توقعات مع الحركة من المتوسط - اكسل

متحرك متوسط ​​التنبؤ التنبؤ. كما قد تخمن أننا نبحث في بعض من أكثر الأساليب بدائية للتنبؤ. ولكن نأمل أن تكون هذه مقدمة مفيدة على الأقل لبعض قضايا الحوسبة المتعلقة بتنفيذ التنبؤات في جداول البيانات. في هذا السياق سوف نستمر من خلال البدء في البداية والبدء في العمل مع توقعات المتوسط ​​المتحرك. نقل متوسط ​​التوقعات. الجميع على دراية بتحرك توقعات المتوسط ​​بغض النظر عما إذا كانوا يعتقدون أنهم. جميع طلاب الجامعات القيام بها في كل وقت. فكر في درجاتك االختبارية في الدورة التي ستحصل فيها على أربعة اختبارات خالل الفصل الدراسي. لنفترض أنك حصلت على 85 في الاختبار الأول. ما الذي يمكن أن تتنبأ به لنتيجة الاختبار الثانية ما رأيك بأن معلمك سوف يتنبأ بنتيجة الاختبار التالية ما رأيك في أن أصدقائك قد يتنبأون بنتيجة الاختبار التالية ما رأيك في توقع والديك لنتيجة الاختبار التالية بغض النظر عن كل بلابينغ كنت قد تفعل لأصدقائك وأولياء الأمور، هم ومعلمك من المرجح جدا أن نتوقع منك الحصول على شيء في مجال 85 كنت حصلت للتو. حسنا، الآن دعونا نفترض أنه على الرغم من الترويج الذاتي الخاص بك إلى أصدقائك، وكنت أكثر من تقدير نفسك والشكل يمكنك دراسة أقل للاختبار الثاني وحتى تحصل على 73. الآن ما هي جميع المعنيين وغير مدرك الذهاب إلى توقع أن تحصل على الاختبار الثالث هناك اثنين من المرجح جدا النهج بالنسبة لهم لوضع تقدير بغض النظر عما إذا كانوا سوف تقاسمها معك. قد يقولون لأنفسهم، هذا الرجل هو دائما تهب الدخان حول ذكائه. هيس الذهاب للحصول على آخر 73 إذا هيس محظوظا. ربما كان الوالدان يحاولان أن يكونا أكثر داعما ويقولان: كوتيل، حتى الآن حصلت على 85 و 73، لذلك ربما يجب أن تحصل على حوالي (85 73) 2 79. أنا لا أعرف، ربما لو كنت أقل من الحفلات و ويرنت يهزان في كل مكان في جميع أنحاء المكان، وإذا كنت بدأت تفعل الكثير من الدراسة يمكنك الحصول على أعلى score. quot كل من هذه التقديرات تتحرك في الواقع متوسط ​​التوقعات. الأول يستخدم فقط أحدث درجاتك للتنبؤ بأدائك المستقبلي. وهذا ما يطلق عليه توقعات المتوسط ​​المتحرك باستخدام فترة واحدة من البيانات. والثاني هو أيضا متوسط ​​التوقعات المتحركة ولكن باستخدام فترتين من البيانات. دعونا نفترض أن كل هؤلاء الناس خرق على العقل العظيم لديك نوع من سكران قبالة لكم وتقرر أن تفعل بشكل جيد على الاختبار الثالث لأسباب خاصة بك ووضع درجة أعلى أمام كوتاليسكوت الخاص بك. كنت تأخذ الاختبار ودرجاتك هو في الواقع 89 الجميع، بما في ذلك نفسك، وأعجب. حتى الآن لديك الاختبار النهائي للفصل الدراسي القادمة وكالمعتاد كنت تشعر بالحاجة إلى غواد الجميع في جعل توقعاتهم حول كيف ستفعل على الاختبار الأخير. حسنا، نأمل أن ترى هذا النمط. الآن، ونأمل أن تتمكن من