التي تركز على فترة الانتقال بين متوسط

عند حساب متوسط ​​متحرك تشغيل، وضع متوسط ​​في الفترة الزمنية الوسطى منطقي في المثال السابق قمنا بحساب متوسط ​​الفترات الزمنية الأولى 3 ووضعه بجانب الفترة 3. كنا قد وضعت المتوسط ​​في منتصف الفاصل الزمني من ثلاث فترات، وهذا هو، بجانب الفترة 2. هذا يعمل بشكل جيد مع فترات زمنية فردية، ولكن ليست جيدة جدا لفترات زمنية حتى. إذا أين نضع المتوسط ​​المتحرك الأول عند M4 من الناحية الفنية، فإن المتوسط ​​المتحرك سينخفض ​​عند t 2.5، 3.5. لتجنب هذه المشكلة ونحن على نحو سلس على ماس باستخدام M 2. وهكذا نحن على نحو سلس القيم أملس إذا كنا متوسط ​​عدد حتى من المصطلحات، ونحن بحاجة إلى تسهيل السلس القيم ويبين الجدول التالي النتائج باستخدام M 4.David، نعم، مابريدوس هو وتهدف إلى العمل على كمية كبيرة من البيانات. والفكرة هي أنه بشكل عام، وخريطة وتقليل وظائف mustn39t رعاية كم مصممي الخرائط أو كم عدد المخفضات هناك، that39s مجرد التحسين. إذا كنت تفكر مليا في الخوارزمية التي نشرت، يمكنك أن ترى أن المسألة لا شيء الذي مخطط يحصل على ما أجزاء من البيانات. وسيكون كل سجل المدخلات متاحة لكل عملية تخفيض التي تحتاج إليها. نداش جو K سبتمبر 18 12 في 22:30 في أفضل من المتوسط ​​المتحرك فهم ليس خرائط لطيف ل مابريدوس نموذج منذ حسابه هو انزلاق نافذة أساسا على فرز البيانات، في حين مر هو معالجة نطاقات غير متقاطعة من البيانات التي تم فرزها. الحل أرى هو على النحو التالي: أ) لتنفيذ مخصص العرف لتكون قادرة على جعل قسمين مختلفين في اثنين من أشواط. في كل تشغيل المخفض الخاص بك سوف تحصل على نطاقات مختلفة من البيانات وحساب المتوسط ​​المتحرك حيث مناسبة سأحاول توضيح: في أول تشغيل البيانات للمخفضات ينبغي أن يكون: R1: Q1، Q2، Q3، Q4 R2: Q5، Q6، Q7، Q8 . هنا سوف كاكلوات المتوسط ​​المتحرك لبعض قس. في المدى التالي يجب أن تحصل على المخفضات الخاصة بك البيانات مثل: R1: Q1. Q6 R2: Q6. Q10 R3: Q10..Q14 و كاكلولات بقية المتوسطات المتحركة. ثم ستحتاج إلى تجميع النتائج. فكرة العرف المشارك أنه سيكون وضعين من العملية - في كل مرة تقسيم إلى نطاقات متساوية ولكن مع بعض التحول. في كسودوكود أنها سوف تبدو مثل هذا. التقسيم (كيشيفت) (ماكسكينوموفارتيتيونس) حيث: سيتم اتخاذ شيفت من التكوين. ماكسكي القيمة القصوى للمفتاح. أفترض للبساطة أنها تبدأ مع الصفر. ريكوردريدر، إمهو ليس حلا لأنه يقتصر على انقسام معين ولا يمكن أن تنزلق على حدود الانشقاقات. وهناك حل آخر هو تنفيذ المنطق المخصص لتقسيم بيانات المدخلات (وهو جزء من إنبوتفورمات). ويمكن القيام به للقيام 2 الشرائح المختلفة، على غرار التقسيم. الرد أفاتار سيب 17 12 12 في 8: 59 وأبسط النهج سيكون لاتخاذ متوسط ​​يناير حتى مارس