ศูนย์กลางการ เคลื่อนไหว ค่าเฉลี่ย แม้กระทั่ง ช่วงเวลา

David, Yes, MapReduce มีจุดมุ่งหมายเพื่อใช้งานข้อมูลจำนวนมากและแนวคิดก็คือโดยทั่วไปแผนที่และลดฟังก์ชันไม่ควรดูแลผู้จัดทำแผนที่หรือลดจำนวนเท่าไหร่นั่นคือการเพิ่มประสิทธิภาพเพียงอย่างเดียวถ้าคุณคิดอย่างรอบคอบ ขั้นตอนฉันโพสต์คุณจะเห็นว่ามัน doesn t เรื่องที่ mapper ได้รับสิ่งที่ส่วนของข้อมูลแต่ละระเบียนเข้าจะสามารถใช้ได้ทุกลดการดำเนินงานที่ต้องการ Joe K กันยายน 18 12 ที่ 22 30. ในความเข้าใจที่ดีที่สุดของฉันเฉลี่ยเคลื่อนที่ ไม่ได้เป็นอย่างดีแมปกับกระบวนทัศน์ MapReduce เนื่องจากการคำนวณของมันเป็นหลักเลื่อนหน้าต่างไปเรียงลำดับข้อมูลในขณะที่ MR คือการประมวลผลของช่วงที่ไม่ใช่ intersected ของเรียงข้อมูล Solution ฉันเห็นเป็นดังต่อไปนี้เพื่อใช้ partitioner เองเพื่อให้สามารถทำพาร์ทิชันที่แตกต่างกันสอง ในการทำงานแต่ละครั้ง reducers ของคุณจะได้รับช่วงที่แตกต่างกันของข้อมูลและคำนวณค่าเฉลี่ยเคลื่อนที่ที่ approprieate ฉันจะพยายามที่จะแสดงในข้อมูลการทำงานครั้งแรกสำหรับ reducers ควร R1 Q1, Q2, Q3, Q4 R2 Q5, Q6, Q7, Q8. ที่นี่คุณจะสามารถคำนวณค่าเฉลี่ยเคลื่อนที่ได้สำหรับ Q ในการดำเนินการต่อไป reducers ของคุณควรจะได้รับข้อมูลเช่น R1 Q1 Q6 R2 Q6 Q10 R3 Q10 Q14 และลบล้างส่วนที่เหลือของค่าเฉลี่ยเคลื่อนที่จากนั้นคุณจะต้องรวมผลลัพธ์ partitioner แบบกำหนดเองที่จะมีสองโหมดของการทำงาน - แต่ละครั้งที่แบ่งออกเป็นช่วงเท่ากัน แต่มีการเปลี่ยนแปลงบางอย่างใน pseudode จะมีลักษณะเช่นนี้คีย์พาร์ทิชัน SHIFT MAXKEY numOfPartitions ที่ SHIFT จะถูกนำมาจากค่า MAXKEY ค่าสูงสุดของคีย์ฉันถือว่า สำหรับความเรียบง่ายที่พวกเขาเริ่มต้นด้วย zero. RecordReader, IMHO ไม่ได้แก้ปัญหาเนื่องจากมีการ จำกัด เฉพาะการแยกและไม่สามารถสไลด์มากกว่าทางแยก boundary. Another จะใช้ตรรกะที่กำหนดเองในการแยกข้อมูลเข้าเป็นส่วนหนึ่งของ InputFormat It สามารถทำได้เพื่อทำ 2 ภาพนิ่งที่แตกต่างกันคล้ายกับ partitioning. answered Sep 17 12 at 8 59 เมื่อคำนวณค่าเฉลี่ยเคลื่อนที่ที่ใช้โดยการวางค่าเฉลี่ยในช่วงเวลากลางทำให้รู้สึกในตัวอย่างก่อนหน้านี้เรา comp ค่าเฉลี่ยของช่วงเวลา 3 ช่วงแรกและวางไว้ข้างงวด 3 เราสามารถวางค่าเฉลี่ยในช่วงกลางของช่วงเวลาสามช่วงคือถัดจากช่วงเวลา 2 ค่านี้ทำงานได้ดีกับช่วงเวลาแปลก แต่ไม่ได้ เราจะให้ค่าเฉลี่ยเคลื่อนที่เป็นอันดับแรกเมื่อ M 4. ทางเทคนิคค่าเฉลี่ยเคลื่อนที่จะลดลงที 2 5, 3 5. เพื่อหลีกเลี่ยงปัญหานี้เราจะทำให้ MAs เรียบโดยใช้ M 2 ดังนั้นเราจึงทำให้ ค่าที่ราบเรียบถ้าเราใช้ค่าเฉลี่ยของจำนวนที่เท่ากันเราจำเป็นต้องเรียบค่าที่เรียบตารางต่อไปนี้จะแสดงผลลัพธ์โดยใช้ M 4. Analytics ทำบัญชีกับ Microsoft Excel การทำงานกับซีเควนซ์ตามฤดูกาลในบทนี้การคำนวณตามฤดูกาลเฉลี่ย ค่าเฉลี่ยและการย้ายศูนย์กลางการถดถอยเฉลี่ยกับการคำนวณเวกเตอร์การเรียบง่ายตามฤดูกาล