المرجحة أضعافا مضاعفة - الحركة - متوسط - باور بوينت

المتوسط ​​المتحرك الموزون أسي إوما هو إحصائية لرصد العملية التي متوسط ​​البيانات بطريقة تعطي أقل وأقل وزنا للبيانات كما تتم إزالتها في الوقت المناسب من مخطط التحكم شيوهارت وتقنيات التحكم إوما الرسم البياني. للسيطرة على مخطط شيوهارت التقنية، فإن القرار المتعلق بحالة السيطرة على العملية في أي وقت، t، يعتمد فقط على أحدث قياس من العملية، وبطبيعة الحال، درجة تفاؤل تقديرات حدود المراقبة من البيانات التاريخية بالنسبة ل إوما فإن هذا القرار يعتمد على إوما إحصائية، وهو متوسط ​​مرجح أضعافا مضاعفة لجميع البيانات السابقة، بما في ذلك القياس الأخير. بإختيار عامل الترجيح، لامدا، يمكن أن يكون إجراء التحكم إوما حساسا لصغير أو تدريجي الانجراف في هذه العملية، في حين أن إجراءات التحكم شيوهارت يمكن أن تتفاعل فقط عندما تكون نقطة البيانات الأخيرة خارج حد السيطرة. تعريف إوما. الاحصاء أن يتم حساب مبوكس t لامدا يت 1- لامدا مبوكس،، مبوكس،، t 1،، 2،، لدوتس، n حيث. مبوكس 0 هو متوسط ​​هدف البيانات التاريخية. يت هو الملاحظة في الوقت t. n هو عدد الملاحظات التي سيتم رصدها بما في ذلك مبوكس 0. تفسير إوما التحكم في الرسم البياني. النقاط الحمراء هي البيانات الخام خط خشنة هو إوما إحصائية مع مرور الوقت يخبرنا المخطط أن العملية هي في السيطرة لأن كل مبوكس t كذبة بين حدود السيطرة ومع ذلك، يبدو أن هناك اتجاها صعودا لمدة 5 فترات الماضية. المحاكاة أفيراجيس و إكسوننتيال سموثينغ فريده ديكوردي-Vakil. Presentation على موضوع تحريك أفيراجيس و إكسوننتيال سموثينغ فريده ديهكوردي-فاكيل عرض النص 1 تتحرك أفيراجيس و إكسوننتيال سموثينغ فريده ديهكوردي-Vakil.2 مقدمة يقدم هذا الفصل نماذج قابلة للتطبيق على بيانات السلاسل الزمنية مع البيانات الموسمية أو الاتجاهية أو كل من الموسمية والاتجاه والبيانات الثابتة ويمكن تصنيف أساليب التنبؤ التي تمت مناقشتها في هذا الفصل على أنها أساليب المتوسط ​​المتوسطات المرجحة بالتساوي الأسي أساليب التمهيد مجموعة غير متكافئة من الأوزان إلى البيانات السابقة، حيث الأوزان تسوس أضعافا مضاعفة من الأحدث إلى الأكثر دي نقاط البيانات الثابتة تتطلب جميع الأساليب في هذه المجموعة تحديد معلمات معينة تحدد هذه المعلمات التي تتراوح قيمها بين 0 و 1 الأوزان غير المتساوية التي ستطبق على البيانات السابقة.3 مقدمة أساليب المتوسط ​​إذا تم إنشاء سلسلة زمنية بواسطة موضوع عملية ثابت إلى خطأ عشوائي، ثم يعني إحصاء مفيد ويمكن استخدامه كتنبؤ في الفترة التالية. أساليب المتوسط ​​مناسبة لبيانات السلاسل الزمنية الثابتة حيث تكون السلسلة في حالة توازن حول قيمة ثابتة المتوسط ​​الأساسي مع تباين ثابت مع مرور الوقت. 4 مقدمة الأساليب التمهيد الأسي أبسط طريقة تمهيد الأسي هي طريقة التمهيد الأسي الوحيدة التي يجب أن تقاس فيها معلمة واحدة فقط حيث أن طريقة هولت تستعمل معلمتين مختلفتين وتسمح بالتنبؤ بالسلسلة مع أسلوب الاتجاه هولت-وينترس يتضمن ثلاثة معلمات تمهيد لتسهيل والبيانات، والاتجاه، والمؤشر الموسمي. 5 طرق المتوسط ​​المتوسط ​​يستخدم متوسط ​​آل h البيانات التوقعية كما هو متوقع عندما تصبح البيانات الجديدة متاحة، فإن التنبؤ بالوقت t 2 هو المتوسط ​​الجديد بما في ذلك البيانات التي تمت ملاحظتها سابقا بالإضافة إلى الملاحظة الجديدة هذه الطريقة مناسبة عندما لا يكون هناك اتجاه ملحوظ أو موسمية. 6 أساليب المتوسط ​​المتوسط ​​المتحرك ل الفترة الزمنية t هي متوسط ​​الملاحظات الأخيرة k يحدد العدد k الثابت في البداية كلما كان العدد k أصغر كلما أعطيت وزنا أكبر للفترات الأخيرة كلما زاد عدد k، أعطى الوزن الأقل للفترات الأحدث .7 المتوسطات المتحركة K كبير مرغوب فيه عندما تكون هناك تقلبات واسعة وغير متكررة في السلسلة A k صغير هو الأكثر مرغوب فيه عندما يكون هناك تحولات مفاجئة في مستوى سلسلة بالنسبة للبيانات ربع السنوية، والمتوسط ​​المتحرك أربعة أرباع، ما 4، يلغي أو متوسطات التأثيرات الموسمية. 