Zentriert Gleitend Durchschnittlich Gleichmäßig

Kendal Street, London W2 2AQ quotDr. Stephen R. Covey - einer der weltweit führenden Unternehmensberater und Autor des meistverkauften Buches Die sieben Gewohnheiten von hochwirksamen Menschen - ist Co-Vorsitzender von Franklin Covey in Salt Lake City, Utah in den USA Franklin Covey bietet Beratungsdienstleistungen an Fortune 500-Unternehmen sowie Tausende von kleinen und mittelständischen Unternehmen, Bildungseinrichtungen, Regierung und anderen Organisationen weltweit. Ihre Arbeit in Principle Centered Leadership gilt als eine instrumentelle Grundlage für die Wirksamkeit von Qualität, Führung, Service, Teambuilding, organisatorische Ausrichtung und andere strategische Unternehmensinitiativen. Auszüge aus Kapitel 7 - SevenDeadly Sins - Seite 87 bis 93 Mahatma Gandhi sagte, dass sieben Dinge uns zerstören werden. Beachten Sie, dass alle von ihnen mit sozialen und politischen Bedingungen zu tun haben. Beachten Sie auch, dass das Gegenmittel von jedem dieser quadratischen Sinsquot ein expliziter externer Standard ist oder etwas, das auf natürlichen Prinzipien und Gesetzen beruht, nicht auf sozialen Werten. 1990 Stephen R. Covey Alle Rechte vorbehalten. Nachdruck mit Genehmigung. Die sieben Gewohnheiten und die prinzipienorientierte Führung sind eingetragene Warenzeichen von Franklin Covey und werden mit Erlaubnis verwendet. Um mehr über Franklin Covey zu erfahren, besuchen Sie ihre Website bei franklincovey Dies bezieht sich auf die Praxis, etwas für nichts zu bekommen - Manipulation von Märkten und Vermögenswerten, so dass Sie nicht arbeiten müssen oder produzieren Mehrwert, manipulieren Menschen und Dinge. Heute gibt es Berufe aufgebaut, um Reichtum zu schaffen, ohne zu arbeiten, viel Geld zu verdienen, ohne Steuern zu zahlen, von freien Regierungsprogrammen zu profitieren, ohne einen angemessenen Anteil an den finanziellen Belastungen zu tragen und alle Vergünstigungen der Staatsbürgerschaft des Landes und der Mitgliedschaft des Unternehmens zu genießen, ohne davon auszugehen Das Risiko oder die Verantwortung. Wie viele der betrügerischen Pläne, die in den achtziger Jahren, die oft als das Jahrzehnt der Gier aufgerufen wurden, waren im Grunde Get-Reiche-schnelle Pläne oder Spekulationen versprechende Praktizierende, "Du musst nicht einmal für itquot arbeiten.) Deshalb würde ich sehr besorgt sein wenn Einer von meinen Kindern ging in spekulative Unternehmen oder wenn sie gelernt, wie man viel Geld schnell, ohne den Preis zu zahlen, indem Sie Wert auf einer täglichen Basis zu machen. Einige Netzwerk-Marketing und Pyramiden-Organisationen Sorgen mich, weil viele Menschen reich werden schnell durch den Aufbau einer Struktur unter ihnen, die sie ohne Arbeit füttert. Sie sind auf dem Griff rationalisiert, dennoch ist das überwältigende emotionale Motiv oft gierig: "Du kannst ohne viel Arbeit reich werden. Möglicherweise müssen Sie zunächst arbeiten, aber bald können Sie Reichtum ohne work. quot Neue soziale Sitten und Normen werden gezüchtet, die Verzerrungen in ihrem Urteil verursachen. Gerechtigkeit und Urteil sind unweigerlich unzertrennlich, was bedeutet, dass in dem Maße, in dem Sie sich von den Gesetzen der Natur entfernen, Ihr Urteil nachteilig beeinflusst wird. Sie erhalten verzerrte Begriffe. Sie beginnen, rationale Lügen zu erklären, warum die Dinge funktionieren oder warum sie nicht. Sie bewegen sich von dem Gesetz der quotthe farmquot in sozialpolitische Umgebungen. Wenn wir von Organisationen in Schwierigkeiten lesen, hören wir oft die traurigen Bekenntnisse von Führungskräften, die davon absehen, sich von den Naturgesetzen und - prinzipien für einen Zeitraum von Zeit zu entfernen und mit dem Überbauen über die Entlehnung und über das Spekulieren zu beginnen, nicht wirklich den Strom zu lesen oder objektiv zu werden Feedback, nur viel Selbstgespräch zu hören. Jetzt haben sie eine hohe Schulden zu zahlen. Sie müssen vielleicht hart arbeiten, nur um zu überleben - ohne Hoffnung, gesund zu sein für fünf Jahre oder mehr. Sein Zurück zu den Grundlagen, Hand zum Pflug. Und viele dieser Führungskräfte waren in früheren Tagen kritisch gegenüber den konservativen Gründern der Korporationen, die in der Nähe der Grundlagen blieben und lieber klein und frei von Schulden bleiben. Die Hauptabfrage der unreifen, gierigen, egoistischen und sinnlichen war schon immer, was ist das für mich, das wird mir gefallen. Willst du es measen. In letzter Zeit scheinen viele Menschen diese Freuden ohne Gewissen oder Verantwortungsbewusstsein zu haben, sogar aufzugeben oder gänzlich zu vernachlässigen Ehegatten und Kinder im Namen ihrer Sache. Aber die Unabhängigkeit ist nicht der reifste Zustand des Seins - es ist nur eine mittlere Position auf dem Weg zur Interdependenz, dem fortschrittlichsten und ausgereiften Zustand. Um zu lernen und zu nehmen, selbstlos zu leben, empfindlich zu sein, um rücksichtsvoll zu sein, ist unsere Herausforderung. Ansonsten gibt es keinen Sinn für soziale Verantwortung oder Rechenschaftspflicht in unseren erfreulichen Aktivitäten. Die endgültigen Kosten der Freuden ohne Gewissen sind hoch, gemessen an Zeit und Geld, in Bezug auf Reputation und in Bezug auf die Verwundung der Herzen