એક્સેલ FORECAST અને ફોર્મ્યુલા ઉદાહરણો સાથે સંબંધિત કાર્યો

  • આ શેર કરો
Michael Brown

ટ્યુટોરીયલ સમજાવે છે કે એક્સેલ ફોરેકાસ્ટ અને અન્ય સંબંધિત કાર્યોનો ઉપયોગ ફોર્મ્યુલા ઉદાહરણો સાથે કેવી રીતે કરવો.

માઈક્રોસોફ્ટ એક્સેલમાં, ઘણા ફંક્શન્સ છે જે તમને રેખીય અને ઘાતાંકીય સ્મૂથિંગ અનુમાન આધારિત બનાવવામાં મદદ કરી શકે છે. વેચાણ, બજેટ, રોકડ પ્રવાહ, સ્ટોકની કિંમતો અને તેના જેવા ઐતિહાસિક ડેટા પર.

આ ટ્યુટોરીયલનું મુખ્ય ધ્યાન બે મુખ્ય આગાહી કાર્યો પર રહેશે, પરંતુ અમે અન્ય કાર્યોને પણ ટૂંકમાં સ્પર્શ કરીશું. તેમના હેતુ અને મૂળભૂત ઉપયોગોને સમજવામાં તમારી મદદ કરવા માટે.

    એક્સેલ આગાહી કાર્યો

    એક્સેલના તાજેતરના સંસ્કરણોમાં, છ અલગ-અલગ આગાહી કાર્યો છે.

    બે ફંક્શન્સ રેખીય આગાહી કરે છે:

    • FORECAST - રેખીય રીગ્રેશનનો ઉપયોગ કરીને ભાવિ મૂલ્યોની આગાહી કરે છે; એક્સેલ 2013 અને પહેલાની સાથે બેકવર્ડ સુસંગતતા માટે લેગસી ફંક્શન.
    • લીનિયર - ફોરેકાસ્ટ ફંક્શન જેવું જ; એક્સેલ 2016 અને એક્સેલ 2019 માં આગાહી કાર્યોના નવા સ્યુટનો એક ભાગ.

    ચાર ETS કાર્યોનો હેતુ ઘાતાંકીય સ્મૂથિંગ આગાહીઓ માટે છે. આ કાર્યો ફક્ત Office 365, Excel 2019 અને Excel 2016 માટે Excel માં ઉપલબ્ધ છે.

    • ETS - ઘાતાંકીય સ્મૂથિંગ અલ્ગોરિધમના આધારે ભાવિ મૂલ્યોની આગાહી કરે છે.
    • ETS.CONFINT - ગણતરી કરે છે આત્મવિશ્વાસ અંતરાલ.
    • ETS.SEASONALITY - મોસમી અથવા અન્ય રિકરિંગ પેટર્નની લંબાઈની ગણતરી કરે છે.
    • ETS.STAT - વળતરFORECAST.ETS કારણ કે બંને ફંક્શન મોસમને શોધવા માટે સમાન અલ્ગોરિધમનો ઉપયોગ કરે છે.

      આ ફંક્શન Office 365, Excel 2019 અને Excel 2016 માટે Excel માં ઉપલબ્ધ છે.

      FORECAST.ETS નું સિન્ટેક્સ. મોસમ નીચે મુજબ છે:

      FORECAST.ETS.SEASONALITY(મૂલ્યો, સમયરેખા, [ડેટા_પૂર્ણતા], [એગ્રિગેશન])

      અમારા ડેટા સેટ માટે, સૂત્ર નીચેનો આકાર લે છે:

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

      અને મોસમ 7 પરત કરે છે, જે અમારા ઐતિહાસિક ડેટાની સાપ્તાહિક પેટર્ન સાથે સંપૂર્ણ રીતે સંમત થાય છે:

      Excel FORECAST.ETS.STAT કાર્ય

      FORECAST.ETS.STAT ફંક્શન ટાઈમ સિરીઝ ઘાતાંકીય સ્મૂથિંગ ફોરકાસ્ટિંગ સંબંધિત ચોક્કસ આંકડાકીય મૂલ્ય આપે છે.

      અન્ય ETS ફંક્શન્સની જેમ, તે Office 365, Excel 2019 અને Excel 2016 માટે Excel માં ઉપલબ્ધ છે.

