Como calcular médias móveis ponderadas em Excel usando suavização exponencial Análise de dados do Excel para manequins, 2ª edição A ferramenta Suavização exponencial no Excel calcula a média móvel. No entanto, a suavização exponencial pondera os valores incluídos nos cálculos da média móvel de modo que os valores mais recentes tenham um maior efeito sobre o cálculo médio e os valores antigos tenham um efeito menor. Esta ponderação é realizada através de uma constante de alisamento. Para ilustrar como a ferramenta Exponential Smoothing funciona, suponha que você volte a olhar para a informação diária média de temperatura. Para calcular médias móveis ponderadas usando suavização exponencial, execute as seguintes etapas: Para calcular uma média móvel exponencialmente suavizada, clique primeiro no botão de comando Dados da análise de dados tab8217s. Quando o Excel exibe a caixa de diálogo Análise de dados, selecione o item suavização exponencial da lista e, em seguida, clique em OK. O Excel exibe a caixa de diálogo Suavização exponencial. Identificar os dados. Para identificar os dados para os quais você deseja calcular uma média móvel exponencialmente suavizada, clique na caixa de texto Input Range. Em seguida, identifique o intervalo de entrada, digitando um endereço de intervalo de planilha ou selecionando o intervalo de planilha. Se o intervalo de entrada incluir uma etiqueta de texto para identificar ou descrever os dados, marque a caixa de seleção Etiquetas. Fornecer a constante de alisamento. Insira o valor da constante de suavização na caixa de texto Fator de amortecimento. O arquivo de Ajuda do Excel sugere que você use uma constante de suavização de entre 0,2 e 0,3. Presumivelmente, no entanto, se você estiver usando esta ferramenta, você tem suas próprias idéias sobre o que é a constante de suavização correta. (Se você não tem idéia sobre a constante de suavização, talvez você não deveria usar essa ferramenta.) Diga ao Excel onde colocar os dados de média móvel suavemente exponencial. Use a caixa de texto Range de saída para identificar o intervalo de planilha no qual você deseja colocar os dados de média móvel. No exemplo da folha de cálculo, por exemplo, coloque os dados de média móvel no intervalo de folhas de cálculo B2: B10. (Opcional) Diagrama os dados exponencialmente suavizados. Para traçar os dados exponencialmente suavizados, marque a caixa de seleção Saída do gráfico. (Opcional) Indica que você deseja que as informações de erro padrão sejam calculadas. Para calcular erros padrão, marque a caixa de seleção Erros Padrão. O Excel coloca valores de erro padrão ao lado dos valores de média móvel exponencialmente suavizados. Depois de concluir especificando quais informações de média móvel você deseja calcular e onde deseja colocá-las, clique em OK. A média móvel é uma técnica estatística utilizada para suavizar as flutuações de curto prazo em uma série de dados, a fim de reconhecer mais facilmente as tendências de longo prazo ou Ciclos. A média móvel é por vezes referida como uma média móvel ou uma média corrente. Uma média móvel é uma série de números, cada um dos quais representa a média de um intervalo de número especificado de períodos anteriores. Quanto maior o intervalo, mais suavização ocorre. Quanto menor o intervalo, mais a média móvel se assemelha à série de dados reais. As médias móveis executam as três funções a seguir: Suavização dos dados, o que significa melhorar o ajuste dos dados a uma linha. Reduzindo o efeito da variação temporária e do ruído aleatório. Destaque outliers acima ou abaixo da tendência. A média móvel é uma das técnicas estatísticas mais utilizadas na indústria para identificar tendências de dados. Por exemplo, os gerentes de vendas geralmente visualizam médias móveis de três meses de dados de vendas. O artigo irá comparar uma média móvel de dois meses, três meses e seis meses simples dos mesmos dados de venda. A média móvel é usada com bastante frequência na análise técnica de dados financeiros, como retornos de ações e em