نقل - أمثلة متوسط - السلاسل الزمنية

المتوسط ​​المتحرك يعلمك هذا المثال كيفية حساب المتوسط ​​المتحرك لسلسلة زمنية في إكسيل. ويستخدم المتوسط ​​المتحرك للتخلص من المخالفات (قمم ووديان) للتعرف بسهولة على الاتجاهات. 1. أولا، دعونا نلقي نظرة على السلاسل الزمنية لدينا. 2. من علامة التبويب بيانات، انقر فوق تحليل البيانات. ملاحظة: لا يمكن العثور على زر تحليل البيانات انقر هنا لتحميل الوظيفة الإضافية تولباس تولباك. .3 حدد متوسط ​​النقل وانقر فوق موافق. .4 انقر في مربع نطاق الإدخال وحدد النطاق B2: M2. 5. انقر في المربع الفاصل الزمني واكتب 6. 6. انقر في المربع نطاق الإخراج وحدد الخلية B3. 8. رسم رسم بياني لهذه القيم. إكسلاناتيون: لأننا نقوم بضبط الفاصل الزمني الى 6، المتوسط ​​المتحرك هو متوسط ​​نقاط البيانات الخمس السابقة ونقطة البيانات الحالية. ونتيجة لذلك، يتم تمهيد قمم والوديان بها. يظهر الرسم البياني اتجاها متزايدا. لا يستطيع إكسيل حساب المتوسط ​​المتحرك لنقاط البيانات الخمس الأولى لأنه لا توجد نقاط بيانات سابقة كافية. 9. كرر الخطوات من 2 إلى 8 للفاصل الزمني 2 والفاصل الزمني 4. الخاتمة: كلما زاد الفاصل الزمني، كلما تم تمهيد القمم والوديان. كلما كان الفاصل الزمني أصغر كلما اقتربت المتوسطات المتحركة من نقاط البيانات الفعلية. اتخاذ المتوسط ​​المتحرك هو عملية التمهيد طريقة بديلة لتلخيص البيانات السابقة هي حساب متوسط ​​مجموعات أصغر متتالية من أرقام البيانات السابقة على النحو التالي. أذكر مجموعة من الأرقام 9، 8، 9، 12، 9، 12، 11، 7، 13، 9، 11، 10 التي كانت مبلغ الدولار من 12 الموردين اختيار عشوائيا. دعونا تعيين (M)، وحجم أصغر مجموعة يساوي 3. ثم متوسط ​​الأرقام الثلاثة الأولى هي: (9 8 9) 3 8.667. وهذا ما يسمى التجانس (أي شكل من أشكال المتوسط). وتستمر عملية التمهيد هذه من خلال تقدم فترة واحدة وحساب المتوسط ​​التالي لثلاثة أرقام، مع إسقاط الرقم الأول. مثال متوسط ​​متحرك يلخص الجدول التالي العملية، والتي يشار إليها باسم "المتوسط ​​المتحرك". التعبير العام للمتوسط ​​المتحرك هو مت فراك كدوتس X. نتائج المتوسط ​​المتحرك مثال سلسلة المثال توضح الأمثلة التالية كيف يمكن استخدام زلمينر لاستكشاف البيانات لكشف الاتجاهات والمواسم. على الشريط زلينر، من علامة التبويب تطبيق النموذج، حدد تعليمات - أمثلة. ثم فوريكاستينغداتا التعدين أمثلة وفتح المثال مجموعة البيانات، Income. xlsx. تحتوي مجموعة البيانات هذه على متوسط ​​دخل دافعي الضرائب من قبل الدولة. عادة ما يتم تنفيذ الخطوات التالية في تحليل سلسلة زمنية. 1. يتم تقسيم البيانات إلى مجموعتين مع 60 من البيانات المخصصة لمجموعة التدريب و 40 المخصصة لمجموعة التحقق من الصحة. 2. يتم تطبيق التقنيات الاستكشافية على كل من مجموعات التدريب والمصادقة. إذا كانت النتائج في التزامن، ثم نموذج يمكن أن يكون مناسبا. إذا كانت المؤامرات أسف و باسف هي نفسها، ثم نفس النموذج يمكن استخدامها لكلا المجموعتين. 3. النموذج صالح باستخدام أريما (المتوسط ​​المتحرك المتكامل الانحدار الذاتي). 