स्थानांतरण - औसत - संचालन प्रबंधन

अभ्यास में चलती औसत समय श्रृंखला का मतलब का एक अच्छा अनुमान प्रदान करेगा यदि मतलब निरंतर या धीरे धीरे बदल रहा है एक निरंतर मतलब के मामले में, मी का सबसे बड़ा मान अंतर्निहित अर्थ का सबसे अच्छा अनुमान देगा एक लंबा अवलोकन अवधि में परिवर्तनशीलता के प्रभावों का औसत होगा। एक छोटा मी प्रदान करने के उद्देश्य पूर्वानुमान की प्रक्रिया को अंतर्निहित प्रक्रिया में बदलाव का जवाब देने की अनुमति देना है, उदाहरण के लिए, हम एक डेटा सेट का प्रस्ताव देते हैं जो समय श्रृंखला के अंतर्निहित माध्य में परिवर्तन को शामिल करता है आंकड़ा चित्रण के लिए उपयोग की गई समय श्रृंखला को दिखाता है, जिसमें से श्रृंखला की मांग की गई थी, जिसका मतलब है कि श्रृंखला शुरू की गई थी, इसका अर्थ 10 पर निरंतर के रूप में शुरू होता है, 21 समय से शुरू होता है, यह प्रत्येक अवधि में एक इकाई में बढ़ जाता है जब तक कि समय 20 पर नहीं होता है 30 फिर यह फिर से स्थिर हो जाता है, डेटा को जोड़कर, सिम्युलेटेड मतलब एक सामान्य वितरण से शून्य से और सामान्य विचलन के साथ एक यादृच्छिक आवाज़ 3 सिमुलेशन के परिणाम ne उदाहरण के लिए प्रयोग किया गया सिम्युलेटेड अवलोकनों को दिखाता है: तालिका जब हम टेबल का उपयोग करते हैं, तो हमें याद रखना चाहिए कि किसी भी समय, केवल पिछले डेटा ज्ञात हैं। मॉडल पैरामीटर के अनुमान, एम के तीन अलग-अलग मानों के लिए नीचे दिए गए आंकड़े में समयावधि के समय के साथ एक साथ दिखाया गया है आंकड़ा हर समय मतलब के चलती औसत अनुमान को दर्शाता है और भविष्यवाणी नहीं करता है पूर्वानुमान भविष्य में चलती औसत घटता को सही समय तक बदल देगा। एक निष्कर्ष तुरंत स्पष्ट होता है यह आंकड़ा तीनों अनुमानों के लिए चलती औसत रेखीय प्रवृत्ति के पीछे पीछे है, एम के साथ अंतराल बढ़ने के साथ-साथ अंतराल में मॉडल और अनुमान के बीच दूरी दूरी के कारण, चलती औसत औसत के रूप में टिप्पणियों को कम कर देता है बढ़ रहा है अनुमानक का पूर्वाग्रह मॉडल के माध्य मूल्य में एक विशिष्ट समय में अंतर है और चलती औसत से अनुमानित औसत मूल्य पूर्वाग्रह जब मतलब बढ़ रहा है ऋणात्मक ऋणात्मक है, कमजोर मतलब के लिए, पूर्वाग्रह सकारात्मक है समय में अंतराल और अनुमान में पेश किए गए पूर्वाग्रह मीटर के कार्य बड़ा है और मील के पूर्वाग्रह के बड़े पैमाने पर बड़ा होता है। माध्य के अनुमानक के अंतराल और पूर्वाग्रह के मूल्य नीचे दिए गए समीकरणों में दिए गए हैं। उदाहरण के घटता इन समीकरणों से मेल नहीं खाते क्योंकि उदाहरण के मॉडल में लगातार वृद्धि नहीं हुई है, बल्कि यह एक निरंतर, एक प्रवृत्ति में परिवर्तन और फिर निरंतर फिर भी उदाहरण घटता शोर से प्रभावित होते हैं। भविष्य में अवधि की चलती औसत पूर्वानुमान को दर्शाता है कि curves को दाईं ओर