economia, para localizar tendências em séries macroeconômicas como o emprego. Há uma série de variações da média móvel. Os mais comumente empregados são a média móvel simples, a média móvel ponderada ea média móvel exponencial. Executar cada uma dessas técnicas no Excel será abordado em detalhes em artigos separados neste blog. Aqui está uma breve visão geral de cada uma dessas três técnicas. Média Móvel Simples Cada ponto em uma média móvel simples é a média de um número especificado de períodos anteriores. Um link para outro artigo neste blog que fornece uma explicação detalhada da implementação desta técnica no Excel é a seguinte: Média Movimentada Ponderada Pontos na média móvel ponderada também representam uma média de um número especificado de períodos anteriores. A média móvel ponderada aplica uma ponderação diferente a certos períodos anteriores, muitas vezes os períodos mais recentes recebem maior peso. Este artigo de blog fornecerá uma explicação detalhada da implementação desta técnica no Excel. Média móvel exponencial Os pontos na média móvel exponencial também representam uma média de um número especificado de períodos anteriores. A suavização exponencial aplica fatores de ponderação a períodos anteriores que diminuem exponencialmente, nunca atingindo zero. Como resultado, a suavização exponencial leva em conta todos os períodos anteriores em vez de um número designado de períodos anteriores que a média móvel ponderada faz. Um link para outro artigo neste blog que fornece uma explicação detalhada da implementação dessa técnica no Excel é o seguinte: O seguinte descreve o processo de 3 etapas de criar uma média móvel ponderada de dados de séries temporais no Excel: Etapa 1 8211 Gráfico dos dados originais em um gráfico de séries temporais O gráfico de linhas é o gráfico de Excel mais utilizado para representar graficamente dados de séries temporais. Etapa 2 8211 Criar a média móvel ponderada com fórmulas no Excel O Excel não fornece a ferramenta Média móvel no menu Análise de dados para que as fórmulas devem ser Manualmente. Neste caso, uma média móvel ponderada de 2 intervalos é criada aplicando um peso de 2 ao período mais recente e um peso de 1 ao período anterior. A fórmula na célula E5 pode ser copiada para a célula E17. Etapa 3 8211 Adicionar a série de média móvel ponderada ao gráfico Esses dados devem agora ser adicionados ao gráfico que contém os dados originais da linha de tempo de vendas. Os dados serão simplesmente adicionados como mais uma série de dados no gráfico. Para fazer isso, clique com o botão direito do mouse em qualquer lugar no gráfico e um menu será exibido. Clique em Selecionar dados para adicionar a nova série de dados. A série de média móvel será adicionada preenchendo a caixa de diálogo Edit Series da seguinte maneira: O gráfico que contém a série de dados original ea média móvel ponderada de 2 intervalos de dados é mostrado da seguinte forma. Observe que a linha de média móvel é bastante mais suave e os desvios de dados brutos acima e abaixo da linha de tendência são muito mais aparentes. A tendência geral é agora muito mais aparente também. Uma média móvel de 3 intervalos pode ser criada e colocada no gráfico usando praticamente o mesmo procedimento a seguir. Observe que o período mais recente é atribuído o peso de 3, o período anterior ao que é atribuído e peso de 2 eo período anterior a isso é atribuído um peso de 1. Estes dados devem agora ser adicionados ao gráfico que contém o original Linha de dados de vendas junto com a série de 2 intervalos. Os dados serão simplesmente adicionados como mais uma série de dados no gráfico. Para fazer isso, clique com o botão direito do mouse em qualquer lugar no gráfico e um menu será exibido. Clique em Selecionar dados para adicionar a nova série de dados. A série de média móvel será adicionada preenchendo a caixa de diálogo Edit Series da seguinte forma: Como esperado um pouco mais suavização ocorre com a média móvel ponderada de 3 intervalos do que com a média móvel ponderada de 2 