رؤية هذا النمط. ما الذي تعتقده هو صافرة الأكثر دقة بينما نعمل. الآن نعود إلى شركة التنظيف الجديدة التي بدأتها شقيقة نصف استدارة دعا صافرة بينما نعمل. لديك بعض بيانات المبيعات السابقة التي يمثلها القسم التالي من جدول بيانات. نعرض البيانات لأول مرة لتوقعات المتوسط ​​المتحرك لمدة ثلاث سنوات. يجب أن يكون إدخال الخلية C6 الآن يمكنك نسخ صيغة الخلية هذه إلى الخلايا الأخرى من C7 إلى C11. لاحظ كيف يتحرك المتوسط ​​على أحدث البيانات التاريخية ولكنه يستخدم بالضبط ثلاث فترات أحدث متاحة لكل تنبؤ. يجب أن تلاحظ أيضا أننا لسنا بحاجة حقا لجعل التنبؤات للفترات الماضية من أجل تطوير أحدث توقعاتنا. وهذا يختلف بالتأكيد عن نموذج التجانس الأسي. وشملت إيف التنبؤات كوتاباستكوت لأننا سوف استخدامها في صفحة الويب التالية لقياس صحة التنبؤ. الآن أريد أن أعرض النتائج المماثلة لمتوسطين توقعات المتوسط ​​المتحرك. يجب أن يكون إدخال الخلية C5 الآن يمكنك نسخ صيغة الخلية هذه إلى الخلايا الأخرى من C6 إلى C11. لاحظ كيف الآن فقط اثنين من أحدث القطع من البيانات التاريخية تستخدم لكل التنبؤ. مرة أخرى لقد قمت بتضمين التنبؤات اقتباسا لأغراض التوضيح واستخدامها لاحقا في التحقق من صحة التوقعات. بعض الأمور الأخرى التي من الأهمية أن تلاحظ. وبالنسبة للمتوسط ​​المتحرك للمتوسط ​​m، لا يتوقع إلا أن تستخدم معظم قيم المعطيات الأخيرة لجعل التنبؤ. لا شيء آخر ضروري. وبالنسبة للتنبؤ المتوسط ​​المتحرك للمتوسط ​​m، عند التنبؤ بالتنبؤات، لاحظ أن التنبؤ الأول يحدث في الفترة m 1. وستكون هاتان المسألتان مهمتين جدا عند تطوير الشفرة. تطوير المتوسط ​​المتحرك المتحرك. الآن نحن بحاجة إلى تطوير رمز لتوقعات المتوسط ​​المتحرك التي يمكن استخدامها أكثر مرونة. تتبع التعليمات البرمجية. لاحظ أن المدخلات هي لعدد الفترات التي تريد استخدامها في التوقعات ومصفوفة القيم التاريخية. يمكنك تخزينه في أي المصنف الذي تريده. وظيفة موفينغافيراج (تاريخي، نومبروفريودس) كما واحد إعلان وتهيئة المتغيرات ديم البند كما متغير عداد خافت كما عدد صحيح تراكم خافت كما أحادي ديم تاريخي الحجم كما عدد صحيح تهيئة المتغيرات عداد 1 تراكم 0 تحديد حجم الصفيف التاريخي تاريخ سيز التاريخية. الكونت كونتر 1 إلى نومبروفريودس تجميع العدد المناسب من أحدث القيم التي تمت ملاحظتها سابقا تراكم تراكم تاريخي (تاريخي - عدد نومبريوفريودس عداد) موفينغافيراج تراكوم نومبروفريودس سيتم شرح التعليمات البرمجية في الصف. تريد وضع الدالة على جدول البيانات بحيث تظهر نتيجة الحساب حيث ترغب في التالي. إضافة اتجاه أو متوسط ​​خط متحرك إلى رسم بياني ينطبق على: إكسيل 2016 ورد 2016 بويربوانت 2016 إكسيل 2013 ورد 2013 أوتلوك 2013 بويربوانت 2013 مور. أقل لعرض اتجاهات البيانات أو التحرك المتوسطات في