حساب واحد في أربع سنوات فترة الانتقال بين متوسط - توقعات مقابل سبتمبر

أمثلة حساب التنبؤات. أ 1 طرق حساب التنبؤات. طرق حساب حساب التنبؤات متوفرة توفر معظم هذه الطرق التحكم المحدود للمستخدم على سبيل المثال، قد يكون الوزن الموزع على البيانات التاريخية الحديثة أو النطاق الزمني للبيانات التاريخية المستخدمة في الحسابات محدد الأمثلة التالية توضح طريقة الحساب لكل طريقة من طرق التنبؤ المتاحة، نظرا لمجموعة متطابقة من البيانات التاريخية. الأمثلة التالية تستخدم نفس بيانات المبيعات لعامي 2004 و 2005 لإنتاج توقعات المبيعات لعام 2006 بالإضافة إلى حساب التوقعات، كل مثال يتضمن توقعات عام 2005 المحاكاة لخيار معالجة فترة الانتظار لمدة ثلاثة أشهر 19 3 التي تستخدم بعد ذلك لنسبة من الدقة ومتوسط ​​حسابات الانحراف المطلق المبيعات الفعلية مقارنة بالتوقعات المحاكاة. أ 2 معايير تقييم الأداء المتوقعة. اعتمادا على اختيارك لخيارات المعالجة و على الاتجاهات والأنماط الموجودة في بيانات المبيعات، وبعض أساليب التنبؤ أداء أفضل من غيرها لمجموعة بيانات تاريخية معينة. طريقة التنبؤ المناسبة لمنتج واحد قد لا تكون مناسبة لمنتج آخر ومن غير المرجح أيضا أن طريقة التنبؤ التي توفر نتائج جيدة في مرحلة واحدة من دورة حياة المنتج سوف تبقى مناسبة طوال دورة الحياة بأكملها. يمكنك الاختيار بين طريقتين لتقييم الأداء الحالي لأساليب التنبؤ هذه هي تعني الانحراف المطلق ماد و٪ من الدقة بوا كل من هذه الأساليب تقييم الأداء تتطلب بيانات المبيعات التاريخية لفترة محددة المستخدم من الزمن هذه الفترة الزمنية تسمى فترة أو فترات استبقاء مناسبة بف تستخدم البيانات في هذه الفترة كأساس لتوصية أي من طرق التنبؤ المستخدمة في وضع توقعات التوقعات التالية هذه التوصية خاصة بكل منتج، وقد تتغير من جيل من التنبؤات إلى الجيل التالي تظهر طرائق تقييم أداء التنبؤين في السنة (3) الطريقة 1 - النسبة المئوية المحددة خلال السنة الماضية. تضاعف هذه الطريقة بيانات المبيعات عن السنة السابقة بواسطة عامل محدد من قبل المستخدم على سبيل المثال، 1 10 لزيادة 10، أو 0 97 من أجل 3 انخفاض. تاريخ المبيعات المطلوبة سنة واحدة لحساب التوقعات بالإضافة إلى المستخدم المحدد عدد من الفترات الزمنية لتقييم توقعات الأداء معالجة الخيار 19.A 4 1 حساب التنبؤ. تجربة من تاريخ المبيعات لاستخدامها في حساب الخيار عامل عامل النمو 2a 3 في هذا على سبيل المثال. سم الأشهر الثلاثة الأخيرة من عام 2005 114 119 137 370.Sum نفس ثلاثة أشهر عن السنة السابقة 123 139 133 395. العامل المحسوب 370 395 0 9367. حساب التوقعات. يناير 2005 المبيعات 128 0 9367 119 8036 أو حوالي 120. شباط / فبراير 2005 المبيعات 117 0 9367 109 5939 أو حوالي 110.March، 2005 المبيعات 115 0 9367 107 7205 أو حوالي 108.A 4 2 محاكاة حساب محاكاة. ومثلاثة أشهر من 2005 قبل فترة الاستحواذ يوليو، أغسطس، سبتمبر 129 140 131 400 . نفس نفس الفترة من العام السابق 141 118 118 387 - المعامل المحسوب 400 387 1 033591731.حساب التوقعات المحاكية. أكتوبر / تشرين الأول 2004 المبيعات 123 1 033591731 127 13178. نوفمبر 2004 المبيعات 139 1 033591731 143 66925.December، 2004 المبيعات 133 1 033591731 137 4677.A 4 3 النسبة المئوية لحساب الدقة. بوا 127 13178 143 66925 137 4677 114 119 137 100 408 26873 370 100 110 3429.A 4 4 متوسط ​​حساب الانحراف المطلق. أم 127 12717 - 114 143 66925 - 119 137 4677- 137 3 13 13178 24 66925 0 4677 3 12 75624.A 5 الطريقة الثالثة - السنة الماضية لهذا العام. هذه الطريقة نسخ بيانات المبيعات من السنة السابقة إلى السنة التالية. تاريخ المبيعات المطلوبة سنة واحدة لحساب التوقعات بالإضافة إلى عدد الفترات الزمنية المحددة لتقييم خيار معالجة الأداء التنبؤي 19.A 6 1 حساب التنبؤات: عدد الفترات التي يتعين إدراجها في متوسط ​​خيار المعالجة 4a 3 في هذا المثال. بالنسبة إلى كل شهر من التنبؤات، s. توقعات يناير 114 119 13 7 370 أو 370 3 123 333 أو 123. توقعات شباط / فبراير 119 137 123 379 أو 379 3 126 333 أو 126. توقعات آذار / مارس 137 123 126 379 أو 386 3 128 667 أو 129.A 6 2 حساب التنبؤات المحاكاة. مبيعات تشرين الأول / أكتوبر 2005 129 140 131 3 133 3333. نوفمبر 2005 المبيعات 140 131 114 3 128 3333.December 2005 المبيعات 131 114 119 3 121 3333.A 6 3 نسبة حساب الدقة. بوا 133 3333 128 3333 121 3333 114 119 137 100 103 513.A 6 4 يعني حساب الانحراف المطلق. 133 133 3333 - 114 128 3333 - 119 121 3333 - 137 3 14 7777.A 7 الطريقة 5 - التقريب الخطي. التحليل الخطي يحسب اتجاها يستند إلى نقطتي بيانات تاريخ المبيعات. وهذه نقطتين تحدد اتجاها مستقيما الخط المتوقع في المستقبل استخدام هذه الطريقة بحذر، حيث يتم الاستفادة من التنبؤات طويلة المدى بتغييرات صغيرة في نقطتي بيانات فقط. تاريخ المبيعات المطلوب عدد الفترات التي يجب تضمينها في خيار معالجة الانحدار 5a، زائد 1 بالإضافة إلى عدد الوقت فترات لتقييم خيار معالجة الأداء التنبؤي 19 ألف 8 1 بالنسبة إلى إيكاست كالكولاتيون. عدد الفترات المطلوب تضمينها في خيار معالجة الانحدار 6a 3 في هذا المثال. لكل شهر من التوقعات، أضف الزيادة أو النقصان خلال الفترات المحددة قبل فترة الاستبقاء في الفترة السابقة. متوسط ​​الأشهر الثلاثة السابقة 114 119 137 3 123 3333.Summary من الأشهر الثلاثة السابقة مع الوزن في الاعتبار. 114 1 119 2 137 3 763 - الاختلاف بين القيم. 763 - 123 3333 1 2 3 23 - النسبة 1 2 2 2 3 2 - 2 3 14 - 12 2 - النسبة المئوية 1 نسبة الفرق 23 2 11 5 - القيمة 2 المتوسط ​​- القيمة 1 123 3333 - 11 5 2 100 3333.Forecast 1 n value1 value2 4 11 5 100 3333 146 333 أو 146.Forecast 5 11 5 100 3333 157 8333 أو 158.Forecast 6 11 5 100 3333 169 3333 أو 169.A 8 2 حساب التوقعات المحاكية. المبيعات في أكتوبر 2004.المتوسط ​​في الأشهر الثلاثة السابقة . 129 140 131 3 133 3333.Summary من الأشهر الثلاثة السابقة مع الوزن في الاعتبار. 129 1 140 2 131 3 802 - الاختلاف بين القيم. 802 - 133 3333 1 2 3 2.Ratio 1 2 2 2 3 2 - 2 3 14 - 12 2.Value1 نسبة الاختلاف 2 2 1.Value2 متوسط ​​- value1 نسبة 133 3333 - 1 2 131 3333.Forecast 1 n value1 value2 4 1 131 3333 135 3333.November 2004 sales. Average من الأشهر الثلاثة السابقة. 140 131 114 3 128 3333.Summary من الأشهر الثلاثة السابقة مع الوزن في الاعتبار. 140 1 131 2 114 3 744.الفرق بين القيم 744 - 128 3333 1 2 3 -25 9999.Value1 نسبة الاختلاف -25 9999 2 -12 9999.Value2 متوسط ​​- القيمة 1 128 3333 - -12 9999 2 154 3333.Forecast 4 -12 9999 154 3333 102 3333.December 2004 sales. Average من الأشهر الثلاثة السابقة. 131 114 119 3 121 3333.Summary من الأشهر الثلاثة السابقة مع الوزن في الاعتبار. 131 1 114 2 119 3 716.الفرق بين القيم. 