Média móvel Este exemplo ensina como calcular a média móvel de uma série temporal no Excel. Um avanço em movimento é usado para suavizar irregularidades (picos e vales) para reconhecer facilmente as tendências. 1. Primeiro, vamos dar uma olhada em nossa série de tempo. 2. No separador Dados, clique em Análise de dados. Observação: não é possível encontrar o botão Análise de dados Clique aqui para carregar o suplemento do Analysis ToolPak. 3. Selecione Média móvel e clique em OK. 4. Clique na caixa Input Range e selecione o intervalo B2: M2. 5. Clique na caixa Intervalo e escreva 6. 6. Clique na caixa Output Range e seleccione a célula B3. 8. Faça um gráfico destes valores. Explicação: porque definimos o intervalo como 6, a média móvel é a média dos 5 pontos de dados anteriores eo ponto de dados atual. Como resultado, os picos e vales são suavizados. O gráfico mostra uma tendência crescente. O Excel não consegue calcular a média móvel para os primeiros 5 pontos de dados porque não existem pontos de dados anteriores suficientes. 9. Repita os passos 2 a 8 para intervalo 2 e intervalo 4. Conclusão: Quanto maior o intervalo, mais os picos e vales são suavizados. Quanto menor o intervalo, mais perto as médias móveis são para os pontos de dados reais. Adicionar uma tendência ou linha média móvel para um gráfico Aplica-se a: Excel 2017 Word 2017 PowerPoint 2017 Excel 2017 Word 2017 Outlook 2017 PowerPoint 2017 Mais. Menos Para mostrar tendências de dados ou médias móveis em um gráfico que você criou. Você pode adicionar uma linha de tendência. Você também pode estender uma linha de tendência além de seus dados reais para ajudar a prever valores futuros. Por exemplo, a seguinte linha de tendência linear prevê dois trimestres à frente e mostra claramente uma tendência ascendente que parece promissora para as vendas futuras. Você pode adicionar uma linha de tendência a um gráfico 2-D que não está empilhado, incluindo área, barra, coluna, linha, estoque, dispersão e bolha. Você não pode adicionar uma linha de tendência a um gráfico empilhado, 3-D, radar, torta, superfície ou donut. Adicionar uma linha de tendência No gráfico, clique na série de dados à qual pretende adicionar uma linha de tendência ou uma média móvel. A linha de tendência começará no primeiro ponto de dados da série de dados que você escolher. Marque a caixa Trendline. Para escolher um tipo diferente de linha de tendência, clique na seta ao lado de Trendline. E clique em Exponencial. Previsão Linear. Ou média móvel de dois períodos. Para linhas de tendência adicionais, clique em Mais opções. Se escolher Mais opções. Clique na opção desejada no painel Formato da linha de tendência em Opções da linha de tendência. Se você selecionar Polynomial. Digite a potência mais alta para a variável independente na caixa Ordem. Se você selecionar Média em Movimento. Digite o número de períodos a serem usados para calcular a média móvel na caixa Período. Dica: Uma linha de tendência é mais precisa quando seu valor R-quadrado (um número de 0 a 1 que revela o quanto os valores estimados para a linha de tendência correspondem aos seus dados reais) está em ou próximo de 1. Quando você adiciona uma linha de tendência aos seus dados , O Excel calcula automaticamente o seu valor R-quadrado. Você pode exibir esse valor em seu gráfico, marcando o valor Exibir valor R-quadrado na caixa de gráfico (painel Formato Trendline, opções de linha de tendência). Você pode aprender mais sobre todas as opções de linha de tendência nas seções abaixo. Linhas de tendência linear Use este tipo de linha de tendência para criar uma linha reta com o melhor ajuste para conjuntos de dados lineares simples. Seus dados são lineares se o padrão em seus pontos de dados se parecer com uma linha. Uma linha de tendência linear geralmente mostra que algo está aumentando ou diminuindo