फॉर्मूला के लिए चल - औसत - पूर्वानुमान

औसत चल रहा है। यह उदाहरण आपको सिखाता है कि Excel में एक समय श्रृंखला की चलती औसत की गणना कैसे की जा सकती है एक चलती औसत का प्रयोग रुझानों को आसानी से पहचानने के लिए चोटियों और घाटियों को आसानी से करने के लिए किया जाता है। सबसे पहले, हम अपने समय की श्रृंखला देखें। डेटा टैब पर, डेटा विश्लेषण पर क्लिक करें। नोट डेटा विश्लेषण बटन नहीं ढूँढ सकता विश्लेषण टूलपैक ऐड-इन को लोड करने के लिए यहां क्लिक करें। चलना औसत चुनें और OK.4 पर क्लिक करें। इनपुट रेंज बॉक्स पर क्लिक करें और श्रेणी B2 M2 चुनें। 5 अंतराल बॉक्स में क्लिक करें और टाइप करें 6.6 आउटपुट रेंज बॉक्स में क्लिक करें और सेल का चयन करें B3.8 इन मानों का ग्राफ़ करें। एक्सप्लैनेशन क्योंकि हम अंतराल को 6 निर्धारित करते हैं, चल औसत औसत पिछले 5 डेटा बिंदुओं का औसत है और वर्तमान डेटा बिंदु, नतीजतन, चोटियों और घाटियों को सुखाया जाता है ग्राफ बढ़ती हुई प्रवृत्ति को दर्शाता है एक्सेल पहले 5 डेटा बिंदुओं के लिए चलती औसत की गणना नहीं कर सकता क्योंकि वहां पर्याप्त पिछले डेटा बिंदु नहीं हैं। दोवें अंतराल के लिए चरण 2 से 8 दोहराएं और अंतराल 4. सम्मेलन ला अंतराल को रगड़ना, अधिक चोटियों और घाटियों को खत्म कर दिया जाता है, छोटे अंतराल, वास्तविक डेटा बिंदुओं के करीब चलती औसतएं हैं.मॉविंग औसत पूर्वानुमान. आवेदन जैसा कि आप अनुमान लगा सकते हैं कि हम कुछ पुराने तरीकों को देख रहे हैं पूर्वानुमान लेकिन उम्मीद है कि ये स्प्रेडशीट में पूर्वानुमान लागू करने से संबंधित कंप्यूटिंग मुद्दों में से कुछ के लिए कम से कम एक सार्थक परिचय हैं। इस नस में हम शुरुआत में शुरू करते हुए और मुव्हिंग औसत पूर्वानुमान के साथ काम करना शुरू करते हैं। औसत पूर्वानुमान का अनुमान लगाते हुए हर कोई परिणत से परिचित है औसत पूर्वानुमान के बावजूद चाहे उनका मानना ​​है कि वे सभी कॉलेज के छात्रों को हर समय उनको अपने टेस्ट स्कोर के बारे में सोचें, जहां सेमेस्टर के दौरान चार परीक्षण होंगे, आपको लगता है कि आपको अपना पहला टेस्ट 85 होगा। आप अपने दूसरे टेस्ट स्कोर के लिए अनुमान लगाते हैं। आपको क्या लगता है कि आपका शिक्षक आपके अगले टेस्ट स्कोर के लिए भविष्यवाणी करेगा.तुम्हें क्या लगता है कि आपके मित्र आपके अगले टेस्ट स्कोर के लिए डिक्ट. आप क्या सोचते हैं कि आपके माता-पिता आपके अगले टेस्ट स्कोर के लिए भविष्यवाणी कर सकते हैं। चाहे आप अपने दोस्तों और माता-पिता के साथ बचे हुए हो, तो वे और आपके शिक्षक आपसे उम्मीद कर सकते हैं कि 85 के क्षेत्रफल में आप अभी मिल गए। अच्छा, अब यह मान लें कि आप अपने दोस्तों को अपने स्वयं के पदोन्नति के बावजूद, आप अपने अनुमान का अनुमान लगाते हैं और आंकड़े आप दूसरी परीक्षा के लिए कम पढ़ सकते हैं और इसलिए आपको 73 मिलेंगे.अब क्या सभी संबंधित और निराशाजनक हैं जो आप आशा करते हैं कि आप अपने तीसरे परीक्षण पर पहुंचेंगे सभी अनुमान के विकास के लिए दो संभावित संभावनाएं हैं, चाहे वे इसे आपके साथ साझा करेंगे। वे खुद को कह सकते हैं, यह आदमी हमेशा उड़ रहा है अपने स्मार्टफोन के बारे में धुआं वह एक और 73 को प्राप्त करने जा रहा है यदि वह भाग्यशाली है। शायद माता-पिता अधिक सहायक होने की कोशिश करेंगे और कहते हैं, ठीक है, अब तक आपको 85 और 73 मिल चुके हैं, इसलिए आपको एक 85 73 2 79 मुझे पता नहीं है, शायद अगर आपने कम जश्न मनाया और सभी स्थानों पर तहखाने की वांछित होने पर और यदि आप बहुत अधिक पढ़ना शुरू करते हैं तो आपको उच्च अंक प्राप्त हो सकते हैं। इन अनुमानों में से दो वास्तव में औसत पूर्वानुमान ले रहे हैं। पहले केवल अपने भविष्य के प्रदर्शन का पूर्वानुमान करने के लिए अपने सबसे हाल के स्कोर का उपयोग कर रहा है डेटा की एक अवधि का उपयोग करते हुए चलती औसत पूर्वानुमान कहा जाता है। दूसरा, चलती औसत पूर्वानुमान भी है, लेकिन डेटा के दो अवधियों का उपयोग करते हैं। मान लें कि आपके महान दिमाग में गिरने वाले सभी लोग आपको परेशान करते हैं और आप ऐसा करने का निर्णय लेते हैं अच्छी तरह से अपने स्वयं के कारणों के लिए तीसरे टेस्ट पर और अपने सहयोगियों के सामने एक उच्च अंक बनाने के लिए आप परीक्षा लेते हैं और आपका स्कोर वास्तव में एक 89 है, जिसमें स्वयं शामिल है, प्रभावित है। अब आपके पास आने वाले सेमेस्टर की अंतिम परीक्षा ऊपर और हमेशा की तरह आप अपने भविष्यवाणियों को बनाने के लिए हर किसी के बारे में भविष्यवाणी करने की आवश्यकता महसूस करते हैं कि आप आखिरी परीक्षा में कैसे काम करेंगे, उम्मीद है कि आप पैटर्न देखते हैं.