Implementação da planilha de ajuste sazonal e suavização exponencial É direto realizar ajustes sazonais e ajustar modelos de suavização exponencial usando o Excel. As imagens de tela e os gráficos abaixo são tirados de uma planilha que foi configurada para ilustrar o ajuste sazonal multiplicativo e o alisamento exponencial linear nos seguintes dados de vendas trimestrais da Outboard Marine: Para obter uma cópia do próprio arquivo de planilha, clique aqui. A versão do alisamento exponencial linear que será usada aqui para fins de demonstração é a versão Brown8217s, apenas porque pode ser implementada com uma única coluna de fórmulas e há apenas uma constante de suavização para otimizar. Normalmente, é melhor usar a versão Holt8217s que possui constantes de suavização separadas para nível e tendência. O processo de previsão prossegue da seguinte forma: (i) primeiro os dados são ajustados sazonalmente (ii), então, as previsões são geradas para os dados dessazonalizados por meio de alisamento exponencial linear e (iii) finalmente, as previsões sazonalmente ajustadas são quantitativas para obter previsões para a série original . O processo de ajuste sazonal é realizado nas colunas D a G. O primeiro passo no ajuste sazonal é calcular uma média móvel centrada (realizada aqui na coluna D). Isso pode ser feito tomando a média de duas médias de um ano que são compensadas por um período relativo um ao outro. (Uma combinação de duas médias de compensação em vez de uma única média é necessária para fins de centralização quando o número de estações é igual.) O próximo passo é calcular a proporção para a média móvel - i. e. Os dados originais divididos pela média móvel em cada período - o que é realizado aqui na coluna E. (Isso também é chamado de quottrend-cyclequot componente do padrão, na medida em que os efeitos da tendência e do ciclo comercial podem ser considerados como sendo tudo isso Permanece após uma média de um ano inteiro de dados. Claro, mudanças mensais que não são devidas à sazonalidade podem ser determinadas por muitos outros fatores, mas a média de 12 meses suaviza sobre eles em grande medida.) O índice sazonal estimado para cada estação é calculado primeiro calculando a média de todas as proporções para essa estação particular, o que é feito nas células G3-G6 usando uma fórmula AVERAGEIF. Os índices médios são então redimensionados de modo que somam exatamente 100 vezes o número de períodos em uma estação, ou 400 neste caso, o que é feito nas células H3-H6. Abaixo na coluna F, as fórmulas VLOOKUP são usadas para inserir o valor do índice sazonal apropriado em cada linha da tabela de dados, de acordo com o trimestre do ano que representa. A média móvel centrada e os dados ajustados sazonalmente acabam parecendo assim: Note que a média móvel normalmente se parece com uma versão mais suave da série sazonalmente ajustada, e é mais curta em ambas as extremidades. Outra planilha no mesmo arquivo do Excel mostra a aplicação do modelo de alisamento exponencial linear aos dados dessazonalizados, começando na coluna G. Um valor para a constante de alisamento (alfa) é inserido acima da coluna de previsão (aqui, na célula H9) e Por conveniência, é atribuído o nome do intervalo quotAlpha. quot (O nome é atribuído usando o comando quotInsertNameCreatequot.) O modelo LES é inicializado definindo as duas primeiras previsões iguais ao primeiro valor real da série dessazonalizada. A fórmula usada aqui para a previsão LES é a forma recursiva de equação única do modelo Brown8217s: Esta fórmula é inserida na célula correspondente ao terceiro período (aqui, célula H15) e copiada para baixo a partir daí. Observe que a previsão LES para o período atual refere-se às duas observações anteriores e aos dois erros de previsão precedentes, bem como ao valor de alpha. Assim, a fórmula de previsão na linha 15 refere-se apenas a dados que estavam disponíveis na linha 14 e anteriores. (Claro que, se desejássemos usar um alisamento exponencial simples em vez de linear, podemos substituir a fórmula SES aqui. Poderíamos também usar Holt8217s em vez do modelo LES Brown8217s, o que exigiria mais duas colunas de fórmulas para calcular o nível e a tendência Que são usados na previsão.) Os erros são computados na próxima coluna (aqui, coluna J) subtraindo as previsões dos valores reais. O erro quadrático médio equivocado é calculado como a raiz quadrada da variância dos erros mais o quadrado da média. (Isto segue a identidade matemática: VARIÂNCIA