8 المتوسطات المتحركة للبيانات الشهرية، المتوسط ​​المتحرك لمدة 12 شهرا، ما 12، القضاء على أو متوسط ​​التأثير الموسمية يتم تعيين أوزان متساوية لكل ملاحظة مستخدمة في أي وقت مضى العمر يتم تضمين كل نقطة بيانات جديدة في المتوسط ​​عند توفرها، ويتم تجاهل نقطة البيانات الأقدم .9 المتوسطات المتحركة المتوسط ​​المتحرك للنظام k، ما k هو قيمة k الملاحظات المتتالية K هو عدد المصطلحات في متوسط ​​المتوسط ​​المتحرك لا يتطابق نموذج المتوسط ​​المتحرك مع الاتجاه أو الموسمية بشكل جيد جدا على الرغم من أنه يمكن أن يحقق أفضل من المتوسط ​​الإجمالي. 10 مثال مبيعات المتجر الأسبوعي تستخدم أرقام المبيعات الأسبوعية بملايين الدولارات المعروضة في الجدول التالي من قبل متجر رئيسي لتحديد الحاجة إلى موظفي المبيعات المؤقتين. 11 مثال على ذلك مبيعات المتجر الأسبوعي 12 استخدم المتوسط ​​المتحرك لمدة 3 أسابيع ك 3 لمبيعات المتاجر للتنبؤ بالأسبوعين 24 و 26 الخطأ المتوقع هو 13. مثال مبيعات المتاجر الأسبوعية التنبؤات للأسبوع 26 هي 14 مثال مبيعات قسم الأسبوعية رمز 0 63.15 الأساليب التمهيد الأسي يوفر هذا الأسلوب المتوسط ​​المتحرك المرجح أضعافا مضاعفة لجميع لوحظ سابقا القيم المناسبة للبيانات التي لا يمكن التنبؤ بها الاتجاه التصاعدي أو الهبوطي الهدف هو تقدير المستوى الحالي واستخدامه كتنبؤ بالقيمة المستقبلية. 16 طريقة الأسية البسيط للتلطيخ من المتوقع رسميا أن تكون معادلة التجانس الأسية للفترة التالية متسقة ثابتة ثابتة قيمة السلسلة في الفترة الزمنية t التوقعات القديمة للفترة t ويستند F t 1 التنبؤ على ترجيح الملاحظة الأخيرة يت مع الوزن والوزن أحدث التوقعات F ر مع وزن 1.17 بسيطة الأسي طريقة تمهيد الآثار المترتبة على التمهيد الأسي يمكن أن ينظر إليه بشكل أفضل إذا تم توسيع المعادلة السابقة باستبدال F t بمكوناته كما يلي. 18 طريقة التمدد الأسي البسيط إذا تكررت عملية الاستبدال هذه باستبدال F t-1 بمكوناته، F t-2 بمكوناته، و لذلك على النتيجة لذلك، F ر 1 هو المتوسط ​​المتحرك المرجح لجميع الملاحظات السابقة. 19 طريقة الأسي الأسي بسيطة يوضح الجدول التالي ث ثماني ثمانيات تم تعيينها للملاحظات السابقة على 0 2، 0 4، 0 6، 0 8، 0 9.20 طريقة الأسية الأسيوية البسيطة طريقة المعادلة الأسية المعاد صياغتها في الشكل التالي توضح دور عامل الترجيح توقعات التمدد الأسي هي التنبؤ القديم بالإضافة إلى تعديل ل الخطأ الذي حدث في آخر توقعات .21 طريقة الأسية الأسية البسيطة يجب أن تكون قيمة تجانس ثابت بين 0 و 1 لا يمكن أن تساوي 0 أو 1 إذا كان المطلوب التنبؤات مستقرة مع تباين عشوائي ممسوح ثم قيمة صغيرة من الرغبة إذا فإن الاستجابة السريعة للتغيير الحقيقي في نمط الرصدات مرغوبة، قيمة كبيرة مناسبة. 22 طريقة التمهيد الأسي البسيط للتقدير، تحسب التنبؤات بما يساوي 1 و 2 و 3 و 9 ومجموع التوقع المربعة يتم حساب الخطأ لكل من قيمة مع أصغر رمز لاستخدامها في إنتاج التوقعات المستقبلية. 23 طريقة الأسية بسيطة التمهيد لبدء الخوارزمية، ونحن بحاجة F 1 لأنه منذ F 1 غير معروف، يمكننا تحديد التقدير الأول يساوي الملاحظة الأولى استخدم متوسط ​​الملاحظات الخمسة أو الستة الأولى للقيمة الأولية الملساء. 24 مثال مؤشر ثقة المستهلك في جامعة ميشيغان جامعة ميشيغان مؤشر ثقة المستهلك لشهر يناير 1995 - ديسمبر1996 نحن نريد أن نتوقع مؤشر جامعة ميشيغان من ثقة المستهلك باستخدام بسيطة الأسية طريقة التمهيد 25. مثال جامعة ميشيغان مؤشر ثقة المستهلك نظرا لعدم وجود توقعات متاحة للفترة الأولى، وسوف نقوم بتعيين التقدير الأول يساوي الملاحظة الأولى نحن محاولة 0 3 و 0 6.26 مثال مؤشر جامعة ميشيغان مؤشر ثقة المستهلك ملاحظة أول توقعات هي أول قيمة لوحظت توقعات 95 فبراير t 2 و مارس 95 t 3 يتم تقييمها على النحو التالي 27. مثال جامعة ميشيغان مؤشر ثقة المستهلك رمز 2 66 ل 0 6 رمز 2 96 ل 0 3.28 