716 - 121 3333 1 2 3 -11 9999.Value1 نسبة الاختلاف -11 9999 2 -5 9999.Value2 متوسط ​​- قيمة 1 121 3333 - -5 9999 2 133 3333.Forecast 4 -5 9999 133 3333 109 3333.A 8 3 النسبة المئوية لحساب الدقة. بوا 135 33 102 33 109 33 114 119 137 100 93 78.A 8 4 حساب الانحراف المطلق المتوسط ​​.MAD 135 33 - 114 102 33 - 119 109 33 - 137 3 21 88.A 9 الطريقة 7 - درجة التقريب. يحدد الانحدار الخطي القيم a و b في صيغة التنبؤ Y a بكس بهدف تركيب خط مستقيم على بيانات تاريخ المبيعات تقريب الدرجة الثانية متشابه ومع ذلك، تحدد هذه الطريقة قيم a و b و c في صيغة التنبؤ Y بكس cX2 بهدف تركيب منحنى لبيانات تاريخ المبيعات قد تكون هذه الطريقة مفيدة عندما يكون المنتج في مرحلة الانتقال بين مراحل دورة حياة على سبيل المثال، عندما يتحرك منتج جديد من مراحل مقدمة إلى مراحل النمو ، فإن اتجاه المبيعات قد يتسارع بسبب مصطلح الترتيب الثاني، يمكن التنبؤ بسرعة الاقتراب إنفينيتي أو إسقاط إلى الصفر اعتمادا على ما إذا كان معامل ج موجب أو سلبي لذلك، هذه الطريقة مفيدة فقط على المدى القصير. مواصفات فوريك الصيغ يجد a، b، c لتتناسب مع منحنى إلى ثلاث نقاط بالضبط يمكنك تحديد n في خيار المعالجة 7a، وعدد من الفترات الزمنية للبيانات لتتراكم في كل من النقاط الثلاث في هذا المثال ن 3 لذلك، يتم الجمع بين بيانات المبيعات الفعلية لشهر أبريل حتى يونيو في النقطة الأولى، Q1 يوليو حتى سبتمبر تضاف معا لخلق Q2 ، وتشرين الأول / أكتوبر حتى كانون الأول / ديسمبر إلى Q3 سيتم تركيب المنحنى على القيم الثلاث Q1 و Q2 و Q3.Required تاريخ المبيعات 3 n فترات لحساب التوقعات بالإضافة إلى عدد الفترات الزمنية اللازمة لتقييم الأداء التنبؤي بف. عدد من أجل تضمين خيار المعالجة 7 أ 3 في هذا المثال. استخدم الأشهر الثلاثة السابقة في فدرات ثلاثة أشهر. Q1 أبريل - يونيو 125 122 137 384.Q2 يوليو - سبتمبر 129 140 131 400.Q3 أكتوبر - ديسمبر 114 119 137 370. وتشمل الخطوة التالية ج حساب المعاملات الثلاثة a و b و c لاستخدامها في صيغة التنبؤ Y a بكس سك 2. 1 Q1 a بكس سك 2 حيث X 1 a b c. 2 Q2 a بكس سك 2 حيث X 2 a 2b 4c. 3 Q3 a بكس سك 2 حيث X 3 a 3b 9.c حل المعادلات الثلاث في وقت واحد لإيجاد b و a و c. Soptract المعادلة 1 من المعادلة 2 وحل b. Substitute هذه المعادلة b إلى المعادلة 3. 3 Q3 a 3 Q2 - Q1 - 3c C. Finally، يستعاض عن هذه المعادلات عن a و b في المعادلة 1. Q3 - 3 Q2 - Q1 q2 - Q1 - 3c c Q1.c Q3 - Q2 Q1 - Q2 2.The طريقة التقريب من الدرجة الثانية تحسب (أ) و (ب) و (ج) على النحو التالي: (أ) 3 - 3 س 2 - 1 370 - 3 400 - 384 322 ج س 3 - س 2 س 1 - س 2 2 370 - 400 384 - 400 2 - 23 - ب س 2 - 384 - 3 -23 85.Y a بكس سك 2 322 85 X -23 X 2. يناير / كانون الثاني من توقعات آذار / مارس X 4. 322 340 - 368 3 294 3 98 لكل فترة. أبريل من حزيران / يونيه توقعات X 5. 322 425 - 575 3 57 333 أو 57 لكل فترة. توقعات تموز / يوليه من هذا العام X 6 322 510 - 828 3 1 33 أو 1 لكل فترة. تشرين الأول / أكتوبر كانون الأول / ديسمبر X 7. 322 595 - 1127 3 -70.A 9 2 حساب التنبؤات المحاكاة. تشرين الأول / أكتوبر، تشرين الثاني / نوفمبر و ديسمبر، 2004 المبيعات. Q1 يناير - مارس 360.Q2 أبريل - يونيو 384.Q3 يوليو - سبتمبر 400.a 400 - 3 384 - 360 328.c 400 - 384 360 - 384 2 - 4.b 384 - 360 - 3 -4 36. 328 36 4 -4 16 3 136.A 9 3 نسبة حساب الدقة. بوا 136 136 136 114 119 137 100 110 27.A 9 4 حساب الانحراف المطلق المتوسط. أحمد 136 - 114 136 - 119 136 - 137 3 13 33.A 10 الطريقة 8 - الطريقة المرنة. الطريقة المرنة النسبة المئوية أكثر من شهر يشبه سابقة الطريقة 1، النسبة المئوية خلال السنة الماضية كلتا الطريقتين تضاعف بيانات المبيعات من فترة زمنية سابقة بواسطة عامل محدد من قبل المستخدم ، ثم مشروع هذه النتيجة في المستقبل في طريقة النسبة المئوية على مدى العام الماضي، ويستند الإسقاط على بيانات من نفس الفترة الزمنية في العام السابق الأسلوب المرن يضيف القدرة على تحديد فترة زمنية أخرى من نفس الفترة من العام الماضي إلى استخدام كأساس لحسابات. عامل الضرب على سبيل المثال، حدد 1 15 في خيار المعالجة 8b لزيادة البيانات السابقة مبيعات التاريخ بنسبة 15.Base الفترة على سبيل المثال، ن 3 سوف يسبب أول توقعات أن تستند على بيانات المبيعات في أكتوبر، 2005. الحد الأدنى لسجل المبيعات رقم المستخدم المحدد o f إلى فترة الأساس، بالإضافة إلى عدد الفترات الزمنية اللازمة لتقييم الأداء التنبؤي بف. A 10 4 حساب الانحراف المطلق المتوسط. 148 - 114 161 - 119 151 - 137 3 30 ألف 11 الطريقة 9 - التحرك المرجح المتوسط. المتوسط ​​المتحرك المتوسط ​​المرجح أسلوب وما يشبه الأسلوب 4، المتوسط ​​المتحرك ما ومع ذلك، مع المتوسط ​​المتحرك المرجح يمكنك تعيين الأوزان غير المتكافئة للبيانات التاريخية الأسلوب بحساب المتوسط ​​المرجح من تاريخ المبيعات الأخيرة للوصول إلى إسقاط ل على المدى القصير عادة ما يتم تعيين المزيد من البيانات الحديثة وزن أكبر من البيانات القديمة، لذلك هذا يجعل وما أكثر استجابة للتحولات في مستوى المبيعات ومع ذلك، التحيز التنبؤ والأخطاء المنهجية لا تزال تحدث عندما يظهر تاريخ مبيعات المنتجات اتجاه قوي أو أنماط موسمية هذا يعمل بشكل أفضل للتنبؤات قصيرة المدى من المنتجات الناضجة بدلا من المنتجات في مراحل النمو أو التقادم من دورة الحياة. عدد الفترات من تاريخ المبيعات لاستخدامها في حساب التنبؤ على سبيل المثال، حدد ن 3 في خيار المعالجة 9a لاستخدام أحدث ثلاث فترات كأساس للتوقعات في الفترة الزمنية القادمة قيمة كبيرة ل n مثل 12 يتطلب المزيد من المبيعات التاريخ أنه يؤدي إلى توقعات مستقرة ، ولكن سيكون بطيئا في التعرف على التحولات في مستوى المبيعات من ناحية أخرى، قيمة صغيرة ل n مثل 3 سوف تستجيب أسرع للتحولات في مستوى المبيعات، ولكن التوقعات قد تتقلب على نطاق واسع جدا أن الإنتاج لا يمكن أن تستجيب ل الاختلافات. الوزن المخصص لكل فترة من فترات البيانات التاريخية يجب أن يبلغ مجموع الترجيح المعين 1 00 على سبيل المثال، عندما يكون n 3، يعطى أوزان 0 و 0 و 3 و 0 1، مع تلقي أحدث البيانات أكبر وزن . الحد الأدنى المطلوب من تاريخ المبيعات n بالإضافة إلى عدد الفترات الزمنية المطلوبة لتقييم الأداء التنبؤي بف. أحمد 133 5 - 114 121 7 - 119 118 7 - 137 3 13 5.A 12 الطريقة 10 - التنعيم الخطي. هذا الأسلوب مشابه ل الطريقة 9، المتوسط ​​المتحرك المرجح وما كيف من أي وقت مضى، بدلا من التعيين التعسفي للأوزان للبيانات التاريخية، يتم استخدام صيغة لتعيين الأوزان التي تنخفض خطيا ومجموعها إلى 00 1 وتحسب الطريقة ثم المتوسط ​​المرجح لتاريخ المبيعات الأخيرة للوصول إلى إسقاط على المدى القصير. كما هو صحيح من جميع تقنيات التنبؤ المتوسط ​​المتحرك الخطي والتحيز التنبؤي والأخطاء المنهجية تحدث عندما يظهر تاريخ مبيعات المنتجات اتجاها قويا أو أنماط موسمية هذا الأسلوب يعمل بشكل أفضل للتنبؤات قصيرة المدى من المنتجات الناضجة بدلا من المنتجات في مراحل النمو أو التقادم من الحياة دورة. عدد فترات مبيعات التاريخ لاستخدامها في حساب التوقعات هذا محدد في خيار المعالجة 10a على سبيل المثال، حدد n 3 في خيار المعالجة 10b لاستخدام أحدث ثلاث فترات كأساس للإسقاط في الفترة الزمنية التالية سيقوم النظام تلقائيا بتعيين أوزان البيانات التاريخية التي تنخفض خطيا ومجموعها إلى 00 1 على سبيل المثال، عندما n 3، s سوف يستيم تعيين الأوزان من 0 5، 0 3333، و 0 1، مع أحدث البيانات تلقي أكبر وزن. الحد الأدنى المطلوب تاريخ المبيعات ن بالإضافة إلى عدد من الفترات الزمنية اللازمة لتقييم الأداء التنبؤ بف. A 12 1 حساب التنبؤ. عدد الفترات التي يجب تضمينها في تمهيد متوسط ​​خيار المعالجة 10a 3 في هذا المثال. الطريقة لفترة واحدة قبل 3 n 2 n 2 3 3 2 3 2 3 6 0 5.Ratio لفترتين قبل 2 n 2 n 2 2 3 2 3 2 2 6 0 3333.Ratio لمدة ثلاث فترات قبل 1 n 2 n 2 1 3 2 3 2 1 6 0 1666. توقعات شهرية 137 0 5 119 1 3 114 1 6 127 16 أو 127. توقعات شباط / فبراير 127 0 5 137 1 3 119 1 6 129. توقعات المسيرة 129 0 5 127 1 3 137 1 6 129 666 أو 130.A 12 2 حساب التنبؤات المحاكاة. أكتوبر / تشرين الأول 2004 المبيعات 129 1 6 140 2 6 131 