Moyenne mobile des données de la série chronologique (observations également espacées dans le temps) de plusieurs périodes consécutives. Appelé en mouvement car il est continuellement recomputed comme nouvelles données devient disponible, il progresse en abandonnant la première valeur et en ajoutant la dernière valeur. Par exemple, la moyenne mobile des ventes sur six mois peut être calculée en prenant la moyenne des ventes de janvier à juin, puis la moyenne des ventes de février à juillet, puis de mars à août, et ainsi de suite. Les moyennes mobiles (1) réduisent l'effet des variations temporaires des données, (2) améliorent l'ajustement des données à une ligne (un processus appelé lissage) pour afficher plus clairement la tendance des données, et (3) tendance. Si vous calculez quelque chose avec une variance très élevée, le mieux que vous puissiez faire est de comprendre la moyenne mobile. Je voulais savoir quelle était la moyenne mobile des données, de sorte que j'aurais une meilleure compréhension de notre façon de faire. Lorsque vous essayez de comprendre quelques chiffres qui changent souvent, le mieux que vous pouvez faire est de calculer la moyenne mobile. Bollinger BandsLes données lissantes suppriment les variations aléatoires et montrent les tendances et les composantes cycliques Inherente à la collecte de données prises dans le temps est une forme quelconque de variation aléatoire. Il existe des procédés pour réduire l'annulation de l'effet dû à une variation aléatoire. Une technique souvent utilisée dans l'industrie est le lissage. Cette technique, lorsqu'elle est correctement appliquée, révèle plus clairement la tendance sous-jacente, les composantes saisonnières et cycliques. Il existe deux groupes distincts de méthodes de lissage Méthodes de moyenne Méthodes de lissage exponentielles Prendre des moyennes est le moyen le plus simple de lisser les données Nous allons d'abord étudier certaines méthodes de calcul de la moyenne, comme la moyenne simple de toutes les données passées. Un gestionnaire d'un entrepôt veut savoir combien un fournisseur typique livre en unités de 1000 dollars. Il prend un échantillon de 12 fournisseurs, au hasard, obtenant les résultats suivants: La moyenne ou la moyenne des données calculées 10. Le gestionnaire décide d'utiliser cette estimation comme estimation des dépenses d'un fournisseur type. Est-ce une bonne ou mauvaise estimation L'erreur quadratique moyenne est un moyen de juger de la qualité d'un modèle? Nous calculons l'erreur quadratique moyenne. Le montant exact de l'erreur dépensé moins le montant estimé. L'erreur au carré est l'erreur ci-dessus, au carré. Le SSE est la somme des erreurs au carré. Le MSE est la moyenne des erreurs au carré. Les résultats sont: Erreur et carré Erreurs L'estimation 10 La question se pose: pouvons-nous utiliser la moyenne pour prévoir le revenu si nous soupçonnons une tendance Un regard sur le graphique ci-dessous montre clairement que nous ne devrions pas faire. La moyenne moyenne de toutes les observations passées est seulement une estimation utile pour la prévision quand il n'y a pas de tendances. S'il ya des tendances, utilisez des estimations différentes qui tiennent compte de la tendance. La moyenne pèse toutes les observations passées également. Par exemple, la moyenne des valeurs 3, 4, 5 est 4. On sait, bien sûr, qu'une moyenne est calculée en additionnant toutes les valeurs et en divisant la somme par le nombre de valeurs. Une autre façon de calculer la moyenne est d'ajouter chaque valeur divisée par le nombre de valeurs, ou 3/3 4/3 5/3 1 1.3333 1.6667 4. Le multiplicateur 1/3 est appelé le poids. En général: bar fraction somm de gauche (frac droite) x1 gauche (frac droite) x2,. ,, Gauche (frac droite) xn. Le (gauche (frac droite)) sont les poids et, bien sûr, ils s'élèvent à 1.
No comments:
Post a Comment