Exponential. Holt-Winters Models. Matters ได้รับความซับซ้อนมากขึ้นเรื่อย ๆ เมื่อคุณมีชุดข้อมูลที่มีลักษณะเป็นส่วนหนึ่งตามฤดูกาลแนวโน้มของระดับจะเพิ่มขึ้นและ ฤดูใบไม้ร่วงเป็นไปตามฤดูกาลที่ผ่านมาเราใช้ฤดูกาลในแง่ทั่วไปมากกว่าความหมายในชีวิตประจำวันของฤดูกาลสี่ปีในบริบทของการวิเคราะห์เชิงพยากรณ์ฤดูกาลอาจเป็นวันถ้ารูปแบบการทำซ้ำทุกสัปดาห์หรือหนึ่งปี ในแง่ของรอบการเลือกตั้งประธานาธิบดีหรือเพียงเกี่ยวกับอะไรในระหว่างการเปลี่ยนแปดชั่วโมงในโรงพยาบาลสามารถเป็นตัวแทนของฤดูกาลบทนี้จะดูที่วิธีการสลายชุดเวลาเพื่อให้คุณสามารถดูว่าฤดูกาลของการดำเนินงานนอกเหนือจาก แนวโน้มหากมีตามที่คุณอาจคาดหวังจากเนื้อหาในบทที่ 3 และ 4 คุณสามารถใช้แนวทางต่างๆได้โดยง่ายการใช้ค่าเฉลี่ยตามฤดูกาลแบบง่ายๆการใช้ค่าเฉลี่ยตามฤดูกาลแบบง่ายๆในการสร้างชุดข้อมูลแบบเวลาอาจทำให้คุณมีรูปแบบข้อมูลที่เป็นธรรมสำหรับข้อมูล แต่วิธีการที่ให้ความสำคัญกับฤดูกาลในชุดข้อมูลและมันสามารถจะแม่นยำมากขึ้นเป็นเทคนิคการคาดการณ์กว่าการเรียบง่ายชี้แจงเมื่อฤดูกาลจะออกเสียงชัดทำหน้าที่เป็นประโยชน์ การแนะนำขั้นตอนบางอย่างที่ใช้กับซีรี่ส์เวลาที่มีทั้งแบบตามฤดูกาลและแบบแนวโน้มดังนั้นให้ดูตัวอย่างในรูปที่ 5 1. รูปที่ 5 1 รูปแบบแนวนอนทำให้ผลการพยากรณ์อากาศง่ายขึ้นโดยไม่คำนึงถึงฤดูกาล ข้อมูลและแผนภูมิที่แสดงในรูปที่ 5 1 หมายถึงจำนวนเฉลี่ยของการเข้าชมประจำวันไปยังเว็บไซต์ที่ให้บริการแก่แฟน ๆ ของ National Football League แต่ละการสังเกตในคอลัมน์ D หมายถึงจำนวนผู้เข้าชมเฉลี่ยต่อวันในแต่ละสี่ในสี่ ปีคุณสามารถบอกได้จากค่าเฉลี่ยในช่วง G2 G5 ที่มีผลกระทบรายไตรมาสที่แตกต่างกันเกิดขึ้นจำนวนผู้ชมเฉลี่ยที่ใหญ่ที่สุดเกิดขึ้นในช่วงฤดูใบไม้ร่วงและฤดูหนาวเมื่อมีการเล่นเกมหลัก 16 รายการและรอบตัดเชือก ความสนใจที่วัดโดยยอดเฉลี่ยรายวันจะลดลงในช่วงฤดูใบไม้ผลิและฤดูร้อนค่าเฉลี่ยจะคำนวณได้ง่ายไม่ว่าคุณจะรู้สึกสบายใจกับสูตรอาร์เรย์หรือไม่เพื่อให้ได้ค่าเฉลี่ยของทั้งห้ากรณีของ Q uarter 1 ตัวอย่างเช่นคุณสามารถใช้สูตรอาร์เรย์นี้ในเซลล์ G2 ของรูปที่ 5 1.Array ป้อนด้วย Ctrl Shift Enter หรือคุณสามารถใช้ฟังก์ชัน AVERAGEIF ซึ่งคุณสามารถป้อนได้ตามปกติโดยกดปุ่ม Enter ทั่วไปฉันชอบวิธีการสูตรอาร์เรย์เนื่องจากทำให้ฉันมีขอบเขตมากขึ้นสำหรับการควบคุมฟังก์ชันและเกณฑ์ที่เกี่ยวข้องชุดข้อมูลที่มีข้อมูลแผนภูมิประกอบด้วยป้ายข้อมูลแสดงข้อมูลแต่ละไตรมาสที่แต่ละจุดข้อมูลเป็นแผนภูมิสะท้อนข้อความของค่าเฉลี่ยใน G2 G5 Quarters 1 และ 4 ซ้ำแล้วซ้ำเล่าได้รับความนิยมมากที่สุดมีฤดูกาลที่ชัดเจนในชุดข้อมูลนี้การคำนวณดัชนีตามฤดูกาลหลังจากที่คุณได้ตัดสินใจว่าชุดข้อมูลแบบเวลามีองค์ประกอบตามฤดูกาลคุณต้องการหาขนาดปริมาณของผลกระทบค่าเฉลี่ยที่แสดงในรูปที่ 5 2 แสดงให้เห็นถึงวิธีที่วิธีง่ายๆแบบเฉลี่ยจะไปเกี่ยวกับงานนั้นรูปที่ 5 2 รวมค่าเฉลี่ยสูงสุดกับค่าเฉลี่ยตามฤดูกาลเพื่อให้ได้ดัชนีตามฤดูกาลในรูปที่ 