Excel FORECAST و توابع مرتبط با مثال های فرمول

Michael Brown

28-05-2023 برتری داشتن
  • این را به اشتراک بگذارید
Michael Brown

این آموزش نحوه استفاده از Excel FORECAST و سایر توابع مرتبط را با مثال‌های فرمول توضیح می‌دهد.

در Microsoft Excel، چندین توابع وجود دارد که می‌تواند به شما کمک کند تا پیش‌بینی‌های هموارسازی خطی و نمایی ایجاد کنید. در مورد داده های تاریخی مانند فروش، بودجه، جریان های نقدی، قیمت سهام و مواردی از این دست.

تمرکز اصلی این آموزش بر روی دو تابع اصلی پیش بینی خواهد بود، اما به طور خلاصه به سایر عملکردها نیز اشاره خواهیم کرد. برای کمک به درک هدف و کاربردهای اساسی آنها.

    توابع پیش بینی اکسل

    در نسخه های اخیر اکسل، شش تابع پیش بینی مختلف وجود دارد.

    این دو تابع پیش بینی های خطی را انجام می دهند:

    • FORECAST - مقادیر آینده را با استفاده از رگرسیون خطی پیش بینی می کند. یک تابع قدیمی برای سازگاری با اکسل 2013 و قبل از آن.
    • خطی - یکسان با تابع FORECAST. بخشی از مجموعه جدید توابع پیش‌بینی در Excel 2016 و Excel 2019.

    چهار تابع ETS برای پیش‌بینی‌های هموارسازی نمایی در نظر گرفته شده‌اند. این توابع فقط در Excel برای Office 365، Excel 2019 و Excel 2016 در دسترس هستند.

    • ETS - مقادیر آینده را بر اساس الگوریتم هموارسازی نمایی پیش بینی می کند.
    • ETS.CONFINT - محاسبه می کند فاصله اطمینان.
    • ETS.SEASONALITY - طول یک الگوی فصلی یا تکرار شونده دیگر را محاسبه می کند.
    • ETS.STAT - برمی گرداندFORECAST.ETS زیرا هر دو تابع از یک الگوریتم برای تشخیص فصلی استفاده می کنند.

      این تابع در Excel برای Office 365، Excel 2019 و Excel 2016 موجود است.

      Syntax FORECAST.ETS. SEASONALITY به شرح زیر است:

      FORECAST.ETS.SEASONALITY(مقادیر، جدول زمانی، [data_completion]، [Aggregation])

      برای مجموعه داده‌های ما، فرمول به شکل زیر است:

      =FORECAST.ETS.SEASONALITY(B2:B22, A2:A22)

      و فصلی 7 را برمی گرداند، که کاملاً با الگوی هفتگی داده های تاریخی ما مطابقت دارد:

      عملکرد Excel FORECAST.ETS.STAT

      تابع FORECAST.ETS.STAT یک مقدار آماری مشخص مربوط به پیش‌بینی هموارسازی نمایی سری زمانی را برمی‌گرداند.

      همانند سایر توابع ETS، در Excel برای Office 365، Excel 2019 و Excel 2016 موجود است.

      این تابع دارای نحو زیر است:

      FORECAST.ETS.STAT(مقادیر، جدول زمانی، نوع_statistic، [فصلی]، [تکمیل_داده]، [تجمع])

      statistic_type آرگومان نشان می دهد که کدام مقدار آماری را برگرداند:

      1. آلفا (مقدار پایه) - مقدار هموارسازی بین 0 و 1 که وزن نقاط داده را کنترل می کند. هر چه مقدار بالاتر باشد، وزن بیشتری به داده های اخیر داده می شود.
      2. بتا (مقدار روند) - مقدار بین 0 و 1 که محاسبه روند را تعیین می کند. هر چه مقدار بالاتر باشد، وزن بیشتری به روندهای اخیر داده می شود.
      3. گاما (مقدار فصلی) - مقداربین 0 و 1 که فصلی بودن پیش بینی ETS را کنترل می کند. هر چه مقدار بالاتر باشد، وزن بیشتری به دوره فصلی اخیر داده می شود.
      4. MASE (میانگین خطای مقیاس مطلق) - اندازه گیری دقت پیش بینی.
      5. SMAPE (میانگین درصد خطای مطلق متقارن) - اندازه گیری دقت بر اساس درصد یا خطاهای نسبی.
      6. MAE (میانگین خطای مطلق) - اندازه متوسط ​​بزرگی خطاهای پیش بینی، صرف نظر از جهت آنها.
      7. RMSE (ریشه میانگین مربعات خطا) - اندازه گیری تفاوت بین مقادیر پیش بینی شده و مشاهده شده.
      8. مرحله اندازه شناسایی شده - اندازه مرحله شناسایی شده در جدول زمانی.

