केंद्रित चलती - औसत - एक्सेल - सूत्र

औसत चल रहा है। यह उदाहरण आपको सिखाता है कि Excel में एक समय श्रृंखला की चलती औसत की गणना कैसे की जा सकती है एक चलती औसत का प्रयोग रुझानों को आसानी से पहचानने के लिए चोटियों और घाटियों को आसानी से करने के लिए किया जाता है। सबसे पहले, हम अपने समय की श्रृंखला देखें। डेटा टैब पर, डेटा विश्लेषण पर क्लिक करें। नोट डेटा विश्लेषण बटन नहीं ढूँढ सकता विश्लेषण टूलपैक ऐड-इन को लोड करने के लिए यहां क्लिक करें। चलना औसत चुनें और OK.4 पर क्लिक करें। इनपुट रेंज बॉक्स पर क्लिक करें और श्रेणी B2 M2 चुनें। 5 अंतराल बॉक्स में क्लिक करें और टाइप करें 6.6 आउटपुट रेंज बॉक्स में क्लिक करें और सेल का चयन करें B3.8 इन मानों का ग्राफ़ करें। एक्सप्लैनेशन क्योंकि हम अंतराल को 6 निर्धारित करते हैं, चल औसत औसत पिछले 5 डेटा बिंदुओं का औसत है और वर्तमान डेटा बिंदु, नतीजतन, चोटियों और घाटियों को सुखाया जाता है ग्राफ बढ़ती हुई प्रवृत्ति को दर्शाता है एक्सेल पहले 5 डेटा बिंदुओं के लिए चलती औसत की गणना नहीं कर सकता क्योंकि वहां पर्याप्त पिछले डेटा बिंदु नहीं हैं। दोवें अंतराल के लिए चरण 2 से 8 दोहराएं और अंतराल 4. सम्मेलन ला अंतराल को रगड़ना, अधिक चोटियों और घाटियों को खत्म करना मुश्किल है अंतराल के छोटे, चलती औसत करीब वास्तविक डेटा बिंदुओं के लिए हैं डेविड, हां, मैपराडस का उद्देश्य बड़ी मात्रा में डेटा पर काम करना है और यह विचार यह है कि सामान्य रूप से, नक्शा और कार्यों को कम करना चाहिए कि कितने मैपर्स या कितने रेडर्स हैं, ये सिर्फ ऑप्टिमाइज़ेशन हैं यदि आप ध्यान से सोचते हैं मैंने जो एल्गोरिथ्म पोस्ट किया है, आप देख सकते हैं कि मैपर को डेटा का क्या भाग मिलता है, प्रत्येक इनपुट ऑपरेशन को प्रत्येक ऑपरेशन को कम करने के लिए उपलब्ध होगा जो इसे आवश्यक है जो 18 सितंबर को 18 सितंबर को आवश्यक है। मेरी समझ में सबसे बढ़त औसत मैट्रिक्स के नक्शे को अच्छी तरह से नहीं है क्योंकि इसकी गणना अनिवार्य रूप से सॉर्ट किए गए डेटा के ऊपर खिड़की फिसलने है, जबकि एमआर सॉर्ट किए गए डेटा के गैर-अन्तर्निहित श्रेणियों का प्रसंस्करण कर रहा है समाधान मैं देख रहा हूं जैसा कि कस्टम पार्टिशनर को कार्यान्वित करने के लिए दो अलग-अलग विभाजन बनाने में सक्षम है दो रनों में प्रत्येक रन में आपके रेड्यूसर को डेटा की अलग-अलग श्रेणियां मिलेंगी और औसत चलती की गणना करता है, जहां मुझे प्रतीत होता है कि प्रतीत होता है कि रेडर्स के लिए पहला रन डेटा आर 1 क्यू 1, क्यू 2, क्यू 3, क्यू 4 आर 2 क्यू 5, क्यू 6, Q7, Q8। आप कुछ क्यू के लिए चलती औसत को कैसा करेंगे। अगले पश्चात आपके रिड्यूसर को आर 1 क्यू 1 Q6 R2 Q6 Q10 R3 Q10 जैसे डेटा मिलना चाहिए Q14। और शेष चलती औसत को कैसलेट करें तब आपको परिणामों को सकल करना होगा। Idea कस्टम पार्टिशनर के पास उसके दो तरीके होंगे - हर बार समान श्रेणियों में विभाजित होता है, लेकिन कुछ शिफ्ट के साथ एक सीड्यूडोड में यह विभाजन कुंजी की तरह दिखता है SHIFT MAXKEY numOfPartitions जहां SHIFT की कुंजी के अधिकतम MAXKEY अधिकतम मान से लिया जाएगा सादगी के लिए कि वे शून्य से शुरू करते हैं। रीकॉर्ड रीडर, आईएमएचओ एक समाधान नहीं है क्योंकि यह विशिष्ट विभाजन तक सीमित है और विभाजन की सीमा पर स्लाइड नहीं कर सकता। एक और समाधान विभाजन इनपुट डेटा के कस्टम तर्क को लागू करना होगा यह इनपुट का एक हिस्सा है। विभाजन के समान 2 अलग-अलग स्लाइड्स करने के लिए किया जा सकता है। उत्तर 17 सितंबर से 8 9। उत्तर। माइक्रोसॉफ्ट