هولت s الأسى تمهيد هولت s معلمتين الأسيل طريقة التمهيد هو امتداد ل s تنفيذ التمهيد الأسي ويضيف عامل النمو أو عامل الاتجاه إلى معادلة تجانس كوسيلة لتعديل للاتجاه 29. هولت s التماسك الأسي وتستخدم ثلاثة معادلات واثنين من الثوابت تمهيد في نموذج سلسلة من الأسي أو السلس تقدير مستوى الحالي الاتجاه تقدير فترات التنبؤ p في المستقبل 30 هولت s تمهيد الأسي L t تقدير مستوى السلسلة في الوقت t تمهيد ثابت للبيانات يت الملاحظة الجديدة أو القيمة الفعلية لسلسلة في الفترة t تمهيد ثابت لتقدير الاتجاه بت تقدير المنحدر من السلسلة في فترات زمنية تم توقعها في المستقبل 31 هولت s التماسك الأسي الوزن ويمكن اختيارها بشكل شخصي أو عن طريق تقليل قياس الخطأ المتوقع مثل رمزز الأوزان الكبيرة تؤدي إلى تغييرات أكثر سرعة في المكون الأوزان الصغيرة يؤدي إلى تغييرات أقل سرعة. هولت s تمهيد الأسي تتطلب عملية التهيئة للتلطيف الأسي الخطي هولت تقديرين أسيين s واحد للحصول على أول قيمة ممسحة ل L1 والآخر للحصول على الاتجاه b1 بديل واحد هو تعيين L 1 y 1 و 3.3 مثال مبيعات ربع سنوية من المناشير لشركة شركة أسم ويبين الجدول التالي مبيعات مناشير لأداة أسم الشركة هي مبيعات ربع سنوية من 1994 إلى 2000.34 مثال مبيعات ربع سنوية من مناشير لشركة أكمي شركة فحص المؤامرات تظهر بيانات سلسلة زمنية غير ثابتة يبدو أن هناك تباينا موسميا المبيعات في الربعين الأول والرابع أكبر من أرباع أخرى 35 مثال المبيعات الفصلية للمناشير لشركة أسم شركة مؤامرة من بيانات أسم يدل على أنه قد يكون هناك تتجه في البيانات ولذلك سنحاول نموذج هولت لإنتاج التوقعات نحن بحاجة إلى قيمتين الأولية القيمة الأولى ممسحة ل 1 1 قيمة الاتجاه الأولي ب 1 سوف نستخدم الملاحظة الأولى لتقدير القيمة الملساء L 1 وقيمة الاتجاه الأولي b 1 0 سنستخدم 3 و 1.36 مثال مبيعات ربع سنوية لمناشير لشركة أسم. شركة رمز (رمز) لهذا الطلب أتيون هو 3 و 1 رمز 155 5 كما أظهرت المؤامرة إمكانية التغيرات الموسمية التي تحتاج إلى التحقيق .38 الشتاء ق التماسي الأسي شتاء نموذج التمدد الأسي هو التمديد الثاني لنموذج تمهيد الأسي الأساسية يتم استخدامه للبيانات التي تظهر كل من الاتجاه والموسمية وهو نموذج ثلاثة المعلمة التي هي امتداد لطريقة هولت s وهناك معادلة إضافية يضبط نموذج للموسم الموسمي. 39 الشتاء ق الأسي التمهيد المعادلات الأربعة اللازمة لطريقة التكثيف الشتاء هي سلسلة السلس أضعافا الاتجاه تقدير التقديرات الموسمية 40 فصل الشتاء s فترة التماسك الأسي المتوقعة m الفترة في المستقبل لمستوى L t من سلسلة تمهيد ثابت للبيانات يت الملاحظة الجديدة أو القيمة الفعلية في الفترة t تمهيد ثابت لتقدير الاتجاه بت تقدير الاتجاه تمهيد ثابت لتقدير الموسمية S t تقدير المكونات الموسمية m عدد الفترات في فترة الرصاص المتوقعة طول الموسمية عدد الفترات في الموسم المتوقع لفترات m في المستقبل .41 التماسك الأسي في فصل الشتاء كما هو الحال مع تمهيد الأسية الخطي هولت، والأوزان، ويمكن اختياره بشكل شخصي أو عن طريق التقليل من قياس الخطأ المتوقع مثل رمزز كما هو الحال مع جميع الأساليب التمهيد الأسية، نحن بحاجة إلى قيم أولية للمكونات لبدء الخوارزمية لبدء الخوارزمية، يجب تعيين القيم الأولية ل L t، بت الاتجاه، والمؤشرات S t. 42 الشتاء s الأسي تمهيد لتحديد التقديرات الأولية من المؤشرات الموسمية نحن بحاجة إلى استخدام واحد على الأقل البيانات الموسم الكامل s تهيئة الاتجاه والمستوى في الفترة ق تهيئة المستوى كما تهيئة الاتجاه كما تهيئة المؤشرات الموسمية كما.43 الشتاء ق الأسي تمهيد وسوف تطبق طريقة ش s إلى شركة أسم مبيعات الشركة القيمة هي 4، والقيمة ل 1، والقيمة ل 3 ثابت التمهيد ينعم البيانات للقضاء على العشوائية ثابت التمهيد ينعم الاتجاه في مجموعة البيانات .4 4 شتاء s التمدد الأسي ينشط ثابت التمهيد الموسمية في البيانات يجب وضع القيم الأولية لسلسلة L، T T تريند، والمؤشر الموسمي S