अब, उम्मीद है कि आप पैटर्न को देख सकते हैं जो आपको सबसे ज्यादा सटीक मानते हैं। ई जब हम काम करते हैं अब हम हमारी नई सफाई कंपनी पर वापस लौट आते हैं जो आपकी बहिष्कृत बहिन द्वारा शुरू की गई थी जिसे सिस्टल कहा जाता है जबकि हम काम करते हैं आप स्प्रेडशीट से निम्नलिखित अनुभाग द्वारा प्रस्तुत कुछ पिछले बिक्री आंकड़े हैं। हम पहले तीन दिनों की औसत पूर्वानुमान चलती अवधि के लिए डेटा प्रस्तुत करते हैं। सेल सी 6 के लिए प्रविष्टि होना चाहिए. अब आप इस सेल सूत्र को अन्य कोशिकाओं C7 से C11 तक कॉपी कर सकते हैं। नोट करें कि कैसे हाल के ऐतिहासिक डेटा पर औसत चलता है लेकिन प्रत्येक भविष्यवाणी के लिए उपलब्ध तीन सबसे हाल की अवधि का उपयोग करता है आपको चाहिए ध्यान दें कि हमें वास्तव में पिछली अवधि के पूर्वानुमान की आवश्यकता नहीं है ताकि हमारी सबसे हाल की भविष्यवाणी विकसित हो सकें यह निश्चित रूप से घातीय चौरसाई मॉडल से अलग है जो मैंने पिछले भविष्यवाणियों को शामिल किया है क्योंकि हम उन्हें अगले वेब पेज में मापने के लिए उपयोग करेंगे भविष्यवाणी वैधता.अब मैं औसत पूर्वानुमान चलती दो अवधि के अनुरूप परिणाम पेश करना चाहता हूं। सेल C5 के लिए प्रविष्टि होना चाहिए. अब आप इस सेल फॉर्मूला को कॉपी कर सकते हैं नीचे C11 के माध्यम से अन्य कोशिकाओं C6 के साथ। नोटिस कैसे अब केवल प्रत्येक भविष्यवाणी के लिए ऐतिहासिक डेटा के दो सबसे हाल के टुकड़े का उपयोग किया जाता है। फिर मैंने उदाहरण के उद्देश्यों के लिए और भविष्यवाणी के सत्यापन में बाद के उपयोग के लिए पिछले भविष्यवाणियों को शामिल किया है। नोटिस करने के लिए महत्व। एक एम-अवधि चलती हुई औसत पूर्वानुमान के लिए केवल सबसे हाल के डेटा मूल्यों को भविष्यवाणी करने के लिए उपयोग किया जाता है और कुछ और आवश्यक नहीं है। पिछली भविष्यवाणियां करते समय एक एम-अवधि चलती औसत पूर्वानुमान के लिए, ध्यान दें कि पहली बार पूर्वानुमान होता है अवधि एम में 1. इन दोनों मुद्दों का हम बहुत ही महत्वपूर्ण होगा, जब हम अपना कोड विकसित करेंगे। चलते औसत फ़ंक्शन का विकास अब हमें चलती औसत पूर्वानुमान के लिए कोड विकसित करने की आवश्यकता है जिसे अधिक लचीले ढंग से इस्तेमाल किया जा सकता है कोड निम्न सूचना देता है कि इनपुट अवधि में आप पूर्वानुमान में उपयोग करना चाहते हैं और ऐतिहासिक मूल्यों की सरणी के लिए आप इसे जो कुछ भी कार्यपुस्तिका चाहते हैं, में इसे स्टोर कर सकते हैं। फ़ंक्शन फ़िसनिंग ऐवॉस्टिकल, नंबरऑफ पीरियड्स ऐज़ सिन्स Gle घोषित करने और चर को प्रारंभ करना मंद आइटम के रूप में वैरियंट डीम काउंटर के रूप में पूर्णांक मंद संचय के रूप में पूर्णांक के रूप में एकल मंद ऐतिहासिक आकार के रूप में चर को शुरू करना काउंटर 1 संचय 0. ऐतिहासिक सरणी के आकार का निर्धारण ऐतिहासिक सिमित। काउंटर 1 के लिए संख्या - अभियान अवधि। सबसे हाल ही में देखे गए मूल्यों की उचित संख्या को संचित करना। आकलन संचय ऐतिहासिक ऐतिहासिक सिज़िज़ - संख्याऑफ़परोड्स काउंटर। मैव्वेज एवेन्यूशन नंबरऑफपेरियोड। कोड को क्लास में समझाया जाएगा आप स्प्रेडशीट पर फ़ंक्शन की स्थिति बनाना चाहते हैं, ताकि गणना के परिणाम दिखाई दें जहां यह होना चाहिए जैसे निम्नलिखित। एक पूर्वानुमान गणना उदाहरण। 1 पूर्वानुमान गणना पद्धतियां। गणना की गणना के दस तरीके, उपलब्ध हैं इन विधियों में से अधिकांश सीमित उपयोगकर्ता नियंत्रण के लिए उपलब्ध हैं उदाहरण के लिए, हाल के ऐतिहासिक डेटा या वर्तमान में उपयोग किए गए ऐतिहासिक डेटा की तिथि सीमा गणनाओं को निर्दिष्ट किया जा सकता है निम्नलिखित उदाहरणों में उपलब्ध ऐतिहासिक आंकड़ों के एक समान सेट को देखते हुए उपलब्ध पूर्वानुमान विधियों के लिए गणना प्रक्रिया दिखाती है। निम्नलिखित उदाहरणों में एक ही 2004 और 2005 की विक्रय डेटा का उपयोग 2006 के पूर्वानुमान के पूर्वानुमान के लिए करते हैं पूर्वानुमान के अतिरिक्त गणना, प्रत्येक उदाहरण में एक नकली 2005 के लिए शामिल हैं एक तीन महीने की धारक अवधि प्रसंस्करण विकल्प 1 9 3 के लिए पुनः प्रयोग किया