एक्सेल के साथ अनुमानित विश्लेषिकी का मौसमी समय श्रृंखला के साथ कार्य करना। इस अध्याय में। सरल मौसमी औसत। एसएएस और केंद्रित मूविंग एवरेज। कोडित वैक्टरों के साथ लीडर रिग्रेसन। सरल मौसमी घातीय चिकनाई। हल्ल्ट-विंटर्स मॉडल। मैटर वृद्धिशील रूप से अधिक जटिल हो जाते हैं जब आपके पास समय श्रृंखला होती है जो कि ऋतुमान के कारण भाग में होती है, उसके स्तर की प्रवृत्ति बढ़ जाती है और गिरती है मौसम के पारित होने के अनुसार हम भविष्य के वर्षों के चार सत्रों की तुलना में अधिक सामान्य अर्थों में शब्द सीज़न का उपयोग करते हैं, पूर्वानुमानित विश्लेषिकी के संदर्भ में, एक दिन एक दिन हो सकता है अगर पैटर्न साप्ताहिक दोहराते हैं या एक साल राष्ट्रपति चुनाव के चक्रों में, या अस्पताल में आठ-आठवें की पारी के बीच में बस कुछ ही चीज़ों के बारे में सीजन का प्रतिनिधित्व कर सकते हैं। यह अध्याय एक समय श्रृंखला को विघटित करने के तरीके पर एक नजर डालता है ताकि आप देख सकें कि इसकी मौसम अपनी प्रवृत्ति के अलावा कैसे काम करता है किसी भी रूप में आप अध्याय 3 और 4 में सामग्री से उम्मीद कर सकते हैं, कई तरीकों आपके लिए उपलब्ध हैं। सरल मौसमी औसत। एक समय श्रृंखला मॉडल के लिए सरल मौसमी औसत का उपयोग कभी-कभी प्रो डेटा के लिए काफी कच्चा मॉडल के साथ आप देखें लेकिन दृष्टिकोण डेटा सेट में मौसम पर ध्यान देता है, और यह आसानी से बहुत अधिक सटीक हो सकता है जैसा कि अनुमानित तकनीक के रूप में सरल घातीय चिकनाई जब सीजनकाल स्पष्ट होता है निश्चित रूप से यह एक उपयोगी मौसमी और प्रवर्तित दोनों समय श्रृंखला के साथ उपयोग की जाने वाली कुछ प्रक्रियाओं का परिचय, इसलिए चित्रा 5 में उदाहरण पर एक नज़र डालें। 1. फिक्चर 5 1 क्षैतिज मॉडल के साथ, औसत औसत परिणाम जो अनुमानित मौसमी साधनों से अधिक नहीं हैं। चित्रा 5 1 में दिखाया गया आंकड़ा और दैनिक हिट की औसत संख्या एक वेबसाइट पर प्रदर्शित करता है जो नेशनल फुटबॉल लीग के प्रशंसकों को पूरा करता है स्तंभ डी में प्रत्येक अवलोकन पांच-पांच में से चार में से प्रत्येक में प्रति दिन हिट की औसत संख्या का प्रतिनिधित्व करता है, साल का समय अवधि। एक मौसमी पैटर्न को पहचानना। आप सीमा जी 2 जी 5 में औसत से बता सकते हैं कि एक अलग त्रैमासिक प्रभाव हो रहा है हिट की सबसे बड़ी औसत संख्या गिरने और सर्दी के दौरान होती है , जब मुख्य 16 खेलों और प्लेऑफ़ की ब्याज निर्धारित की जाती है, जैसा कि औसत दैनिक हिट्स से मापा जाता है, वसंत और गर्मी के महीनों के दौरान गिरावट होती है। औसत गणना करना आसान है कि आप सरणी फ़ार्मुलों के साथ सहज महसूस करते हैं या नहीं, सभी पांचों का मतलब प्राप्त करने के लिए उदाहरण के लिए, क्वार्टर 1 के उदाहरण, आप चित्रा 5 के कक्ष G2 में इस सरणी सूत्र का उपयोग कर सकते हैं। 1. एआरआर - इसे Ctrl दबाए दर्ज करें या आप AVERAGEIF फ़ंक्शन का उपयोग कर सकते हैं। जो आप सामान्य तरीके से दर्ज कर सकते हैं, एंटर दबाकर कुंजी सामान्यतः, मैं सरणी सूत्र दृष्टिकोण को पसंद करता हूं क्योंकि यह मुझे कार्यों और मानदंडों पर अधिक नियंत्रण के लिए गुंजाइश देता है। चार्टर्ड डेटा श्रृंखला में डेटा लेबल्स शामिल हैं, जो दिखाता है कि प्रत्येक डेटा बिंदु किस तिमाही से संबंधित है। चार्ट G2 में औसत का संदेश प्रतिध्वनित करता है जी 5 क्वार्टर 1 और 4 बार-बार सबसे अधिक हिट मिलते हैं इस डेटा सेट में स्पष्ट मौसम की स्थिति है। मौसमी सूचकांक की गणना करना। आपने निर्णय लिया है कि एक समय श्रृंखला का एक मौसमी घटक है, तो आप प्रभाव: चित्रा 5 2 में दिखाए गए औसत दर्शाते