t. مثال المبيعات ربع السنوية للمناشير لأداة أسم 46 رمز لهذا التطبيق هو 0 4، 0 1، 0 3 و رمز 83 36 لاحظ الانخفاض في الموسمية المضافة RMSE.47 العنصر الموسمية في طريقة هولت-وينتر المعادلات الأساسية لطريقة هولت s الشتاء المضافة هي .48 الموسمية المضافة الأولي القيم ل L s و بس متطابقة مع تلك الخاصة بالطريقة المضاعفة لتهيئة المؤشرات الموسمية التي نستخدمها. متوسط ​​التحرك ونماذج التمهيد الأسي. كخطوة أولى في التحرك خارج النماذج المتوسطة ونماذج المشي العشوائي ونماذج الاتجاه الخطي والأنماط غير التقليدية ويمكن استنباط الاتجاهات باستخدام نموذج متوسط ​​الحركة أو التمهيد الافتراض الأساسي وراء نماذج المتوسط ​​والتجانس هو أن السلاسل الزمنية ثابتة محليا بمتوسط ​​متغير ببطء وبالتالي فإننا نأخذ موفي نانوغرام لتقدير القيمة الحالية للمتوسط ​​ومن ثم استخدامه كالتوقعات في المستقبل القريب ويمكن اعتبار هذا بمثابة حل وسط بين النموذج المتوسط ​​ونموذج المشي العشوائي بدون الانجراف ويمكن استخدام نفس الاستراتيجية لتقدير واستقراء الاتجاه المحلي المتوسط ​​المتحرك غالبا ما يطلق عليه نسخة ممهدة من السلسلة الأصلية لأن المتوسط ​​في المدى القصير له تأثير على إزالة المطبات في السلسلة الأصلية من خلال تعديل درجة تمهيد عرض المتوسط ​​المتحرك، يمكننا أن نأمل في ضرب نوع من التوازن الأمثل بين أداء المتوسط ​​ونماذج المشي العشوائية أبسط نوع من نموذج المتوسط ​​هو. Simple على قدم المساواة المرجح المتوسط ​​المتحرك. التوقعات لقيمة Y في الوقت ر 1 التي يتم إجراؤها في الوقت t يساوي المتوسط ​​البسيط لآخر الملاحظات m. هنا وفي أماكن أخرى سأستخدم الرمز Y-هات للوقوف على توقعات للسلسلة الزمنية Y التي تم إجراؤها في أقرب موعد ممكن من قبل نموذج معين ويتركز هذا المتوسط ​​في الفترة t 1 1، مما يعني أن تقدير فإن المتوسط ​​المحلي سيميل إلى التخلف عن القيمة الحقيقية للمتوسط ​​المحلي بحوالي m 2 2 وبالتالي فإننا نقول أن متوسط ​​عمر البيانات في المتوسط ​​المتحرك البسيط هو m 1 2 بالنسبة إلى الفترة التي يتم فيها حساب التوقعات وهذا هو مقدار الوقت الذي من شأنه أن التنبؤات تميل إلى تخلف نقاط تحول في البيانات على سبيل المثال، إذا كنت متوسط ​​القيم 5 الماضية، فإن التوقعات ستكون حوالي 3 فترات في وقت متأخر من الاستجابة لنقاط تحول لاحظ أنه إذا م 1، متوسط ​​نموذج المتوسط ​​المتحرك المتوسط ​​البسيط يساوي نموذج المشي العشوائي بدون نمو إذا كانت m كبيرة جدا مقارنة بطول فترة التقدير، فإن نموذج سما يعادل النموذج المتوسط ​​كما هو الحال مع أي معلمة لنموذج التنبؤ، لضبط قيمة كي n للحصول على أفضل ملاءمة للبيانات، أي أصغر أخطاء التنبؤ في المتوسط. هنا هو مثال لسلسلة التي يبدو أن تظهر تقلبات عشوائية حول متوسط ​​ببطء متغير أولا، دعونا نحاول لتناسب ذلك مع المشي العشوائي نموذج، وهو ما يعادل متوسط ​​متحرك بسيط من 1 term. The نموذج المشي العشوائي يستجيب بسرعة كبيرة للتغيرات في هذه السلسلة، ولكن في ذلك يفعل ذلك يختار الكثير من الضوضاء في البيانات تقلبات عشوائية، فضلا عن إشارة المحلية يعني إذا حاولنا بدلا من ذلك متوسط ​​متحرك بسيط من 5 مصطلحات، نحصل على مجموعة أكثر سلاسة من التوقعات. المتوسط ​​المتحرك البسيط لمدة 5 سنوات ينتج أخطاء أقل بكثير من نموذج المشي العشوائي في هذه الحالة متوسط ​​عمر البيانات في هذا التنبؤ هو 3 5 1 2، حتى أنه يميل إلى التخلف عن نقاط التحول بنحو ثلاث فترات على سبيل المثال، يبدو أن الانكماش قد حدث في الفترة 21، ولكن التوقعات لا تتحول حتى عدة فترات في وقت لاحق. لاحظ أن المدى الطويل، والتنبؤات طويلة الأجل من وزارة الدفاع سما إل هي خط أفقي مستقيم، تماما كما في نموذج المشي العشوائي وهكذا، يفترض نموذج سما أنه لا يوجد اتجاه في البيانات ومع ذلك، في حين أن التوقعات من نموذج المشي العشوائي هي ببساطة مساوية لقيمة الملاحظة الأخيرة، والتنبؤات من فإن نموذج سما يساوي المتوسط ​​المرجح للقيم