3 6 133 6666. نوفمبر / تشرين الثاني 2004 المبيعات 140 1 6 131 2 6 114 3 6 124. كانون الأول / ديسمبر 2004 المبيعات 131 1 6 114 2 6 119 3 6 119 3333.A 12 3 نسبة حساب الدقة. بوا 133 6666 124 119 3333 114 119 137 100 101 891.A 12 4 حساب متوسط ​​الانحراف المطلق. MAD الطريقة 11 - التنعيم الأسي. هذا الأسلوب يشبه الأسلوب 10، الخطي التمهيد في الخطي التمهيد النظام يعين الأوزان إلى البيانات التاريخية التي تنخفض خطيا في التماسك الأسي ، فإن النظام يعين الأوزان التي تسوس أضعافا مضاعفة الأسي تنعيم معادلة التنبؤ هو. فوريكست المبيعات الفعلية السابقة 1 - A التوقعات السابقة. التوقع هو المتوسط ​​المرجح للمبيعات الفعلية من الفترة السابقة والتوقعات من الفترة السابقة هو هو الوزن المطبق على المبيعات الفعلية للفترة السابقة 1-a هو الوزن المطبق على التوقعات للفترة السابقة القيم الصالحة لنطاق من 0 إلى 1، وعادة ما تقع بين 0 1 و 0 4 مجموع الأوزان هو 1 00 a 1-a 1. يجب تعيين قيمة لمستوى التمهيد، a إذا لم تقم بتعيين قيم ثابت التجانس، يقوم النظام بحساب قيمة مفترضة استنادا إلى عدد فترات تاريخ المبيعات سبيسيفي d في خيار المعالجة 11a. a ثابت التمهيد المستخدم في حساب المتوسط ​​المنعم للمستوى العام أو حجم المبيعات القيم الصالحة لنطاق من 0 إلى 1.n نطاق بيانات تاريخ المبيعات ليشمل في الحسابات عموما سنة واحدة من بيانات تاريخ المبيعات كافية لتقدير المستوى العام للمبيعات لهذا المثال، تم اختيار قيمة صغيرة ل ن 3 من أجل تقليل الحسابات اليدوية المطلوبة للتحقق من النتائج الأسس التمهيد يمكن أن تولد توقعات تستند إلى أقل من تاريخ واحد نقطة البيانات. الحد الأدنى المطلوب من تاريخ المبيعات n بالإضافة إلى عدد الفترات الزمنية المطلوبة لتقييم الأداء التنبؤي بف. A 13 1 حساب التنبؤ. عدد الفترات التي يجب تضمينها في تمهيد متوسط ​​خيار المعالجة 11a 3 وخيار معالجة عامل ألفا 11b فارغ في هذا مثال لعامل بيانات المبيعات الأقدم 2 1 1 أو 1 عندما يكون ألفا محددا. عامل ل 2 أقدم بيانات المبيعات 2 1 2 أو ألفا عندما يكون ألفا محددا. عامل ل 3 أقدم بيانات المبيعات 2 1 3 أو ألفا عندما يتم تحديد ألفا. عامل لأحدث بيانات المبيعات 2 1 n أو ألفا عند تحديد ألفا. نوفمبر سم أفغ أكتوبر الفعلي 1 - أكتوبر سم أفغ 1 114 0 0 114.December سم متوسط ​​نوفمبر تشرين الثاني الفعلي 1 - نوفمبر تشرين الثاني سم متوسط ​​2 3 119 1 3 114 117 3333. يناير توقعات ديسمبر الفعلي 1 - ديسمبر سم أفغ 2 4 137 2 4 117 3333 127 16665 أو 127. توقعات فبراير يناير توقعات 127.March توقعات كانون الثاني / يناير 127.A 13 2 حساب التنبؤات المحاكاة. جولي، 2004 سم أفغ 2 2 129 129. سم سم أفغ 2 3 140 1 3 129 136 3333. سم سم أفغ 2 4 131 2 4 136 3333 133 6666.October، 2004 ساليس سيب سم أفغ 133 6666.August، 2004 سم أفغ 2 2 140 140.September سم أفغ 2 3 131 1 3 140 134. أكتوبر سم أفغ 2 4 114 2 4 134 124. نوفمبر، 2004 المبيعات سيب سم متوسط ​​124. أيلول / سبتمبر 2004 سم أفغ 2 2 131 131. أكتوبر سم أفغ 2 3 114 1 3 131 119 6666. نوفيمبر سم أفغ 2 4 119 2 4 119 6666 119 3333. ديسمبر 2004 المبيعات سبتمبر المتوسط ​​المتوسط ​​119 3333.A 13 3 النسبة المئوية من الدقة الحسابية (بوا 133 6666 124 119 3333 114 119 137 100 101 891.A 13 4 حساب متوسط ​​الانحراف المطلق. المادة 133 6666 - 114 124 - 119 119 3333 - 137 3 14 1111.A 14 الطريقة 12 - التماسك الأسي مع الاتجاه والموسمية. وهذا الأسلوب يشبه الأسلوب 11، التماسك الأسي، حيث يحسب المتوسط ​​الملمس ومع ذلك، تشتمل الطريقة 12 أيضا على مصطلح في معادلة التنبؤ لحساب اتجاه سلس. وتتكون التنبؤات من معدل متوسط ​​تم ضبطه لاتجاه خطي عند تحديده في خيار المعالجة، يتم تعديل التوقعات أيضا للموسمية. a ثابت التمهيد المستخدم في حساب المتوسط ​​المنعم للمستوى العام أو حجم المبيعات القيم الصالحة لمدى ألفا من 0 إلى 1.b ثابت التمهيد المستخدم في حساب السلس متوسط ​​عنصر الاتجاه للتنبؤ القيم الصالحة لنطاق بيتا من 0 إلى 1. ما إذا كان المؤشر الموسمي يطبق على التنبؤ. أ و ب مستقلان عن بعضهما البعض. لا يلزم إضافتهما إلى 1 0. مين إيموم مطلوب تاريخ المبيعات عامين بالإضافة إلى عدد من الفترات الزمنية المطلوبة لتقييم الأداء بف المتوقعة. الميثود 12 يستخدم اثنين من المعادلات تمهيد الأسي ومتوسط ​​بسيط لحساب المتوسط ​​السلس، واتجاه سلس، ومتوسط ​​بسيط عامل موسمي. A 14 1 حساب التوقعات. A متوسط ​​ممسود أضعافا. MAD 122 81 - 114 133 14 - 119 135 33 - 137 3 8 2.A 15 تقييم التنبؤات. يمكنك اختيار أساليب التنبؤ لتوليد ما يصل إلى اثني عشر التوقعات لكل منتج كل التنبؤ من المحتمل أن تخلق طريقة مختلفة قليلا عند توقع الآلاف من المنتجات، فمن غير العملي لاتخاذ قرار شخصي بشأن أي من التوقعات لاستخدامها في الخطط الخاصة بك لكل من المنتجات. النظام تلقائيا بتقييم الأداء لكل من أساليب التنبؤ التي تحددها، ولكل من المنتجات توقعات يمكنك الاختيار بين معيارين الأداء، يعني الانحراف المطلق درهم ونسبة من أكور أسي بوا ماد هو مقياس لخطأ التنبؤ بوا هو مقياس للتنبؤ بالتنبؤ يتطلب كل من تقنيات تقييم الأداء هذه بيانات تاريخ المبيعات الفعلية لفترة زمنية محددة للمستخدم. وتسمى هذه الفترة من التاريخ الحديث فترة استيعاب أو فترات تناسب بف. لقياس أداء طريقة التنبؤ، استخدم الصيغ المتوقعة لمحاكاة توقعات لفترة الاستحواذ التاريخية ستكون هناك عادة اختلافات بين بيانات المبيعات الفعلية والتوقعات المحاكاة لفترة الاستحواذ. عندما يتم اختيار طرق التنبؤ المتعددة، فإن هذه العملية نفسها يحدث لكل طريقة يتم حساب التنبؤات المتعددة لفترة الاستحواذ ومقارنتها مع تاريخ المبيعات المعروف لنفس الفترة من الوقت يوصى باستخدام طريقة التنبؤ التي تنتج أفضل مطابقة تناسب أفضل بين التوقعات والمبيعات الفعلية خلال فترة الاستبعاد للاستخدام في خططك هذه التوصية محددة لكل منتج، ويمكن أن تتغير من جيل واحد للتنبؤ إلى ن xt. A 16 يعني الانحراف المطلق ماد. MAD هو متوسط ​​أو متوسط ​​القيم المطلقة أو حجم الانحرافات أو الأخطاء بين البيانات الفعلية والتنبؤات ماد هو مقياس لمتوسط ​​حجم الأخطاء المتوقع، بالنظر إلى طريقة التنبؤ والبيانات التاريخ نظرا لأن القيم المطلقة تستخدم في الحساب، فإن الأخطاء الإيجابية لا تلغي الأخطاء السلبية عند المقارنة بين عدة طرق للتنبؤ، فقد أظهرت واحدة مع أصغر درهم أن تكون الأكثر موثوقية لهذا المنتج لفترة الاستيلاء عندما تكون التوقعات غير منحازة و يتم توزيع الأخطاء عادة، وهناك علاقة رياضية بسيطة بين ماد واثنين من التدابير المشتركة الأخرى للتوزيع والانحراف المعياري ومتوسط ​​تربيع error. A 16 1 النسبة المئوية من الدقة POA. Percent دقة بوا هو مقياس للتنبؤ التوقعات عندما تكون التوقعات على الدوام مرتفعة جدا، تتراكم المخزونات وتزداد تكاليف المخزون عندما تكون التوقعات منخفضة باستمرار، يتم استهلاك المخزونات وانخفاض خدمة العملاء s التوقعات التي هي 10 وحدات منخفضة جدا، ثم 8 وحدات مرتفعة جدا، ثم 2 وحدات عالية جدا، سيكون توقعات غير متحيزة يتم إلغاء الخطأ الإيجابي من 10 من الأخطاء السلبية من 8 و 2. الخطأ الفعلي - التنبؤ. عندما المنتج يمكن تخزينها في المخزون، وعندما توقعات غير منحازة، كمية صغيرة من مخزون السلامة يمكن استخدامها لتخفيف الأخطاء في هذه الحالة، فإنه ليس من المهم للقضاء على أخطاء التنبؤ كما هو لتوليد توقعات غير منحازة ولكن في صناعات الخدمات ، فإن الحالة المذكورة أعلاه سوف ينظر إليها على أنها ثلاثة أخطاء الخدمة سيكون نقص الموظفين في الفترة الأولى، ثم زيادة