Moving Average Dieses Beispiel lehrt, wie Sie den gleitenden Durchschnitt einer Zeitreihe in Excel berechnen. Eine Bewegung wird verwendet, um Unregelmäßigkeiten (Spitzen und Täler) zu glätten, um Trends leicht zu erkennen. 1. Erstens, werfen wir einen Blick auf unsere Zeitreihe. 2. Klicken Sie auf der Registerkarte Daten auf Datenanalyse. Hinweis: Klicken Sie hier, um das Analyse-ToolPak-Add-In zu laden. 3. Wählen Sie Verschiebender Durchschnitt aus, und klicken Sie auf OK. 4. Klicken Sie im Feld Eingabebereich auf den Bereich B2: M2. 5. Klicken Sie in das Feld Intervall und geben Sie 6 ein. 6. Klicken Sie in das Feld Ausgabebereich und wählen Sie Zelle B3 aus. 8. Zeichnen Sie ein Diagramm dieser Werte. Erläuterung: Da wir das Intervall auf 6 setzen, ist der gleitende Durchschnitt der Durchschnitt der letzten 5 Datenpunkte und der aktuelle Datenpunkt. Als Ergebnis werden Spitzen und Täler geglättet. Die Grafik zeigt eine zunehmende Tendenz. Excel kann den gleitenden Durchschnitt für die ersten 5 Datenpunkte nicht berechnen, da nicht genügend frühere Datenpunkte vorhanden sind. 9. Wiederholen Sie die Schritte 2 bis 8 für Intervall 2 und Intervall 4. Fazit: Je größer das Intervall, desto mehr werden die Spitzen und Täler geglättet. Je kleiner das Intervall, desto näher sind die gleitenden Mittelwerte zu den tatsächlichen Datenpunkten. Mögen Sie diese kostenlose Website Bitte teilen Sie diese Seite auf GoogleMoving Durchschnittliche Prognose Einführung. Wie Sie vermutlich schauen, betrachten wir einige der primitivsten Ansätze zur Prognose. Aber hoffentlich sind diese zumindest eine lohnende Einführung in einige der Rechenprobleme im Zusammenhang mit der Umsetzung von Prognosen in Tabellenkalkulationen. In diesem Sinne werden wir von Anfang an beginnen und beginnen mit Moving Average Prognosen zu arbeiten. Gleitende durchschnittliche Prognosen. Jeder ist vertraut mit gleitenden durchschnittlichen Prognosen, unabhängig davon, ob sie glauben, sie sind. Alle Studenten tun sie die ganze Zeit. Denken Sie an Ihre Testergebnisse in einem Kurs, in dem Sie vier Tests während des Semesters haben werden. Angenommen, Sie haben eine 85 auf Ihrem ersten Test. Was würden Sie vorhersagen, für Ihre zweite Test-Score Was glauben Sie, Ihr Lehrer würde für Ihre nächste Test-Punkt vorhersagen Was denken Sie, Ihre Freunde könnten für Ihre nächste Test-Punkt vorherzusagen Was denken Sie, Ihre Eltern könnten für Ihre nächste Test-Score Unabhängig davon vorhersagen Alle die blabbing Sie tun könnten, um Ihre Freunde und Eltern, sie und Ihr Lehrer sind sehr wahrscheinlich zu erwarten, dass Sie etwas im Bereich der 85 erhalten Sie gerade bekommen. Nun, jetzt gehen wir davon aus, dass trotz Ihrer Selbst-Förderung an Ihre Freunde, Sie über-schätzen Sie sich und Figur, die Sie weniger für den zweiten Test lernen können und so erhalten Sie eine 73. Nun, was sind alle betroffenen und unbekümmerten gehen Erwarten Sie erhalten auf Ihrem dritten Test Es gibt zwei sehr wahrscheinlich Ansätze, damit sie eine Schätzung unabhängig davon entwickeln, ob sie sie mit Ihnen teilen. Sie können zu sich selbst sagen, dieser Kerl ist immer bläst Rauch über seine smarts. Hes gehend, ein anderes 73 zu erhalten, wenn hes glücklich. Vielleicht werden die Eltern versuchen, mehr unterstützend und sagen, quotWell, so weit youve bekommen eine 85 und eine 73, so dass Sie vielleicht auf eine über (85 73) / 2 79. Ich weiß nicht, vielleicht, wenn Sie weniger haben Partying und werent wedelte das Wiesel ganz über