und Köpfe von anderen Menschen, die von denen, die nur wollen, um sich zu verwöhnen und zu befriedigen kurzfristig. Es ist gefährlich, ohne Gewissen aus dem Naturrecht herausgezogen zu werden. Das Gewissen ist im Wesentlichen das Repositorium der zeitlosen Wahrheiten und Prinzipien - der interne Monitor des Naturrechts. Ein prominenter, weithin veröffentlichter Psychologe arbeitete, um die Menschen mit ihrem moralischen Gewissen in der sogenannten Quintegrationstherapie auszurichten. Er erzählte mir einmal, dass er ein manisch-depressiver war. "Ich wusste, dass ich selbstmörderisch wurde", sagte er. Deshalb habe ich mich einer psychiatrischen Anstalt verpflichtet. Ich habe versucht, daraus zu arbeiten, es zu neutralisieren, bis ich den Punkt erreicht habe, wo ich das Krankenhaus verlassen konnte. Ich mache jetzt keine klinische Arbeit, weil es zu stressig ist. Ich mache meistens Forschung. Und durch meinen eigenen Kampf entdeckte ich, dass die Integritätstherapie der einzige Weg war, zu gehen. Ich gab meine Herrin auf, gestand meiner Frau und hatte zum ersten Mal in meinem Leben Frieden. Aquot Vergnügen ohne Gewissen ist eine der Schlüsselversuche für heutige Führungskräfte. Manchmal auf Flugzeugen Ill scannen die Zeitschriften an Führungskräfte gerichtet, notiert die Anzeigen. Viele dieser Anzeigen, vielleicht zwei Drittel von ihnen, laden Führungskräfte ein, sich selbst ohne Gewissen zu verwöhnen, weil sie es quittieren oder quotearned itquot oder quotwant it, quot und warum nicht quotnive inquot und quittieren sie alle hängen outquot Die verführerische Nachricht ist, quotYouve angekommen . Du bist jetzt ein Gesetz für dich. Du brauchst kein Gewissen, um dich zu regieren. mehr und in einigen Anzeigen sehe du sechzigjährige Männer mit attraktiven dreißigjährigen Frauen, die quotensichere andere, die einige Führungskräfte zu Konventionen begleiten. Was auch immer mit den Ehegatten passiert ist Was mit den sozialen Sitten passiert ist, die die Ehegatten betrügen lassen illegitimes Verhalten Wie gefährlich wie ein wenig Wissen ist, ist noch gefährlicheres viel Wissen ohne einen starken, prinzipiellen Charakter. Die rein intellektuelle Entwicklung ohne angemessene interne Charakterentwicklung macht genauso sinnvoll wie ein Hochleistungssportwagen in den Händen eines Teenagers, der auf Drogen hoch ist. Doch allzu oft in der akademischen Welt, das ist genau das, was wir tun, indem wir uns nicht auf die Charakterentwicklung junger Menschen konzentrieren. Einer der Gründe, warum ich mich über die sieben Gewohnheiten in die Schulen freue, ist, dass es Charakter Bildung ist. Manche Leute mögen keine Charakterausbildung, weil sie sagen, quotthats dein Wert system. quot Aber du kannst einen gemeinsamen Satz von Werten bekommen, denen jeder zustimmt. Es ist nicht so schwer zu entscheiden, zum Beispiel, dass Freundlichkeit, Fairness, Würde, Beitrag und Integrität lohnt sich. Niemand wird dich kämpfen. So können wir mit Werten beginnen, die unbeständig sind und sie in unserem Bildungssystem und in unseren korporativen Trainings - und Entwicklungsprogrammen einfließen lassen. Ermöglicht ein besseres Gleichgewicht zwischen der Entwicklung von Charakter und Intellekt. Die Menschen, die die Bildung heute verwandeln, tun es, indem sie einen Konsens über einen gemeinsamen Satz von Prinzipien, Werten und Prioritäten schaffen und den hohen Grad an Spezialisierung, Abteilung und Partisanenpolitik entlarven. In seinem Buch Moral Sentiment, das dem Reichtum der Nationen vorausging, erklärte Adam Smith, wie fundamental für den Erfolg unserer Systeme die moralische Grundlage ist. Wie wir uns gegenseitig behandeln, den Geist des Wohlwollens, des Dienstes, des Beitrags. Wenn wir die moralische Grundlage ignorieren und Wirtschaftssysteme ohne moralische Grundlagen und ohne Weiterbildung betreiben lassen, werden wir bald eine amoralische, wenn nicht unmoralische Gesellschaft und Wirtschaft schaffen. Wirtschaftliche und politische Systeme beruhen letztlich auf einer moralischen Grundlage. Für Adam Smith ist jede Geschäftsabwicklung eine moralische Herausforderung, um zu sehen, dass beide Parteien ziemlich gut kommen. Fairness und Wohlwollen in der Wirtschaft sind die Grundlagen des freien Unternehmens-Systems namens Kapitalismus. Unser Wirtschaftssystem kommt aus einer verfassungsmäßigen Demokratie, in der auch Minderheitenrechte besucht werden sollen. Der Geist der Goldenen Regel oder der Win-Win ist ein Geist der Moral, des gegenseitigen Nutzens, der Fairness für alle Beteiligten. Paraphrasieren eines der Mottos des Rotary Clubs, das ist es fair und dient den Interessen aller Stakeholder. Das ist nur ein moralisches Verständnis für alle Stakeholder. Ich mag das Smith sagt jede wirtschaftliche Transaktion. Die Leute bekommen Schwierigkeiten, wenn sie sagen, dass die meisten ihrer wirtschaftlichen Transaktionen moralisch sind. Das heißt, da ist etwas los, das versteckt, verborgen, geheim ist. Die Menschen halten eine verborgene Agenda, ein geheimes Leben, und sie rechtfertigen und rationalisieren ihre Aktivitäten. Sie erzählen sich rationale Lügen, damit sie sich nicht an Naturgesetze halten müssen. Wenn Sie in einer Gesellschaft genug Rationalisierung bekommen