      ફંક્શનમાં નીચેનો વાક્યરચના છે:

      FORECAST.ETS.STAT(મૂલ્યો, સમયરેખા, આંકડાકીય_પ્રકાર, [મોસમ], [ડેટા_પૂર્ણતા], [એગ્રિગેશન])

      આંકડા_પ્રકાર દલીલ સૂચવે છે કે કઈ આંકડાકીય કિંમત પરત કરવી છે:<3

      1. આલ્ફા (બેઝ વેલ્યુ) - 0 અને 1 વચ્ચેની સ્મૂથિંગ વેલ્યુ જે ડેટા પોઈન્ટના વજનને નિયંત્રિત કરે છે. મૂલ્ય જેટલું ઊંચું, તાજેતરના ડેટાને વધુ વજન આપવામાં આવે છે.
      2. બીટા (ટ્રેન્ડ વેલ્યુ) - 0 અને 1 વચ્ચેનું મૂલ્ય જે વલણની ગણતરી નક્કી કરે છે. મૂલ્ય જેટલું ઊંચું છે, તાજેતરના વલણોને વધુ વજન આપવામાં આવે છે.
      3. ગામા (મોસમી મૂલ્ય) - મૂલ્ય0 અને 1 ની વચ્ચે જે ETS આગાહીની મોસમને નિયંત્રિત કરે છે. મૂલ્ય જેટલું ઊંચું છે, તાજેતરના મોસમી સમયગાળાને વધુ વજન આપવામાં આવે છે.
      4. MASE (એટલે ​​ચોક્કસ સ્કેલ કરેલી ભૂલ) - આગાહીની ચોકસાઈનું માપ.
      5. SMAPE (સપ્રમાણ સરેરાશ સંપૂર્ણ ટકાવારી ભૂલ) - ટકાવારી અથવા સંબંધિત ભૂલો પર આધારિત ચોકસાઈનું માપ.
      6. MAE (સરેરાશ સંપૂર્ણ ભૂલ) - સરેરાશ તીવ્રતાને માપે છે અનુમાન ભૂલો, તેમની દિશાને ધ્યાનમાં લીધા વિના.
      7. RMSE (મૂળ સરેરાશ ચોરસ ભૂલ) - અનુમાનિત અને અવલોકન કરેલ મૂલ્યો વચ્ચેના તફાવતનું માપ.
      8. પગલું કદ શોધાયું - સમયરેખામાં શોધાયેલ પગલું કદ.

      ઉદાહરણ તરીકે, અમારા નમૂના ડેટા સેટ માટે આલ્ફા પરિમાણ પરત કરવા માટે, અમે આ સૂત્રનો ઉપયોગ કરીએ છીએ:

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

      નીચેનો સ્ક્રીનશોટ અન્ય આંકડાકીય મૂલ્યો માટેના સૂત્રો બતાવે છે:

      આ રીતે તમે Excel માં સમય શ્રેણીની આગાહી કરો છો. આ ટ્યુટોરીયલમાં ચર્ચા કરેલ તમામ સૂત્રોની તપાસ કરવા માટે, અમારી એક્સેલ ફોરકાસ્ટ સેમ્પલ વર્કબુક ડાઉનલોડ કરવા માટે તમારું સ્વાગત છે. હું વાંચવા બદલ તમારો આભાર અને આશા રાખું છું કે તમને આવતા અઠવાડિયે અમારા બ્લોગ પર મળીશ!

      સમય શ્રેણીની આગાહી માટે આંકડાકીય મૂલ્યો.

    એક્સેલ ફોરેકાસ્ટ ફંક્શન

    એક્સેલમાં ફોરેકાસ્ટ ફંક્શનનો ઉપયોગ રેખીય રીગ્રેસન નો ઉપયોગ કરીને ભાવિ મૂલ્યની આગાહી કરવા માટે થાય છે. બીજા શબ્દોમાં કહીએ તો, FORECAST એ ઐતિહાસિક ડેટાના આધારે શ્રેષ્ઠ ફિટની રેખા સાથે ભાવિ મૂલ્યને પ્રોજેક્ટ કરે છે.

    FORECAST કાર્યનું વાક્યરચના નીચે મુજબ છે:

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

    જ્યાં:

    • X (જરૂરી) - એક સંખ્યાત્મક x-મૂલ્ય કે જેના માટે તમે નવા y-મૂલ્યની આગાહી કરવા માંગો છો.
    • જાણીતા_y's (જરૂરી) - જાણીતા આશ્રિત y-મૂલ્યોની એરે.
    • Known_x's (જરૂરી) - જાણીતા સ્વતંત્ર x-મૂલ્યોની એરે.