واستخدام ذلك لتقدير أبريل 8217s المبيعات: (129 134 122) 3 128.333 وبالتالي، استنادا إلى المبيعات من يناير حتى مارس، تتوقع أن المبيعات في أبريل سيكون 128333. مرة واحدة أبريل 8217s المبيعات الفعلية تأتي في، وكنت ثم حساب توقعات لشهر مايو، وهذه المرة باستخدام فبراير حتى أبريل. يجب أن تكون متسقة مع عدد الفترات التي تستخدمها لنقل متوسط ​​التنبؤ. عدد الفترات التي تستخدمها في توقعات المتوسط ​​المتحرك الخاص بك تعسفي قد تستخدم فقط فترتين، أو خمس أو ست فترات ما تريده لتوليد توقعاتك. النهج أعلاه هو متوسط ​​متحرك بسيط. في بعض الأحيان، قد تكون الأشهر الأخيرة 8217 المبيعات المؤثرين أقوى من المبيعات شهر 8217s القادمة، لذلك كنت تريد أن تعطي تلك الأشهر أقرب إلى مزيد من الوزن في نموذج التوقعات الخاصة بك. هذا هو المتوسط ​​المتحرك المرجح. ومثل عدد الفترات، فإن الأوزان التي تعينها تعسفية بحتة. Let8217s يقول كنت تريد أن تعطي المبيعات مارس 8217s 50 الوزن، فبراير 8217s 30 الوزن، و يناير 8217s 20. ثم توقعاتك لشهر أبريل سيكون 127،000 (122.50) (134.30) (129.20) 127. حدود متوسطات الحركة المتحركة تعتبر المتوسطات المتحركة 8220 سمعة 8221 تقنية التنبؤ. لأنك 8217re أخذ المتوسط ​​مع مرور الوقت، كنت تليين (أو تمهيد) آثار حدوثات غير منتظمة داخل البيانات. ونتيجة لذلك، فإن آثار الموسمية، ودورات الأعمال، وغيرها من الأحداث العشوائية يمكن أن تزيد بشكل كبير من الخطأ التنبؤ. ألق نظرة على قيمة بيانات 8217 ثانية كاملة، وقارن متوسط ​​متحرك لمدة 3 أيام ومتوسط ​​متحرك لخمسة فترات: لاحظ أنه في هذه الحالة لم أتمكن من إنشاء توقعات، بل ركزت على المتوسطات المتحركة. المتوسط ​​المتحرك الأول لمدة 3 أشهر هو لشهر فبراير، و 8217 ثانية متوسط ​​يناير وفبراير ومارس. كما فعلت مماثلة لمتوسط ​​5 أشهر. الآن نلقي نظرة على الرسم البياني التالي: ماذا ترى ليس سلسلة المتوسط ​​المتحرك لمدة ثلاثة أشهر أكثر سلاسة بكثير من سلسلة المبيعات الفعلية وكيف حول المتوسط ​​المتحرك لمدة خمسة أشهر IT8217s حتى أكثر سلاسة. وبالتالي، والمزيد من الفترات التي تستخدمها في المتوسط ​​المتحرك الخاص بك، وسلاسة سلسلة الوقت الخاص بك. وبالتالي، للتنبؤ، قد لا يكون المتوسط ​​المتحرك البسيط أكثر الطرق دقة. إن أساليب المتوسط ​​المتحرك تثبت قيمة كبيرة عندما تحاول 8217 محاولة استخراج المكونات الموسمية وغير المنتظمة والدورية من السلاسل الزمنية لطرق التنبؤ المتقدمة مثل الانحدار و أريما، وسيتم استخدام المتوسطات المتحركة في تحليل سلسلة زمنية في وقت لاحق في السلسلة. تحديد دقة نموذج المتوسط ​​المتحرك بشكل عام، تريد طريقة التنبؤ التي تحتوي على أقل خطأ بين النتائج الفعلية والمتوقعة. ومن أكثر المقاييس شيوعا لدقة التنبؤ هو الانحراف