متوسط التنبؤ - نموذج المشاكل تتحرك ،

متوسط ​​التحرك البسيط مشاكل استخدام المتوسط ​​المتحرك البسيط كأداة للتنبؤ: المتوسط ​​المتحرك يتتبع البيانات الفعلية، ولكنه دائما متخلف عن ذلك. المتوسط ​​المتحرك لن يصل أبدا إلى قمم أو وديان من البيانات الفعلية 1515 ينعم البيانات لا أقول لك كثيرا عن المستقبل ومع ذلك، هذا لا يجعل المتوسط ​​المتحرك عديمة الفائدة 151 تحتاج فقط أن تكون على بينة من مشاكلها. سليد دسكريبتيون أوديو ترانسكريبتيون لتلخيص، لمتوسط ​​متحرك بسيط أو متوسط ​​متحرك واحد، شهدنا بعض المشاكل مع استخدام المتوسط ​​المتحرك البسيط كأداة للتنبؤ. المتوسط ​​المتحرك هو تتبع البيانات الفعلية، ولكن متخلفة دائما وراء ذلك. المتوسط ​​المتحرك لن يصل أبدا إلى قمم أو وديان البيانات الفعلية 1515 ينعم البيانات، وأنه حقا لا أقول لك الكثير عن المستقبل، لأنه هو ببساطة التنبؤ فترة واحدة مقدما، ومن المتوقع أن تمثل أفضل قيمة للفترة المقبلة، فترة واحدة في وقت مبكر، لكنه لا اقول لكم أبعد من ذلك بكثير. وهذا لا يجعل المتوسط ​​المتحرك البسيط غير مجدي 151 في الواقع ترى التحرك بسيط aratesnet. sourceforge. openforecast. models الدرجة موفينغافيراجوديل نموذج متوسط ​​متحرك للتنبؤ يستند إلى سلسلة زمنية تم إنشاؤها بشكل مصطنع يتم فيها استبدال القيمة لفترة زمنية معينة بمتوسط تلك القيمة والقيم لبعض عدد من الفترات الزمنية السابقة والنجاح. كما كنت قد خمنت من الوصف، وهذا النموذج هو الأنسب لبيانات سلسلة زمنية أي البيانات التي تتغير مع مرور الوقت. على سبيل المثال، العديد من المخططات من الأسهم الفردية في سوق الأسهم تظهر 20، 50، 100 أو 200 يوم المتوسطات المتحركة كوسيلة لإظهار الاتجاهات. وبما أن قيمة التوقعات لأي فترة معينة هي متوسط ​​الفترات السابقة، فإن التنبؤ سيبدو دائما متخلفا عن الزيادة أو النقصان في القيم الملاحظة (المعتمدة). على سبيل المثال، إذا كان لسلسلة البيانات اتجاها تصاعديا ملحوظا، فإن توقعات المتوسط ​​المتحرك سوف توفر عموما قيمة ناقصة لقيم المتغير التابع. وتتميز طريقة المتوسط ​​المتحرك بميزة على نماذج التنبؤ الأخرى حيث أنها تعمل على إزالة القمم والأحواض (أو الوديان) في مجموعة من الملاحظات. ومع ذلك، كما أن لديها العديد من العيوب. على وجه الخصوص هذا النموذج لا ينتج معادلة فعلية. ولذلك، فإنه ليس كل ذلك مفيد كأداة متوسطة المدى التنبؤ المدى. ويمكن استخدامه بشكل موثوق للتنبؤ بفترة أو فترتين في المستقبل. ويمثل نموذج المتوسط ​​المتحرك حالة خاصة للمتوسط ​​المتحرك الأعم المرجح. في المتوسط ​​المتحرك البسيط، تكون جميع الأوزان متساوية. منذ: 0.3 المؤلف: ستيفن R. جولد الحقول الموروثة من الطبقة net. sourceforge. openforecast. models. AbstractForecastingModel موفينغافيريفيوديل () بناء نموذج جديد للتنبؤ المتوسط ​​المتحرك. موفينغايفيراجوديل (إنت إنتري) يبني نموذج جديد للتنبؤ المتوسط ​​المتحرك، وذلك باستخدام الفترة المحددة. جيتفوريكاستيب () إرجاع اسم واحد أو اثنين من اسم