مخطط قمت بإنشائه. يمكنك إضافة خط الاتجاه. يمكنك أيضا تمديد خط اتجاه يتجاوز البيانات الفعلية للمساعدة في التنبؤ القيم المستقبلية. على سبيل المثال، يتنبأ خط الاتجاه الخطي التالي بربعين قبل ذلك ويظهر بوضوح اتجاها تصاعديا يبدو واعدا للمبيعات المستقبلية. يمكنك إضافة خط الاتجاه إلى مخطط 2-D التي ليست مكدسة، بما في ذلك المنطقة، شريط، العمود، الخط، الأسهم، مبعثر، و فقاعة. لا يمكنك إضافة خط الاتجاه إلى مكدسة، 3-D، الرادار، فطيرة، سطح، أو الرسم البياني دونات. إضافة خط الاتجاه في المخطط، انقر على سلسلة البيانات التي تريد إضافة خط اتجاه أو متوسط ​​متحرك لها. سيبدأ خط الاتجاه على نقطة البيانات الأولى لسلسلة البيانات التي تختارها. حدد المربع تريندلين. لاختيار نوع مختلف من خط الاتجاه، انقر على السهم بجوار تريندلين. ثم انقر فوق الأسي. توقعات خطية. أو اثنين من فترة الانتقال المتوسط. بالنسبة لخطوط الاتجاه الإضافية، انقر على المزيد من الخيارات. إذا اخترت المزيد من الخيارات. انقر فوق الخيار الذي تريده في جزء "تنسيق الاتجاه" ضمن خيارات تريندلاين. إذا قمت بتحديد الحدودي. أدخل أعلى قوة للمتغير المستقل في المربع الأمر. إذا حددت متوسط ​​النقل. أدخل عدد الفترات لاستخدامها لحساب المتوسط ​​المتحرك في المربع الفترة. نصيحة: خط الاتجاه هو الأكثر دقة عندما تكون قيمة R-سكارد (عدد من 0 إلى 1 تكشف عن مدى دقة القيم المقدرة لخط الاتجاه تتوافق مع بياناتك الفعلية) عند أو بالقرب من 1. عند إضافة خط اتجاه إلى بياناتك ، يقوم إكسيل تلقائيا بحساب قيمة R-سكارد. يمكنك عرض هذه القيمة على المخطط الخاص بك عن طريق التحقق من قيمة العرض R-سكارد في مربع الرسم البياني (تنسيق جزء الاتجاه، خيارات تريندلاين). يمكنك معرفة المزيد عن جميع خيارات خط الاتجاه في الأقسام أدناه. خط الاتجاه الخطي استخدم هذا النوع من خط الاتجاه لإنشاء خط مستقيم أفضل تناسب لمجموعات البيانات الخطية البسيطة. البيانات الخاصة بك خطية إذا كان النمط في نقاط البيانات الخاصة به يشبه خط. خط الاتجاه الخطي عادة ما يظهر أن شيئا ما يتزايد أو ينخفض ​​بمعدل ثابت. يستخدم خط الاتجاه الخطي هذه المعادلة لحساب المربعات الصغرى تناسب لخط: حيث m هو المنحدر و b هو اعتراض. ويبين الخط الاتجاهي التالي أن مبيعات الثلاجات زادت باستمرار على مدى 8 سنوات. لاحظ أن قيمة R-سكارد (عدد من 0 إلى 1 الذي يكشف عن مدى دقة القيم المقدرة لخط الاتجاه تتوافق مع البيانات الفعلية الخاصة بك) هو 0.9792، وهو مناسب تماما للخط إلى البيانات. عرض خط منحني أفضل تناسب، وهذا الاتجاه هو مفيد عندما معدل التغير في البيانات يزيد أو ينخفض ​​بسرعة ثم مستويات خارج. خط الاتجاه اللوغاريتمي يمكن أن يستخدم القيم السلبية والإيجابية. يستخدم خط الاتجاه اللوغاريتمي هذه المعادلة لحساب المربعات الصغرى