عدد الموظفين للفترتين المقبلتين في الخدمات، وحجم أخطاء التنبؤ عادة ما تكون أكثر أهمية مما هو متوقع التحيز. الجمع خلال فترة الاستحواذ يسمح أخطاء إيجابية لإلغاء الأخطاء السلبية عندما يتجاوز إجمالي المبيعات الفعلية إجمالي المبيعات المتوقعة، ونسبة أكبر من 100 وبطبيعة الحال، فإنه من المستحيل أن يكون أكثر من 100 دقيقة عندما تكون التوقعات غير منحازة إد، فإن نسبة بوا ستكون 100 ولذلك، فمن المستحسن أن يكون 95 دقيقة من أن تكون دقيقة 110 معايير بوا اختيار طريقة التنبؤ التي لديها نسبة بوا الأقرب إلى 100. سكريبتينغ في هذه الصفحة يعزز التنقل المحتوى، ولكن لا تغيير المحتوى بأي شكل من الأشكال. حساب المتوسط ​​المتحرك. نشر في 28 أبريل 2009 في تعلم إكسيل - 191 التعليقات. المتوسط ​​المتحرك كثيرا ما يستخدم لفهم الاتجاهات الكامنة ويساعد في التنبؤ ماسد أو المتوسط ​​المتحرك التقارب التقارب هو على الارجح التحليل الفني الأكثر استخداما أدوات في تداول الأسهم من الشائع إلى حد ما في العديد من الشركات لاستخدام المتوسط ​​المتحرك من 3 أشهر المبيعات لفهم كيفية هذا الاتجاه هو. اليوم سوف نتعلم كيف يمكنك حساب المتوسط ​​المتحرك وكيف يمكن حساب متوسط ​​آخر 3 أشهر باستخدام صيغ اكسل. حساب المتوسط ​​المتحرك. لحساب المتوسط ​​المتحرك، كل ما تحتاجه هو أفيراج إكسيل الدالة القديمة الجيدة. استيعاب البيانات الخاصة بك في نطاق B1 B12.Just أدخل هذه الصيغة في الخلية D3.A ند الآن نسخ الصيغة من D3 إلى نطاق D4 إلى D12 تذكر، لأنك تحسب المتوسط ​​المتحرك من 3 أشهر، سوف تحصل فقط على 10 قيم 12-3 1. هذا هو كل ما تحتاجه لحساب المتوسط ​​المتحرك. حساب متوسط ​​متحرك آخر 3 أشهر وحده. القول تحتاج إلى حساب متوسط ​​الأشهر الثلاثة الماضية في أي وقت من الأوقات وهذا يعني عند إدخال قيمة للشهر المقبل، وينبغي أن يكون المعدل المعدل تلقائيا. أولا دعونا نلقي نظرة على الصيغة وبعد ذلك سوف نفهم كيف يعمل. لذلك ما هيك الصيغة أعلاه تقوم به على أي حال. أنها عد عدد أشهر دخلت بالفعل كونت B4 B33.Then هو تعويض عدد ناقص 3 خلايا من B4 وجلب 3 خلايا من هناك أوفست B4، كونت B4 B33 -3،0،3،1 هذه ليست سوى آخر 3 أشهر. في نهاية المطاف فإنه يمر هذا النطاق إلى أفيراج وظيفة لحساب المتوسط ​​المتحرك من أحدث 3 month. Your المنزل Work. Now أن كنت قد تعلمت كيفية حساب المتوسط ​​المتحرك باستخدام إكسيل، هنا هو عمل منزلك. لنفترض أنك تريد عدد الأشهر المستخدمة لحساب المتوسط ​​المتحرك لتكون قابلة للتهيئة في الخلية E1 أي عند تغيير E1 من 3 إلى 6، يجب أن يحسب الجدول المتوسط ​​المتحرك المتوسط ​​المتحرك لمدة 6 أشهر في كل مرة كيف تكتب الصيغ ثم لا ننظر إلى التعليقات، اذهب وشكل هذا لنفسك إذا كنت غير قادر على العثور على الجواب، أعود هنا وقراءة التعليقات Go. This آخر هو جزء من سلسلة سبريادشيتس لدينا برنامج التدريب على الانترنت 30 يوما على الانترنت لممثلي المكاتب ومستخدمي جداول البيانات تاريخ اليوم. شارك هذه نصيحة مع friends. Hello الخاص بك، وجدت مؤخرا موقع الويب الخاص بك وأنا م المحبة جميع النصائح شكرا لكم على كل ما تبذلونه من الدروس انها بالضبط أنا بحاجة ولكن، واجهت قليلا مشكلة وأنا أيضا باستخدام فلوكوب مع أوفست على سبيل المثال، في المثال الخاص بك، وأود أن استخدام فلوكوب في قالب بلدي بحيث كما وضعت في بيانات جديدة كل شهر، فإنه سيتم تلقائيا تحديث بيانات المبيعات في كل شهر. مشكلتي في بلدي صيغة أوفست، لدي كونتا التي تحسب بشكل واضح أية خلايا مع الصيغ، حتى أي أفكار كيفية دمج هاتين الوظيفتين بشكل أفضل، وخصوصا عندما أحاول رسم بياني ومتوسط ​​أن 12 شهرا الماضية. أنا نقدر أي أفكار لك أو القراء بلدي شكرا، مرة أخرى، لموقع رهيبة. توي مرحبا بكم في الدكتوراه وشكرا لطرح سؤال لست متأكدا إذا فهمت ذلك بشكل صحيح على الرغم من أنك حاولت استخدام العد بدلا من كونتا كنت هافنت أظهرت لنا صيغة تعويض، دون النظر إلى أن تحديد ذلك سيكون من الصعب. أحتاج لحساب 12 شهرا المتداول المتوسط ​​الذي سيشمل فترة 24 شهرا عند الانتهاء يمكنك أن تشير لي في الاتجاه الصحيح كما جدا كيف تبدأ البيانات بلدي هو الأميال و يبدأ على B2 وينتهي على B25 Help. Chandoo، وهذا هو صيغة كبيرة على ما أنا باستخدام إلا أنا أحاول دون جدوى لجعل صيغة مشروطة لدي جدول بيانات، انظر الروابط أدناه، أن يتتبع كل جولات من القرص غولف لعبت من قبل الأصدقاء و myself. I قد حصلت بالفعل الإعداد لحساب كل من المتوسطات العامة لدينا ولكل من متوسطاتنا على دورات محددة ما أحاول القيام به الآن هو أيضا الإعداد متوسط ​​متحرك على أساس لدينا 5 جولات الأخيرة مرة أخرى وقد تم إدخال المزيد من البيانات وسوف تغييره إلى 10، ولكن الآن 5 سيكون على ما يرام أستطيع غي t المتوسط ​​المتحرك للعمل، ولكن لا أستطيع معرفة كيفية إضافة القيود المشروطة إي أريد على سبيل المثال فقط 5 جولات الأخيرة التي لعبت من قبل كيفن بعد أنني سوف تريد فقط 5 جولات الأخيرة لعبت كيفن في دورة أوشتيمو. أما التعليمات البرمجية I التي تستخدمها فهي أقل من شفرة الخلية C9، فهي مدرجة أدناه إذا كان B9 0، إذا كان B9 6، أفيراجيف ديكروندس A 2 A 20000، A9، ديسروند M2 M 20000، متوسط ​​فست ريسوندوندز M 2، إف ديسوندوندز A 2 A 20000 A9، كونت ديسروندز M 2 M 20000، -5،0،5،1.Essentially إذا كان هناك 0 جولات فإنه يترك الخلية فارغة إذا كان هناك 5 أو أقل من الجولات فإنه يستخدم فقط متوسط ​​كل جولات وأخيرا، إذا كان هناك 6 أو أكثر من جولات التعليمات البرمجية ثم يستخدم وظيفة أفيراج الخاص بك من هذا المنصب بعد محاولة العديد من الأشياء ولكن أنا غير متأكد كيفية سحب مشروط الجولات 5 الماضية بحيث تسحب فقط 5 جولات الأخيرة من اسمه في الخلية A9.The الصيغة I آم المرجعية ليست حاليا في الخلية C9 على جدول البيانات الخاص بي الذي تم ربطه لقد تم مجرد اختبار ذلك هناك. دند استخدام الصيغة التالية في الخلية C13 فصاعدا أفيراج B2 B13 واسحب لأسفل. هنا، أنا متأكد من أن هناك شيء المذكورة أعلاه أن يفترض أن تساعد، ولكن أنا لا تزال جديدة للتفوق وأشعر بالراحة طغت على وظيفة جديدة فقط أنا م ترين لجعل انطباعا جيدا، لذلك أي مساعدة وود تكون great. I لديها بيانات عن كل شهر في 2009 و 2010 و 2011 الذهاب عبر صفوف متعددة من هذا كل شهر في بداية الشهر ولست بحاجة لحساب مبيعات في السنة السابقة حاليا بلدي الصيغة هو سوم AG4 AR4 سوم U4 AF4 مثال الشهر الحالي هو مارس معلومات أحتاج هو إجمالي المبيعات من مارس 2010 فبراير 2011 مقسوما على مارس 2009- فبراير 2010، وأنها تعمل كبيرة، لكنه يستغرق وقتا طويلا جدا أن يكون لتغييره كل شهر هل هناك طريقة يمكنني الحصول على صيغة لتغيير تلقائيا في بداية الشهر أنا لا أعرف ما إذا فعلت وظيفة جيدة جدا شرح هذا أو لا. تهانينا على وظيفتك الجديدة. يمكنك سحب الصيغة الخاصة بك جانبية إلى اليمين على سبيل المثال، ويظهر s للأتمتة الشهر المقبل أكتيفالي. لا، ما أحتاجه هو أن الصيغة لتغيير كل شهر لدي يناير 2009 حتى ديسمبر 2011 صناديق عبر عبر مع البيانات فيها إيفيرور سوم AG4 AR4 سوم U4 AF4، 0. في الشهر المقبل أنا بحاجة لأنها تذهب من حساب المجموع من 03 10 بيانات إلى 02 11 بيانات مقسومة على 03 09 بيانات إلى 02 10 بيانات وتغيير إلى 04 10 إلى 03 11 بيانات مقسومة على 04 09 بيانات إلى 03 11 بيانات إيفيرور سوم AH4 AS4 سوم V4 AG4، 0. ما أحتاج إليه هو الصيغة التي يمكن أن تشير إلى التاريخ الحالي، ونعرف أنه في 1 من كل شهر، فإنه يحتاج إلى تبديل الصيغ لأكثر من 1-12 شهرا السابقة مقسوما على السابق 13-24 شهرا أنا لست متأكدا مما إذا كان ذلك منطقيا أساسا يمكنني استخدام هذه الصيغة حوالي 