Centered moving average even period

Kendal Street, London W2 2AQ quotDr. Stephen R. Covey - jeden z wiodących światowych konsultantów w dziedzinie zarządzania i autor bestsellerowej książki Siedem nawyków wysoce skutecznych osób - jest współprzewodniczącym Franklin Covey z Salt Lake City w stanie Utah w USA. Franklin Covey świadczy usługi doradcze dla Firmy z listy Fortune 500 oraz tysiące małych i średnich firm, instytucji edukacyjnych, rządowych i innych organizacji na całym świecie. Ich praca w Principle Centered Leadership jest uważana za instrumentalny fundament skuteczności w zakresie jakości, przywództwa, usług, budowania zespołu, dostosowania organizacyjnego i innych strategicznych inicjatyw korporacyjnych. Fragmenty rozdziału 7 - Siedem grzechów grzechu - Mahatma Gandhi powiedział, że siedem rzeczy nas zniszczy. Zauważ, że wszystkie one mają związek z warunkami społecznymi i politycznymi. Zauważ także, że antidotum każdego z tych przytoczonych w sposób dosłowny sinsquot jest wyraźnym zewnętrznym standardem lub czymś, co opiera się na naturalnych zasadach i prawach, a nie na wartościach społecznych. 1990 Stephen R. Covey. Wszelkie prawa zastrzeżone. Przedrukowane za zgodą. The Seven Habits i Principle-Centered Leadership są zarejestrowanymi znakami towarowymi Franklin Covey i są używane za zgodą. Aby dowiedzieć się więcej o Franklin Covey, odwiedź ich stronę internetową pod adresem franklincovey. Odnosi się to do praktyki zdobywania czegoś za nic - manipulowania rynkami i zasobami, więc nie musisz pracować ani tworzyć wartości dodanej, po prostu manipuluj ludźmi i rzeczami. Dzisiaj istnieją zawody budowane wokół tworzenia bogactwa bez pracy, zarabiania dużo pieniędzy bez płacenia podatków, korzystania z darmowych programów rządowych bez ponoszenia sprawiedliwego udziału w ciężarówkach finansowych i czerpania korzyści z obywatelstwa kraju i przynależności do korporacji bez zakładania żadnego z nich ryzyko lub odpowiedzialność. Jak wiele z nieuczciwych programów, które miały miejsce w latach 80., często nazywanych dekadą chciwości, to w zasadzie szybkie programy lub spekulacje obiecujące praktyków. Nie musisz nawet pracować za to. Dlatego byłbym bardzo zaniepokojony, gdyby jedno z moich dzieci poszło do spekulacyjnych przedsiębiorstw lub nauczyło się, jak szybko zarobić dużo pieniędzy, nie musząc płacić ceny, dodając wartości na co dzień. Niektóre organizacje marketingu sieciowego i organizacje piramidalne niepokoją mnie, ponieważ wiele osób szybko się wzbogaca, budując pod nimi strukturę, która karmi ich bez pracy. Są one zracjonalizowane do końca, ale przytłaczający motyw emocjonalny jest często chciwość: quotMożesz stać się bogaty bez większego nakładu pracy. Być może będziesz musiał początkowo pracować, ale wkrótce będziesz mógł mieć majątek bez pracy. Nowe zasady i normy społeczne są kultywowane, co powoduje zniekształcenia ich oceny. Sprawiedliwość i sąd są nieuchronnie nierozerwalnie związane, co sugeruje, że do tego stopnia, że ​​odejdziecie od praw natury, wpłynie to negatywnie na wasz osąd. Otrzymujesz zniekształcone wyobrażenia. Zaczynasz wymyślać racjonalne kłamstwa, aby wyjaśnić, dlaczego działają i dlaczego tak nie jest. Odejście od prawa quotthe farmquot do środowisk społeczno-politycznych. Kiedy czytamy o kłopotliwych organizacjach, często słyszymy smutne zeznania kierowników, którzy mówią o odejściu od naturalnych praw i zasad przez pewien okres czasu i zaczynają przebudowywać, pożyczać i spekulować, nie czytając strumienia lub nie osiągając celu informacje zwrotne, po prostu słyszysz wewnętrznie dużo siebie. Teraz mają wysoki dług do zapłacenia. Być może będą musieli ciężko pracować, aby przetrwać - bez nadziei, że będą zdrowi przez pięć lat lub dłużej. Jego powrót do podstaw, ręka do pługa. I wielu z tych kierowników, w przeszłości, było krytycznych wobec konserwatywnych założycieli korporacji, którzy trzymali się blisko fundamentów i woleli pozostać małymi i wolnymi od długów. Najważniejsze pytanie o niedojrzałych, chciwych, samolubnych i zmysłowych zawsze było, cytuję w tym dla mnie Czy to mi się spodoba Czy to uspokoi? Ostatnio wielu ludzi pragnie tych przyjemności bez sumienia lub poczucia odpowiedzialności, nawet porzucając lub całkowicie zaniedbując małżonkowie i dzieci w imię robienia rzeczy. Ale niezależność nie jest najdojrzalszym stanem bytu - jest tylko środkową pozycją na drodze do współzależności, najbardziej zaawansowanym i dojrzałym państwem. Uczenie się dawania i brania, życia bezinteresownie, bycia wrażliwym, bycia uważnym, jest naszym wyzwaniem. W przeciwnym razie nie ma poczucia odpowiedzialności społecznej ani odpowiedzialności w naszych przyjemnych zajęciach. Ostateczne koszty przyjemności bez sumienia są wysokie, mierzone w kategoriach czasu i pieniędzy, pod względem reputacji oraz w kategoriach zranienia serc i umysłów innych osób, na które mają negatywny wpływ ci, którzy po prostu chcą oddawać się i satysfakcjonować w krótkoterminowy. Niebezpiecznie jest być ciągniętym lub uśpionym od naturalnego prawa bez sumienia. Sumienie jest w gruncie rzeczy skarbnicą ponadczasowych prawd i zasad - wewnętrznego monitora prawa naturalnego. Wybitny, szeroko rozpowszechniony psycholog pracował nad dostosowaniem ludzi do ich moralnego sumienia w tak zwanej terapii jednolitości. Powiedział mi kiedyś, że jest maniakalno-depresyjny. - Wiedziałem, że mam skłonności samobójcze, powiedział. Dlatego zobowiązałem się do instytucji psychiatrycznej. Próbowałem to