พัฒนา A 3 ปี เฉลี่ยเคลื่อนที่ ต่อการ คาดการณ์ การขาย

การย้ายการคาดการณ์เชิงปริมาณเฉลี่ย ตามที่คุณอาจคาดเดาเรากำลังมองหาวิธีการดั้งเดิมบางอย่างที่คาดการณ์ไว้ แต่หวังว่าสิ่งเหล่านี้เป็นข้อเสนอแนะที่คุ้มค่าสำหรับปัญหาด้านคอมพิวเตอร์บางส่วนที่เกี่ยวข้องกับการคาดการณ์ในสเปรดชีต ในหลอดเลือดดำนี้เราจะดำเนินการต่อโดยการเริ่มต้นตั้งแต่เริ่มต้นและเริ่มทำงานกับการคาดการณ์ Moving Average การย้ายการคาดการณ์เฉลี่ย ทุกคนคุ้นเคยกับการคาดการณ์ค่าเฉลี่ยเคลื่อนที่โดยไม่คำนึงถึงว่าพวกเขาเชื่อหรือไม่ว่า นักศึกษาทุกคนทำแบบฝึกหัดตลอดเวลา ลองนึกถึงคะแนนการทดสอบของคุณในหลักสูตรที่คุณจะมีการทดสอบสี่ครั้งระหว่างภาคการศึกษา ให้สมมติว่าคุณมี 85 คนในการทดสอบครั้งแรกของคุณ คุณคาดหวังอะไรสำหรับคะแนนการทดสอบที่สองของคุณคุณคิดอย่างไรว่าครูของคุณจะคาดการณ์คะแนนทดสอบต่อไปคุณคิดอย่างไรว่าเพื่อนของคุณอาจคาดเดาคะแนนการทดสอบครั้งต่อไปคุณคิดว่าพ่อแม่ของคุณคาดการณ์คะแนนการทดสอบต่อไปได้ไม่ว่า การทำร้ายทั้งหมดที่คุณอาจทำกับเพื่อนและผู้ปกครองของคุณพวกเขาและครูของคุณมีแนวโน้มที่จะคาดหวังว่าคุณจะได้รับบางสิ่งบางอย่างในพื้นที่ของ 85 ที่คุณเพิ่งได้ ดีตอนนี้ให้สมมติว่าแม้จะมีการโปรโมตด้วยตัวคุณเองกับเพื่อน ๆ ของคุณคุณสามารถประเมินตัวเองและคิดว่าคุณสามารถเรียนได้น้อยกว่าสำหรับการทดสอบที่สองและคุณจะได้รับ 73. ตอนนี้สิ่งที่ทุกคนกังวลและไม่ใส่ใจก็คือ คาดว่าคุณจะได้รับการทดสอบครั้งที่สามมีสองแนวทางที่น่าจะเป็นไปได้สำหรับพวกเขาในการพัฒนาประมาณการโดยไม่คำนึงว่าพวกเขาจะแบ่งปันกับคุณหรือไม่ พวกเขาอาจพูดกับตัวเองว่าผู้ชายคนนี้มักจะเป่าควันเกี่ยวกับความฉลาดของเขา เขาจะได้รับอีก 73 ถ้าเขาโชคดี บางทีพ่อแม่จะพยายามสนับสนุนและพูด quotWell เพื่อให้ห่างไกลได้รับ 85 และ 73 ดังนั้นคุณควรคิดเกี่ยวกับการเกี่ยวกับ (85 73) 2 79 ฉันไม่รู้ว่าบางทีถ้าคุณไม่ปาร์ตี้ และเหวี่ยงพังพอนไปทั่วสถานที่และถ้าคุณเริ่มต้นทำมากขึ้นการศึกษาที่คุณจะได้รับคะแนนสูงขึ้นทั้งสองประมาณการเหล่านี้เป็นจริงการคาดการณ์เฉลี่ยการเคลื่อนไหว อันดับแรกใช้คะแนนล่าสุดของคุณเพื่อคาดการณ์ประสิทธิภาพในอนาคตของคุณเท่านั้น นี่เรียกว่าการคาดการณ์ค่าเฉลี่ยเคลื่อนที่โดยใช้ข้อมูลระยะเวลาหนึ่ง ข้อที่สองเป็นค่าพยากรณ์เฉลี่ยเคลื่อนที่ แต่ใช้ข้อมูลสองช่วง ให้สมมติว่าคนเหล่านี้ทั้งหมด busting ในจิตใจที่ดีของคุณมีการจัดประเภทของ pissed คุณออกและคุณตัดสินใจที่จะทำดีในการทดสอบที่สามด้วยเหตุผลของคุณเองและจะนำคะแนนที่สูงขึ้นในหน้า quotalliesquot ของคุณ คุณใช้การทดสอบและคะแนนของคุณเป็นจริง 89 ทุกคนรวมทั้งตัวคุณเองเป็นที่ประทับใจ ดังนั้นตอนนี้คุณมีการทดสอบครั้งสุดท้ายของภาคการศึกษาที่กำลังจะมาถึงและตามปกติแล้วคุณรู้สึกว่าจำเป็นที่จะต้องกระตุ้นให้ทุกคนคาดการณ์เกี่ยวกับวิธีที่คุณจะทำในการทดสอบครั้งล่าสุด ดีหวังว่าคุณจะเห็นรูปแบบ ตอนนี้หวังว่าคุณจะเห็นรูปแบบนี้ คุณเชื่อว่าเป็นนกหวีดที่ถูกต้องที่สุดในขณะที่เราทำงาน ตอนนี้เรากลับไปที่ บริษัท ทำความสะอาดแห่งใหม่ของเราซึ่งเริ่มต้นโดยพี่สาวที่แยกกันอยู่ของคุณชื่อ Whistle While We Work คุณมีข้อมูลการขายในอดีตที่แสดงโดยส่วนต่อไปนี้จากสเปรดชีต ก่อนอื่นเราจะนำเสนอข้อมูลสำหรับการคาดการณ์ค่าเฉลี่ยเคลื่อนที่ 3 ช่วง รายการสำหรับเซลล์ C6 ควรเป็นตอนนี้คุณสามารถคัดลอกสูตรเซลล์นี้ลงไปที่เซลล์อื่น ๆ C7 ถึง C11 แจ้งให้ทราบว่าค่าเฉลี่ยย้ายผ่านข้อมูลทางประวัติศาสตร์ล่าสุด แต่ใช้เวลาสามช่วงล่าสุดสำหรับการคาดการณ์แต่ละครั้ง นอกจากนี้คุณควรสังเกตด้วยว่าเราไม่จำเป็นต้องทำการคาดการณ์ในช่วงที่ผ่านมาเพื่อพัฒนาการคาดการณ์ล่าสุดของเรา นี้แน่นอนแตกต่างจากแบบจำลองการเรียบเรียงชี้แจง Ive รวมการคาดคะเนของคำพูดราคาตลาดเนื่องจากเราจะใช้คำเหล่านี้ในหน้าเว็บถัดไปเพื่อวัดความถูกต้องในการคาดการณ์ ตอนนี้ฉันต้องการนำเสนอผลที่คล้ายคลึงกันสำหรับการคาดการณ์ค่าเฉลี่ยเคลื่อนที่ 2 ช่วง รายการสำหรับเซลล์ C5 ควรเป็นตอนนี้คุณสามารถคัดลอกสูตรเซลล์นี้ลงไปที่เซลล์อื่น ๆ C6 ถึง C11 แจ้งให้ทราบว่าขณะนี้มีเพียงข้อมูลล่าสุดสองชิ้นที่ใช้ล่าสุดในการคาดการณ์เท่านั้น อีกครั้งฉันได้รวมการคาดคะเน quotpost เพื่อวัตถุประสงค์ในการอธิบายและเพื่อใช้ในภายหลังในการตรวจสอบการคาดการณ์ บางสิ่งบางอย่างอื่นที่มีความสำคัญที่จะแจ้งให้ทราบล่วงหน้า สำหรับการคาดการณ์ค่าเฉลี่ยเคลื่อนที่ m-period เฉพาะค่าข้อมูลล่าสุดของ m ที่ใช้ในการคาดคะเนเท่านั้น ไม่มีอะไรอื่นที่จำเป็น สำหรับการคาดการณ์ค่าเฉลี่ยของระยะเวลา m-period เมื่อทำนายการคาดการณ์ของ quotpast ให้สังเกตว่าการทำนายครั้งแรกเกิดขึ้นในช่วง m 1 ทั้งสองประเด็นนี้จะมีความสำคัญมากเมื่อเราพัฒนาโค้ดของเรา การพัฒนาฟังก์ชัน Average Moving Average ตอนนี้เราจำเป็นต้องพัฒนาโค้ดสำหรับการคาดการณ์ค่าเฉลี่ยเคลื่อนที่ที่สามารถใช้ความยืดหยุ่นได้มากขึ้น รหัสดังต่อไปนี้ โปรดทราบว่าปัจจัยการผลิตเป็นจำนวนงวดที่คุณต้องการใช้ในการคาดการณ์และอาร์เรย์ของค่าทางประวัติศาสตร์ คุณสามารถเก็บไว้ในสมุดงานที่คุณต้องการ Function MovingAverage (Historical, NumberOfPeriods) ในฐานะ Single Declaring และ Initializing ตัวแปร Dim Item As Variant Dim Counter เป็นจำนวนเต็ม Integer Dim Single Dim HistoricalSize As Integer