+
25 일 기간의 시계열의 일례도 도시된다. 도 1은 표 1의 수치 데이터의 데이터 일부 제품의 주간 수요를 나타낼 수있다. 우리는 시간주기의 인덱스를 나타 내기 위해 관찰 및 t를 나타내는 X를 사용한다. 시간 t에 대한 관찰 수요가 구체적으로 지정된다. T 1에서 데이터이다. 도면의 관찰을 연결하는 라인에만 화상을 명확하게하고, 그렇지 않으면 의미가 없다 제공된다. 30도 1 주간 수요 목표의 시계열을 통해 주 1 표 1 주간 수요가 관측 된 데이터를 설명하고 예측을 제공하는 미래 외삽 할 수있는 모델을 결정하는 것이다. 가장 단순한 모델은 시계열 확률 변수에 의해 결정되는 상수 값에 대한 변형 상수임을 의미한다. 상부 케이스는 시간 t에서의 미지의 요구 인 랜덤 변수를 나타낸다. 하부 케이스 중에 실제로 관찰 된 값이다. 평균값에 대한 임의의 변화는 노이즈라고한다. 잡음은 0의 평균값과 소정의 분산을 갖는 것으로 가정된다. 두 개의 서로 다른 기간의 변화는 독립적이다. 특히 MAD (8.7 2.4 0.9) / 10 4.11와 우리는 1.25 (MAD) 5.138 샘플 표준 편차와 거의 동일한 것을 알 수있다. 예를 들어 사용되는 시계열 일정한 평균 시뮬레이션된다. 평균으로부터의 편차는 일반적으로 제로 평균 및 표준 편차 5 하나 물론 5보다 큰 값을 기대할 수 있도록 표준 편차는 모델과 노이즈 오차의 결합 효과를 포함하는 오류 시뮬레이션의 다른 구현으로 분산 다른 통계 값을 얻을 것입니다. 예측 추가로 구성된 Excel 워크 시트는 예를 들어, 데이터에 대한 계산을 보여줍니다. 데이터는 C는 이동 평균을 보유하고 한 기간 예측은 열 D에 E 데이터와 예측 모두가 행에 대한 열 B와 D 사이의 차이가 열에 오류입니다 열 B 열입니다. 에러의 표준 편차는 전지 E6에 있고 MAD 셀 E7이다. 평균은 일정하거나 서서히 변화하는 경우, 실제로는 이동 평균은 시계열의 평균의 양호한 추정치를 제공 할 것이다. 일정한 평균의 경우, m의 가장 큰 값은 평균 기본 최선 추정치를 제공한다. 더 긴 관찰주기 변화의 영향을 평균화한다. 작은 m을 제공하는 목적은 예측 기반 프로세스의 변화에 응답 할 수 있도록하는 것이다. 설명하기 위해 시계열의 기본 평균 변화를 포함하는 데이터 세트를 제안한다. 그림은 시리즈가 생성 된 평균 요구와 함께 설명을 위해 사용 된 시계열을 나타낸다. 평균은 10에서 일정한 시간부터 21로 그 다음 다시 일정하게 30 시간에서 20의 값에 도달 할 때까지 각주기의 1 단위 씩 증가 시작한다. 데이터는 평균에 가산함으로써 시뮬레이션 제로 정규 분포로부터 랜덤 잡음은 평균과 표준 편차 3은 시뮬레이션 결과는 가장 가까운 정수로 반올림된다. 테이블은 예를 들어 사용되는 시뮬레이션 된 관측을 나타낸다. 우리는이 테이블을 사용하면, 우리는 임의의 주어진 시간에, 단지 과거 데이터가 공지되어 기억한다. 모델 매개 변수의 추정은, m의 세 가지 값은 아래 도면에서 시계열의 평균과 함께 도시된다. 그림은 이동 평균마다의 평균의 추정치가 아닌 예측을 보여줍니다. 예측은주기만큼 오른쪽으로 이동 평균 곡선을 이동한다. 하나의 결론은 그림에서 즉시 알 수있다. 세 추정치 이동 평균은 지연이 m로 증가함에 따라 선형 추세 뒤쳐. 지연 모델 및 시간 차원의 추정치 사이의 거리이다. 때문에 래그 중, 이동 평균의 평균으로서 관측 증가 과소. 추정기의 바이어스 모델의 평균값과 이동 평균에 의해 예측 된 평균값의 특정 시간에서의 차이이다. 평균이 증가하고있다 바이어스는 부정적이다. 감소하는 평균의 경우, 바이어스는 긍정적이다. 시간의 지연 및 평가에 도입 된 바이어스 m의 함수입니다. m의 값이 클수록. 지연과 바이어스의 크기보다 큰. 경향 A를 지속적으로 증가 시리즈. 지연 및 평균의 추정기 바이어스의 값은 아래의 식으로 주어진다. 지속적으로 증가되지 않는 예 모델, 오히려 추세에 일정한 변화로 시작하고 다시 일정하게하기 때문에, 예 곡선은 다음 방정식과 일치하지 않는다. 또한 예시적인 커브는 잡음에 의해 영향을 받는다. 미래의 기간에 이동 평균 예측을 오른쪽으로 시프트 곡선에 의해 표현된다. 지연과 편견은 비례 적으로 증가한다. 모델 파라미터에 비해 아래 방정식 미래 예측 기간의 지연 바이어스를 나타낸다. 또, 이 공식은 일정한 선 추세 시계열위한 것이다. 