zneutralizować, zneutralizować, aż doszedłem do punktu, w którym mogłem opuścić szpital. Nie robię teraz pracy klinicznej, ponieważ jest zbyt stresująca. Ja głównie prowadzę badania. I przez moją własną walkę odkryłem, że jedyną drogą do zrobienia jest terapia integralności. Zrezygnowałem z mojej kochanki, przyznałem się do mojej żony i po raz pierwszy w życiu miałem pokój. quotquot Przyjemność bez sumienia jest jedną z kluczowych pokus dla dzisiejszych kierowników. Czasami na samolotach Badaj czasopisma skierowane do kierownictwa, zwracając uwagę na reklamy. Wiele z tych reklam, być może dwie trzecie z nich, zaprasza dyrektorów do tego, aby oddali się bez sumienia, ponieważ podważają je lub podają informacje lub cytują je, cytując i dlaczego nie cytują dociekań, a wszystko to zwlekają. Ta uwodzicielska wiadomość brzmi: . Jesteś teraz prawem dla siebie. Nie musisz już mieć sumienia, by rządzić tobą. I w niektórych reklamach widzisz sześćdziesięcioletnich mężczyzn z atrakcyjnymi trzydziestoletnimi kobietami, quotami, które towarzyszą niektórym menedżerom na konwenanse. Cokolwiek stało się z małżonkami Co stało się z obyczajami społecznymi, które czynią oszustwem małżonków zachowanie niezgodne z prawem Niebezpieczna jak mała wiedza, tym bardziej niebezpieczna jest wiedza bez silnego, pryncypialnego charakteru. Czysto intelektualny rozwój bez odpowiedniego wewnętrznego rozwoju postaci ma takie samo znaczenie, jak umieszczenie samochodu sportowego o dużej mocy w rękach nastolatka, który ma wysokie dawki leków. Jednak zbyt często w świecie akademickim, to właśnie robimy, nie koncentrując się na rozwoju postaci młodych ludzi. Jednym z powodów, dla których jestem podekscytowany przyjęciem Siedmiu nawyków w szkołach, jest to, że jest to edukacja postaci. Niektórzy ludzie nie lubią edukacji postaci, ponieważ, jak mówią, cytują twój system wartości. Ale możesz uzyskać wspólny zestaw wartości, z którym wszyscy się zgadzają. Nie jest tak trudno zdecydować, na przykład, że warto zachować życzliwość, uczciwość, godność, wkład i uczciwość. Nikt nie będzie z tobą walczył. Zacznijmy więc od wartości, które są nie do odróżnienia, i wdmuchujmy je w nasz system edukacji oraz w nasze korporacyjne programy szkoleniowe i rozwojowe. Pozwala uzyskać lepszą równowagę między rozwojem charakteru i intelektu. Ludzie, którzy dziś przekształcają edukację, robią to, budując porozumienie wokół wspólnego zbioru zasad, wartości i priorytetów i obalając wysoki stopień specjalizacji, działów i polityki partyzanckiej. W swojej książce "Uczucie moralne", poprzedzającej "Bogactwo narodów", Adam Smith wyjaśnił, jak fundamentalne dla sukcesu naszych systemów jest fundament moralny. jak traktujemy siebie nawzajem, ducha dobroci, służby, wkładu. Jeśli zignorujemy podstawy moralne i pozwolimy systemom gospodarczym działać bez podstaw moralnych i bez ciągłego dokształcania się, wkrótce stworzymy niemoralne, jeśli nie niemoralne, społeczeństwo i biznes. Systemy ekonomiczne i polityczne są ostatecznie oparte na moralnych podstawach. Dla Adama Smitha każda transakcja biznesowa jest moralnym wyzwaniem, aby zobaczyć, że obie strony wychodzą sprawiedliwie. Uczciwość i życzliwość w biznesie są fundamentami systemu wolnej przedsiębiorczości zwanego kapitalizmem. Nasz system ekonomiczny wywodzi się z demokracji konstytucyjnej, w której również należy brać pod uwagę prawa mniejszości. Duch złotej zasady lub zwycięski jest duchem moralności, obopólnej korzyści, sprawiedliwości dla wszystkich zainteresowanych. Parafrazując jeden z haseł Rotary Club, cytuje to uczciwie i służy interesom wszystkich interesariuszy. Jest to tylko moralny sens zarządzania wszystkimi interesariuszami. Podoba mi się, że Smith mówi o każdej transakcji gospodarczej. Ludzie wpadają w tarapaty, kiedy mówią, że większość ich transakcji gospodarczych jest moralna. Oznacza to, że dzieje się coś ukrytego, ukrytego, tajnego. Ludzie zachowują ukrytą agendę, sekretne życie i usprawiedliwiają i racjonalizują swoje działania. Mówią sobie racjonalne kłamstwa, więc nie muszą przestrzegać naturalnych praw. Jeśli możesz uzyskać wystarczającą racjonalizację w społeczeństwie, możesz mieć społeczne obyczaje lub wolę polityczną całkowicie oderwaną od naturalnych praw i zasad. Spotkałem kiedyś człowieka, który przez pięć lat pełnił funkcję dyrektora ds. Cudzysłowu w dużej firmie lotniczej. Ostatecznie zrezygnował ze stanowiska w proteście i rozważał opuszczenie firmy, mimo że straciłby duży pakiet wynagrodzenia i świadczeń. Powiedział, że zespół wykonawczy ma swój własny, odrębny zestaw etyki biznesowej i że są głęboko zaangażowani w racjonalizację i uzasadnienie. Bogactwo i władza były duże w ich programach i już nie usprawiedliwiały tego. Rozwiedli się z rzeczywistością nawet wewnątrz własnej organizacji. Rozmawiali o obsłudze klienta, podczas gdy całkowicie napadli na swoich pracowników. Jeśli nauka staje się całą techniką i technologią, szybko degeneruje się w człowieka przeciwko ludzkości. Technologie pochodzą z paradygmatów nauki. A jeśli niewiele zrozumienia wyższych celów ludzkich, że technologia stara się służyć, stajemy się ofiarami naszej własnej technokracji. Widzimy, że wysoko wykształceni ludzie wspinają się po drabinie naukowej sukcesu, choć często brakuje mu szczebla zwanego ludzkością i opierają się o niewłaściwą ścianę. Większość naukowców, którzy kiedykolwiek żyli lub żyli dzisiaj, spowodowali eksplozję naukową i technologiczną na świecie. Ale jeśli wszystko, co robią, to nakładanie technologii