ตัวแปรที่ Initializing ตัวแปร Counter 1 สะสม 0 การกำหนดขนาดของอาร์เรย์ Historical HistoricalSize Historical. Count สำหรับ Counter 1 ถึง NumberOfPeriods สะสมจำนวนที่เหมาะสมของค่าที่สังเกตก่อนหน้านี้ล่าสุด Accumulation Accumulation Historical (HistoricalSize - NumberOfPeriods Counter) MovingAverage การสะสม NumberOfPeriods รหัสจะอธิบายในคลาส คุณต้องการวางตำแหน่งฟังก์ชันในสเปรดชีตเพื่อให้ผลของการคำนวณปรากฏขึ้นที่ใดที่ควรมีดังต่อไปนี้ Query ข้อมูลที่เก็บรวบรวมจากความต้องการใช้ปีละ 50 ปอนด์ b. ข้อมูลที่เก็บรวบรวมจากความต้องการใช้ถุงปุ๋ย 50 ปอนด์ต่อปีของวอลเลซการ์เด้นซัพพลายได้แสดงไว้ในตารางต่อไปนี้ พัฒนาค่าเฉลี่ยเคลื่อนที่ 3 ปีเพื่อคาดการณ์ยอดขาย จากนั้นคาดการณ์ความต้องการอีกครั้งโดยมียอดขายเฉลี่ยถ่วงน้ำหนักซึ่งยอดขายในปีล่าสุดมีน้ำหนัก 2 และยอดขายในอีก 2 ปีจะได้รับน้ำหนักเป็น 1. คุณคิดว่าวิธีใดที่ดีที่สุดในการจำแนกตามปีการเพาะปุ๋ย 1, OOOS OFBAGS) Expert AnswerTopic 3Forecasting (S) - CB2201 วิธีเชิงปริมาณหัวข้อ นี่คือจุดสิ้นสุดของการแสดงตัวอย่าง ลงชื่อสมัครใช้เพื่อเข้าถึงเอกสารส่วนที่เหลือ ตัวอย่างข้อความที่ไม่ได้ฟอร์แมต: CB2201 วิธีการเชิงปริมาณหัวข้อ 3: การพยากรณ์ Q5.15 ข้อมูลที่เก็บรวบรวมเกี่ยวกับความต้องการใช้ถุงปุ๋ย 50 ปอนด์ต่อปีที่ Wallace Garden Supply แสดงไว้ในตารางต่อไปนี้ พัฒนาค่าเฉลี่ยเคลื่อนที่ 3 ปีเพื่อคาดการณ์ยอดขาย จากนั้นคาดการณ์ความต้องการอีกครั้งโดยมียอดขายเฉลี่ยถ่วงน้ำหนักซึ่งยอดขายในปีล่าสุดมีน้ำหนัก 2 และยอดขายในอีก 2 ปีจะได้รับน้ำหนัก 1 วิธีคิดที่ดีที่สุดสำหรับอุปสงค์ปุ๋ยประจำปี 1,000 ชิ้นถุง) ปีความต้องการปุ๋ย (1,000 ถุง) 1 4 7 7 2 6 8 9 3 4 9 12 4 5 10 14 5 10 11 15 6 8 การคาดการณ์การคาดการณ์ 3 ค่าเฉลี่ยเคลื่อนที่ระยะเวลาข้อมูลอินพุทพยากรณ์การวิเคราะห์ข้อผิดพลาดปีความต้องการ (1000s of bags) ปีคาดการณ์ข้อผิดพลาด Absolute error ข้อผิดพลาด Absolute 1 4 1 2 6 2 3 4 3 4 5 4 4.667 (464) 3 0.333 0.333 0.111 6.67 5 10 5 5.000 (645) 3 5.000 5.000 25.000 50.00 6 8 6 6.333 (4510) 3 1.667 1.667 2.778 20.83 7 7 7 7.667 (5108) 3-0.667 0.667 0.444 9.52 8 9 8 8.333 (1087) 3 0.667 0.667 0.444 7.41 9 12 9 8.000 (879) 3 4.000 4.000 16.000 33.33 10 14 10 9.333 (7912) 3 4.667 4.667 21.778 33.33 11 15 11 11.667 (91214) 3 3.333 3.333 11.111 22.22 เฉลี่ย 2.542 9.708 22.92 ปีที่ 12 มูลค่าที่คาดการณ์ไว้ 13.667 MAD MSE MAPE การคาดการณ์ระยะเวลา 3 ระยะเวลา (1,000 