Przenoszenie średniej do prognozy w programie excel

Za pomocą funkcji FORECAST w programie Excel (i Open Office Calc) skopiuj prawa autorskie. Treści w InventoryOps są chronione prawami autorskimi i nie są dostępne do ponownej publikacji. Pozwól mi zacząć od stwierdzenia, że ​​funkcja Excels Forecast Function nie jest kompletnym systemem prognozowania zapasów. Prognozowanie w zarządzaniu zapasami zazwyczaj obejmuje usuwanie hałasu z popytu, a następnie obliczanie i uwzględnianie trendów, sezonowości i zdarzeń. Funkcja prognozy nie zrobi wszystkiego dla ciebie (technicznie może, ale są lepsze sposoby na wykonanie niektórych z nich). Jest to jednak niewielka, łatwa w użyciu funkcja, która z pewnością może być częścią twojego systemu prognostycznego. Według Microsoft Help on the Forecast function. Funkcja FORECAST (x, knownys, knownxs) zwraca przewidywaną wartość zmiennej zależnej (reprezentowanej w danych przez knownys) dla określonej wartości x zmiennej niezależnej (reprezentowanej w danych przez znanex) za pomocą najlepszego dopasowania (najmniejszy kwadrat) regresja liniowa do przewidywania wartości y z wartości x. Co to właściwie oznacza? Regresja liniowa jest formą analizy regresji i może być wykorzystana do obliczenia matematycznej zależności pomiędzy dwoma (lub więcej) zestawami danych. W prognozowaniu używałbyś tego, jeśli myślisz, że jeden zestaw danych może być użyty do przewidywania innego zestawu danych. Na przykład, jeśli sprzedajesz materiały budowlane, może się okazać, że zmiany stóp procentowych mogą być wykorzystane do prognozowania sprzedaży Twoich produktów. Jest to klasyczny przykład wykorzystania regresji do obliczenia relacji między zmienną zewnętrzną (stopy procentowe) a zmienną wewnętrzną (sprzedaż). Jednak, jak zobaczymy później, można również użyć regresji do obliczenia relacji w obrębie tego samego zestawu danych. Typowe podejście do analizy regresji polega na zastosowaniu regresji do określenia zależności matematycznej, ale także w celu uzyskania informacji o tym, jak ważna jest ta relacja (to część analizy). Funkcja prognozy pomija analizę i po prostu oblicza relację i automatycznie stosuje ją do danych wyjściowych. Ułatwia to użytkownikowi, ale zakłada, że ​​twoja relacja jest ważna. Zasadniczo funkcja Prognoza wykorzystuje regresję liniową do przewidywania wartości na podstawie relacji między dwoma zestawami danych. Zobacz kilka przykładów. Na wykresie 1A mamy arkusz kalkulacyjny, który zawiera średnią stopę procentową z poprzednich 4 lat i sprzedaż jednostkową w tym samym 4-letnim okresie. Pokazujemy również prognozowaną stopę procentową na 5 rok. W przykładzie widać, że nasza sprzedaż jednostkowa wzrasta wraz ze spadkiem stóp procentowych i spada wraz ze wzrostem stóp procentowych. Patrząc na przykład, możemy prawdopodobnie zgadywać, że nasza sprzedaż w roku 5 wynosiłaby od 5 000 do 6 000 w oparciu o zaobserwowany związek między stopami procentowymi a sprzedażą w poprzednich okresach. Możemy użyć funkcji prognozy, aby dokładniej określić tę relację i zastosować ją do piątego roku. Na rysunku 1B widać działanie funkcji prognozy. W tym przypadku formuła w komórce F4 to PROGNOZA (F2, B3: E3, B2: E2). To, co mamy w nawiasie, jest znane jako argument. Argument jest tak naprawdę tylko środkiem przekazywania parametrów użytej funkcji (w tym przypadku funkcji Forecast). Każdy parametr jest oddzielony przecinkiem. Aby funkcja prognozy działała, musi znać wartość, której używamy do prognozowania naszej produkcji (nasza 5-cio letnia sprzedaż). W naszym przypadku parametr (nasza stopa procentowa 5) znajduje się w komórce F2, więc pierwszym elementem naszego