تناسب من خلال النقاط: حيث c و b هي الثوابت و لن هي وظيفة اللوغاريتم الطبيعي. ويظهر خط الاتجاه اللوغاريتمي التالي النمو السكاني المتوقع للحيوانات في منطقة ذات مساحة ثابتة، حيث انخفض عدد السكان المستخرج كمساحة للحيوانات. لاحظ أن قيمة R-سكارد هي 0.933، وهو مناسب نسبيا من الخط إلى البيانات. يعد هذا الاتجاه مفيدا عندما تتقلب بياناتك. على سبيل المثال، عند تحليل المكاسب والخسائر على مجموعة بيانات كبيرة. ترتيب الحدودي يمكن تحديدها من قبل عدد من التقلبات في البيانات أو عدد الانحناءات (التلال والوديان) تظهر في المنحنى. عادة، يوجد خط اتجاه متعدد الحدود من أجل 2 يحتوي على تلة أو وادي واحد فقط، ويشتمل الأمر 3 على واحد أو اثنين من التلال أو الوديان، ويوجد في الأمر 4 ما يصل إلى ثلاثة تلال أو وديان. خط الاتجاه متعدد الحدود أو المنحني يستخدم هذه المعادلة لحساب المربعات الصغرى تناسب من خلال نقاط: حيث b والثوابت. ويظهر خط الاتجاه 2 متعدد الحدود التالي (تلة واحدة) العلاقة بين سرعة القيادة واستهلاك الوقود. لاحظ أن قيمة R-سكارد هي 0.979، التي هي قريبة من 1 حتى الخطوط تناسب البيانات. عرض خط المنحني، هذا الاتجاه هو مفيد لمجموعات البيانات التي تقارن القياسات التي تزداد بمعدل معين. على سبيل المثال، تسارع سيارة سباق في فترات 1 ثانية. لا يمكنك إنشاء خط اتجاه طاقة إذا كانت بياناتك تحتوي على قيم صفر أو سلبية. يستخدم خط الاتجاه الطاقة هذه المعادلة لحساب المربعات الصغرى تناسب من خلال نقاط: حيث c و b هي الثوابت. ملاحظة: لا يتوفر هذا الخيار عندما تتضمن البيانات قيما سلبية أو صفرية. يظهر مخطط قياس المسافة التالي المسافة بالأمتار بالثواني. يوضح خط التيار الكهربائي بوضوح تسارع متزايد. لاحظ أن قيمة R-سكارد هو 0.986، وهو مثاليا تقريبا من الخط إلى البيانات. عرض خط المنحني، وهذا الاتجاه هو مفيد عندما ترتفع قيم البيانات أو تنخفض بمعدل متزايد باستمرار. لا يمكنك إنشاء خط اتجاه أسي إذا كانت بياناتك تحتوي على قيم صفر أو سلبية. يستخدم خط الاتجاه الأسي هذه المعادلة لحساب المربعات الصغرى التي تناسب من خلال النقاط: حيث c و b هي الثوابت و e هو قاعدة اللوغاريتم الطبيعي. ويظهر خط الاتجاه الأسي التالي تناقص كمية الكربون 14 في جسم ما عند عمره. لاحظ أن قيمة R-سكارد هي 0.990، مما يعني أن الخط يناسب البيانات تقريبا تقريبا. موفينغ ترافيك ترندلين هذا الاتجاه يدل على تقلبات في البيانات لإظهار نمط أو اتجاه أكثر وضوحا. يستخدم المتوسط ​​المتحرك عددا محددا من نقاط البيانات (يحددها خيار الفترة)، ويتوسطها، ويستخدم متوسط ​​القيمة كنقطة في السطر. على سبيل المثال، إذا تم تعيين الفترة إلى 2، يتم استخدام متوسط ​​أول نقطتي بيانات كنقطة أولى في خط الاتجاه المتوسط ​​المتحرك. ويستخدم متوسط ​​نقاط البيانات الثانية والثالثة