Como mover médias em Excel 2010.Moving médias prediz valores futuros. Hemera Images. Related artigos. Microsoft Excel 2010 s função média calcula uma série s média aritmética, que é a sua soma dividida pelo número de itens na série quando cada número em A média móvel revela as tendências dentro dos dados Por exemplo, se uma planilha acompanhar o seu inventário de mudança de negócio s, as vendas em movimento Média pode ajudá-lo a decidir seus níveis de inventário ideal no final de cada mês.1 Clique em Arquivo no Excel s Ribbon.2 Clique em Opções no lado esquerdo da tela para abrir a janela Opções do Excel.3 Clique em Suplementos na janela s Esquerdo4. Clique no botão Ir ao lado da caixa suspensa rotulada Excel Add-ins para abrir a janela de Suplementos. 5 Marque a caixa denominada Análise ToolPak Clique em OK. 6 Clique em Dados na Fita do Excel. 7 Clique em Análise de Dados no Grupo de análise para abrir a janela Análise de Dados.8 Selecione Média Móvel na janela Análise de Dados Clique em OK para abrir a janela Média Móvel.9 Clique no botão na caixa de texto etiquetado Intervalo de Entrada Clique e selecione os dados cuja média móvel você deseja que o Excel Find.10 Clique no botão na caixa de texto denominada Output Range Clique e selecione as células onde deseja que as médias móveis sejam exibidas.11 Digite um valor na caixa de texto rotulada Intervalo Este valor descreve o número de valores que cada média deve considerar Para Por exemplo, se cada média deve calcular a média dos três números anteriores, digite 3.12 Clique em OK O Excel inserirá as médias móveis da série s. Sobre o autor. Ryan Menezes é um escritor e blogueiro profissional Ele tem um bacharelado em jornalismo da Universidade de Boston e Escreveu para a American Civil Liberties Union, a empresa de marketing InSegment eo serviço de gerenciamento de projetos Assembla Ele também é membro da Mensa e do American Parliamentary Debate Asso Ciation. Photo Credits. Hemera Images. Related Pesquisas. Mais artigos. Como calcular a média no Excel a partir de várias planilhas. Gráfico Como fazer um gráfico no Excel com uma média cumulativa. Como criar uma planilha com datas em toda a parte superior. Y-Axis Como adicionar um segundo Y-Axis no Excel Faça uma segunda série no final do Chart. In esta lição você pode aprender a usar a função de previsão e como prever o futuro. Graças à função de previsão Excel pode ler o futuro Não é uma brincadeira O Excel pode prever alguns valores se você der dados passados. Você pode usar a função de previsão para prever dados simples e também para fazer análises avançadas para sua empresa Vamos ver como funciona a função de previsão e como usá-lo. Definição de FREQUÊNCIA Function. Forecast parece que this. x é o argumento para o qual você está procurando alguma value. known ys são valores históricos, que você sabe. Xs conhecidos são argumentos históricos, que você know. It pode parecer difícil, mas não é Vamos ver alguns exemplos para explicar more. Exemplo 1 Quanto tempo os alunos estão estudando para o teste. Você tem alguns dados históricos sobre o teste é igual Você também sabe, quanto tempo os alunos têm estudar para o teste. Você quer calcular, quantos pontos vão Obter o aluno, que estiveram estudando G para 8 horas Você usa a função de previsão para calcular that. x é igual a 8, porque você está procurando um valor para 8 hors argumento. sons conhecidos são pontos de teste, que você já sabe. Xs conhecidos são horas studyng, que você também sabe. Fórmula nesta situação é PREVISÃO B11, C3 C10, B3 B10 como na imagem abaixo. O valor previsto é 77.Valor 77 significa que, com base em valores históricos, o aluno terá 77 pontos Espero funtion previsão é fácil e claro Vamos fazer um Mais example. Example 2 Previsão de renda líquida. Você tem vendas e lucro líquido de alguma empresa. Você quer calcular o lucro líquido de 500 000 sales. known ys é histórica renda líquida. Xs conhecido é histórico de vendas. Formula aqui é PREVISÃO B11, C3 C10, B3 B10 rendimento é igual a 11921.Exemplo 3 Previsão de datas. Você também pode prever datas Aqui está um exemplo. Nesta tabela você tem dados de vendas no final de cada mês Você quer saber onde você terá 1 000 000 de vendas. significado ys é histórico dates. known xs é histórico sales. Formula é FORECA ST B10C3 C9B3 B9.Formatting de células é Geral por padrão para que seu resultado não é uma data. Change formatação da célula Clique para a direita e próximo Formato Células e alterar formatação para Date. Result é 2011-11-03 Excel prevê que sua empresa vai Tem 1 milhão de vendas USD naquele dia. Há alguns exemplos básicos Claro que há também muitas maneiras de usar a função de previsão para a função de previsão de negócios é fácil de usar e realmente poderoso. Tip em caso de errors. If o argumento x é nonnumeric, A função PREVISÃO retorna o erro VALOR. Se as funções conhecidas e conhecidas estão vazias ou contêm um número diferente de pontos de dados, a função PREVISÃO retorna o erro NA. Se