools, die Teil des Datenanalyse-Add-Ins sind. Es gibt tatsächlich drei verschiedene ANOVA-Tools. Keine ist speziell für die Prognose nützlich, aber jedes der Tools kann Ihnen helfen, den Datensatz zu verstehen, der Ihrer Prognose zugrunde liegt. Die ANOVA-Tools helfen Ihnen, zwischen Proben zu unterscheiden, zum Beispiel, Menschen, die in Tennessee leben wie eine bestimmte Marke von Auto besser als diejenigen, die in Vermont leben Dieses Tool ist ein wichtiges, unabhängig von der Methode, die Sie verwenden, um eine Prognose erstellen. Wenn Sie mehr als eine Variable haben, können Sie sagen, wie stark die beiden Variablen zusammenhängen (plus oder minus 1,0 ist stark, 0,0 bedeutet keine Beziehung). Wenn Sie nur eine Variable haben, können Sie sagen, wie stark ein Zeitraum mit einem anderen verwandt ist. Verwenden Sie das Tool "Deskriptive Statistik", um Dinge wie den Durchschnitt und die Standardabweichung Ihrer Daten zu behandeln. Das Verständnis dieser grundlegenden Statistiken ist wichtig, so dass Sie wissen, was los ist mit Ihren Prognosen. Dieser Tool-Name klingt ominös und einschüchternd, was das Tool nicht ist. Wenn Sie nur eine Variable wie Umsatz oder Verkaufseinheit haben, schauen Sie auf einen vorherigen Istwert, um den nächsten (vielleicht den vorherigen Monat oder denselben Monat im Vorjahr) vorherzusagen. Mit diesem Tool können Sie die nächste Prognose anpassen, indem Sie den Fehler in der vorherigen Prognose verwenden. Ein gleitender Durchschnitt zeigt den Durchschnitt der Ergebnisse über die Zeit. Der erste könnte der Durchschnitt für Januar, Februar und März sein, der zweite wäre dann der Durchschnitt für Februar, März und April und so weiter. Diese Methode der Prognose tendiert dazu, sich auf das Signal zu konzentrieren (was in der Grundlinie tatsächlich vor sich geht) und um das Rauschen (zufällige Schwankungen in der Grundlinie) zu minimieren. Die Regression ist eng mit der Korrelation verknüpft. Verwenden Sie dieses Tool, um eine Variable (wie z. B. Verkäufe) von einem anderen (wie Datum oder Werbung) zu prognostizieren. Es gibt Ihnen ein paar Zahlen zu verwenden in einer Gleichung, wie Verkäufe 50000 (10 Datum). 4 Excel Forecasting Functions Excel hat viele großartige Tools für die Umsatzprognose. Die Kenntnis der folgenden Funktionen ist hilfreich, um Ihre Daten in Ordnung zu bekommen. Schauen Sie sich die folgenden praktischen Prognosefunktionen an. Die Arbeitsblattversion des Datenanalyse-Add-Ins Korrelationswerkzeugs. Der Unterschied ist, dass CORREL neu berechnet, wenn die Eingabedaten ändern, und das Korrelation-Tool nicht. Beispiel: CORREL (A1: A50, B1: B50). Auch CORREL gibt Ihnen nur eine Korrelation, aber das Korrelationstool kann Ihnen eine ganze Matrix von Korrelationen geben. Sie können diese Funktion anstelle des Add-Ins-Regressionstools für die Datenanalyse verwenden. (Der Funktionsname ist eine Abkürzung für lineare Schätzung.) Für einfache Regression wählen Sie einen Bereich von zwei Spalten und fünf Zeilen aus. Sie müssen diese Funktion angeben. Geben Sie beispielsweise LINEST (A1: A50, B1: B50,, TRUE) ein, und drücken Sie dann StrgShiftEnter. Diese Funktion ist praktisch, weil es Ihnen Prognosewerte direkt gibt, wohingegen LINEST Ihnen eine Gleichung gibt, die Sie verwenden müssen, um die Prognose zu erhalten. Verwenden