Moving Average To Prognose In Excel

Verwenden Sie die FORECAST-Funktion in Excel (und Open Office Calc) kopieren Sie Copyright. Der Inhalt von InventoryOps ist urheberrechtlich geschützt und steht nicht zur Wiederveröffentlichung zur Verfügung. Lassen Sie mich anfangen, indem Sie sagen, dass Excels Forecast Function kein komplettes Inventar-Prognosesystem ist. Die Vorhersage in der Bestandsführung beinhaltet im Allgemeinen das Entfernen von Lärm von der Nachfrage, dann die Berechnung und Integration von Trends, Saisonalität und Ereignisse. Die Prognose-Funktion wird nicht all diese Dinge für Sie tun (technisch könnte es, aber es gibt bessere Möglichkeiten, um einige dieser zu erreichen). Aber es ist eine nette kleine Funktion, die einfach zu bedienen ist, und es kann sicherlich ein Teil deines Prognosesystems sein. Laut Microsoft-Hilfe zur Prognose-Funktion. Die Funktion FORECAST (x, knownys, knownxs) gibt den prognostizierten Wert der abhängigen Variablen (dargestellt in den Daten von knownys) für den spezifischen Wert x der unabhängigen Variablen (dargestellt in den Daten von knownxs) unter Verwendung eines optimalen Sitzes zurück (Kleinste Quadrate) lineare Regression zur Vorhersage von y-Werten aus x-Werten. Also, was genau bedeutet dies Lineare Regression ist eine Form der Regressionsanalyse und kann verwendet werden, um eine mathematische Beziehung zwischen zwei (oder mehr) Sätzen von Daten zu berechnen. Bei der Prognose würden Sie dies verwenden, wenn Sie dachten, dass ein Satz von Daten verwendet werden könnte, um einen anderen Satz von Daten vorherzusagen. Zum Beispiel, wenn Sie Bauvorräte verkauft, können Sie feststellen, dass Änderungen der Zinssätze verwendet werden können, um den Verkauf Ihrer Produkte vorherzusagen. Dies ist ein klassisches Beispiel für die Verwendung von Regression, um eine Beziehung zwischen einer externen Variablen (Zinssätze) und einer internen Variablen (Ihre Verkäufe) zu berechnen. Allerdings, wie wir später sehen werden, können Sie auch Regression verwenden, um eine Beziehung innerhalb der gleichen Menge von Daten zu berechnen. Ein typischer Ansatz zur Regressionsanalyse beinhaltet die Verwendung von Regression, um die mathematische Beziehung zu bestimmen, aber auch zu helfen, Ihnen eine Vorstellung davon zu geben, wie gültig diese Beziehung ist (das ist der Analyseteil). Die Prognosefunktion überspringt die Analyse und berechnet nur eine Beziehung und wendet sie automatisch an Ihre Ausgabe an. Dies macht den Benutzer einfacher, aber es geht davon aus, dass Ihre Beziehung gültig ist. Im Wesentlichen verwendet die Prognosefunktion eine lineare Regression, um einen Wert basierend auf einer Beziehung zwischen zwei Sätzen von Daten vorherzusagen. Lets sehen einige Beispiele. In Abbildung 1A haben wir eine Kalkulationstabelle, die den durchschnittlichen Zinssatz der letzten 4 Jahre und den Absatz des Einzelhandels während des gleichen Zeitraums von 4 Jahren umfasst. Wir zeigen auch einen prognostizierten Zinssatz für das 5. Jahr. Wir sehen in dem Beispiel, dass unsere Einzelhandelsumsätze steigen, wenn die Zinsen herunterkommen und sinken, wenn die Zinsen steigen. Angesichts des Beispiels können wir vermuten, dass unsere Verkäufe für das Jahr 5 irgendwo zwischen 5.000 und 6.000 liegen würden, basierend auf dem beobachteten Verhältnis zwischen Zinssätzen und Verkäufen in den Vorperioden. Wir können die Prognosefunktion nutzen, um diese Beziehung genauer zu quantifizieren und auf das 5. Jahr anzuwenden. In Abbildung 1B sehen Sie die