dem Platz und wenn Sie anfingen, viel mehr zu studieren, konnten Sie einen höheren score. quot erhalten. Beide dieser Schätzungen sind wirklich gleitende durchschnittliche Prognosen. Der erste verwendet nur Ihre jüngste Punktzahl, um Ihre zukünftige Leistung zu prognostizieren. Dies wird als gleitende Durchschnittsprognose mit einer Datenperiode bezeichnet. Die zweite ist auch eine gleitende durchschnittliche Prognose, aber mit zwei Perioden von Daten. Nehmen wir an, dass alle diese Leute, die auf deinem großen Verstand zerschmettern, Art von dich angepisst haben und du entscheidest, auf dem dritten Test aus deinen eigenen Gründen gut zu tun und eine höhere Kerbe vor deinen quotalliesquot zu setzen. Sie nehmen den Test und Ihre Gäste ist eigentlich ein 89 Jeder, einschließlich selbst, ist beeindruckt. So jetzt haben Sie die abschließende Prüfung des Semesters herauf und wie üblich spüren Sie die Notwendigkeit, alle in die Vorhersagen zu machen, wie youll auf dem letzten Test tun. Nun, hoffentlich sehen Sie das Muster. Nun, hoffentlich können Sie das Muster sehen. Was glauben Sie, ist die genaueste Pfeife, während wir arbeiten. Jetzt kehren wir zu unserer neuen Reinigungsfirma zurück, die von Ihrer entfremdeten Halbschwester namens Whistle While We Work begonnen wurde. Sie haben einige vergangene Verkaufsdaten, die durch den folgenden Abschnitt aus einer Kalkulationstabelle dargestellt werden. Zuerst präsentieren wir die Daten für eine dreidimensionale gleitende Durchschnittsprognose. Der Eintrag für Zelle C6 sollte jetzt sein Sie können diese Zellformel auf die anderen Zellen C7 bis C11 kopieren. Beachten Sie, wie der Durchschnitt bewegt sich über die jüngsten historischen Daten, sondern verwendet genau die drei letzten Perioden zur Verfügung für jede Vorhersage. Sie sollten auch bemerken, dass wir nicht wirklich brauchen, um die Vorhersagen für die vergangenen Perioden zu machen, um unsere jüngste Vorhersage zu entwickeln. Dies ist definitiv anders als das exponentielle Glättungsmodell. Ive eingeschlossen das quotpast predictionsquot, weil wir sie auf der folgenden Webseite verwenden, um Vorhersagegültigkeit zu messen. Nun möchte ich die analogen Ergebnisse für eine zwei-Periode gleitenden Durchschnitt Prognose zu präsentieren. Der Eintrag für Zelle C5 sollte jetzt sein Sie können diese Zellformel auf die anderen Zellen C6 bis C11 kopieren. Beachten Sie, wie jetzt nur die beiden letzten Stücke der historischen Daten für jede Vorhersage verwendet werden. Wieder habe ich die quotpast Vorhersagequot für illustrative Zwecke und für die spätere Verwendung in der Prognose Validierung enthalten. Einige andere Dinge, die wichtig zu beachten sind. Für eine m-Periode gleitende Durchschnittsprognose werden nur die m neuesten Datenwerte verwendet, um die Vorhersage durchzuführen. Nichts anderes ist notwendig. Für eine m-Periode gleitende durchschnittliche Prognose, wenn Sie Quotpast Vorhersagequot, beachten Sie, dass die erste Vorhersage tritt im Zeitraum m 1 auf. Diese beiden Fragen werden sehr wichtig sein, wenn wir unseren Code entwickeln. Entwicklung der Moving Average Funktion. Nun müssen wir den Code für die gleitende Durchschnittsprognose entwickeln, die flexibler genutzt werden kann. Der Code folgt. Beachten Sie, dass die Eingaben für die Anzahl der Perioden sind, die Sie in der Prognose und dem Array der historischen Werte verwenden möchten. Sie können es in beliebiger Arbeitsmappe speichern. Funktion MovingAverage (Historische, NumberOfPeriods) As Single