जाता है, जिसका उपयोग सटीकता के प्रतिशत के लिए किया जाता है और इसका मतलब है कि वास्तविक भविष्यवाणी के मुकाबले वास्तविक विचलन गणना वास्तविक बिक्री। एक 2 पूर्वानुमान प्रदर्शन मूल्यांकन मानदंड। प्रसंस्करण के विकल्पों के चयन और प्रवृत्तियों पर निर्भर करते हुए विक्रय डेटा में मौजूद पैटर्न, कुछ अनुमानित विधियां किसी दिए गए ऐतिहासिक डेटा सेट के लिए दूसरों की तुलना में बेहतर प्रदर्शन कर सकती हैं एक उत्पाद के लिए उपयुक्त एक पूर्वानुमान विधि किसी अन्य उत्पाद के लिए उपयुक्त नहीं हो सकती है यह भी संभव नहीं है कि भविष्यवाणी प्रणाली जो अच्छे परिणाम प्रदान करती है उत्पाद के जीवन चक्र का एक चरण पूरे जीवन चक्र के दौरान उचित रहेगा। आप पूर्वानुमान के तरीकों के वर्तमान प्रदर्शन का मूल्यांकन करने के लिए दो तरीकों के बीच चयन कर सकते हैं ये निरपेक्ष विचलन एमएडी और सटीकता पीओए का प्रतिशत हैं इन दोनों प्रदर्शन मूल्यांकन विधियों की आवश्यकता होती है समय के एक निर्दिष्ट अवधि के लिए ऐतिहासिक बिक्री डेटा समय की यह अवधि है पीबीएफ के पास फिट होने की अवधि या अवधि सबसे अच्छा फिट है पीबीएफ इस अवधि में डेटा का उपयोग अगली पूर्वानुमान प्रक्षेपण करने में उपयोग करने के लिए अनुमानित तरीकों की सिफारिश करने के आधार के रूप में किया जाता है यह सिफारिश प्रत्येक उत्पाद के लिए विशिष्ट है, और एक पूर्वानुमान पीढ़ी से बदल सकती है अगले दो पूर्वानुमान प्रदर्शन मूल्यांकन विधियों बारह पूर्वानुमान के तरीकों के उदाहरणों के बाद पृष्ठों में दिखाया गया है। एक 3 विधि 1 - पिछले वर्ष से निर्दिष्ट प्रतिशत। इस पद्धति में पिछले वर्ष से बिक्री आंकड़ों को उपयोगकर्ता के द्वारा निर्दिष्ट कारक के बराबर होता है उदाहरण के लिए, 10 वृद्धि के लिए 1 10, या 3 में कमी के लिए 0 97. अनिवार्य बिक्री का इतिहास पूर्वानुमान की गणना के लिए एक साल और भविष्य के प्रदर्शन प्रसंस्करण विकल्प का मूल्यांकन करने के लिए उपयोगकर्ता द्वारा निर्दिष्ट समय अवधि की अवधि 1 9। 4 4 पूर्वानुमान की गणना। बिक्री इतिहास की सीमा इस उदाहरण में विकास कारक प्रसंस्करण विकल्प 2 ए 3 की गणना करने के लिए उपयोग करें। 2005 के अंतिम तीन महीनों में 114 119 137 370। ईसाई वर्ष 123 13 9 133 395. गणना का घटक 370 395 9 9 367. पूर्वानुमान का अनुमान करें। जनवरी, 2005 की बिक्री 128 0 9367 119 8036 या लगभग 120.फेबबरी, 2005 की बिक्री 117 0 9367 109 5939 या 110. मार्च 2005 बिक्री 115 0 9 367 107 7205 या 108 के बारे में। ए 4 2 सिमुलेट पूर्वानुमान गणना। 2005 के तीन महीनों के पहले धारक अवधि जुलाई, अगस्त, सितंबर, 140 140 131 400.Sum पिछले साल के लिए ही तीन महीने .41 128 118 387 गणना की गई कारक 400 387 1 0335 9 1731. अनुमानित अनुमान के अनुसार गणना करें। अक्टूबर, 2004 की बिक्री 123 1 0335 9 1731 127 13178। नवंबर, 2004 बिक्री 13 9 1 0335 9 1731 143 66925.डिस्कर, 2004 बिक्री 133 1 0335 9 1731 137 4677. ए 4 3 सटीकता की गणना का प्रतिशत. POA 127 13178 143 66925 137 4677 114 119 137 100 408 26873 370 100 110 3429. ए 4 4 निरपेक्ष विचलन गणना अर्थ। 127 127 13178 - 114 143 66925 - 119 137 4677- 137 3 13 13178 24 66925 0 4677 3 12 75624 .5 विधि 3 - पिछले वर्ष इस साल से.इस पद्धति की प्रतियां पिछले वर्ष से अगले साल के डेटा की प्रतियां हैं अनुमानित बिक्री इतिहास पूर्वानुमान की गणना के लिए एक वर्ष और पूर्वानुमान प्रदर्शन प्रसंस्करण विकल्प का मूल्यांकन करने के लिए निर्दिष्ट समय अवधि की संख्या 19.ए 6 1 पूर्वानुमान गणना। इस उदाहरण में औसत प्रसंस्करण विकल्प 4 ए 3 में शामिल होने की अवधि। प्रत्येक माह के लिए पूर्वानुमान का औसत, पिछले तीन महीने का आंकड़ा। जनवरी का पूर्वानुमान 114 119 137 370, 370 3 123 333 या 123. फ़ेब्रुइफ़ पूर्वानुमान 119 137 123 37 9, 37 9 3 126 333 या 126. मार्च का पूर्वानुमान 137 123 126 37 9, 386 3 128 667 या 12 9. ए 6 2 सिमुलेट पूर्वानुमान गणना। अक्टूबर 2005 बिक्री 12 9 140 131 3 133 3333. नवंबर 2005 बिक्री 140 131 114 3 128 3333.