    FORECAST કાર્ય Office 365, Excel 2019, Excel 2016, Excel 2013, Excel 2010, Excel 2007, Excel 2003, Excel XP, અને Excel 2000 માટે Excel ના તમામ સંસ્કરણોમાં કાર્ય કરે છે.

    નોંધ. Excel 2016 અને 2019 માં, આ ફંક્શનને FORECAST.LINEAR થી બદલવામાં આવ્યું છે, પરંતુ તે હજુ પણ બેકવર્ડ સુસંગતતા માટે ઉપલબ્ધ છે.

    Excel FORECAST.LINEAR ફંક્શન

    FORECAST.LINEAR ફંક્શન એ આધુનિક સમકક્ષ છે FORECAST કાર્ય. તેનો હેતુ અને વાક્યરચના સમાન છે:

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

    આ ફંક્શન Office 365, Excel 2019 અને Excel 2016 માટે Excel માં ઉપલબ્ધ છે.

    કેવી રીતે FORECAST અને FORECAST.LINEAR ભવિષ્યના મૂલ્યોની ગણતરી કરે છે

    બંને ફંક્શન રેખીય રીગ્રેશનનો ઉપયોગ કરીને ભાવિ y-મૂલ્યની ગણતરી કરે છેસમીકરણ:

    y = a + bx

    જ્યાં a કોન્સ્ટન્ટ (ઇન્ટરસેપ્ટ) છે:

    અને b ગુણાંક ( લીટીનો ઢોળાવ) છે:

    x̄ અને ȳના મૂલ્યો જાણીતા x-મૂલ્યો અને y-મૂલ્યોના નમૂના માધ્યમ (સરેરાશ) છે.

    Excel FORECAST ફંક્શન કામ કરતું નથી:

    જો તમારું FORECAST ફોર્મ્યુલા ભૂલ આપે છે, તો આ નીચેના કારણોસર સંભવ છે:

    1. જો know_x's અને known_y ની રેન્જ અલગ-અલગ હોય લંબાઈ અથવા ખાલી, #N/A! ભૂલ થાય છે.
    2. જો x મૂલ્ય બિન-સંખ્યાત્મક હોય, તો સૂત્ર #VALUE! ભૂલ.
    3. જો જાણીતા_x નો તફાવત શૂન્ય છે, તો #DIV/0! ભૂલ થાય છે.

    એક્સેલમાં FORECAST ફંક્શનનો ઉપયોગ કેવી રીતે કરવો - ફોર્મ્યુલા ઉદાહરણ

    પહેલેથી જ ઉલ્લેખ કર્યો છે તેમ, Excel FORECAST અને FORECAST.LINEAR ફંક્શન્સનો હેતુ રેખીય વલણની આગાહી માટે છે. તેઓ રેખીય ડેટાસેટ્સ માટે અને એવી પરિસ્થિતિઓમાં શ્રેષ્ઠ કાર્ય કરે છે જ્યારે તમે માહિતીની નજીવી વધઘટને અવગણીને સામાન્ય વલણની આગાહી કરવા માંગતા હો.

    ઉદાહરણ તરીકે, અમે તેના આધારે આગામી 7 દિવસ માટે અમારી વેબ-સાઇટ ટ્રાફિકની આગાહી કરવાનો પ્રયાસ કરીશું. પાછલા 3 અઠવાડિયા માટેનો ડેટા.

    B2:B22 માં જાણીતા y-મૂલ્યો (મુલાકાતીઓની સંખ્યા) અને A2:A22 માં જાણીતા x-મૂલ્યો (તારીખો) સાથે, આગાહી સૂત્ર નીચે મુજબ છે.

    Excel 2019 - Excel 2000 :

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

    Excel 2016 અને Excel 2019 :

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

    જ્યાં A23 એ નવું x-મૂલ્ય છે જેના માટે તમે ભવિષ્યની આગાહી કરવા માંગો છોy-મૂલ્ય.