a uma taxa constante. Uma linha de tendência linear usa essa equação para calcular o ajuste de mínimos quadrados para uma linha: onde m é a inclinação eb é a interceptação. A seguinte linha de tendência linear mostra que as vendas de geladeiras têm aumentado consistentemente ao longo de um período de 8 anos. Observe que o valor R-squared (um número de 0 a 1 que revela quão próximos os valores estimados para a linha de tendência correspondem aos seus dados reais) é 0.9792, que é um bom ajuste da linha aos dados. Mostrando uma linha curva melhor ajustada, esta linha de tendência é útil quando a taxa de alteração nos dados aumenta ou diminui rapidamente e, em seguida, nivela para fora. Uma linha de tendência logarítmica pode usar valores negativos e positivos. Uma linha de tendência logarítmica usa esta equação para calcular o ajuste de mínimos quadrados através de pontos: onde c e b são constantes e ln é a função de logaritmo natural. A seguinte linha de tendência logarítmica mostra o crescimento populacional predito de animais em uma área de espaço fixo, onde a população nivelada como espaço para os animais diminuiu. Observe que o valor R-quadrado é 0.933, que é um ajuste relativamente bom da linha para os dados. Essa linha de tendência é útil quando os dados flutuam. Por exemplo, quando você analisa ganhos e perdas em um grande conjunto de dados. A ordem do polinômio pode ser determinada pelo número de flutuações nos dados ou por quantas curvas (colinas e vales) aparecem na curva. Tipicamente, uma linha de tendência polinomial da Ordem 2 tem apenas uma colina ou vale, uma Ordem 3 tem uma ou duas colinas ou vales, e uma Ordem 4 tem até três colinas ou vales. Uma linha de tendência polinomial ou curvilínea usa esta equação para calcular o ajuste de mínimos quadrados através de pontos: onde b e são constantes. A seguinte linha de tendência polinomial da Ordem 2 (uma colina) mostra a relação entre a velocidade de condução eo consumo de combustível. Observe que o valor R-quadrado é 0,979, que é próximo a 1, portanto, as linhas um bom ajuste para os dados. Mostrando uma linha curva, esta linha de tendência é útil para conjuntos de dados que comparam medidas que aumentam a uma taxa específica. Por exemplo, a aceleração de um carro de corrida em intervalos de 1 segundo. Você não pode criar uma linha de tendência de energia se seus dados contiverem valores zero ou negativos. Uma linha de tendência de energia usa esta equação para calcular o ajuste de mínimos quadrados através de pontos: onde c e b são constantes. Nota: Esta opção não está disponível quando os dados incluem valores negativos ou zero. O gráfico de medidas de distância a seguir mostra a distância em metros por segundos. A linha de tendência de energia demonstra claramente a crescente aceleração. Observe que o valor R-quadrado é 0.986, que é um ajuste quase perfeito da linha para os dados. Mostrando uma linha curva, esta linha de tendência é útil quando os valores dos dados sobem ou descem em taxas constantemente crescentes. Não é possível criar uma linha de tendência exponencial se os dados contiverem valores zero ou negativos. Uma linha de tendência exponencial usa esta equação para calcular o ajuste de mínimos quadrados através de pontos: onde c e b são constantes ee é a base do logaritmo natural. A linha de tendência exponencial seguinte mostra a quantidade decrescente de carbono 14 num objecto à medida que envelhece. Observe que o valor R-quadrado é 0,990, o que significa que a linha se encaixa perfeitamente os dados. Moving Average trendline Esta linha de tendência evens out flutuações em dados para mostrar um padrão ou tendência mais claramente. Uma média móvel usa um número específico de pontos de dados (definido pela opção Período), os calcula em média e usa o valor médio como um ponto na linha. Por exemplo, se Período é