डिसेंबर 2005 की बिक्री 131 114 119 3 121 3333. ए 6 3 सटीकता की गणना की प्रतिशत। पीओए 133 3333 128 3333 121 3333 114 119 137 100 103 513. ए 6 4 निरपेक्ष विचलन गणना। एमएडी 133 3333 - 114 128 3333 - 119 121 3333 - 137 3 14 7777. ए 7 विधि 5 - रैखिक अनुमान। लाइनर अनुमान एक की गणना करता है प्रवृत्ति दो बिक्री इतिहास डेटा बिंदुओं के आधार पर। उन दो अंक घ ईफिन भविष्य में पेश की जाने वाली एक सीधी प्रवृत्ति रेखा सावधानी के साथ इस पद्धति का प्रयोग करें, क्योंकि लंबी अवधि के पूर्वानुमान केवल दो डेटा बिंदुओं में छोटे परिवर्तनों से लीवर किए जाते हैं। आवश्यक बिक्री इतिहास प्रतिगमन संसाधन विकल्प 5 ए, प्लस 1 प्लस में शामिल होने की अवधि पूर्वानुमान प्रदर्शन प्रसंस्करण विकल्प का मूल्यांकन करने के लिए समय अवधि की संख्या 19.ए 8 1 पूर्वानुमान गणना। इस उदाहरण में प्रतिगमन प्रसंस्करण विकल्प 6a 3 में शामिल करने के लिए समय की संख्या। पूर्वानुमान के प्रत्येक महीने के लिए, निर्दिष्ट अवधि के दौरान वृद्धि या घटाना जोड़ें पिछली अवधि से पहले पिछली अवधि। पिछले तीन महीनों के औसत 114 119 137 3 123 3333. माना जाता है कि वजन के साथ पिछले तीन महीनों की शक्ल। 114 1 119 2 137 3 763. मूल्यों के बीच अंतर। 763 - 123 3333 1 2 3 23. आरक्षण 1 2 2 2 2 2 - 2 3 14 - 12 2. वैल्यू 1 अंतर अनुपात 23 2 11 5. वैल्यू 2 औसत - मान 1 अनुपात 123 3333 - 11 5 2 100 3333.Forecast 1 n मान 1 मूल्य 2 4 11 5 100 3333 146 333 या 146 5 5 5 11 5 100 3333 157 8333 या 158. 6 6 6 5 5 5 5 6 33 33 169 3333 या 16 9. ए 8 2 नकली अनुमान गणना। अक्टूबर 2004 बिक्री। पिछले तीन महीनों के औसत । 12 9 140 131 3 133 3333. पिछले तीन महीनों के वजन के साथ माना जाता है। 12 9 1 140 2 131 3 802. मूल्यों के बीच अंतर। 802 - 133 3333 1 2 3 2. रिटियो 1 2 2 2 2 2 2 3 14 - 12 2. वैल्यू 1 अंतर अनुपात 2 2 1. वेल्यू 2 औसत - मान 1 अनुपात 133 3333 - 1 2 131 3333.Forecast 1 n मान 1 मान 2 4 1 131 3333 135 3333. नवंबर 2004 बिक्री। पिछले तीन महीनों के औसत। 140 131 114 3 128 3333. पिछले तीन महीने के वजन के साथ माना जाता है। 140 1 131 2 114 3 744. मूल्यों के बीच अंतर 744 - 128 3333 1 2 3 -25 99 99. वैल्यू 1 अंतर अनुपात -25 99 99 2 -12 99 99. मूल्य 2 औसत - मान 1 अनुपात 128 3333 - -12 99 99 2 154 3333.Forecast 4 -12 99 99 154 3333 102 3333. दिसंबर 2004 बिक्री। पिछले तीन महीनों के औसत। 131 114 119 3 121 3333. पिछले तीन महीनों के वजन में माना जाता है। 131 1 114 2 119 3 716. मूल्यों के बीच अंतर। 716 - 121 3333 1 2 3 -11 99 99. वैल्यू 1 अंतर अनुपात -11 99 99 2 -5 99 99. वैल्यू 2 औसत - मान 1 अनुपात 121 3333 - -5 99 99 2 133 3333.अधिकृत 4 -5 99 99 133 3333 109 3333. ए 8 3 पीओए 135 33 102 33 109 33 114 119 137 100 93 78. ए 8 4 मतलब निरपेक्ष विचलन गणना.एमएडी 135 33 - 114 102 33 - 119 109 33 - 137 3 21 88. ए 9 विधि 7 - दूसरा डिग्री अनुमान। लीडर रेग्रेसन पूर्वानुमान और फार्मूले में ए और बी के लिए मूल्यों को निर्धारित करता है वाई एक बीएक्स, बिक्री इतिहास के आंकड़ों के लिए सीधी रेखा फिटिंग के उद्देश्य से दूसरा डिग्री अनुमान समान है हालांकि, यह विधि ए, बी और सी के लिए मूल्यों को निर्धारित करती है पूर्वानुमान का सूत्र वाई बीएक्स सीएक्स 2 बिक्री के इतिहास के आंकड़ों के लिए एक वक्र फिटिंग के उद्देश्य से यह विधि उपयोगी हो सकती है जब कोई उत्पाद जीवन चक्र के चरणों के बीच संक्रमण में होता है उदाहरण के लिए, जब एक नया उत्पाद विकास के चरणों के परिचय से चलता है , बिक्री की प्रवृत्ति में तेजी ला सकती है क्योंकि दूसरे आदेश की अवधि के कारण, पूर्वानुमान जल्दी पहुंच सकता है अनन्तता या शून्य पर निर्भर करता है कि क्या गुणांक सी सकारात्मक या ऋणात्मक है इसलिए, यह विधि केवल अल्पावधि में उपयोगी है। मौसम विशिष्टताओं सूत्रों को एक, बी, और सी को खोजने के लिए वक्र को ठीक तीन अंक मिलते हैं। प्रसंस्करण विकल्प 7 ए, डेटा के समय-अवधि की संख्या, तीन अंकों में से प्रत्येक में जमा होती है इस उदाहरण में एन 3 इसलिए, जून के माध्यम से अप्रैल के लिए वास्तविक बिक्री डेटा पहले बिंदु में जोड़ दिया जाता है, Q1 जुलाई से सितंबर को एक साथ जोड़ दिया जाता है ताकि Q2 बनाया जा सके , और अक्टूबर से दिसंबर राशि तक Q3 के लिए वक्र तीन मानों Q1, Q2, और Q3 के लिए फिट होगा। पूर्वानुमान की गणना के लिए अनिवार्य बिक्री इतिहास 3 एन अवधि प्लस पूर्वानुमान प्रदर्शन का मूल्यांकन करने के लिए आवश्यक समय अवधि की संख्या PBF. Number of इस उदाहरण में प्रसंस्करण विकल्प 7a 3 को शामिल करने की अवधि। तीन महीने के महीनों में पिछले 3 महीने का उपयोग करें। क्यू 1 अप्रैल - जून 125 122 137 384. क्वा। जुलाई - सितंबर 12 9 140 131 400. क्वा 3 अक्टूबर - दिसंबर 114 119 137 370। अगले चरण में सी शामिल है पूर्वानुमान के सूत्र वाई एक बीएक्स सीएक्स 2 में इस्तेमाल होने वाले तीन गुणांकों को ए, बी, और सी को alculating। 