    તમારા એક્સેલ વર્ઝન પર આધાર રાખીને, 23 પંક્તિમાં કોઈપણ ખાલી કોષમાં ઉપરોક્ત ફોર્મ્યુલાઓમાંથી એક દાખલ કરો, તેને જરૂર હોય તેટલા સેલમાં કૉપિ કરો અને તમને આ પરિણામ મળશે:

    કૃપા કરીને ધ્યાન આપો કે અમે અન્ય કોષોમાં ફોર્મ્યુલાની નકલ કરતી વખતે તેમને બદલવાથી રોકવા માટે સંપૂર્ણ કોષ સંદર્ભો (જેમ કે $A$2:$A$2) સાથે રેન્જને લૉક કરીએ છીએ.

    આલેખ પર રચાયેલ, અમારી રેખીય આગાહી નીચે પ્રમાણે દેખાય છે:

    આવો ગ્રાફ બનાવવા માટેના વિગતવાર પગલાં લીનિયર રીગ્રેસન આગાહી ચાર્ટમાં વર્ણવેલ છે.

    જો તમે તમારા ઐતિહાસિક ડેટામાં અવલોકન કરેલ પુનરાવર્તિત પેટર્ન ના આધારે ભાવિ મૂલ્યોની આગાહી કરવા માંગતા હો, તો Excel FORECAST કાર્યને બદલે FORECAST.ETS નો ઉપયોગ કરો. અને અમારા ટ્યુટોરીયલનો આગળનો વિભાગ આ કેવી રીતે કરવું તે બતાવે છે.

    Excel FORECAST.ETS ફંક્શન

    FORECAST.ETS ફંક્શનનો ઉપયોગ ઘાતાંકીય સ્મૂથિંગ પર આધારિત આગાહી કરવા માટે થાય છે. વર્તમાન મૂલ્યોની શ્રેણી.

    વધુ સ્પષ્ટ રીતે, તે એક્સ્પોનેન્શિયલ ટ્રિપલ સ્મૂથિંગ (ETS) અલ્ગોરિધમના AAA સંસ્કરણ પર આધારિત ભાવિ મૂલ્યની આગાહી કરે છે, તેથી ફંક્શનનું નામ. આ અલ્ગોરિધમ મોસમની પેટર્ન અને આત્મવિશ્વાસના અંતરાલોને શોધીને ડેટા વલણોમાં નજીવા વિચલનોને સરળ બનાવે છે. "AAA" એ એડિટિવ એરર, એડિટિવ ટ્રેન્ડ અને એડિટિવ સિઝનલિટી માટે વપરાય છે.

    FORECAST.ETS ફંક્શન ઑફિસ 365, એક્સેલ 2019 અને એક્સેલ 2016 માટે એક્સેલમાં ઉપલબ્ધ છે.

    નું સિન્ટેક્સExcel FORECAST.ETS નીચે મુજબ છે:

    FORECAST.ETS(target_date, values, timeline, [seasonality], [data_completion], [એગ્રિગેશન])

    ક્યાં:

    • લક્ષ્ય_તારીખ (જરૂરી) - ડેટા બિંદુ કે જેના માટે મૂલ્યની આગાહી કરવી. તે તારીખ/સમય અથવા સંખ્યા દ્વારા રજૂ કરી શકાય છે.
    • મૂલ્યો (જરૂરી) - ઐતિહાસિક ડેટાની શ્રેણી અથવા એરે જેના માટે તમે ભાવિ મૂલ્યોની આગાહી કરવા માંગો છો.
    • <10 સમયરેખા (જરૂરી) - તારીખો/સમયની શ્રેણી અથવા તેમની વચ્ચે સતત પગલા સાથે સ્વતંત્ર આંકડાકીય ડેટા.
    • સીઝનલિટી (વૈકલ્પિક) - એક નંબર રજૂ કરે છે મોસમી પેટર્નની લંબાઈ:
      • 1 અથવા અવગણવામાં આવેલ (ડિફૉલ્ટ) - એક્સેલ સકારાત્મક, પૂર્ણ સંખ્યાઓનો ઉપયોગ કરીને આપમેળે મોસમને શોધી કાઢે છે.
      • 0 - કોઈ મોસમ નથી, એટલે કે રેખીય આગાહી.

      મહત્તમ માન્ય મોસમ 8,760 છે, જે એક વર્ષમાં કલાકોની સંખ્યા છે. ઉચ્ચ મોસમ સંખ્યા #NUM માં પરિણમશે! ભૂલ.