na te same stare problemy, nic podstawowych zmian. Możemy zaobserwować ewolucję, sporadyczną cytację w nauce, ale bez ludzkości dostrzegamy cenny, mały, prawdziwy postęp ludzkości. Wszystkie stare niesprawiedliwości i niesprawiedliwości wciąż są z nami. Jedyną rzeczą, która się nie rozwinęła, są te naturalne prawa i zasady - prawdziwa północ na kompasie. Nauka i technologia zmieniły oblicze większości wszystkiego. Ale z czasem obowiązują podstawowe rzeczy. Bez poświęcenia możemy stać się aktywni w kościele, ale pozostać nieaktywni w jego ewangelii. Innymi słowy, idziemy na społeczną fasadę religii i pobożność praktyk religijnych. Nie ma prawdziwego chodzenia z ludźmi lub przechodzenia przez drugą milę lub próby radzenia sobie z naszymi problemami społecznymi, które mogą ostatecznie zniszczyć nasz system gospodarczy. Potrzeba poświęcenia, aby służyć potrzebom innych ludzi - ofiarom naszej własnej pychy i uprzedzeń, między innymi. Jeśli kościół lub religia jest postrzegana jako kolejny hierarchiczny system, jej członkowie nie będą mieli poczucia służby ani wewnętrznej służby. Zamiast tego będą oni uczestniczyć w zewnętrznych obrzędach i we wszystkich widocznych elementach religijnych. Ale nie są one ani skoncentrowane na Bogu, ani skoncentrowane na zasadach. Zasady trzech Siedmiu Nawyków dotyczą tego, jak radzimy sobie z innymi ludźmi, w jaki sposób im służymy, w jaki sposób poświęcamy się za nich, w jaki sposób się przyczyniamy. Nawyki 4, 5 i 6 - wzajemna zależność, empatia i synergia - wymagają ogromnego poświęcenia. Doszedłem do wniosku, że potrzebują złamanego serca i skruszonego ducha - i dla niektórych to ostateczna ofiara. Na przykład kiedyś zaobserwowałem małżeństwo, w którym często dochodziło do kłótni. Przyszła mi do głowy pewna myśl. Te dwie osoby muszą mieć złamane serce i skruszonego ducha w stosunku do siebie lub ten związek nigdy nie przetrwa. Nie możesz mieć jedności, jedności, bez pokory. Pycha i egoizm zniszczy związek między człowiekiem a bogiem, między mężczyzną i kobietą, pomiędzy człowiekiem a człowiekiem, między sobą a ja. Wielcy słudzy przywódcy mają tę pokorę, cechę wewnętrznej religii. Znam kilku dyrektorów generalnych, którzy są skromnymi przywódcami sług - którzy poświęcają swoją dumę i dzielą się swoją mocą - i mogę powiedzieć, że ich wpływ zarówno wewnątrz, jak i na zewnątrz ich firm jest z tego powodu pomnożony. Niestety, wielu ludzi pragnie, by nie było ofiar, ani cytowań, ani przynajmniej ich wyglądu. Chcą więcej duchowości, ale nigdy nie opuszczą posiłku w znaczącym poście lub wykonają jeden akt anonimowej służby, aby to osiągnąć. Jeśli nie ma żadnej zasady, nie ma prawdziwej północy, na której można polegać. Nacisk na etykę osobowości jest natychmiastowym tworzeniem wizerunku, który dobrze się sprzedaje na rynku społecznym i gospodarczym. Widzicie, że politycy wydają miliony dolarów na stworzenie obrazu, choć jego powierzchownego, pozbawionego treści, w celu uzyskania głosów i zdobycia urzędu. A kiedy to działa, prowadzi do systemu politycznego działającego niezależnie od praw naturalnych, które powinny rządzić - - które są wbudowane w Deklarację Niepodległości. "Trzymamy te Prawdy, aby były oczywiste, że wszyscy ludzie są stworzeni równi, że są obdarzeni przez Stwórcę pewnymi niezbywalnymi Prawami, że są wśród nich Życie, Wolność i Dążenie do Szczęścia. Innymi słowy, opisują one oczywiste, zewnętrzne, obserwowalne, naturalne, niepodważalne, oczywiste prawa: "Trzymajmy te Prawdy, aby były oczywiste". Kluczem do zdrowego społeczeństwa jest uzyskanie woli społecznej, system wartości, dostosowany do prawidłowych zasad. Następnie igła kompasu wskazuje na prawdziwą północ - prawdziwa północ reprezentująca zewnętrzne lub naturalne prawo - a wskaźnik mówi, że właśnie budujemy nasz system wartości. są wyrównane. Ale jeśli masz wolę społeczną za wolą polityczną, która jest niezależna od zasad, możesz mieć bardzo chorą organizację lub społeczeństwo o zniekształconych wartościach. Na przykład deklarowana misja i wspólne wartości przestępców, którzy gwałcą, rabują i grabieży mogą brzmieć bardzo podobnie do wielu deklaracji misji korporacyjnych, używając takich słów jak quotteamwork, quotcooperation, quot quotloyalness, quotprofitability, quotinnovation, quot i quotcreativity. quot Problem polega na tym, że ich system wartości nie opiera się na prawie naturalnym. W przenośni, w wielu korporacjach z doniosłą misją, wielu ludzi zostaje zastrzelonych w biały dzień przed świadkami. Albo są okradani z poczucia własnej wartości, pieniędzy lub pozycji bez należytego procesu. A jeśli nie ma społecznej woli za zasadami rzetelnego procesu, a jeśli nie możesz przejść właściwego procesu, musisz udać się do ławy przysięgłych swoich kolegów i zaangażować się w sabotaż kontrkulturowy. W filmie Dziesięć przykazań, Mojżesz mówi do faraona: Mamy być rządzeni przez prawo Boga, a nie przez ciebie. W efekcie on mówi: "Nie będziemy rządzeni przez osobę, chyba że ta osoba ucieleśnia prawo." najlepsze społeczeństwa i organizacje, naturalne prawa i zasady rządzące - to Konstytucja - a nawet najwyżsi ludzie muszą się pokłonić tej zasadzie. Nikt nie jest nad tym. Siedem nawyków pomoże ci uniknąć siedmiu grzechów głównych. A jeśli nie kupisz Siedmiu Nawyków, wypróbuj Dziesięć Przykazań. Rozdział 9 - Zasada - władza skoncentrowana - Page 108 Dla niektórych te zasady i ideały, które reprezentują, łatwo można przypisać godnym wyróżnienia przywódcom, takim jak Mahatma Gandhi, ale są trudniejsze do znalezienia