1 Q1 एक बीएक्स सीएक्स 2 जहां एक्स 1 ए बी सी 2 क्यू 2 एक बीएक्स सीएक्स 2 जहां एक्स 2 ए 2 बी 4 सी। 3 क्यू 3 एक बीएक्स सीएक्स 2 जहां एक्स 3 ए 3 बी 9 सी। समीकरण 3 समीकरणों को एक साथ समीकरण के लिए बी, ए, और सी। स्यूब्ट्रैक्ट समीकरण 1 को समीकरण 2 से मिला और बी के लिए हल करें। समीकरण को बी के लिए समीकरण 3. 3 क्यू 3 ए 3 Q2 - Q1 - 3 सी सी। अंत में, समीकरणों में ए और बी के लिए इन समीकरणों का स्थान बदलें 1. क्यू 3 - 3 क्यू 2 - क्यू 1 क्यू 2 - क्यू 1 - 3 सी सी क्यू 1 सी क्यू 3 - क्यू 2 क्यू 1 - क्यू 2 2. दूसरा डिग्री अनुमान का तरीका गणना करता है क्यू 3 - 3 क्यू 2 - क्यू 1 370 - 3 400 - 384 322 सी क्यू 3 - क्यू 2 क्यू 1 - क्यू 2 2 370 - 400 384 - 400 2 -23. बी क्यू 2 - क्यू 1 - 3 सी 400 - 384 - 3 -23 85. एक बीएक्स सीएक्स 2 322 85 एक्स -23 एक्स 2. जनवरी के माध्यम से जनवरी का पूर्वानुमान एक्स 4. 322 340 - 368 3 294 3 98 प्रति अवधि। जून पूर्वानुमान एक्स के माध्यम से अप्रैल। 322 425 - 575 3 57 333 या 57 प्रति अवधि। सितंबर के पूर्वानुमान के मुकाबले जुलाई 6 एक्स 6 322 510 - 828 3 1 33 या 1 प्रति अवधि। अक्टूबर से दिसंबर 7 तक। 322 595 - 1127 3 -70. ए 9 2 नकली अनुमान गणना। अक्टूबर, नवंबर और दिसंबर, 2004 की बिक्री। Q1 जनवरी - मार्च 360.क्यू 2 अप्रैल - जून 384.क्यू 3 जुलाई - सितंबर 400.ए 400-3384 - 360 328 सी 400 - 384 360 - 384 2 -4. बी 384 - 360 - 3 -4 36. 328 36 4 -4 16 3 136. ए 9 3 शुद्धता की गणना की प्रतिशत। पीओए 136 136 136 114 119 137 100 110 27. ए 9 4 निरपेक्ष विचलन गणना। एमएडी 136 - 114 136 - 119 136 - 137 3 13 33. ए 10 विधि 8 - लचीला विधि। लचीला विधि प्रतिशत प्रतिशत से अधिक पूर्व पहले विधि के अनुसार 1, प्रतिशत पिछले वर्ष से अधिक है दोनों विधियों एक निर्दिष्ट अवधि के द्वारा पिछले समय की अवधि से बिक्री डेटा गुणा , फिर भविष्य में होने वाले प्रोजेक्ट, पिछले साल की तुलना में प्रतिशत में, प्रक्षेपण पिछले वर्ष की समान अवधि के आंकड़ों पर आधारित है। लचीला पद्धति पिछले वर्ष की इसी अवधि की तुलना में एक समय अवधि निर्दिष्ट करने की क्षमता जोड़ती है गणना के आधार के रूप में उपयोग करें। मल्टीप्लेक्शन कारक उदाहरण के लिए, 15 बीस अवधि के द्वारा पिछले बिक्री इतिहास के डेटा को बढ़ाने के लिए प्रसंस्करण विकल्प 8b में 1 15 निर्दिष्ट करें उदाहरण के लिए, n 3 पहले पूर्वानुमान को बिक्री डेटा के आधार पर बनाएगा अक्टूबर, 2005. न्यूनतम बिक्री इतिहास उपयोगकर्ता निर्दिष्ट संख्या ओ एफ अवधि के आधार अवधि के लिए, प्लस पूर्वानुमान प्रदर्शन का मूल्यांकन करने के लिए आवश्यक समय अवधि की संख्या PBF. A 10 4 माध्य निरपेक्ष विचलन गणना। एमएडी 148 - 114 161 - 119 151 - 137 3 30. ए 11 विधि 9 - वेटेड मूविंग औसत। भारित चलते औसत WMA विधि विधि 4 के समान है, मूविंग औसत एमए हालांकि, वेटेड मूविंग एवरल के साथ आप ऐतिहासिक डेटा को असमान वजन प्रदान कर सकते हैं विधि के लिए प्रक्षेपण पर पहुंचने के लिए हाल के बिक्री इतिहास के भारित औसत की गणना करता है अल्पावधि अधिक हाल के डेटा को आमतौर पर पुराने आंकड़ों के मुकाबले अधिक बड़ा सौंपा जाता है, इसलिए यह बिक्री के स्तर में बदलाव के लिए डब्लूएमए को अधिक उत्तरदायी बनाता है हालांकि, पूर्वानुमान की पूर्वाग्रह और व्यवस्थित त्रुटियां अभी भी होती हैं, जब उत्पाद की बिक्री का इतिहास मजबूत प्रवृत्ति या मौसमी पैटर्न दर्शाता है विधि जीवन चक्र के विकास या अप्रचलन चरणों में उत्पादों के बजाय परिपक्व उत्पादों की छोटी अवधि के पूर्वानुमान के लिए बेहतर बनाती है। बिक्री इतिहास की अवधि की संख्या में उपयोग करने के लिए पूर्वानुमान गणना उदाहरण के लिए, अगली बार अवधि में प्रक्षेपण के आधार के रूप