können, können Sie soziale Sitten oder politische Wünsche haben, die völlig von Naturgesetzen und Prinzipien getrennt sind. Ich traf einmal einen Mann, der seit fünf Jahren als Quotethics Directorquot für eine große Luft - und Raumfahrtgesellschaft diente. Er hat schließlich den Posten im Protest niedergeschlagen und betrachtete das Unternehmen verlassen, obwohl er ein großes Gehalts - und Leistungspaket verlieren würde. Er sagte, dass das Exekutivteam eine eigene Gruppe von Geschäftsethik hatte und dass sie tief in Rationalisierung und Rechtfertigung waren. Reichtum und Macht waren groß auf ihren Tagesordnungen, und sie machten keine Entschuldigung dafür mehr. Sie wurden von der Realität sogar in ihrer eigenen Organisation geschieden. Sie sprachen über die Bedienung des Kunden, während sie absolut ihre eigenen Angestellten schleppen. Wenn die Wissenschaft zur Technik und Technik wird, entartet sie schnell zum Menschen gegen die Menschlichkeit. Technologien kommen aus den Paradigmen der Wissenschaft. Und wenn theres sehr wenig Verständnis für die höheren menschlichen Zwecke, dass die Technologie zu dienen bemüht ist, werden wir Opfer unserer eigenen Technokratie. Wir sehen ansonsten hochgebildete Leute, die die wissenschaftliche Leiter des Erfolgs klettern, obwohl sie oft die Sprosse der Menschheit fehlten und sich an die falsche Wand lehnten. Die Mehrheit der Wissenschaftler, die jemals gelebt oder gelebt haben, und sie haben eine wissenschaftliche und technologische Explosion in der Welt gebracht. Aber wenn alles, was sie tun, überlagern Technologie auf die gleichen alten Probleme, nichts grundlegende Änderungen. Wir können eine Evolution sehen, eine gelegentliche Querstellung in der Wissenschaft, aber ohne Menschlichkeit sehen wir kostbare kleine wirkliche menschliche Fortschritte. Alle alten Ungleichheiten und Ungerechtigkeiten sind immer noch bei uns. Über die einzige Sache, die nicht entwickelt hat, sind diese natürlichen Gesetze und Prinzipien - der wahre Norden auf dem Kompass. Wissenschaft und Technik haben das Gesicht von allem anderen verändert. Aber die grundlegenden Dinge gelten noch, wie die Zeit vergeht. Ohne Opfer können wir in einer Kirche aktiv werden, aber in ihrem Evangelium inaktiv bleiben. Mit anderen Worten, wir gehen für die soziale Fassade der Religion und die Frömmigkeit religiöser Praktiken. Es gibt kein echtes Gehen mit Menschen oder gehen die zweite Meile oder versuchen, mit unseren sozialen Problemen umzugehen, die eventuell unser Wirtschaftssystem rückgängig machen können. Es dauert Opfer, um den Bedürfnissen anderer Menschen zu dienen - das Opfer unseres eigenen Stolzes und Vorurteils, unter anderem. Wenn eine Kirche oder eine Religion als nur ein anderes hierarchisches System betrachtet wird, werden ihre Mitglieder keinen Sinn für Dienst oder innere Arbeit haben. Stattdessen werden sie in äußere Beobachtungen und alle sichtbaren Ausstattungen der Religion sein. Aber sie sind weder gottzentriert noch prinzipiell zentriert. Die Prinzipien von drei der sieben Gewohnheiten betreffen, wie wir mit anderen Menschen umgehen, wie wir ihnen dienen, wie wir ihnen opfern, wie wir dazu beitragen. Die Gewohnheiten 4, 5 und 6 - Win-Win-Interdependenz, Empathie und Synergie - erfordern ein enormes Opfer. Ive kommen zu glauben, dass sie ein gebrochenes Herz und einen zerknirschten Geist erfordern - und das für einige ist das ultimative Opfer. Zum Beispiel habe ich einmal eine Ehe beobachtet, wo es häufige Argumente gab. Ein Gedanke kam zu mir. "Diese beiden Leute müssen ein gebrochenes Herz und einen zerknirschten Geist zueinander haben oder diese Vereinigung wird niemals dauern. Sie können nicht eine Einheit, eine Einheit ohne Demut haben. Stolz und Egoismus wird die Vereinigung zwischen Mensch und Gott, zwischen Mann und Frau, zwischen Mensch und Mensch, zwischen Selbst und Selbst zerstören. Die großen Dienerführer haben diese Demut, das Kennzeichen der inneren Religion. Ich kenne ein paar CEOs, die bescheidene Dienerführer sind - die ihren Stolz opfern und ihre Macht teilen - und ich kann sagen, dass ihr Einfluss sowohl innerhalb als auch außerhalb ihrer Firmen dazu vervielfacht wird. Traurig, viele Leute wollen quoten, oder zumindest das Aussehen davon, ohne Opfer. Sie wollen mehr Spiritualität, aber würde nie eine Mahlzeit in sinnvollem Fasten verpassen oder einen Akt des anonymen Gottesdienstes tun, um es zu erreichen. Wenn es kein Prinzip gibt, gibt es keinen wahren Norden, nichts, woran man sich verlassen kann. Der Fokus auf die Persönlichkeitsethik ist die sofortige Erstellung eines Bildes, das sich auf dem sozialen und ökonomischen Markt gut verkauft. Sie sehen Politiker, die Millionen von Dollar ausgeben, um ein Bild zu schaffen, auch wenn es sich um eine oberflächliche, fehlende Substanz handelt, um Stimmen zu bekommen und ein Amt zu bekommen. Und wenn es funktioniert, führt es zu einem politischen System, das unabhängig von den Naturgesetzen arbeitet, die regieren sollten - - die in die Unabhängigkeitserklärung eingebaut sind. "Wir halten diese Wahrheiten für selbstverständlich, dass alle Menschen gleich geschaffen sind, dass sie von ihrem Schöpfer mit gewissen unveräußerlichen Rechten ausgestattet sind, dass unter