    • ડેટા પૂર્ણતા (વૈકલ્પિક) - ગુમ થયેલ પોઈન્ટ માટે એકાઉન્ટ્સ.
      • 1 અથવા અવગણવામાં આવેલ (ડિફૉલ્ટ) - ગુમ થયેલ પોઈન્ટને પડોશી પોઈન્ટની સરેરાશ તરીકે ભરો (લાઈનર ઈન્રીર્પોલેશન).
      • 0 - ગુમ થયેલ પોઈન્ટને શૂન્ય તરીકે ગણો.
      • <5
    • એગ્રિગેશન (વૈકલ્પિક) - એક જ ટાઈમ સ્ટેમ્પ સાથે બહુવિધ ડેટા મૂલ્યોને કેવી રીતે એકત્ર કરવા તે સ્પષ્ટ કરે છે.
      • 1 અથવા અવગણવામાં આવેલ (ડિફૉલ્ટ) - AVERAGE ફંક્શનનો ઉપયોગ એકત્રીકરણ માટે થાય છે.
      • તમારા અન્ય વિકલ્પો છે: 2 - COUNT, 3 -COUNTA, 4 - MAX, 5 - MEDIAN, 6 - MIN અને 7 - SUM.

    5 વસ્તુઓ જે તમારે FORECAST.ETS વિશે જાણવી જોઈએ

    1. FORECAST.ETS કાર્યના યોગ્ય કાર્ય માટે, સમયરેખામાં નિયમિત અંતરાલ હોવો જોઈએ - કલાકદીઠ, દૈનિક, માસિક, ત્રિમાસિક, વાર્ષિક, વગેરે.
    2. આ કાર્ય માટે શ્રેષ્ઠ અનુકુળ છે બિન-રેખીય ડેટા મોસમી અથવા અન્ય પુનરાવર્તિત પેટર્ન સાથે સેટ કરે છે.
    3. જ્યારે એક્સેલ પેટર્ન શોધી શકતું નથી , ત્યારે ફંક્શન રેખીય આગાહીમાં પાછું ફેરવે છે.
    4. ફંક્શન અપૂર્ણ ડેટાસેટ્સ સાથે કામ કરી શકે છે જ્યાં 30% જેટલા ડેટા પોઈન્ટ ખૂટે છે. ગુમ થયેલ બિંદુઓને ડેટા પૂર્ણતા દલીલના મૂલ્ય અનુસાર ગણવામાં આવે છે.
    5. જોકે સાતત્યપૂર્ણ પગલા સાથે સમયરેખા જરૂરી છે, તારીખમાં ડુપ્લિકેટ્સ હોઈ શકે છે. /સમય શ્રેણી. સમાન ટાઈમસ્ટેમ્પ સાથેના મૂલ્યો એગ્રિગેશન દલીલ દ્વારા વ્યાખ્યાયિત કર્યા મુજબ એકત્રિત કરવામાં આવે છે.

    FORECAST.ETS ફંક્શન કામ કરતું નથી:

    જો તમારું ફોર્મ્યુલા ભૂલ પેદા કરે છે, આ નીચેનામાંથી એક હોવાની શક્યતા છે:

    1. #N/A થાય છે જો મૂલ્યો અને સમયરેખા એરેની લંબાઈ અલગ હોય.
    2. #VALUE! જો સિઝનલિટી , ડેટા કમ્પ્લીશન અથવા એગ્રિગેશન દલીલ બિન-સંખ્યાત્મક હોય તો ભૂલ પરત કરવામાં આવે છે.
    3. #NUM! નીચેના કારણોસર ભૂલ ફેંકવામાં આવી શકે છે:
      • એક સાતત્યપૂર્ણ પગલું કદ સમયરેખા માં શોધી શકાતું નથી.
      • સિઝનલિટી મૂલ્ય સમર્થિત શ્રેણીની બહાર છે (0 - 8,7600).
      • ડેટા પૂર્ણતા મૂલ્ય 0 અથવા 1 કરતાં અન્ય છે.
      • <10 એગ્રિગેશન મૂલ્ય માન્ય શ્રેણીની બહાર છે (1 - 7).