angeforderte Prognosefunktion. In diesem Fall ist die Formel in Zelle F4 FORECAST (F2, B3: E3, B2: E2). Was wir in der Klammer haben, ist als Argument bekannt. Ein Argument ist eigentlich nur ein Mittel, um Parameter auf die verwendete Funktion zu übergeben (in diesem Fall die Prognosefunktion). Jeder Parameter wird durch ein Komma getrennt. Damit die Prognosefunktion funktionieren kann, muss sie den Wert kennen, den wir verwenden, um unsere Produktion vorherzusagen (unser Jahr 5 Umsatz). In unserem Fall ist der Parameter (unser Jahr 5 Zinssatz) in Zelle F2, also ist das erste Element unseres Arguments F2. Als nächstes muss es wissen, wo es die vorhandenen Werte finden kann, die es verwenden wird, um die Beziehung zu bestimmen, um auf F2 anzuwenden. Zuerst müssen wir die Zellen eingeben, die die Werte unserer abhängigen Variablen darstellen. In unserem Fall sind dies unsere Einheiten, die in den letzten 4 Jahren verkauft wurden, also betreten wir B3: E3. Dann müssen wir die Zellen eingeben, die die Werte unserer Prädiktorvariablen darstellen. In unserem Fall sind dies die Zinssätze in den letzten 4 Jahren, daher betreten wir B2: E2). Die Prognosefunktion kann nun die in den Jahren 1 bis 4 verkauften Einheiten mit den Zinssätzen in denselben Jahren vergleichen und dann diese Beziehung zu unserem vorhergesagten Jahres-5-Zinssatz anwenden, um unsere prognostizierten Verkäufe für das Jahr 5 von 5.654 Einheiten zu erhalten. Im vorherigen Beispiel können wir uns die Graphen anschauen, um zu versuchen, die Beziehung zu visualisieren. Auf den ersten Blick kann es nicht so offensichtlich aussehen, weil wir eine umgekehrte Beziehung haben (Umsatz geht nach oben als Zinssätze gehen DOWN), aber wenn Sie geistig eine der Graphen umgedreht haben, würden Sie eine sehr klare Beziehung sehen. Das ist eines der coolen Dinge über die Prognosefunktion (und Regressionsanalyse). Es kann sich leicht um eine umgekehrte Beziehung handeln. Kopiere das Copyright. Der Inhalt von InventoryOps ist urheberrechtlich geschützt und steht nicht zur Wiederveröffentlichung zur Verfügung. Nun schauen wir uns ein anderes Beispiel an. In Abbildung 2A sehen wir einen neuen Satz von Daten. In diesem Beispiel stiegen unsere Zinssätze in den letzten 4 Jahren auf und ab, doch unser Absatz verzeichnete einen konsequenten Aufwärtstrend. Während es möglich ist, dass die Zinsen in diesem Beispiel einen gewissen Einfluss auf unsere Verkäufe hatten, ist es offensichtlich, dass es hier viel größere Faktoren gibt. Durch die Nutzung unserer Prognose-Funktion mit diesen Daten geben wir eine Prognose von 7.118 Einheiten für das Jahr 5 zurück. Ich denke, die meisten von uns würden unsere Umsatzentwicklung betrachten und uns damit einverstanden sein, dass unsere Verkäufe für das Jahr 5 9.000 Einheiten betragen würden. Wie ich bereits erwähnt habe, geht die Prognosefunktion davon aus, dass die Beziehung gültig ist, daher produziert sie eine Ausgabe, die auf der besten Passung basiert, die sie aus den Daten herausbringen kann. Mit anderen Worten, wenn wir sagen, es gibt eine Beziehung, es glaubt uns und produziert die Ausgabe entsprechend, ohne uns eine Fehlermeldung oder ein Signal, das implizieren würde die Beziehung ist sehr schlecht. Also, sei vorsichtig, was du verlangst. Die bisherigen Beispiele deckten die klassische Anwendung der Regression auf die Prognose ab. Während all das klingt ziemlich glatt, ist diese klassische Anwendung der Regression nicht so nützlich, wie Sie vielleicht denken (Sie können überprüfen, mein