Sie zum Beispiel TREND (A1: A50, B1: B50, B51), wo Sie einen neuen Wert auf der Grundlage von whats in B51 prognostizieren. Die Funktion FORECAST ähnelt der Funktion TREND. Die Syntax ist ein wenig anders. Verwenden Sie beispielsweise FORECAST (B51, A1: A50, B1: B50), wo Sie einen neuen Wert auf der Basis des Wertes in B51 prognostizieren. Auch FORECAST behandelt nur einen Prädiktor, aber TREND kann mehrere Prädiktoren verarbeiten. Was Sie aus der Excel-Funktion heraus erhalten LINEST Funktion für Verkäufe Prognose Excel8217s LINEST Funktion ist ein handliches Werkzeug für Verkäufe Prognose. Zu wissen, was Sie damit machen können, macht Ihre Prognose leichte Arbeit. Hier ist ein kurzer Überblick über Excel8217s LINEST Funktion, Zeile für Zeile: Erstellen eines Simple Moving Dies ist einer der folgenden drei Artikel auf Time Series Analysis in Excel Überblick über die Moving Average Der gleitende Durchschnitt ist eine statistische Technik verwendet, Um längerfristige Schwankungen in einer Reihe von Daten zu erkennen, um längerfristige Trends oder Zyklen leichter zu erkennen. Der gleitende Durchschnitt wird manchmal als ein rollender Durchschnitt oder ein laufender Durchschnitt bezeichnet. Ein gleitender Durchschnitt ist eine Reihe von Zahlen, die jeweils den Durchschnitt eines Intervalls einer bestimmten Anzahl von vorherigen Perioden darstellen. Je größer das Intervall, desto mehr Glättung erfolgt. Je kleiner das Intervall, desto mehr gleicht der gleitende Durchschnitt den tatsächlichen Datenreihen. Gleitende Mittelwerte führen die folgenden drei Funktionen aus: Glättung der Daten, was bedeutet, die Anpassung der Daten an eine Zeile zu verbessern. Verringerung der Wirkung von temporären Variation und zufälligen Rauschen. Hervorhebung von Ausreißern über oder unter dem Trend. Der gleitende Durchschnitt ist eine der am weitesten verbreiteten statistischen Techniken in der Industrie, um Daten-Trends zu identifizieren. Beispielsweise sehen Verkaufsmanager häufig dreimonatige Bewegungsdurchschnitte von Verkaufsdaten. Der Artikel wird einen zweimonatigen, dreimonatigen und sechsmonatigen einfachen gleitenden Durchschnitt der gleichen Verkaufsdaten vergleichen. Der gleitende Durchschnitt wird sehr häufig in der technischen Analyse von Finanzdaten wie Aktienrenditen und in der Volkswirtschaft verwendet, um Tendenzen in makroökonomischen Zeitreihen wie Beschäftigung zu lokalisieren. Es gibt eine Anzahl von Variationen des gleitenden Durchschnitts. Die am häufigsten verwendeten sind der einfache gleitende Durchschnitt, der gewichtete gleitende Durchschnitt und der exponentielle gleitende Durchschnitt. Die Durchführung jeder dieser Techniken in Excel wird im Detail in separaten Artikeln in diesem Blog behandelt werden. Hier ist ein kurzer Überblick über jede dieser drei Techniken. Simple Moving Average Jeder Punkt in einem einfachen gleitenden Durchschnitt ist der Durchschnitt einer bestimmten Anzahl von vorherigen Perioden. Dieser Blog-Artikel liefert eine ausführliche Erläuterung der Implementierung dieser Technik in Excel. Die gewichteten gleitenden Durchschnittspunkte im gewichteten gleitenden Durchschnitt repräsentieren ebenfalls den Durchschnitt einer vorgegebenen Anzahl vorheriger Perioden. Der gewichtete gleitende Durchschnitt bezieht sich auf eine