هذا النوع من نموذج التنبؤ. إينيت (داتاسيت داتاسيت) يستخدم لتهيئة نموذج المتوسط ​​المتحرك. توسترينغ () ينبغي تجاوز ذلك لتوفير وصف نصي لنموذج التنبؤ الحالي بما في ذلك، حيثما أمكن، أي معلمات مشتقة مستخدمة. الأساليب الموروثة من الطبقة net. sourceforge. openforecast. models. WeightedMovingAverageModel موفينغ متوسط ​​العمر المتوسط ​​بناء نموذج جديد للتنبؤ بالمتوسط ​​المتحرك. ولكي يتم إنشاء نموذج صالح، يجب استدعاء إينيت وتمرير مجموعة بيانات تحتوي على سلسلة من نقاط البيانات مع تهيئة متغير الوقت لتحديد المتغير المستقل. موفينغافيراجيموديل يبني نموذج جديد للتنبؤ بالمتوسط ​​المتحرك، باستخدام الاسم المعطى كمتغير مستقل. المعلمات: إنديبندنتفاريابل - اسم المتغير المستقل لاستخدامه في هذا النموذج. موفينغافيراجيموديل يبني نموذج جديد للتنبؤ بالمتوسط ​​المتحرك، باستخدام الفترة المحددة. ولكي يتم إنشاء نموذج صالح، يجب استدعاء إينيت وتمرير مجموعة بيانات تحتوي على سلسلة من نقاط البيانات مع تهيئة متغير الوقت لتحديد المتغير المستقل. وتستعمل قيمة الفترة لتحديد عدد الملاحظات الواجب استعمالها لحساب المتوسط ​​المتحرك. على سبيل المثال، بالنسبة للمتوسط ​​المتحرك لمدة 50 يوما حيث تكون نقاط البيانات هي ملاحظات يومية، يجب تعيين الفترة إلى 50. كما تستخدم الفترة لتحديد مقدار الفترات المستقبلية التي يمكن التنبؤ بها بشكل فعال. مع المتوسط ​​المتحرك لمدة 50 يوما، فإننا لا يمكننا بشكل معقول - مع أي درجة من الدقة - توقعات أكثر من 50 يوما بعد الفترة الأخيرة التي تتوفر البيانات. قد يكون هذا أكثر فائدة من، على سبيل المثال فترة 10 يوما، حيث يمكننا فقط توقع معقول 10 يوما بعد الفترة الماضية. المعلمات: الفترة - عدد الرصدات الواجب استعمالها لحساب المتوسط ​​المتحرك. موفينغافيراجيموديل يبني نموذج جديد للتنبؤ بالمتوسط ​​المتحرك، باستخدام الاسم المعطى كمتغير مستقل والفترة المحددة. المعلمات: إنديبندنتفاريابل - اسم المتغير المستقل لاستخدامه في هذا النموذج. الفترة - عدد الملاحظات التي ستستخدم لحساب المتوسط ​​المتحرك. تستخدم لتهيئة نموذج المتوسط ​​المتحرك. يجب استدعاء هذه الطريقة قبل أي طريقة أخرى في الصف. وبما أن نموذج المتوسط ​​المتحرك لا يستمد أي معادلة للتنبؤ، فإن هذه الطريقة تستخدم داتاسيت المدخلات لحساب قيم التنبؤات لجميع القيم الصحيحة للمتغير الزمني المستقل. تحديد بواسطة: إينيت في الواجهة التنبؤات تجاوزات: إينيت في الصف أبستراكتيمباسيدموديل معلمات: داتاسيت - مجموعة بيانات من الملاحظات التي يمكن استخدامها لتهيئة معلمات التنبؤ لنموذج التنبؤ. جيتفوريكاستيب إرجاع اسم واحد أو اثنين من اسم هذا النوع من نموذج التنبؤ. حافظ على هذا قصير. يجب تنفيذ وصف أطول في أسلوب توسترينغ. وينبغي تجاوز ذلك لتوفير وصف نصي لنموذج التنبؤ الحالي بما في ذلك، حيثما أمكن، أي معلمات مشتقة مستخدمة. تحديد من قبل: توسترينغ في واجهة التنبؤات تجاوزات: توسترينغ في فئة ويتدوفينغ أفيراجيودوديل الإرجاع: تمثيل سلسلة