8 مرات على ورقة واحدة ولدي حوالي 200 ورقة. أشكرك على نشر مزدوج وشكرا لكم على congrats. What أحتاج إذا كان التاريخ الحالي أكبر من 1 من الشهر ثم إشارات الخلية بأكملها إلى حساب مبيعات بريف العام يحتاج إلى التحرك إلى اليمين من عمود واحد. هذا هو ما أتيت مع إف P1 N1، سوم AH4 AS4 سوم V4 AG4 p1 هو التاريخ الحالي n1 هو 1st يوم من الشهر AH4 AS4 هو بيانات من 03 10-02 11 V4 AG4 هي البيانات من 03 09-02 10.Part أنا تواجه مشاكل مع كيف يمكنني جعله بحيث الصيغة يعرف بالضبط ما 12 أقسام لانتزاع وكيفية الحصول على تغيير تلقائيا في 1 من الشهر. جولي يمكنك استخدام صيغة أوفست لحل هذا. استيعاب كل عمود لديه شهر واحد، والشهر الأول هو في C4 والتاريخ الحالي هو في P1.The الصيغة أعلاه يفترض أن كل عمود لديه أشهر في تنسيق التاريخ إكسيل قد تحتاج إلى قرص عليه حتى it produces right result. This is probably extremely simple and I am making it more complicated than I need to, but you wrote, The above formula assumes that each column has months in Excel date format I ve been struggling to do this without having it turn my data into dates. Julie What I meant is, the row number 4, where you have month names, should contain this data.1-jan-2009 1-feb-2009 1-mar-2009.Also, I notice few errors in my formula The correct formula should be, SUM offset C 5,,datedif C 4, P 1, m 1-12,1,12 SUM offset C 5,,datedif C 4, P 1, m 1-24,1,12.The above formula assumes dates are in row 4 and values are in row 5.I think that is exactly what I needed Thank you thank you thank you so much. My problem is very similar jasmin s 61 and Azrold 74 I have disgusting amounts of data, from D 2 to D 61400 and correspondingly in E and F, I ll have to do the same thing for these columns as well I m trying to find the average for batches, such that D2 19, D20 37, D38 55 and so on - clumping 18 rows together and then finding the next average without re-using any previous row I d also have to likely do this for every 19 and 20 clumps as well, but an example using 18 is fine. Could you annotate the formula you post I m a little confused on what the last 4 numbe rs mean in the COUNTA part Thank you so much, this is going to make my life so much easier. Laura This is easily done with Average and Offset Assuming you are doing this in Col J and are averaging Col D J2 AVERAGE OFFSET D 1, ROW -2 J 1 1,,J 1 Where J1 will have the number 18 for a moving total of 18 numbers Copy down Row 2 will average Rows 2-19 Row 3 will average Rows 20-37 etc You can also add labels in say Col H H2 Rows ROW -2 J 1 2 - ROW -1 J 1 1 Copy down I have mocked this up at. I am beginner trying to.1 structure a spreadsheet that will then be used to.2 determine the optimal period for my moving average, within the range of a 5 day moving average to a 60 day moving average. Each cell represents the number of sales for that day, ranging from 0 to 100 I would prefer that each month of daily sales be in a new I have 3 months of data, but obviously that will grow. So can you please tell me how to set up the spreadsheet and then the appropriate formulas and their locations. Thank you very much. Hello again Hui. I am struggling yet again with the same spreadsheet you helped me with earlier. As beore, I have the following rows of monthly manually entered data. Volume of Calls Calls Answered age of calls abandoned Average handling time. My line manager would now like 2 rows beneath these showing by using formula Average speed of answer Average abandoned time. And as if that wasn t enough, she would like, for both rows, a summary cell at the end of the 12 months showing the yearly figure. Many thanks again for any help you are able to give. I am using the vertical version for calculating a moving average I am stumped when I need to calculate a 6-period moving average My data starts in column c and the 6-period and 3-period averages are two columns to the right of the last period of data I add a column for each month, so I currently adjust the formula manually each month AVERAGE EC8 EH8.My most recent attempt that failed is AVERAGE C 6,COUNT C 6 EH6 ,-6,6,1.Please provide an explanation of why this didn t work when responding so I can understand how to create future f ormulas. Thank you so much, Kimber. Kimber Welcome to and thanks for commenting. I think it is not a good idea to place averages in right most column as it keeps moving Instead you could modify your sheet so that moving average is placed at left most column and this will stay there even if you add extra columns to the right. No matter where the average cell is, you can use this formula to calculate the moving average. Afyter having read the whole of this thread I can see I m going to need a combination offset, match, count and averageif but I m not sure where My problem is as follows Each month there are over 100 people reporting activity - Column A is their name, Column B is the month, Column C is the year and Columns D through M is their activity in several categories I need to find their 3 month and six month averages and display that in another worksheet although I could have them displayed in Columns N and O if needed I use a pivot table to produce sums and total averages but it won t handle moving averages Any pointers would be greatly appreciated Thanks, Ben. This will average the last MovAvg number of rows including itself take out the -1 if you want it to not include itself. D75 is the cell that this formula is referencing my data was very long. MovAvg is how big you want the moving average to be I assigned this as a named cell select the cell, Formulas -- Defined Names -- Define Name You can make variable names in a spreadsheet to avoid always having to use row column. This starts from the current cell D75 in this case , goes up MovAvg-1 rows, over 0 columns, selects MovAvg nuber of rows, with 1 column Passes this to the average function. Hi I read through every post, but haven t been able to get this working correctly How do we calculate the moving average of a percentage This is calculated weekly Column A - accts met Column B - accts sold Column K - closing Column D - 2 week moving average of the closing. Example of week 1 and week 2 Column A, row 7 is 25 and row 8 is 1 Column B, row 7 is 1 and row 8 is 1 Column K, row 7 formula is 1 25 4 and row 8 is 1 1 100 Column D - The formula in a prior post gives me an answer of 52 2 week avg, but that s not correct it should be 2 26 7 IF ISERROR AVERAGE OFFSET K7,COUNT K7 K26 -2,0,2,1 ,,AVERAGE OFFSET K7,COUNT K7 K26 -2,0,2,1.What do i need to