كنقطة ثانية في خط الاتجاه، وما إلى ذلك. ويستخدم خط الاتجاه المتوسط ​​المتحرك هذه المعادلة: عدد النقاط في خط اتجاه متوسط ​​متحرك يساوي العدد الإجمالي للنقاط في السلسلة، مطروحا منه الرقم الذي تحدده للفترة. في المخطط المبعثر، يقوم خط الاتجاه بناء على ترتيب القيم x في المخطط. للحصول على نتيجة أفضل، صنف القيم x قبل إضافة متوسط ​​متحرك. يظهر خط الاتجاه المتوسط ​​التالي نمطا في عدد المنازل المباعة على مدى 26 أسبوعا. إنشاء حركة بسيطة هذا هو واحد من المقالات الثلاث التالية حول تحليل السلاسل الزمنية في إكسيل نظرة عامة على المتوسط ​​المتحرك المتوسط ​​المتحرك هو إحصائي تقنية تستخدم لتخفيف التقلبات قصيرة الأجل في سلسلة من البيانات من أجل التعرف بسهولة أكبر على الاتجاهات أو الدورات الأطول أجلا. ويشار أحيانا إلى المتوسط ​​المتحرك بمتوسط ​​متداول أو متوسط ​​تشغيل. والمتوسط ​​المتحرك هو سلسلة من الأرقام، يمثل كل منها متوسط ​​فاصل زمني لعدد محدد من الفترات السابقة. وكلما زاد الفاصل الزمني، كلما حدث مزيد من التمهيد. كلما كان الفاصل الزمني أصغر، كلما كان المتوسط ​​المتحرك يشبه سلسلة البيانات الفعلية. تتحرك المتوسطات المتحركة الوظائف الثلاث التالية: تمهيد البيانات، مما يعني تحسين ملاءمة البيانات إلى خط. الحد من تأثير الاختلاف المؤقت والضجيج العشوائي. تسليط الضوء على القيم المتطرفة أعلى أو أسفل هذا الاتجاه. المتوسط ​​المتحرك هو واحد من أكثر التقنيات الإحصائية استخداما في الصناعة لتحديد اتجاهات البيانات. على سبيل المثال، عادة ما يشاهد مديرو المبيعات متوسطات بيانات المبيعات لمدة ثلاثة أشهر. سوف تقارن هذه المقالة متوسطات متحركة بسيطة لمدة شهرين، وثلاثة أشهر، وستة أشهر من نفس بيانات البيع. ويستخدم المتوسط ​​المتحرك في كثير من الأحيان في التحليل التقني للبيانات المالية مثل عوائد الأسهم والاقتصاد لتحديد الاتجاهات في السلاسل الزمنية للاقتصاد الكلي مثل العمالة. هناك عدد من الاختلافات في المتوسط ​​المتحرك. وأكثرها شيوعا هو المتوسط ​​المتحرك البسيط، والمتوسط ​​المتحرك المرجح، والمتوسط ​​المتحرك الأسي. سيتم تغطية كل من هذه التقنيات في إكسيل بالتفصيل في مقالات منفصلة في هذه المدونة. هنا لمحة موجزة عن كل من هذه التقنيات الثلاثة. المتوسط ​​المتحرك البسيط كل نقطة في المتوسط ​​المتحرك البسيط هي متوسط ​​عدد محدد من الفترات السابقة. هذه المادة بلوق ستوفر شرحا مفصلا لتنفيذ هذه التقنية في إكسيل. كما يمثل متوسط ​​النقاط المتحركة في المتوسط ​​المتحرك المرجح متوسط ​​عدد محدد من الفترات السابقة. ويطبق المتوسط ​​المتحرك المرجح ترجيح مختلف لفترات سابقة معينة في كثير من الأحيان، وتعطى الفترات الأحدث حجما أكبر من الوزن. وصلة إلى مقال آخر في هذه المدونة التي تقدم شرحا مفصلا لتنفيذ هذه التقنية في