ihnen das Leben, die Freiheit und die Verfolgung des Glücks sind. Mit anderen Worten beschreiben sie selbstverständliche, äußere, beobachtbare, natürliche, unbeständige, selbstverständliche Gesetze: "Wir halten diese Wahrheiten für selbstverständlich. Der Schlüssel zu einer gesunden Gesellschaft ist es, den sozialen Willen zu bekommen Wert-System, ausgerichtet mit richtigen Prinzipien. Sie haben dann die Kompassnadel, die auf den wahren Norden hinweist - wahrer Norden, der das Äußere oder das Naturgesetz repräsentiert - und der Indikator sagt, das ist es, was wir unser Wertesystem aufbauen. Sie sind ausgerichtet. Aber wenn Sie einen kranken sozialen Willen hinter dem politischen Willen erhalten, der vom Prinzip unabhängig ist, könnten Sie eine sehr kranke Organisation oder Gesellschaft mit verzerrten Werten haben. Zum Beispiel könnte die bekennende Mission und die gemeinsamen Werte von Kriminellen, die vergewaltigen, rauben und plündern, sehr ähnlich wie viele Unternehmens-Mission Aussagen, mit solchen Worten wie quotteamwork, quot quotcooperation, quot quotloyalty, quot quotprofitability, quot quotinnovation, quot und quotcreativity. quot Das Problem ist, dass ihr Wertesystem nicht auf einem Naturgesetz beruht. Figurativ, in vielen Konzernen mit hohen Mission Statements, viele Menschen werden in hellem Tageslicht vor Zeugen getroffen. Oder sie werden von Selbstwertgefühl, Geld oder Position ohne ordnungsgemäßen Prozess beraubt. Und wenn es keinen sozialen Willen hinter den Grundsätzen des ordnungsgemäßen Prozesses gibt und wenn Sie nicht ordnungsgemäßen Prozess bekommen können, müssen Sie zur Jury Ihrer Kollegen gehen und sich in Gegenkultur Sabotage engagieren. In dem Film Die Zehn Gebote sagt Mose zu dem Pharao: "Wir sind von dem Göttergesetz geregelt zu werden, nicht von euch. In Wirklichkeit hes sagen," Wir werden nicht von einer Person regiert werden, es sei denn, diese Person verkörpert das Gesetz Beste Gesellschaften und Organisationen, Naturgesetze und Grundsätze regieren - das ist die Verfassung - und selbst die Spitzenleute müssen sich dem Prinzip beugen. Niemand ist darüber Die sieben Gewohnheiten werden dir helfen, diese sieben tödlichen Sünden zu vermeiden. Und wenn du nicht in die sieben Gewohnheiten kaufst, versuch die Zehn Gebote. Die Prinzipien und die Ideale, die sie darstellen, sind leicht auf bemerkenswerte Führer der Unterscheidung wie Mahatma Gandhi zurückzuführen, aber sie sind schwerer in den viel häufiger auftretenden Erfahrungen des alltäglichen Lebens zu finden. Als Antwort auf diese Sorge antwortete Gandhi, ich behaupte, nicht mehr als ein durchschnittlicher Mann mit weniger als durchschnittlicher Fähigkeit zu sein. Ich bin kein visionärer Ich behaupte, ein praktischer Idealist zu sein. Ich kann auch keinen besonderen Verdienst für das, was ich mit mühsamer Forschung erreichen konnte, beanspruchen. Ich habe nicht den Schatten eines Zweifels, dass jeder Mann oder jede Frau erreichen kann, was ich habe, wenn er oder sie die gleiche Anstrengung machen und die gleiche Hoffnung und den Glauben pflegen würde. Eine persönliche Anmerkung - Seite 323 Gandhi betonte. "Eine Person kann nicht richtig in einer Abteilung tun, während sie versucht, in einer anderen Abteilung falsch zu machen. Das Leben ist ein unteilbares Ganzes. "Durchschnittliche und exponentielle Glättungsmodelle" Als erster Schritt, um über mittlere Modelle hinauszugehen, können zufällige Wandermodelle und lineare Trendmodelle, Nicht-Sektionsmuster und Trends mit einem gleitenden Durchschnitt oder Glättungsmodell extrapoliert werden. Die Grundannahme hinter Mittelwertbildung und Glättung von Modellen ist, dass die Zeitreihe lokal stationär mit einem langsam variierenden Mittel ist. Daher nehmen wir einen bewegten (lokalen) Durchschnitt, um den aktuellen Wert des Mittelwerts abzuschätzen und dann das als die Prognose für die nahe Zukunft zu verwenden. Dies kann als Kompromiss zwischen dem mittleren Modell und dem random-walk-without-drift-Modell betrachtet werden. Die gleiche Strategie kann verwendet werden, um einen lokalen Trend abzuschätzen und zu extrapolieren. Ein gleitender Durchschnitt wird oft als quotsmoothedquot Version der ursprünglichen Serie, weil kurzfristige Mittelung hat die Wirkung der Glättung der Beulen in der ursprünglichen Serie. Durch die Anpassung des Grades der Glättung (die Breite des gleitenden Durchschnitts), können wir hoffen, eine Art von optimalem Gleichgewicht zwischen der Leistung der mittleren und zufälligen Wandermodelle zu schlagen. Die einfachste Art von Mittelungsmodell ist die. Einfache (gleichgewichtete) Moving Average: Die Prognose für den Wert von Y zum Zeitpunkt t1, der zum Zeitpunkt t gemacht wird, entspricht dem einfachen Durchschnitt der letzten m Beobachtungen: (Hier und anderswo verwende ich das Symbol 8220Y-hat8221 zu stehen Für eine Prognose der Zeitreihe Y, die zum frühestmöglichen früheren Datum durch ein gegebenes Modell gemacht wurde.) Dieser Durchschnitt ist in der Periode t (m1) 2 zentriert, was impliziert, dass die Schätzung des lokalen Mittels dazu neigen wird, hinter dem wahren zu liegen Wert des lokalen Mittels um etwa (m1) 2 Perioden. So sagen wir, dass das Durchschnittsalter der Daten im