unterschiedliche Gewichtung auf bestimmte vorhergehende Perioden, ganz oft werden die jüngeren Perioden größeres Gewicht gegeben. Ein Link zu einem anderen Artikel in diesem Blog, der eine detaillierte Erläuterung der Implementierung dieser Technik in Excel bereitstellt, ist wie folgt: Exponential Moving Average Punkte im exponentiellen gleitenden Durchschnitt repräsentieren ebenfalls einen Durchschnitt einer bestimmten Anzahl von vorherigen Perioden. Exponentielle Glättung setzt Gewichtungsfaktoren auf frühere Perioden, die exponentiell abnehmen und niemals Null erreichen. Als Ergebnis berücksichtigt die exponentielle Glättung alle vorherigen Perioden anstelle einer bestimmten Anzahl früherer Perioden, die der gewichtete gleitende Durchschnitt aufweist. Ein Link zu einem anderen Artikel in diesem Blog, der eine detaillierte Erläuterung der Implementierung dieser Technik in Excel bereitstellt, ist wie folgt: Im folgenden wird der 3-stufige Prozess zum Erstellen eines einfachen gleitenden Durchschnitts von Zeitreihendaten in Excel beschrieben Die ursprünglichen Daten in einem Zeitreihen-Diagramm Das Liniendiagramm ist das am häufigsten verwendete Excel-Diagramm, um Zeitreihendaten zu grafisch darstellen. Ein Beispiel für ein solches Excel-Diagramm, das verwendet wird, um 13 Perioden von Verkaufsdaten zu plotten, wird wie folgt gezeigt: Schritt 2 8211 Erstellen des gleitenden Mittelwertes in Excel Excel bietet das Werkzeug "Gleitender Durchschnitt" im Menü Datenanalyse. Das Tool Moving Average erzeugt einen einfachen gleitenden Durchschnitt aus einer Datenreihe. Das Dialogfeld "Gleitender Durchschnitt" sollte wie folgt ausgefüllt werden, um für jeden Datenpunkt einen gleitenden Durchschnitt der vorhergehenden 2 Datenperioden zu erzeugen. Die Ausgabe des 2-Perioden-Bewegungsdurchschnitts wird zusammen mit den Formeln, die verwendet wurden, um den Wert jedes Punktes im gleitenden Durchschnitt zu berechnen, wie folgt gezeigt. Schritt 3 8211 Die verschiebende durchschnittliche Serie zum Diagramm hinzufügen Diese Daten sollten nun dem Diagramm hinzugefügt werden, das die ursprüngliche Zeitlinie der Verkaufsdaten enthält. Die Daten werden einfach als eine weitere Datenreihe in das Diagramm aufgenommen. Um dies zu tun, klicken Sie mit der rechten Maustaste irgendwo auf dem Diagramm und ein Menü wird Pop-up. Hit Select Data, um die neue Datenreihe hinzuzufügen. Die gleitende mittlere Reihe wird hinzugefügt, indem das Dialogfeld Edit-Serie wie folgt ergänzt wird: Das Diagramm, das die ursprüngliche Datenreihe enthält, und das 2-Intervall-einfacher gleitender Durchschnitt wird wie folgt gezeigt. Beachten Sie, dass die gleitende mittlere Linie ein wenig glatter ist und die Rohdatenabweichungen oberhalb und unterhalb der Trendlinie deutlich sichtbarer sind. Auch der Gesamttrend ist deutlich sichtbarer. Ein gleitender 3-Intervall-Durchschnitt kann mit dem gleichen Verfahren wie folgt erstellt und auf dem Diagramm platziert werden: Es ist interessant zu bemerken, dass der einfache gleitende 2-Intervall-Durchschnitt einen glatteren Graphen als den einfachen gleitenden Durchschnitt von 3 Intervallen erzeugt. In diesem Fall kann der 2-Intervall-einfache gleitende Durchschnitt um so wünschenswerter sein als der 3-Intervall-gleitende Durchschnitt. Zum Vergleich wird ein einfacher 