الأخيرة. حدود الثقة التي تحسبها ستاتغرافيكس للتنبؤات طويلة الأجل للمتوسط ​​المتحرك البسيط لا تتسع مع زيادة أفق التنبؤ هذا من الواضح أنه ليس صحيحا للأسف، النظرية الإحصائية التي تخبرنا كيف يجب أن تتسع فترات الثقة لهذا النموذج ومع ذلك، ليس من الصعب جدا حساب التقديرات التجريبية لحدود الثقة لتوقعات الأفق الأطول على سبيل المثال، يمكنك إعداد جدول بيانات فيه نموذج سما سوف تستخدم للتنبؤ بخطوتين إلى الأمام و 3 خطوات إلى الأمام وما إلى ذلك ضمن عينة البيانات التاريخية. يمكنك بعد ذلك حساب الانحرافات المعيارية للعينة في كل توقعات h أوريزون، ومن ثم بناء فترات الثقة للتنبؤات الأطول أجلا عن طريق جمع وطرح مضاعفات الانحراف المعياري المناسب. إذا حاولنا متوسط ​​متحرك بسيط لمدة 9 سنوات، نحصل على توقعات أكثر سلاسة وأكثر تأثيرا متخلفا. الآن 5 فترات 9 1 2 إذا أخذنا متوسط ​​متحرك لمدة 19 عاما، فإن متوسط ​​العمر يزداد إلى 10.لاحظ أن التوقعات في الواقع تتخلف الآن عن نقاط التحول بنحو 10 فترات. كما أن كمية التجانس هي الأفضل لهذه السلسلة في ما يلي جدول يقارن إحصاءات الخطأ الخاصة بهم، بما في ذلك أيضا متوسط ​​3 فترات. نموذج C، المتوسط ​​المتحرك لمدة 5 سنوات، ينتج أدنى قيمة ل رمز بهامش صغير على متوسطات المدى 3 و 9، إحصائياتهم الأخرى متطابقة تقريبا لذلك، من بين نماذج مع إحصاءات الخطأ مشابهة جدا، يمكننا أن نختار ما إذا كنا نفضل أكثر قليلا من الاستجابة أو أكثر قليلا نعومة في التوقعات العودة إلى أعلى الصفحة. الألوان s الأسي بسيط تمهيد أضعافا مضاعفة أضعافا مضاعفة متوسط ​​المتوسط ​​المتحرك البسيط الموضح أعلاه يحتوي على الخاصية غير المرغوب فيها التي يتعامل معها ملاحظات k الأخيرة بالتساوي وبشكل كامل يتجاهل جميع الملاحظات السابقة بشكل حدسي، يجب أن يتم خصم البيانات السابقة بطريقة أكثر تدرجية - على سبيل المثال، والحصول على أكثر من ذلك بقليل من الوزن الثاني من أحدث، والثاني الأكثر حداثة يجب الحصول على وزن أكثر قليلا من 3 أحدث، وهلم جرا بسيطة الأسي تمهيد نموذج سيس ينجز هذا. لاحظ يدل على ثابت تمهيد عدد بين 0 و 1 طريقة واحدة لكتابة النموذج هو تحديد سلسلة L التي تمثل المستوى الحالي أي القيمة المتوسطة المحلية للسلسلة كما يقدر من البيانات حتى الوقت الحاضر يتم حساب قيمة L في الوقت t بشكل متكرر من قيمته السابقة مثل هذا. وهكذا، فإن القيمة الملساء الحالية هي الاستكمال الداخلي بين القيمة الملساء السابقة والمراقبة الحالية، حيث تسيطر على القرب من قيمة محرف إلى أكثر إعادة سينت المراقبة التوقعات للفترة القادمة هي ببساطة قيمة ممهدة الحالية. على العكس من ذلك، يمكننا التعبير عن التوقعات القادمة مباشرة من حيث التوقعات السابقة والملاحظات السابقة، في أي من الإصدارات المكافئة التالية في النسخة الأولى، والتنبؤ هو الاستيفاء بين التوقعات السابقة والملاحظة السابقة. في النسخة الثانية، يتم الحصول على التوقعات القادمة عن طريق ضبط التوقعات السابقة في اتجاه الخطأ السابق عن طريق كمية كسور. is الخطأ المحرز في الوقت t في النسخة الثالثة، والتوقعات هي أي المتوسط ​​المتحرك المخصوم مع معامل الخصم 1. إن نسخة الاستكمال الداخلي لصيغة التنبؤ هي أبسط الاستخدامات إذا كنت تنفذ النموذج على جدول بيانات يناسبه في خلية واحدة ويحتوي على مراجع خلية تشير إلى التوقعات السابقة، الملاحظة، والخلية حيث يتم تخزين قيمة. ملاحظة أنه إذا 1، نموذج سيس يعادل نموذج المشي المشيح نمو هوت إذا كان نموذج سيس يساوي النموذج المتوسط، على افتراض أن القيمة الملساء الأولى تم تعيينها تساوي متوسط ​​العائد إلى أعلى الصفحة. متوسط ​​عمر البيانات في توقعات التمهيد الأسي البسيط هو 1 نسبي إلى الفترة التي يتم حساب التنبؤ بها ليس من المفترض أن تكون واضحة، ولكن يمكن بسهولة أن تظهر من خلال تقييم سلسلة لانهائية وبالتالي، فإن متوسط ​​التوقعات المتحركة البسيطة يميل إلى التخلف عن نقاط التحول بنحو 1 فترات على سبيل المثال، عند 