einfachen gleitenden Durchschnitt (m1) 2 relativ zu dem Zeitraum ist, für den die Prognose berechnet wird: Dies ist die Zeitspanne, mit der die Prognosen dazu neigen, hinter den Wendepunkten in den Daten zu liegen . Zum Beispiel, wenn Sie durchschnittlich die letzten 5 Werte sind, werden die Prognosen etwa 3 Perioden spät in Reaktion auf Wendepunkte. Beachten Sie, dass, wenn m1, das einfache gleitende Durchschnitt (SMA) - Modell entspricht dem zufälligen Walk-Modell (ohne Wachstum). Wenn m sehr groß ist (vergleichbar mit der Länge der Schätzperiode), entspricht das SMA-Modell dem mittleren Modell. Wie bei jedem Parameter eines Prognosemodells ist es üblich, den Wert von k anzupassen, um die besten Quoten für die Daten zu erhalten, d. h. die kleinsten Prognosefehler im Durchschnitt. Hier ist ein Beispiel für eine Reihe, die zufällige Schwankungen um ein langsam variierendes Mittel zeigt. Zuerst können wir versuchen, es mit einem zufälligen Spaziergang Modell, das entspricht einem einfachen gleitenden Durchschnitt von 1 Begriff: Das zufällige Spaziergang Modell reagiert sehr schnell auf Änderungen in der Serie, aber in diesem Fall nimmt es viel von der Quotierung in der Daten (die zufälligen Schwankungen) sowie das quotsignalquot (das lokale Mittel). Wenn wir stattdessen einen einfachen gleitenden Durchschnitt von 5 Begriffen ausprobieren, erhalten wir einen glatteren Prognosen: Der 5-fach einfache gleitende Durchschnitt liefert in diesem Fall deutlich kleinere Fehler als das zufällige Spaziergangmodell. Das Durchschnittsalter der Daten in dieser Prognose beträgt 3 ((51) 2), so dass es dazu neigt, hinter den Wendepunkten um etwa drei Perioden zurückzukehren. (Zum Beispiel scheint ein Abschwung in der Periode 21 aufgetreten zu sein, aber die Prognosen drehen sich nicht um einige Perioden später.) Beachten Sie, dass die Langzeitprognosen des SMA-Modells eine horizontale Gerade sind, genau wie im zufälligen Spaziergang Modell. So geht das SMA-Modell davon aus, dass es keinen Trend in den Daten gibt. Während die Prognosen aus dem zufälligen Wandermodell einfach dem letzten beobachteten Wert entsprechen, sind die Prognosen des SMA-Modells gleich einem gewichteten Durchschnitt der letzten Werte. Die von Statgraphics für die Langzeitprognosen des einfachen gleitenden Durchschnittes berechneten Vertrauensgrenzen werden nicht weiter erhöht, wenn der Prognosehorizont zunimmt. Das ist offensichtlich nicht richtig Leider gibt es keine zugrundeliegende statistische Theorie, die uns sagt, wie sich die Konfidenzintervalle für dieses Modell erweitern sollten. Allerdings ist es nicht zu schwer, empirische Schätzungen der Vertrauensgrenzen für die längerfristigen Prognosen zu berechnen. Zum Beispiel könnten Sie eine Kalkulationstabelle einrichten, in der das SMA-Modell zur Vorhersage von 2 Schritten voraus, 3 Schritten voraus, etc. im historischen Datenmuster verwendet werden würde. Sie können dann die Stichproben-Standardabweichungen der Fehler bei jedem Prognosehorizont berechnen und dann Konfidenzintervalle für längerfristige Prognosen durch Addition und Subtraktion von Vielfachen der entsprechenden Standardabweichung aufbauen. Wenn wir einen 9-fach einfachen gleitenden Durchschnitt versuchen, bekommen wir noch glattere Prognosen und mehr von einem nacheilenden Effekt: Das Durchschnittsalter beträgt nun 5 Perioden ((91) 2). Wenn wir einen 19-fachen gleitenden Durchschnitt nehmen, steigt das Durchschnittsalter auf 10: Beachten Sie, dass die Prognosen in der Tat hinter den Wendepunkten um etwa 10 Perioden zurückbleiben. Welche Menge an Glättung ist am besten für diese Serie Hier ist eine Tabelle, die ihre Fehlerstatistik vergleicht, auch einen 3-Term-Durchschnitt: Modell C, der 5-fache gleitende Durchschnitt, ergibt den niedrigsten Wert von RMSE um einen kleinen Marge über die 3 - term und 9-term Mittelwerte, und ihre anderen Statistiken sind fast identisch. So können wir bei Modellen mit sehr ähnlichen Fehlerstatistiken wählen, ob wir ein wenig mehr Reaktionsfähigkeit oder ein wenig mehr Glätte in den Prognosen bevorzugen würden. (Zurück zum Anfang der Seite) Browns Einfache Exponential-Glättung (exponentiell gewichteter gleitender Durchschnitt) Das oben beschriebene einfache gleitende Durchschnittsmodell hat die unerwünschte Eigenschaft, dass es die letzten k-Beobachtungen gleichermaßen behandelt und alle vorherigen Beobachtungen völlig ignoriert. Intuitiv sollten vergangene Daten in einer allmählicheren Weise abgezinst werden - zum Beispiel sollte die jüngste Beobachtung ein wenig mehr Gewicht als die 2. jüngste, und die 2. jüngsten sollte ein wenig mehr Gewicht als die 3. jüngsten bekommen, und bald. Das einfache exponentielle Glättungsmodell (SES) erreicht dies. Sei 945 eine quotsmoothing constantquot (eine Zahl zwischen 0 und 1). Eine Möglichkeit, das Modell zu schreiben, besteht darin, eine Reihe L zu definieren, die den gegenwärtigen Pegel (d. h. den lokalen Mittelwert) der Reihe repräsentiert, wie er von den Daten bis zur Gegenwart geschätzt wird. Der Wert von L zum Zeitpunkt t wird rekursiv aus seinem eigenen vorherigen Wert wie folgt berechnet: Somit ist der aktuelle geglättete Wert eine Interpolation zwischen dem vorherigen geglätteten Wert und der