5 2 คุณจะได้รับดัชนีตามฤดูกาลในช่วง G10 G13 โดยการลบ grand mean ในเซลล์ G7 จากค่าเฉลี่ยรายปีตามฤดูกาลใน G2 G5 ผลที่ได้คือผลของการอยู่ในไตรมาสที่ 1 ของการอยู่ในไตรมาสที่ 2 เป็นต้นหากเดือนที่กำหนดในไตรมาส 1 คุณคาดว่าจะมี 99 65 เพิ่มเติม รายได้เฉลี่ยต่อวันมากกว่าค่าเฉลี่ยของ 140 35 ฮิตต่อวันข้อมูลนี้ช่วยให้คุณรู้สึกถึงความสำคัญในฤดูกาลที่กำหนดสมมติว่าคุณเป็นเจ้าของเว็บไซต์ในคำถามและต้องการขายพื้นที่โฆษณาให้กับคุณ แน่นอนสามารถขอราคาที่สูงขึ้นของผู้โฆษณาในช่วงไตรมาสแรกและไตรมาสที่สี่กว่าในช่วงที่สองและสามขึ้นไปที่จุดที่คุณอาจจะคิดค่าบริการเป็นสองเท่าในช่วงไตรมาสแรกกว่าในช่วงที่สองหรือที่สามกับดัชนีตามฤดูกาลใน ตัวอย่างเช่นยังคงอยู่ในรูปที่ 5 2 ค่าที่ปรับฤดูกาลสำหรับแต่ละไตรมาสในปีพ. ศ. 2548 ปรากฏใน G16 G19 พวกเขาคำนวณใหม่โดยการลบดัชนีออกจากการวัดรายไตรมาสที่เกี่ยวข้องโดยปกติแล้วคำนี้ ดัชนีฤดูกาลหมายถึงการเพิ่มขึ้นหรือลดลงในระดับของซีรีส์ที่เกี่ยวข้องกับแต่ละฤดูกาลผลที่ตามมาของฤดูกาลตามฤดูกาลปรากฏในวรรณคดีในช่วงไม่กี่ปีที่ผ่านมาเนื่องจากคุณจะเห็นคำศัพท์ทั้งสองนี้ฉันเคยใช้ทั้งในหนังสือเล่มนี้ เรื่องเล็ก ๆ เพียงแค่จำไว้ว่าทั้งสองคำมีความหมายเหมือนกันข้อควรทราบว่าในกรณีปกติของเหตุการณ์ตั้งแต่ปี 2544-2548 คุณคาดว่าผลประกอบการในไตรมาสที่สองจะหดตัวต่ำกว่าผลการดำเนินงานในช่วงไตรมาสแรกโดย 133 6 นั่นคือ 99 65 ลบ 33 95 แตในทั้งป2547และป2548ผลประกอบการที่ปรับฤดูกาลแลวในไตรมาสที่สองเกินกวาไตรมาสแรกผลลัพ ธ ดังกลาวอาจขอใหคุณสอบถามถึงสิ่งที่เปลี่ยนแปลงไปในสองปขางหนาที่ผกผันความสัมพันธระหวางผลการปรับฤดูกาล ในช่วงสองไตรมาสแรกฉันไม่ได้ติดตามปัญหานี้ที่นี่ฉันนำมาแนะนำว่าคุณมักต้องการดูทั้งตัวเลขที่สังเกตและตัวเลขที่ปรับฤดูกาลตามฤดูกาลจาก Simple Seasonal Avera ges ไม่มีเทรนด์แม้ว่าจะใช้วิธีง่ายๆในการคำนวณค่าเฉลี่ยของน้ำมันดิบ แต่ก็สามารถมีความแม่นยำมากกว่าทางเลือกที่ซับซ้อนมากขึ้นในการทำให้เรียบโดยเฉพาะอย่างยิ่งเมื่อผลกระทบตามฤดูกาลเด่นชัดและน่าเชื่อถือเมื่อชุดข้อมูลเวลาไม่มีการเปลี่ยนแปลง เป็นกรณีตัวอย่างเช่นในส่วนนี้ได้กล่าวถึงการคาดการณ์ตามฤดูกาลแบบง่ายๆคืออะไรมากกว่าค่าเฉลี่ยตามฤดูกาลเมื่อชุดไม่ได้มีแนวโน้มขึ้นหรือลงค่าประมาณที่ดีที่สุดของคุณสำหรับฤดูกาลหน้าคือค่าเฉลี่ยในประวัติศาสตร์ของฤดูกาลดู รูปที่ 5 3. รูปที่ 5 3 รวมค่าเฉลี่ยสูงสุดกับค่าเฉลี่ยตามฤดูกาลเพื่อให้ได้ดัชนีตามฤดูกาลในแผนภูมิในรูปที่ 5 3 เส้นประแสดงการคาดการณ์จากการเรียบเรียบเส้นทึบสองเส้นแสดงการสังเกตตามฤดูกาลและค่าเฉลี่ยตามฤดูกาล สังเกตว่าค่าเฉลี่ยตามฤดูกาลติดตามการสังเกตการณ์ตามฤดูกาลที่เกิดขึ้นจริงใกล้เคียงกับการคาดการณ์ที่ราบเรียบมากขึ้นคุณสามารถดูว่าใกล้เคียงกับที่คาดการณ์ไว้มากน้อยเพียงใด จากทั้งสอง RMSEs ในเซลล์ F23 และ H23 RMSE สำหรับค่าเฉลี่ยตามฤดูกาลเป็นเพียงเล็กน้อยมากกว่าหนึ่งในสามของ RMSE สำหรับการคาดการณ์ที่ราบรื่นคุณสามารถชอล์กที่ขึ้นอยู่กับขนาดของผลกระทบตามฤดูกาลเช่นเดียวกับความสอดคล้องของพวกเขาสมมติ ตัวอย่างเช่นความแตกต่างระหว่างไตรมาส 1 และ 2 เฉลี่ยอยู่ที่ 35 0 แทน 133 6 ซึ่งเป็นความแตกต่างระหว่างเซลล์ G2 และ G3 ในรูปที่ 5 2 จากนั้นในบริบทที่ราบเรียบค่าที่แท้จริงสำหรับไตรมาส 1 จะเป็น ตัวทำนายที่ดีขึ้นมากของค่าสำหรับไตรมาสที่ 2 กว่าเป็นกรณีที่มีชุดเวลานี้และการเรียบขึ้นชี้แจงสามารถพึ่งพาอย่างมากกับค่าของการสังเกตการณ์ในปัจจุบันสำหรับการคาดการณ์ของระยะเวลาถัดไปถ้าค่าคงที่เรียบเป็นที่ 1 0, การทำให้เรียบเรียบขึ้นแก้ การคาดการณ์และการคาดการณ์ของคุณเท่ากับความเป็นจริงก่อนหน้านี้ข้อเท็จจริงที่ว่าขนาดของการแกว่งตามฤดูกาลแต่ละครั้งมีความสอดคล้องกันระหว่างไตรมาสกับไตรมาสซึ่งหมายความว่าค่าเฉลี่ยของฤดูกาลที่เรียบง่ายคือการคาดการณ์ที่เชื่อถือได้ไม่มี quarte ที่แท้จริง การสังเกตการณ์ rly ออกห่างจากค่าเฉลี่ยตามฤดูกาลโดยรวมเฉลี่ยเล็กน้อยตามฤดูกาลการใช้ค่าเฉลี่ยตามฤดูกาลแบบง่ายๆกับชุดแนวโน้มมีข้อบกพร่องที่แท้จริงบางอย่างและฉันล่อลวงเพื่อขอแนะนำให้เราไม่สนใจและย้ายไปยังหัวข้อ meatier แต่มัน s ที่เป็นไปได้ว่าคุณจะทำงานในสถานการณ์ที่มีคนใช้วิธีนี้แล้วจะไม่ทราบว่ามันทำงานอย่างไรและทำไมต้องมีทางเลือกที่ดีกว่าวิธีการจัดการกับฤดูกาลในชุดแนวโน้มจะต้องจัดการกับปัญหาพื้นฐาน ของการคลี่คลายผลกระทบของแนวโน้มจากฤดูกาลที่ Seasonality มีแนวโน้มที่จะปิดบังแนวโน้มและในทางกลับกันดูรูปที่ 5 4. รูปที่ 5 4 การปรากฏตัวของแนวโน้มที่ซับซ้อนในการคำนวณผลกระทบตามฤดูกาลความจริงที่ว่าแนวโน้มในชุดขึ้นไป เมื่อเวลาผ่านไปหมายความว่าค่าเฉลี่ยของการสังเกตการณ์ในแต่ละฤดูกาลเช่นเดียวกับที่ทำในกรณีที่ไม่มีแนวโน้มทำให้เกิดความผันผวนตามแนวโน้มโดยทั่วไปกับความผันผวนตามฤดูกาลความคิดปกติคือการพิจารณาแนวโน้มการแบ่งแยก ely จากผลกระทบตามฤดูกาลคุณสามารถหาจำนวนแนวโน้มและลบผลกระทบจากข้อมูลที่สังเกตได้ผลคือชุดที่ยังคงไม่ถือครองซึ่งจะคงรูปแบบตามฤดูกาลเอาไว้อาจใช้วิธีเดียวกับที่แสดงไว้ก่อนหน้าในบทนี้การคำนวณค่าเฉลี่ยสำหรับแต่ละ Year. One เพื่อ detrend ข้อมูลและวิธีการอื่น ๆ อย่างไม่ต้องสงสัยจะเกิดขึ้นกับคุณคือการคำนวณแนวโน้มขึ้นอยู่กับค่าเฉลี่ยรายปีมากกว่าข้อมูลรายไตรมาสความคิดที่ว่าค่าเฉลี่ยรายปีจะไม่รู้สึกถึงผลกระทบตามฤดูกาลนั่นคือถ้าคุณลบปี s หมายถึงจากค่าสำหรับแต่ละไตรมาสผลรวมและทำให้ค่าเฉลี่ยของผลกระทบรายไตรมาสสี่เป็นศูนย์อย่างแม่นยำดังนั้นแนวโน้มโดยใช้ค่าเฉลี่ยรายปีจะไม่ได้รับผลกระทบจากรูปแบบตามฤดูกาลการคำนวณนี้จะปรากฏในรูปที่ 5 5. รูปที่ 5 5 ขั้นตอนแรกในการ detrending ข้อมูลคือการได้รับความนิยมเฉลี่ยต่อวันสำหรับแต่ละปีที่ทำในช่วง H3 H7 ใน Figu re 5 5 สูตรในเซลล์ H3 ตัวอย่างเช่นคือ AVERAGE D3 D6 คำนวณความเป็นไปได้ตามค่าเฉลี่ยรายปีด้วยค่าเฉลี่ยรายปีที่อยู่ในมือคุณสามารถคำนวณแนวโน้มที่ได้รับการจัดการโดยใช้ LINEST ในช่วง I3 J7 ใช้สูตรอาร์เรย์นี้ถ้าคุณไม่ใส่ค่า x เป็นอาร์กิวเมนต์ที่สองไปที่ LINEST Excel จะจัดเตรียมค่าเริ่มต้น x ค่าสำหรับคุณค่าดีฟอลต์คือจำนวนเต็มติดต่อกันที่เริ่มต้นด้วย 1 และลงท้ายด้วยจำนวนค่า y ที่ คุณเรียกใช้ในอาร์กิวเมนต์แรกในตัวอย่างนี้ x ค่าเริ่มต้นจะเหมือนกับที่ระบุไว้ในแผ่นงานใน G3 G7 ดังนั้นคุณจึงสามารถใช้ LINEST H3 H7 TRUE สูตรนี้ใช้ค่าดีฟอลต์สองค่าสำหรับค่า x และค่าคงที่ แสดงโดยเครื่องหมายจุลภาคสามตัวต่อเนื่องจุดของการออกกำลังกายนี้คือการหาจำนวนแนวโน้มปีต่อปีและ LINEST ทำเช่นนั้นสำหรับคุณในเซลล์ I3 เซลล์นั้นมีค่าสัมประสิทธิ์การถดถอยสำหรับค่า x คูณด้วย 106 แล้ว 1 โดย 2 แล้วโดย 3, 4, และ 5 และเพิ่มผลแต่ละ i ntercept จาก 84 63 แม้ว่าคุณจะได้รับการคาดการณ์เป็นประจำทุกปี แต่จุดสำคัญสำหรับขั้นตอนนี้คือค่าสัมประสิทธิ์ 106 08 ซึ่งจะวัดปริมาณแนวโน้มรายปีขั้นตอนที่ฉันพูดถึงก็คือที่มาของความเข้าใจผิดของฉันเกี่ยวกับแนวทางทั้งหมดที่กล่าวถึงในส่วนนี้ อธิบายโดยทั่วไปแล้วคุณมีจำนวนน้อย ๆ ของช่วงเวลาที่ครอบคลุมในตัวอย่างนี้ปีที่ผ่านมาผลการถดถอยแบบถดถอยมีแนวโน้มที่จะไม่เสถียรมากเมื่ออยู่ที่นี่พวกเขาขึ้นอยู่กับจำนวนน้อยของการสังเกตและยังขั้นตอนนี้อาศัยอยู่ ผลที่เกิดขึ้นอย่างมากเพื่อที่จะทำให้เสียชุดเวลาการเทรนด์เทรนด์ซีซั่นส์วิธีง่ายๆแบบเฉลี่ยของการจัดการกับชุดแนวโน้มตามฤดูกาลเช่นนี้อย่างต่อเนื่องโดยการหารแนวโน้มโดยจำนวนของระยะเวลาในรอบระยะเวลาที่ครอบคลุมที่จะได้รับ แนวโน้มต่องวดนี่จำนวนรอบต่อปีเป็นสี่เรากำลังทำงานกับข้อมูลรายไตรมาสดังนั้นเราแบ่ง 106 08 โดย 4 เพื่อประมาณแนวโน้มต่อไตรมาสที่ 26 5.The ใช้ขั้นตอน s แนวโน้มระยะโดยการลบออกจากผลเฉลี่ยระยะเวลามีวัตถุประสงค์เพื่อลบผลกระทบของแนวโน้มประจำปีจากผลกระทบตามฤดูกาลก่อนแม้ว่าเราต้องคำนวณผลเฉลี่ยตลอดห้าปีสำหรับระยะเวลา 1 สำหรับระยะเวลา 2 และ เมื่อต้องการทำเช่นนั้นจะช่วยจัดเรียงรายการยอดฮิตรายไตรมาสที่เกิดขึ้นจริงในช่วง D3 D22 ของรูปที่ 5 5 เป็นเมตริกซ์ 5 ปีโดยสี่ไตรมาสแสดงในช่วง G11 J15 สังเกตว่าค่าในเมทริกซ์นั้น สอดคล้องกับรายการในคอลัมน์ D ด้วยข้อมูลที่จัดเรียงตามแบบนั้นง่ายในการคำนวณค่าเฉลี่ยรายไตรมาสในช่วงห้าปีในชุดข้อมูลที่ทำในช่วง G18 J18 ผลของเทรนด์ที่ส่งกลับโดย LINEST ปรากฏในช่วง G19 J19 ค่าเริ่มต้นสำหรับแต่ละปีคือจำนวนการชมเฉลี่ยรายวันเฉลี่ยสำหรับไตรมาสแรกดังนั้นเราจึงไม่มีการปรับปรุงใด ๆ ในไตรมาสแรกมูลค่าแนวโน้มของไตรมาสที่หนึ่งหรือ 26 5 จะถูกลบออกจากไตรมาสที่สอง หมายถึงความนิยมส่งผลให้เกิด a ปรับค่าในช่วงไตรมาสที่สองของ 329 9 ดูเซลล์ H21 รูปที่ 5 5 แนวโน้มไตรมาสที่สองของมูลค่า 2 26 5 หรือ 53 ในเซลล์ I19 ถูกหักออกจากไตรมาสที่สามโดยเฉลี่ยเพื่อให้ได้ค่าไตรมาสที่สามที่มีการปรับแล้ว 282 6 เซลล์ I21 และในทำนองเดียวกันในไตรมาสที่สี่หักสามในสี่ของแนวโน้มจาก 454 4 