argumentu jest F2. Następnie musi wiedzieć, gdzie może znaleźć istniejące wartości, których użyje do określenia relacji do F2. Najpierw musimy wprowadzić komórki, które reprezentują wartości naszej zmiennej zależnej. W naszym przypadku byłyby to nasze jednostki sprzedane w ciągu ostatnich 4 lat, dlatego wchodzimy do B3: E3. Następnie musimy wprowadzić komórki, które reprezentują wartości naszej zmiennej predykcyjnej. W naszym przypadku byłyby to stopy procentowe w ciągu ostatnich 4 lat, dlatego wpisujemy B2: E2). Funkcja prognozy może teraz porównywać jednostki sprzedane w latach od 1 do 4 ze stopami procentowymi w tych samych latach, a następnie zastosować tę relację do naszej przewidywanej stopy procentowej roku 5, aby uzyskać prognozowaną sprzedaż dla roku 5 z 5 654 jednostek. W poprzednim przykładzie możemy spojrzeć na wykresy, aby pomóc w wizualizacji relacji. Na pierwszy rzut oka może nie wyglądać tak oczywiste, ponieważ mamy odwrotną relację (sprzedaż idzie w górę, gdy stopy procentowe spadają), ale jeśli mentalnie odwrócisz jeden z wykresów, zobaczysz bardzo wyraźną relację. To jedna z fajnych rzeczy na temat funkcji prognozy (i analizy regresji). Łatwo radzi sobie z odwrotną relacją. skopiuj Copyright. Treści w InventoryOps są chronione prawami autorskimi i nie są dostępne do ponownej publikacji. Teraz spójrzmy na inny przykład. Na rysunku 2A widzimy nowy zestaw danych. W tym przykładzie nasze stopy procentowe wzrosły i spadły w ciągu ostatnich 4 lat, ale nasza sprzedaż jednostkowa wykazywała stałą tendencję wzrostową. Choć możliwe jest, że stopy procentowe miały pewien wpływ na naszą sprzedaż w tym przykładzie, jest oczywiste, że tutaj jest dużo więcej istotnych czynników. Korzystając z naszej funkcji prognozy z tymi danymi, zwracamy prognozę 7118 jednostek na rok 5. Myślę, że większość z nas patrzy na nasz trend sprzedaży i zgadza się, że znacznie bardziej prawdopodobne jest to, że nasza sprzedaż w roku 5 wyniosłaby 9000 sztuk. Jak już wcześniej wspomniałem, funkcja prognozy zakłada, że ​​relacja jest ważna, dlatego generuje dane wyjściowe w oparciu o najlepsze dopasowanie, jakie może uzyskać z danych, które zostały mu dane. Innymi słowy, jeśli powiemy, że istnieje związek, to on wierzy i produkuje dane wyjściowe odpowiednio, nie dając nam komunikatu o błędzie lub jakiegokolwiek sygnału, który sugerowałby, że związek jest bardzo słaby. Uważaj więc, o co prosisz. Poprzednie przykłady obejmowały klasyczne zastosowanie regresji do prognozowania. Choć wszystko to wydaje się być dość śliskie, ta klasyczna aplikacja regresji nie jest tak użyteczna, jak mogłoby się wydawać (możesz sprawdzić moją książkę, aby uzyskać więcej informacji na temat regresji i dlaczego nie jest to dobry wybór dla Twoich potrzeb związanych z prognozowaniem). Ale teraz pozwala skorzystać z funkcji prognozy, aby po prostu zidentyfikować trend w danym zestawie danych. Zacznijmy od spojrzenia na rysunek 3A. Tutaj mamy popyt z bardzo oczywistym trendem. Większość z nas powinna być w stanie spojrzeć na te dane i czuć się komfortowo przewidując, że popyt w Okresie 7 będzie prawdopodobnie 60 jednostek. Jeśli jednak przeprowadzisz te dane za pomocą typowych obliczeń prognostycznych wykorzystywanych w zarządzaniu zapasami, możesz być zaskoczony tym, jak kiepskie są te obliczenia przy księgowaniu trendów. Ponieważ funkcja prognozy wymaga, abyśmy wprowadzili zmienną zależną i zmienną predykcyjną, w jaki sposób będziemy używać funkcji prognozowania, jeśli mamy tylko jeden zestaw danych. Cóż, podczas gdy prawdą techniczną jest, że mamy pojedynczy zestaw danych (nasze historii popytu), w rzeczywistości mamy relację