w znacznie bardziej powszechnych doświadczeniach codziennego życia. W odpowiedzi na tę troskę, odpowiedział Gandhi, "twierdzę, że jestem nie więcej niż przeciętnym człowiekiem o mniej niż przeciętnej zdolności. Nie jestem wizjonerem. Twierdzę, że jestem praktycznym idealistą. Nie mogę też powoływać się na żadną specjalną zasługę za to, co udało mi się osiągnąć dzięki żmudnym badaniom. Nie mam cienia wątpliwości, że każdy mężczyzna lub kobieta może osiągnąć to, co mam, jeśli on czyniłby ten sam wysiłek i kultywuje tę samą nadzieję i wiarę. Osobista uwaga - podkreślił Gandhi. quotA osoba nie może zrobić dobrze w jednym dziale, próbując zrobić źle w innym dziale. Życie jest jedną niepodzielną całością. ĆWprowadzanie modeli wyrównywania średniej i wykładniczej Jako pierwszy krok w wychodzeniu poza modele średnie, modele spacerów losowych i modele trendów liniowych, wzorce i trendy niesezonowe można ekstrapolować za pomocą modelu ruchomego lub wygładzającego. Podstawowym założeniem modeli uśredniania i wygładzania jest to, że szeregi czasowe są lokalnie stacjonarne z wolno zmieniającą się średnią. W związku z tym bierzemy średnią ruchomą (lokalną), aby oszacować aktualną wartość średniej, a następnie wykorzystać ją jako prognozę na najbliższą przyszłość. Można to uznać za kompromis pomiędzy modelem średnim a modelem losowego chodzenia bez dryftu. Ta sama strategia może zostać wykorzystana do oszacowania i ekstrapolacji lokalnego trendu. Średnia ruchoma jest często nazywana wersją quotsmoothedquot oryginalnej serii, ponieważ krótkoterminowe uśrednianie ma wpływ na wygładzenie nierówności w oryginalnej serii. Dostosowując stopień wygładzenia (szerokość średniej ruchomej) możemy mieć nadzieję na uzyskanie optymalnej równowagi między wydajnością modeli średniej i losowej. Najprostszym rodzajem modelu uśredniającego jest. Prosta (równo ważona) Średnia ruchoma: Prognoza wartości Y w czasie t1, która jest dokonywana w czasie t, jest równa prostej średniej z ostatnich obserwacji: (Tu i gdzie indziej będę używał symbolu 8220Y-hat8221, aby stać dla prognozy szeregu czasowego Y dokonanego najwcześniej jak to możliwe wcześniej przez dany model.) Ta średnia jest wyśrodkowana w okresie t - (m1) 2, co oznacza, że ​​oszacowanie średniej lokalnej będzie opóźniać się w stosunku do rzeczywistej wartości wartość średniej lokalnej o około (m1) 2 okresy. Tak więc, mówimy, że średni wiek danych w prostej średniej kroczącej wynosi (m1) 2 w stosunku do okresu, dla którego obliczana jest prognoza: jest to ilość czasu, o którą prognozy będą opóźniać się za punktami zwrotnymi w danych . Na przykład, jeśli uśrednisz 5 ostatnich wartości, prognozy będą o około 3 opóźnienia w odpowiedzi na punkty zwrotne. Zauważ, że jeśli m1, model prostej średniej ruchomej (SMA) jest równoważny modelowi chodzenia swobodnego (bez wzrostu). Jeśli m jest bardzo duże (porównywalne z długością okresu szacowania), model SMA jest równoważny modelowi średniemu. Podobnie jak w przypadku każdego parametru modelu prognostycznego, zwyczajowo koryguje się wartość k, aby uzyskać najlepsze dopasowanie do danych, tj. Średnio najmniejsze błędy prognozy. Oto przykład serii, która wydaje się wykazywać losowe fluktuacje wokół wolno zmieniającej się średniej. Po pierwsze, spróbujmy dopasować go do modelu losowego spaceru, który jest odpowiednikiem prostej średniej kroczącej z 1 słowa: model losowego spaceru bardzo szybko reaguje na zmiany w serii, ale czyniąc to, wybiera dużą część quota w tekście. dane (fluktuacje losowe), a także quotsignalquot (średnia miejscowa). Jeśli zamiast tego spróbujemy prostej średniej kroczącej z 5 terminów, otrzymamy gładszy zestaw prognoz: Pięciokrotna prosta średnia ruchoma daje w tym przypadku znacznie mniejsze błędy niż model losowego spaceru. Średni wiek danych w tej prognozie wynosi 3 ((51) 2), więc ma tendencję do pozostawania w tyle za punktami zwrotnymi o około trzy okresy. (Na przykład, pogorszenie koniunktury zdaje się mieć miejsce w okresie 21, ale prognozy nie zmieniają się aż do kilku okresów później.) Zwróć uwagę, że długoterminowe prognozy z modelu SMA są prostą poziomą, tak jak w przypadku losowego spaceru Model. Tak więc model SMA zakłada, że ​​nie ma trendu w danych. Jednakże, podczas gdy prognozy z modelu losowego spaceru są po prostu równe ostatniej obserwowanej wartości, prognozy z modelu SMA są równe średniej ważonej ostatnich wartości. Limity ufności obliczone przez Statgraphics dla długoterminowych prognoz prostej średniej kroczącej nie stają się szersze wraz ze wzrostem horyzontu prognozy. To oczywiście nie jest poprawne Niestety, nie istnieje żadna podstawowa teoria statystyczna, która mówi nam, w jaki sposób przedziały ufności powinny poszerzyć się dla tego modelu. Jednak nie jest zbyt trudno obliczyć empiryczne szacunki limitów zaufania dla prognoz o dłuższym horyzoncie. Można na przykład skonfigurować arkusz kalkulacyjny, w którym model SMA byłby używany do prognozowania 2 kroków do przodu, 3 kroków do przodu itp. W próbie danych historycznych. Następnie można obliczyć standardowe odchylenia standardowe błędów w każdym horyzoncie prognozy, a następnie skonstruować przedziały ufności dla prognoz długoterminowych, dodając i odejmując wielokrotności odpowiedniego odchylenia standardowego. Jeśli spróbujemy 9-dniowej prostej średniej kroczącej, otrzymamy jeszcze bardziej wygładzone prognozy i większy efekt opóźniający: Średni wiek to teraz 5 okresów ((91) 2). Jeśli weźmiemy 19-dniową średnią ruchomą, średnia wieku