4. عندما يكون النموذج مناسبا باستخدام طريقة أريما، يعرض زلمينر مؤامرات أسف و باسف للمخلفات. إذا كانت هذه المؤامرات في نطاق أوكل و لكل، ثم المخلفات هي عشوائية ونموذج كاف. 5. إذا كانت البقايا ليست ضمن النطاقات، فإن هناك بعض الارتباطات، وينبغي تحسين النموذج. أولا، إجراء قسم على البيانات. حدد خلية داخل مجموعة البيانات، ثم على ريبون زلينر، من علامة التبويب سلسلة الوقت، حدد قسم لفتح مربع الحوار بيانات سلسلة الوقت. ضمن قائمة المتغيرات، حدد عام وانقر فوق غ للانتقال إلى متغير الوقت. حدد المتغيرات المتبقية ضمن قائمة المتغيرات، ثم انقر فوق غ لتضمينها في المتغيرات في قائمة بيانات القسم. ضمن تحديد خيارات التقسيم، حدد تحديد السجلات لتحديد عدد السجلات المخصصة لمجموعات التدريب والتحقق من الصحة. ضمن تحديد سجلات التقسيم، حدد تحديد السجلات، ثم أدخل 50 لعدد سجلات مجموعة التدريب و 21 لعدد سجلات مجموعة التحقق من الصحة. إذا تم تحديد نسب مئوية ضمن تحديد خيارات التقسيم، يقوم زلمينر بتخصيص نسبة مئوية من السجلات لكل مجموعة وفقا للقيم التي تم إدخالها بواسطة المستخدم أو يتم إدخالها تلقائيا بواسطة زلمينر ضمن تحديد النسب المئوية للتقسيم. انقر فوق موافق . يتم إدراج ورقة عمل داتابارتيتيونس على يمين ورقة عمل الدخل. في الإخراج أعلاه، طريقة تقسيم هو متتابعة (مقابل عشوائي). وقد تم تخصيص أول 50 ملاحظة لمجموعة التدريب وتم تخصيص الملاحظات ال 21 المتبقية لمجموعة التحقق. حدد خلية على ورقة عمل داتابارتيتيونس ثم على الشريط زلينر من علامة التبويب سلسلة الوقت، حدد أريما - أوتوكوريلاتيونس لعرض الحوار أسف. حدد كا كمتغير محدد، أدخل 10 لكل من معلمات أسف لبيانات التدريب وبيانات التحقق من الصحة. يتم تحديد الرسم البياني أسف مؤامرة بشكل افتراضي. انقر فوق موافق . يتم إدراج أكفوتبوت ورقة العمل بعد ورقة عمل داتابارتيتيونس. ملاحظة على كل مخطط أن الارتباط الذاتي ينخفض ​​مع زيادة عدد التأخر. وهذا يشير إلى وجود نمط محدد في كل قسم. ومع ذلك، بما أن النمط لا يكرر، يمكن الافتراض أنه لا توجد موسمية مدرجة في البيانات. وبالإضافة إلى ذلك، منذ كل من المخططات تظهر نمط مماثل، يمكننا أن نلائم نفس النموذج إلى كل من التحقق من صحة ومجموعات التدريب. انقر فوق مرة أخرى إلى ورقة العمل داتابارتيتيونس وعلى الشريط زلينر، من علامة التبويب سلسلة الوقت، حدد أريما - أوتوكوريلاتيونس جزئية لفتح الحوار باسف. حدد كا من قائمة بيانات المتغيرات في الإدخال، ثم انقر فوق غ لنقل المتغير إلى متغير محدد. أدخل 40 لحد أقصى لاج تحت معلمات باسف لبيانات التدريب، و 15 لمعلمات باسف لبيانات التحقق من الصحة. يتم تحديد المخطط باسف المخطط افتراضيا. انقر فوق موافق . يتم إدراج أكفوتبوت ورقة العمل مباشرة إلى يمين ورقة العمل داتابارتيتيونس. يظهر كل من مؤامرات باسف أنماط مماثلة في كل من مجموعات التحقق والتدريب. ونتيجة لذلك، يمكننا استخدام نفس النموذج لكلا المجموعتين. الناتج باسف لتدريب البيانات الناتج باكف لبيانات التحقق من صحة وظيفة باكف يظهر نمط محدد، مما يعني أن هناك اتجاها في البيانات. ومع ذلك، لأن النمط لا يكرر، يمكننا أن نخلص إلى أن البيانات لا تظهر أي موسمية. كل من الرسم البياني أسف و باسف تشير إلى وجود نمط محدد، ولكن من دون أي موسمية. كل من مجموعات البيانات تظهر نفس السلوك في كل من التدريب والمصادقة مجموعات، مما يشير إلى أن نفس النموذج هو مناسبة لكل منهما. الآن نحن على استعداد لتناسب النموذج. يقبل نموذج أريما ثلاثة معلمات: p - عدد مصطلحات الانحدار الذاتي d - عدد الفرق غير الموسمية، q - عدد الأخطاء المتخلفة (المتوسطات المتحركة). تذكر أن مؤامرة أسف أظهرت عدم وجود موسمية في البيانات، وهو ما يعني أن الترابط الذاتي هو ثابت تقريبا، وانخفاض