0 5 الفاصل الزمني هو فترتين عندما يكون 0 2 الفارق الزمني 5 فترات عندما يكون 0 1 الفارق الزمني 10 فواصل وهكذا بالنسبة لعمر متوسط ​​معين أي مقدار الفارق الزمني فإن التنبؤ الأسي البسيط للتلطيف سيس متفوق إلى حد ما على التحرك البسيط متوسط ​​توقعات سما لأنه يضع وزنا أكبر نسبيا على الملاحظة الأخيرة - فهو أكثر استجابة قليلا للتغيرات التي تحدث في الماضي القريب على سبيل المثال، نموذج سما مع 9 شروط ونموذج سيس مع 0 2 على حد سواء لديها متوسط ​​العمر من 5 ل دا تا في توقعاتها، ولكن نموذج سيس يضع وزنا أكبر على القيم 3 الماضية مما يفعل نموذج سما، وفي الوقت نفسه فإنه لا ننسى تماما القيم أكثر من 9 فترات القديمة، كما هو مبين في هذا الرسم البياني. أية ميزة أخرى من فإن نموذج سيس على نموذج سما هو أن نموذج سيس يستخدم معلمة التمهيد التي تتغير باستمرار بحيث يمكن تحسينها بسهولة باستخدام خوارزمية حلالا لتقليل متوسط ​​الخطأ الوسطي وتبين القيمة المثلى لنموذج سيس لهذه السلسلة أن يكون 0 2961، كما هو مبين هنا. متوسط ​​عمر البيانات في هذه التوقعات هو 1 0 2961 3 4 فترات، وهو مماثل للمتوسط ​​المتحرك البسيط لمدة 6. التوقعات على المدى الطويل من نموذج سيس هي خط مستقيم أفقي كما هو الحال في نموذج سما ونموذج المشي العشوائي دون نمو ومع ذلك، لاحظ أن فترات الثقة التي يحسبها ستاتغرافيكس الآن تتباعد بطريقة معقولة المظهر، وأنها هي أضيق بكثير من فترات الثقة للراند أوم نموذج المشي يفترض أن سلسلة يمكن التنبؤ بها إلى حد ما أكثر من نموذج المشي العشوائي. نموذج سيس هو في الواقع حالة خاصة من نموذج أريما حتى نظرية إحصائية نماذج أريما يوفر أساسا سليما لحساب فترات الثقة ل نموذج سيس على وجه الخصوص، نموذج سيس هو نموذج أريما مع اختلاف واحد غير منطقي، وهو مصطلح 1 ما، وليس هناك مصطلح ثابت يعرف باسم أريما 0،1،1 نموذج دون ثابت معامل ما 1 في نموذج أريما يتوافق مع الكمية 1 في نموذج سيس على سبيل المثال، إذا كنت تناسب أريما 0،1،1 نموذج دون ثابت لسلسلة تحليلها هنا، فإن معامل ما 1 المقدرة تبين أن 0 7029، وهو تقريبا تقريبا واحد ناقص 0 2961. ومن الممكن إضافة افتراض اتجاه خطي ثابت غير صفري إلى نموذج سيس للقيام بذلك، ما عليك سوى تحديد نموذج أريما مع اختلاف واحد غير منطقي ومدة ما 1 مع ثابت، أي نموذج أريما 0،1،1 مع ثابت سوف التوقعات على المدى الطويل ثم يكون الاتجاه الذي يساوي الاتجاه المتوسط ​​لوحظ خلال فترة التقدير بأكملها لا يمكنك القيام بذلك جنبا إلى جنب مع التعديل الموسمية، لأن خيارات التعديل الموسمية يتم تعطيل عندما يتم تعيين نوع النموذج إلى أريما ومع ذلك، يمكنك إضافة ثابتة طويلة إلى نموذج بسيط للتجانس الأسي مع أو بدون تعديل موسمية باستخدام خيار تعديل التضخم في إجراء التنبؤ يمكن تقدير معدل النمو المناسب لنسبة التضخم في كل فترة على أنه معامل الانحدار في نموذج اتجاه خطي مجهز بالبيانات في جنبا إلى جنب مع التحول اللوغاريتم الطبيعي، أو أنه يمكن أن تستند إلى معلومات أخرى مستقلة بشأن آفاق النمو على المدى الطويل العودة إلى أعلى الصفحة. الخطية s الخطي أي ضعف الأسي تمهيد. نماذج سما ونماذج سيس تفترض أنه لا يوجد أي اتجاه من أي نوع في البيانات التي عادة ما تكون موافق أو على الأقل ليست سيئة جدا ل 1-خطوة قبل التوقعات عندما تكون البيانات نوي نسبيا ويمكن تعديلها لدمج اتجاه خطي ثابت كما هو مبين أعلاه ماذا عن الاتجاهات قصيرة الأجل إذا كانت سلسلة يعرض معدل نمو متفاوت أو نمط دوري الذي يبرز بوضوح ضد الضوضاء، وإذا كان هناك حاجة إلى توقعات أكثر من 1 فترة المقبلة، ثم تقدير الاتجاه المحلي قد يكون أيضا قضية يمكن تعميم نموذج التمهيد الأسي بسيط للحصول على خطية الأسية تمهيد نموذج ليس الذي يحسب التقديرات المحلية من كل من مستوى والاتجاه. أبسط الاتجاه متغيرة الوقت النموذج هو نموذج تمهيد الأسي الخطي براون، والذي يستخدم اثنين من سلسلة سلسة مختلفة التي تتمحور في نقاط مختلفة في الوقت المحدد ويستند