Buch für weitere Informationen über Regression und warum kann es nicht eine gute Wahl für Ihre Prognose braucht). Aber jetzt können wir die Prognose-Funktion verwenden, um den Trend innerhalb eines gegebenen Satzes von Daten einfach zu identifizieren. Beginnen wir mit Blick auf Abbildung 3A. Hier haben wir die Nachfrage mit einem sehr offensichtlichen Trend. Die meisten von uns sollten in der Lage sein, diese Daten zu betrachten und sich wohl fühlen, vorauszusagen, dass die Nachfrage in Periode 7 wahrscheinlich 60 Einheiten sein wird. Dennoch, wenn Sie diese Daten durch die typischen Prognoseberechnungen in der Bestandsführung verwendet haben, können Sie überrascht sein, wie schlecht viele dieser Berechnungen für die Tendenz sind. Da die Prognosefunktion erfordert, dass wir eine abhängige Variable und eine Prädiktorvariable eingeben, wie gehen wir mit der Prognosefunktion um, wenn wir nur einen Datensatz haben, obwohl es technisch wahr ist, dass wir einen einzigen Satz von Daten haben (unsere Nachfrage Geschichte), haben wir tatsächlich eine Beziehung, die in diesem Satz von Daten. In diesem Fall ist unsere Beziehung zeitbasiert. Daher können wir jede Periode als Prädiktorvariable für die folgenden Perioden verlangen. So müssen wir nur die Prognose-Funktion benennen, um die Nachfrage in den Perioden 1 bis 5 als die vorhandenen Daten für die Prädiktorvariable zu verwenden und die Nachfrage in den Perioden 2 bis 6 als die vorhandenen Daten für die abhängige Variable zu verwenden. Dann erzähle es, diese Beziehung auf die Nachfrage in Periode 6 anzuwenden, um unsere Prognose für die Periode 7 zu berechnen. Sie sehen in Abbildung 3B, unsere Formel in Zelle I3 ist FORECAST (H2, C2: H2, B2: G2). Und es gibt eine Prognose von 60 Einheiten zurück. Offensichtlich ist dieses Beispiel nicht realistisch, da die Nachfrage viel zu ordentlich ist (kein Lärm). So schauen wir auf Abbildung 3C, wo wir diese gleiche Berechnung auf einige realistischere Daten anwenden. Ich möchte nur noch neu aussehen, dass, während die Prognose-Funktion nützlich ist, ist es kein Prognosesystem. Ich habe normalerweise lieber ein wenig mehr Kontrolle über genau, wie ich anwenden und erweitern Trends zu meiner Prognose. Darüber hinaus möchten Sie zunächst entfernen Sie alle anderen Elemente Ihrer Nachfrage, die nicht mit Ihrer Basis Nachfrage und Trend verbunden sind. Zum Beispiel möchten Sie alle Effekte von Saisonalität oder Events (zB Promotions) aus Ihrer Anfrage entfernen, bevor Sie die Prognosefunktion anwenden. Sie würden dann Ihren Saisonalitätsindex und alle Ereignisindizes auf die Ausgabe der Prognosefunktion anwenden. Sie können auch mit Ihren Eingaben spielen, um ein bestimmtes Ergebnis zu erhalten. Zum Beispiel möchten Sie vielleicht zuerst versuchen, Ihre Nachfrage Geschichte (durch einen gleitenden Durchschnitt, gewichtete gleitenden Durchschnitt oder exponentielle Glättung), und mit, dass ist die Prädiktor-Variable statt der rohen Nachfrage. Für weitere Informationen über Forecasting, schauen Sie sich mein Buch Inventory Management Explained. Verwenden der Vorhersagefunktion in Open Office Calc. Für Benutzer von Openoffice. org Calc. Die Prognose funktioniert genau so wie in Excel. Allerdings gibt es einen kleinen Unterschied in der Syntax in Calc verwendet. Wo immer du ein Komma in einem Argument in einer Excel-Funktion verwenden würdest, würdest du stattdessen ein Semikolon in Calc verwenden. Also, anstatt der Excel-Formel, die Sie eingeben, gehen Sie auf Artikelseite für weitere