情报分析师

全国警务人员和情报人员都在关注

关注

何为移动平均法?

举个栗子先,班上来了新老师,如何能快速的了解学生的学习情况呢?很有效的方法是,查看学生最近几次的考试成绩即可,高效且可靠性很高。其实这种方法就是移动平均法。1、点击Excel数据分析菜单,弹出对话框:2、选择“移动平均”,点击确定后,打开设置窗口:输入区域:选择销售额列,连同标题一同选择间隔:填入2输出区域:选择与当前表格相邻的列中的空白单元格其他按图示选择3、点击确定后,得到如下数据:3、给新数据加表头,并调整格式,最终表格如下:4、点击移动平均结果列任一单元格,看到公式如下:间隔2 预测2017年10月销售额为233887元。为什么是两个月相加,而不是三月呢?这就是我们刚才没有解释的参数“间隔”的缘故:如果我们将间隔设置为3,就会使三个月的相加求平均。重复上面的步骤,调整间隔为3,看到最终的预测值如下:间隔3 预测2017年10月销售额为241697元。标准误差说明啥呢?标准误差表示预测值与实际值的误差,这个值越小越好,说明预测值与实际值越接近,本例中相对于每月25W左右的销售额来说,几千元的误差还是在可以接受的范围内。再说说图表:图表没什么特别的,是实际值与预测值的图形输出,根据需要修改下相关文字就好,可以直接使用。要用前三个月(7,8,9月)的销售预测本月(10月)的销售额,计算方法如下:Y10 = (X7 + X8+ X9) / 3用Y10代表10月预测值,X7代表7月实际值计算很简单,但就实际情况来说,预测当月的销售额,8月的数据必然比6月的数据更有价值,也就是说越远的数据对预测当下价值越小,而越近的数据则价值更大,于是就有了改进的加权平均预测法,其关键是给不同期的数据以不同的权重,离的越近权重越大,离得越远则权重越小。同样的销售额预测,使用加权移动平均法,计算方法如下:Y10=(X7 * 1 + X8 * 2 + X9 * 3) / (1+2+3)相较于简单移动平均法,加权移动平均法更加科学、合理,预测值也更加接近真实值。而加权移动平均法又被细分为线性加权移动平均、梯形加权移动平均、平方系数移动平均等,都大同小异,可以自行了解下。

再比如,网店销售额的预测,使用4、5、6月的数据预测7月的销售额是可以的,但如果通过8、9、10月的数据预测11月的销售额必然会有问题,因为有双11光棍节,这个属于特别影响因素,通过平均移动预测必然会差异很大。

本文介绍的是简单移动平均法,还有加权移动平均法,其本质是越远的数据对现在的预测价值(权重)越小,越近的数据预测价值(权重)越大,可以自行了解下,属于简单移动平均法的改进。

关注公众号并回复“可视化数据”,获取获取[可视化数据].张羽译.扫描版后续还有更多类似的电子书,请及时关注公众号的动态哟~情报分析师电子书

1.回复“我要入门”

获取[谁说菜鸟不会数据分析( 入门篇)].张文霖.全彩版和[谁说菜鸟不会数据分析(工具篇)].张文霖.影印版

2.回复"可视化数据"

获取[可视化数据].张羽译.扫描版

3.回复"深入数据分析"

获取【深入浅出数据分析(中文版)].(Michael Milton).李芳.扫描版】

4.回复"数据分析实战"

获取【数据分析实战.扫描版】

5.回复"数据统治世界"

获取[数据统治世界].曲玉彬.扫描版

6.回复"有趣的统计"

获取【有趣的统计:75招学会数据分析】

7.回复"数字统计学"

获取[看穿一切数字的统计学]

8.回复“Analysis-CIA心理学情报”

获取Psychology of Intelligence Analysis-CIA 官方PDF 电子书

9.回复“情报分析”

获取【情报与反情报丛书:情报分析 以目标为中心的方法】

10.回复“情报电影”

获取【情报专业电影指南】

11.回复“统计学与数据分析

获取【统计学方法与数据分析.pdf】

情报分析师

全国警务人员和情报人员都在关注

关注

中心移动平均_Excel数据分析——移动平均法预测分析相关推荐

  1. python空气质量分析与预测_python 空气质量AQI数据分析与预测 ---分析,相关系数矩阵...

    版权声明:本文为博主原创文章,遵循CC 4.0 by-sa版权协议,转载请附上原文出处链接和本声明. 本文链接:https://blog.csdn.net/YmeBtc/article/details ...

  2. python 空气质量AQI数据分析与预测 ---分析(空气质量排名,临海城市空气质量是否优于内陆城市)

    #每天一点点# python 空气质量AQI数据分析与预测 点击可以查看 分析:用到的库,数据集,数据清洗 点击可以查看 分析:相关系数矩阵 #四:数据分析 #1:空气质量最好/最差的5个城市 #最好 ...

