A moving média modelo funciona melhor quando na série de tempo

Média móvel Este exemplo ensina como calcular a média móvel de uma série temporal no Excel. Uma média móvel é usada para suavizar irregularidades (picos e vales) para reconhecer facilmente as tendências. 1. Primeiro, vamos dar uma olhada em nossa série de tempo. 2. No separador Dados, clique em Análise de dados. Nota: não é possível encontrar o botão Análise de dados Clique aqui para carregar o suplemento do Analysis ToolPak. 3. Selecione Média móvel e clique em OK. 4. Clique na caixa Input Range e selecione o intervalo B2: M2. 5. Clique na caixa Intervalo e escreva 6. 6. Clique na caixa Output Range e seleccione a célula B3. 8. Faça um gráfico destes valores. Explicação: porque definimos o intervalo como 6, a média móvel é a média dos 5 pontos de dados anteriores eo ponto de dados atual. Como resultado, os picos e vales são suavizados. O gráfico mostra uma tendência crescente. O Excel não consegue calcular a média móvel para os primeiros 5 pontos de dados porque não existem pontos de dados anteriores suficientes. 9. Repita os passos 2 a 8 para o intervalo 2 eo intervalo 4. Conclusão: Quanto maior o intervalo, mais os picos e vales são suavizados. Quanto menor o intervalo, mais próximas as médias móveis são para os pontos de dados reais. Quando se calcula uma média móvel corrente, colocar a média no período de tempo médio faz sentido No exemplo anterior, calculamos a média dos primeiros 3 períodos de tempo e colocamos Ao lado do período 3. Poderíamos ter colocado a média no meio do intervalo de tempo de três períodos, ou seja, próximo ao período 2. Isso funciona bem com períodos de tempo ímpar, mas não é tão bom para mesmo períodos de tempo. Então, onde colocamos a primeira média móvel quando M4 Tecnicamente, a Média Móvel cairá em t 2,5, 3,5. Para evitar esse problema, suavizamos as MAs usando M 2. Assim, suavizamos os valores suavizados Se usarmos um número médio de termos, precisamos suavizar os valores suavizados. A tabela a seguir mostra os resultados usando M 4.A nota de rodapé em Pankratz (1983) ). Na página 48, diz: A média móvel da etiqueta é tecnicamente incorreta, pois os coeficientes de MA podem ser negativos e não somar à unidade. Este rótulo é usado por convenção. Box e Jenkins (1976) também dizem algo semelhante. Na página 10: A média móvel de nome é um pouco enganosa porque os pesos 1, - theta, - theta, ldots, - theta, que multiplicam o como, não precisam de unidade total nem precisa que seja positivo. No entanto, esta nomenclatura é de uso comum, e, portanto, utilizá-lo. Eu espero que isso ajude. Se você olhar para um processo de MA zero-média: Xt varepsilont theta1 varepsilon cdots thetaq varepsilon, então você poderia considerar o lado direito como semelhante a uma média móvel ponderada dos termos varepsilon, mas onde os pesos não somam a 1. Note que Cada valor de yt pode ser considerado como uma média móvel ponderada dos últimos erros de previsão. Explicações semelhantes do termo podem ser encontradas em muitos outros lugares. (Apesar da popularidade desta explicação, eu não sei ao certo que esta é a origem do termo, no entanto, por exemplo, talvez existisse originalmente alguma conexão entre o modelo e a suavização da média móvel). Note que Graeme Walsh aponta em Comentários acima que isso pode ter se originado com Slutsky (1927) A soma de causas aleatórias como uma fonte de processos cíclicos 1 Hyndman, RJ E Athanasopoulos, G. (2017) Previsão: princípios e prática. Seção 84. otextsfpp84. Acesso em 22 Set 2017.