Artikel von Dave Piasecki. Kopiere das Copyright. Der Inhalt von InventoryOps ist urheberrechtlich geschützt und steht nicht zur Wiederveröffentlichung zur Verfügung. Dave Piasecki Ist Inhaberin der Inventory Operations Consulting LLC. Ein Beratungsunternehmen, das Dienstleistungen im Zusammenhang mit Bestandsführung, Materialhandling und Lagerbetrieb erbringt. Er hat über 25 Jahre Erfahrung im Betriebsmanagement und kann über seine Website (Inventar) erreicht werden, wo er weitere relevante Informationen unterhält. Meine Business Inventory Operations Consulting LLC bietet schnelle, erschwingliche, kompetente Unterstützung bei der Bestandsführung und Lagerbetrieb. Meine BücherMoving Average Forecasting Einführung. Wie Sie vielleicht vermuten, sehen wir uns einige der primitivsten Ansätze zur Prognose an. Aber hoffentlich sind dies zumindest eine lohnende Einführung in einige der Computing-Fragen im Zusammenhang mit der Umsetzung von Prognosen in Tabellenkalkulationen. In diesem Sinne werden wir fortfahren, indem wir am Anfang beginnen und mit Moving Average Prognosen arbeiten. Gleitende durchschnittliche Prognosen. Jeder ist mit gleitenden durchschnittlichen Prognosen vertraut, unabhängig davon, ob sie glauben, dass sie sind. Alle College-Studenten machen sie die ganze Zeit. Denken Sie an Ihre Testergebnisse in einem Kurs, wo Sie vier Tests während des Semesters haben werden. Nehmen wir an, Sie haben eine 85 bei Ihrem ersten Test. Was würdest du für deinen zweiten Test-Score vorhersagen Was denkst du, dein Lehrer würde für deinen nächsten Test-Score voraussagen Was denkst du, deine Freunde können für deinen nächsten Test-Score voraussagen Was denkst du, deine Eltern können für deinen nächsten Test-Score voraussagen All das Blabbing, das du mit deinen Freunden und Eltern machen kannst, sie und deinem Lehrer sind sehr wahrscheinlich zu erwarten, dass du etwas im Bereich der 85 bekommst, die du gerade bekommen hast. Nun, jetzt können wir davon ausgehen, dass trotz Ihrer Selbst-Förderung zu Ihren Freunden, Sie über-schätzen Sie sich selbst und Figur können Sie weniger für den zweiten Test zu studieren und so erhalten Sie eine 73. Nun, was sind alle betroffenen und unbekümmert zu gehen Erwarten Sie auf Ihrem dritten Test zu bekommen Es gibt zwei sehr wahrscheinlich Ansätze für sie eine Schätzung zu entwickeln, unabhängig davon, ob sie es mit Ihnen teilen wird. Sie können sich selbst sagen, "dieser Kerl ist immer bläst Rauch über seine smarts. Er wird noch 73, wenn er glücklich ist. Vielleicht werden die Eltern versuchen, mehr unterstützend zu sein und zu sagen, quotWell, so weit hast du eine 85 und eine 73 bekommen, also vielleicht solltest du auf eine (85 73) 2 79 kommen. Ich weiß nicht, vielleicht, wenn du weniger feiern musst Und werent wedelte den Wiesel überall auf den Platz und wenn du anfing, viel mehr zu studieren, könntest du eine höhere Punktzahl bekommen. Diese beiden Schätzungen belegen tatsächlich durchschnittliche Prognosen. Die erste nutzt nur Ihre aktuellste Punktzahl, um Ihre zukünftige Leistung zu prognostizieren. Dies wird als eine gleitende durchschnittliche Prognose mit einer Periode von Daten bezeichnet. Die zweite ist auch eine gleitende durchschnittliche Prognose, aber mit zwei Perioden von Daten. Nehmen wir an, dass all diese Leute, die auf deinem großen Verstand zerschlagen sind, dich irgendwie verärgert haben und du entscheidest, den dritten Test aus deinen eigenen Gründen gut zu machen und eine höhere Punktzahl vor deinem Quoten zu setzen. Sie