हैं कि सरल-औसत विधि कैसे उस कार्य के बारे में हो जाती है। फिकर 5 2 मौसमी इंडेक्स प्राप्त करने के लिए मौसमी औसत के साथ भव्य अर्थ को जोड़ें। चित्रा 5 2 में आप जी 10 G13 G2 जी 5 में प्रत्येक मौसमी औसत से सेल जी 7 में भव्य अर्थ को घटाकर जी -13 परिणाम 1 क्वार्टर में होने का प्रभाव है, क्वार्टर 2 में होने का, और इसी तरह यदि कोई दीर्घा महीने क्वार्टर 1 में है, तो आप इसे उम्मीद करते हैं प्रति दिन 140 35 हिट के भव्य अर्थ की तुलना में 99 65 अधिक औसत दैनिक हिट हैं.यह जानकारी आपको यह बताती है कि किसी खास सीजन में कितना महत्वपूर्ण है यह मान लें कि आप प्रश्न में वेब साइट के मालिक हैं और आप विज्ञापन बेचना चाहते हैं उस स्थान पर आप पहले और चौथे क्वार्टर के दौरान निश्चित रूप से विज्ञापनदाताओं की ऊंची कीमत पूछ सकते हैं, दूसरी और तीसरी अवधि के दौरान, आप पहली तिमाही के दौरान द्वितीय या तीसरे के समय के मुकाबले दो बार अधिक से अधिक शुल्क ले सकते हैं। हान में मौसमी अनुक्रमित घ, आप मौसमी समायोजन की गणना करने के लिए भी स्थिति में हैं उदाहरण के लिए, 2005 में अभी भी चित्रा 5 2 में प्रत्येक तिमाही के लिए मौसमी रूप से समायोजित मान G16 G1 में दिखाई देते हैं, वे संबंधित त्रैमासिक माप से सूचकांक को घटाकर गणना करते हैं। परंपरागत रूप से, शब्द मौसमी सूचकांक प्रत्येक सीज़न के साथ जुड़ी एक श्रृंखला के स्तर में वृद्धि या कमी को संदर्भित करता है समानार्थक शब्द मौसमी प्रभाव हाल के वर्षों में साहित्य में प्रकट हुआ है क्योंकि आप दोनों पद देखेंगे, मैंने उन्हें इस पुस्तक में दोनों का इस्तेमाल किया है छोटी बात यह ध्यान में रखती है कि दोनों शब्दों का एक ही अर्थ है। यह ध्यान रखें कि 2001 से 2005 तक की सामान्य घटनाओं में, आपको उम्मीद है कि दूसरी तिमाही के परिणामों की पहली तिमाही के परिणामों के पीछे 133 6 के नतीजों की संभावना है, जो 99 65 से 33 9 95 लेकिन 2004 और 2005 दोनों में, दूसरी तिमाही के लिए मौसमी रूप से समायोजित परिणाम पहली तिमाही के लिए अधिक हो जाते हैं, परिणामस्वरूप आपको यह पूछने के लिए प्रेरित किया जा सकता है कि अंतिम दो वर्षों में क्या बदल गया है पहले दो क्वार्टर के मौसम में समायोजित परिणामों के बीच रिश्तों को पीछे छोड़ देता है, मैं उस मुद्दे को आगे नहीं बढ़ाता हूं, मैं इसे लाने के लिए सुझाव देता हूं कि आप अक्सर देखे गए और मौसमी रूप से समायोजित आंकड़े दोनों पर एक नजर रखना चाहते हैं। सरल मौसमी औसत से मौसम का प्रसारण प्रवृत्ति। हालांकि सरल औसत की विधि है जैसा कि मैंने पहले कहा था कच्चे तेल, घातीय चौरसाई के अधिक परिष्कृत विकल्पों की तुलना में यह बहुत अधिक सटीक हो सकता है, खासकर जब मौसमी प्रभाव स्पष्ट और विश्वसनीय होते हैं। जब समय श्रृंखला निर्विरोध होती है, जैसा कि उदाहरण के साथ इस खंड में चर्चा की गई है, साधारण मौसमी पूर्वानुमान मौसमी औसत से ज्यादा कुछ नहीं हैं जब सीज़न या तो ऊपर या नीचे ट्रेंडिंग नहीं कर रहा है, तो अगले सीज़न के लिए आपका सर्वोत्तम अनुमान यह है कि सीजन की ऐतिहासिक औसत देखें चित्रा 5 3. फिगर 5 3 मौसमी इंडेक्स प्राप्त करने के लिए मौसमी औसत के साथ भव्य अर्थ का मिश्रण करें। चित्रा 5 3 में चार्ट में धराशायी रेखा पूर्वानुमानों को दर्शाती है रोम सरल चौरसाई दो ठोस रेखाएं वास्तविक मौसमी टिप्पणियों और मौसमी औसत का प्रतिनिधित्व करती हैं नोटिस कि मौसमी औसत वास्तविक मौसमी अवलोकनों को ट्रैक करते हैं जो कि चिकनी भविष्यवाणियों से काफी निकटता से अधिक बारीकी से अधिक है आप देख सकते हैं कि कोशिकाओं F23 