MSE (erros) (MÉDIA (erros)) 2. No cálculo da média e variância dos erros nesta fórmula, os dois primeiros períodos são excluídos porque o modelo na verdade não inicia a previsão até O terceiro período (linha 15 na planilha). O valor ideal de alfa pode ser encontrado alterando o alfa manualmente até encontrar o RMSE mínimo, ou então você pode usar o quotSolverquot para executar uma minimização exata. O valor de alfa que o Solver encontrou é mostrado aqui (alfa0.471). Geralmente é uma boa idéia traçar os erros do modelo (em unidades transformadas) e também calcular e traçar suas autocorrelações em atrasos de até uma estação. Aqui está uma série de séries temporais dos erros (ajustados sazonalmente): as autocorrelações de erro são calculadas usando a função CORREL () para calcular as correlações dos erros com elas mesmas atrasadas por um ou mais períodos - os detalhes são mostrados no modelo de planilha . Aqui está um enredo das autocorrelações dos erros nos primeiros cinco atrasos: as autocorrelações nos intervalos 1 a 3 são muito próximas de zero, mas o pico no intervalo 4 (cujo valor é 0,35) é um pouco incômodo - sugere que a O processo de ajuste sazonal não foi completamente bem sucedido. No entanto, na verdade, é apenas marginalmente significativo. 95 bandas de significância para testar se as autocorrelações são significativamente diferentes de zero são mais ou menos 2SQRT (n-k), onde n é o tamanho da amostra e k é o atraso. Aqui n é 38 e k varia de 1 a 5, então a raiz quadrada de n-menos-k é em torno de 6 para todos eles e, portanto, os limites para testar a significância estatística de desvios de zero são aproximadamente mais - Ou-menos 26, ou 0,33. Se você variar o valor de alfa à mão neste modelo do Excel, você pode observar o efeito sobre os gráficos de séries temporais e autocorrelação dos erros, bem como sobre o erro da raiz-médio-quadrado, que será ilustrado abaixo. Na parte inferior da planilha, a fórmula de previsão é citada no futuro, simplesmente substituindo as previsões por valores reais no ponto em que os dados reais se esgotaram - ou seja. Onde quotthe futurequot começa. (Em outras palavras, em cada célula onde um futuro valor de dados ocorreria, uma referência de célula é inserida, que aponta para a previsão feita para esse período.) Todas as outras fórmulas são simplesmente copiadas de cima: Observe que os erros para as previsões de O futuro é calculado para ser zero. Isso não significa que os erros reais serão zero, mas sim reflete apenas o fato de que, para fins de predição, estamos assumindo que os dados futuros serão iguais às previsões em média. As previsões resultantes para os dados dessazonalizados são assim: com este valor particular de alfa, otimizado para previsões de um período de antecedência, a tendência projetada é ligeiramente ascendente, refletindo a tendência local observada nos últimos 2 anos ou então. Para outros valores de alfa, uma projeção de tendência muito diferente pode ser obtida. Geralmente é uma boa idéia ver o que acontece com a projeção de tendência de longo prazo quando o alfa é variado, porque o valor que é melhor para a previsão de curto prazo não será necessariamente o melhor valor para prever o futuro mais distante. Por exemplo, aqui está o resultado que é obtido se o valor de alfa for ajustado manualmente para 0.25: A tendência de longo prazo projetada é agora negativa e não positiva. Com um menor valor de alfa, o modelo está colocando mais peso em dados mais antigos em A estimativa do nível e da tendência atuais e suas previsões de longo prazo refletem a tendência de queda observada nos últimos 5 anos em vez da tendência ascendente mais recente. Este gráfico também ilustra claramente como o modelo com um menor valor de alfa é mais lento para responder a pontos de referência nos dados e, portanto, tende a fazer um erro do mesmo sinal por vários períodos seguidos. Seus erros de previsão de 1 passo à frente são maiores em média do que os obtidos anteriormente (RMSE de 34,4 em vez de 27,4) e fortemente auto-correlacionados positivamente. A autocorrelação de lag-1 de 0,56 excede muito o valor de 0,33 calculado acima para um desvio estatisticamente significativo de zero. Como uma alternativa para diminuir o valor do alfa, a fim de introduzir mais conservadorismo em previsões de longo prazo, um fator de amortecimento de quotstend às vezes é adicionado ao modelo para que a tendência projetada se aplique depois de alguns períodos. O passo final na construção