aktuellen Beobachtung, wobei 945 die Nähe des interpolierten Wertes auf den letzten Wert steuert Überwachung. Die Prognose für die nächste Periode ist einfach der aktuell geglättete Wert: Gleichermaßen können wir die nächste Prognose direkt in Bezug auf vorherige Prognosen und frühere Beobachtungen in einer der folgenden gleichwertigen Versionen ausdrücken. In der ersten Version ist die Prognose eine Interpolation zwischen vorheriger Prognose und vorheriger Beobachtung: In der zweiten Version wird die nächste Prognose erhalten, indem man die vorherige Prognose in Richtung des vorherigen Fehlers um einen Bruchteil 945 anpasst Zeit t. In der dritten Version ist die Prognose ein exponentiell gewichteter (dh diskontierter) gleitender Durchschnitt mit Rabattfaktor 1-945: Die Interpolationsversion der Prognoseformel ist am einfachsten zu bedienen, wenn man das Modell auf einer Tabellenkalkulation implementiert: Es passt in eine Einzelzelle und enthält Zellreferenzen, die auf die vorherige Prognose, die vorherige Beobachtung und die Zelle hinweisen, in der der Wert von 945 gespeichert ist. Beachten Sie, dass bei 945 1 das SES-Modell einem zufälligen Walk-Modell entspricht (ohne Wachstum). Wenn 945 0 ist, entspricht das SES-Modell dem mittleren Modell, vorausgesetzt, dass der erste geglättete Wert gleich dem Mittelwert ist. (Zurück zum Anfang der Seite) Das Durchschnittsalter der Daten in der einfach-exponentiellen Glättungsprognose beträgt 1 945 gegenüber dem Zeitraum, für den die Prognose berechnet wird. (Das soll nicht offensichtlich sein, aber es kann leicht durch die Auswertung einer unendlichen Reihe gezeigt werden.) Die einfache gleitende Durchschnittsprognose neigt daher dazu, hinter den Wendepunkten um etwa 1 945 Perioden zurückzukehren. Zum Beispiel, wenn 945 0,5 die Verzögerung 2 Perioden beträgt, wenn 945 0,2 die Verzögerung 5 Perioden beträgt, wenn 945 0,1 die Verzögerung 10 Perioden und so weiter ist. Für ein gegebenes Durchschnittsalter (d. H. Verzögerung) ist die Prognose der einfachen exponentiellen Glättung (SES) der einfachen gleitenden Durchschnitts - (SMA) - Prognose etwas überlegen, da sie die jüngste Beobachtung - Es ist etwas mehr auffallend auf Veränderungen, die in der jüngsten Vergangenheit auftreten. Zum Beispiel hat ein SMA-Modell mit 9 Begriffen und einem SES-Modell mit 945 0,2 beide ein Durchschnittsalter von 5 für die Daten in ihren Prognosen, aber das SES-Modell setzt mehr Gewicht auf die letzten 3 Werte als das SMA-Modell und am Gleichzeitig ist es genau 8220forget8221 über Werte mehr als 9 Perioden alt, wie in dieser Tabelle gezeigt: Ein weiterer wichtiger Vorteil des SES-Modells gegenüber dem SMA-Modell ist, dass das SES-Modell einen Glättungsparameter verwendet, der stufenlos variabel ist, so dass er leicht optimiert werden kann Indem ein Quotsolverquot-Algorithmus verwendet wird, um den mittleren quadratischen Fehler zu minimieren. Der optimale Wert von 945 im SES-Modell für diese Baureihe ergibt sich auf 0,2961, wie hier gezeigt: Das Durchschnittsalter der Daten in dieser Prognose beträgt 10.2961 3.4 Perioden, was ähnlich ist wie bei einem 6-fach einfach gleitenden Durchschnitt. Die Langzeitprognosen des SES-Modells sind eine horizontale Gerade. Wie im SMA-Modell und dem zufälligen Walk-Modell ohne Wachstum. Allerdings ist zu beachten, dass die von Statgraphics berechneten Konfidenzintervalle nun in einer vernünftig aussehenden Weise abweichen und dass sie wesentlich schmaler sind als die Konfidenzintervalle für das zufällige Spaziergangmodell. Das SES-Modell geht davon aus, dass die Serie etwas vorhersehbar ist als das zufällige Spaziergangmodell. Ein SES-Modell ist eigentlich ein Spezialfall eines ARIMA-Modells. So bietet die statistische Theorie der ARIMA-Modelle eine fundierte Grundlage für die Berechnung von Konfidenzintervallen für das SES-Modell. Insbesondere ist ein SES-Modell ein ARIMA-Modell mit einer nicht-seasonalen Differenz, einem MA (1) Term und keinem konstanten Term. Ansonsten bekannt als ein quotARIMA (0,1,1) Modell ohne constantquot. Der MA (1) - Koeffizient im ARIMA-Modell entspricht der Menge 1-945 im SES-Modell. Zum Beispiel, wenn man ein ARIMA (0,1,1) Modell ohne Konstante an die hier analysierte Serie passt, ergibt sich der geschätzte MA (1) Koeffizient 0,7029, was fast genau ein minus 0.2961 ist. Es ist möglich, die Annahme eines nicht-null konstanten linearen Trends zu einem SES-Modell hinzuzufügen. Um dies zu tun, geben Sie einfach ein ARIMA-Modell mit einer nicht-seasonalen Differenz und einem MA (1) Begriff mit einer Konstante, d. h. ein ARIMA (0,1,1) Modell mit konstanten. Die langfristigen Prognosen werden dann einen Trend haben, der dem durchschnittlichen Trend entspricht, der über den gesamten Schätzungszeitraum beobachtet wird. Sie können dies nicht in Verbindung mit saisonaler Anpassung tun, da die saisonalen Anpassungsoptionen deaktiviert sind, wenn der Modelltyp auf ARIMA eingestellt ist. Allerdings können Sie einen konstanten langfristigen exponentiellen Trend zu einem einfachen exponentiellen Glättungsmodell (mit oder ohne saisonale Anpassung) hinzufügen, indem Sie die Inflationsanpassungsoption im Vorhersageverfahren verwenden. Die jeweilige Quotenquote (prozentuale