إكسيل هي كما يلي: تمثل متوسطات المتوسط ​​المتحرك الأسي في المتوسط ​​المتحرك الأسي متوسط ​​عدد محدد من الفترات السابقة. ويطبق التجانس الأسي عوامل الترجيح على الفترات السابقة التي تنخفض أضعافا مضاعفة، ولا تصل أبدا إلى الصفر. ونتيجة لذلك، فإن التجانس الأسي يأخذ في الاعتبار جميع الفترات السابقة بدلا من عدد معين من الفترات السابقة التي يقوم بها المتوسط ​​المتحرك المرجح. وصلة إلى مقالة أخرى في هذه المدونة التي توفر شرحا مفصلا لتنفيذ هذه التقنية في إكسيل كما يلي: يصف ما يلي عملية من 3 خطوات لإنشاء متوسط ​​متحرك بسيط للبيانات التسلسل الزمني في إكسيل الخطوة 1 8211 الرسم البياني البيانات الأصلية في مؤامرة سلسلة زمنية المخطط البياني هو مخطط إكسيل الأكثر استخداما لبيانات سلسلة الوقت البياني. مثال على هذا المخطط إكسيل المستخدمة لرسم 13 فترات بيانات المبيعات كما يلي: الخطوة 2 8211 إنشاء المتوسط ​​المتحرك في إكسيل يوفر إكسيل أداة المتوسط ​​المتحرك ضمن قائمة تحليل البيانات. تقوم أداة المتوسط ​​المتحرك بإنشاء متوسط ​​متحرك بسيط من سلسلة بيانات. يجب ملء مربع الحوار المتوسط ​​المتحرك على النحو التالي من أجل إنشاء متوسط ​​متحرك للفترتين السابقتين من البيانات لكل نقطة بيانات. ويظهر ناتج المتوسط ​​المتحرك لفترة 2 كما يلي، جنبا إلى جنب مع الصيغ التي استخدمت لحساب قيمة كل نقطة في المتوسط ​​المتحرك. الخطوة 3 8211 إضافة سلسلة المتوسط ​​المتحرك إلى المخطط يجب الآن إضافة هذه البيانات إلى المخطط الذي يحتوي على الخط الزمني الأصلي لبيانات المبيعات. سيتم ببساطة إضافة البيانات باعتبارها سلسلة بيانات واحدة أكثر في الرسم البياني. للقيام بذلك، انقر بزر الماوس الأيمن في أي مكان على الرسم البياني وسوف القائمة المنبثقة. انقر على تحديد البيانات لإضافة سلسلة جديدة من البيانات. سيتم إضافة سلسلة المتوسط ​​المتحرك من خلال إكمال مربع الحوار تحرير السلسلة كما يلي: المخطط الذي يحتوي على سلسلة البيانات الأصلية وأن البيانات 8217s 2-فاصل متوسط ​​متحرك بسيط كما يلي. لاحظ أن خط المتوسط ​​المتحرك هو أكثر سلاسة قليلا وانحرافات البيانات data8217s أعلاه وتحت خط الاتجاه هي أكثر وضوحا بكثير. وأصبح الاتجاه العام الآن أكثر وضوحا أيضا. ويمكن إنشاء متوسط ​​متحرك ثلاثي الفواصل ووضعه على الرسم البياني باستخدام نفس الإجراء كما يلي: من المثير للاهتمام ملاحظة أن المتوسط ​​المتحرك البسيط لمدة 2 يخلق رسم بياني أكثر سلاسة من المتوسط ​​المتحرك البسيط 3-الفاصل الزمني. وفي هذه الحالة يمكن أن يكون المتوسط ​​المتحرك البسيط لمدة فاصلين أكثر استصوابا من المتوسط ​​المتحرك 3 فترات. وللمقارنة، سيحسب متوسط ​​متحرك بسيط ب 6 فترات ويضاف إلى المخطط بالطريقة نفسها كما يلي: كما هو متوقع، فإن المتوسط ​​المتحرك البسيط ذو 6 فترات