متوسط حساب الخطأ المنقول

المتوسط ​​المتحرك يعلمك هذا المثال كيفية حساب المتوسط ​​المتحرك لسلسلة زمنية في إكسيل. يتم استخدام أفيارج تتحرك لتسهيل المخالفات (قمم والوديان) بسهولة التعرف على الاتجاهات. 1. أولا، دعونا نلقي نظرة على السلاسل الزمنية لدينا. 2. من علامة التبويب بيانات، انقر فوق تحليل البيانات. ملاحظة: لا يمكن العثور على زر تحليل البيانات انقر هنا لتحميل الوظيفة الإضافية تولباس تولباك. .3 حدد متوسط ​​النقل وانقر فوق موافق. .4 انقر في مربع نطاق الإدخال وحدد النطاق B2: M2. 5. انقر في المربع الفاصل الزمني واكتب 6. 6. انقر في المربع نطاق الإخراج وحدد الخلية B3. 8. رسم رسم بياني لهذه القيم. إكسلاناتيون: لأننا نقوم بضبط الفاصل الزمني الى 6، المتوسط ​​المتحرك هو متوسط ​​نقاط البيانات الخمس السابقة ونقطة البيانات الحالية. ونتيجة لذلك، يتم تمهيد قمم والوديان بها. يظهر الرسم البياني اتجاها متزايدا. لا يستطيع إكسيل حساب المتوسط ​​المتحرك لنقاط البيانات الخمس الأولى لأنه لا توجد نقاط بيانات سابقة كافية. 9. كرر الخطوات من 2 إلى 8 للفاصل الزمني 2 والفاصل الزمني 4. الخاتمة: كلما زاد الفاصل الزمني، كلما تم تمهيد القمم والوديان. أصغر الفاصل الزمني، وأقرب المتوسطات المتحركة هي نقاط البيانات الفعلية. هذا هو السؤال الأساسي على نماذج مربع بوكس ​​جينكينز. كما أفهم، فإن نموذج ما هو في الأساس انحدار خطي لقيم السلاسل الزمنية Y ضد أخطاء الخطأ السابقة و. ه. أي أن الملاحظة Y تتراجع أولا مقابل قيمها السابقة Y. Y ثم واحد أو أكثر Y - القيم قبعة تستخدم كعبارات الخطأ لنموذج ما. ولكن كيف يتم حساب عبارات الخطأ في نموذج أريما (0، 0، 2) إذا تم استخدام نموذج ما بدون جزء الانحدار الذاتي وبالتالي لا توجد قيمة مقدره، كيف يمكن أن يكون هناك خطأ في السؤال أبر 7 12 12 في 12:48 ما نموذج تقدير: دعونا نفترض سلسلة مع 100 نقطة الوقت، ويقول هذا يتميز ما (1) نموذج مع أي اعتراض. ثم يتم إعطاء نموذج من قبل يتفاريبسيلونت-ثيتافاريبسيلون، رباعية t1،2، كدوتس، 100quad (1) لم يتم ملاحظة مصطلح الخطأ هنا. لذلك للحصول على هذا، صندوق وآخرون. تحليل السلاسل الزمنية: التنبؤ والتحكم (الطبعة الثالثة). صفحة 228. تشير إلى أن مصطلح الخطأ يتم حسابه بشكل متكرر من قبل، لذا فإن مصطلح الخطأ ل t1 هو، فاريبسيلون y ثيتافاريبسيلون الآن لا يمكننا حساب هذا دون معرفة قيمة ثيتا. لذلك للحصول على هذا، نحن بحاجة لحساب التقدير الأولي أو الأولي للنموذج، الرجوع إلى صندوق وآخرون. من الكتاب المذكور، القسم 6.3.2 الصفحة 202 أن، وقد تبين أن أول أوتوكوريلاتيونس q من ما (q) عملية غير الصفر ويمكن أن تكون مكتوبة من حيث المعلمات من النموذج كما روكديسبلايستليفراك theta1theta theta2theta سدوتستيتا ثيتاق رباعية k1،2، كدوتس، q التعبير أعلاه forrho1، rho2cdots، روق من حيث ثيتا، ثيتا، كدوتس، ثيتاق، الإمدادات س المعادلات في q مجهول. ويمكن الحصول على تقديرات أولية للتيت عن طريق استبدال أرسي التقديرات لروك في المعادلة أعلاه لاحظ أن أرك هو الترابط الذاتي المقدرة. هناك المزيد من المناقشة في القسم 6.3 - التقديرات الأولية للمعلمات. يرجى قراءة على ذلك. الآن، على افتراض نحصل على التقدير الأولي theta0.5. ثم، فاريبسيلون ذ 0.5varepsilon الآن، مشكلة أخرى هي أننا لا نملك قيمة ل