Wachstumsrate) pro Periode kann als Steigungskoeffizient in einem linearen Trendmodell geschätzt werden, das an die Daten in Verbindung mit einer natürlichen Logarithmus-Transformation angepasst ist, oder sie kann auf anderen, unabhängigen Informationen über langfristige Wachstumsaussichten basieren . (Zurück zum Seitenanfang) Browns Linear (dh Double) Exponentielle Glättung Die SMA Modelle und SES Modelle gehen davon aus, dass es in den Daten keinen Trend gibt (was in der Regel ok oder zumindest nicht so schlecht ist für 1- Schritt-voraus Prognosen, wenn die Daten relativ laut sind), und sie können modifiziert werden, um einen konstanten linearen Trend wie oben gezeigt zu integrieren. Was ist mit kurzfristigen Trends Wenn eine Serie eine unterschiedliche Wachstumsrate oder ein zyklisches Muster zeigt, das sich deutlich gegen den Lärm auszeichnet, und wenn es notwendig ist, mehr als einen Zeitraum voraus zu prognostizieren, dann könnte auch eine Einschätzung eines lokalen Trends erfolgen Ein Problem. Das einfache exponentielle Glättungsmodell kann verallgemeinert werden, um ein lineares exponentielles Glättungsmodell (LES) zu erhalten, das lokale Schätzungen sowohl von Ebene als auch von Trend berechnet. Das einfachste zeitveränderliche Trendmodell ist das lineare, exponentielle Glättungsmodell von Browns, das zwei verschiedene geglättete Serien verwendet, die zu unterschiedlichen Zeitpunkten zentriert sind. Die Prognoseformel basiert auf einer Extrapolation einer Linie durch die beiden Zentren. (Eine ausgefeiltere Version dieses Modells, Holt8217s, wird unten diskutiert.) Die algebraische Form des linearen exponentiellen Glättungsmodells von Brown8217s, wie das des einfachen exponentiellen Glättungsmodells, kann in einer Anzahl von verschiedenen, aber äquivalenten Formen ausgedrückt werden. Die quadratische Form dieses Modells wird gewöhnlich wie folgt ausgedrückt: Sei S die einfach geglättete Reihe, die durch Anwendung einer einfachen exponentiellen Glättung auf die Reihe Y erhalten wird. Das heißt, der Wert von S in der Periode t ist gegeben durch: (Erinnern Sie sich, dass unter einfachem Exponentielle Glättung, das wäre die Prognose für Y in der Periode t1.) Dann sei Squot die doppelt geglättete Reihe, die durch Anwendung einer einfachen exponentiellen Glättung (mit demselben 945) auf die Reihe S erhalten wird: Schließlich ist die Prognose für Y tk. Für irgendwelche kgt1 ist gegeben durch: Dies ergibt e 1 0 (d. h. Cheat ein Bit, und lassen Sie die erste Prognose gleich der tatsächlichen ersten Beobachtung) und e 2 Y 2 8211 Y 1. Nach denen Prognosen mit der obigen Gleichung erzeugt werden. Dies ergibt die gleichen angepassten Werte wie die Formel auf Basis von S und S, wenn diese mit S 1 S 1 Y 1 gestartet wurden. Diese Version des Modells wird auf der nächsten Seite verwendet, die eine Kombination aus exponentieller Glättung mit saisonaler Anpassung darstellt. Holt8217s Lineare Exponential-Glättung Brown8217s LES-Modell berechnet lokale Schätzungen von Level und Trend durch Glättung der aktuellen Daten, aber die Tatsache, dass es dies mit einem einzigen Glättungsparameter macht, legt eine Einschränkung auf die Datenmuster, die es passen kann: das Niveau und den Trend Dürfen nicht zu unabhängigen Preisen variieren. Holt8217s LES-Modell adressiert dieses Problem, indem es zwei Glättungskonstanten einschließt, eine für die Ebene und eine für den Trend. Zu jeder Zeit t, wie in Brown8217s Modell, gibt es eine Schätzung L t der lokalen Ebene und eine Schätzung T t der lokalen Trend. Here they are computed recursively from the value of Y observed at time t and the previous estimates of the level and trend by two equations that apply exponential smoothing to them separately. If the estimated level and trend at time t-1 are L t82091 and T t-1 . respectively, then the forecast for Y tshy that would have been made at time t-1 is equal to L t-1 T t-1 . When the actual value is observed, the updated estimate of the level is computed recursively by interpolating between Y tshy and its forecast, L t-1 T t-1, using weights of 945 and 1- 945. The change in the estimated level, namely L t 8209 L t82091 . can be interpreted as a noisy measurement of the trend at time t. The updated estimate of the trend is then computed recursively by interpolating between L t 8209 L t82091 and the previous estimate of the trend, T t-1 . using weights of 946 and 1-946: The interpretation of the trend-smoothing constant 946 is analogous to that of the level-smoothing constant 945. Models with small values of 946 assume that the trend changes only very slowly over time, while models with larger 946 assume that it is changing more rapidly. A model with a large 946 believes that the distant future is very uncertain, because errors in trend-estimation become quite important when forecasting more than one period ahead. (Return to top of page.) The smoothing constants 945 and 946 can be estimated in the usual way by minimizing the mean squared error of the 1-step-ahead forecasts. When this done in Statgraphics, the estimates turn out to be 945 0.3048 and 946 0.008 . The very small value of 946 means that the model assumes very little change in the trend from one period to the