مع زيادة عدد الفواصل. هذا يشير إلى إعداد q 0 حيث يبدو أنه لا توجد أخطاء متخلفة. عرضت مؤامرة باسف قيمة كبيرة للفارق الأول، ولكن الحد الأدنى المؤامرات للتخلف المتعاقبة. هذا الإعداد أقترح ص 1. مع معظم مجموعات البيانات، وإعداد د 1 كافية أو يمكن أن تكون على الأقل نقطة انطلاق. انقر فوق مرة أخرى إلى ورقة عمل داتابارتيتيونس وعلى الشريط زلينر، من علامة التبويب سلسلة الوقت، حدد أريما - نموذج أريما لإظهار سلسلة الوقت - الحوار أريما. حدد كا من قائمة بيانات المتغيرات في الإدخال، ثم انقر فوق غ لنقل المتغير إلى حقل المتغير المحدد. ضمن المعلمات غير الموسمية تعيين الانحدار التلقائي (p) إلى 1، الفرق (د) إلى 1، والمتوسط ​​المتحرك (q) إلى 0. انقر فوق خيارات متقدمة لفتح مربع الحوار أريما - خيارات متقدمة. حدد القيم الجاهزة والمخلفات، وإنتاج التنبؤات، وتقرير فترات الثقة المتوقعة. يتم إدخال إعداد مستوى الثقة الافتراضي 95 تلقائيا. يتم تحديد مصفوفة التباين-التباين بشكل افتراضي. انقر فوق موافق على مربع الحوار خيارات أريما المتقدمة ثم مرة أخرى في مربع الحوار سلسلة الوقت - أريما. زلمينر بحساب ويعرض مختلف المعلمات والرسوم البيانية في اثنين من أوراق الإخراج، أريماوتبوت و أريمارزيدوالس. تحتوي ورقة عمل أريماوتبوت على نموذج أريما الموضح أدناه. في نفس ورقة العمل هذه، قام زلمينر بحساب المدى الثابت و مصطلح AR1 لنموذجنا. وهذه هي المعادلة الثابتة و f1 لمعادلة التنبؤ. انظر الإخراج التالي من اختبار مربع تشي. قيمة p الصغيرة لفترة ثابتة (0.9704) و AR1 المدى (0) تشير إلى أن النموذج هو مناسب لبياناتنا. افتح ورقة العمل أريماريزيدوالس. ويحدد هذا الجدول القيم الفعلية والمجهزة والمخلفات الناتجة. وكما هو مبين في الرسم البياني أدناه، فإن القيم الفعلية والمتوقعة تتطابق بشكل جيد إلى حد ما. وستعتمد فائدة النموذج في التنبؤ على مدى قرب القيم الفعلية والمتوقعة في مؤامرة زمنية لمجموعة التحقق من الصحة. بعد ذلك، سوف نرى المؤامرات أسف و باسف للأخطاء الموجودة في الجزء السفلي من ورقة عمل أريماوتبوت. جميع التأخرات، باستثناء التأخر 1، هي بوضوح ضمن نطاقات أوكل و لكل. وهذا يدل على أن البقايا عشوائية وغير مترابطة، وهذا هو أول مؤشر على أن المعلمات النموذجية كافية لهذه البيانات. راجع جدول التوقعات على ورقة عمل أريماوتبوت. ويبين الجدول القيمة الفعلية والمتوقعة. وتمثل القيم السفلى والعلوية الحدود الدنيا والعليا لفترة الثقة. هناك فرصة 95 أن تنخفض القيمة المتوقعة في هذا النطاق. يشير مؤامرة الوقت إلى اليمين كيف النموذج، الذي قمنا بتجهيز باستخدام مجموعة التدريب وتنفيذها على مجموعة التحقق من الصحة. إن القيم الفعلية والمتوقعة قريبة إلى حد ما، مما يؤكد أن نموذجنا يجب أن يكون جيدا للتنبؤ. لرسم القيم أسفل العمود السفلي والعلوي في نفس المخطط، حدد الرسم البياني، ثم على شريط إكسيل، حدد تصميم - حدد البيانات لفتح مربع حوار تحديد مصدر البيانات. بالنسبة إلى نطاق بيانات المخطط، أدخل ARIMAOutputB56: G77. ثم قم بإلغاء تحديد الخطأ تحت إدخالات الأسطورة. انقر فوق موافق . تظهر هذه المؤامرة أن القيم الفعلية والتنبؤية تقع داخل نطاقات مستوى الثقة السفلى والعليا 95. على الرغم من أن القيم الفعلية لا تتقلب قليلا، وهذه القيم تقع في وسط النطاق. يمكننا أن نستنتج من مخرجات أريما، أن نموذجنا باستخدام المعلمات (1، 1، 0) قد تبين أن تناسب البيانات بشكل مناسب.