Deklarieren und Variablen Dim Artikel As Variant Dim Zähler As Integer Dim Accumulation As Single Dim HistoricalSize Initialisierung As Integer initialisieren Variablen Zähler 1 Accumulation 0 Bestimmung der Größe der historischen Array HistoricalSize Historical. Count für Zähler 1 Um NumberOfPeriods thesaurierend die entsprechende Anzahl von jüngsten zuvor beobachteten Werte Accumulation Accumulation Historisch (HistoricalSize - NumberOfPeriods Counter) MovingAverage Accumulation / NumberOfPeriods der Code wird in der Klasse erklärt. Sie möchten die Funktion auf dem Arbeitsblatt platzieren, so dass das Ergebnis der Berechnung dort erscheint, wo es wie folgt aussehen sollte: In der Praxis liefert der gleitende Durchschnitt eine gute Schätzung des Mittelwerts der Zeitreihe, wenn der Mittelwert konstant ist oder sich langsam ändert. Im Fall eines konstanten Mittelwertes wird der grßte Wert von m die besten Schätzungen des zugrunde liegenden Mittels liefern. Ein längerer Beobachtungszeitraum wird die Effekte der Variabilität ausmachen. Der Zweck der Bereitstellung eines kleineren m ist es, die Prognose auf eine Änderung in dem zugrunde liegenden Prozess zu ermöglichen. Um zu veranschaulichen, schlagen wir einen Datensatz vor, der Änderungen im zugrundeliegenden Mittel der Zeitreihen enthält. Die Abbildung zeigt die Zeitreihen für die Darstellung zusammen mit der mittleren Nachfrage, aus der die Serie erzeugt wurde. Der Mittelwert beginnt als eine Konstante bei 10. Ab dem Zeitpunkt 21 erhöht er sich um eine Einheit in jeder Periode, bis er zum Zeitpunkt 30 den Wert von 20 erreicht. Dann wird er wieder konstant. Die Daten werden simuliert, indem dem Mittelwert ein zufälliges Rauschen aus einer Normalverteilung mit Nullmittelwert und Standardabweichung 3 hinzugefügt wird. Die Ergebnisse der Simulation werden auf die nächste ganze Zahl gerundet. Die Tabelle zeigt die simulierten Beobachtungen für das Beispiel. Wenn wir die Tabelle verwenden, müssen wir bedenken, dass zu einem gegebenen Zeitpunkt nur die letzten Daten bekannt sind. Die Schätzwerte des Modellparameters, für drei verschiedene Werte von m, werden zusammen mit dem Mittelwert der Zeitreihen in der folgenden Abbildung gezeigt. Die Abbildung zeigt die gleitende durchschnittliche Schätzung des Mittelwerts zu jedem Zeitpunkt und nicht die Prognose. Die Prognosen würden die gleitenden Durchschnittskurven nach Perioden nach rechts verschieben. Eine Schlussfolgerung ergibt sich unmittelbar aus der Figur. Für alle drei Schätzungen liegt der gleitende Durchschnitt hinter dem linearen Trend, wobei die Verzögerung mit m zunimmt. Die Verzögerung ist der Abstand zwischen dem Modell und der Schätzung in der Zeitdimension. Wegen der Verzögerung unterschätzt der gleitende Durchschnitt die Beobachtungen, während der Mittelwert zunimmt. Die Vorspannung des Schätzers ist die Differenz zu einer bestimmten Zeit im Mittelwert des Modells und dem Mittelwert, der durch den gleitenden Durchschnitt vorhergesagt wird. Die Vorspannung, wenn der Mittelwert zunimmt, ist negativ. Bei einem abnehmenden Mittelwert ist die Vorspannung positiv. Die Verzögerung in der Zeit und die Bias in der Schätzung eingeführt sind Funktionen von m. Je größer der Wert von m. Desto größer ist die Größe der Verzögerung und der Vorspannung. Für eine stetig wachsende Serie mit Trend a. Die Werte der Verzögerung und der Vorspannung des Schätzers des Mittelwerts sind in den folgenden Gleichungen gegeben. Die Beispielkurven stimmen nicht mit diesen