a variância do argumento conhecido é zero, a função PRONEXÃO retorna o erro DIV 0. Smoothing Explained. Copyright conteúdo é protegido por direitos autorais e não está disponível para republication. When pessoas primeiro encontrar o termo suavização exponencial eles podem pensar que soa como um inferno de um alisamento qualquer suavização é T Hey então começar a imaginar um cálculo matemático complicado que provavelmente requer um grau em matemática para entender e espero que haja uma função incorporada Excel disponível se eles nunca precisam fazê-lo A realidade de suavização exponencial é muito menos dramática e muito menos traumático . A verdade é que, suavização exponencial é um cálculo muito simples que realiza uma tarefa bastante simples Ele só tem um nome complicado, porque o que tecnicamente acontece como resultado deste simples cálculo é realmente um pouco complicado. Para entender a suavização exponencial, ajuda a iniciar Com o conceito geral de suavização e um par de outros métodos comuns utilizados para conseguir alisamento. O que é alisamento. Suavização é um processo estatístico muito comum Na verdade, nós regularmente encontrar suavizado dados em várias formas em nossas vidas do dia-a-dia a qualquer momento Você usa uma média para descrever algo, você está usando um número suavizado Se você pensar sobre por que você usa uma média para descrever algo, você vai rapidamente Entender o conceito de suavização Por exemplo, acabamos de experimentar o inverno mais quente no registro Como somos capazes de quantificar isso Bem, começamos com datasets das temperaturas altas e baixas diárias para o período que chamamos de Inverno para cada ano na história registrada Mas isso deixa Nós com um monte de números que saltam em torno de um pouco não é como todos os dias este inverno foi mais quente do que os dias correspondentes de todos os anos anteriores Precisamos de um número que remove tudo isso saltando em torno dos dados para que possamos mais facilmente comparar um Inverno para o próximo Removendo o salto em torno dos dados é chamado de suavização, e neste caso, podemos apenas usar uma média simples para realizar o alisamento. Na previsão de demanda, usamos suavização para remover o ruído de variação aleatória de nossa demanda histórica Isso nos permite Para identificar melhor os padrões de demanda principalmente tendência e sazonalidade e os níveis de demanda que podem ser usados para estimar a demanda futura O ruído na demanda é o mesmo conceito que o salto diário ar Ound dos dados de temperatura Não surpreendentemente, a forma mais comum de remover o ruído da história de demanda é usar uma média simples ou mais especificamente, uma média móvel A média móvel usa apenas um número predefinido de períodos para calcular a média e esses períodos se movem Como o tempo passa Por exemplo, se eu estou usando uma média móvel de 4 meses, e hoje é 01 de maio, estou usando uma média de demanda que ocorreu em janeiro, fevereiro, março e abril Em 1 de junho, vou usar a demanda De fevereiro, março, abril e maio. Média móvel ponderada. Ao usar uma média, estamos aplicando o mesmo peso de importância para cada valor no conjunto de dados. Na média móvel de 4 meses, cada mês representava 25 da média móvel. História para projetar a demanda futura e especialmente a tendência futura, é lógico chegar à conclusão que você gostaria que a história mais recente tenha um impacto maior em sua previsão Podemos adaptar nosso cálculo de média móvel para aplicar vários pesos a eac H para obtermos os resultados desejados. Nós expressamos esses pesos como porcentagens eo total de todos os pesos para todos os períodos deve somar 100. Portanto, se decidimos que queremos aplicar 35 como o peso para o período mais próximo em nosso período de 4 meses Ponderada média móvel, podemos subtrair 35 de 100 para encontrar temos 65 restantes para dividir sobre os outros 3 períodos Por exemplo, podemos acabar com uma ponderação de 15, 20, 30 e 35, respectivamente, para os 4 meses 15 20 30 35 100. Suavização exponencial. Se voltarmos ao conceito de aplicar um peso ao período mais recente como 35 no exemplo anterior e espalhar o peso restante calculado subtraindo o peso do período mais recente de 35 de 100 para obter 65, Temos os blocos de construção básicos para o nosso cálculo de suavização exponencial A entrada de controle do cálculo de suavização exponencial é conhecida como o fator de suavização também chamado de constante de suavização Ele representa essencialmente a ponderação aplicada ao período mais recente Então, onde usamos 35 como ponderação para o período mais recente no cálculo da média móvel ponderada, também poderíamos escolher usar 35 como o fator de suavização em nosso cálculo de suavização exponencial para obter um efeito semelhante. A diferença com a suavização exponencial O cálculo é que em vez de ter que também descobrir o quanto de peso a aplicar a cada período anterior, o fator de suavização é usado para fazer automaticamente that. So