صيغة التنبؤ على استقراء خط من خلال المركزين وهناك نسخة أكثر تطورا من هذا النموذج، هولت s، هو نوقشت أدناه. يمكن التعبير عن شكل جبري من براون s الخطي الأسي تمهيد نموذج، مثل ذلك من نموذج تمهيد الأسي بسيط، في عدد من مختلف ولكن ه الأشكال المتكافئة عادة ما يعبر عن النموذج القياسي لهذا النموذج على النحو التالي تدل S تدل على سلسلة سلسة منفرد تم الحصول عليها عن طريق تطبيق تمهيد الأسي بسيط لسلسلة Y وهذا هو، وتعطى قيمة S في الفترة t من قبل. أذكر أنه في ظل تمهيد الأسي بسيط، وهذا سيكون التنبؤ ل Y في الفترة ر 1 ثم اسمحوا S تدل على سلسلة سلسة تم الحصول عليها عن طريق تطبيق تمهيد الأسي بسيط باستخدام نفسه لسلسلة S. Finally، والتوقعات ل يك تك لأي k 1. ويعطي هذا العائد e 1 0 أي غش قليلا، والسماح للتنبؤ الأول يساوي الملاحظة الأولى الفعلية، و e 2 Y 2 Y 1 وبعد ذلك يتم توليد التنبؤات باستعمال المعادلة أعلاه ينتج هذا القيم المجهزة نفسها كما الصيغة التي تستند إلى S و S إذا تم بدء هذه الأخيرة باستخدام S 1 S 1 Y 1 يستخدم هذا الإصدار من النموذج في الصفحة التالية التي توضح مجموعة من التجانس الأسي مع التعديل الموسمي. الخطي S الخطي الأسي Smoothing. Brown s يحسب التقديرات المحلية من المستوى والاتجاه من خلال تمهيد البيانات الأخيرة، ولكن حقيقة أن يفعل ذلك مع معلمة تمهيد واحد يضع قيدا على أنماط البيانات التي هي قادرة على تناسب المستوى والاتجاه لا يسمح لها أن تختلف في معدلات مستقلة هولت s ليس نموذج يتناول هذه المسألة من خلال تضمين اثنين من ثوابت تمهيد، واحدة لمستوى واحد للاتجاه في أي وقت t، كما هو الحال في نموذج براون s، وهناك تقدير L ر من المستوى المحلي وتقدير T t للاتجاه المحلي هنا يتم حسابها بشكل متكرر من قيمة Y الملاحظة في الوقت t والتقديرات السابقة لمستوى واتجاه المعادلتين اللتين تنطبقان على تمهيد أسي لها بشكل منفصل. إذا كان المستوى المقدر والاتجاه في الوقت t-1 هما T t 1 و T t-1 على التوالي، فإن التنبؤات Y t التي كان من الممكن أن تكون قد أجريت في الوقت t-1 تساوي L t-1 T t-1 عندما يلاحظ القيمة الفعلية، يتم حساب المستوى بشكل متكرر عن طريق الاستكمال الداخلي بين Y t والتنبؤ به L t-1 T t-1 باستخدام الأوزان و 1. ويمكن تفسير التغير في المستوى المقدر وهو L t L 1 على أنه قياس صاخب ل الاتجاه في الوقت t يتم حساب التقدير المحدث للاتجاه بشكل متكرر عن طريق الاستكمال الداخلي بين L t L t 1 والتقدير السابق للاتجاه T t-1 باستخدام أوزان و 1. إن تفسير ثابت تجانس الاتجاه يشبه ثابت ثابت التمهيد. النماذج ذات القيم الصغيرة تفترض تغير الاتجاه فقط ببطء شديد مع مرور الوقت، في حين أن النماذج ذات الحجم الأكبر تفترض أنها تتغير بسرعة أكبر ويعتقد نموذج مع كبير أن المستقبل البعيد غير مؤكد جدا، لأن الأخطاء في تقدير الاتجاه تصبح مهمة جدا عند التنبؤ أكثر من فترة واحدة قبل العودة إلى أعلى من ثوابت التجانس ويمكن تقديرها بالطريقة المعتادة من خلال تقليل متوسط ​​الخطأ المئوي للتنبؤات ذات الخطوة الأولى عندما يتم ذلك في ستاترافيكس، تشير التقديرات إلى أن 03048 و 0 008 القيمة الصغيرة جدا من يعني أن النموذج يفترض تغير طفيف جدا في الاتجاه من فترة إلى أخرى، وذلك أساسا هذا النموذج هو محاولة لتقدير الاتجاه على المدى الطويل قياسا على فكرة متوسط ​​عمر البيانات المستخدمة في تقدير t هو المستوى المحلي للسلسلة، متوسط ​​عمر البيانات المستخدمة في تقدير الاتجاه المحلي يتناسب مع 1، وإن لم يكن يساوي بالضبط في هذه الحالة التي تبين أن يكون 1 0 006 125 هذا هو إس عدد دقيق جدا حيث أن دقة تقدير إيسن t حقا 3 المنازل العشرية، ولكن من نفس الترتيب العام من حجم حجم العينة من 100، لذلك هذا النموذج هو المتوسط ​​على مدى الكثير جدا من التاريخ في تقدير الاتجاه مؤامرة التوقعات ويبين الشكل أدناه أن نموذج ليس يقدر اتجاها محليا أكبر قليلا في نهاية السلسلة من الاتجاه الثابت المقدر في نموذج الاتجاه