intervalos. Para comparação, uma média móvel ponderada de 6 intervalos será calculada e adicionada ao gráfico da mesma maneira como segue. Observe os pesos progressivamente decrescentes atribuídos à medida que os períodos se tornam mais distantes no passado. Esses dados devem agora ser adicionados ao gráfico contendo a linha de tempo original de dados de vendas juntamente com a série de 2 e 3 intervalos. Os dados serão simplesmente adicionados como mais uma série de dados no gráfico. Para fazer isso, clique com o botão direito do mouse em qualquer lugar no gráfico e um menu será exibido. Clique em Selecionar dados para adicionar a nova série de dados. A série de média móvel será adicionada preenchendo a caixa de diálogo Edit Series da seguinte forma: Como esperado, a média móvel ponderada de 6 intervalos é significativamente mais suave do que as médias móveis ponderadas de 2 ou 3 intervalos. Um gráfico mais suave se encaixa mais diretamente em uma linha reta. Analisando a precisão da previsão Os dois componentes da precisão da previsão são os seguintes: Tendência de previsão 8211 A tendência de uma previsão ser consistentemente maior ou menor que os valores reais de uma série temporal. O viés de previsão é a soma de todo o erro dividido pelo número de períodos como segue: Um viés positivo indica uma tendência para a subprevisão. Um viés negativo indica uma tendência para sobre-previsão. O viés não mede a precisão porque os erros positivos e negativos se cancelam mutuamente. Erro de Previsão 8211 A diferença entre os valores reais de uma série temporal e os valores previstos da previsão. As medidas mais comuns de erro de previsão são as seguintes: MAD 8211 Desvio absoluto médio MAD calcula o valor absoluto médio do erro e é calculado com a seguinte fórmula: A média dos valores absolutos dos erros elimina o efeito de cancelamento de erros positivos e negativos. Quanto menor for MAD, melhor será o modelo. MSE 8211 Mean Squared Error MSE é uma medida popular de erro que elimina o efeito de cancelamento de erros positivos e negativos somando os quadrados do erro com a seguinte fórmula: Os termos de grande erro tendem a exagerar MSE porque os termos de erro são todos ao quadrado. RMSE (Root Mean Square) reduz esse problema, tomando a raiz quadrada de MSE. MAPE 8211 Percentagem absoluta média MAPE também elimina o efeito de cancelamento de erros positivos e negativos somando os valores absolutos dos termos de erro. O MAPE calcula a soma dos termos de erro percentual com a seguinte fórmula: Ao somar os termos de erro percentual, o MAPE pode ser usado para comparar modelos de previsão que usam diferentes escalas de medição. Calculando o Bias, MAD, MSE, RMSE e MAPE no Excel Para a ponderação da média móvel Bias, MAD, MSE, RMSE e MAPE serão calculados no Excel para avaliar o intervalo de 2 intervalos, 3 intervalos e 6 intervalos de movimento ponderado Média obtida neste artigo e mostrada da seguinte forma: O primeiro passo é calcular E t. E t 2. E t, E t Y t-act. E então somar então como segue: O Bias, MAD, MSE, MAPE e RMSE pode ser calculado como segue: Os mesmos cálculos são executados agora para calcular Bias, MAD, MSE, MAPE e RMSE para a média móvel ponderada do intervalo-3. O Bias, MAD, MSE, MAPE e RMSE podem ser calculados da seguinte forma: Os mesmos cálculos são agora realizados para calcular Bias, MAD, MSE, MAPE e RMSE para a média móvel ponderada de 6 intervalos. Bias, MAD, MSE, MAPE e RMSE podem ser calculados da seguinte forma: Bias, MAD, MSE, MAPE e RMSE são resumidos para as médias móveis ponderadas com intervalo de 2, 3 e 6 intervalos, como se segue. A média móvel ponderada de 2 intervalos é o modelo que mais se ajusta aos dados reais, como seria de esperar. 