nehmen den Test und Ihre Partitur ist eigentlich ein 89 Jeder, auch Sie selbst, ist beeindruckt. So, jetzt haben Sie die endgültige Prüfung des Semesters kommen und wie üblich fühlen Sie sich die Notwendigkeit, goad jeder in die Herstellung ihrer Vorhersagen darüber, wie youll auf den letzten Test zu tun. Nun, hoffentlich sehen Sie das Muster. Nun, hoffentlich kannst du das Muster sehen. Was glaubst du, ist die genaueste Pfeife während wir arbeiten. Jetzt kehren wir zu unserer neuen Reinigungsfirma zurück, die von deiner entfremdeten Halbschwester namens Whistle während wir arbeiten. Sie haben einige vergangene Verkaufsdaten, die durch den folgenden Abschnitt aus einer Kalkulationstabelle dargestellt werden. Zuerst stellen wir die Daten für eine dreistellige gleitende durchschnittliche Prognose vor. Der Eintrag für Zelle C6 sollte jetzt sein. Du kannst diese Zellformel auf die anderen Zellen C7 bis C11 kopieren. Beachten Sie, wie sich der Durchschnitt über die aktuellsten historischen Daten bewegt, aber genau die drei letzten Perioden verwendet, die für jede Vorhersage verfügbar sind. Sie sollten auch bemerken, dass wir nicht wirklich brauchen, um die Vorhersagen für die vergangenen Perioden zu machen, um unsere jüngsten Vorhersage zu entwickeln. Dies unterscheidet sich definitiv von dem exponentiellen Glättungsmodell. Ive enthalten die quotpast Vorhersagen, weil wir sie in der nächsten Webseite verwenden, um die Vorhersagegültigkeit zu messen. Jetzt möchte ich die analogen Ergebnisse für eine zweistufige gleitende durchschnittliche Prognose vorstellen. Der Eintrag für Zelle C5 sollte jetzt sein. Du kannst diese Zellformel in 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-Vorhersagen für illustrative Zwecke und für die spätere Verwendung in der Prognose-Validierung enthalten. Einige andere Dinge, die wichtig sind, um zu bemerken. Für eine m-Periode gleitende durchschnittliche Prognose werden nur die m aktuellsten Datenwerte verwendet, um die Vorhersage zu machen. Nichts anderes ist nötig Für eine m-Periode gleitende durchschnittliche Prognose, wenn Sie quotpast Vorhersagen quot, bemerken, dass die erste Vorhersage in Periode m 1 auftritt. Beide Themen werden sehr wichtig sein, wenn wir unseren Code entwickeln. Entwicklung der beweglichen Mittelfunktion. Jetzt müssen wir den Code für die gleitende Mittelprognose entwickeln, die flexibler genutzt werden kann. Der Code folgt. Beachten Sie, dass die Eingaben für die Anzahl der Perioden gelten, die Sie in der Prognose und dem Array von historischen Werten verwenden möchten. Sie können es in der beliebigen Arbeitsmappe speichern. Funktion MovingAverage (Historical, NumberOfPeriods) Als Single Declaring und Initialisierung von Variablen Dim Item als Variant Dim Zähler als Integer Dim Akkumulation als Single Dim HistoricalSize als Integer Initialisierung von Variablen Counter 1 Akkumulation 0 Bestimmen der Größe von Historical Array HistoricalSize Historical. Count For Counter 1 To NumberOfPeriods Akkumulation der entsprechenden Anzahl der aktuellsten bisher beobachteten Werte Akkumulation Akkumulation Historical (HistoricalSize - NumberOfPeriods Counter) MovingAverage Accumulation NumberOfPeriods Der Code wird in der Klasse erklärt. Sie möchten die Funktion auf der Kalkulationstabelle positionieren, damit das Ergebnis der Berechnungen angezeigt wird, wo es wie folgt liegen soll. Moving Average: Was es ist und wie man es berechnet, sehen Sie das Video oder lesen Sie den Artikel unten: Ein gleitender Durchschnitt