zachodzącą w tym zbiorze danych. W tym przypadku nasz związek opiera się na czasie. Dlatego możemy użyć każdego okresu popytu jako zmiennej predykcyjnej dla popytu na kolejne okresy. Musimy więc po prostu powiedzieć Funkcji prognozy, aby wykorzystywać popyt w okresach od 1 do 5 jako istniejące dane dla zmiennej predykcyjnej, i użyć zapotrzebowania w okresach od 2 do 6 jako istniejących danych dla zmiennej zależnej. Następnie powiedz, aby zastosować tę zależność do popytu w Okresie 6, aby obliczyć naszą prognozę dla Okresu 7. Na Rysunku 3B widać, że nasza formuła w komórce I3 to PROGNOZA (H2, C2: H2, B2: G2). i zwraca prognozę 60 jednostek. Oczywiście ten przykład nie jest realistyczny, ponieważ popyt jest zbyt zgrabny (brak hałasu). Spójrzmy zatem na rysunek 3C, w którym stosujemy te same obliczenia do bardziej realistycznych danych. Chcę tylko powtórzyć, że chociaż funkcja prognozy jest przydatna, nie jest to system prognostyczny. Zazwyczaj wolę mieć większą kontrolę nad tym, w jaki sposób stosuję się i rozszerzam trendy w mojej prognozie. Ponadto, chciałbyś najpierw usunąć wszelkie inne elementy twojego popytu, które nie są związane z twoim podstawowym popytem i trendem. Na przykład chcesz usunąć wszelkie skutki sezonowości lub zdarzeń (takich jak promocje) ze swojego popytu przed zastosowaniem funkcji prognozy. Następnie należy zastosować indeks sezonowości i wszelkie indeksy zdarzeń do danych wyjściowych funkcji prognozy. Możesz także bawić się swoimi wejściami, aby uzyskać konkretny pożądany rezultat. Na przykład możesz spróbować najpierw wygładzić swoją historię popytu (poprzez średnią ruchomą, ważoną średnią ruchomą lub wygładzanie wykładnicze) i używając zmiennej predykcyjnej zamiast surowego popytu. Aby uzyskać więcej informacji na temat prognozowania, zapoznaj się z moją książką Wyjaśnienie zarządzania magazynem. Korzystanie z funkcji prognozy w Open Office Calc. Dla użytkowników Openoffice. org Calc. funkcja prognozy działa prawie tak samo, jak w programie Excel. Istnieje jednak niewielka różnica w składni używanej w Calc. Wszędzie tam, gdzie używałbyś przecinka w argumencie w funkcji programu Excel, zamiast tego używałbyś średnika w Calc. Tak więc, zamiast Formularza Excela, wchodziłbyś na stronę Artykuły na więcej artykułów Dave'a Piaseckiego. skopiuj Copyright. Treści w InventoryOps są chronione prawami autorskimi i nie są dostępne do ponownej publikacji. Dave Piasecki. jest właścicielem operacyjnym Inventory Operations Consulting LLC. firma doradcza świadcząca usługi związane z zarządzaniem zapasami, obsługą materiałów i działalnością magazynową. Ma ponad 25 lat doświadczenia w zarządzaniu operacjami i można go uzyskać za pośrednictwem swojej strony internetowej (inwentaryzacji), gdzie utrzymuje dodatkowe istotne informacje. My Business Inventory Operations Consulting LLC zapewnia szybką, niedrogą, ekspercką pomoc w zarządzaniu zapasami i operacjach magazynowych. My BooksMoving Average Forecasting Wprowadzenie. Jak można się domyślić, patrzymy na niektóre z najbardziej prymitywnych podejść do prognozowania. Miejmy nadzieję, że są to przynajmniej wartościowe wprowadzenie do niektórych problemów informatycznych związanych z wdrażaniem prognoz w arkuszach kalkulacyjnych. W tym duchu będziemy kontynuować od początku i zacząć pracę z prognozami średniej ruchomej. Średnie prognozy ruchome. Wszyscy znają średnie ruchome prognozy, niezależnie od tego, czy uważają, że są. Wszyscy studenci robią to cały czas. Pomyśl o swoich wynikach testowych na kursie, w którym będziesz miał cztery testy w trakcie semestru. Załóżmy, że masz 85 na pierwszym teście. Co byś przewidział dla swojego