में सबसे हाल की तीन अवधि का उपयोग करने के लिए प्रसंस्करण विकल्प 9 ए में एन 3 निर्दिष्ट करें जैसे कि 12 के लिए बड़े मूल्य के लिए अधिक बिक्री इतिहास की आवश्यकता होती है यह एक स्थिर पूर्वानुमान , लेकिन बिक्री के स्तर में पाली को पहचानने में धीमी गति होगी, दूसरी तरफ, जैसे n के लिए 3 का एक छोटा सा मान बिक्री के स्तर में तेजी से बदलाव का जवाब देगा, लेकिन पूर्वानुमान इतने व्यापक रूप से उभर सकता है कि उत्पादन का जवाब नहीं हो सकता भिन्नताएं। प्रत्येक ऐतिहासिक डेटा अवधियों को असाइन किया गया भार, असाइन किए गए भार को 1 00 के लिए होना चाहिए उदाहरण के लिए, जब n 3, 0 6, 0 3, और 0 1 का वजन, सबसे अधिक वजन प्राप्त करने वाले सबसे हालिया डेटा के साथ न्यूनतम आवश्यक बिक्री इतिहास n प्लस पूर्वानुमान प्रदर्शन का मूल्यांकन करने के लिए आवश्यक समय अवधि की संख्या PBF. MAD 133 5 - 114 121 7 - 119 118 7 - 137 3 13 5. ए 12 विधि 10 - रैखिक चिकनाई। यह विधि समान है विधि 9, वेटेड मूविंग औसत WMA कैसे करें कभी-कभी, ऐतिहासिक आंकड़ों के वजन को असाइन करने के बजाय, एक फार्मूला का इस्तेमाल उन भारों को सौंपने के लिए किया जाता है जो रैखिक रूप से गिरावट आते हैं और 1 00 के लिए योग करते हैं, फिर विधि अल्पावधि के लिए प्रक्षेपण पर पहुंचने के लिए हाल के बिक्री इतिहास की भारित औसत की गणना करता है। सभी रैखिक चलती औसत पूर्वानुमान तकनीकों के बारे में सच है, पूर्वानुमान पूर्वाग्रह और व्यवस्थित त्रुटियां तब होती हैं जब उत्पाद की बिक्री का इतिहास मजबूत प्रवृत्ति या मौसमी पैटर्न दर्शाता है यह विधि जीवन के विकास या अप्रचलन चरणों में उत्पादों के बजाय परिपक्व उत्पादों की छोटी अवधि के पूर्वानुमान के लिए बेहतर बनाती है चक्र की गणना अवधि के गणना में उपयोग करने के लिए बिक्री इतिहास की अवधि की संख्या प्रसंस्करण के विकल्प 10 ए में निर्दिष्ट किया जाता है उदाहरण के लिए, प्रसंस्करण के विकल्प 10b में 3 को निर्दिष्ट करें, जिसमें हाल के तीन अवधियों का प्रक्षेपण अगली बार अवधि सिस्टम स्वचालित रूप से उन ऐतिहासिक आंकड़ों को वजन देगा जो रैखिक रूप से गिरावट और 1 00 के लिए योग होगा उदाहरण के लिए, जब n 3, एस यंत्र, 0 5, 0 3333 और 0 1 के वजन को सबसे अधिक वजन वाले सबसे हालिया आंकड़े प्रदान करेगा। न्यूनतम आवश्यक बिक्री इतिहास n प्लस पूर्वानुमान प्रदर्शन का मूल्यांकन करने के लिए आवश्यक समय अवधि की संख्या PBF. A 12 1 पूर्वानुमान गणना। इस उदाहरण में औसत प्रसंस्करण विकल्प 10 ए 3 को चौरसाई करने के लिए समयावधि की संख्या। पूर्व में एक अवधि के लिए रेट 3 एन 2 एन 2 3 3 2 3 2 3 6 0 5. दो अवधि के लिए रोटियो पहले 2 एन 2 एन 2 2 2 3 2 3 2 2 6 0 3333. तीन अवधियों के लिए राइट 1 एन 2 एन 2 1 3 2 3 2 1 6 0 1666. जनवरी का पूर्वानुमान 137 0 5 119 1 3 114 1 6 127 16 या 127. एफबीएफ़ी पूर्वानुमान 127 0 5 137 1 3 119 1 6 12 9। मार्च का पूर्वानुमान 12 9 0 5 127 1 3 137 1 6 12 9 666 या 130. ए 12 2 नकली पूर्वानुमान गणना। अक्टूबर 2004 की बिक्री 12 9 1 6 140 2 6 131 3 6 133 6666। नवंबर 2004 बिक्री 140 1 6 131 2 6 114 3 6 124. दिसंबर 2004 की बिक्री 131 1 6 114 2 6 119 3 6 119 3333. ए 12 3 सटीकता की गणना की प्रतिशत। पीओए 133 6666 124 119 3333 114 119 137 100 101 891. ए 12 4 मतलब निरपेक्ष विचलन गणना ।पागल 133 6666 - 114 124 - 119 119 3333 - 137 3 14 1111. ए 13 विधि 11 - घातीय चौरसाई। यह विधि विधि 10 के समान है, रैखिक चिकनाई में रैखिक चिंगारी प्रणाली को ऐतिहासिक डेटा के लिए वजन सौंपता है जो कि रेखीय रूप से गिरावट घाटे में चपटा हुआ है , प्रणाली घाटे को बढ़ाती है जो तेजी से क्षय करता है घातीय चिकनाई पूर्वानुमान समीकरण है। पिछला वास्तविक बिक्री का पूर्वानुमान 1 पिछला पूर्वानुमान। पूर्वानुमान पिछले अवधि से वास्तविक बिक्री का एक भारित औसत और पिछली अवधि से पूर्वानुमान है पिछली अवधि 1 - ए के लिए वास्तविक बिक्री पर लागू वज़न पिछले अवधि के लिए भविष्यवाणी के लिए लागू वज़न है 0 से 1 तक की सीमा के लिए वैध मान, और आमतौर पर 0 1 और 0 4 के बीच आते हैं वजन का योग 1 है 00 एक 1-ए 1. आपको चौरसाई स्थिरांक के लिए एक मूल्य असाइन करना चाहिए, यदि आप चौरसाई निरंतर के लिए मूल्य निर्दिष्ट नहीं करते हैं, तो सिस्टम अनुमानित