definido como 2, a média dos dois primeiros pontos de dados é usada como o primeiro ponto na linha de tendência de média móvel. A média do segundo e terceiro pontos de dados é usada como o segundo ponto na linha de tendência, etc. Uma linha de tendência de média móvel usa esta equação: O número de pontos em uma linha de tendência de média móvel é igual ao número total de pontos na série menos o Número que você especificar para o período. Em um gráfico de dispersão, a linha de tendência é baseada na ordem dos valores de x no gráfico. Para obter um resultado melhor, classifique os valores x antes de adicionar uma média móvel. A seguinte linha de tendência de média móvel mostra um padrão no número de casas vendidas ao longo de um período de 26 semanas. Média móvel ponderada no exemplo 1 da previsão de média móvel simples. Os pesos dados aos três valores anteriores eram todos iguais. Consideremos agora o caso em que esses pesos podem ser diferentes. Este tipo de previsão é chamado de média móvel ponderada. Aqui nós atribuímos m pesos w 1. , W m. Onde w 1. W m 1, e definir os valores previstos como se segue Exemplo 1. Refazer o Exemplo 1 da Previsão de Movimento Média Simplificada onde assumimos que observações mais recentes são ponderadas mais do que observações mais antigas, usando os pesos w 1 .6, w 2 .3 e w 3 .1 (como mostrado na faixa G4: G6 da Figura 1 ). Figura 1 Médias Móveis Ponderadas As fórmulas na Figura 1 são as mesmas da Figura 1 da Previsão Média Móvel Simples. Excepto para os valores de y previstos na coluna C. Por exemplo, A fórmula na célula C7 é agora SUMPRODUCT (B4: B6, G4: G6). A previsão para o próximo valor na série de tempo é agora 81.3 (célula C19), usando a fórmula SUMPRODUCT (B16: B18, G4: G6). Ferramenta de Análise de Dados da Estatística Real. O Excel não fornece uma ferramenta ponderada de análise de dados de médias móveis. Em vez disso, você pode usar a ferramenta de análise de dados das médias móveis ponderadas do Real Statistics. Para usar esta ferramenta para o exemplo 1, pressione Ctr-m. Escolha a opção Time Series no menu principal e, em seguida, a opção Basic forecasting methods na caixa de diálogo que aparece. Preencha a caixa de diálogo que aparece como mostrado na Figura 5 da previsão de média móvel simples. Mas desta vez escolha a opção Média Móvel Ponderada e preencha a escala de pesos com G4: G6 (observe que nenhum cabeçalho de coluna está incluído para o intervalo de pesos). Nenhum dos valores de parâmetro são usados (essencialmente de Lags será o número de linhas na faixa de pesos e de Estações e de Previsões será padrão para 1). A saída será parecida com a saída na Figura 2 da previsão de média móvel simples. Exceto que os pesos serão usados no cálculo dos valores de previsão. Exemplo 2. Use o Solver para calcular os pesos que produzem o menor erro quadrático médio MSE. Usando as fórmulas na Figura 1, selecione Dados gt AnalysisSolver e preencha a caixa de diálogo como mostrado na Figura 2. Figura 2 Caixa de diálogo Solver Observe que precisamos restringir a soma dos pesos a ser 1, o que fazemos clicando no botão Adicionar botão. Isso abre a caixa de diálogo Adicionar restrição, que preenchemos conforme mostrado na Figura 3 e, em seguida, clique no botão OK. Figura 3 Caixa de diálogo Adicionar restrição Clique em seguida no botão Solve (na Figura 2), que modifica os dados na Figura 1, como mostrado na Figura 4. Figura 4 Otimização do Solver Como pode ser visto na Figura 4, o Solver altera os pesos para 0 223757 e .776243, a fim de minimizar o valor de MSE. Como você pode ver, o valor minimizado de 184.688 (célula E21 da Figura 4) é pelo menos menor do que o valor MSE de 191.366 na célula E21 da Figura 2). Para bloquear esses pesos, você precisa clicar no botão OK da caixa de diálogo Resultados do Solver mostrada na Figura 4.
Comments
Post a Comment