drugiego wyniku testu Jak sądzisz, co Twój nauczyciel przewidział dla twojego następnego wyniku testu Co twoim zdaniem mogą przewidzieć twoi znajomi dla twojego następnego wyniku testu Co twoim zdaniem rodzice mogą przewidzieć dla twojego następnego wyniku testu Niezależnie od wszystko, co możesz zrobić swoim przyjaciołom i rodzicom, oni i twój nauczyciel najprawdopodobniej oczekują, że dostaniesz coś w okolicy 85, którą właśnie dostałeś. Teraz załóżmy, że pomimo twojej autopromocji dla twoich przyjaciół, przeinaczasz siebie i wyobrażasz sobie, że możesz mniej uczyć się na drugi test, a więc dostajesz 73. Teraz, co się dzieje z tymi wszystkimi zainteresowanymi i beztroskimi? spodziewaj się, że dostaniesz swój trzeci test. Istnieją dwa bardzo prawdopodobne podejścia do opracowania oszacowania, niezależnie od tego, czy podzielą się nim z tobą. Mogą powiedzieć sobie: "Ten facet zawsze dmucha o swoich sprytach. Zamierza zdobyć kolejne 73, jeśli ma szczęście. Może rodzice będą starali się być bardziej pomocni i powiedzieć: "Cóż, jak dotąd dostałeś 85 i 73, więc może powinieneś pomyśleć o zdobyciu czegoś" (85 73) 2 79. Nie wiem, może gdybyś mniej imprezował i nie kręcili weasel w całym miejscu i jeśli zacząłeś robić o wiele więcej nauki, możesz uzyskać wyższy wynik. Oba te szacunki są w rzeczywistości średnią ruchomą. Pierwszym z nich jest wykorzystanie tylko ostatniego wyniku do prognozowania przyszłej skuteczności. Jest to tak zwana prognoza średniej ruchomej z użyciem jednego okresu danych. Drugi to również prognoza średniej ruchomej, ale z wykorzystaniem dwóch okresów danych. Załóżmy, że wszyscy ci ludzie, którzy wpadają w twój wielki umysł, trochę cię wkurzyli i postanawiasz zrobić dobrze w trzecim teście z własnych powodów i wystawić wyższy wynik przed swoimi cytatami. Zdajesz egzamin, a twój wynik to w sumie 89 Wszyscy, łącznie z tobą, są pod wrażeniem. Teraz masz już ostatni test semestru i jak zwykle czujesz potrzebę nakłonienia wszystkich do przedstawienia swoich przewidywań na temat ostatniego testu. Mam nadzieję, że widzisz ten wzór. Miejmy nadzieję, że widać wzór. Co według ciebie jest najdokładniejszym Gwizdkiem, podczas gdy my pracujemy. Teraz wracamy do naszej nowej firmy sprzątającej rozpoczętej przez twoją siostrę o imieniu Whistle While We Work. Masz kilka poprzednich danych dotyczących sprzedaży reprezentowanych w poniższej sekcji z arkusza kalkulacyjnego. Najpierw przedstawiamy dane dla trzyzmianowej prognozy średniej ruchomej. Wpis dla komórki C6 powinien być teraz. Teraz możesz skopiować tę formułę komórki do innych komórek od C7 do C11. Zwróć uwagę, jak średnia porusza się po najnowszych danych historycznych, ale używa dokładnie trzech ostatnich okresów dostępnych dla każdej prognozy. Powinieneś również zauważyć, że tak naprawdę nie musimy tworzyć prognoz dla przeszłych okresów, aby rozwinąć naszą najnowszą prognozę. To zdecydowanie różni się od wykładniczego modelu wygładzania. Podaję prognozy cudzysłowów, ponieważ użyjemy ich na następnej stronie internetowej do pomiaru trafności prognozy. Teraz chcę przedstawić analogiczne wyniki dla dwuletniej prognozy średniej ruchomej. Wpis dla komórki C5 powinien być teraz. Teraz możesz skopiować tę formułę komórki do innych komórek od C6 do C11. Zwróć uwagę, jak teraz dla każdej prognozy są używane tylko dwa najnowsze dane historyczne. Ponownie uwzględniłem prognozy quotpast dla celów ilustracyjnych i do późniejszego wykorzystania w walidacji prognoz. Kilka innych rzeczy, o których należy pamiętać. Dla prognozy średniej ruchomej z okresu m do prognozowania wykorzystuje się tylko m najnowsze wartości danych. Nic więcej nie