do modelo de previsão é quantificar as expectativas do LES, multiplicando-os pelos índices sazonais apropriados. Assim, as previsões não submetidas à coluna I são simplesmente o produto dos índices sazonais na coluna F e as previsões LES corrigidas sazonalmente na coluna H. É relativamente fácil calcular intervalos de confiança para as previsões de um passo antes feitas por este modelo: primeiro Computa o RMSE (erro da raiz-médio-quadrado, que é apenas a raiz quadrada do MSE) e depois calcula um intervalo de confiança para a previsão ajustada sazonalmente, adicionando e subtraindo duas vezes o RMSE. (Em geral, um intervalo de confiança 95 para uma previsão de um período anterior é aproximadamente igual ao ponto de previsão mais-ou-menos-duas vezes o desvio padrão estimado dos erros de previsão, assumindo que a distribuição do erro é aproximadamente normal e o tamanho da amostra É grande o suficiente, digamos, 20 ou mais. Aqui, o RMSE em vez do desvio padrão da amostra dos erros é a melhor estimativa do desvio padrão dos futuros erros de previsão porque leva também o viés, bem como as variações aleatórias em conta.) Os limites de confiança Para a previsão ajustada sazonalmente são então resgatados. Juntamente com a previsão, multiplicando-os pelos índices sazonais apropriados. Nesse caso, o RMSE é igual a 27,4 e a previsão ajustada sazonalmente para o primeiro período futuro (dezembro-93) é 273,2. Então o intervalo de confiança 95 ajustado sazonalmente é de 273,2-227,4 218,4 a 273,2227,4 328,0. Multiplicando esses limites pelo índice sazonal Decembers de 68,61. Obtemos limites de confiança inferiores e superiores de 149,8 e 225,0 em torno da previsão do ponto 93 de 187,4. Os limites de confiança para as previsões mais de um período adiante geralmente se ampliarão conforme o horizonte de previsão aumenta, devido à incerteza sobre o nível e a tendência, bem como os fatores sazonais, mas é difícil computá-los em geral por métodos analíticos. (A maneira apropriada de calcular os limites de confiança para a previsão LES é usando a teoria ARIMA, mas a incerteza nos índices sazonais é outra questão.) Se você quer um intervalo de confiança realista para uma previsão de mais de um período adiante, tomando todas as fontes de Erro em sua conta, sua melhor aposta é usar métodos empíricos: por exemplo, para obter um intervalo de confiança para uma previsão anterior de 2 passos, você poderia criar outra coluna na planilha para calcular uma previsão de duas etapas para cada período ( Ao inicializar a previsão de um passo a frente). Em seguida, calcule o RMSE dos erros de previsão de 2 passos e use isso como base para um intervalo de confiança de 2 passos. Média de movimentação: o que é e como calcular isso. Assista ao vídeo ou leia o artigo abaixo: A A média móvel é uma técnica para obter uma idéia geral das tendências em um conjunto de dados é uma média de qualquer subconjunto de números. A média móvel é extremamente útil para a previsão de tendências a longo prazo. Você pode calculá-lo por qualquer período de tempo. Por exemplo, se você tiver dados de vendas por um período de vinte anos, você pode calcular uma média móvel de cinco anos, uma média móvel de quatro anos, uma média móvel de três anos e assim por diante. Os analistas do mercado de ações costumam usar uma média móvel de 50 ou 200 dias para ajudá-los a ver as tendências no mercado de ações e (espero) prever onde as ações estão indo. Uma média representa o valor 8220middling8221 de um conjunto de números. A média móvel é exatamente a mesma, mas a média é calculada várias vezes para vários subconjuntos de dados. Por exemplo, se você quer uma média móvel de dois anos para um conjunto de dados de 2000, 2001, 2002 e 2003, você encontraria médias para os subconjuntos 20002001, 20012002 e 20022003. As médias móveis geralmente são plotadas e são melhor visualizadas. Cálculo de uma média móvel de 5 anos Exemplo de amostra Problema: Calcule uma média móvel de cinco anos a partir do seguinte conjunto de dados: (4M 6M 5M 8M 9M) 5 6.4M As vendas médias para o segundo subconjunto de cinco anos (2004 8211 2008). Centrada em 2006, é de 6,6M: (6M 5M 8M 9M 5M) 5 6.6M As vendas médias para o terceiro subconjunto de cinco anos (2005 8211 2009). Centrada em torno de 2007, é de 6,6M: (5M 8M 9M 5M 4M) 5 6.2M Continue calculando cada média de cinco anos, até chegar ao final do set (2009-2013). Isso lhe dá uma série de pontos (médias) que você pode usar para traçar um gráfico de médias