स्थानांतरित किया जाता है अंतराल और पूर्वाग्रह आनुपातिक रूप से वृद्धि नीचे दिए गए समीकरण भविष्य में पूर्वानुमान अवधि के अंतराल और पूर्वाग्रह को इंगित करते हैं जब मॉडल मापदंडों की तुलना में, फिर ये सूत्र एक निरंतर रैखिक प्रवृत्ति के साथ एक समय श्रृंखला के लिए होते हैं। हमें इस परिणाम पर आश्चर्य नहीं होना चाहिए चलती औसत अनुमानक पर आधारित है निरंतर मतलब की धारणा है, और उदाहरण के अध्ययन अवधि के दौरान मतलब में एक रेखीय प्रवृत्ति है चूंकि वास्तविक समय श्रृंखला शायद ही कभी बिल्कुल किसी भी मॉडल की मान्यताओं का पालन करती है, हमें ऐसे परिणामों के लिए तैयार रहना चाहिए। हम यह भी निष्कर्ष निकाल सकते हैं इस आंकड़े से कि शोर की परिवर्तनशीलता को छोटे मी के लिए सबसे बड़ा प्रभाव पड़ता है अनुमानित औसत 20 से अधिक की औसत औसत 5 के लिए अनुमानित अधिक अस्थिर है हमारे पास विद्रोहियों की वजह से परिवर्तनशीलता के प्रभाव को कम करने के लिए विरोधाभासी इच्छाएं हैं। शोर और मीन में कमी करने के लिए पूर्वानुमान में बदलाव के प्रति उत्तरदायी अधिक उत्तरदायी बनाने के लिए। त्रुटि में वास्तविक डेटा और पूर्वानुमानित मान के बीच का अंतर है यदि समय श्रृंखला वास्तव में एक स्थिर मूल्य है, तो त्रुटि का अनुमानित मान शून्य है और त्रुटि का विचरण एक शब्द का होता है जो कि एक समारोह है और एक दूसरे शब्द है जो शोर का विचरण है। पहला शब्द मी अनुमानों के एक नमूने के साथ अनुमानित अनुमान का विचरण है, डेटा एक निरंतर मतलब के साथ आबादी से आता है यह शब्द संभवतः जितना बड़ा मील बनाकर कम किया जाता है एक बड़े मी अंतर्निहित समय श्रृंखला में बदलाव के लिए अनुत्तरदायी पूर्वानुमान बनाता है, परिवर्तनों के पूर्वानुमान को पूर्वानुमान करने के लिए, हम जितना संभव हो उतना छोटा चाहते हैं 1, लेकिन यह त्रुटि भिन्नता को बढ़ाता है व्यावहारिक पूर्वानुमान के लिए एक मध्यवर्ती मूल्य की आवश्यकता है। Excel के साथ कास्टिंग। पूर्वानुमान ऐड-इन चल औसत औसत फार्मूले लागू करता है नीचे दिए गए उदाहरण में कॉलम बी में नमूना डेटा के लिए ऐड-इन द्वारा दिए गए विश्लेषण को दर्शाता है 10 टिप्पणियां अनुक्रमित हैं- 9 से 0 ऊपर दी गई तालिका के मुकाबले, अवधि सूचकांकों को स्थानांतरित किया जाता है -10। पहले दस अवलोकन अनुमान के लिए स्टार्टअप मान प्रदान करते हैं और अवधि के लिए चलती औसत की गणना करने के लिए उपयोग किया जाता है 0 एमए 10 कॉलम सी गणना की गई चलती औसत दिखाती है चलती औसत पैरामीटर मी सेल C3 में है Fore 1 कॉलम डी भविष्य में एक अवधि के लिए पूर्वानुमान दिखाता है पूर्वानुमान अंतराल सेल D3 में है जब पूर्वानुमान सेंट अंतराल को एक बड़ी संख्या में बदल दिया जाता है, जो पहले कॉलम में नंबरों को स्थानांतरित कर दिया जाता है। त्रुटि 1 कॉलम ई अवलोकन और पूर्वानुमान के बीच अंतर को दर्शाता है उदाहरण के लिए, समय 1 पर अवलोकन 6 है चलती औसत समय पर 11 है 11 1 त्रुटि तो है -5 1 मानक विचलन और मीन औसत विचलन एमएडी को क्रमशः कोशिकाओं E6 और E7 में गिना जाता है। बड़े मूल्यों के मूल्य के साथ छोटे मूल्यों की तुलना में अधिक हालिया डेटा प्रदान करते हैं। 