jest konieczne. Dla prognozy średniej ruchomej okresu m, podczas dokonywania prognozy quotpast, zauważ, że pierwsza prognoza ma miejsce w okresie m 1. Oba te problemy będą bardzo istotne, gdy opracujemy nasz kod. Opracowanie średniej ruchomej funkcji. Teraz musimy opracować kod dla średniej ruchomej prognozy, która może być wykorzystywana bardziej elastycznie. Kod następuje. Zauważ, że dane wejściowe odnoszą się do liczby okresów, których chcesz użyć w prognozie i tablicy wartości historycznych. Możesz przechowywać go w dowolnym skoroszycie, który chcesz. Funkcja MovingAverage (Historyczne, NumberOfPeriods) Jako pojedyncze zadeklarowanie i inicjalizacja zmiennych Dim Pozycja jako zmienny licznik wymiaru jako całkowita liczba wymiarów Dim Dimit as Single Dim HistoricalSize jako liczba całkowita Inicjowanie zmiennych Counter 1 Akumulacja 0 Określanie rozmiaru tablicy historycznej HistoricalSize Historical. Count dla licznika 1 na NumberOfPeriods Kumulacja odpowiedniej liczby ostatnio obserwowanych wartości Akumulacja akumulacja Historycznie (HistoricalSize - NumberOfPeriods Counter) MovingAverage Accumulation NumberOfPeriods Kod zostanie wyjaśniony w klasie. Chcesz umieścić funkcję w arkuszu kalkulacyjnym, aby wynik obliczeń pojawiał się tam, gdzie powinien być następujący. Średni ruch: co to jest i jak to obliczyć Obejrzyj film lub przeczytaj poniższy artykuł: Średnia ruchoma to technika aby uzyskać ogólny obraz trendów w zbiorze danych, jest to średnia z dowolnego podzbioru liczb. Średnia krocząca jest niezwykle przydatna do prognozowania trendów długoterminowych. Możesz to obliczyć na dowolny okres czasu. Na przykład, jeśli masz dane dotyczące sprzedaży przez okres dwudziestu lat, możesz obliczyć pięcioletnią średnią kroczącą, czteroletnią średnią kroczącą, trzyletnią średnią kroczącą i tak dalej. Analitycy giełdowi często używają średniej kroczącej z 50 lub 200 dni, aby pomóc im dostrzec trendy na giełdzie i (miejmy nadzieję) przewidzieć, dokąd zmierzają akcje. Średnia reprezentuje wartość 8220middling8221 zbioru liczb. Średnia ruchoma jest dokładnie taka sama, ale średnia jest obliczana kilka razy dla kilku podzbiorów danych. Na przykład, jeśli chcesz uzyskać dwuletnią średnią kroczącą dla zbioru danych z 2000, 2001, 2002 i 2003, można znaleźć średnie dla podzbiorów 2000-2001, 20012002 i 20022003. Średnie kroczące są zwykle kreślone i najlepiej wizualizowane. Obliczanie 5-letniej średniej kroczącej Przykładowy problem: obliczyć pięcioletnią średnią kroczącą z następującego zestawu danych: (4M 6M 5M 8M 9M) ​​5 6,4 M Średnia sprzedaż dla drugiego podzbioru pięciu lat (2004 8211 2008). skoncentruje się około 2006 r., jest 6,6M: (6M 5M 8M 9M 5M) 5 6,6M Średnia sprzedaż dla trzeciego podzbioru pięciu lat (2005 8211 2009). wyśrodkowany około 2007 r., wynosi 6,6M: (5M 8M 9M 5M 4M) 5 6.2M Kontynuuj obliczanie każdej średniej pięcioletniej, aż dojdziesz do końca zestawu (2009-2017). Daje to szereg punktów (średnich), które można wykorzystać do wykreślenia wykresu średnich kroczących. Poniższa tabela Excel pokazuje średnie ruchome obliczone dla lat 2003-2017 wraz z wykresem punktowym danych: Obejrzyj wideo lub przeczytaj poniższe kroki: Excel ma potężny dodatek, Data Analysis Toolpak (jak załadować dane Zestaw narzędzi do analizy), który zapewnia wiele dodatkowych opcji, w tym funkcję automatycznego średniej ruchomej. Funkcja nie tylko oblicza dla Ciebie średnią ruchomą, ale także wykreśla oryginalne dane w tym samym czasie. oszczędność ci wielu klawiszy. Excel 2017: Kroki Krok 1: Kliknij kartę 8220Data8221, a następnie kliknij 8220Data Analysis.8221 Krok 2: Kliknij 8220Moving average8221, a