Gleichungen überein, da das Beispielmodell nicht kontinuierlich zunimmt, sondern als Konstante beginnt, sich in einen Trend ändert und dann wieder konstant wird. Auch die Beispielkurven sind vom Rauschen betroffen. Die gleitende Durchschnittsprognose der Perioden in die Zukunft wird durch die Verschiebung der Kurven nach rechts dargestellt. Die Verzögerung und die Vorspannung nehmen proportional zu. Die nachstehenden Gleichungen zeigen die Verzögerung und die Vorspannung von Prognoseperioden in die Zukunft im Vergleich zu den Modellparametern. Diese Formeln sind wiederum für eine Zeitreihe mit einem konstanten linearen Trend. Wir sollten dieses Ergebnis nicht überraschen. Der gleitende Durchschnittsschätzer basiert auf der Annahme eines konstanten Mittelwerts, und das Beispiel hat einen linearen Trend im Mittel während eines Teils des Studienzeitraums. Da Realzeitreihen den Annahmen eines Modells nur selten gehorchen, sollten wir auf solche Ergebnisse vorbereitet sein. Wir können auch aus der Figur schließen, dass die Variabilität des Rauschens den größten Effekt für kleinere m hat. Die Schätzung ist viel volatiler für den gleitenden Durchschnitt von 5 als der gleitende Durchschnitt von 20. Wir haben die widerstrebenden Wünsche, m zu erhöhen, um den Effekt der Variabilität aufgrund des Rauschens zu verringern und m zu verringern, um die Prognose besser auf Veränderungen anzupassen Im Mittel. Der Fehler ist die Differenz zwischen den tatsächlichen Daten und dem prognostizierten Wert. Wenn die Zeitreihe wirklich ein konstanter Wert ist, ist der erwartete Wert des Fehlers Null und die Varianz des Fehlers besteht aus einem Term, der eine Funktion von und ein zweiter Term ist, der die Varianz des Rauschens ist. Der erste Term ist die Varianz des Mittelwertes mit einer Stichprobe von m Beobachtungen, vorausgesetzt, die Daten stammen aus einer Population mit einem konstanten Mittelwert. Dieser Begriff wird minimiert, indem man m so groß wie möglich macht. Ein großes m macht die Prognose auf eine Änderung der zugrunde liegenden Zeitreihen unempfänglich. Um die Prognose auf Veränderungen anzupassen, wollen wir m so klein wie möglich (1), aber dies erhöht die Fehlerabweichung. Praktische Voraussage erfordert einen Zwischenwert. Prognose mit Excel Das Prognose-Add-In implementiert die gleitenden Durchschnittsformeln. Das folgende Beispiel zeigt die Analyse des Add-In für die Beispieldaten in Spalte B. Die ersten 10 Beobachtungen sind mit -9 bis 0 indexiert. Im Vergleich zur obigen Tabelle werden die Periodenindizes um -10 verschoben. Die ersten zehn Beobachtungen liefern die Startwerte für die Schätzung und werden verwendet, um den gleitenden Durchschnitt für die Periode 0 zu berechnen. Die Spalte MA (10) zeigt die berechneten Bewegungsdurchschnitte. Der gleitende Mittelwert m ist in Zelle C3. Die Fore (1) Spalte (D) zeigt eine Prognose für einen Zeitraum in die Zukunft. Das Prognoseintervall ist in Zelle D3. Wenn das Prognoseintervall auf eine größere Zahl geändert wird, werden die Zahlen in der Spalte Vorwärts verschoben. Die Err (1) - Spalte (E) zeigt die Differenz zwischen der Beobachtung und der Prognose. Zum Beispiel ist die Beobachtung zum Zeitpunkt 1 6. Der prognostizierte Wert, der aus dem gleitenden Durchschnitt zum Zeitpunkt 0 gemacht wird, beträgt 11,1. Der Fehler ist dann -5.1. Die Standardabweichung und mittlere mittlere Abweichung (MAD) werden in den Zellen E6 bzw. E7 berechnet.8.4 Gleitende Durchschnittsmodelle Anstatt frühere Werte der Prognosevariablen