móveis. A tabela do Excel a seguir mostra as médias móveis calculadas para 2003-2012 juntamente com um gráfico de dispersão dos dados: assista o vídeo ou leia as etapas abaixo: o Excel possui um poderoso complemento, o Data Analysis Toolpak (como carregar os dados Analysis Toolpak) que lhe oferece muitas opções extras, incluindo uma função de média móvel automatizada. A função não só calcula a média móvel para você, mas também grafica os dados originais ao mesmo tempo. Salvando-lhe um monte de teclas. Excel 2013: Etapas Etapa 1: clique na guia 8220Data8221 e clique em 8220Data Analysis.8221 Etapa 2: clique em 8220Moving average8221 e clique em 8220OK.8221 Etapa 3: clique na caixa 8220Input Range8221 e selecione seus dados. Se você incluir cabeçalhos de coluna, certifique-se de verificar a caixa Etiquetas na primeira linha. Etapa 4: digite um intervalo na caixa. Um intervalo é quantos pontos anteriores você deseja que o Excel use para calcular a média móvel. Por exemplo, 822058221 usaria os 5 pontos de dados anteriores para calcular a média para cada ponto subsequente. Quanto menor o intervalo, mais próxima sua média móvel é para o seu conjunto de dados original. Etapa 5: clique na caixa 8220Output Range8221 e selecione uma área na planilha onde deseja que o resultado apareça. Ou, clique no botão de opção 8220New worksheet8221. Etapa 6: Verifique a caixa 8220Chart Output8221 se desejar ver um gráfico do seu conjunto de dados (se esquecer de fazer isso, você sempre pode voltar e adicioná-lo ou escolher um gráfico na guia 8220Insert8221.8221 Etapa 7: Pressione 8220OK .8221 O Excel retornará os resultados na área que você especificou no Passo 6. Assista ao vídeo ou leia os passos abaixo: Exemplo de problema: Calcule a média móvel de três anos no Excel para os seguintes dados de vendas: 2003 (33M), 2004 (22M), 2009 (36M), 2006 (34M), 2007 (43M), 2008 (39M), 2009 (41M), 2010 (36M), 2011 (45M), 2012 (56M), 2013 (64M). 1: Digite seus dados em duas colunas no Excel. A primeira coluna deve ter o ano e a segunda coluna os dados quantitativos (neste problema de exemplo, os números de vendas). Certifique-se de que não haja linhas em branco nos dados da sua célula. Etapa 2 : Calcule a primeira média de três anos (2003-2005) para os dados. Para esse problema de amostra, digite 8220 (B2B3B4) 38221 na célula D3. Cálculo da primeira média. Etapa 3: Arraste o quadrado no canto inferior direito d Próprio para mover a fórmula para todas as células na coluna. Isso calcula médias para anos sucessivos (por exemplo, 2004-2006, 2005-2007). Arrastando a fórmula. Passo 4: (Opcional) Crie um gráfico. Selecione todos os dados na planilha. Clique na guia 8220Insert8221 e, em seguida, clique em 8220Scatter, 8221 e clique em 8220Scatter com linhas e marcadores suaves.8221 Um gráfico da sua média móvel aparecerá na planilha. Veja o nosso canal do YouTube para obter mais ajuda e dicas de estatísticas Média em movimento: o que é e como calcular isso foi modificado pela última vez: 8 de janeiro de 2016 por Andale 22 pensamentos sobre ldquo Média de movimento: o que é e como calcular isso rdquo Isso é Perfeito e simples de assimilar. Obrigado pelo trabalho Isso é muito claro e informativo. Pergunta: como se calcula uma média móvel de 4 anos Em que ano o centro de média móvel de 4 anos em Central seria no final do segundo ano (ou seja, 31 de dezembro). Posso usar uma receita média para prever lucros futuros que alguém conheça sobre o meio centrado, por favor, diga-me se alguém sabe. Aqui, é que devemos considerar 5 anos para obter a média que está no centro. Então, o que sobre os anos de descanso se quisermos obter a média de 20118230, nós não temos mais valores após 2012, então, como é que vamos calcular isso? Como você Don8217t tenha mais informações, seria impossível calcular o MA de 5 anos para 2011. Você poderia obter uma média móvel de dois anos. Oi, obrigado pelo vídeo. No entanto, uma coisa não é clara. Como fazer uma previsão para os próximos meses. O vídeo mostra a previsão dos meses para os quais os dados já estão disponíveis. Oi, Raw, I8217m trabalhando na expansão do artigo para incluir a previsão. O processo é um pouco mais complicado do que usar dados passados. Dê uma olhada neste artigo da Duke University, que o explica em profundidade. Saudações, Stephanie obrigado por uma explicação clara. Oi Não é possível localizar o link para o artigo Duke University sugerido. Solicitar para postar o link novamente
No comments:
Post a Comment