wzrośnie do 10: Należy zauważyć, że faktycznie prognozy są teraz opóźnione o punkty zwrotne o około 10 okresów. Jaka ilość wygładzania jest najlepsza dla tej serii Oto tabela, która porównuje ich statystyki błędów, w tym również średnią 3-dniową: Model C, 5-punktowa średnia ruchoma, daje najniższą wartość RMSE o niewielki margines w porównaniu z 3 - term i 9-term średnich, a ich inne statystyki są prawie identyczne. Tak więc, wśród modeli z bardzo podobnymi statystykami błędów, możemy wybrać, czy wolelibyśmy nieco większą reakcję, czy nieco większą płynność w prognozach. (Powrót do początku strony.) Browns Simple Exponential Smoothing (wykładniczo ważona średnia ruchoma) Opisany powyżej prosty model średniej ruchomej ma niepożądaną właściwość, że traktuje ostatnie k obserwacji równo i całkowicie ignoruje wszystkie poprzednie obserwacje. Intuicyjnie, przeszłe dane powinny być dyskontowane w bardziej stopniowy sposób - na przykład ostatnia obserwacja powinna mieć nieco większą wagę niż druga ostatnia, a druga ostatnia powinna mieć nieco większą wagę niż trzecia ostatnia; wkrótce. Wykonywany jest prosty model wygładzania wykładniczego (SES). Niech 945 oznacza stałą kwotową (liczbę od 0 do 1). Jednym ze sposobów napisania modelu jest zdefiniowanie serii L, która reprezentuje aktualny poziom (tj. Miejscową średnią wartość) serii oszacowanej na podstawie danych do chwili obecnej. Wartość L w czasie t jest obliczana rekurencyjnie z jego własnej poprzedniej wartości w następujący sposób: Zatem bieżącą wygładzoną wartością jest interpolacja między poprzednią wygładzoną wartością a bieżącą obserwacją, gdzie 945 kontroluje bliskość interpolowanej wartości do najnowszej. obserwacja. Prognoza na następny okres jest po prostu bieżącą wygładzoną wartością: Równoważnie, możemy wyrazić następną prognozę bezpośrednio w odniesieniu do wcześniejszych prognoz i poprzednich obserwacji, w dowolnej z następujących równoważnych wersji. W pierwszej wersji prognozą jest interpolacja między poprzednią prognozą a poprzednią obserwacją: w drugiej wersji następna prognoza jest uzyskiwana przez dostosowanie poprzedniej prognozy w kierunku poprzedniego błędu o wartość ułamkową 945. jest błąd popełniony przy czas t. W trzeciej wersji prognozą jest ważona ruchoma średnia ważona wykładniczo (tj. Zdyskontowana) ze współczynnikiem dyskontowym 1- 945: Wersja interpolacyjna formuły prognostycznej jest najprostsza do zastosowania, jeśli wdraża się model w arkuszu kalkulacyjnym: pasuje on do pojedyncza komórka i zawiera odwołania do komórek wskazujące poprzednią prognozę, poprzednią obserwację i komórkę, w której przechowywana jest wartość 945. Należy zauważyć, że jeśli model 945 1, model SES jest równoważny modelowi chodzenia swobodnego (bez wzrostu). Jeśli 945 0, model SES jest równoważny modelowi średniemu, przy założeniu, że pierwsza wygładzona wartość jest równa średniej. (Powrót do początku strony.) Średni wiek danych w prognozie wygładzania prostego wykładniczego wynosi 1 945 w stosunku do okresu, dla którego obliczana jest prognoza. (To nie powinno być oczywiste, ale można je łatwo wykazać, oceniając nieskończoną serię.) Dlatego prosta prognoza średniej ruchomej ma tendencję do pozostawania w tyle za punktami zwrotnymi o około 1 945 okresów. Na przykład, gdy 945 0,5 opóźnienie wynosi 2 okresy, gdy 945 ± 0,2 opóźnienie wynosi 5 okresów, gdy 945 ± 0,1 opóźnienie wynosi 10 okresów, i tak dalej. Dla danego średniego wieku (to jest ilości opóźnienia), prosta prognoza wygładzania wykładniczego (SES) jest nieco lepsza od prognozy prostej średniej ruchomej (SMA), ponieważ umieszcza względnie większą wagę w najnowszej obserwacji - ie. jest nieco bardziej obojętny na zmiany zachodzące w niedawnej przeszłości. Na przykład model SMA z 9 terminami i model SES z 945 0.2 mają średnią wieku 5 lat dla danych w swoich prognozach, ale model SES przykłada większą wagę do ostatnich 3 wartości niż model SMA i do w tym samym czasie nie ma w całości 8220forget8222 o wartościach większych niż 9 okresów, jak pokazano na tym wykresie: Kolejną ważną zaletą modelu SES w porównaniu z modelem SMA jest to, że model SES używa parametru wygładzania, który jest nieustannie zmienny, dzięki czemu można go łatwo zoptymalizować za pomocą algorytmu quotsolverquot, aby zminimalizować błąd średniokwadratowy. Optymalna wartość 945 w modelu SES dla tej serii okazuje się być 0,2961, jak pokazano tutaj: Średni wiek danych w tej prognozie wynosi 10,2961 3,4 okresów, co jest podobne do 6-okresowej prostej średniej kroczącej. Prognozy długoterminowe z modelu SES są prostą poziomą. jak w modelu SMA i modelu chodzenia bez wzrostu. Należy jednak zauważyć, że przedziały ufności obliczone przez Statgraphics teraz rozchodzą się w rozsądny sposób, i że są one znacznie węższe niż przedziały ufności dla modelu losowego spaceru. Model SES zakłada, że ​​seria jest w pewnym stopniu przewidywalna, podobnie jak model losowego spaceru. Model SES jest w rzeczywistości szczególnym przypadkiem modelu ARIMA. więc teoria statystyczna modeli ARIMA zapewnia solidną podstawę do obliczania przedziałów ufności dla modelu SES. W szczególności model SES jest modelem ARIMA z jedną niesezonową różnicą, terminem MA (1) i nie ma stałego okresu. inaczej znany jako model DAIMA (0,1,1) bez stałej wartości. Współczynnik MA (1) w modelu ARIMA odpowiada ilości 1-945 w modelu SES. Na przykład, jeśli dopasujesz model ARIMA (0,1,1) bez stałej do analizowanej tutaj serii, szacowany współczynnik MA (1) okaże się równy 