เพื่อให้ได้ 374 8 ในเซลล์ J21 โปรดจำไว้ว่าถ้าแนวโน้มลดลงมากกว่าในตัวอย่างนี้คุณจะเพิ่มมูลค่าแนวโน้มตามงวด ถึงวิธีสังเกตเป็นระยะแทนการลบมันการแปลงค่าตามฤดูกาลหมายถึงผลตามฤดูกาลตรรกะของวิธีนี้ค่าที่แสดงในแถว 20 21 ของรูปที่ 5 5 เป็นผลรายไตรมาสโดยเฉลี่ยสำหรับแต่ละสี่ไตรมาสโดยมี ผลกระทบของแนวโน้มสูงขึ้นโดยทั่วไปในชุดข้อมูลที่ถูกลบออกแถวที่ 20 และ 21 รวมอยู่ในคอลัมน์ G ถึง J ด้วยแนวโน้มของพวกเขาออกจากทางเราสามารถแปลงตัวเลขเหล่านี้เป็นประมาณการผลกระทบตามฤดูกาลซึ่งเป็นผลมาจากในไตรมาสแรกใน ไตรมาสที่สองและอื่น ๆ เพื่อให้ได้ ผลกระทบเริ่มต้นด้วยการคำนวณค่าเฉลี่ยที่ยิ่งใหญ่ของไตรมาสที่ปรับเปลี่ยนหมายความว่าค่าแกรนด์ที่ปรับเปลี่ยนจะปรากฏในเซลล์ I23 การวิเคราะห์จะดำเนินต่อไปในรูปที่ 5 6. รูปที่ 5 6 ผลกระทบรายไตรมาสหรือดัชนีถูกนำมาใช้เพื่อลดความเหลื่อมล้ำของไตรมาสที่สังเกตเห็นรูปที่ 5 6 ซ้ำการปรับรายไตรมาสและปรับแกรนด์เฉลี่ยจากด้านล่างของรูปที่ 5 5 รวมกันเพื่อกำหนดดัชนีรายไตรมาสที่คุณสามารถคิดเป็นลักษณะตามฤดูกาลตัวอย่างเช่นสูตรในเซลล์ D8 มีดังต่อไปนี้ผลตอบแทน 33 2 นั่นคือผลของการอยู่ในไตรมาสที่สอง vis - - vis เฉลี่ยแกรนด์เกี่ยวกับค่าเฉลี่ยที่ยิ่งใหญ่เราสามารถคาดหวังผลที่อยู่ในไตรมาสที่สองจะลดลงต่ำกว่าค่าเฉลี่ยแกรนด์โดย 33 2 หน่วยการประยุกต์ใช้ตามฤดูกาล ผลกระทบต่อการสังเกต Quarterlies. To recap จนถึงตอนนี้เราได้วิเคราะห์แนวโน้มรายปีในข้อมูลโดยการถดถอยและแบ่งแนวโน้มโดย 4 เพื่อหารค่าเป็นรายไตรมาสในรูปที่ 5 6 เราปรับค่าเฉลี่ยสำหรับแต่ละไตรมาส C3 F3 โดยการลบแนวโน้ม prorated ใน C4 F4 ผลลัพธ์คือค่าประมาณ detrended ของค่าเฉลี่ยสำหรับแต่ละไตรมาสโดยไม่คำนึงถึงปีที่มีไตรมาสที่เกิดขึ้นใน C5 F5 เราลบค่าเฉลี่ยที่ได้รับการปรับปรุงในเซลล์ G5 ออกจาก C5 F5 ซึ่งมีการเปลี่ยนแปลงในแต่ละไตรมาสหมายถึงการวัดผลกระทบของแต่ละไตรมาสเทียบกับค่าเฉลี่ยที่ปรับแล้วซึ่งเป็นดัชนีตามฤดูกาลหรือผลกระทบใน C8 F8 ต่อไปเราจะลบผลกระทบตามฤดูกาลออกจากไตรมาสที่สังเกตดังที่แสดงไว้ ในรูปที่ 5 6 คุณทำได้โดยการลบดัชนีรายไตรมาสใน C8 F8 ออกจากค่าที่สอดคล้องกันใน C12 F16 และวิธีที่ง่ายที่สุดในการทำเช่นนี้ก็คือการป้อนสูตรนี้ในเซลล์ C20 โปรดทราบว่าเครื่องหมายดอลลาร์เดียวก่อนเครื่องหมาย 8 ในการอ้างอิง เครื่องหมายอ้างอิงเงินดอลลาร์อ้างอิง anchor อ้างอิงถึงแถวที่แปด แต่คอลัมน์ส่วนของการอ้างอิงมีอิสระที่จะแตกต่างกันดังนั้นจึงหลังจากสูตรหลังถูกป้อนลงในเซลล์ C20 คุณสามารถ คลิกเลือกเซลล์ s จัดการสี่เหลี่ยมเล็ก ๆ ที่มุมล่างขวาของเซลล์ที่เลือกและลากขวาเข้าสู่เซลล์ F20 ที่อยู่ปรับในขณะที่คุณลากไปทางขวาและคุณหมุนเวียนด้วยค่าที่มีผลตามฤดูกาลออกปี 2001 ใน C20 F20 เลือกช่วงของสี่เซลล์และใช้ตัวเลือกการเลือกหลายรายการใน F20 เพื่อลากลงไปในแถว 24 ดังนั้นให้เติมส่วนที่เหลือของเมทริกซ์นี่เป็นสิ่งสำคัญที่ต้องจำไว้ว่านี่คือการปรับต้นฉบับ ค่านิยมรายไตรมาสสำหรับผลกระทบตามฤดูกาลสิ่งที่มีอยู่ในค่าเดิมยังคงมีอยู่และในทางทฤษฎีอย่างน้อยก็ยังคงอยู่ที่นั่นหลังจากที่เราได้ทำการปรับเปลี่ยนตามฤดูกาลเราได้ลบแนวโน้มใช่ แต่เพียงจากผลตามฤดูกาลดังนั้น, เมื่อเราลบผลกระทบตามฤดูกาลออกจากการสังเกตรายไตรมาสแบบเดิมผลที่ตามมาคือข้อสังเกตเดิมที่มีแนวโน้ม แต่ไม่มีผลตามฤดูกาลฉันได้ตั้งค่าที่ปรับฤดูกาลตามรูปที่ 5 6 เปรียบเทียบ t hat chart ไปยังแผนภูมิในรูปที่ 5 4 สังเกตว่าในรูปที่ 5 6 แม้ว่าค่าที่เกิดจากการตั้งค่าเหล่านี้ไม่ได้อยู่ในแนวเส้นตรง แต่ผลของฤดูกาลจะถูกลบออกไปการรีลิสซิ่ง Quarterly แบบมีส่วนร่วมเป็นระยะเวลาขั้นตอนต่อไปคือ เพื่อสร้างการคาดการณ์จากข้อมูลที่ปรับตามฤดูกาลและมีแนวโน้มในรูปที่ 5 6 เซลล์ C20 F24 และ ณ จุดนี้คุณมีทางเลือกหลายทางคุณสามารถใช้วิธีการ differencing ร่วมกับการเรียบอย่างง่ายซึ่งอธิบายในบทที่ 3 การทำงานกับซีรีส์ Trended Time นอกจากนี้คุณยังสามารถใช้วิธีการของ Holt เพื่อทำให้ชุดผลิตภัณฑ์มีแนวโน้มดีขึ้นได้กล่าวถึงในบทที่ 3 และบทที่ 4 การเริ่มต้นการคาดการณ์ทั้งสองวิธีทำให้คุณสามารถสร้างการคาดการณ์ล่วงหน้าหนึ่งก้าวซึ่งคุณจะเพิ่มดัชนีตามฤดูกาลที่สอดคล้องกัน อีกวิธีหนึ่งซึ่งผมจะใช้ที่นี่ก่อนจะนำข้อมูลที่มีแนวโน้มผ่านตัวอย่างอื่นของการถดถอยเชิงเส้นแล้วเพิ่มดัชนีตามฤดูกาลดูรูปที่ 5 7. รูปที่ 5 7 ข้อมูล fi การคาดการณ์ที่แท้จริงครั้งที่ 25 อยู่ในแถว 25. รูปที่ 5 7 แสดงผลไตรมาสที่สามจากการจัดเรียงแบบตารางใน C20 F24 ของรูปที่ 5 6 เพื่อจัดเรียงรายการในช่วง C5 C24 ตามรูปที่ 5 7. เราสามารถใช้ LINEST ร่วมกับข้อมูล ใน B5 C24 ในรูปที่ 5 7 ในการคำนวณสมการถดถอยและค่าสัมประสิทธิ์แล้วเราสามารถคูณค่าสัมประสิทธิ์โดยแต่ละค่าในคอลัมน์ B และเพิ่มการสกัดกั้นกับแต่ละผลิตภัณฑ์เพื่อสร้างการคาดการณ์ในคอลัมน์ D แต่แม้ว่า LINEST จะให้ผลเป็นประโยชน์ ข้อมูลอื่น ๆ นอกเหนือจากค่าสัมประสิทธิ์และการสกัดกั้น TREND เป็นวิธีที่เร็วกว่าในการคาดการณ์และฉันใช้ข้อมูลดังกล่าวในรูปที่ 5 7. ช่วง D5 D24 มีการคาดการณ์ที่เป็นผลมาจากการถดถอยตัวเลขรายไตรมาสที่ไม่เป็นไปตามหลักเกณฑ์ใน C5 C24 ไปเป็นตัวเลขระยะเวลาใน B5 B24 สูตรอาร์เรย์ที่ใช้ใน D5 D24 เป็นแบบนี้ซึ่งผลการค้นหาสะท้อนให้เห็นถึงผลกระทบของแนวโน้มที่เพิ่มขึ้นโดยทั่วไปในชุดข้อมูลเวลาเนื่องจากค่าที่ TREND คาดการณ์ไว้จากที่ได้รับการพิจารณาแล้วแต่ยังคงมีอยู่ เพื่อเพิ่มผลตามฤดูกาลหรือที่เรียกว่าดัชนีตามฤดูกาลกลับเข้าสู่การคาดการณ์แนวโน้มการเพิ่มดัชนีตามฤดูกาลในดัชนีตามฤดูกาลที่คำนวณในรูปที่ 5 6 มีไว้ในรูปที่ 5 7 เป็นอันดับแรกในช่วง C2 F2 แล้วซ้ำ ๆ ในช่วง E5 E8, E9 E12 และอื่น ๆ การคาดการณ์ที่คาดการณ์ไว้จะอยู่ใน F5 F24 โดยการเพิ่มผลตามฤดูกาลในคอลัมน์ E ไปยังการคาดการณ์แนวโน้มในคอลัมน์ D เพื่อให้ได้การคาดการณ์ล่วงหน้าหนึ่งก้าวในเซลล์ F25 ของรูป 5 7 ค่าของ t สำหรับรอบระยะเวลาถัดไปจะเข้าสู่เซลล์ B25 สูตรต่อไปนี้ถูกป้อนในเซลล์ D25 มันสั่งให้ Excel คำนวณสมการถดถอยที่คาดการณ์ค่าในช่วง C5 C24 จาก B5 B24 และใช้สมการที่ ค่า x ใหม่ในเซลล์ B25 ดัชนีตามฤดูกาลที่เหมาะสมจะอยู่ในเซลล์ E25 และผลรวมของ D25 และ E25 จะอยู่ใน F25 เป็นค่าพยากรณ์แรกที่แท้จริงของชุดเวลาที่มีแนวโน้มและตามฤดูกาลคุณจะพบทั้งชุด ไตรมาสที่สามและไตรมาสที่คาดการณ์ไว้ รูปที่ 5 8. รูปที่ 5 8 ผลกระทบตามฤดูกาลจะถูกส่งกลับไปยัง forecasts. Evaluating Simple Averages แนวทางในการจัดการกับซีรีส์เวลาตามฤดูกาลที่กล่าวถึงในหัวข้อก่อนหน้านี้มีการอุทธรณ์ที่ใช้งานง่ายบางส่วนแนวคิดพื้นฐานดูเหมือนจะตรงไปตรงมา โดยการถดถอยวิธีการประจำปีในการวัดระยะเวลากำหนดแนวโน้มประจำปีในช่วงระยะเวลาภายในปีรวบรวมข้อมูลแนวโน้มที่แยกออกจากผลกระทบตามงวดเพื่อให้ได้รับผลกระทบที่ได้รับการปรับปรุงเอาไว้ปรับผลกระทบจากมาตรการที่เกิดขึ้นจริงเพื่อลดจำนวนชุดเวลา การคาดการณ์จากชุดข้อมูลและเพิ่มผลกระทบตามฤดูกาลที่ปรับเปลี่ยนกลับเข้ามาในมุมมองของฉันเองก็คือปัญหาหลายอย่างทำให้แนวทางลดลงและฉันจะไม่รวมไว้ในหนังสือเล่มนี้ยกเว้นว่าคุณมีแนวโน้มที่จะได้พบกับมันดังนั้นจึงควรทำความคุ้นเคยกับ มันและจะให้กระโดดที่มีประโยชน์เพื่อหารือเกี่ยวกับแนวคิดและวิธีการบางอย่างที่พบในวิธีการอื่น ๆ ที่แข็งแกร่งมากขึ้นประการแรกมีประเด็นเกี่ยวกับที่ ฉันบ่นก่อนหน้าในบทนี้เกี่ยวกับขนาดตัวอย่างขนาดเล็กมากสำหรับการถดถอยของวิธีการประจำปีลงบนจำนวนเต็มติดต่อกันที่ระบุในแต่ละปีแม้มีเพียงหนึ่ง predictor เพียงไม่กี่สังเกตว่าเป็นจริงขูดด้านล่างของกระบอกที่อย่างน้อยคุณควร มองไปที่ผลที่ตามมา R 2 ปรับลดการหดตัวและอาจคำนวณข้อผิดพลาดมาตรฐานของการประมาณตามความเป็นจริงที่แข็งแกร่งความสัมพันธ์ในประชากรที่มีขนาดเล็กตัวอย่างที่คุณจะได้รับไปด้วย แต่การทำงานกับไตรมาสภายในปีที่คุณโชคดี เพื่อหาข้อสังเกตรายไตรมาสติดต่อกันเป็นระยะเวลา 10 ปีซึ่งวัดกันในช่วงเวลาเดียวกันฉันไม่สามารถชักชวนให้คำตอบของรูปแบบการขึ้นและลงที่มีปัญหาภายในหนึ่งปีได้ดูแผนภูมิใน รูปที่ 5 4 คือค่าเฉลี่ยของยอดเขาและหุบเขาและได้รับการประมาณการแนวโน้มจากปีหมายถึงแน่นอนว่ามันเป็นหนึ่งในคำตอบของปัญหานั้น แต่อย่างที่คุณเห็น จากการแยกแยะผลกระทบตามฤดูกาลจากแนวโน้มพื้นฐานการบัญชีสำหรับทั้งสองและการคาดการณ์ตามฉันจะครอบคลุมวิธีการที่ต่อไปในบทนี้ในการถดถวนเชิงเส้นที่มีส่วนเวกเตอร์รหัสนอกจากนี้มีรากฐานในทฤษฎีการกระจายรายปี แนวโน้มอย่างเท่าเทียมกันในช่วงเวลาที่เขียนปีมันเป็นความจริงที่ว่าการถดถอยเชิงเส้นทำสิ่งที่คล้ายกันเมื่อมันวางการคาดการณ์ในแนวเส้นตรง แต่มีอ่าวขนาดใหญ่ระหว่างการทำสมมติฐานพื้นฐานเนื่องจากรูปแบบการวิเคราะห์สามารถจัดการข้อมูลและยอมรับ ผลข้อบกพร่องที่ข้อผิดพลาดข้อบกพร่องในการคาดการณ์สามารถวัดและประเมินผลสิ่งที่กล่าวว่าให้ย้ายไปใช้ค่าเฉลี่ยเคลื่อนที่แทนค่าเฉลี่ยที่เรียบง่ายเป็นวิธีการจัดการกับฤดูกาล