ist eine Technik Um eine Gesamtidee von den Trends in einem Datensatz zu erhalten, ist es ein Durchschnitt einer beliebigen Teilmenge von Zahlen. Der gleitende Durchschnitt ist äußerst nützlich für die Prognose langfristiger Trends. Sie können es für jeden Zeitraum berechnen. Zum Beispiel, wenn Sie Verkaufsdaten für einen Zeitraum von zwanzig Jahren haben, können Sie einen fünfjährigen gleitenden Durchschnitt, einen vierjährigen gleitenden Durchschnitt, einen dreijährigen gleitenden Durchschnitt und so weiter berechnen. Börsenanalysten werden oft einen 50 oder 200 Tag gleitenden Durchschnitt verwenden, um ihnen zu helfen, Trends in der Börse zu sehen und (hoffentlich) Prognose, wo die Aktien geleitet werden. Ein Durchschnitt repräsentiert den Wert 8220middling8221 eines Satzes von Zahlen. Der gleitende Durchschnitt ist genau der gleiche, aber der Durchschnitt wird mehrmals für mehrere Teilmengen von Daten berechnet. Wenn Sie zum Beispiel einen zweijährigen gleitenden Durchschnitt für einen Datensatz aus den Jahren 2000, 2001, 2002 und 2003 wünschen, finden Sie Mittelwerte für die Teilmengen 20002001, 20012002 und 20022003. Bewegungsdurchschnitte werden meist geplottet und am besten visualisiert. Berechnen eines 5-Jahres-Moving-Average-Beispiels Beispielproblem: Berechnen Sie einen fünfjährigen gleitenden Durchschnitt aus dem folgenden Datensatz: (4M 6M 5M 8M 9M) ​​5 6.4M Der durchschnittliche Umsatz für die zweite Teilmenge von fünf Jahren (2004 8211 2008). Zentriert um 2006, ist 6.6M: (6M 5M 8M 9M 5M) 5 6.6M Der durchschnittliche Umsatz für die dritte Teilmenge von fünf Jahren (2005 8211 2009). Zentriert um 2007, ist 6.6M: (5M 8M 9M 5M 4M) 5 6.2M Weiter berechnen jeden Fünf-Jahres-Durchschnitt, bis Sie das Ende des Satzes (2009-2013) erreichen. Dies gibt Ihnen eine Reihe von Punkten (Durchschnitte), die Sie verwenden können, um ein Diagramm der gleitenden Durchschnitte zu zeichnen. Die folgende Excel-Tabelle zeigt Ihnen die gleitenden Durchschnitte, die für 2003-2012 berechnet wurden, zusammen mit einem Scatter-Diagramm der Daten: Sehen Sie sich das Video an oder lesen Sie die folgenden Schritte: Excel hat ein leistungsfähiges Add-In, das Data Analysis Toolpak (wie man die Daten lädt Analysis Toolpak), die Ihnen viele zusätzliche Optionen bietet, darunter eine automatisierte gleitende durchschnittliche Funktion. Die Funktion berechnet nicht nur den gleitenden Durchschnitt für Sie, sondern gleitet auch die Originaldaten zur gleichen Zeit. Sie sparen eine Menge Tastenanschläge. Excel 2013: Schritte Schritt 1: Klicken Sie auf die Registerkarte 8220Data8221 und klicken Sie dann auf 8220Data Analysis.8221 Schritt 2: Klicken Sie auf 8220Moving average8221 und klicken Sie dann auf 8220OK.8221 Schritt 3: Klicken Sie auf das Feld 8220Input Range8221 und wählen Sie dann Ihre Daten aus. Wenn Sie Spaltenüberschriften einfügen, stellen Sie sicher, dass Sie die Etiketten im ersten Zeilenfeld überprüfen. Schritt 4: Geben Sie ein Intervall in die Box ein. Ein Intervall ist, wie viele vorherige Punkte Sie Excel verwenden möchten, um den gleitenden Durchschnitt zu berechnen. Zum Beispiel würde 822058221 die vorherigen 5 Datenpunkte verwenden, um den Durchschnitt für jeden nachfolgenden Punkt zu berechnen. Je niedriger das Intervall, desto näher ist Ihr gleitender Durchschnitt zu Ihrem ursprünglichen Datensatz. Schritt 5: Klicken Sie in das Feld 8220Output Range8221 und wählen Sie einen Bereich auf dem Arbeitsblatt aus, in dem das Ergebnis angezeigt werden soll. Oder klicken Sie