برای محاسبه میانگین متحرک ، مینیتاب به طور متوسط گروههای متوالی مشاهدات را در یک سری انجام می دهد. به عنوان مثال ، فرض کنید یک سری با اعداد 4 ، 5 ، 8 ، 9 ، 10 شروع می شود و شما از میانگین میانگین حرکت 3 استفاده می کنید. دو مقدار اول میانگین متحرک از دست نمی رود. مقدار سوم میانگین متحرک میانگین 4 ، 5 ، 8 است. مقدار چهارم میانگین 5 ، 8 ، 9 است. مقدار پنجم میانگین 8 ، 9 ، 10 است.
میانگین متحرک محور
به طور پیش فرض ، مقادیر متوسط در حال حرکت در دوره ای که در آن محاسبه می شود قرار می گیرد. به عنوان مثال ، برای میانگین متوسط در حال حرکت 3 ، اولین مقدار میانگین متحرک عددی در دوره 3 ، بعدی در دوره 4 و غیره قرار می گیرد.
هنگامی که میانگین های متحرک را متمرکز می کنید ، آنها به جای پایان آن در مرکز دامنه قرار می گیرند. این کار برای قرار دادن مقادیر متوسط در حال حرکت در موقعیت های مرکزی آنها به موقع انجام می شود.
اگر طول متوسط متحرک عجیب باشد
فرض کنید طول متوسط در حال حرکت 3 است. در این حالت ، Minitab اولین مقدار متوسط عددی را در دوره 2 ، مرحله بعدی در دوره 3 و غیره قرار می دهد. در این حالت ، مقدار متوسط متحرک برای دوره های اول و آخر از دست رفته است ( *).
اگر طول متوسط در حال حرکت یکنواخت باشد
فرض کنید میانگین متوسط در حال حرکت 4 است زیرا شما نمی توانید یک مقدار متوسط متحرک را در دوره 2. 5 قرار دهید ، Minitab میانگین چهار مقدار اول را محاسبه می کند و نام آن MA1 است. سپس minitab میانگین چهار مقدار بعدی را محاسبه می کند و نام آن را MA2 می کند. میانگین این دو مقدار تعداد minitab و مکان در دوره 3 است. در این حالت ، میانگین میانگین در حال حرکت برای دو دوره اول و دو دوره آخر از دست رفته است (*).
پیش بینی
مقدار متناسب در زمان t میانگین حرکت غیرقابل حرکت در زمان t است - 1. پیش بینی ها مقادیر متناسب در منشأ پیش بینی هستند. اگر 10 واحد زمانی را پیش بینی کنید ، مقدار پیش بینی شده برای هر بار مقدار مناسب در مبدا خواهد بود. از داده های تا مبدا برای محاسبه میانگین های متحرک استفاده می شود.
می توانید با انجام میانگین های متحرک متوالی از روش متوسط حرکت خطی استفاده کنید. این کار اغلب در صورت وجود روند در داده ها انجام می شود. ابتدا میانگین متحرک سری اصلی را محاسبه و ذخیره کنید. سپس میانگین متحرک ستون قبلاً ذخیره شده را محاسبه و ذخیره کنید تا میانگین حرکت دوم بدست آید.
در پیش بینی ساده لوح ، پیش بینی زمان T مقدار داده در زمان t - 1. استفاده از روش متوسط حرکت با میانگین متحرک طول یک پیش بینی ساده لوحانه است.
محدودیت های پیش بینی
فرمول

حد بالایی = پیش بینی + 1. 96

حد پایین = پیش بینی - 1. 96
نشانه گذاری
| مدت، اصطلاح | شرح |
| msd | انحراف مربع متوسط |
مگس کردن
میانگین خطای درصد مطلق (MAPE) دقت مقادیر سری زمانی متناسب را اندازه گیری می کند. مپ دقت را به عنوان درصد بیان می کند.
فرمول

نشانه گذاری
| مدت، اصطلاح | شرح |
| yt | ارزش واقعی در زمان t |
 | مقدار مناسب |
| حرف | تعداد مشاهدات |
دیوانه
میانگین انحراف مطلق (MAD) دقت مقادیر سری زمانی متناسب را اندازه گیری می کند. MAD در همان واحدهای مشابه داده ها ، دقت را بیان می کند ، که به مفهوم سازی میزان خطا کمک می کند.
فرمول

نشانه گذاری
| مدت، اصطلاح | شرح |
| yt | ارزش واقعی در زمان t |
 | مقدار مناسب |
| حرف | تعداد مشاهدات |
msd
میانگین انحراف مربع (MSD) همیشه بدون در نظر گرفتن مدل با استفاده از همان مخرج ، N محاسبه می شود. MSD یک اندازه گیری حساس تر از یک خطای پیش بینی غیرمعمول بزرگ از دیوانه است.
فرمول

نشانه گذاری
| مدت، اصطلاح | شرح |
| yt | ارزش واقعی در زمان t |
 | مقدار مناسب |
| حرف | تعداد مشاهدات |
بازار رمزارزها...
ما را در سایت بازار رمزارزها دنبال می کنید
برچسب :
نویسنده : محمود کیانوش
بازدید : 26
تاريخ : سه
شنبه
17 مرداد
1402 ساعت: 23:19