    એક્સેલમાં FORECAST.ETS ફંક્શનનો ઉપયોગ કેવી રીતે કરવો - ફોર્મ્યુલા ઉદાહરણ

    ઘાતાંકીય સ્મૂથિંગ વડે ગણતરી કરેલ ભાવિ મૂલ્યો રેખીય રીગ્રેસન અનુમાનથી કેવી રીતે અલગ છે તે જોવા માટે, ચાલો તે જ ડેટા સેટ માટે FORECAST.ETS ફોર્મ્યુલા બનાવીએ જેનો આપણે અગાઉના ઉદાહરણમાં ઉપયોગ કર્યો હતો:

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

    ક્યાં:

    • A23 એ લક્ષ્ય તારીખ છે
    • $B$2:$B $22 એ ઐતિહાસિક ડેટા છે ( મૂલ્યો )
    • $A$2:$A$22 એ તારીખો છે ( સમયરેખા )

    બાકીને છેલ્લી ત્રણ દલીલો ( સિઝનલિટી , ડેટા કમ્પ્લીશન અથવા એગ્રિગેશન ) અમે એક્સેલ ડિફોલ્ટ પર આધાર રાખીએ છીએ. અને એક્સેલ વલણની સંપૂર્ણ આગાહી કરે છે:

    Excel FORECAST.ETS.CONFINT ફંક્શન

    FORECAST.ETS.CONFINT ફંક્શનનો ઉપયોગ વિશ્વાસ અંતરાલની ગણતરી કરવા માટે થાય છે અનુમાનિત મૂલ્ય.

    આત્મવિશ્વાસ અંતરાલ એ આગાહીની ચોકસાઈનું માપ છે. અંતરાલ જેટલો નાનો હશે તેટલો ચોક્કસ ડેટા પોઈન્ટ માટે અનુમાનમાં વધુ વિશ્વાસ.

    FORECAST.ETS.CONFINT Office 365, Excel 2019 અને Excel 2016 માટે Excel માં ઉપલબ્ધ છે.

    ફંક્શનમાં નીચેની દલીલો છે:

    FORECAST.ETS.CONFINT(target_date, values, timeline,[confidence_level], [seasonality], [data completion], [એગ્રિગેશન])

    જેમ તમે જુઓ છો, FORECAST.ETS.CONFINT નું સિન્ટેક્સ FORECAST.ETS ફંક્શન જેવું જ છે, આ વધારાની દલીલ સિવાય:

    કોન્ફિડન્સ_લેવલ (વૈકલ્પિક) - 0 અને 1 ની વચ્ચેની સંખ્યા જે ગણતરી કરેલ અંતરાલ માટે આત્મવિશ્વાસના સ્તરનો ઉલ્લેખ કરે છે. સામાન્ય રીતે, તે દશાંશ સંખ્યા તરીકે આપવામાં આવે છે, જો કે ટકાવારી પણ સ્વીકારવામાં આવે છે. દાખલા તરીકે, 90% આત્મવિશ્વાસ સ્તર સેટ કરવા માટે, તમે ક્યાં તો 0.9 અથવા 90% દાખલ કરો છો.

    • જો અવગણવામાં આવે તો, 95% નું ડિફોલ્ટ મૂલ્ય વપરાય છે, એટલે કે 95% સમય અનુમાનિત ડેટા FORECAST.ETS દ્વારા પરત કરવામાં આવેલ મૂલ્યમાંથી બિંદુ આ ત્રિજ્યામાં આવવાની ધારણા છે.
    • જો વિશ્વાસ સ્તર સમર્થિત શ્રેણી (0 - 1) ની બહાર હોય, તો સૂત્ર #NUM! ભૂલ.

    FORECAST.ETS.CONFINT ફોર્મ્યુલા ઉદાહરણ

    તે વ્યવહારમાં કેવી રીતે કાર્ય કરે છે તે જોવા માટે, ચાલો અમારા નમૂના ડેટા સેટ માટે વિશ્વાસ અંતરાલની ગણતરી કરીએ:

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

    ક્યાં:

    • A23 એ લક્ષ્ય તારીખ છે
    • $B$2:$B$22 એ ઐતિહાસિક ડેટા છે
    • $A$2:$ A$22 એ તારીખો છે

    છેલ્લી 4 દલીલો અવગણવામાં આવી છે, જે એક્સેલને ડિફોલ્ટ વિકલ્પોનો ઉપયોગ કરવાનું કહે છે:

    • વિશ્વાસનું સ્તર 95% પર સેટ કરો.
    • મોસમને આપમેળે શોધો.
    • પડોશી પોઈન્ટની સરેરાશ તરીકે ખૂટતા પોઈન્ટને પૂર્ણ કરો.
    • સરેરાશનો ઉપયોગ કરીને સમાન ટાઈમસ્ટેમ્પ સાથે બહુવિધ ડેટા મૂલ્યોને એકત્ર કરોફંક્શન.