aqui vem a parte exponencial Se usarmos 35 como o fator de suavização, a ponderação do A demanda do período mais recente será 35 A ponderação do próximo período mais recente s demanda o período antes do mais recente será 65 de 35 65 vem de subtrair 35 de 100 Isso equivale a 22 75 ponderação para esse período se você fizer a matemática . A demanda do próximo período mais recente será 65 de 65 de 35, o que equivale a 14 79 O período antes disso será ponderado como 65 de 65 de 65 de 35, o que equivale a 9 61, e assim por diante E isso vai sobre Atrás Áspero todos os seus períodos anteriores todo o caminho de volta para o início do tempo ou o ponto em que você começou a usar suavização exponencial para esse item particular. Você provavelmente está pensando que s olhando como um monte de matemática Mas a beleza do cálculo exponencial alisamento É que ao invés de ter que recalcular contra cada período anterior cada vez que você recebe um novo período s demanda, você simplesmente usar a saída do cálculo exponencial suavização do período anterior para representar todos os períodos anteriores. Você está confuso ainda Isso fará mais sentido Quando olhamos para o cálculo real. Tipicamente, nós nos referimos à saída do cálculo de suavização exponencial como o próximo período previsto. Na realidade, a previsão final precisa de um pouco mais de trabalho, mas para os propósitos deste cálculo específico, vamos nos referir a ele Como a previsão. O cálculo de suavização exponencial é o seguinte. A demanda do período mais recente multiplicada pelo fator de suavização PLUS A mais recente peri Od s previsão multiplicado por um menos o factor de suavização. D mais recente período s procura S o factor de suavização representada em forma decimal de modo 35 seria representado como 0 35 F o mais recente período s previsão da saída do cálculo de suavização do período anterior. O supondo um fator de suavização de 0 35.Não se torna muito mais simples do que isso. Como você pode ver, tudo o que precisamos para entradas de dados aqui são a demanda do período mais recente e a previsão do período mais recente. Nós aplicamos o fator de suavização Ponderação para o período mais recente s demanda da mesma forma que faria no cálculo da média móvel ponderada Depois, aplicamos a ponderação restante 1 menos o fator de suavização à previsão do período mais recente. Desde a previsão do período mais recente foi criada com base na Da procura do período anterior e da previsão do período anterior, que se baseou na procura do período anterior e na previsão do período anterior, que se baseou na procura do período anterior Bem como a previsão para o período anterior, que foi baseado no período anterior that. well, você pode ver como todos os períodos anteriores s demanda são representados no cálculo sem realmente voltar e recalcular nada. E isso é o que levou a inicial Popularidade do alisamento exponencial Não foi porque ele fez um trabalho melhor de suavização do que a média móvel ponderada, foi porque era mais fácil de calcular em um programa de computador E, porque você didn t necessidade de pensar sobre o que a ponderação para dar períodos anteriores ou como Muitos períodos anteriores para usar, como você faria na média móvel ponderada E, porque ele soou mais frio do que a média móvel ponderada. Na verdade, poderia ser argumentado que a média móvel ponderada oferece maior flexibilidade, uma vez que você tem mais controle sobre a ponderação de períodos anteriores A realidade é que qualquer um destes pode fornecer resultados respeitáveis, então por que não ir com mais fácil e mais fresco sounding. Exponential Smoothing em Excel. Vamos ver como isso seria actuall E olhar em uma planilha com dados reais. Copyright conteúdo é protegido por direitos autorais e não está disponível para republication. In Figura 1A, temos uma planilha Excel com 11 semanas de demanda, e uma previsão exponencial suavizada calculada a partir daquela demanda que eu usei Um fator de suavização de 25 0 25 na célula C1 A célula ativa atual é a célula M4 que contém a previsão para a semana 12 Você pode ver na fórmula barra, a fórmula é L3 C1 L4 1- C1 Portanto, as únicas entradas diretas para este cálculo são O período anterior s demanda Cell L3, o período anterior s previsão Cell L4, eo factor de suavização Cell C1, mostrado como referência de célula absoluta C1.Quando começamos um cálculo de suavização exponencial, precisamos de ligar manualmente o valor para a 1 ª previsão Assim Na célula B4, em vez de uma fórmula, acabamos de digitar a demanda a partir do mesmo período que a previsão Na Célula C4 temos o nosso primeiro cálculo de suavização exponencial B3 C1 B4 1- C1 Podemos então copiar Célula C4 e colá-lo em Células D4 Através de M4 para fil L o resto de nossas células de previsão. Agora você pode clicar duas vezes em qualquer célula de previsão para ver se é baseado na célula de previsão do período anterior e na célula de demanda do período anterior Então, cada cálculo de suavização