0,7029, czyli prawie dokładnie jeden minus 0,2961. Możliwe jest dodanie do modelu SES założenia niezerowego stałego trendu liniowego. Aby to zrobić, po prostu określ model ARIMA z jedną niesezonową różnicą i terminem MA (1) ze stałą, tj. Model ARIMA (0,1,1) ze stałą. Prognozy długoterminowe będą miały tendencję równą średniej tendencji obserwowanej w całym okresie szacowania. Nie można tego zrobić w połączeniu z korektą sezonową, ponieważ opcje korekty sezonowej są wyłączone, gdy typ modelu jest ustawiony na ARIMA. Można jednak dodać stały, długotrwały trend wykładniczy do prostego modelu wygładzania wykładniczego (z korektą sezonową lub bez niego) za pomocą opcji korekty inflacji w procedurze prognozowania. Odpowiednia stopa inflacji (procent wzrostu) na okres może być oszacowana jako współczynnik nachylenia w liniowym modelu trendu dopasowany do danych w połączeniu z logarytmem naturalnym, lub może być oparty na innych, niezależnych informacjach dotyczących długoterminowych perspektyw wzrostu . (Powrót do początku strony.) Browns Linear (tzn. Podwójnie) Exponential Smoothing Modele SMA i modele SES zakładają, że nie ma żadnego trendu w danych (co jest zwykle w porządku lub przynajmniej niezbyt dobre dla 1 prognozy wyprzedzające, gdy dane są stosunkowo hałaśliwe) i mogą być modyfikowane w celu włączenia stałego trendu liniowego, jak pokazano powyżej. A co z trendami krótkoterminowymi Jeśli w serii pojawiają się zmienne stopy wzrostu lub cykliczny wzór, który wyraźnie odróżnia się od hałasu, i jeśli istnieje potrzeba przewidywania z wyprzedzeniem dłuższym niż 1 okres, wówczas można również oszacować trend lokalny. problem. Prosty model wygładzania wykładniczego można uogólnić, aby uzyskać liniowy model wygładzania wykładniczego (LES), który oblicza lokalne oszacowania zarówno poziomu, jak i trendu. Najprostszym modelem trendu zmiennym w czasie jest liniowy model wygładzania wykładniczego Browns, który wykorzystuje dwie różne wygładzone serie, które są wyśrodkowane w różnych punktach czasowych. Formuła prognozowania opiera się na ekstrapolacji linii przez dwa ośrodki. (Bardziej wyrafinowana wersja tego modelu, Holt8217s, jest omówiona poniżej.) Algebraiczna postać liniowego modelu wygładzania wykładniczego Brown8217, podobnie jak model prostego wykładniczego wygładzania, może być wyrażana w wielu różnych, ale równoważnych formach. "Norma" w tym modelu jest zwykle wyrażana następująco: Niech S oznacza serie wygładzone pojedynczo, otrzymane przez zastosowanie prostego wygładzania wykładniczego dla szeregu Y. Oznacza to, że wartość S w okresie t jest określona przez: (Przypomnijmy, że w prostym wygładzanie wykładnicze, to byłaby prognoza dla Y w okresie t1.) Następnie pozwól oznaczać wygładzoną podwójnie serię uzyskaną przez zastosowanie prostego wygładzania wykładniczego (używając tego samego 945) do serii S: Wreszcie, prognozy dla Y tk. dla każdego kgt1, jest podana przez: To daje e 1 0 (to jest trochę oszukiwać, i niech pierwsza prognoza równa się faktycznej pierwszej obserwacji), i e 2 Y 2 8211 Y 1. po którym prognozy są generowane za pomocą równania powyżej. Daje to takie same dopasowane wartości, jak formuła oparta na S i S, jeśli te ostatnie zostały uruchomione przy użyciu S 1 S 1 Y 1. Ta wersja modelu jest używana na następnej stronie ilustrującej połączenie wygładzania wykładniczego z korektą sezonową. Holt8217s Linear Exponential Smoothing Brown8217s Model LES oblicza lokalne oszacowania poziomu i trendu, wygładzając najnowsze dane, ale fakt, że robi to za pomocą pojedynczego parametru wygładzania, nakłada ograniczenia na wzorce danych, które może dopasować: poziom i trend nie mogą się różnić w niezależnych stawkach. Model LES Holt8217s rozwiązuje ten problem, włączając dwie stałe wygładzania, jedną dla poziomu i drugą dla trendu. W każdej chwili t, jak w modelu Brown8217s, istnieje oszacowanie Lt poziomu lokalnego i oszacowanie T t trendu lokalnego. Tutaj są one obliczane rekurencyjnie od wartości Y obserwowanej w czasie t oraz poprzednich oszacowań poziomu i trendu za pomocą dwóch równań, które oddzielnie stosują wygładzanie wykładnicze. Jeżeli szacowany poziom i tendencja w czasie t-1 to L t82091 i T t-1. odpowiednio, wówczas prognoza dla Y tshy, która zostałaby dokonana w czasie t-1, jest równa L t-1 T t-1. Gdy obserwowana jest wartość rzeczywista, zaktualizowana estymacja poziomu jest obliczana rekurencyjnie poprzez interpolację między Y tshy i jej prognozą L t-1 T t-1, przy użyciu wag o wartości 945 i 1-945. Zmiana szacowanego poziomu, mianowicie L t 8209 L t82091. można interpretować jako hałaśliwy pomiar trendu w czasie t. Zaktualizowane oszacowanie trendu jest następnie obliczane rekursywnie przez interpolację pomiędzy L t 8209 L t82091 a poprzednim oszacowaniem trendu, T t-1. używając ciężarów 946 i 1-946: Interpretacja stałej wygładzania trendu 946 jest analogiczna do stałej wygładzania poziomu 945. Modele o małych wartościach 946 przyjmują, że trend zmienia się bardzo powoli w czasie, podczas gdy modele z większe 946 zakłada, że ​​zmienia się szybciej. Model z dużym 946 uważa, że ​​odległe jutro jest bardzo niepewne, ponieważ błędy w oszacowaniu trendów stają się dość ważne przy prognozowaniu z więcej niż jednym okresem. (Powrót do początku strony.) Stałe wygładzania 945 i 946 można oszacować w zwykły sposób, minimalizując średni błąd kwadratowy prognoz 1-krokowych. Po wykonaniu tej czynności w Statgraphics, szacunkowe wartości wynoszą 945 0,3048 i 946 0,008. Bardzo mała wartość