      به عنوان مثال، برای برگرداندن پارامتر آلفا برای مجموعه داده های نمونه خود، از این فرمول استفاده می کنیم:

      =FORECAST.ETS.STAT(B2:B22, A2:A22, 1)

      تصویر صفحه زیر فرمول‌های مقادیر آماری دیگر را نشان می‌دهد:

      پیش‌بینی سری‌های زمانی را در اکسل به این ترتیب انجام می‌دهید. برای بررسی تمام فرمول های مورد بحث در این آموزش، می توانید کتاب نمونه کار پیش بینی اکسل ما را دانلود کنید. از خواندن شما سپاسگزارم و امیدوارم هفته آینده شما را در وبلاگ خود ببینم!

      مقادیر آماری برای پیش‌بینی سری‌های زمانی.

    عملکرد Excel FORECAST

    عملکرد FORECAST در Excel برای پیش‌بینی مقدار آینده با استفاده از رگرسیون خطی استفاده می‌شود. به عبارت دیگر، FORECAST یک مقدار آینده را در امتداد خطی با بهترین تناسب بر اساس داده های تاریخی پیش بینی می کند.

    نحو تابع FORECAST به شرح زیر است:

    FORECAST(x، شناخته شده_y، شناخته شده_x)

    کجا:

    • X (الزامی) - یک مقدار x عددی که می‌خواهید یک مقدار y جدید برای آن پیش‌بینی کنید.
    • Known_y's (لازم) - آرایه ای از مقادیر y وابسته شناخته شده.
    • Known_x's (الزامی) - آرایه ای از مقادیر x مستقل شناخته شده.

    تابع FORECAST در تمام نسخه‌های Excel برای Office 365، Excel 2019، Excel 2016، Excel 2013، Excel 2010، Excel 2007، Excel 2003، Excel XP و Excel 2000 کار می‌کند.

    توجه. در Excel 2016 و 2019، این تابع با FORECAST.LINEAR جایگزین شده است، اما همچنان برای سازگاری با عقب در دسترس است.

    عملکرد Excel FORECAST.LINEAR

    عملکرد FORECAST.LINEAR همتای مدرن است. تابع FORECAST هدف و نحو یکسانی دارد:

    FORECAST.LINEAR(x,known_y's,known_x's)

    این تابع در Excel برای Office 365، Excel 2019 و Excel 2016 موجود است.

    چگونه FORECAST و FORECAST.LINEAR مقادیر آینده را محاسبه می کند

    هر دو تابع با استفاده از رگرسیون خطی یک مقدار y آینده را محاسبه می کنند.معادله:

    y = a + bx

    که در آن ثابت a (برق) است:

    و ضریب b ( شیب خط) این است:

    مقادیر x̄ و ȳ نمونه میانگین (متوسط) مقادیر x و y شناخته شده هستند.

    عملکرد Excel FORECAST کار نمی کند:

    اگر فرمول FORECAST شما خطایی را برمی گرداند، به احتمال زیاد این به دلایل زیر است:

    1. اگر محدوده های شناخته شده_x و شناخته شده_y با هم متفاوت هستند. طول یا خالی، #N/A! خطا رخ می دهد.
    2. اگر مقدار x غیر عددی باشد، فرمول #VALUE را برمی گرداند! خطا.
    3. اگر واریانس شناخته شده_xها صفر باشد، #DIV/0! خطا رخ می دهد.

    نحوه استفاده از تابع FORECAST در اکسل - مثال فرمول

    همانطور که قبلا ذکر شد، توابع Excel FORECAST و FORECAST.LINEAR برای پیش بینی روند خطی در نظر گرفته شده اند. آنها برای مجموعه داده های خطی و در شرایطی که می خواهید یک روند کلی را بدون توجه به نوسانات ناچیز داده ها پیش بینی کنید، بهترین کار را دارند.

    به عنوان مثال، ما سعی خواهیم کرد ترافیک وب سایت خود را برای 7 روز آینده بر اساس داده های 3 هفته قبل.