next, so basically this model is trying to estimate a long-term trend. By analogy with the notion of the average age of the data that is used in estimating the local level of the series, the average age of the data that is used in estimating the local trend is proportional to 1 946, although not exactly equal to it. In this case that turns out to be 10.006 125. This isn8217t a very precise number inasmuch as the accuracy of the estimate of 946 isn8217t really 3 decimal places, but it is of the same general order of magnitude as the sample size of 100, so this model is averaging over quite a lot of history in estimating the trend. The forecast plot below shows that the LES model estimates a slightly larger local trend at the end of the series than the constant trend estimated in the SEStrend model. Also, the estimated value of 945 is almost identical to the one obtained by fitting the SES model with or without trend, so this is almost the same model. Now, do these look like reasonable forecasts for a model that is supposed to be estimating a local trend If you 8220eyeball8221 this plot, it looks as though the local trend has turned downward at the end of the series What has happened The parameters of this model have been estimated by minimizing the squared error of 1-step-ahead forecasts, not longer-term forecasts, in which case the trend doesn8217t make a lot of difference. If all you are looking at are 1-step-ahead errors, you are not seeing the bigger picture of trends over (say) 10 or 20 periods. In order to get this model more in tune with our eyeball extrapolation of the data, we can manually adjust the trend-smoothing constant so that it uses a shorter baseline for trend estimation. For example, if we choose to set 946 0.1, then the average age of the data used in estimating the local trend is 10 periods, which means that we are averaging the trend over that last 20 periods or so. Here8217s what the forecast plot looks like if we set 946 0.1 while keeping 945 0.3. This looks intuitively reasonable for this series, although it is probably dangerous to extrapolate this trend any more than 10 periods in the future. What about the error stats Here is a model comparison for the two models shown above as well as three SES models. The optimal value of 945.for the SES model is approximately 0.3, but similar results (with slightly more or less responsiveness, respectively) are obtained with 0.5 and 0.2. (A) Holts linear exp. smoothing with alpha 0.3048 and beta 0.008 (B) Holts linear exp. smoothing with alpha 0.3 and beta 0.1 (C) Simple exponential smoothing with alpha 0.5 (D) Simple exponential smoothing with alpha 0.3 (E) Simple exponential smoothing with alpha 0.2 Their stats are nearly identical, so we really can8217t make the choice on the basis of 1-step-ahead forecast errors within the data sample. We have to fall back on other considerations. If we strongly believe that it makes sense to base the current trend estimate on what has happened over the last 20 periods or so, we can make a case for the LES model with 945 0.3 and 946 0.1. If we want to be agnostic about whether there is a local trend, then one of the SES models might be easier to explain and would also give more middle-of-the-road forecasts for the next 5 or 10 periods. (Return to top of page.) Which type of trend-extrapolation is best: horizontal or linear Empirical evidence suggests that, if the data have already been adjusted (if necessary) for inflation, then it may be imprudent to extrapolate short-term linear trends very far into the future. Trends evident today may slacken in the future due to varied causes such as product obsolescence, increased competition, and cyclical downturns or upturns in an industry. For this reason, simple exponential smoothing often performs better out-of-sample than might otherwise be expected, despite its quotnaivequot horizontal trend extrapolation. Damped trend modifications of the linear exponential smoothing model are also often used in practice to introduce a note of conservatism into its trend projections. The damped-trend LES model can be implemented as a special case of an ARIMA model, in particular, an ARIMA(1,1,2) model. It is possible to calculate confidence intervals around long-term forecasts produced by exponential smoothing models, by considering them as special cases of ARIMA models. (Beware: not all software calculates confidence intervals for these models correctly.) The width of the confidence intervals depends on (i) the RMS error of the model, (ii) the type of smoothing (simple or linear) (iii) the value(s) of the smoothing constant(s) and (iv) the number of periods ahead you are forecasting. In general, the intervals spread out faster as 945 gets larger in the SES model and they spread out much faster when linear rather than simple smoothing is used. This topic is discussed further in the ARIMA models section of the notes. (Return to top of page.)Moving Average: What it is and How to Calculate it Watch the video or read the article below: A moving average is a technique to get an overall idea of the trends in a data set it is an average of any subset of numbers. 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