Moving Gjennomsnittet Avvik Gal

Den gjennomsnittlige absolutte avviket er gal for det ovennevnte. Den gjennomsnittlige absoluttavviket (MAD) for ovennevnte vektede glidende gjennomsnittlige prognose er 2,31. (Vennligst rund den til to desimaler.) Svar Nøkkel: 2.322.31 Tilbakemelding: Vennligst se Excel-regnearket distribuert separat for en detaljert beregning av dette spørsmålet. Spørsmål 7 av 11 5,0 Poeng Basert på din tidligere beregning, hvilken metode tror du er det beste A.3-årige glidende gjennomsnittet. B.3-årsvektet glidende gjennomsnitt. Svar Nøkkel: B Tilbakemelding: Den med lavere MAD er mer nøyaktig. Del 3 av 3 - Del 3 35,0 poeng Salg av Cool-Man klimaanlegg har vokst jevnt i løpet av de siste 5 årene, som vist i vedlegget. Salgsforvalteren hadde spådd, før virksomheten startet, at året 1rsquos salget ville være 410 klimaanlegg. Vennligst bruk eksponensiell utjevning med en vekt på å svare på følgende spørsmål. Vedlegg Spørsmål 8 av 11 10.0 Poeng Utgangspunktet for prognosen for salg av Cool-Man klimaanlegg er. (Vennligst rund det til et heltall og ikke med noen enheter.) A.400 B.410 C.430 D.450 Svar Nøkkel: B Denne forhåndsvisningen har forsettlig sløret seksjoner. Registrer deg for å se fullversjonen. Tilbakemelding: Dette er en gitt informasjon. Dette spørsmålet er utformet for å hjelpe deg med å forstå dette problemet. Spørsmål 9 av 11 5.0 Poeng År 2-prognosen for salg av Cool-Man klimaanlegg er 422. (Vennligst rund det til et helt tall og ikke inkludere enheter.) Svar Nøkkel: 422422.0422.00 Tilbakemelding: Vennligst referer til Excel-regnearket som er distribuert separat for en detaljert beregning av dette spørsmålet. Spørsmål 10 av 11 10,0 poeng År 6-prognosen for salg av Cool-Man klimaanlegg er 521,83. (Vennligst rund den til to desimaler og ikke med noen enheter.) Svar Nøkkel: 521.83521.8 Tilbakemelding: Vennligst se Excel-regnearket distribuert separat for en detaljert beregning av dette spørsmålet. Spørsmål 11 av 11 10,0 poeng Den gjennomsnittlige absolutt avvik (MAD) for den ovennevnte eksponensielle utjevningsprognosen er 74,56. (Vennligst runde det med to desimaler.) Svar Nøkkel: 74.5674.5574.54 Tilbakemelding: Vennligst se Excel-regnearket distribuert separat for en detaljert beregning av dette spørsmålet. Hvordan beregne Mean Absolute Deviation (MAD) hjelp vennligst. Siden mai 2005 har kjøpschefen på et varehus benyttet et 4-års glidende gjennomsnitt for å prognose salget i kommende måneder. Salgsdata for månedene januar til juli er gitt i tabellen. Vis mer Siden mai 2005 har kjøpschefen på et varehus benyttet et 4-års glidende gjennomsnitt for å prognostisere salget i kommende måneder. Salgsdata for månedene januar til juli er gitt i tabellen under. Beregn gjennomsnittlig absolutt avvik (MAD) for fire-års glidende gjennomsnittlige prognoser. Forventningsverdiene beregnes med en nøyaktighet på to desimaltall. Angi MAD som et hele tall ved å avrunde. I praksis vil det glidende gjennomsnittet gi et godt estimat av gjennomsnittet av tidsserien hvis gjennomsnittet er konstant eller sakte endring. Ved konstant gjennomsnitt vil den største verdien av m gi de beste estimatene for det underliggende gjennomsnittet. En lengre observasjonsperiode vil gjennomsnittlig utvirke virkningen av variabilitet. Formålet med å gi en mindre m er å la prognosen svare på en endring i den underliggende prosessen. For å illustrere foreslår vi et datasett som inkorporerer endringer i det underliggende gjennomsnittet av tidsseriene. Figuren viser tidsseriene som brukes til illustrasjon sammen med den gjennomsnittlige etterspørselen fra hvilken serien ble generert. Middelet begynner som en konstant ved 10. Begynner på tid 21, øker den med en enhet i hver periode til den når verdien av 20 ved tid 30. Da blir det konstant igjen. Dataene blir simulert ved å legge til i gjennomsnitt, en tilfeldig støy fra en Normal-fordeling med null-middel og standardavvik 3. Resultatene av simuleringen avrundes til nærmeste heltall. Tabellen viser de simulerte observasjonene som brukes til eksemplet. Når vi bruker bordet, må vi huske at det til enhver tid bare er kjent med tidligere data. Estimatene til modellparameteren, for tre forskjellige verdier av m, vises sammen med gjennomsnittet av tidsseriene i figuren under. Figuren viser gjennomsnittlig glidende gjennomsnittlig beregning av gjennomsnittet hver gang og ikke prognosen. Prognosene ville skifte de bevegelige gjennomsnittskurver til høyre etter perioder. En konklusjon er umiddelbart tydelig fra figuren. For alle tre estimatene ligger det glidende gjennomsnittet bak den lineære trenden, idet laget øker med m. Laget er avstanden mellom modellen og estimatet i tidsdimensjonen. På grunn av lavet undervurderer det bevegelige gjennomsnittet observasjonene ettersom gjennomsnittet øker. Forskjellerens forspenning er forskjellen på en bestemt tid i middelverdien av modellen og middelverdien forutsatt av det bevegelige gjennomsnittet. Forspenningen når gjennomsnittet øker er negativt. For et avtagende middel er forspenningen positiv. Forsinkelsen i tid og bias innført i estimatet er funksjoner av m. Jo større verdien av m. jo større størrelsen på lag og forspenning. For en kontinuerlig økende serie med trend a. verdiene av lag og forspenning av estimatoren av middelet er gitt i ligningene nedenfor. Eksempelkurverne stemmer ikke overens med disse ligningene, fordi eksempelmodellen ikke øker kontinuerlig, men det begynner som en konstant, endrer seg til en trend og blir konstant igjen. Også eksempelkurvene påvirkes av støyen. Den bevegelige gjennomsnittlige prognosen for perioder inn i fremtiden er representert ved å flytte kurvene til høyre. Forsinkelsen og forspenningen øker proporsjonalt. Ligningene nedenfor angir lag og forspenning av prognoseperioder i fremtiden sammenlignet med modellparametrene. Igjen, disse formlene er for en tidsserie med en konstant lineær trend. Vi bør ikke bli overrasket over dette resultatet. Den bevegelige gjennomsnittlige estimatoren er basert på antagelsen om konstant gjennomsnitt, og eksemplet har en lineær trend i gjennomsnittet i en del av studieperioden. Siden sanntidsserier sjelden vil adlyde forutsetningene til en hvilken som helst modell, bør vi være forberedt på slike resultater. Vi kan også konkludere fra figuren at variasjonen av støyen har størst effekt for mindre m. Estimatet er mye mer flyktig for det bevegelige gjennomsnittet på 5 enn det bevegelige gjennomsnittet på 20. Vi har de motstridende ønskene om å øke m for å redusere effekten av variabilitet på grunn av støyen, og å redusere m for å gjøre prognosen mer lydhør for endringer i gjennomsnitt. Feilen er forskjellen mellom de faktiske dataene og den forventede verdien. Hvis tidsseriene er virkelig en konstant verdi, er den forventede verdien av feilen null og variansen av feilen består av et begrep som er en funksjon av og et andre begrep som er variansen av støyen. Første term er variansen av gjennomsnittet estimert med en prøve av m