المطلق المتوسط ​​(د. م). في هذا النهج، لكل فترة في السلسلة الزمنية التي قمت بإنشاء توقعات، كنت تأخذ القيمة المطلقة للفرق بين تلك الفترة 8217s القيم الفعلية والمتوقعة (الانحراف). ثم يمكنك متوسط ​​هذه الانحرافات المطلقة وتحصل على مقياس من درهم. ماد يمكن أن يكون مفيدا في اتخاذ قرار بشأن عدد الفترات التي متوسط، و أن كمية الوزن الذي تضعه على كل فترة. عموما، يمكنك اختيار واحد أن يؤدي إلى أدنى درهم. هنا 8217s مثال على كيفية احتساب ماد: درهم هو ببساطة المتوسط ​​8، 1، 3. المتوسطات المتحركة: خلاصة عند استخدام المتوسطات المتحركة للتنبؤ، تذكر: المتوسطات المتحركة يمكن أن تكون بسيطة أو مرجحة عدد الفترات التي تستخدمها ل متوسط، وأي الأوزان التي تعين لكل منها التعسفي التعسفي المتوسطات المتحركة على نحو سلس خارج أنماط غير منتظمة في البيانات سلسلة زمنية أكبر عدد الفترات المستخدمة لكل نقطة البيانات، وزيادة تأثير تمهيد بسبب تجانس، والتنبؤ الشهر المقبل مبيعات 8217s على أساس فإن معظم المبيعات الأخيرة في الشهر 8217s يمكن أن تؤدي إلى انحرافات كبيرة بسبب الأنماط الموسمية والدورية وغير المنتظمة في البيانات، وقدرات التمهيد لطريقة المتوسط ​​المتحرك يمكن أن تكون مفيدة في تحلل سلسلة زمنية لطرق التنبؤ أكثر تقدما. الأسبوع المقبل: تجانس الأسي في الأسبوع القادم 8217s توقعات الجمعة. سوف نناقش أساليب التمهيد الأسي، وسترى أنها يمكن أن تكون أعلى بكثير من المتوسط ​​المتحرك أساليب التنبؤ. لا يزال دون 8217t تعرف لماذا لدينا توقعات الجمعة المشاركات تظهر يوم الخميس معرفة في: tinyurl26cm6ma مثل هذا: التنقل بوست ترك الرد إلغاء الرد كان لي 2 أسئلة: 1) يمكنك استخدام نهج ما تركزت للتنبؤ أو لمجرد إزالة الموسمية 2) عندما (t-1t-2t-k) k ما للتنبؤ بفترة زمنية واحدة، هل من الممكن التنبؤ بأكثر من 1 فترة قبل أن أعتقد أن توقعاتك ستكون واحدة من النقاط التي تغذيها في المرة القادمة. شكر. أحب المعلومات وتفسيراتك I8217m سعيد تريد بلوق I8217m متأكد من أن العديد من المحللين استخدمت نهج ما تركزت للتنبؤ، ولكن أنا شخصيا لن، لأن هذا النهج يؤدي إلى فقدان الملاحظات في كلا الطرفين. هذا في الواقع ثم العلاقات في السؤال الثاني الخاص بك. عموما، يستخدم ما بسيط للتنبؤ فترة واحدة فقط المقبلة، ولكن العديد من المحللين 8211 وأنا أيضا في بعض الأحيان 8211 سوف تستخدم بلدي فترة واحدة قبل التوقعات باعتبارها واحدة من المدخلات للفترة الثانية المقبلة. It8217s المهم أن نتذكر أن المزيد من المستقبل في محاولة للتنبؤ، وزيادة خطر الخاص بك من الخطأ المتوقع. هذا هو السبب في أنني لا أوصي تركز ما للتنبؤ 8211 فقدان الملاحظات في نهاية المطاف يعني الاضطرار إلى الاعتماد على التنبؤات الملاحظات المفقودة، فضلا عن الفترة (ق) المقبلة، لذلك هناك فرصة أكبر للخطأ التنبؤ. القراء: you8217re دعا إلى وزن في هذا. هل لديك أي أفكار أو اقتراحات حول هذا بريان، شكرا لتعليقكم وتقديراتكم على بلوق مبادرة لطيفة وتفسير جميل. It8217s مفيدة حقا. أتوقع مخصص لوحات الدوائر المطبوعة للعميل الذي لا يعطي أي توقعات. لقد استخدمت المتوسط ​​المتحرك، ومع ذلك فإنه ليس دقيقا جدا حيث يمكن للصناعة صعودا وهبوطا. ونحن نرى نحو منتصف الصيف حتى نهاية العام أن الشحن pcb8217s هو ما يصل. ثم نرى في بداية العام يبطئ الطريق. كيف يمكنني أن أكون أكثر دقة مع بياناتي كاترينا، من ما قلت لي، يبدو لديك المطبوعة مبيعات لوحة الدوائر لديها عنصر موسمي. أتعامل مع الموسمية في بعض المشاركات الأخرى المتوقعة يوم الجمعة. وهناك طريقة أخرى يمكنك استخدامها، وهي سهلة جدا، وهي خوارزمية هولت-وينترز، والتي تأخذ في الاعتبار الموسمية. يمكنك العثور على تفسير جيد من هنا. تأكد من تحديد ما إذا كانت أنماطك الموسمية متعددة أو مضافة، لأن الخوارزمية مختلفة قليلا لكل منها. إذا كنت مؤامرة البيانات الشهرية الخاصة بك من بضع سنوات، ونرى أن التغيرات الموسمية في نفس الأوقات من السنوات ويبدو أن تكون ثابتة سنة بعد سنة، ثم الموسمية هو المضافة إذا كانت التغيرات الموسمية مع مرور الوقت يبدو أن تتزايد، ثم الموسمية هو المضاعف. معظم السلاسل الزمنية الموسمية ستكون مضاعفة. إذا كنت في شك، تفترض مضاعفة. حظا سعيدا مرحبا هناك، بين تلك الطريقة:. ناف التنبؤ. تحديث المتوسط. المتوسط ​​المتحرك للطول k. إما المتوسط ​​المتحرك المرجح لطول k أو التمدد الأسي أي واحد من تلك النماذج المحدثة تنصحني باستخدامها للتنبؤ بالبيانات بالنسبة لي، أفكر في المتوسط ​​المتحرك. ولكن أنا دون 8217t تعرف كيفية جعلها واضحة ومنظم ذلك يعتمد حقا على كمية ونوعية البيانات لديك وأفق التنبؤ الخاص بك (على المدى الطويل، على المدى المتوسط، أو على المدى القصير) 6.2 المتوسطات المتحركة ما 40 إليكساليس، والنظام 5 41 في العمود الثاني من هذا الجدول، يظهر متوسط ​​متحرك للنظام 5، يقدم تقديرا لدورة الاتجاه. والقيمة الأولى في هذا العمود هي متوسط ​​الملاحظات الخمس الأولى (1989-1993)، والقيمة الثانية في العمود 5-ما هي متوسط ​​القيم 1990-1994 وهكذا. كل قيمة في العمود 5-ما هي متوسط ​​الملاحظات في فترة الخمس سنوات التي تركز على السنة المقابلة. لا توجد قيم للسنتين الأوليين أو العامين الماضيين لأننا لا نملك ملاحظتين على أي من الجانبين. في الصيغة أعلاه، العمود 5-ما يحتوي على قيم قبعة مع k2. لمعرفة ما يبدو عليه تقدير دورة الاتجاه، فإننا نرسمه مع البيانات الأصلية في الشكل 6.7. مؤامرة 40 إليكساليس، الرئيسية سسيدكوتال الكهرباء السكنية، يلب كوغوكوت. زلاب كوتيركوت 41 لينس 40 ما 40 إليساليس، 5 41. كول