1, अंतिम डेटा बिंदु है मूल्य 0 के साथ, यह वही है जितना आंकड़ा पैरामीटर अनुमान को समय सीमा के मतलब के साथ मिलकर तीन अलग-अलग मानों के लिए प्राप्त करता है, हालांकि इस पद्धति का मॉडल निरंतर होता है, हम प्रतिक्रिया को स्पष्ट करते हैं एक प्रवृत्ति के साथ एक समय श्रृंखला के लिए सिम्युलेटेड उदाहरण में 1 से 20 के बीच की प्रवृत्ति को शामिल किया गया है। ए लैग विशेषता, चलती औसत अनुमान से जुड़ी एक के समान, यह आंकड़ा में भी देखा जा सकता है अंतराल और पूर्वाग्रह घातीय चिकनाई अनुमान के लिए एक समारोह के रूप में व्यक्त किया जा सकता है, अभिव्यक्ति में मात्रा एक रैखिक प्रवृत्ति मान है। हम छोटे रुझानों के लिए प्रवृत्ति के जवाब में एक बड़ा अंतर प्राप्त करते हैं। त्रुटि वास्तविक डेटा और पूर्वानुमानित मान यदि समय श्रृंखला वास्तव में एक स्थिर मूल्य है, तो त्रुटि का अनुमानित मूल्य शून्य है और त्रुटि का विचरण एक शब्द का शामिल होता है जो एक समारोह है और दूसरे शब्द जो शोर का विचरण होता है। भिन्नता त्रुटि बढ़ जाती है बढ़ जाती है शोर के प्रभाव को कम करने के लिए, हम 0 जितना संभव हो उतना छोटा करना चाहते हैं, लेकिन यह भविष्य की समय श्रृंखला में बदलाव के लिए अनुत्तरदायी बनाता है, भविष्य में परिवर्तनों को उत्तरदायी बनाने के लिए, हम चाहते हैं कि बड़े संभव 1 के रूप में, लेकिन इससे त्रुटि भिन्नता बढ़ जाती है व्यावहारिक पूर्वानुमान के लिए एक मध्यवर्ती मूल्य की आवश्यकता होती है। हम चलती औसत और घातीय चौरसाई विधियों के लिए अनुमानित त्रुटि को समरूप करते हैं। डेमांड पूर्वानुमान तकनीकों Movin जी औसत हमारे पास 79 से अधिक कॉलेज पाठ्यक्रम हैं जो आपको परीक्षा से क्रेडिट प्राप्त करने के लिए तैयार करते हैं जो 2,000 से अधिक कॉलेजों और विश्वविद्यालयों द्वारा स्वीकार किए जाते हैं आप कॉलेज के पहले दो वर्षों से परीक्षा ले सकते हैं और अपनी डिग्री से हजारों बचा सकते हैं कोई भी क्रेडिट-बाय-परीक्षा कमा सकता है चाहे उम्र या शिक्षा स्तर की परवाह किए बिना। अपनी पसंद के विद्यालय में क्रेडिट का हस्तांतरण करें। सुनिश्चित नहीं कि कॉलेज में आप क्या भाग लेना चाहते हैं, हर कल्पनीय डिग्री, अध्ययन के क्षेत्र और कैरियर पथ के बारे में हजारों लेख हैं जो आपको सही विद्यालय ढूंढने में मदद कर सकते हैं। आपके लिए। अनुसंधान स्कूल, डिग्री करियर। निष्पक्ष जानकारी प्राप्त करें जिसे आपको सही विद्यालय खोजना होगा। श्रेणी के आधार पर लेख देखें