में दो RMSEs से कितनी अधिक बारीकी से देख सकते हैं और एच 23 मौसमी औसत के लिए आरएमएसई धीमा भविष्यवाणी के लिए आरएमएसई के एक तिहाई से थोड़ा अधिक है। आप उस मौसमी प्रभाव के आकार के साथ-साथ उनकी स्थिरता के लिए चाक भी बना सकते हैं। उदाहरण के लिए, मान लें कि अंतर औसत पहली और दूसरी क्वार्टर के बीच में 353 के बजाय 133 6 के बीच थे, जो चित्रा 5 में कोशिकाओं जी 2 और जी 3 के बीच का अंतर है। फिर, एक चौरसाई संदर्भ में, क्वार्टर 1 के लिए वास्तविक मूल्य, मूल्य के लिए एक बेहतर भविष्यक इस समय श्रृंखला के साथ की तुलना में क्वार्टर 2 और घातीय चिकनाई अगली अवधि के अपने पूर्वानुमान के लिए वर्तमान अवलोकन के मूल्य पर भारी निर्भर कर सकते हैं यदि चौरसाई स्थिर है 1 0 पर सेट, घातीय चौरसाई को भविष्यवाणी करने के लिए हल करता है और पूर्वानुमान हमेशा पहले वास्तविक के बराबर होता है। तथ्य यह है कि प्रत्येक मौसमी स्विंग का आकार तिमाही से चौथाई तक समान है अर्थात् साधारण मौसमी औसत विश्वसनीय पूर्वानुमान हैं कोई वास्तविक त्रैमासिक अवलोकन संपूर्ण मौसमी औसत से बहुत दूर जाता है। ट्रेन्ड के साथ सरल मौसमी औसत। एक प्रवृत्ति वाली श्रृंखला के साथ सरल मौसमी औसत का उपयोग कुछ वास्तविक दोष है, और मुझे यह सुझाव देने का प्रयास है कि हम इसे अनदेखा करते हैं और मांस के विषय पर आगे बढ़ते हैं लेकिन यह संभव है कि आप ऐसे परिस्थितियों में भाग लेंगे जिनमें किसी ने इस पद्धति का इस्तेमाल किया है और फिर यह दोनों को यह पता चलेगा कि यह कैसे काम करता है और बेहतर विकल्प क्यों हैं। एक प्रवृत्ति वाली श्रृंखला में मौसम की स्थिति से निपटने की किसी भी विधि को विसर्जित करने की मौलिक समस्या से निपटना चाहिए ऋतु के चलने की प्रवृत्ति का असर प्रवृत्ति को अस्पष्ट बना देता है, और इसके विपरीत, चित्रा 5 देखें। 4. आंकड़ा 5 4 प्रवृत्ति की उपस्थिति गणना की जटिलता मौसमी प्रभावों की उत्पत्ति। तथ्य यह है कि श्रृंखला में प्रवृत्ति समय के ऊपर है इसका मतलब है कि प्रत्येक सत्र की टिप्पणियों को सामान्यतः औपचारिक रूप से किया जाता है, जैसा कि न-प्रवृत्ति के मामले में किया गया था, मौसमी विविधता के साथ सामान्य प्रवृत्ति का पता चलता है मौसमी प्रभावों से अलग प्रवृत्ति के लिए आप प्रवृत्ति का अनुमान लगा सकते हैं और देखे गए आंकड़ों से इसके प्रभाव को घटा सकते हैं। परिणाम एक अनियंत्रित श्रृंखला है जो मौसमी विविधता को बरकरार रखता है। यह उसी रूप में नियंत्रित किया जा सकता है जैसा कि मैंने इस अध्याय में पहले सचित्र किया था। प्रत्येक वर्ष के लिए मतलब। डेटा और अन्य तरीकों का निराकरण करने का एक तरीका निश्चित रूप से आपको घटित होगा, यह तिमाही डेटा की बजाय वार्षिक औसत पर आधारित रुझान की गणना करना है यह विचार यह है कि वार्षिक औसत मौसमी प्रभावों के लिए असंवेदनशील है, यदि आप अपने प्रत्येक क्वार्टर के मूल्य से एक वर्ष का मतलब घटाना, योग और इस प्रकार चार तिमाही प्रभावों का औसत ठीक शून्य है इसलिए वार्षिक औसत का उपयोग करके गणना की गई प्रवृत्ति मौसमी बदलावों से अप्रभावित है यह गणना चित्रा 5 में दिखाई देती है। 5. 