كوتريدكوت 41 لاحظ كيف أن الاتجاه (باللون الأحمر) هو أكثر سلاسة من البيانات الأصلية ويلتقط الحركة الرئيسية للسلسلة الزمنية دون كل التقلبات الطفيفة. ولا تسمح طريقة المتوسط ​​المتحرك بتقديرات T حيث تكون t قريبة من نهايات السلسلة، وبالتالي لا يمتد الخط الأحمر إلى حواف الرسم البياني على أي من الجانبين. في وقت لاحق سوف نستخدم أساليب أكثر تطورا لتقدير دورة الاتجاه التي تسمح التقديرات بالقرب من النهاية. ويحدد ترتيب المتوسط ​​المتحرك مدى نعومة تقدير دورة الاتجاه. بشكل عام، يعني النظام الأكبر منحنى أكثر سلاسة. يوضح الرسم البياني التالي تأثير تغيير ترتيب المتوسط ​​المتحرك لبيانات مبيعات الكهرباء السكنية. المتوسطات المتحركة البسيطة مثل هذه هي عادة من ترتيب فردي (على سبيل المثال 3، 5، 7، وما إلى ذلك) وهذا هو حتى أنها متماثلة: في المتوسط ​​المتحرك للنظام m2k1، هناك k الملاحظات السابقة، k الملاحظات في وقت لاحق والمراقبة الوسطى التي يتم حساب متوسطها. ولكن إذا كان m حتى، فإنه لن يكون متماثلا. المتوسطات المتحركة للمتوسطات المتحركة من الممكن تطبيق متوسط ​​متحرك على المتوسط ​​المتحرك. أحد أسباب القيام بذلك هو جعل المتوسط ​​المتحرك متساويا في الترتيب. على سبيل المثال، قد نأخذ متوسطا متحركا من الترتيب 4، ثم نطبق متوسط ​​متحرك آخر للطلب 2 على النتائج. وفي الجدول 6-2، تم ذلك في السنوات القليلة الأولى من بيانات إنتاج البيرة الفصلية الاسترالية. ber2 lt - ويندو 40 أوسبير، ستارت 1992 41 ma4 lt - ما 40 beer2، أوردر 4. سينتر فالس 41 ma2x4 lt - ما 40 beer2، أوردر 4. سينتر ترو 41 الترميز 2times4-ما في العمود الأخير يعني 4-ما تليها 2-ما. يتم الحصول على القيم في العمود الأخير من خلال اتخاذ متوسط ​​متحرك من الترتيب 2 من القيم في العمود السابق. على سبيل المثال، القيمتين الأوليين في العمود 4-ما هي 451.2 (443410420532) 4 و 448.8 (410420532433) 4. القيمة الأولى في العمود 2times4-ما هي متوسط ​​هذين: 450.0 (451.2448.8) 2. عندما يتبع 2-ما المتوسط ​​المتحرك حتى النظام (مثل 4)، ويسمى متوسط ​​متحرك تركز على النظام 4. وذلك لأن النتائج هي الآن متماثل. لنرى أن هذا هو الحال، يمكننا كتابة 2times4-ما على النحو التالي: بدء قبعة أمبير فراك بيغفراك (y y y y) فراك (y y y y) كبير أمبير فراك y frac14y frac14y frac14y frac18y. نهاية هو الآن المتوسط ​​المرجح للرصدات، ولكنه متماثل. ومن الممكن أيضا توليفات أخرى من المتوسطات المتحركة. على سبيل المثال يتم استخدام 3times3-ما غالبا، ويتكون من متوسط ​​متحرك من النظام 3 متبوعا بمتوسط ​​متحرك آخر من النظام 3. بشكل عام، يجب أن يتبع النظام حتى ما من قبل ما حتى أمر ما لجعلها متماثلة. وبالمثل، ينبغي أن يتبع أمر ما الفردية من قبل ما