exponencial subseqüente herda a saída da exponencial anterior Cálculo de suavização É assim que a demanda de cada período anterior é representada no cálculo do período mais recente, mesmo que esse cálculo não faça referência direta a esses períodos anteriores. Se você deseja obter fantasia, use a função de precedentes de traço do Excel Para fazer isso, clique em Na célula M4 e, em seguida, na barra de ferramentas da faixa de opções Excel 2007 ou 2010, clique no separador Fórmulas e, em seguida, clique em Rastreio Precedentes Será desenhar linhas de conector para o primeiro nível de precedentes, mas se continuar a clicar em Trace Precedents irá desenhar linhas de conector para todos os anteriores Períodos para mostrar-lhe as relações herdadas. Agora vamos ver o que a suavização exponencial fez por nós. A Figura 1B mostra um gráfico de linhas de nossa demanda e previsão. A previsão suavizada exponencial remove a maioria do jaggedness que salta ao redor da demanda semanal, mas ainda controla seguir o que parece ser uma tendência ascendente na demanda Você observará também que a linha suavizada da previsão tende a ser mais baixa do que a linha de demanda Isto é sabido Como defasagem de tendência e é um efeito colateral do processo de suavização Toda vez que você usar suavização quando uma tendência está presente sua previsão ficará atrás da tendência Isso é verdade para qualquer técnica de suavização De fato, se continuássemos esta planilha e começássemos a inserir Os números de demanda fazendo uma tendência descendente você veria a queda da linha de demanda ea linha de tendência se movimentar acima dela antes de começar a seguir a tendência descendente. Por isso eu mencionei anteriormente a saída do cálculo de suavização exponencial que chamamos de uma previsão, ainda precisa Um pouco mais de trabalho Há muito mais a previsão do que apenas alisar as colisões na demanda Precisamos fazer ajustes adicionais para coisas como tendência lag, sazonalidade, Eventos conhecidos que podem afetar a demanda, etc Mas tudo o que está além do escopo deste artigo. Você provavelmente também correr em termos como alisamento dupla exponencial e suavização triplo-exponencial Estes termos são um pouco enganador, uma vez que você não está re-suavização do Exigir várias vezes você poderia se você quiser, mas que não é o ponto aqui Estes termos representam usando suavização exponencial em elementos adicionais da previsão Assim com suavização exponencial simples, você está suavizando a demanda base, mas com dupla exponencial suavização você está suavizando A demanda base mais a tendência e com alisamento triplo exponencial você está suavizando a demanda base mais a tendência mais a sazonalidade. A outra pergunta mais comumente questionado sobre suavização exponencial é onde faço para obter o meu fator de suavização Não há nenhuma resposta mágica aqui, Você precisa testar vários fatores de suavização com seus dados de demanda para ver o que você recebe os melhores resultados Existem cálculos que podem definir automaticamente e alterar o Factor de alisamento Estes se enquadram no termo alisamento adaptativo, mas você precisa ter cuidado com eles Não há simplesmente nenhuma resposta perfeita e você não deve aplicar cegamente qualquer cálculo sem testes minuciosos e desenvolver uma compreensão completa do que o cálculo faz Você também deve executar o que - se cenários para ver como esses cálculos reagem às mudanças de demanda que podem não existir atualmente nos dados de demanda que você está usando para teste. O exemplo de dados que eu usei anteriormente é um exemplo muito bom de uma situação onde você realmente precisa testar alguns outros cenários Esse exemplo de dados particulares mostra uma tendência ascendente um tanto consistente Muitas grandes empresas com software de previsão muito caro entrou em grande problema no passado não tão distante quando suas configurações de software que foram ajustadas para uma economia em crescimento não reagiram bem quando a economia começou a estagnar Ou encolhendo Coisas como esta acontecem quando você não entende o que seu software de cálculos está realmente fazendo Se eles não Se seu sistema de previsão, eles teriam sabido que precisavam pular e mudar algo quando havia mudanças dramáticas súbitas para seus negócios. Então você tem o básico de suavização exponencial explicado Quer saber mais sobre o uso de suavização exponencial em uma previsão real , Confira o meu livro Inventory Management Explained. Copyright Conteúdo é protegido por direitos autorais e não está disponível para republication. Dave Piasecki é proprietário do operador de Inventário Operations Consulting LLC uma empresa de consultoria que presta serviços relacionados com a gestão de inventário, manuseio de materiais e operações de armazém Ele Tem mais de 25 anos de experiência na gestão de operações e pode ser alcançado através de seu site, onde ele mantém informações adicionais relevantes. Meu negócio.
No comments:
Post a Comment