varepsilon0 لأن t يبدأ في 1، ولذا فإننا لا يمكن حساب varepsilon1. لحسن الحظ، هناك طريقتين الحصول على هذا، احتمال المشروط الاحتمال غير المشروط وفقا لصندوق وآخرون. القسم 7.1.3 صفحة 227. يمكن استبدال قيم varepsilon0 إلى الصفر كتقريب إذا كان n معتدلا أو كبيرا، فإن هذه الطريقة هي احتمال مشروطي. وبخلاف ذلك، يتم استخدام الاحتمال غير المشروط، حيث يتم الحصول على قيمة varepsilon0 بالتنبؤات الخلفية، بوكس ​​إت آل. يوصي هذا الأسلوب. اقرأ المزيد حول التنبؤات الخلفية في القسم 7.1.4 صفحة 231. بعد الحصول على التقديرات الأولية وقيمة varepsilon0، ثم أخيرا يمكننا المضي قدما في حساب عودية من الخطأ المدى. ثم المرحلة النهائية هي لتقدير المعلمة من نموذج (1)، وتذكر هذا ليس التقدير الأولي بعد الآن. في تقدير ثيتا المعلمة، وأنا استخدم إجراء تقدير غير الخطية، لا سيما خوارزمية ليفنبرغ-ماركاردت، منذ نماذج ما هي غير الخطية على المعلمة. تمهيد البيانات يزيل الاختلاف العشوائي ويظهر الاتجاهات والمكونات الدورية متماسكة في جمع البيانات التي اتخذت مع مرور الوقت بعض شكل من أشكال الاختلاف العشوائي. هناك طرق للحد من إلغاء التأثير بسبب الاختلاف العشوائي. تقنية غالبا ما تستخدم في الصناعة هو تمهيد. هذه التقنية، عندما تطبق بشكل صحيح، يكشف بشكل أكثر وضوحا الاتجاه الكامن، المكونات الموسمية ودورية. هناك مجموعتان متميزتان من طرق التجانس طرق المتوسط ​​طرق التمدد الأسي أخذ المتوسطات هو أبسط طريقة لتسهيل البيانات سنقوم أولا بالتحقيق في بعض أساليب المتوسط، مثل المتوسط ​​البسيط لجميع البيانات السابقة. مدير مستودع يريد أن يعرف كم المورد نموذجي يسلم في 1000 دولار الوحدات. تأخذ هيش عينة من 12 موردا، عشوائيا، والحصول على النتائج التالية: الوسط الحسابي أو متوسط ​​البيانات 10. يقرر المدير استخدام هذا التقدير كمصروف لنفقات مورد نموذجي. هل هذا تقدير جيد أو سيء متوسط ​​الخطأ المئوي هو طريقة للحكم على مدى جودة النموذج هو سنقوم بحساب متوسط ​​الخطأ التربيعي. المبلغ الحقيقي الذي تم إنفاقه ناقص المبلغ المقدر. مربع الخطأ هو الخطأ أعلاه، تربيع. و سس هو مجموع الأخطاء التربيعية. و مس هو متوسط ​​الأخطاء التربيعية. نتائج مس على سبيل المثال النتائج هي: أخطاء خطأ وتربيع التقدير 10 السؤال الذي يطرح نفسه: هل يمكننا استخدام المتوسط ​​للتنبؤ بالدخل إذا كنا نشك في اتجاه A نظرة على الرسم البياني أدناه يظهر بوضوح أننا لا ينبغي أن نفعل ذلك. متوسط ​​يزن جميع الملاحظات السابقة بالتساوي وباختصار، فإننا نذكر أن المتوسط ​​البسيط أو المتوسط ​​لجميع الملاحظات السابقة ليس سوى تقدير مفيد للتنبؤ عندما لا تكون هناك اتجاهات. إذا كانت هناك اتجاهات، استخدم تقديرات مختلفة تأخذ في الاعتبار هذا الاتجاه. ويزن المتوسط ​​جميع الملاحظات السابقة بالتساوي. على سبيل المثال، متوسط ​​القيم 3، 4، 5 هو 4. ونحن نعلم، بطبيعة الحال، أنه يتم حساب المتوسط ​​عن طريق إضافة كل القيم وتقسيم المجموع حسب عدد القيم. طريقة أخرى لحساب المتوسط ​​عن طريق إضافة كل قيمة مقسومة على عدد القيم، أو 33 43 53 1 1.3333 1.6667 4. ويسمى المضاعف 13 بالوزن. بشكل عام: شريط فراك مبلغ اليسار (فراك اليمين) X1 اليسار (فراك الحق) X2،. ،، اليسار (فراك يمين) شن. و (يسار (فراك يمين)) هي الأوزان، وبطبيعة الحال، فإنها تصل إلى 1.