الفردية ترتيب فردي. تقدير دورة الاتجاه مع البيانات الموسمية الاستخدام الأكثر شيوعا للمتوسطات المتحركة المتمركزة هو في تقدير دورة الاتجاه من البيانات الموسمية. النظر في 2times4-ما: قبعة فراك y frac14y frac14y frac14y frac18y. عند تطبيقه على بيانات ربع سنوية، يعطى كل ربع سنة نفس الوزن حيث تطبق الفترة األولى واألخيرة على نفس الربع في السنوات المتعاقبة. وبناء على ذلك، سيتم حساب متوسط ​​التغير الموسمية، كما أن القيم الناتجة عن هذه القيم لن تكون متبقية أو معدومة. ويمكن الحصول على تأثير مماثل باستخدام 2times 8-ما أو 2times 12-ما. وبوجه عام، فإن m 2 ما يعادل متوسط ​​متحرك مرجح لترتيب m1 مع أخذ جميع الملاحظات 1m الوزن باستثناء المصطلحين الأول والأخير الذي يأخذ الأوزان 1 (2M). حتى إذا كانت الفترة الموسمية حتى و من أجل م، استخدم 2times م-ما لتقدير دورة الاتجاه. إذا كانت الفترة الموسمية غريبة وترتيب m، استخدم m-ما لتقدير دورة الاتجاه. على وجه الخصوص، يمكن استخدام 2 مرات 12-ما لتقدير دورة الاتجاه من البيانات الشهرية و 7-ما يمكن استخدامها لتقدير دورة الاتجاه من البيانات اليومية. ومن شأن الخيارات الأخرى لترتيب درجة الماجستير أن تؤدي عادة إلى تلوث تقديرات دورة الاتجاه بالموسمية في البيانات. مثال 6.2 تصنيع المعدات الكهربائية يبين الشكل 6.9 2 مرات 12-ما المطبقة على مؤشر أوامر المعدات الكهربائية. لاحظ أن الخط السلس لا يظهر موسمية وهو تقريبا نفس دورة الاتجاه هو مبين في الشكل 6.2 والتي تم تقديرها باستخدام طريقة أكثر تعقيدا بكثير من المتوسطات المتحركة. وأي خيار آخر لترتيب المتوسط ​​المتحرك (باستثناء 24 و 36 وما إلى ذلك) قد يؤدي إلى خط سلس يظهر بعض التقلبات الموسمية. مؤامرة 40 إليسيكيب، يلاب كوت أوامر جديدة إندكسكوت. كول كوغرايكوت، الرئيسية تصنيع المعدات الكهربائية (منطقة اليورو) كوت 41 خطوط 40 أماه 40 إليسيكيب، النظام 12 41. كول كوريدكوت 41 المتوسطات المتحركة المرجح مجموعات من المتوسطات المتحركة تؤدي إلى المتوسطات المتحركة المرجح. على سبيل المثال، 2x4-ما ناقش أعلاه يعادل 5-ما المرجحة مع الأوزان التي قدمها فراك، فراك، فراك، فراك، فراك. وبصفة عامة، يمكن كتابة m-M المرجح كقيمة t k k a y y حيث k (m-1) 2 وتعطى الأوزان بواسطة النقاط والنقاط أك. من المهم أن الأوزان كل المبلغ إلى واحد وأنها متماثلة بحيث آج a. و M-ما بسيط هو حالة خاصة حيث جميع الأوزان تساوي 1M. والميزة الرئيسية للمتوسطات المتحركة المرجحة هي أنها تعطي تقديرا أكثر سلاسة لدورة الاتجاه. بدلا من الملاحظات دخول وترك الحساب بالوزن الكامل، يتم زيادة وزنها ببطء ثم انخفض ببطء مما أدى إلى منحنى أكثر سلاسة. وتستخدم على نطاق واسع بعض مجموعات محددة من الأوزان. وترد بعض هذه التوصيات في الجدول 6-3.