następnie kliknij 8220OK.8221 Krok 3: Kliknij pole 8220Input Range8221, a następnie wybierz swoje dane. Jeśli dodasz nagłówki kolumn, upewnij się, że zaznaczyłeś pole Etykiety w pierwszym wierszu. Krok 4: Wpisz odstęp w polu. Odstęp to liczba poprzednich punktów, które program Excel ma zastosować do obliczenia średniej ruchomej. Na przykład 822058221 użyje poprzednich 5 punktów danych do obliczenia średniej dla każdego kolejnego punktu. Im niższy interwał, tym bardziej zbliża się średnia krocząca do oryginalnego zestawu danych. Krok 5: Kliknij pole 8220Output Range 8221 i wybierz obszar w arkuszu, w którym chcesz wyświetlić wynik. Lub kliknij przycisk opcji 8220Nowy arkusz roboczy8221. Krok 6: Sprawdź okno 8220Chart Output 8221, jeśli chcesz zobaczyć tabelę z zestawem danych (jeśli zapomnisz to zrobić, zawsze możesz wrócić i dodać ją lub wybrać wykres z 8220Insert8221 tab.8221 Krok 7: Naciśnij 8220OK .8221 Program Excel zwróci wyniki w obszarze określonym w kroku 6. Obejrzyj wideo lub przeczytaj poniższe kroki: Przykładowy problem: obliczyć trzyletnią średnią ruchomą w programie Excel dla następujących danych sprzedaży: 2003 (33M), 2004 (22M), 2005 (36M), 2006 (34M), 2007 (43M), 2008 (39M), 2009 (41M), 2017 (36M), 2017 (45M), 2017 (56M), 2017 (64M). 1: Wpisz dane w dwóch kolumnach w Excelu Pierwsza kolumna powinna zawierać rok i drugą kolumnę dane ilościowe (w tym przypadku problem z danymi sprzedaży) Upewnij się, że w komórce nie ma pustych wierszy. : Oblicz pierwszą średnią z trzech lat (2003-2005) dla danych. W tym przykładowym problemie wpisz 8220 (B2B3B4) 38221 do komórki D3 Obliczanie pierwszej średniej Krok 3: Przeciągnij kwadrat w prawym dolnym rogu d własne, aby przenieść formułę do wszystkich komórek w kolumnie. To oblicza średnie dla kolejnych lat (na przykład 2004-2006, 2005-2007). Przeciąganie formuły. Krok 4: (Opcjonalnie) Utwórz wykres. Wybierz wszystkie dane z arkusza roboczego. Kliknij kartę 8220Insert8221, a następnie 8220Scatter, 8221, a następnie 8220Scatter z gładkimi liniami i znacznikami.8221 Wykres średniej ruchomej pojawi się w arkuszu. Sprawdź nasz kanał na YouTube, aby uzyskać więcej statystyk pomocy i wskazówek Średnia ruchoma: co to jest i jak to obliczyć została zmodyfikowana: 8 stycznia 2018 r. Przez Andale 22 myśli na temat ldquo Średnia ruchoma: co to jest i jak to obliczyć rdquo idealny i prosty do przyswojenia. Dzięki za pracę Jest to bardzo jasne i pouczające. Pytanie: Jak obliczyć 4-letnią średnią kroczącą W danym roku czterokrotna średnia ruchoma centrum na niej wyśrodkowałaby pod koniec drugiego roku (tj. 31 grudnia). Czy mogę użyć średniego dochodu do prognozowania przyszłych zarobków, które ktoś zna na środku, proszę uprzejmie powiedz mi, czy ktoś wie. W tym przypadku musimy wziąć pod uwagę 5 lat, aby uzyskać średnią, która jest w centrum. A co z resztą lat, jeśli chcemy uzyskać średnią z roku 20178230, jeśli nie mamy dalszych wartości po roku 2017, to jak byśmy to obliczyć? don8217t mieć więcej informacji nie byłoby możliwe, aby obliczyć 5 lat MA na 2017. Możesz jednak uzyskać średnią ruchomą dwa lata. Cześć, dzięki za wideo. Jedno jest jednak niejasne. Jak zrobić prognozę na najbliższe miesiące Film pokazuje prognozę dla miesięcy, dla których dane są już dostępne. Hi, Raw, I8217m pracuje nad rozszerzeniem artykułu o prognozę. Proces ten jest nieco bardziej skomplikowany niż korzystanie z przeszłych danych. Spójrz na ten artykuł Duke University, który wyjaśnia to dogłębnie. Pozdrawiam, Stephanie, dziękuję ci za jasne wyjaśnienie. Cześć Nie można znaleźć linku do sugerowanego artykułu Duke University. Poproś o ponowne opublikowanie linku