auf das Optionsfeld 8220New workheet8221. Schritt 6: Überprüfen Sie das Kontrollkästchen 8220Chart Output8221, wenn Sie ein Diagramm Ihres Datensatzes sehen möchten (falls Sie dies vergessen, können Sie jederzeit wieder hinfahren und hinzufügen oder ein Diagramm aus der Registerkarte 8220Insert8221 auswählen.8221 Schritt 7: Drücken Sie 8220OK .8221 Excel gibt die Ergebnisse in dem Bereich zurück, den Sie in Schritt 6 angegeben haben. Sehen Sie sich das Video an oder lesen Sie die folgenden Schritte aus: Beispielproblem: Berechnen Sie den dreijährigen gleitenden Durchschnitt in Excel für die folgenden Verkaufsdaten: 2003 (33M), 2004 (22M), 2005 (36M), 2006 (34M), 2007 (43M), 2007 (43M), 2009 (43M), 2010 (43M), 2012 (43M), 2013 (64M), 2013 (64M), 2013 (64M) 1: Geben Sie Ihre Daten in zwei Spalten in Excel ein. Die erste Spalte sollte das Jahr und die zweite Spalte die quantitativen Daten haben (in diesem Beispiel Problem, die Verkaufszahlen). Stellen Sie sicher, dass es keine leeren Zeilen in Ihren Zelldaten gibt : Berechnen Sie den ersten Dreijahresdurchschnitt (2003-2005) für die Daten. Für dieses Beispielproblem geben Sie 8220 (B2B3B4) 38221 in Zelle D3 ein. Berechnen des ersten Mittels Schritt 3: Ziehen Sie das Quadrat in der unteren rechten Ecke nach unten Verschieben Sie die Formel auf alle Zellen in der Spalte. Dies berechnet Mittelwerte für aufeinanderfolgende Jahre (z. B. 2004-2006, 2005-2007). Ziehen der Formel. Schritt 4: (Optional) Erstellen Sie einen Graphen. Wählen Sie alle Daten im Arbeitsblatt aus. Klicken Sie auf die Registerkarte 8220Insert8221, dann klicken Sie auf 8220Scatter, 8221 und klicken Sie dann auf 8220Scatter mit glatten Linien und Markierungen.8221 Ein Graphen Ihres gleitenden Durchschnitts wird auf dem Arbeitsblatt angezeigt. Überprüfen Sie unseren YouTube-Kanal für mehr Stats Hilfe und Tipps Moving Average: Was es ist und wie es zu berechnen ist zuletzt geändert: 8. Januar 2016 von Andale 22 Gedanken auf ldquo Moving Average: Was es ist und wie man es berechnet rdquo Dies ist Perfekt und einfach zu assimilieren. Danke für die Arbeit Das ist sehr klar und informativ. Frage: Wie rechnet man einen 4-jährigen gleitenden Durchschnitt. In welchem ​​Jahr würde das 4-jährige gleitende Mittelpunkt auf dem Ende des zweiten Jahres (d. H. 31. Dezember) liegen. Kann ich das mittlere Einkommen verwenden, um zukünftige Erträge zu prognostizieren, weiß jemand über zentrierte Mittel, bitte sagen Sie mir, wenn jemand es weiß. Hier ist es, dass wir 5 Jahre dauern müssen, um das Mittel zu bekommen, das im Zentrum ist. Dann was ist mit den restlichen Jahren, wenn wir den Mittelwert von 20118230 haben wollen, haben wir nach 2012 noch weitere Werte, wie würden wir es dann berechnen Don8217t haben noch mehr info es wäre unmöglich, die 5-jährige MA für 2011 zu berechnen. Sie konnten einen zweijährigen gleitenden Durchschnitt aber erhalten. Hallo, Vielen Dank für das Video. Eines ist jedoch unklar. Wie man eine Prognose für die kommenden Monate macht Das Video zeigt die Prognose für die Monate, für die Daten bereits vorhanden sind. Hallo, Raw, I8217m arbeiten an der Erweiterung des Artikels um die Prognose. Der Prozess ist ein wenig komplizierter als die Verwendung von vergangenen Daten though. Werfen Sie einen Blick auf diese Duke University Artikel, die es in der Tiefe erklärt. Grüße, Stephanie danke für eine klare Erklärung. Hallo Nicht in der Lage, den Link zu den vorgeschlagenen Duke University Artikel zu finden. Bitte um den Link erneut zu veröffentlichen