in einer Regression zu verwenden, verwendet ein gleitendes Durchschnittsmodell vergangene Prognosefehler in einem Regressionsmodell . Y c et the theta e dots theta e, wobei et weißes Rauschen ist. Wir bezeichnen dies als MA (q) - Modell. Natürlich haben wir nicht beobachten die Werte von et, so ist es nicht wirklich Regression im üblichen Sinne. Beachten Sie, dass jeder Wert von yt gedacht als ein gewichteter gleitender Durchschnitt der letzten Prognosefehler werden kann. Allerdings sollten durchschnittlich Modelle bewegen sich nicht zu verwechseln mit einer durchschnittlichen Glättung bewegen wir uns in Kapitel 6. Ein gleitender Durchschnitt Modell diskutiert wird für die Vorhersage zukünftiger Werte verwendet, während gleitenden Durchschnitt Glättung zur Abschätzung des Trend-Zyklus von früheren Werten verwendet wird. Abbildung 8.6: Zwei Beispiele von Daten aus gleitenden Durchschnitt Modelle mit unterschiedlichen Parametern. Links: MA (1) mit yt 20e t 0,8e t-1. Rechts: MA (2) mit y t e t - e t-1 0,8e t-2. In beiden Fällen ist e t normalerweise weißes Rauschen mit Mittelwert Null und Varianz eins verteilt. Abbildung 8.6 zeigt einige Daten aus einem MA (1) - Modell und einem MA (2) - Modell. Das Ändern der Parameter theta1, dots, thetaq führt zu unterschiedlichen Zeitreihenmustern. Wie bei autoregressive Modelle, wird die Varianz des Fehlerterms et nur den Maßstab der Serie ändern, nicht die Muster. Es ist möglich, jedes stationäre AR (p) - Modell als MA (infty) - Modell zu schreiben. Zum Beispiel wiederholte Substitution, können wir dies für ein AR (1) Modell zeigen: begin yt amp phi1y et amp PHI1 (phi1y e) et amp phi12y phi1 e et amp phi13y phi12e phi1 e et amptext Ende bereitgestellt -1 lt phi1 lt 1 wird der Wert von phi1k kleiner, wenn k größer wird. So schließlich erhalten wir yt et phi1 e phi12 e phi13 e cdots, MA (infty) Prozess. Das umgekehrte Ergebnis gilt, wenn wir den MA-Parametern einige Einschränkungen auferlegen. Dann wird das MA-Modell invertierbar. Das heißt, dass wir alle invertierbaren MA (q) Prozess als AR (infty) Prozess schreiben können. Invertible Modelle sind nicht einfach, damit wir von MA-Modellen auf AR-Modelle umwandeln können. Sie haben auch einige mathematische Eigenschaften, die sie in der Praxis einfacher zu verwenden. Die Invertibilitätsbedingungen sind den stationären Einschränkungen ähnlich. Für ein MA (1) Modell: -1lttheta1lt1. Für ein MA (2) - Modell: -1lttheta2lt1, theta2theta1 gt-1, theta1 - theta2 lt 1. Kompliziertere Bedingungen gelten für qge3. Wieder wird R für diese Einschränkungen bei der Schätzung der Modelle sorgen. Berechnen des gleitenden Durchschnitts in Excel In diesem kurzen Tutorial erfahren Sie, wie Sie schnell einen einfachen gleitenden Durchschnitt in Excel berechnen können, welche Funktionen verwendet werden, um einen gleitenden Durchschnitt für das letzte N zu erhalten Tage, Wochen, Monate oder Jahre, und wie man eine gleitende durchschnittliche Trendlinie zu einem Excel-Diagramm hinzufügen. In ein paar neuere Artikel haben wir einen genauen Blick auf das Berechnen des Durchschnitts in Excel genommen. Wenn Sie unseren Blog verfolgt haben, wissen Sie bereits, wie Sie einen normalen Durchschnitt berechnen und welche Funktionen verwenden, um einen gewichteten Durchschnitt zu finden. In der heutigen Tutorial, werden wir diskutieren zwei grundlegende Techniken, um gleitende Durchschnitt in Excel zu berechnen. Was ist gleitender Durchschnitt Generell kann der gleitende Durchschnitt (auch als