    با مقادیر y شناخته شده (تعداد بازدیدکنندگان) در B2:B22 و مقادیر x شناخته شده (تاریخ ها) در A2:A22، فرمول پیش بینی به شرح زیر است.

    Excel 2019 - Excel 2000 :

    =FORECAST(A23, $B$2:$B$22, $A$2:$A$22)

    Excel 2016 و Excel 2019 :

    =FORECAST.LINEAR(A23, $B$2:$B$22, $A$2:$A$22)

    در جایی که A23 یک مقدار x جدید است که می‌خواهید آینده را برای آن پیش‌بینی کنیدy-value.

    بسته به نسخه اکسل خود، یکی از فرمول های بالا را در هر سلول خالی در ردیف 23 وارد کنید، آن را به تعداد سلول های مورد نیاز کپی کنید و این نتیجه را دریافت خواهید کرد:

    لطفاً توجه داشته باشید که ما محدوده‌ها را با ارجاعات سلولی مطلق قفل می‌کنیم (مانند $A$2:$A$2) تا از تغییر آن‌ها هنگام کپی فرمول در سلول‌های دیگر جلوگیری کنیم.

    بر روی یک نمودار ترسیم شده است، پیش‌بینی خطی ما به صورت زیر است:

    مراحل دقیق برای ایجاد چنین نموداری در نمودار پیش‌بینی رگرسیون خطی توضیح داده شده است.

    اگر می خواهید مقادیر آینده را بر اساس الگوی تکرارشونده مشاهده شده در داده های تاریخی خود پیش بینی کنید، از FORECAST.ETS به جای تابع Excel FORECAST استفاده کنید. و بخش بعدی آموزش ما نحوه انجام این کار را نشان می دهد.

    عملکرد Excel FORECAST.ETS

    عملکرد FORECAST.ETS برای انجام پیش بینی های هموارسازی نمایی بر اساس یک سری از مقادیر موجود.

    به طور دقیق تر، یک مقدار آینده را بر اساس نسخه AAA الگوریتم هموارسازی سه گانه نمایی (ETS) پیش بینی می کند، از این رو نام تابع است. این الگوریتم با تشخیص الگوهای فصلی و فواصل اطمینان، انحرافات ناچیز در روند داده ها را صاف می کند. "AAA" مخفف خطای افزایشی، روند افزایشی و فصلی بودن افزودنی است.

    عملکرد FORECAST.ETS در اکسل برای Office 365، اکسل 2019 و اکسل 2016 موجود است.

    سینتکسExcel FORECAST.ETS به شرح زیر است:

    FORECAST.ETS(target_date، مقادیر، جدول زمانی، [seasonality]، [data_completion]، [Aggregation])

    Where:

    • Target_date (لازم) - نقطه داده ای که برای آن مقداری پیش بینی می شود. می توان آن را با تاریخ/زمان یا عدد نشان داد.
    • مقادیر (الزامی) - محدوده یا آرایه ای از داده های تاریخی که می خواهید مقادیر آینده را برای آن پیش بینی کنید.
    • خط زمانی (الزامی) - آرایه ای از تاریخ/زمان ها یا داده های عددی مستقل با یک گام ثابت بین آنها.
    • فصلی (اختیاری) - عددی که نشان دهنده طول الگوی فصلی:
      • 1 یا حذف شده (پیش‌فرض) - Excel به طور خودکار با استفاده از اعداد مثبت و کامل، فصلی بودن را تشخیص می‌دهد.
      • 0 - بدون فصلی، یعنی پیش‌بینی خطی.

      حداکثر فصلی مجاز 8760 ساعت است که تعداد ساعات یک سال است. یک عدد فصلی بالاتر به #NUM منجر می شود! خطا.

    • تکمیل داده ها (اختیاری) - امتیازات از دست رفته را حساب می کند.
      • 1 یا حذف شده (پیش فرض) - نقاط از دست رفته را به عنوان میانگین نقاط همسایه پر کنید (inrerpolation خطی).
      • 0 - نقاط از دست رفته را به عنوان صفر در نظر بگیرید.
    • Aggregation (اختیاری) - نحوه جمع‌آوری مقادیر داده‌های متعدد را با یک مهر زمانی مشخص می‌کند.
      • 1 یا حذف شده (پیش‌فرض) - تابع AVERAGE برای تجمیع استفاده می‌شود.
      • گزینه‌های دیگر شما عبارتند از: 2 - COUNT، 3 -COUNTA، 4 - MAX، 5 - MEDIAN، 6 - MIN و 7 - SUM.