observasjoner, forutsatt at data kommer fra en befolkning med konstant gjennomsnitt. Denne termen er minimert ved å gjøre m så stor som mulig. Et stort m gjør prognosen uansvarlig for en endring i den underliggende tidsserien. For å gjøre prognosen lydhør for endringer, ønsker vi m så liten som mulig (1), men dette øker feilvariasjonen. Praktisk prognose krever en mellomverdi. Forecasting with Excel Forecasting-tillegget implementerer de bevegelige gjennomsnittlige formlene. Eksempelet nedenfor viser analysen som ble levert av tillegget for prøvedataene i kolonne B. De første 10 observasjonene er indeksert -9 til 0. Sammenlignet med tabellen over, forskyves periodindeksene med -10. De første ti observasjonene gir oppstartsverdiene for estimatet og brukes til å beregne det bevegelige gjennomsnittet for perioden 0. MA (10) kolonnen (C) viser de beregnede bevegelige gjennomsnittene. Den bevegelige gjennomsnittsparameteren m er i celle C3. Fore (1) kolonne (D) viser en prognose for en periode inn i fremtiden. Forespørselsintervallet er i celle D3. Når prognoseperioden endres til et større tall, blir tallene i Fore-kolonnen flyttet ned. Err-kolonnen (E) viser forskjellen mellom observasjonen og prognosen. For eksempel er observasjonen ved tidspunkt 1 6. Den prognostiserte verdien fra det bevegelige gjennomsnittet ved tid 0 er 11,1. Feilen er da -5,1. Standardavviket og gjennomsnittlig avvik (MAD) beregnes i henholdsvis celler E6 og E7. Et eksempel på en tidsserie for 25 perioder er plottet i figur 1 fra tallene i tabell 1. Dataene kan representere den ukentlige etterspørselen etter noe produkt. Vi bruker x til å indikere en observasjon og t for å representere indeksen for tidsperioden. Den observerte etterspørselen etter tid t er spesifikt angitt. Dataene fra 1 til T er:. Linjene som forbinder observasjonene på figuren, er kun gitt for å avklare bildet og ellers har ingen mening. Tabell 1. Ukentlig etterspørsel etter uker 1 til 30 Figur 1. En timeserie av ukentlig etterspørsel Vårt mål er å bestemme en modell som forklarer de observerte dataene og tillater ekstrapolering i fremtiden for å gi en prognose. Den enkleste modellen antyder at tidsserien er en konstant med variasjoner om den konstante verdien bestemt av en tilfeldig variabel. Øvre saken representerer den tilfeldige variabelen som er den ukjente etterspørselen på tidspunktet t. mens små bokstaver er en verdi som faktisk er observert. Den tilfeldige variasjonen om middelverdien kalles støyen,. Støyen antas å ha en middelverdi på null og en spesifisert varians. Variasjonene i to forskjellige tidsperioder er uavhengige. Spesielt MAD (8,7 2,4 8230 0,9) 10 4,11 og Vi ser at 1,25 (MAD) 5,138 er omtrent like som prøven standardavviket. Tidsseriene som brukes som et eksempel, simuleres med konstant gjennomsnitt. Avvik fra gjennomsnittet er normalt fordelt med gjennomsnittlig null og standardavvik 5. Feilstandardavviket inkluderer de kombinerte effektene av feil i modellen og støyen slik at man forventer en verdi som er større enn 5. Selvfølgelig, en annen realisering av simuleringen vil gi forskjellige statistiske verdier. Excel-regnearket som er konstruert av Forecasting-tillegget, illustrerer beregningen for eksempeldataene. Dataene er i kolonne B. Kolonne C har de bevegelige gjennomsnittene og de engangsvarslene er i kolonne D. Feilen i kolonne E er forskjellen mellom kolonnene B og D for rader som har både data og prognose. Standardavviket til feilen er i celle E6 og MAD er i celle E7.