wynosząca 946 oznacza, że ​​model przyjmuje bardzo niewielką zmianę trendu z jednego okresu do drugiego, więc w zasadzie ten model próbuje oszacować długoterminowy trend. Analogicznie do pojęcia średniego wieku danych, które są używane do oszacowania lokalnego poziomu serii, średni wiek danych wykorzystywanych do oszacowania lokalnego trendu jest proporcjonalny do 1 946, chociaż nie jest dokładnie taki sam jak ten. . W tym przypadku okazuje się, że jest to 10.006 125. Nie jest to bardzo dokładna liczba, ponieważ dokładność oszacowania 946 wynosi 2182 tak naprawdę 3 miejsca po przecinku, ale jest tego samego ogólnego rzędu wielkości co wielkość próby 100, więc model ten uśrednia dość długą historię w szacowaniu trendu. Poniższy wykres prognozy pokazuje, że model LES szacuje nieco większy lokalny trend na końcu serii niż stały trend oszacowany w modelu SEStrend. Szacowana wartość 945 jest prawie identyczna z wartością uzyskaną przez dopasowanie modelu SES z trendem lub bez niego, więc jest to prawie ten sam model. Teraz, czy wyglądają one jak rozsądne prognozy dla modelu, który ma oszacować lokalny trend Jeśli wyobrazisz sobie 8220eyeball8221 ten wykres, wygląda na to, że lokalny trend spadł na końcu serii Co się stało Parametry tego modelu zostały oszacowane poprzez zminimalizowanie błędu kwadratów prognoz 1-krok naprzód, a nie prognoz długoterminowych, w którym to przypadku trend doesn8217t robi dużą różnicę. Jeśli wszystko, na co patrzysz, to błędy 1-etapowe, nie widzisz większego obrazu trendów w ciągu (powiedzmy) 10 lub 20 okresów. Aby uzyskać ten model lepiej dopasowany do ekstrapolacji danych przez gałkę oczną, możemy ręcznie dostosować stałą wygładzania trendu, aby wykorzystała krótszą linię podstawową do oszacowania trendu. Na przykład, jeśli zdecydujemy się ustawić 946 0,1, średnia wieku danych wykorzystywanych do oszacowania trendu lokalnego wynosi 10 okresów, co oznacza, że ​​uśredniamy trend w ciągu ostatnich 20 okresów. Tutaj wygląda to, jak wygląda prognoza, jeśli ustawimy 946 0,1, zachowując 945 0.3. Jest to intuicyjnie uzasadnione dla tej serii, chociaż prawdopodobnie ekstrapolowanie tego trendu prawdopodobnie nie będzie dłuższe niż 10 okresów w przyszłości. A co ze statystykami błędów? Oto porównanie modeli dla dwóch modeli pokazanych powyżej oraz trzech modeli SES. Optymalna wartość 945. Dla modelu SES wynosi około 0,3, ale podobne wyniki (z odpowiednio mniejszą lub większą reaktywnością) uzyskuje się przy 0,5 i 0,2. (A) Holts linear exp. wygładzanie z alfa 0,3048 i beta 0,008 (B) Holts linear exp. wygładzanie z alfa 0.3 i beta 0.1 (C) Proste wygładzanie wykładnicze z alfa 0.5 (D) Proste wygładzanie wykładnicze z alfa 0.3 (E) Proste wygładzanie wykładnicze z alfa 0.2 Ich statystyki są prawie identyczne, więc naprawdę nie możemy dokonać wyboru na podstawie błędów prognozy 1-krokowej w ramach próby danych. Musimy odwołać się do innych kwestii. Jeśli mocno wierzymy, że oparcie obecnego szacunku trendu na tym, co wydarzyło się w ciągu ostatnich 20 okresów, ma sens, możemy postawić argumenty za modelem LES z 945 0,3 i 946 0,1. Jeśli chcemy być agnostyczni w kwestii, czy istnieje lokalny trend, to jeden z modeli SES może być łatwiejszy do wyjaśnienia, a także dałby więcej prognoz z centrum drogi na następne 5 lub 10 okresów. (Powrót do początku strony.) Który rodzaj ekstrapolacji trendów jest najlepszy: poziomy lub liniowy Dowody empiryczne sugerują, że jeśli dane zostały już skorygowane (w razie potrzeby) o inflację, może być nieostrożnością ekstrapolować krótkoterminowe liniowe trendy bardzo daleko w przyszłość. Dzisiejsze trendy mogą się w przyszłości zanikać ze względu na różne przyczyny, takie jak starzenie się produktów, zwiększona konkurencja i cykliczne spadki lub wzrosty w branży. Z tego powodu proste wygładzanie wykładnicze często zapewnia lepszą pozapróbkę, niż można by się tego spodziewać, pomimo cytowania ekwiwalentnej tendencji poziomej. Tłumione modyfikacje trendów liniowego modelu wygładzania wykładniczego są również często stosowane w praktyce, aby wprowadzić nutę konserwatyzmu do swoich projekcji trendów. Model LES z tłumioną tendencją może być zaimplementowany jako specjalny przypadek modelu ARIMA, w szczególności modelu ARIMA (1,1,2). Możliwe jest obliczenie przedziałów ufności wokół długoterminowych prognoz generowanych przez modele wygładzania wykładniczego, poprzez uznanie ich za szczególne przypadki modeli ARIMA. (Uwaga: nie wszystkie programy poprawnie obliczają przedziały ufności dla tych modeli). Szerokość przedziałów ufności zależy od (i) błędu RMS modelu, (ii) rodzaju wygładzania (prostego lub liniowego) (iii) wartości (s) stałej (ów) wygładzania (-ych) i (iv) liczbę okresów, które prognozujesz. Ogólnie rzecz biorąc, interwały rozkładają się szybciej, gdy 945 staje się większy w modelu SES i rozkładają się znacznie szybciej, gdy stosuje się liniowe zamiast prostego wygładzania. Ten temat jest omówiony dalej w sekcji modeli ARIMA notatek. (Powrót do początku strony.) Średnia ruchoma: co to jest i jak ją obliczyć Obejrzyj wideo lub przeczytaj artykuł poniżej: Średnia ruchoma to technika pozwalająca uzyskać ogólny obraz trendów w zestawie danych. Jest to średnia dowolnego podzbioru liczb. Średnia krocząca jest niezwykle przydatna do prognozowania trendów długoterminowych. Możesz to obliczyć na dowolny okres czasu. Na przykład, jeśli masz dane dotyczące sprzedaży przez okres dwudziestu lat, możesz obliczyć pięcioletnią średnią kroczącą, czteroletnią średnią