change in that formula to use columns A B instead of the column K. You are trying to average averages, which doesn t work Try this simple formula beginning in D8 IF ISBLANK B8 , , B7 B8 A7 A8 Copy and paste the formula down to D26 This should give you a moving 2 week average Remember to format column D as a percentage with how ever many decimal points you want. I m pretty much an excel neophyte I just stumbled across your site am looking forward to perusing it at length in the months ahead. I m trying to calculate a 3 month moving average of expenses cannot figure out what I am doing wrong Even after reading this article and the post on offset I m not sure I understand the formula. In my sandbox, I have. Column A - Months A2 A17 Sept 2012 - Dec 2013 Column B - Total monthly expenses B2 B8 B8 because March is the last completed month - Those totals are 362599,372800,427317,346660,359864,451183,469681 Colum C - 3 Month Moving Averag e. I put the following formula in C4 To start calculating in Nov of last year, just for grins. Since there are only three months in the data set at that point, I would assume it calculates the moving average of the first three months The formula comes up with 469,681 When I average the first three months, I come up with 387,572.What am I doing wrong or misunderstanding. Thanks for the help and for putting this website together. Hi Chandoo You have one really useful project here, tons of thanks. In the very beginning of this thread Shamsuddin asked something similar to what I need, reverse calculation of values from the moving average Maybe it s stupid, but I can t come up with any ideas except for figure-by-figure lookup If possible - please advice with this article s data, to get the concept Actually, I d be happy to get anything, as google was of no use. Once again - thank you so much for this site. I m not really sure what you mean by reverse calculating a moving average. Can you explain wh at your trying to do achieve Posting a sample file might help also Refer. Hi Hui, I mean, I have a column of figures e g monthly shipments , which are calculated as moving average based on another data set e g monthly manufacturing output. Smth like this A1 Jan Feb Mar Apr May Jun Mfg Ship 100 500 450 600 600 700 Where Ship average B2 C2.I know only shipments volumes, and have to find out respective mfg volumes Generally speaking, the question is how we can find initial data with only MA on hand. Suppose, this thread may not be the one for asking this if you agree - maybe you know where to ask It s just that Shamsuddin s question was the most relevant result out of 10 google pages. Mey To calculate the original data from a Moving Average MA you need two MA s eg a 9 and a 10 day MA or 1 MA and 1 piece of data. From these you can recalculate the previous result. But if you have a formula Average B2 C2 you should have access to the data. If it is a 2 day MA like your formula above MA Average B2 C2 MA B2 C2 2 if you know B2 C2 2 MA - B2.If you have a set of data you can share I can give a better solution Refer. Great website Forgive this question I used to be an Expert in Lotus 123 decades ago, but I find Excel somewhat backwards in its progressions to Lotus 123, so I am starting over with Excel 2010.I am a logical person and I try to understand what the formulas do when I use them I notice that there are not but 14 sales figures in column B, yet somehow we are counting from B4 to B33 I tested the formula out using. AVERAGE OFFSET B4,COUNT B4 B14 -3,0,3,1 and I get the same result as if I used AVERAGE OFFSET B4,COUNT B4 B33 -3,0,3,1 My first rule of old school spreadsheet creation is never to build a data table larger than the data provided if it is static that is, not expanding in data As a result, I have no real clue as to how OFFSET works Is there a clear explanation of OFFSET with a singular example of it being used outside of the average and all by itself. The reason I came here is to build a spreadsheet model that would use iterative calculations to find the best fit for profit data that is maximizing profit when the a short moving average of the cumulative profit curve or equity curve crosses OVER the longer term moving average of the equity curve I find nothing that allows expansion of moving averages from 3 periods to say 100 periods for both averages By using the MA cross over to determine which trades to take, one can find an optimal level of profit to run the model from which could be t weaked when the model is reoptimized I can find nothing in most Excel books that cover this, and this kind of calculations should be relatively simple to pull off Where could I find such information. Thanks again for the wonderful website. Just in case you haven t found it yet, here s a link for the OFFSET function. I have a question. I already have a 3 day moving average that I was given in my problem Is it related to the average of stocks The questions says that you have 1 stock that you PLAN on selling on day 10 My 3 day moving average is an integration from a, b where a t and b t 3 at any time If you want to find the price you expect to sell the share for, do you integrate from 6,9 9,11 7,10 Do you want the far end of day 10, the middle of day 10, or leave day 10 out I am not sure what time frame to put this 3 day average between Again, my function represents up to day 14, but I need the price at day 10.ivan Santos says. Im looking to see the moving average for a call center im trying to find the index for every month for a full year i only have 2 years worth of data and im wanting forecast out for 2014 in quarters can i use this method for this. I have a problem in average, I want to calculate the average of highlighted rows only in coloumn F on colomn G which also has highlighted blank cells. Hi, I am working on a spreadsheet that has the past four years of weekly data but the current years data is incomplete as it only gets entered each week Is there a way of setting up a formula that will calculate an average based on the number of weeks that have data in them For eg in the middle of the year it will create an average based on cells 2-27 26 but the next week it would be cells 2-28 27.Its doing my head in and I don t want to have to manually adjust the average every week. Great site by the way Very helpful. Rosie Yes this can be done Can you please ask the question at the Forums and attach a sample file. Ok here is my question