ถุง) น้ำหนักปีคาดการณ์ข้อผิดพลาดข้อผิดพลาดแอบแฝงข้อผิดพลาดเป็นสองส่วนข้อผิดพลาดแอบโซลูท 1 4 1 1 2 6 1 2 3 4 2 3 4 5 4 4.5 (416142) 4 0.5 0.5 0.25 10 5 10 5 5 (614152) 4 5 5 25 50 6 8 6 7.25 0.75 0.75 0.5625 9.375 7 7 7 7.75-0.75 0.75 0.5625 10.714 8 9 8 8 1 1 1 11.111 9 12 9 8.25 3.75 3.75 14.0625 31.25 10 14 10 10 4 4 16 28.571 11 15 11 12.25 2.75 2.75 7.5625 18.333 เฉลี่ย 2.3125 8.125 21.1694 ปีที่ 12 มูลค่าที่คาดการณ์ไว้ 14 MAD MSE MAPE Q5.16 พัฒนาเส้นแนวโน้มสำหรับความต้องการปุ๋ยในปัญหา 5.15 โดยใช้ซอฟต์แวร์คอมพิวเตอร์ใด ๆ โซลูชันการใช้ Excel หรือ QM for Windows เส้นแนวโน้มคือ Y 2.22 1.05X ในกรณีที่ช่วงเวลา X (1, ​​2,) ความต้องการ Y เส้นแนวโน้มสำหรับความต้องการปุ๋ย y 1.0545x 2.2182 2 4 6 8 10 12 14 16 5 10 15 ปีความต้องการ (1000s of bag) Series1 Linear (Series1) Q5.17 ในปัญหา 5.15 ampamp 5.16 การคาดการณ์ที่แตกต่างกันสามประการคือ การพัฒนาสำหรับความต้องการใช้ปุ๋ย การคาดการณ์ทั้งสามนี้เป็นค่าเฉลี่ยเคลื่อนที่ 3 ปีค่าเฉลี่ยถ่วงน้ำหนักและเส้นแนวโน้ม คุณจะใช้คำอธิบายใดคำตอบของคุณ ดูเอกสารฉบับเต็มบันทึกย่อนี้ได้รับการอัปโหลดเมื่อ 04172012 สำหรับหลักสูตร ECON 1001 ที่สอนโดยศาสตราจารย์ Eddiejk ในช่วงฤดูใบไม้ผลิปี 03912 ที่มหาวิทยาลัยอาบูดาบี คลิกที่นี่เพื่อแก้ไขรายละเอียดของเอกสารบันทึกข้อมูลค่าเฉลี่ยย้อนหลัง 3 ปีที่รวบรวมในการลงทะเบียนรายปีสำหรับการสัมมนาที่ GIPS แสดงไว้ในตารางต่อไปนี้ปีที่ 1 2 3 4 5 6 7 8 9 10 11 การลงทะเบียน (000) 4 6 4 5 10 8 7 9 12 14 15 ก) พัฒนาค่าเฉลี่ยเคลื่อนที่ 3 ปีเพื่อคาดการณ์การลงทะเบียนตั้งแต่ปีที่ 4 ถึงปีที่ 12 ข) คาดการณ์ความต้องการอีกครั้งในปีที่ 4 ถึง 12 โดยมีค่าเฉลี่ยถ่วงน้ำหนักที่มีการจดทะเบียนในปีล่าสุดจะได้รับ น้ำหนักของ 2 และการลงทะเบียนในอีก 2 ปีจะได้รับน้ำหนักของ 1 c) กราฟข้อมูลต้นฉบับและสองการคาดการณ์ วิธีใดในการคาดการณ์สองวิธีนี้ดูดีกว่าตัวอย่างโซลูชัน (a) โดยทั่วไปคุณคำนวณค่าเฉลี่ยเคลื่อนที่ 3 ปีโดยเพิ่มปี 1, 2 และ 3 ลงทะเบียนและหารด้วย 3 จากนั้นป้อนข้อมูลว่าเป็นตัวเลขประมาณการปี 4 (4.67) . สำหรับปีที่ 5 คาดการณ์ (5.00) คุณเลื่อนออกปีแรกและเพิ่มในปีที่ผ่านมาการลงทะเบียนจริงปีที่ 2, 3 และ 4 และหารอีกครั้งโดย 3 และอื่น ๆ ปีแล้วปี การลงทะเบียนเรียนปี 3 ปี 3 ปีม. ศ. โซลูชันนี้แสดงวิธีการคำนวณค่าเฉลี่ยเคลื่อนที่ 3 ปีและค่าเฉลี่ยเคลื่อนที่ที่ถ่วงน้ำหนัก 3 ปี จากนั้นจะนำการคาดการณ์ทั้งสองแบบมาเปรียบเทียบและเลือกวิธีที่เหมาะสมกว่าด้วย MAD (ค่าเฉลี่ยส่วนเบี่ยงเบนเฉลี่ย) เพิ่มโซลูชันในรถเข็นออกจากรถเข็น