سيس، كما أن القيمة المقدرة تكاد تكون مطابقة للاتجاه الذي يتم الحصول عليه من خلال تركيب نموذج سيس مع الاتجاه أو بدونه ، لذلك هذا هو تقريبا نفس النموذج. الآن، هل هذه تبدو وكأنها توقعات معقولة لنموذج من المفترض أن يكون تقدير الاتجاه المحلي إذا كنت مقلة العين هذه المؤامرة، يبدو كما لو أن الاتجاه المحلي قد تحول إلى أسفل في نهاية سلسلة و في حدث وقد تم تقدير المعلمات من هذا النموذج عن طريق تقليل الخطأ التربيعي من 1-خطوة إلى الأمام التنبؤات، وليس التنبؤات على المدى الطويل، وفي هذه الحالة الاتجاه لا تجعل الكثير من الفرق إذا كان كل ما كنت تبحث في 1 - step قبل الأخطاء، كنت لا ترى الصورة أكبر من الاتجاهات على القول 10 أو 20 فترات من أجل الحصول على هذا النموذج أكثر في تناغم مع استقراء العين مقلة العين من البيانات، يمكننا ضبط ثابت الاتجاه تجانس يدويا بحيث يستخدم خط أساس أقصر لتقدير الاتجاه على سبيل المثال، إذا اخترنا تعيين 0 1، فإن متوسط ​​عمر البيانات المستخدمة في تقدير الاتجاه المحلي هو 10 فترات، مما يعني أننا نحسب متوسط ​​الاتجاه خلال الفترات العشرين الأخيرة أو نحو ذلك هنا s ما يبدو مؤامرة توقعات إذا وضعنا 0 1 مع الحفاظ على 0 3 وهذا يبدو بديهية معقولة لهذه السلسلة، على الرغم من أنه من المحتمل أن خطورة لاستقراء هذا الاتجاه أي أكثر من 10 فترات في المستقبل. ماذا عن إرور ستاتس هنا مقارنة نموذجية f أو النموذجين المبينين أعلاه فضلا عن ثلاثة نماذج سيس تبلغ القيمة المثلى لنموذج سيس حوالي 0 3، ولكن يتم الحصول على نتائج مماثلة مع استجابة أكثر قليلا أو أقل، على التوالي مع 0 5 و 0 2. A هولت إكس خطي تجانس مع ألفا 0 3048 وبيتا 0 008. B هولت خ الخطية تجانس مع ألفا 0 3 وبيتا 0 1. C تمهيد الأسي بسيطة مع ألفا 0 5. D تمهيد الأسي بسيط مع ألفا 0 3. E تمهيد الأسي بسيط مع ألفا 0 2 . احصائيات هي متطابقة تقريبا، لذلك نحن حقا يمكن أن تجعل ر الاختيار على أساس 1-خطوة قبل توقعات الأخطاء داخل عينة البيانات علينا أن نراجع مرة أخرى على اعتبارات أخرى إذا كنا نعتقد بقوة أنه من المنطقي أن قاعدة الحالية تقدير الاتجاه على ما حدث على مدى ال 20 فترة الماضية أو نحو ذلك، يمكننا أن نجعل حالة لنموذج ليس مع 0 3 و 0 1 إذا أردنا أن نكون ملحدين حول ما إذا كان هناك اتجاه محلي، ثم واحدة من نماذج سيس قد يكون من الأسهل أن يفسر، وسوف يعطي أيضا المزيد من ميدل التنبؤات على الطريق على مدى 5 أو 10 فترات القادمة العودة إلى أعلى الصفحة. أي نوع من الاستقراء الاتجاه هو أفضل الأفقي أو الخطي تشير الأدلة التجريبية أنه إذا كانت البيانات قد تم تعديلها إذا لزم الأمر للتضخم، ثم قد يكون من غير الحكمة استقراء الاتجاهات الخطية قصيرة الأجل بعيدا جدا في الاتجاهات المستقبلية قد تتراجع اليوم بوضوح في المستقبل بسبب أسباب مختلفة مثل تقادم المنتج وزيادة المنافسة والانكماش الدوري أو التحولات في صناعة لهذا السبب، الأسي بسيط فإن التنعيم غالبا ما يؤدي إلى خروج عينة أفضل مما يمكن توقعه على خلاف ذلك، على الرغم من استقراء الاتجاه الأفقي الساذج. وغالبا ما تستخدم تعديلات الاتجاه المعاكسة لنموذج تمهيد الأسي الخطي في الممارسة العملية لإدخال ملاحظة المحافظة على توقعات اتجاهها الاتجاه المعاكسة يمكن تنفيذ نموذج ليس كحالة خاصة من نموذج أريما، على وجه الخصوص، نموذج أريما 1،1،2.ومن الممكن لحساب فترات الثقة أرو والتنبؤات الطويلة الأجل التي تنتجها نماذج التمهيد الأسي من خلال اعتبارها حالات خاصة لنماذج أريما حذار ليس كل البرامج بحساب فترات الثقة لهذه النماذج بشكل صحيح عرض فترات الثقة يعتمد على i خطأ رمز النموذج، من تمهيد بسيطة أو خطية إي قيمة s من ثابت التمهيد ق و الرابع عدد الفترات المقبلة كنت التنبؤ بشكل عام، والفواصل انتشرت بشكل أسرع كما يحصل أكبر في نموذج سيس وانتشرت بشكل أسرع بكثير عندما الخطية بدلا من بسيطة تمهيد يتم مناقشة هذا الموضوع أكثر في قسم نماذج أريما من الملاحظات العودة إلى أعلى الصفحة.