gleitender Durchschnitt, laufender Durchschnitt oder beweglicher Mittelwert) als eine Reihe von Durchschnittswerten für verschiedene Teilmengen desselben Datensatzes definiert werden. Es wird häufig in der Statistik verwendet, saisonbereinigte Wirtschafts-und Wettervorhersage zugrunde liegenden Trends zu verstehen. Im Aktienhandel ist der gleitende Durchschnitt ein Indikator, der den Durchschnittswert eines Wertpapiers über einen bestimmten Zeitraum darstellt. Im Geschäft, seine eine gängige Praxis, um einen gleitenden Durchschnitt der Verkäufe für die letzten 3 Monate zu berechnen, um den letzten Trend zu bestimmen. Zum Beispiel kann der gleitende Durchschnitt der dreimonatigen Temperaturen berechnet werden, indem man den Durchschnitt der Temperaturen von Januar bis März, dann den Durchschnitt der Temperaturen von Februar bis April, dann von März bis Mai und so weiter. Es gibt verschiedene Arten von gleitenden Durchschnitt wie einfache (auch als Arithmetik), exponentiell, variabel, dreieckig und gewichtet. In diesem Tutorial werden wir in den am häufigsten verwendeten einfachen gleitenden Durchschnitt suchen. Berechnen einfachen gleitenden Durchschnitt in Excel Insgesamt gibt es zwei Möglichkeiten, um einen einfachen gleitenden Durchschnitt in Excel - mit Formeln und Trendline-Optionen. Die folgenden Beispiele zeigen beide Techniken. Beispiel 1. Gleitender Durchschnitt für einen bestimmten Zeitraum berechnen Ein einfacher gleitender Durchschnitt kann mit der Funktion AVERAGE im Handumdrehen berechnet werden. Angenommen, Sie haben eine Liste der durchschnittlichen monatlichen Temperaturen in Spalte B, und Sie möchten einen gleitenden Durchschnitt für 3 Monate zu finden (wie in der Abbildung oben). Schreiben Sie eine übliche AVERAGE-Formel für die ersten 3 Werte und geben Sie sie in die Zeile ein, die dem dritten Wert von oben entspricht (Zelle C4 in diesem Beispiel), und kopieren Sie die Formel dann auf andere Zellen in der Spalte: Sie können die Spalte mit einer absoluten Referenz (wie B2), wenn Sie möchten, aber achten Sie darauf, relative Zeilenreferenzen (ohne das Zeichen) zu verwenden, so dass die Formel richtig für andere Zellen passt. Denken Sie daran, dass ein Durchschnitt durch Addition von Werten und dann durch Addition der Summe durch die Anzahl der zu mittelnden Werte berechnet wird, können Sie das Ergebnis anhand der SUM-Formel verifizieren: Beispiel 2. Gleitender Durchschnitt für die letzten N Tage / Wochen / Monate / Jahre in einer Spalte Angenommen, Sie haben eine Liste von Daten, zB Verkauf Zahlen oder Aktienkurse, und Sie wollen wissen, den Durchschnitt der letzten 3 Monate zu einem beliebigen Zeitpunkt. Dazu benötigen Sie eine Formel, die den Durchschnitt neu berechnen wird, sobald Sie einen Wert für den nächsten Monat eingeben. Was Excel-Funktion ist in der Lage, dies zu tun Die gute alte AVERAGE in Kombination mit OFFSET und COUNT. DURCHSCHNITT (OFFSET (erste Zelle COUNT (Gesamtbereich) - N, 0, N, 1)) wobei N die Anzahl der letzten Tage / Wochen / Monate / Jahre ist. Nicht sicher, wie Sie diese gleitende Durchschnittsformel in Ihren Excel-Arbeitsblättern verwenden Das folgende Beispiel wird die Dinge klarer machen. Angenommen, die Werte zum Mittelwert in Spalte B beginnen in Zeile 2, die Formel wäre wie folgt: Und jetzt wollen wir versuchen zu verstehen, was diese Excel-gleitende durchschnittliche Formel tatsächlich tun. Die COUNT-Funktion COUNT (B2: B100) zählt, wie viele Werte bereits in Spalte B eingegeben sind. Wir zählen in B2, da