Gleitender Durchschnitt Mittelwert der Zeitreihendaten (Beobachtungen gleich zeitlich beabstandet) aus mehreren aufeinanderfolgenden Zeitabschnitten. Wird bewegt, weil es kontinuierlich neu berechnet wird, sobald neue Daten verfügbar sind, schreitet es fort, indem es den frühesten Wert fällt und den letzten Wert addiert. Beispielsweise kann der gleitende Durchschnitt der sechsmonatigen Verkäufe berechnet werden, indem man den Durchschnitt der Verkäufe von Januar bis Juni, dann den Durchschnitt der Verkäufe von Februar bis Juli, dann von März bis August und so weiter berechnet. (1) reduzieren die Wirkung von temporären Variationen in den Daten, (2) verbessern die Anpassung von Daten an eine Zeile (ein Prozess namens Glättung), um die Daten Trend deutlicher zu zeigen, und (3) markieren Sie einen beliebigen Wert über oder unter der Trend. Wenn Sie etwas mit sehr hoher Varianz sind das Beste, was Sie möglicherweise tun können, ist herauszufinden, den gleitenden Durchschnitt. Ich wollte wissen, was der gleitende Durchschnitt der Daten war, so hätte ich ein besseres Verständnis davon, wie wir taten. Wenn Sie versuchen, herauszufinden, einige Zahlen, die oft das Beste, was Sie tun können, ist die Berechnung der gleitenden Durchschnitt zu ändern. Box Jenkins (B-J) - ModelleForektion von Saisonzeiten und Trends durch exponentiell gewichtete gleitende Durchschnitte Das Papier liefert eine systematische Entwicklung der Prognoseausdrücke für exponentiell gewichtete gleitende Mittelwerte. Methoden für Reihen mit keinem Trend oder additivem oder multiplikativem Trend werden untersucht. Ebenso decken die Methoden nicht saisonale und saisonale Serien mit additiven oder multiplikativen Fehlerstrukturen ab. Das Papier ist eine Nachdruckversion des Berichts von 1957 an das Amt für Seeforschung (ONR 52) und wird hier veröffentlicht, um eine bessere Zugänglichkeit zu bieten. Exponentielle Glättung Vorhersage Lokale Jahreszeiten Lokale Trends Copyright copyright 2004 Veröffentlicht von Elsevier B. V. Biographie: Charles C. HOLT ist Professor für Management Emeritus an der Graduate School of Business, Universität von Texas in Austin. Seine aktuelle Forschung ist über quantitative Entscheidungsmethoden, Entscheidungsunterstützungssysteme und Finanzprognosen. Zuvor hat er Forschung und Lehre an M. I.T. Carnegie Mellon University, die London School of Economics, die Universität von Wisconsin und das Urban Institute. Er ist seit 1947 in Computeranwendungen tätig und hat Forschungsarbeiten zur automatischen Steuerung, zur Simulation von Wirtschaftssystemen, zur Produktionsplanung, zur Beschäftigung und zur Lagerhaltung sowie zur Inflation und Arbeitslosigkeit durchgeführt.
No comments:
Post a Comment