मान की गणना करता है, बिक्री इतिहास निर्दिष्ट अवधि की अवधि के आधार पर डी प्रसंस्करण के विकल्प 11 ए. ए. में चौरसाई स्थिरांक सामान्य स्तर या बिक्री के आयाम के लिए औसत औसत की गणना में प्रयोग किया जाता है 0 से 1.n तक की सीमा के लिए वैध मूल्यों की बिक्री इतिहास डेटा की श्रेणी की गणना में शामिल करने के लिए आम तौर पर एक वर्ष बिक्री के इतिहास का आंकड़ा बिक्री के सामान्य स्तर का अनुमान लगाने के लिए पर्याप्त है इस उदाहरण के लिए, एनएन 3 के लिए एक छोटा मूल्य चुना गया था ताकि परिणामों को सत्यापित करने के लिए आवश्यक मैनुअल गणना को कम किया जा सके। Exponential smoothing एक ऐतिहासिक के रूप में छोटा पर आधारित अनुमान उत्पन्न कर सकता है डेटा बिंदु। न्यूनतम आवश्यक बिक्री इतिहास n प्लस पूर्वानुमान प्रदर्शन का मूल्यांकन करने के लिए अपेक्षित समय अवधि की संख्या PBF. A 13 1 पूर्वानुमान गणना। अवधि का संख्या, औसत प्रोसेसिंग विकल्प 11 ए 3 को चौरसाई करने में शामिल है, और अल्फा कारक प्रसंस्करण विकल्प 11b रिक्त है उदाहरण: सबसे पुराना बिक्री डेटा 2 1 1, या 1 के लिए एक कारक जब अल्फा निर्दिष्ट होता है। 2 सबसे पुराना बिक्री डेटा 2 1 2, या अल्फा अल्फा निर्दिष्ट होने के लिए एक कारक। एक कारक 3 सबसे पुराना बिक्री आंकड़ों के लिए 2 1 3, या अल्फा जब अल्फा निर्दिष्ट होता है। अल्फा निर्दिष्ट होने पर सबसे हाल की बिक्री डेटा 2 1 एन या अल्फा के लिए एक कारक। नवम्बर एसएम औसत एक अक्टूबर 1 - एक अक्टूबर एसएम औसत 1 114 0 0 114.डिशम्बर एसएम औसत नवंबर वास्तविक 1 - एक नवंबर एसएम औसत 2 3 119 1 3 114 117 3333.जानरी एक दिसंबर वास्तविक 1 का पूर्वानुमान - एक दिसंबर एसएम औसत 2 4 137 2 4 117 3333 127 16665 या 127.फेब्रुवारी पूर्वानुमान जनवरी का पूर्वानुमान 127. मार्च पूर्वानुमान पूर्वानुमान का पूर्वानुमान 127. ए 13 2 नकल अनुमान गणना। जुलाई, 2004 एसएम औसत 2 2 12 9 12 9.अगस्ट एसएम औसत 2 3 140 1 3 12 9 136 3333.September sm औसत 2 4 131 2 4 136 3333 133 6666.ऑक्टोबर, 2004 की बिक्री में एसएसएम औसत 133 6666. अगस्त, 2004 एसएम औसत 2 2 140 140. सितंबर एसएम औसत 2 3 131 1 3 140 134. अक्टूबर एसएएम औसत 2 4 114 2 4 134 124. नवंबर, 2004 बिक्री सितंबर एसएम एसएम औसत 124. सितंबर 2004 एसएम औसत 2 2 131 131. अक्टूबर एसएएम औसत 2 3 114 1 3 131 119 6666. नवम्बर एसएम औसत 2 4 119 2 4 119 6666 119 3333.डिस्बर 2004 बिक्री एसएसएम औसत 119 3333. ए 13 3 प्रतिशत सटीकता की गणना टीओएन। पीओए 133 6666 124 119 3333 114 119 137 100 101 891. ए 13 4 मतलब निरपेक्ष विचलन गणना। एमएडी 133 6666 - 114 124 - 119 119 3333 - 137 3 14 1111. ए 14 विधि 12 - रुझान और मौलिकता के साथ घातीय चौरसाई यह विधि विधि 11, घातीय चिकनाई के समान है, जिसमें एक औसत औसत गणना की जाती है हालांकि, विधि 12 में भी एक समृद्ध प्रवृत्ति की गणना करने के लिए पूर्वानुमान समीकरण में एक शब्द शामिल है पूर्वानुमान एक रेखीय प्रवृत्ति के लिए समायोजित एक चिकनी औसत से बना है जब निर्दिष्ट प्रसंस्करण के विकल्प में, मौसम के लिए पूर्वानुमान भी समायोजित किया जाता है। सामान्य स्तर या बिक्री के परिमाण के लिए चिकनी औसत की गणना में चौरसाई निरंतर का इस्तेमाल किया जाता है अल्फा श्रेणी के लिए वैध मूल्य 0 से 1.b तक चिकनी चौरसाई स्थिरता की गणना में प्रयोग किया जाता है पूर्वानुमान की प्रवृत्ति घटकों के लिए औसत 0 से 1 तक बीटा श्रेणी के लिए वैध मानें। पूर्वानुमान के लिए एक मौसमी सूचकांक लागू किया जाता है। ए और बी एक-दूसरे से स्वतंत्र हैं उन्हें 1 0.इन में जोड़ना नहीं है इम्यूम को आवश्यक बिक्री के इतिहास को दो वर्ष से अधिक पूर्वानुमान पूर्वानुमान के मूल्यांकन के लिए आवश्यक समय अवधि PBF. Method 12 दो घातीय चिकनाई समीकरणों का उपयोग करता है और एक साधारण औसत, एक चिकनी प्रवृत्ति और साधारण औसत मौसमी कारक की गणना करने के लिए एक साधारण औसत। 