من نموذج التنبؤ الحالي، ومعلماته. سلسلة زمنية هي سلسلة من الملاحظات من متغير عشوائي دوري. ومن الأمثلة على ذلك الطلب الشهري على المنتج، والتسجيل السنوي للطالب في إحدى أقسام الجامعة والتدفقات اليومية في النهر. تعتبر السلاسل الزمنية مهمة لبحوث العمليات لأنها غالبا ما تكون المحركات لنماذج القرار. ويتطلب نموذج الجرد تقديرات للطلبات المستقبلية، وجدول الدورات التدريبية ونموذج التوظيف لقسم الجامعة يتطلب تقديرات لتدفق الطلاب في المستقبل، ونموذج لتوفير التحذيرات للسكان في حوض النهر يتطلب تقديرات لتدفقات الأنهار في المستقبل القريب. يوفر تحليل السلاسل الزمنية أدوات لاختيار نموذج يصف السلاسل الزمنية واستخدام النموذج للتنبؤ بالأحداث المستقبلية. نمذجة السلاسل الزمنية هي مشكلة إحصائية لأن البيانات الملحوظة تستخدم في الإجراءات الحسابية لتقدير معاملات النموذج المفترض. تفترض النماذج أن الملاحظات تختلف عشوائيا حول القيمة المتوسطة الكامنة التي هي دالة للوقت. في هذه الصفحات نقصر الانتباه إلى استخدام بيانات السلاسل الزمنية التاريخية لتقدير نموذج معتمد على الوقت. والأساليب مناسبة للتنبؤ التلقائي القصير الأجل بالمعلومات التي كثيرا ما تستخدم حيث لا تتغير الأسباب الكامنة وراء تغير الوقت بشكل ملحوظ في الوقت المناسب. ومن الناحية العملية، يعدل المحللون البشريون التنبؤات المستمدة من هذه الأساليب فيما بعد، والتي تتضمن معلومات غير متاحة من البيانات التاريخية. هدفنا الأساسي في هذا القسم هو تقديم معادلات لأساليب التنبؤ الأربعة المستخدمة في إضافة التنبؤ: المتوسط ​​المتحرك، التماسك الأسي، الانحدار والتجانس الأسي المزدوج. وتسمى هذه الطرق تمهيد. وتشمل الطرق التي لم تؤخذ في الاعتبار التنبؤ النوعي، والانحدار المتعدد، وطرق الانحدار الذاتي (أريما). يجب على المهتمين بتغطية أوسع نطاقا زيارة موقع مبادئ التنبؤ أو قراءة أحد الكتب الممتازة العديدة حول هذا الموضوع. استخدمنا كتاب التنبؤ. بواسطة ماكريداكيس، ويلوريت و ماكجي، جون ويلي أمب سونس، 1983. لاستخدام مصنف إكسيل أمثلة، يجب أن يكون لديك وظيفة التنبيه الإضافية المثبتة. اختر الأمر ريلينك لإنشاء الارتباطات إلى الوظيفة الإضافية. تصف هذه الصفحة النماذج المستخدمة للتنبؤ البسيط والتدوين المستخدم للتحليل. وهذه الطريقة الأبسط للتنبؤ هي توقعات المتوسط ​​المتحرك. الطريقة ببساطة المتوسطات من الملاحظات م الماضية. ومن المفيد لسلاسل الوقت مع المتوسط ​​المتغير ببطء. هذه الطريقة تأخذ في الاعتبار الماضي كله في توقعاتها، ولكن يزن التجربة الأخيرة أكثر بكثير من أقل حداثة. الحسابات بسيطة لأنه فقط تقدير الفترة السابقة والبيانات الحالية تحديد التقدير الجديد. طريقة مفيدة لسلسلة زمنية مع المتوسط ​​المتغير ببطء. لا تستجيب طريقة المتوسط ​​المتحرك بشكل جيد لسلسلة زمنية تزيد أو تنخفض بمرور الوقت. نحن هنا تشمل مصطلح الاتجاه الخطي في النموذج. وتقترب طريقة الانحدار من النموذج عن طريق إنشاء معادلة خطية توفر المربعات الصغرى التي تناسب آخر ملاحظات m.