that has been plaguing me for the last 2 1 2 months and I haven t found a solution anywhere on the web I have a sales team and I need a moving avg but with a fix format and a shifting date rage that is fixed as well i e. Sales person 1 1 15 2 1 15 3 1 15 12 1 14 11 1 14 10 1 14 ME 1 2 0 4 5 6.What I am trying to do is this Let s say today date is 3 1 15 I need a way to go back 3 6 and 12 as well months from the current date and avg the sales numbers The hard part is I would like to just change the year of the dates so I don t have to mess with the format or if I hire fire someone So in the above example I would have the formula take the 6 1 2 9 3 3 but then as time would go on this would keep going but once the new year began in JAN 2016 it would have to use the figures from the past 2015 data 3,6 and 12 Month rolling avg s I hope that this clear and I would love to g et some help with this Thank you in advance. Can you please ask the question in the Forums at. Attach a sample file to simplify the process. Ok I have posted to the forums and uploaded a sample file. Calculate Moving Average Learn Moving average is frequently used to understand underlying trends and helps in forecasting MACD or moving average convergence divergence is probably the. Amelia McCabe says. Looking for a little help I have tried what I think is a modified version of this formula that is not really working I have a row of data one number per month that I need a continuous average for based on the number of months of entered data not on 12 months Data are in cells b53 to m53 So I tried to modify this formula as follow it did not work and I wonder if I can use this formula this way at all since my data is in a row not a column AVERAGE OFFSET B53COUNT B53 M53 -12,0,1,12 Have also tried the arguments as 0,0,1,12 and -1,0,1,12 Please help me understand if I am up the totally wrong tree or just on the wrong branch. Amelia Without seeing the data i d suggest that AVERAGE OFFSET B53,COUNT B53 M53 -12,0,1,12 should be AVERAGE OFFSET B53 1,COUNT B53 M53.One issue with the original formula is that there are 12 cells between B53 M53, If only 5 have data in them, then you take 12 away, the offset is trying to offset B53, a negative 7 columns, which will force an error. You may also be able to use the Averageifs function Possibly Averageifs B53 M53,B53 M53, 0.Are you able to post a sample file in the Forums. Time Series Methods. Time series methods are statistical techniques that make use of historical data accumulated over a period of time Time series methods assume that what has occurred in the past will continue to occur in the future As the name time series suggests, these methods relate the forecast to only one factor--time They include the moving average, exponential smoothing, and linear trend line and they are among the most popular methods for short-range forecasting among service and manufacturing companies These methods assume that identifiable historical patterns or trends for demand over time will repeat themselves. Moving Average. A time series forecast can be as simple as using demand in the current period to predict demand in the next period This is sometimes called a naive or intuitive forecast 4 For example, if demand is 100 units this week, the forecast for next week s demand is 100 units if demand turns out to be 90 units instead, then the following week s demand is 90 units, and so on This type of forecasting method does not take into account historical demand behavior it relies only on demand in the current period It reacts directly to the normal, random movements in demand. The simple moving average method uses several demand values during the recent past to develop a forecast This tends to dampen, or smooth out, the random increases and decreases of a forecast that uses only one period The simple moving average is useful for forecasting demand that is stable and doe s not display any pronounced demand behavior, such as a trend or seasonal pattern. Moving averages are computed for specific periods, such as three months or five months, depending on how much the forecaster desires to smooth the demand data The longer the moving average period, the smoother it will be The formula for computing the simple moving average isputing a Simple Moving Average. The Instant Paper Clip Office Supply Company sells and delivers office supplies to companies, schools, and agencies within a 50-mile radius of its warehouse The office supply business is competitive, and the ability to deliver orders promptly is a factor in getting new customers and keeping old ones Offices typically order not when they run low on supplies, but when they completely run out As a result, they need their orders immediately The manager of the company wants to be certain enough drivers and vehicles are available to deliver orders promptly and they have adequate inventory in stock Therefore, th e manager wants to be able to forecast the number of orders that will occur during the next month i e to forecast the demand for deliveries. From records of delivery orders, management has accumulated the following data for the past 10 months, from which it wants to compute 3- and 5-month moving averages. Let us assume that it is the end of October The forecast resulting from either the 3- or the 5-month moving average is typically for the next month in the sequence, which in this case is November The moving average is computed from the demand for orders for the prior 3 months in the sequence according to the following formula. The 5-month moving average is computed from the prior 5 months of demand data as follows. The 3- and 5-month moving average forecasts for all the months of demand data are shown in the following table Actually, only the forecast for November based on the most recent monthly demand would be used by the manager However, the earlier forecasts for prior months allow us to compare the forecast with actual demand to see how accurate the forecasting method is--that is, how well it does. Three - and Five-Month Averages. Both moving average forecasts in the table above tend to smooth out the variability occurring in the actual data This smoothing effect can be observed in the following figure in which the 3-month and 5-month averages have been superimposed on a graph of the original data. The 5-month moving average in the previous figure smooths out fluctuations to a greater extent than the 3-month