    5 چیزهایی که باید درباره FORECAST.ETS بدانید

    1. برای کار صحیح تابع FORECAST.ETS، جدول زمانی باید یک فاصله منظم داشته باشد - ساعتی، روزانه، ماهانه، سه ماهه، سالانه و غیره.
    2. این تابع بهترین گزینه برای مجموعه داده‌های غیرخطی با الگوی تکراری فصلی یا دیگر .
    3. وقتی اکسل نمی‌تواند الگوی را شناسایی کند ، تابع به یک پیش‌بینی خطی برمی‌گردد.
    4. این تابع می‌تواند با مجموعه‌های داده ناقص که حداکثر 30 درصد از نقاط داده وجود ندارد، کار کند. نقاط از دست رفته بر اساس مقدار آرگومان تکمیل داده رفتار می شوند.
    5. اگرچه یک جدول زمانی با یک مرحله ثابت لازم است، ممکن است تکراری در تاریخ وجود داشته باشد. /سری زمانی. مقادیر با همان مهر زمانی مطابق با آرگومان aggregation تجمیع می شوند.

    عملکرد FORECAST.ETS کار نمی کند:

    اگر فرمول شما خطایی ایجاد کند، این احتمالاً یکی از موارد زیر است:

    1. #N/A زمانی رخ می‌دهد که آرایه‌های مقدار و timeline طول متفاوتی داشته باشند.
    2. #VALUE! اگر آرگومان فصلی ، تکمیل داده یا تجمع غیر عددی باشد، خطا برمی گردد.
    3. #NUM! ممکن است به دلایل زیر خطا ایجاد شود:
      • اندازه گام ثابت در خط زمانی قابل شناسایی نیست.
      • مقدار فصلی خارج از محدوده پشتیبانی شده است (0 - 87600).
      • مقدار تکمیل داده غیر از 0 یا 1 است.
      • مقدار aggregation خارج از محدوده معتبر (1 - 7) است.

    نحوه استفاده از تابع FORECAST.ETS در Excel - مثال فرمول

    برای مشاهده اینکه چگونه مقادیر آینده محاسبه شده با هموارسازی نمایی متفاوت از پیش بینی رگرسیون خطی هستند، اجازه دهید یک فرمول FORECAST.ETS برای همان مجموعه داده ای که در مثال قبلی استفاده کردیم ایجاد کنیم:

    =FORECAST.ETS (A23, $B$2:$B$22, $A$2:$A$22)

    کجا:

    • A23 تاریخ هدف است
    • $B$2:$B $22 داده های تاریخی هستند ( مقادیر )
    • $A$2:$A$22 تاریخ ها هستند ( خط زمانی )

    با حذف سه آرگومان آخر ( فصلی ، تکمیل داده یا تجمع ) ما بر پیش فرض های اکسل تکیه می کنیم. و اکسل روند را کاملاً پیش‌بینی می‌کند:

    عملکرد Excel FORECAST.ETS.CONFINT

    از تابع FORECAST.ETS.CONFINT برای محاسبه فاصله اطمینان برای یک مقدار پیش‌بینی‌شده.

    فاصله اطمینان نوعی اندازه‌گیری دقت پیش‌بینی است. هرچه فاصله زمانی کمتر باشد، اطمینان بیشتری در پیش‌بینی یک نقطه داده خاص وجود دارد.

    FORECAST.ETS.CONFINT در Excel برای Office 365، Excel 2019، و Excel 2016 موجود است.

    این تابع دارای آرگومان های زیر است:

    FORECAST.ETS.CONFINT(target_date، مقادیر، جدول زمانی،[اعتماد_سطح]، [فصلی]، [تکمیل داده]، [تجمع])

    همانطور که می بینید، نحو FORECAST.ETS.CONFINT بسیار شبیه به تابع FORECAST.ETS است، به جز این آرگومان اضافی:

    Confidence_level (اختیاری) - عددی بین 0 و 1 که سطح اطمینان را برای بازه محاسبه شده مشخص می کند. به طور معمول، به عنوان یک عدد اعشاری ارائه می شود، اگرچه درصدها نیز پذیرفته می شوند. به عنوان مثال، برای تعیین سطح اطمینان 90٪، 0.9 یا 90٪ را وارد می کنید.

    • اگر حذف شود، مقدار پیش فرض 95٪ استفاده می شود، به این معنی که 95٪ مواقع یک داده پیش بینی شده است. انتظار می رود نقطه در این شعاع از مقدار بازگشتی توسط FORECAST.ETS قرار گیرد.
    • اگر سطح اطمینان خارج از محدوده پشتیبانی شده (0 - 1) باشد، فرمول #NUM را برمی گرداند! خطا.

    FORECAST.ETS.CONFINT مثال فرمول

    برای اینکه ببینیم در عمل چگونه کار می کند، بیایید فاصله اطمینان را برای مجموعه داده نمونه خود محاسبه کنیم:

    =FORECAST.ETS.CONFINT(A23, $B$2:$B$22, $A$2:$A$22)

    جایی:

    • A23 تاریخ هدف است
    • $B$2:$B$22 داده های تاریخی هستند
    • $A$2:$ 22 دلار استرالیا تاریخ‌ها هستند

    4 آرگومان آخر حذف شده‌اند و به اکسل می‌گویند از گزینه‌های پیش‌فرض استفاده کند:

    • سطح اطمینان را روی 95% تنظیم کنید.
    • تشخیص فصلی بودن به صورت خودکار.
    • نقاط گمشده را به عنوان میانگین نقاط همسایه کامل کنید.
    • مقدارهای داده چندگانه را با مهر زمانی یکسان با استفاده از AVERAGE جمع آوری کنید.تابع.

    برای درک معنای واقعی مقادیر برگشتی، لطفاً به تصویر زیر نگاهی بیندازید (بعضی از ردیف‌های دارای داده‌های تاریخی به خاطر فضا پنهان شده‌اند).

    فرمول در D23 نتیجه 6441.22 را می دهد (به 2 نقطه اعشار گرد شده است). معنی آن این است که در 95 درصد مواقع، پیش‌بینی 11 مارس در محدوده 6441.22 از مقدار پیش‌بینی‌شده 61075 (C3) قرار می‌گیرد. یعنی 6441.22 ± 61,075.

    برای یافتن محدوده ای که مقادیر پیش بینی شده احتمالاً در آن قرار می گیرند، می توانید مرزهای فاصله اطمینان برای هر نقطه داده را محاسبه کنید.

    برای به دست آوردن کران پایین ، فاصله اطمینان را از مقدار پیش بینی شده کم کنید:

    =C23-D23

    برای به دست آوردن کران بالا ، فاصله اطمینان را به مقدار پیش‌بینی‌شده اضافه کنید:

    =C23+D23

    که در آن C23 مقدار پیش‌بینی‌شده توسط FORECAST.ETS و D23 فاصله اطمینان بازگشت‌شده توسط FORECAST.ETS.CONFINT است.

    فرمول‌های بالا را کپی کنید، نتایج را روی نمودار رسم کنید، و یک نمایش بصری واضح از مقادیر پیش‌بینی‌شده و فاصله اطمینان خواهید داشت:

    نکته. برای اینکه چنین نموداری به طور خودکار برای شما ایجاد شود، از ویژگی برگه پیش بینی اکسل استفاده کنید.

    عملکرد Excel FORECAST.ETS.SEASONALITY

    از تابع FORECAST.ETS.SEASONALITY برای محاسبه طول استفاده می شود. یک الگوی تکرار شونده در جدول زمانی مشخص شده از نزدیک با آن گره خورده است

    پست قبلی نحوه هایلایت کردن هر ردیف دیگر در اکسل (رنگ های ردیف جایگزین)
    پست بعدی 30/60/90 روز از امروز یا قبل از امروز - ماشین حساب تاریخ در اکسل

    مایکل براون یک علاقه‌مند به فناوری است که علاقه زیادی به ساده‌سازی فرآیندهای پیچیده با استفاده از ابزارهای نرم‌افزاری دارد. او با بیش از یک دهه تجربه در صنعت فناوری، مهارت های خود را در Microsoft Excel و Outlook و همچنین Google Sheets و Docs تقویت کرده است. وبلاگ مایکل اختصاص داده شده است تا دانش و تخصص خود را با دیگران به اشتراک بگذارد و نکات و آموزش هایی را برای بهبود بهره وری و کارایی ارائه دهد. چه یک حرفه ای با تجربه باشید و چه مبتدی، وبلاگ مایکل، بینش های ارزشمند و توصیه های عملی را برای استفاده حداکثری از این ابزارهای نرم افزاری ضروری ارائه می دهد.