kroczącą, trzyletnią średnią kroczącą i tak dalej. Analitycy giełdowi często używają średniej kroczącej z 50 lub 200 dni, aby pomóc im dostrzec trendy na giełdzie i (miejmy nadzieję) przewidzieć, dokąd zmierzają akcje. Średnia reprezentuje wartość 8220middling8221 zbioru liczb. Średnia ruchoma jest dokładnie taka sama, ale średnia jest obliczana kilka razy dla kilku podzbiorów danych. Na przykład, jeśli chcesz uzyskać dwuletnią średnią kroczącą dla zbioru danych z 2000, 2001, 2002 i 2003, można znaleźć średnie dla podzbiorów 2000-2001, 20012002 i 20022003. Średnie kroczące są zwykle kreślone i najlepiej wizualizowane. Obliczanie 5-letniej średniej kroczącej Przykładowy problem: obliczyć pięcioletnią średnią kroczącą z następującego zestawu danych: (4M 6M 5M 8M 9M) ​​5 6,4 M Średnia sprzedaż dla drugiego podzbioru pięciu lat (2004 8211 2008). skoncentruje się około 2006 r., jest 6,6M: (6M 5M 8M 9M 5M) 5 6,6M Średnia sprzedaż dla trzeciego podzbioru pięciu lat (2005 8211 2009). wyśrodkowany około 2007 r., wynosi 6,6M: (5M 8M 9M 5M 4M) 5 6.2M Kontynuuj obliczanie każdej średniej pięcioletniej, aż dojdziesz do końca zestawu (2009-2017). Daje to szereg punktów (średnich), które można wykorzystać do wykreślenia wykresu średnich kroczących. Poniższa tabela Excel pokazuje średnie ruchome obliczone dla lat 2003-2017 wraz z wykresem punktowym danych: Obejrzyj wideo lub przeczytaj poniższe kroki: Excel ma potężny dodatek, Data Analysis Toolpak (jak załadować dane Zestaw narzędzi do analizy), który zapewnia wiele dodatkowych opcji, w tym funkcję automatycznego średniej ruchomej. Funkcja nie tylko oblicza dla Ciebie średnią ruchomą, ale także wykreśla oryginalne dane w tym samym czasie. oszczędność ci wielu klawiszy. Excel 2017: Kroki Krok 1: Kliknij kartę 8220Data8221, a następnie kliknij 8220Data Analysis.8221 Krok 2: Kliknij 8220Moving average8221, a następnie kliknij 8220OK.8221 Krok 3: Kliknij pole 8220Input Range8221, a następnie wybierz swoje dane. Jeśli dodasz nagłówki kolumn, upewnij się, że zaznaczyłeś pole Etykiety w pierwszym wierszu. Krok 4: Wpisz odstęp w polu. Odstęp to liczba poprzednich punktów, które program Excel ma zastosować do obliczenia średniej ruchomej. Na przykład 822058221 użyje poprzednich 5 punktów danych do obliczenia średniej dla każdego kolejnego punktu. Im niższy interwał, tym bardziej zbliża się średnia krocząca do oryginalnego zestawu danych. Krok 5: Kliknij pole 8220Output Range 8221 i wybierz obszar w arkuszu, w którym chcesz wyświetlić wynik. Lub kliknij przycisk opcji 8220Nowy arkusz roboczy 8221. Krok 6: Sprawdź okno 8220Chart Output 8221, jeśli chcesz zobaczyć tabelę z zestawem danych (jeśli zapomnisz to zrobić, zawsze możesz wrócić i dodać ją lub wybrać wykres z 8220Insert8221 tab.8221 Krok 7: Naciśnij 8220OK .8221 Program Excel zwróci wyniki w obszarze określonym w kroku 6. Obejrzyj wideo lub przeczytaj poniższe kroki: Przykładowy problem: obliczyć trzyletnią średnią ruchomą w programie Excel dla następujących danych sprzedaży: 2003 (33M), 2004 (22M), 2005 (36M), 2006 (34M), 2007 (43M), 2008 (39M), 2009 (41M), 2017 (36M), 2017 (45M), 2017 (56M), 2017 (64M). 1: Wpisz dane w dwóch kolumnach w Excelu Pierwsza kolumna powinna zawierać rok i drugą kolumnę dane ilościowe (w tym przypadku problem z danymi sprzedaży) Upewnij się, że w komórce nie ma pustych wierszy. : Oblicz pierwszą średnią z trzech lat (2003-2005) dla danych. W tym przykładowym problemie wpisz 8220 (B2B3B4) 38221 do komórki D3 Obliczanie pierwszej średniej Krok 3: Przeciągnij kwadrat w prawym dolnym rogu d własne, aby przenieść formułę do wszystkich komórek w kolumnie. To oblicza średnie dla kolejnych lat (na przykład 2004-2006, 2005-2007). Przeciąganie formuły. Krok 4: (Opcjonalnie) Utwórz wykres. Wybierz wszystkie dane z arkusza roboczego. Kliknij kartę 8220Insert8221, a następnie 8220Scatter, 8221, a następnie 8220Scatter z gładkimi liniami i znacznikami.8221 Wykres średniej ruchomej pojawi się w arkuszu. Sprawdź nasz kanał na YouTube, aby uzyskać więcej statystyk pomocy i wskazówek Średnia ruchoma: co to jest i jak to obliczyć została zmodyfikowana: 8 stycznia 2018 r. Przez Andale 22 myśli na temat ldquo Średnia ruchoma: co to jest i jak to obliczyć rdquo idealny i prosty do przyswojenia. Dzięki za pracę Jest to bardzo jasne i pouczające. Pytanie: Jak obliczyć 4-letnią średnią kroczącą W danym roku czterokrotna średnia ruchoma centrum na niej wyśrodkowałaby pod koniec drugiego roku (tj. 31 grudnia). Czy mogę użyć średniego dochodu do prognozowania przyszłych zarobków, które ktoś zna na środku, proszę uprzejmie powiedz mi, czy ktoś wie. W tym przypadku musimy wziąć pod uwagę 5 lat, aby uzyskać średnią, która jest w centrum. A co z resztą lat, jeśli chcemy uzyskać średnią z roku 20178230, jeśli nie mamy dalszych wartości po roku 2017, to jak to obliczyć? don8217t mieć więcej informacji nie byłoby możliwe, aby obliczyć 5 lat MA na 2017. Możesz jednak uzyskać średnią ruchomą dwa lata. Cześć, dzięki za wideo. Jedno jest jednak niejasne. Jak zrobić prognozę na najbliższe miesiące Film pokazuje prognozę dla miesięcy, dla których dane są już dostępne. Hi, Raw, I8217m pracuje nad rozszerzeniem artykułu o prognozę. Proces ten jest nieco bardziej skomplikowany niż korzystanie z przeszłych danych. Spójrz na ten artykuł Duke University, który wyjaśnia to dogłębnie. Pozdrawiam, Stephanie, dziękuję ci za jasne wyjaśnienie. Cześć Nie można znaleźć linku do sugerowanego artykułu Duke University. Poproś o ponowne opublikowanie linku