6-Intervall-Durchschnitt berechnet und dem Diagramm in der gleichen Weise wie folgt hinzugefügt: Wie erwartet, ist der 6-Intervall-einfacher gleitender Durchschnitt signifikant glatter als die einfachen 2- oder 3-Intervall-Durchschnittswerte. Ein glatterer Graph paßt genau auf eine gerade Linie. Analysieren der Prognosegenauigkeit Die Genauigkeit kann als Güte der Anpassung beschrieben werden. Die beiden Komponenten der Prognosegenauigkeit sind die folgenden: Prognosevorhersage 8211 Die Tendenz einer Prognose, konsequent höher oder niedriger als tatsächliche Werte einer Zeitreihe zu sein. Die Prognosevorspannung ist die Summe aller Fehler, geteilt durch die Anzahl der Perioden, wie folgt: Eine positive Bias gibt eine Tendenz zur Unterprognose an. Eine negative Vorspannung gibt eine Tendenz zur Überprognose an. Bias misst nicht die Genauigkeit, da positiver und negativer Fehler sich gegenseitig aufheben. Prognosefehler 8211 Die Differenz zwischen Istwerten einer Zeitreihe und den prognostizierten Werten der Prognose. Die gebräuchlichsten Maßnahmen des Prognosefehlers sind die folgenden: MAD 8211 Mean Absolute Deviation MAD berechnet den durchschnittlichen Absolutwert des Fehlers und wird mit folgender Formel berechnet: Die Mittelung der Absolutwerte der Fehler eliminiert den Abbruch von positiven und negativen Fehlern. Je kleiner der MAD, desto besser ist das Modell. MSE 8211 Mean Squared Error MSE ist ein beliebtes Maß für den Fehler, der die Abbruchwirkung von positiven und negativen Fehlern beseitigt, indem die Quadrate des Fehlers mit der folgenden Formel summiert werden: Große Fehlerterme tendieren dazu, MSE zu übertreiben, da die Fehlerterme alle quadriert sind. RMSE (Root Square Mean) reduziert dieses Problem, indem es die Quadratwurzel von MSE nimmt. MAPE 8211 Mittlerer absoluter Prozentfehler MAPE eliminiert auch den Abbrechen von positiven und negativen Fehlern durch Summieren der Absolutwerte der Fehlerterme. MAPE berechnet die Summe der prozentualen Fehlerterme mit folgender Formel: Durch Summieren von prozentualen Fehlertermen kann MAPE verwendet werden, um Prognosemodelle, die unterschiedliche Maßstäbe verwenden, zu vergleichen. Berechnen von Bias, MAD, MSE, RMSE und MAPE in Excel Für die Simple Moving Average Bias werden MAD, MSE, RMSE und MAPE in Excel berechnet, um das 2-Intervall-, 3-Intervall - und 6-Intervall-einfache Bewegen zu evaluieren Durchschnittliche Prognose in diesem Artikel erhalten und wie folgt dargestellt: Der erste Schritt ist die Berechnung von E t. E t, E t / Y t-act. Und können dann wie folgt berechnet werden: Bias, MAD, MSE, MAPE und RMSE können wie folgt berechnet werden: Es werden nun die gleichen Berechnungen durchgeführt, um Bias, MAD, MSE, MAPE und RMSE für den einfachen gleitenden Durchschnitt von 3 Intervallen zu berechnen. Die gleichen Berechnungen werden nun durchgeführt, um Bias, MAD, MSE, MAPE und RMSE für den 6-Intervall-einfachen gleitenden Durchschnitt zu berechnen. Bias, MAD, MSE, MAPE und RMSE sind für die 2-Intervall-, 3-Intervall - und 6-Intervall-einfachen Bewegungsdurchschnitte wie folgt zusammengefasst. Das 3-Intervall einfach gleitenden Durchschnitt ist das Modell, das am ehesten passt, dass tatsächliche Daten. 160 Excel Master Series Blog Verzeichnis Statistische Themen und Artikel in jedem Thema