우리는이 결과에 놀라지 않을 것이다. 이동 평균 추정 일정한 평균의 가정에 기초하여, 상기 예는 연구 기간의 일부 동안 평균의 선형 추세를 갖는다. 실시간 시리즈는 거의 정확하게 어떤 모델의 가정을 순종하지 않습니다 때문에, 우리는 결과를 위해 준비를해야합니다. 또한 소음의 변동을 작게 m에 대한 가장 큰 영향을 도면에서 결론을 내릴 수있다. 추정치는 훨씬 더 휘발성 (20)의 이동 평균이 우리 때문에 소음에 변화의 영향을 줄이기 위해 m을 증가하고, 변화에 대한 예측이 더 반응하기 위해 m을 감소 충돌하는 욕망을 가지고보다 5의 이동 평균을위한입니다 평균있다. 에러는 실제 데이터와 상기 예측 된 값 사이의 차이이다. 시계열 진정 일정한 값이면, 에러의 기대 값은 0이고 오차의 분산의 함수가 노이즈의 분산 인 제 2 기간 인 기간으로 구성된다. 첫 번째 항은 데이터를 가정하면 일정한 평균은 집단에서 유래 m 관측 샘플 추정 평균의 편차이다. 이 용어는 가능한 한 큰 m함으로써 최소화된다. 큰 m는 기본 시계열의 변화에 응답 예측을합니다. 변화 예측이 반응하게하기 위해 할 수있다 (1), 그러나 이것은 상기 에러 분산을 증가 작게 해요. 실제 예측은 중간 값이 필요합니다. Excel에서 예측 예측 추가 기능은 이동 평균 수식을 구현합니다. 아래의 예는 처음 10 관찰 위의 기간 지수는 -10로 이동하는 테이블에 비해 0 통해 -9 색인 열 B의 샘플 데이터를 추가 기능에서 제공하는 분석을 보여줍니다. 처음 10 관측 추정치의 시작 값을 제공하고, MA (10) 항목 (C)를 계산 이동 평균을 보여주기 0에 대한 이동 평균을 계산하는데 사용된다. 이동 평균 파라미터 m 셀 C3이다. 전면 (1) 열 (D)은 미래 한 기간에 대한 예측을 보여줍니다. 예측 간격은 셀 D3입니다. 예측 구간보다 큰 숫자로 변경되면 전면 열의 수는 다운 시프트된다. ERR (1) 칼럼 (E)의 관찰과 예측 사이의 차이를 나타낸다. 예를 들어, 시간 1에서의 관찰은 0 11.1 시점에서 이동 평균에서 만든 예상 값 6입니다. 에러는 -5.1이다. 표준 편차와 평균 평균 편차 (MAD)는 각각 세포 E6와 E7에서 계산된다. 다음은이 미리보기에서 섹션을 흐리게 때 이동 평균 모델은 가장 잘 작동합니다. 보기 전체 문서 24 이동 평균 모델을 때 시계열에 가장 적합한 풀 버전을 보려면 가입하십시오. 에이. 만 불규칙한 변화는 현재 B입니다. 만 추세는 현재 C입니다. 더 트렌드, 계절, 또는 순환 패턴 D가 없습니다. 추세, 계절 및 순환 패턴은 다음과 같은 문장의 지수 평활 기법 약 TRUE입니다 (26)이 존재한다. 이것은 과거 시계열 값의 가중 평균을 사용한다. 비. 그것은 계절 효과를 포함한다. 기음. 그것은 0.9-0.6의 범위에서 알파의 전형적인 값이 있습니다. 3 OM5 C11 숙제 라. 부정적인 경향이있는 경우는 실제 값을 오버 슈트하지 않습니다. 다음 문의 지수 하나는 스무딩에 대한 TRUE이다 (28). 알파의 큰 값 (값은 0.6 1. C에 이르기까지 다양합니다. 상수를 부드럽게의 작은 값을 예측 오류가 발생하면 신속하게 예측을 조정하는 단계를 포함한다. d의 장점이있다. 일정 스무딩 큰 값은 예측이 변화하는 상황에 빠르게 반응하는 것을 허용하지 않습니다 . 시계열이 지수 평활 기술에 부정적인 경향이 나타나는 경우에는 다음과 같은 성명의 TRUE이다 (30)는. 예측은 실제 값을 지연됩니다. B를. 예측은 실제 값을 오버 슈트됩니다. C를. 평균 제곱 오차 것 제로. 라. 알파 값이 하나가 될 것입니다. 이 회사는 표 6 표 다음과 같습니다 지난 5 년 동안 미국 (천) 자신의 PC 판매에 개인 컴퓨터 (PC)를 수출 질문 (31) (32) 대만 전자의 경우 6 해 판매 4 15 5 20 31 단순 회귀 절편 (a) 및 표 6의 데이터에 대한 기울기 (b)는 6 2 9 3 13 : 1. Y 2.4 3.4 B Y 2.8 4.4... .... 다 Y 2.8 5.4 D Y 2.4 4.4 배 (32) 단순 회귀 방정식을 사용하여 6 학년에서 판매 표 6에 예측의 데이터를 사용하여는 다음과 같다. 이하 20 이상이 미리보기의 끝입니다. 문서의 나머지 부분에 액세스하기 위해 가입합니다.
No comments:
Post a Comment