Procjena Trend jepraksa pronalaženje obrazaca za Kako kvantitativne promjene podataka tijekom vremena . Procjena Trend jeključni dio predviđanja , koji se koristi za pomoć u interpretaciji podataka u financija, ekonomije , poslovnog, inženjering , društvenih znanosti i prirodnih znanosti . Središnja ideja u procjeni trend je da se pravi podaci odražavaju neke temeljne tendencije u kombinaciji sa slučajnim ” buke ” zbog netočnosti u mjerenju . Vremenske serije Analiza
< p >Vrijeme serija jeniz točaka podataka u vremenu , obično prikazuje kao graf ili grafikona . Vremenske serije može se analizirati ručno pokušavajući otkriti bilo kakve značajnije trend . Primjer vremenskog niza je pacijenta srca . Zbogtrend “zdrave ” srca je poznato , liječnici mogu koristiti analiza vremenskih serija za provjeru nepravilnog otkucaja srca . Ova vrsta ručnog analiza vremenskih serija je pogodan samo kada ječist , signala bez šuma i temeljni mehanizmi koji generiraju signal dobro su poznate .
Buke i signala
Trend analiza je o identificiranju signal u podacima . Signal jesmisleno obrazac ili trend u podacima . U stvarnom svijetu često postoji neki slučajni smetnje ili ” buka ” koja zaklanja signal . Mnoge metode procjene trenda su pokušaji da filtrira buku i ostaviti iza smislenu signala . Ovaj signal može dati naznake o budućnosti trend podataka .
Jednostavno Moving Average
< p >jednostavan pomični prosjek jetrend tehnika procjena pogodan za upotrebu na podacima koji pokazuje redovite periodične promjene . Jednostavan pomični prosjek se koristi kako bi se utvrdilo postoji li dugoročni trend u podacima , dok je ignoriranje povremene promjene . Primjer bi bio je prodaja igračaka tvrtke . Ove prodaje imaju tendenciju da će vrhunac svake godine oko Božića , tako da će izlagati periodičnost od jedne godine. Da bi pronašli što ( ako ih ima ) trend postoji u dugoj vožnji ,igračka tvrtka će koristiti jednostavan pomični prosjek . S obzirom naniz podataka ukazuje n 1,2 , … , n – 1 , nk – točka jednostavan pomični prosjek je pronašao planirala srednja vrijednost od svake uzastopne serije k uzastopnih poena podaci: Free
( 1,2 , … , k – 1, k ) /k , ( 2,3 , … , K , K + 1 ) /k , … , (NK , N ( k – 1 ) , … , n – 1 , n ) /k .
to stvara manju , glatko niz podataka koji pokazuje dugoročni trend podataka i koristi se prvenstveno razlučiti dugoročne trendove podataka dok filtriranja iz sezonalnosti .
ponderirana Moving Average
< p >ponderirani pomični prosjek je sličan jednostavnog pomičnog prosjeka , osim da je prosječna točke podataka su svaki dali težinu koja odražava kako značajan da se vjeruje da su . Određivanje tog težine jesubjektivno odluka donesena na temelju znanja o prošlosti ponašanja skupa podataka . Jedna uobičajena metoda odabirom naširoko koristi u financijama . U ovoj konvenciji , ako jebroj točke podataka je ” n ” ondanajnoviji podatak je ponderirana mom to pomnoži sa n ,prethodna točka podaci ponderirana kao n – 1 , i tako dalje sve na putu natrag do prvog podataka točka, koja je kao ponderirani 1.ponderirani pomični prosjek je pogodan za procjenu trendova kada su trendovi su vjerojatno da će biti najviše pod utjecajem novijih kretanja u podacima . To može dovesti do preciznije procjene trend skupova podataka u kojima su nedavno pokreta snažno utječe na kasniji pokreti , kao što su podaci o cijeni financijskog tržišta .
Eksponencijalno izglađivanje model
< p >eksponencijalno izglađivanje Model , također se naziva eksponencijalni pomični prosjek , je tehnika procjena trend koji se odnosi utege da smanjenje eksponencijalno modi . Eksponencijalno izglađivanje model predviđa sljedeći podaci točku u nizu zadanih točaka podataka . To se izračunava množenjem nedavno promatrane točke podataka i to pomnoži s koeficijentom ponderiranja alfa , a zatim dodao da je to ( 1 – alfa ) pomnožen eksponencijalno izglađivanje modela predviđanja za nedavno promatrane točke podataka:
ESM = alfa * X + ( 1 – alfa ) * ( ESM – 1) croatian
Gdje ESM jepredvidio sljedeći vrijednost pomoću eksponencijalni pomični prosjek , alfa jeponderiranja konstanta , X jenedavno primijetio vrijednost podataka i ESM – 1 jeeksponencijalni pomični prosjek procjena nedavno promatrane točke podataka . Eksponencijalno izglađivanje Model pojačava utjecaj najnovijih vrijednosti na projicirane procjenu trenda . To se koristi u situacijama gdje su nedavni pokreti skupa podataka su znatno važnija od ranijih pokreta .