    આપેલા મૂલ્યોનો ખરેખર અર્થ શું થાય છે તે સમજવા માટે, કૃપા કરીને નીચે આપેલા સ્ક્રીનશોટ પર એક નજર નાખો (અતિહાસિક ડેટા સાથેની કેટલીક પંક્તિઓ જગ્યા ખાતર છુપાયેલી છે).

    આ D23 માં સૂત્ર પરિણામ 6441.22 આપે છે (2 દશાંશ બિંદુઓ પર ગોળાકાર). તેનો અર્થ એ છે કે 95% સમયે, 11-માર્ચ માટેનું અનુમાન અનુમાનિત મૂલ્ય 61,075 (C3) ના 6441.22 ની અંદર આવવાની ધારણા છે. તે 61,075 ± 6441.22 છે.

    જે શ્રેણીમાં અનુમાનિત મૂલ્યો ઘટવાની શક્યતા છે તે શોધવા માટે, તમે દરેક ડેટા બિંદુ માટે વિશ્વાસ અંતરાલની સીમાઓની ગણતરી કરી શકો છો.

    નીચલી સીમા મેળવવા માટે, અનુમાનિત મૂલ્યમાંથી વિશ્વાસ અંતરાલ બાદ કરો:

    =C23-D23

    ઉપલા બાઉન્ડ મેળવવા માટે, અનુમાનિત મૂલ્યમાં વિશ્વાસ અંતરાલ ઉમેરો:

    =C23+D23

    જ્યાં C23 એ FORECAST.ETS દ્વારા પરત કરવામાં આવેલ અનુમાનિત મૂલ્ય છે અને D23 એ FORECAST.ETS.CONFINT દ્વારા પરત કરવામાં આવેલ વિશ્વાસ અંતરાલ છે.

    ઉપરોક્ત સૂત્રોને નીચે કૉપિ કરો, પરિણામોને ચાર્ટ પર લખો અને તમારી પાસે અનુમાનિત મૂલ્યો અને આત્મવિશ્વાસ અંતરાલનું સ્પષ્ટ વિઝ્યુઅલ પ્રતિનિધિત્વ હશે:

    ટીપ. તમારા માટે આવો ગ્રાફ આપોઆપ બનાવવા માટે, એક્સેલ ફોરકાસ્ટ શીટ સુવિધાનો લાભ લો.

    Excel FORECAST.ETS.SEASONALITY ફંક્શન

    FORECAST.ETS.SEASONALITY ફંક્શનનો ઉપયોગ તેની લંબાઈની ગણતરી કરવા માટે થાય છે. ઉલ્લેખિત સમયરેખામાં રિકરિંગ પેટર્ન. તેની સાથે ગાઢ રીતે જોડાયેલું છે

    માઈકલ બ્રાઉન સોફ્ટવેર ટૂલ્સનો ઉપયોગ કરીને જટિલ પ્રક્રિયાઓને સરળ બનાવવાના જુસ્સા સાથે સમર્પિત ટેકનોલોજી ઉત્સાહી છે. ટેક ઉદ્યોગમાં એક દાયકા કરતાં વધુ અનુભવ સાથે, તેમણે Microsoft Excel અને Outlook, તેમજ Google Sheets અને Docsમાં તેમની કુશળતાને સન્માનિત કરી છે. માઈકલનો બ્લોગ તેના જ્ઞાન અને કુશળતાને અન્ય લોકો સાથે શેર કરવા માટે સમર્પિત છે, ઉત્પાદકતા અને કાર્યક્ષમતામાં સુધારો કરવા માટે અનુસરવામાં સરળ ટીપ્સ અને ટ્યુટોરિયલ્સ પ્રદાન કરે છે. ભલે તમે અનુભવી વ્યાવસાયિક હોવ કે શિખાઉ માણસ, માઈકલનો બ્લોગ આ આવશ્યક સોફ્ટવેર સાધનોમાંથી સૌથી વધુ મેળવવા માટે મૂલ્યવાન આંતરદૃષ્ટિ અને વ્યવહારુ સલાહ આપે છે.