moving average However, the 3-month average more closely reflects the most recent data available to the office supply manager In general, forecasts using the longer-period moving average are slower to react to recent changes in demand than would those made using shorter-period moving averages The extra periods of data dampen the speed with which the forecast responds Establishing the appropriate number of periods to use in a moving average forecast often requires s ome amount of trial-and-error experimentation. The disadvantage of the moving average method is that it does not react to variations that occur for a reason, such as cycles and seasonal effects Factors that cause changes are generally ignored It is basically a mechanical method, which reflects historical data in a consistent way However, the moving average method does have the advantage of being easy to use, quick, and relatively inexpensive In general, this method can provide a good forecast for the short run, but it should not be pushed too far into the future. Weighted Moving Average. The moving average method can be adjusted to more closely reflect fluctuations in the data In the weighted moving average method, weights are assigned to the most recent data according to the following formula. The demand data for PM Computer Services shown in the table for Example 10 3 appears to follow an increasing linear trend The company wants to compute a linear trend line to see if it is more accura te than the exponential smoothing and adjusted exponential smoothing forecasts developed in Examples 10 3 and 10 4.The values required for the least squares calculations are as follows. Using these values, the parameters for the linear trend line are computed as follows. Therefore, the linear trend line equation is. To calculate a forecast for period 13, let x 13 in the linear trend line. The following graph shows the linear trend line compared with the actual data The trend line appears to reflect closely the actual data--that is, to be a good fit --and would thus be a good forecast model for this problem However, a disadvantage of the linear trend line is that it will not adjust to a change in the trend, as the exponential smoothing forecast methods will that is, it is assumed that all future forecasts will follow a straight line This limits the use of this method to a shorter time frame in which you can be relatively certain that the trend will not change. Seasonal Adjustments. A seasonal pattern is a repetitive increase and decrease in demand Many demand items exhibit seasonal behavior Clothing sales follow annual seasonal patterns, with demand for warm clothes increasing in the fall and winter and declining in the spring and summer as the demand for cooler clothing increases Demand for many retail items, including toys, sports equipment, clothing, electronic appliances, hams, turkeys, wine, and fruit, increase during the holiday season Greeting card demand increases in conjunction with special days such as Valentine s Day and Mother s Day Seasonal patterns can also occur on a monthly, weekly, or even daily basis Some restaurants have higher demand in the evening than at lunch or on weekends as opposed to weekdays Traffic--hence sales--at shopping malls picks up on Friday and Saturday. There are several methods for reflecting seasonal patterns in a time series forecast We will describe one of the simpler methods using a seasonal factor A seasonal factor is a numerical value that is multiplied by the normal forecast to get a seasonally adjusted forecast. One method for developing a demand for seasonal factors is to divide the demand for each seasonal period by total annual demand, according to the following formula. The resulting seasonal factors between 0 and 1 0 are, in effect, the portion of total annual demand assigned to each season These seasonal factors are multiplied by the annual forecasted demand to yield adjusted forecasts for each seasonputing a Forecast with Seasonal Adjustments. Wishbone Farms grows turkeys to sell to a meat-processing company throughout the year However, its peak season is obviously during the fourth quarter of the year, from October to December Wishbone Farms has experienced the demand for turkeys for the past three years shown in the following table. Because we have three years of demand data, we can compute the seasonal factors by dividing total quarterly demand for the three years by total demand across all three years. Next, we want to multiply the forecasted demand for the next year, 2000, by each of the seasonal factors to get the forecasted demand for each quarter To accomplish this, we need a demand forecast for 2000 In this case, since the demand data in the table seem to exhibit a generally increasing trend, we compute a linear trend line for the three years of data in the table to get a rough forecast estimate. Thus, the forecast for 2000 is 58 17, or 58,170 turkeys. Using this annual forecast of demand, the seasonally adjusted forecasts, SF i , for 2000 areparing these quarterly forecasts with the actual demand values in the table, they would seem to be relatively good forecast estimates, reflecting both the seasonal variations in the data and the general upward trend.10-12 How is the moving average method similar to exponential smoothing.10-13 What effect on the exponential smoothing model will increasing the smoothing constant have.10-14 How does adjusted exponential smoothing differ from ex ponential smoothing.10-15 What determines the choice of the smoothing constant for trend in an adjusted exponential smoothing model.10-16 In the chapter examples for time series methods, the starting forecast was always assumed to be the same as actual demand in the first period Suggest other ways that the starting forecast might be derived in actual use.10-17 How does the linear trend line forecasting model differ from a linear regression model for forecasting.10-18 Of the time series models presented in this chapter, including the moving average and weighted moving average, exponential smoothing and adjusted exponential smoothing, and linear trend line, which one do you consider the best Why.10-19 What advantages does adjusted exponential smoothing have over a linear trend line for forecasted demand that exhibits a trend.4 K B Kahn and J T Mentzer, Forecasting in Consumer and Industrial Markets, The Journal of Business Forecasting 14, no 2 Summer 1995 21-28.