5 आंकड़ा 5 5 यह विधि अब सरल औसत पर रैखिक प्रतिगमन को लागू करती है। डेटा को निरस्त करने में पहला कदम प्रत्येक वर्ष के लिए औसत दैनिक हिट प्राप्त करना है चित्रा 5 में रेंज एच 3 एच 7, उदाहरण के लिए, सेल एच 3 में सूत्र, औसत डी 3 डी 6 है। वार्षिक अर्थ के आधार पर रुझान का अनुमान। हाथ में सालाना औसत के साथ, आप अपनी प्रवृत्ति की गणना करने के लिए एक स्थिति में हैं जो उस का उपयोग करके प्रबंधित है इस सरणी सूत्र का उपयोग करते हुए I3 J7 रेंज में LINEST। यदि आप एक्स-वैल्यू नहीं करते हैं तो LINEST Excel के द्वितीय तर्क के रूप में आप के लिए डिफ़ॉल्ट एक्स-मान की आपूर्ति करता है डिफ़ॉल्ट केवल 1 से शुरू होने वाली लगातार पूर्णांक है और इसकी संख्या के साथ समाप्त होता है y - मान जो आप पहली तर्क में कॉल करते हैं इस उदाहरण में, डिफ़ॉल्ट एक्स-वैल्यू G3 G7 में वर्कशीट पर निर्दिष्ट के समान है, इसलिए आप LINEST H3 H7 TRUE का उपयोग कर सकते हैं यह सूत्र दो डिफ़ॉल्ट का उपयोग करता है, एक्स - मूल्य और स्थिर, प्रतिनिधित्व बी y लगातार तीन अल्पविराम। इस अभ्यास का अंक साल-दर-वर्ष की प्रवृत्ति का परिमाण है, और LINEST आपके लिए सेल I3 में करता है कि सेल में एक्स-वैल्यू के लिए प्रतिगमन गुणांक होता है, बहुत गुणा 106 08 1 1 से 2 फिर 3, 4 और 5 के द्वारा और प्रत्येक परिणाम में 84 63 के अवरोधन में वृद्धि करें, हालांकि यह आपको वार्षिक पूर्वानुमान प्राप्त करता है, इस प्रक्रिया के लिए महत्वपूर्ण बिंदु गुणांक 106 08 का मूल्य है, जो वार्षिक प्रवृत्ति को मात्रा देता है। चरण I इस खंड में बताए गए संपूर्ण दृष्टिकोण के बारे में मेरी गलतफहमी के स्रोत पर चर्चा की गई है, इस उदाहरण में आपके पास आम तौर पर एक छोटी सी संख्याएं शामिल हैं, जो प्रतिगमन प्रतिगमन के परिणामों को चलाने के लिए कई वर्षों से बहुत अस्थिर होते हैं, जब यहां के रूप में फिर से एक छोटी संख्या के अवलोकन के आधार पर और फिर भी यह प्रक्रिया उन परिणामों पर भारी निर्भर करती है ताकि समय श्रृंखला को निरस्त किया जा सके। ट्रेंड एक्रॉस सीज़न को सहारा दे रहा है। एक ट्रेंडेड, मौसमी श्रृंखला से निपटने की सरल-औसत विधि जैसे कि थी एक प्रति-अवधि की प्रवृत्ति प्राप्त करने की अवधि के लिए अवधि की संख्या से प्रवृत्ति को विभाजित करके जारी है, यहां प्रति वर्ष की अवधि चार वर्ष है, हम त्रैमासिक आंकड़ों के साथ काम कर रहे हैं ताकि हम रुझान को अनुमान लगाने के लिए 106 08 4 को विभाजित कर सकें। प्रति तिमाही 26 पर 5. प्रक्रिया यह औसत आवधिक परिणाम से घटाकर आवधिक प्रवृत्ति का उपयोग करती है उद्देश्य उद्देश्य से वार्षिक प्रवृत्तियों के प्रभाव को दूर करना है पहले, हालांकि, हमें सभी पांच वर्षों में औसत परिणाम की गणना करने की आवश्यकता है अवधि 1 के लिए अवधि 2 और इतने पर ऐसा करने के लिए, यह वास्तविक तिमाही हिट की सूची को पुनर्व्यवस्थित करने में मदद करता है, चित्रा 5 5 की सीमा D3 D22 में दिखाया गया है जो पांच साल के मैट्रिक्स में चार क्वार्टर तक, श्रेणी G11 J15 नोटिस कि उस मैट्रिक्स के मान स्तंभ D. With सूची से संबंधित हैं, उस फैशन में व्यवस्थित डेटा के साथ, डेटा सेट में पांच सालों में औसत तिमाही मूल्य की गणना करना आसान है, यह जी 18 जी 18 श्रेणी में किया गया है। प्रवृत्ति के प्रभाव से लौटा LINEST श्रेणी G19 J19 में दिखाई देता है प्रत्येक वर्ष के शुरुआती मूल्य पहली तिमाही के लिए मनाया गया दैनिक दैनिक हिट है, इसलिए हम पहली तिमाही के लिए कोई समायोजन नहीं करते हैं, एक तिमाही के मूल्य की प्रवृत्ति या 26 5, दूसरी तिमाही से घट जाती है का मतलब हिट है, जिसके परिणामस्वरूप 32 9 9 के समायोजित दूसरे-तिमाही के मूल्य में सेल H21, चित्रा 5 5 सेल की I 9 में प्रवृत्ति के 2 क्वार्टर मूल्य, 2 26 5 या 53, तीसरे तिमाही के मतलब से घटाया जाता है, समायोजित तीसरे - सेल I21 में 282 6 के क्वार्टर वैल्यू और इसी तरह चौथी तिमाही के लिए, 454 4 से 3 क्वार्टर्स की प्रवृत्ति को घटाकर 374 8 सेल J21 में प्राप्त