160 Diretório de Blog do Excel Master Series Tópicos Estatísticos e Artigos em Cada Tema Média Móvel Ponderada no Exemplo 1 da Previsão Média Movente Simples. Os pesos dados aos três valores anteriores eram todos iguais. Consideremos agora o caso em que esses pesos podem ser diferentes. Esse tipo de previsão é chamado de média móvel ponderada. Aqui nós atribuímos m pesos w 1. , W m. Onde w 1. W m 1, e definir os valores previstos como se segue Exemplo 1. Refazer o Exemplo 1 da Previsão da Média Móvel Simples, onde assumimos que observações mais recentes são ponderadas mais do que observações mais antigas, usando os pesos w 1 .6, w 2 .3 e w 3 .1 (como mostrado na faixa G4: G6 da Figura 1 ). Figura 1 Médias Móveis Ponderadas As fórmulas na Figura 1 são as mesmas da Figura 1 da Previsão Média Móvel Simples. Excepto para os valores de y previstos na coluna C. Por exemplo, A fórmula na célula C7 é agora SUMPRODUCT (B4: B6, G4: G6). A previsão para o próximo valor na série de tempo é agora 81.3 (célula C19), usando a fórmula SUMPRODUCT (B16: B18, G4: G6). Ferramenta de Análise de Dados de Estatísticas Reais. O Excel não fornece uma ferramenta ponderada de análise de dados de médias móveis. Em vez disso, você pode usar a ferramenta de análise de dados Realverages Weighted Moving Averages. Para usar esta ferramenta para o exemplo 1, pressione Ctr-m. Escolha a opção Time Series no menu principal e, em seguida, a opção Basic forecasting methods na caixa de diálogo que aparece. Preencha a caixa de diálogo que aparece como mostrado na Figura 5 da previsão média móvel simples. Mas desta vez escolha a opção Média Móvel Ponderada e preencha a escala de pesos com G4: G6 (observe que nenhum cabeçalho de coluna está incluído para o intervalo de pesos). Nenhum dos valores de parâmetro são usados (essencialmente de Lags será o número de linhas na faixa de pesos e de Estações e de Previsões será padrão para 1). A saída será parecida com a saída na Figura 2 da previsão de média móvel simples. Exceto que os pesos serão usados no cálculo dos valores de previsão. Exemplo 2. Use o Solver para calcular os pesos que produzem o menor erro quadrático médio MSE. Usando as fórmulas na Figura 1, selecione Data gt AnalysisSolver e preencha a caixa de diálogo como mostrado na Figura 2. Figura 2 Caixa de diálogo Solver Observe que precisamos restringir a soma dos pesos a ser 1, o que fazemos clicando no botão Adicionar botão. Isso abre a caixa de diálogo Adicionar restrição, que preenchemos conforme mostrado na Figura 3 e clique no botão OK. Figura 3 Caixa de diálogo Adicionar restrição Clique em seguida no botão Resolver (na Figura 2), que modifica os dados na Figura 1, como mostrado na Figura 4. Figura 4 Otimização do Solver Como pode ser visto na Figura 4, o Solver altera os pesos para 0 223757 e .776243, a fim de minimizar o valor de MSE. Como pode ver, o valor minimizado de 184.688 (célula E21 da Figura 4) é pelo menos menor do que o valor MSE de 191.366 na célula E21 da Figura 2). Para bloquear esses pesos, você precisa clicar no botão OK da caixa de diálogo Resultados do Solver, mostrada na Figura 4. Previsão Média Móvel Ponderada e MAD em EXCEL O problema indica que o gerente da saída da Cidade de Carpet precisa fazer uma previsão exata de A demanda por Soft Shag tapete (é o maior vendedor). Se o gerente não encomendar tapete suficiente da fábrica de tapetes, os clientes vão comprar o seu tapete de um dos muitos concorrentes Carpet City. O gerente coletou os seguintes dados de demanda para os últimos oito meses Mês Exigência para Soft Shag Carpet 940 m 1 8 2 12 3 7 4 9 5 15 6 11 7 10 8 12 Calcule uma média móvel de 3 meses prevista para o mês 4 a 9 Calcule Uma média ponderada de 3 meses para os meses 4 a 9. Atribuir pesos de .53. 33 e .12 ao mês em seqüência, começando com o mês mais recente. Compare as duas previsão usando MAD, que a previsão parece ser mais precisa. Visualização da solução Consulte o anexo Solution. xlsx para o trabalho e. Resumo da solução Uma previsão média móvel de 3 meses e outra previsão média móvel ponderada de 3 meses, usando diferentes fatores de ponderação de suavização, foram executadas no Excel. O erro de previsão (MAD) foi calculado e as duas previsões foram comparadas usando estes valores MAD. Adicionar Solução ao Carrinho Remover do Carrinho
No comments:
Post a Comment