Estadísticas De Promedio Móvil Exponencial

El suavizado de datos elimina la variación aleatoria y muestra las tendencias y los componentes cíclicos Inherente a la recopilación de datos tomados en el tiempo es una forma de variación al azar. Existen métodos para reducir la cancelación del efecto debido a la variación aleatoria. Una técnica frecuentemente utilizada en la industria es suavizar. Esta técnica, cuando se aplica correctamente, revela más claramente la tendencia subyacente, los componentes estacionales y cíclicos. Existen dos grupos distintos de métodos de suavizado Métodos de promedio Métodos exponenciales de suavizado Tomar promedios es la forma más sencilla de suavizar los datos Primero investigaremos algunos métodos de promediación, como el promedio simple de todos los datos anteriores. Un gerente de un almacén quiere saber cuánto un proveedor típico ofrece en unidades de 1000 dólares. Se toma una muestra de 12 proveedores, al azar, obteniendo los siguientes resultados: La media o media calculada de los datos 10. El gestor decide usar esto como la estimación para el gasto de un proveedor típico. ¿Es esto una buena o mala estimación? El error cuadrático medio es una forma de juzgar qué tan bueno es un modelo Vamos a calcular el error cuadrático medio. La cantidad verdadera del error gastada menos la cantidad estimada. El error al cuadrado es el error anterior, al cuadrado. El SSE es la suma de los errores al cuadrado. El MSE es la media de los errores al cuadrado. Resultados de MSE por ejemplo Los resultados son: Errores y errores cuadrados La estimación 10 La pregunta surge: ¿podemos usar la media para pronosticar ingresos si sospechamos una tendencia? Un vistazo a la gráfica abajo muestra claramente que no debemos hacer esto. El promedio pesa todas las observaciones pasadas igualmente En resumen, declaramos que El promedio simple o la media de todas las observaciones pasadas es sólo una estimación útil para pronosticar cuando no hay tendencias. Si hay tendencias, utilice estimaciones diferentes que tengan en cuenta la tendencia. El promedio pesa todas las observaciones pasadas igualmente. Por ejemplo, el promedio de los valores 3, 4, 5 es 4. Sabemos, por supuesto, que un promedio se calcula sumando todos los valores y dividiendo la suma por el número de valores. Otra forma de calcular el promedio es añadiendo cada valor dividido por el número de valores, o 3/3 4/3 5/3 1 1.3333 1.6667 4. El multiplicador 1/3 se llama el peso. En general: barra frac fracción izquierda (frac derecha) x1 izquierda (frac derecha) x2,. ,, Izquierda (frac derecha) xn. El (a la izquierda (frac derecha)) son los pesos y, por supuesto, suman a 1.Método de los Promedios Móviles Los comentarios están apagados Supongamos que hay períodos de tiempo denotados por y los valores correspondientes de la variable son. En primer lugar tenemos que decidir el período de las medias móviles. Para series cortas de tiempo, usamos el período de 3 o 4 valores. Para series largas de tiempo, el período puede ser 7, 10 o más. Para las series de tiempo trimestrales, siempre calculamos promedios tomando 4 cuartos a la vez. En series mensuales, se calculan los promedios móviles 12-mensuales. Supongamos que la serie temporal dada es en años y hemos decidido calcular una media móvil de 3 años. A diferencia de un promedio móvil simple (SMA), que da a todos los puntos de datos el mismo peso, un promedio móvil exponencial (EMA) da más peso a los datos recientes, por lo tanto, es más útil cuando Los datos recientes son más relevantes que el promedio histórico. EMA se calcula de la siguiente manera: 1. Calculando un EMA dependiente del número de puntos de datos que desea considerar, EMA 2 / (n 1) donde n es el número de puntos que desea considerar, por ejemplo, usar los últimos 5 puntos EMA 2 / (51) 0.33, 2. Considere X (1-EMA), en nuestro caso esto es (1-0.33) 0.67 3. Imagine que los últimos puntos de datos son p1, p2, p3, p4, p5 EMA (p5 p4X P3 (X2) p2 (X3) p1 (X4)) / (1XX2X3X4) Lo que esto hace es que da a los puntos de datos más antiguos un peso mucho menor. Un simple promedio móvil simplemente multiplicaría cada uno de los últimos 5 puntos por 20 y los sumaría, haciéndolos todos iguales. Aquí hay un ejemplo de puntos de datos, usando los últimos 5 puntos para calcular SMA y EMA. Usted puede ver que EMA se acerca a los datos reales, aún más suave que él, pero más sensible a sus fluctuaciones. 276 Vistas middot Ver Upvotes middot No para la reproducción