करें। ध्यान रखें कि यदि इस उदाहरण के मुताबिक, आप आवधिक प्रवृत्ति मान को घटाए जाने के बजाय मनाया गया आवधिक साधनों में जोड़ देंगे। समायोजित मौसमी साधनों को मौसमी प्रभावों में बदलना। इस पद्धति का तर्क दें, चित्रा 5 5 की पंक्तियों में दिखाए गए मूल्य 20 21 का औसत तिमाही परिणाम हैं वें के प्रभाव के साथ चार क्वार्टर में से प्रत्येक डेटा सेट में सामान्य और ऊपरी प्रवृत्ति को हटाया गया पंक्तियाँ 20 और 21 को कॉलम जी में विलय कर दिया गया है जिस तरह से अपनी प्रवृत्ति को बाहर किया गया है, हम उन आंकड़ों को दूसरी तिमाही में पहली तिमाही में होने के परिणामस्वरूप मौसमी प्रभाव के अनुमानों में परिवर्तित कर सकते हैं तिमाही, और इतने पर उन प्रभावों को प्राप्त करने के लिए, समायोजित तिमाही साधनों के भव्य मतलब की गणना करके शुरू करें, जो समायोजित भव्य माध्य सेल I23 में दिखाई देता है। विश्लेषण 5 में जारी है। 6. आंकड़ा 5 6 त्रैमासिक प्रभाव, या अनुक्रमित, उपयोग किया जाता है मनाया क्वार्टरलीज़ को अपरिष्कृत करने के लिए। फिगर 5 6 त्रैमासिक समायोजन और चित्रा 5 के निचले भाग से समायोजित भव्य अर्थ को दोहराता है 5 वे त्रैमासिक अनुक्रमित निर्धारित करने के लिए एकत्रित होते हैं, जिन्हें आप मौसमी प्रभाव के रूप में भी सोच सकते हैं उदाहरण के लिए, सेल D8 में सूत्र इस प्रकार है। यह 33 2 देता है, दूसरी तिमाही में होने का प्रभाव है, भव्य मतलब से-भव्य अर्थ के संबंध में, हम उम्मीद कर सकते हैं कि दूसरी तिमाही से संबंधित है जो कि भव्य अर्थ से नीचे आ गया है ख y 33 2 इकाइयां। मौखिक प्रभावों को अवलोकन किए गए क्वार्टरियों को लागू करना। पुन: संक्षेप के लिए इस प्रकार अब तक, हम प्रतिगमन के माध्यम से डेटा में वार्षिक प्रवृत्ति की मात्रा निर्धारित कर चुके हैं और 4 की प्रवृत्ति उस से त्रैमासिक मान को समझाएं चित्रा 5 6 में उठा सी 4 एफ 4 में प्रचलित प्रवृत्तियों को घटाकर सी 3 एफ 3 में प्रत्येक तिमाही के लिए मतलब को समायोजित किया गया, परिणाम, प्रत्येक तिमाही के लिए मतलब का एक स्थगित अनुमान है, चाहे वर्ष की परवाह किए बिना, तिमाही के स्थान पर, सी 5 एफ 5 में, हमने समायोजित भव्य अर्थ को घटाया , सेल जी 5 में, सी 5 एफ 5 में समायोजित त्रैमासिक माध्यम से, प्रत्येक तिमाही का मतलब समायोजित ग्रैंड अर्थ के सापेक्ष प्रत्येक तिमाही के प्रभाव के लिए होता है जो कि सीजन F8 में मौसमी इंडेक्स या प्रभाव हैं। अगला हम मौसमी मनाया गया तिमाही से प्रभाव जैसा कि चित्रा 5 6 में दिखाया गया है, आप C12 F8 में तदनुसार मूल्यों से त्रैमासिक इंडेक्सस को घटाकर, C12 F16 में और ऐसा करने का सबसे आसान तरीका सेल C20 में इस सूत्र को दर्ज करना है। एकल डॉलर के चिह्न को नोट करें सी 8 के संदर्भ में 8 से पहले, यह एक मिश्रित संदर्भ आंशिक तौर पर रिश्तेदार और आंशिक रूप से पूर्ण है डॉलर के निशान को आठवें पंक्ति के संदर्भ में एंकर होता है, लेकिन संदर्भ के कॉलम भाग में भिन्नता है। इसलिए, बाद के सूत्र के बाद प्रवेश किया जाता है सेल सी 20, आप सेल के चयन पर क्लिक कर सकते हैं, एक चयनित सेल के निचले दाएं कोने में छोटे वर्ग को संभाल लें और सीधे कक्ष में खींचें F20 जैसे ही आप सही खींचते हैं और आप मानों के साथ चलते हैं, मौसमी प्रभाव हटाए गए, वर्ष 2001 में सी 20 एफ 20 में चार कक्षों का चयन करें और एकाधिक चयन के संभाल का उपयोग करें, अब एफ 20 में, नीचे पंक्ति में खींचें 24 ताकि मैट्रिक्स के बाकी शेष को भर कर चलो। यह ध्यान में रखना जरूरी है कि हम मौसमी प्रभावों के लिए मूल त्रैमासिक मूल्यों