  3. 【数据分析】利用机器学习算法进行预测分析(一):移动平均(Moving Average)

    时间序列预测中的机器学习方法(一):移动平均(Moving Average) 1.背景介绍 如果可能的话,每个人都想成为先知,预测在未来会发生什么事.实际上,这种预测非常困难.试想某个人提前知晓了市场 ...

  4. 中心移动平均_时间序列模型:移动平均 用Excel预测(4)

    预测模型都是数理统计模型,原理部分非常枯燥,但原理部分是很重要的,可用帮助我们在做预测是选用哪种模型或者用哪几种结合来使用,以到达更精准的预测的前提. 移动平均 移动平均法是最简单最常用的预测模型之一 ...

  5. 【数据分析】利用机器学习算法进行预测分析(五):Prophet

    时间序列预测中的机器学习方法(五):Prophet 本文是"时间序列预测中的机器学习方法"系列文章的第五篇,如果您有兴趣,可以先阅读前面的文章: [数据分析]利用机器学习算法进行预 ...

  6. 泰坦尼克数据集预测分析_探索性数据分析—以泰坦尼克号数据集为例(第1部分)

    泰坦尼克数据集预测分析 Imagine your group of friends have decided to spend the vacations by travelling to an am ...

  7. 【数据分析师-数据分析项目案例三】多因素房价预测分析案例

    多因素房价预测分析案例 1 数据来源 2 数据加载和基本的ETL 2.1 模块导入和数据加载 2.2 数据清洗 3 数据可视化 3.1 地理可视化 3.2 关系矩阵和热力图 3.3 添加衍生字段 3. ...

  8. 【大数据分析专业毕设之基于python爬虫的电影票房大数据预测分析+大屏可视化分析

    [大数据分析专业毕设之基于python爬虫的电影票房大数据预测分析+大屏可视化分析-哔哩哔哩https://b23.tv/saIKtBH flask web框架,数据使用requests模块爬取数据, ...

  9. 数据分析:基于K-近邻(KNN)对Pima人糖尿病预测分析

    数据分析:基于K-近邻(KNN)对Pima人糖尿病预测分析 作者:i阿极 作者简介:Python领域新星作者.多项比赛获奖者:博主个人首页

  10. python数据挖掘课程设计——基于数据挖掘的森林火灾预测分析(数据代码+数据分析+数据可视化展示)

    基于数据挖掘的森林火灾预测分析 [摘要]随着全球范围性的温室效应,全球气温正逐步升高,为对抗温室效应,森林已经成为我们急需保护的资源,但是火灾时刻威胁着森林资源.为了帮助对抗温室效应.保护森林,本研究 ...

最新文章

  1. centos8.2 hyper第一代 第二代_欧洲第一代法王以工程师身份加入拳头游戏,网友齐呼:是真的牛...
  2. Kooboo CMS - Html.FrontHtml.Position 详解
  3. 扎心!天天写代码,方向真的对吗?
  4. UNION 和UNION ALL的区别
  5. SAP Fiori应用里的get org sales target
  6. Ubuntu文件压缩、解压缩、打包
  7. Paxos算法(Basic Paxos 与 Multi-Paxos思想)
  8. 基于java SSM校园兼职平台系统设计和实现
  9. 【三维路径规划】基于matlab RRT算法无人机三维路径规划【含Matlab源码 1270期】
  10. Maven私服Nexus安装与使用,鸟哥的linux私房菜pdf百度云
  11. Firefox XPI插件安装方法
  12. 能耗监控 | FCU1101物联数采网关在电力能效管理系统中的应用
  13. MongoDB 下载和安装
  14. Python数据分析U3-matplotlib可视化基础
  15. 谈谈在ISA防火墙中的端口映射方法
  16. Navicat 中文显示乱码解决之道 ,亲测可行
  17. 个人电脑秒变服务器 简单几步,你的电脑也可以成为服务器 (内网穿透)
  18. 量子计算的基本原理论述
  19. 关于Intellij idea里在pom.xml里添加Maven依赖,本地仓库下拉列表显示包很少的血的经验
  20. 【CSS】线性渐变属性值及范例详解

热门文章

  1. 【每周荐书系列】——《认知盈余》
  2. 如何自主搭建信息管理系统
  3. 【排队论 | 数学建模常用模型】
  4. 笔试12:Bootstrap知识
  5. VC++编程实现镜像劫持
  6. win7美化_笔记本怎么外接显示器?附Windows效率加倍/桌面美化实用技巧
  7. VS2010SP1中文版安装问题
  8. 项目管理工具——Jira使用和配置
  9. 中标麒麟使用centos源_中标麒麟操作系统使用笔记
  10. 突破百度知道瓶颈,问淘宝引流