يكون أكثر سلاسة بكثير من المتوسطين المتحركين البسيطين 2 أو 3 فترات. الرسم البياني أكثر سلاسة يناسب بشكل وثيق خط مستقيم. تحليل دقة التنبؤ دقة يمكن وصفها بأنها الخير مناسبا. والمكونان لدقة التنبؤ هما التاليان: التحيز المتوقع 8211 ميل التنبؤ إلى أن يكون أعلى أو أقل من القيم الفعلية لسلسلة زمنية. التحيز المتوقع هو مجموع كل الأخطاء مقسوما على عدد الفترات على النحو التالي: يشير التحيز الموجب إلى الميل إلى عدم التنبؤ. ويشير التحيز السلبي إلى ميل إلى الإفراط في التنبؤ. التحيز لا يقيس الدقة لأن الخطأ الإيجابي والسالب يلغي بعضها البعض. خطأ في التنبؤ 8211 الفرق بين القيم الفعلية لسلسلة زمنية والقيم المتوقعة للتنبؤ. وفيما يلي أكثر التدابير شيوعا لخطأ التنبؤات: 8211 درهم متوسط ​​الانحراف المطلق يحسب ماد متوسط ​​القيمة المطلقة للخطأ ويحسب بالمعادلة التالية: متوسط ​​متوسط ​​القيم المطلقة للأخطاء يلغي تأثير إلغاء الأخطاء الإيجابية والسلبية. وكلما كان حجمها أقل، كلما كان ذلك أفضل. مس 8211 يعني الخطأ التربيعي مس هو مقياس شائع للخطأ الذي يلغي تأثير إلغاء الأخطاء الإيجابية والسلبية عن طريق تجميع مربعات الخطأ بالصيغة التالية: تميل مصطلحات الخطأ الكبيرة إلى المبالغة في المشروعات الصغيرة ومتناهية الصغر لأن مربعات الخطأ مربوطة كلها. رمز (الجذر مربع يعني) يقلل من هذه المشكلة عن طريق أخذ الجذر التربيعي للمشاريع الصغيرة والمتوسطة. ماب 8211 يعني النسبة المئوية المطلقة خطأ ميب يلغي أيضا تأثير إلغاء الأخطاء الإيجابية والسلبية من خلال جمع القيم المطلقة لشروط الخطأ. وتحسب ماب مجموع مصطلحات الخطأ المئوية بالصيغة التالية: من خلال جمع مصطلحات الخطأ في المئة، يمكن استخدام ميب لمقارنة نماذج التنبؤ التي تستخدم مقاييس مختلفة للقياس. حساب التحيز و ماد و مس و رمز و ماب في إكسيل لتحليل متوسط ​​التحيز البسيط، ستحسب ماد و مس و رمز و ميب في إكسيل لتقييم الفاصل الزمني 2-الفاصل الزمني و 3-الفاصل الزمني و 6 الفاصل متوسط ​​التوقعات التي تم الحصول عليها في هذه المقالة، كما هو موضح على النحو التالي: الخطوة الأولى هي حساب E t. E t 2. E t، E t y t-أكت. ومن ثم جمعها على النحو التالي: التحيز، درهم، مس، ميب و رمز يمكن حسابها على النحو التالي: يتم إجراء الحسابات نفسها الآن لحساب التحيز، درهم، مس، ماب و رمز لمتوسط ​​متحرك بسيط 3 فترات. يتم إجراء الحسابات نفسها الآن لحساب التحيز، درهم، مس، ميب و رمز لمتوسط ​​متحرك بسيط 6 فترات. يتم تلخيص التحيز، ماد، مس، ميب و رمز ل 2-الفاصل الزمني، 3-الفاصل الزمني، و 6-الفاصل المتوسطات المتحركة بسيطة على النحو التالي. المتوسط ​​المتحرك البسيط لثلاث فترات هو النموذج الذي يناسب هذه البيانات الفعلية. 160 إكسيل ماستر سيريز مدونة دليل الموضوعات الإحصائية والمقالات في كل موضوع