का समायोजन कर रहे हैं मूल मूल्यों में जो भी प्रवृत्ति मौजूद है, वहां अभी भी है, और सिद्धांत रूप में, कम से कम वहां रहता है जब हमने मौसमी प्रभावों के समायोजन किए हैं, हमने एक प्रवृत्ति को हटा दिया है, लेकिन केवल फ़्रे मौसमी प्रभावों के बारे में ओम, जब हम मूल त्रैमासिक अवलोकन से स्थगित मौसमी प्रभावों को घटाते हैं, तो नतीजा यह प्रवृत्ति के साथ मूल मौकों पर है लेकिन बिना मौसमी प्रभाव। मैंने चित्रा 5 में उन मौसमों में समायोजित मूल्यों को तैयार किया है, जो उस चार्ट से चित्रा 5 4 में चार्ट चित्रा 5 6 में नोटिस कि हालांकि, अपरिष्कृत मूल्य एक सीधी रेखा पर ठीक से नहीं झुकते हैं, अधिक मौसमी प्रभाव को हटा दिया गया है। समय के समय में घबराहट के क्वार्टरियों को पारित करना। अगले चरण से भविष्यवाणी करना है चित्रा 5 6 कोशिकाओं सी 20 एफ 24 में मौसमी रूप से समायोजित, ट्रांस्ड डेटा, और इस बिंदु पर आपके पास कई विकल्प उपलब्ध हैं आप साधारण घातीय चिकनाई के साथ मिलकर विभेदकारी दृष्टिकोण का उपयोग कर सकते हैं जिसे अध्याय 3 में चर्चा की गई थी, ट्रेन्ड टाइम सीरीज़ के साथ कार्य करना आप भी उपयोग कर सकते हैं ट्रॉन्टेड सीरीज़ को चबाने के लिए होल्ट के दृष्टिकोण, अध्याय 3 और अध्याय 4 दोनों में चर्चा की गई, भविष्यवाणियों को आरंभ करना दोनों तरीकों से आपको एपी एक एक कदम आगे पूर्वानुमान बनाने के लिए osition, जिसके लिए आप इसी सीजनल इंडेक्स को जोड़ देंगे। एक अन्य दृष्टिकोण, जिसे मैं यहां इस्तेमाल करूंगा, पहले ट्रेंडेड डेटा को रैखिक प्रतिगमन के एक और उदाहरण के माध्यम से रखता है और फिर मौसमी सूचक जोड़ता है चित्र 5 देखें 7. फिगर 5 7 पहला सच्चा पूर्वानुमान 25 वीं पंक्ति में है। फिगर 5 7 चित्रा 5 6 के सी -20 एफ 24 में तालिकाबद्ध व्यवस्था से मंडलयुक्त त्रैमासिक साधनों को दर्शाता है, चित्रा 5 की सीमा सी 5 सी 24 में सूची व्यवस्था के लिए 7. हम उपयोग कर सकते हैं प्रतिलिपि समीकरण के अंतर और गुणांक की गणना करने के लिए चित्रा 5 7 में B5 C24 में डेटा के साथ LINEST, तब हम कॉलम बी में प्रत्येक मान के गुणांक को बढ़ा सकते हैं, और कॉलम में पूर्वानुमान बनाने के लिए प्रत्येक उत्पाद को अवरोधक जोड़ सकते हैं डी लेकिन हालांकि LINEST गुणांक और अवरोधन के अलावा अन्य उपयोगी जानकारी देता है, रुझान अनुमानों को प्राप्त करने का एक तेज़ तरीका है, और मैं इसे चित्रा 5 में उपयोग करता हूं। सीमा डी 5 डी 24 में पूर्वानुमान है जिसमें घूमनेवाला बी 5 बी 24 में अवधि संख्याओं पर सी 5 सी 24 में एड तिमाही के आंकड़े, डी 5 डी 24 में इस्तेमाल किए जाने वाले सूत्र सूत्र यह है। परिणाम के उस सेट में समय की श्रृंखला में सामान्य वृद्धि की प्रवृत्ति को दर्शाता है क्योंकि रुझान जो अनुमानों से अनुमान लगा रहा है, , यह मौसमी प्रभावों को जोड़ता है, जिसे मौसमी इंडेक्स के रूप में भी जाना जाता है, वापस प्रचलित पूर्वानुमान में शामिल होता है। मौसमी सूचियों को वापस जोड़ना। चित्रा 5 6 में गणना की गई मौसमी इंडेक्स, चित्रा 5 7 में प्रदान की जाती है, पहले श्रेणी सी 2 एफ 2 और फिर बार-बार E5 E8, E9 E12, और इतने पर शोध के आधार पर अनुमानित कॉलम ई में कॉलम ई में मौसमी प्रभाव जोड़कर एफ 5 एफ 24 में रखा गया है। कॉलम में प्रवृत्ति पूर्वानुमान के लिए सेल में एक-चरण-पूर्व पूर्वानुमान प्राप्त करने के लिए चित्रा 5 7 की F25 अगली अवधि के लिए टी के मूल्य सेल में आता है B25 सेल D25 में निम्नलिखित सूत्र प्रविष्ट किया गया है। यह एक्सेल को प्रतिगमन समीकरण की गणना करने के लिए निर्देश देता है जो B5 B24 में उन लोगों की सीमा C5 C24 में पूर्वानुमान करता है, और लागू होते हैं उस समीकरण को सेल B25 में नया एक्स-वैल्यू। उचित मौसमी सूचकांक सेल E25 में रखा गया है, और D25 और E25 का योग F25 में प्रवर्तित और मौसमी समय श्रृंखला के पहले सच्चा पूर्वानुमान के रूप में रखा गया है। आप पूरे सेट डेसैसनेलाइज्ड क्वार्टरियल्स और आइडेंट 5 में लिखे गए पूर्वानुमान। 