14 1 पूर्वानुमान गणना। एक बहुत तेजी से औसत औसत। एमएडी 122 81 - 114 133 14 - 119 135 33 - 137 3 8 2. ए 15 पूर्वानुमान का मूल्यांकन करना। आप प्रत्येक उत्पाद के लिए जितने बार बार बारह पूर्वानुमान उत्पन्न करने के लिए पूर्वानुमानित विधियों का चयन कर सकते हैं जब संभवतः हजारों उत्पादों का अनुमान लगाया जाए तो विधि अलग-अलग प्रक्षेपण करेगी, प्रत्येक उत्पाद के लिए आपकी योजनाओं में उपयोग किए जाने वाले पूर्वानुमानों के बारे में एक व्यक्तिपरक निर्णय करने के लिए यह अव्यावहारिक नहीं है। सिस्टम स्वचालित रूप से पूर्वानुमानित तरीकों में से प्रत्येक के लिए प्रदर्शन का मूल्यांकन करता है जिसे आप चुनते हैं, और प्रत्येक उत्पाद के पूर्वानुमान के लिए आप दो प्रदर्शन मानदंडों के बीच चयन कर सकते हैं, निरपेक्ष विचलन एमएडी और सटीक का प्रतिशत एसी पीओए एमएडी पूर्वानुमान त्रुटि का एक उपाय है पीओए पूर्वानुमान पूर्वाग्रह का एक उपाय है इन दोनों प्रदर्शन मूल्यांकन तकनीकों को उपयोगकर्ता की निर्दिष्ट अवधि के लिए वास्तविक बिक्री इतिहास डेटा की आवश्यकता होती है हाल के इतिहास की इस अवधि को धारण अवधि या अवधि सबसे अच्छा फिट पीबीएफ कहा जाता है। पूर्वानुमानित विधि के प्रदर्शन को मापने के लिए, ऐतिहासिक धारक अवधि के पूर्वानुमान के लिए पूर्वानुमान फ़ार्मुलों का उपयोग करें, आमतौर पर वास्तविक बिक्री डेटा और होल्डआउट अवधि के लिए नकली पूर्वानुमान के बीच अंतर होगा। जब कई पूर्वानुमान विधियों का चयन किया जाता है, यह वही प्रक्रिया प्रत्येक विधि के लिए होता है कई पूर्वानुमानों को धारण अवधि के लिए गणना की जाती है, और इसी अवधि के लिए ज्ञात बिक्री इतिहास की तुलना में पूर्वानुमानित विधि का उत्पादन सर्वोत्तम अवधि का पूर्वानुमान और धारक अवधि के दौरान वास्तविक बिक्री के बीच सबसे अच्छा फिट करने के लिए उपयोग के लिए अनुशंसित है अपनी योजनाओं में यह अनुशंसा प्रत्येक उत्पाद के लिए विशिष्ट है, और एक पूर्वानुमान पीढ़ी से नेन में बदल सकती है xt. a 16 निरपेक्ष विचलन MAD. MAD औसत मूल्यों या वास्तविकता और पूर्वानुमान डेटा के बीच त्रुटियों की त्रुटियों या परिमाण के औसत या औसत है, एमएडी उम्मीद की त्रुटियों की औसत मात्रा का एक उपाय है, एक पूर्वानुमान विधि और डेटा इतिहास क्योंकि गणना में पूर्ण मूल्यों का उपयोग किया जाता है, सकारात्मक त्रुटियां नकारात्मक त्रुटियों को रद्द नहीं करती हैं, कई पूर्वानुमानकारी तरीकों की तुलना करते समय, सबसे छोटी एमएडी वाले उस उत्पाद के लिए उस विश्वसनीय अवधि के लिए सबसे अधिक विश्वसनीय साबित हुआ है जब पूर्वानुमान निष्पक्ष हो और त्रुटियों को आम तौर पर वितरित किया जाता है, एमएडी और वितरण के दो अन्य सामान्य उपाय, मानक विचलन और मध्य स्क्वायर त्रुटि के बीच एक सरल गणितीय संबंध है। 16 शुद्धता पीओए की 1 प्रतिशत सटीकता पीओए का पूर्वानुमान पूर्वानुमान पूर्वाग्रह का एक उपाय है जब पूर्वानुमान लगातार होते हैं बहुत अधिक, माल संग्रह और इन्वेंट्री की लागत बढ़ जाती है जब पूर्वानुमान लगातार दो कम होते हैं, माल का सेवन किया जाता है और ग्राहक सेवा में गिरावट आई है एस एक पूर्वानुमान है कि 10 इकाइयां बहुत कम हैं, तो 8 इकाइयां बहुत ऊंचे हैं, फिर 2 इकाइयां बहुत ऊंची हैं, एक निष्पक्ष पूर्वानुमान होगा 10 की सकारात्मक त्रुटि रद्द की गई है, और नकारात्मक त्रुटियों द्वारा रद्द किया गया 2. त्रुटि वास्तविक - पूर्वानुमान। जब एक उत्पाद सूची में संग्रहीत किया जा सकता है, और जब पूर्वानुमान निष्पक्ष हो, तो त्रुटियों को बफर करने के लिए सुरक्षा स्टॉक का एक छोटा सा हिस्सा इस्तेमाल किया जा सकता है इस स्थिति में, पूर्वानुमानित त्रुटियों को खत्म करना इतना महत्वपूर्ण नहीं है क्योंकि यह निष्पक्ष पूर्वानुमान पैदा करना है हालांकि सेवा उद्योग में , उपरोक्त स्थिति को तीन त्रुटियों के रूप में देखा जाएगा सेवा को पहले की अवधि में कम कर दिया जाएगा, फिर अगले दो दिनों के लिए अतिरंजित हो जाएगा सेवाओं में, पूर्वानुमान त्रुटियों की भयावहता आमतौर पर पूर्वाग्रह की तुलना में अधिक महत्वपूर्ण है। धारण अवधि सकारात्मक त्रुटियों को नकारात्मक त्रुटियों को रद्द करने की अनुमति देता है जब वास्तविक बिक्री की कुल बिक्री पूर्वानुमान की कुल संख्या से अधिक है, अनुपात 100 से अधिक है बेशक, 100 से अधिक सटीक होना असंभव है जब एक पूर्वानुमान अनबियास होता है एड, पीओए अनुपात 100 हो सकता है, इसलिए 110 सटीक होने की तुलना में 95 सटीक होना अधिक वांछनीय है पीओए मानदंडों की भविष्यवाणी पद्धति का चयन करें, जिसकी पीओए अनुपात 100 के करीब है। इस पृष्ठ पर स्क्रीप्टिंग सामग्री नेविगेशन को बढ़ाती है, लेकिन नहीं किसी भी तरह से सामग्री को बदलने