Zeile 1 der Spaltenkopf ist. Die OFFSET-Funktion nimmt die Zelle B2 (das erste Argument) als Ausgangspunkt an und verschiebt die Zählung (den durch die COUNT-Funktion zurückgegebenen Wert) durch Verschieben von 3 Zeilen nach oben (-3 im 2. Argument). Als Ergebnis gibt er die Summe der Werte in einem Bereich zurück, der aus 3 Zeilen (3 im 4. Argument) und 1 Spalte (1 im letzten Argument) besteht, was die letzten 3 Monate ist, die wir wollen. Schließlich wird die zurückgegebene Summe an die Funktion AVERAGE übergeben, um den gleitenden Durchschnitt zu berechnen. Spitze. Wenn Sie mit kontinuierlich aktualisierbaren Arbeitsblättern arbeiten, in denen neue Zeilen zukünftig wahrscheinlich hinzugefügt werden sollen, müssen Sie eine ausreichende Anzahl von Zeilen an die COUNT-Funktion liefern, um potenzielle neue Einträge zu berücksichtigen. Es ist kein Problem, wenn Sie mehr Zeilen als tatsächlich benötigt, solange Sie die erste Zelle rechts, die COUNT-Funktion werden alle leeren Zeilen sowieso verwerfen gehören. Wie Sie wahrscheinlich bemerkt haben, enthält die Tabelle in diesem Beispiel Daten für nur 12 Monate, und doch wird der Bereich B2: B100 an COUN geliefert, nur um auf der Speicherseite zu sein :) Beispiel 3. Gleitender Durchschnitt für die letzten N Werte in Eine Zeile Wenn Sie einen gleitenden Durchschnitt für die letzten N Tage, Monate, Jahre usw. in der gleichen Zeile berechnen wollen, können Sie die Offset-Formel auf diese Weise anpassen: Angenommen, B2 ist die erste Zahl in der Zeile und Sie wollen Um die letzten 3 Zahlen im Durchschnitt einzuschließen, nimmt die Formel die folgende Form an: Erstellen eines Excel-gleitenden Durchschnittsdiagramms Wenn Sie bereits ein Diagramm für Ihre Daten erstellt haben, ist das Hinzufügen einer gleitenden durchschnittlichen Trendlinie für dieses Diagramm eine Angelegenheit von Sekunden. Dazu verwenden wir die Excel Trendline-Funktion und die detaillierten Schritte folgen unten. Für dieses Beispiel hat Ive ein 2-D Säulendiagramm (Insert tab gt Charts group) für unsere Verkaufsdaten erstellt: Und nun wollen wir den gleitenden Durchschnitt für 3 Monate visualisieren. In Excel 2010 und Excel 2007, gehen Sie zu Layout gt Trendline gt Weitere Trendline-Optionen. Spitze. Wenn Sie die Details wie das gleitende Durchschnittsintervall oder die Namen nicht angeben müssen, können Sie auf Design gt klicken. Diagramm-Element hinzufügen gt Trendline gt Moving Average für das sofortige Ergebnis. Das Fenster "Format Trendline" wird auf der rechten Seite des Arbeitsblatts in Excel 2013 geöffnet und das entsprechende Dialogfeld wird in Excel 2010 und 2007 angezeigt. Um Ihren Chat zu verfeinern, können Sie auf die Registerkarte Fill amp Line oder Effects wechseln Das Format Trendline-Fenster und spielen mit verschiedenen Optionen wie Linientyp, Farbe, Breite, etc. Für eine leistungsstarke Datenanalyse, möchten Sie vielleicht ein paar gleitende durchschnittliche Trendlinien mit unterschiedlichen Zeitintervallen hinzufügen, um zu sehen, wie sich der Trend entwickelt. Der folgende Screenshot zeigt die 2 Monate (grün) und 3 Monate (brickrot) gleitenden Durchschnitt Trendlinien: Nun, das ist alles über die Berechnung der gleitenden Durchschnitt in Excel. Das Beispielarbeitsblatt mit den gleitenden Durchschnittsformeln und der Trendlinie ist zum Download verfügbar - Moving Average Kalkulationstabelle. Ich danke Ihnen für das Lesen und freue mich auf Sie nächste Woche Vielleicht haben Sie auch Interesse an:
No comments:
Post a Comment