8. फिगर 5 8 मौसमी प्रभाव पूर्वानुमानों को वापस कर दिए जाते हैं। सरल औसत का मूल्यांकन। मौसमी समय श्रृंखला से निपटने के लिए दृष्टिकोण, कई पूर्व वर्गों में चर्चा, कुछ सहज ज्ञान युक्त अपील है कुछ बुनियादी विचार सीधा लगता है। वार्षिक समय के साथ वार्षिक साधनों को दोबारा लगाकर वार्षिक रुझान की गणना करें। वर्ष के भीतर की अवधि के बीच वार्षिक प्रवृत्ति को विभाजित करें। समायोजित प्रभाव प्राप्त करने के लिए आवधिक प्रभाव से विभाजित प्रवृत्ति को घटाएं। वास्तविक उपायों से समायोजित प्रभावों को घटाएं समय श्रृंखला को अपरिष्कृत करने के लिए। deseasonalized श्रृंखला से पूर्वानुमान करें, और समायोजित मौसमी प्रभावों को वापस जोड़ें। मेरा अपना विचार यह है कि कई समस्याएं दृष्टिकोण को कमजोर करती हैं, और मैंने इसे इस पुस्तक में शामिल नहीं किया होगा, सिवाय इसके कि आप इसे सामना कर सकते हैं और इसलिए इसे से परिचित होना चाहिए और यह एक उपयोगी स्प्रिंगबोर्ड प्रदान करता है जो अन्य अवधारणाओं और प्रक्रियाओं में अन्य, मजबूत दृष्टिकोणों पर चर्चा करता है। सबसे पहले, वहां समस्या है जिसके बारे में मैंने पहले इस अध्याय में बहुत ही छोटे नमूने के आकार के बारे में शिकायत की थी कि हर साल की पहचान करने वाले लगातार पूर्णांक पर प्रतिवर्ष के प्रतिगमन के लिए, केवल एक भविष्यवक्ता के साथ ही, 10 टिप्पणियों के रूप में वास्तव में बैरल के नीचे स्क्रैप करना बहुत कम से कम आपको परिणामस्वरूप आर 2 को संकोचन के लिए समायोजित किया जाना चाहिए और तदनुसार अनुमान के मानक त्रुटि की फिर से गणना करना चाहिए। यह सच है कि आबादी में जितना मजबूत संबंध है, उतना छोटा नमूना है जिसे आप दूर कर सकते हैं, लेकिन वर्षों के भीतर क्वार्टर के साथ काम कर रहे हैं, आप फिर से सौभाग्यशाली लगातार दस तिमाही टिप्पणियों के लायक खोजने के लिए, प्रत्येक समय के उस दौर में उसी तरह मापा जाता है। मुझे यह नहीं समझाया गया एक वर्ष के भीतर आपको समस्याग्रस्त अप-डाउन पैटर्न का जवाब मिलता है, चित्रा 5 4 में चार्ट को देखते हुए चोटियों और घाटियों का औसत और वार्षिक साधनों से प्रवृत्ति अनुमान प्राप्त करना निश्चित रूप से उस समस्या का एक जवाब है, लेकिन , जैसा कि आप देखेंगे, एक अंतर्निहित प्रवृत्ति से मौसमी प्रभावों को अलग करने की एक मजबूत विधि है, उन दोनों के लिए लेखांकन, और तदनुसार भविष्यवाणी करता हूं कि मैं इस अध्याय में बाद में कोडित वैक्टर अनुभाग के साथ रैखिक प्रतिगमन में उस विधि को कवर करूंगा। इसके अलावा, वहाँ वर्ष की रचना की अवधि के बीच समान रूप से वार्षिक प्रवृत्ति के वितरण के सिद्धांत में कोई नींव नहीं है यह सच है कि रैखिक प्रतिगमन कुछ इसी तरह की है जब यह एक सीधी रेखा पर अपने पूर्वानुमान लगाता है, लेकिन मूलभूत धारणा बनाने के बीच एक विशाल खाई है क्योंकि विश्लेषणात्मक मॉडल अन्यथा डेटा को संभाल नहीं कर सकता है, और एक दोषपूर्ण परिणाम स्वीकार कर सकता है जिसका पूर्वानुमान में त्रुटियों की त्रुटियों को मापा और मूल्यांकन किया जा सकता है। उसने कहा, चलते औसत के उपयोग पर चलते हैं मौसम की स्थिति से निपटने के एक तरीके के रूप में सरल औसत के बजाय