365 De Media Móvil

El cálculo de la media móvil en Excel En este breve tutorial, aprenderá cómo calcular rápidamente una media móvil simple en Excel, lo que funciona para utilizar para obtener promedio móvil de los últimos N días, semanas, meses o años, y cómo agregar un movimiento línea de tendencia promedio a un gráfico de Excel. En un par de artículos recientes, hemos dado un vistazo de cerca a calcular el promedio en Excel. Si usted ha estado siguiendo nuestro blog, que ya sabe cómo calcular un promedio normal y lo que funciona para su uso para calcular la media ponderada. En el tutorial de hoy, vamos a discutir dos técnicas básicas para el cálculo de la media móvil en Excel. Lo que se está moviendo promedio Hablando en términos generales, la media móvil (también se refirió a la media, como la rodadura. Funcionamiento normal o en movimiento media) se puede definir como una serie de medias para diferentes subconjuntos del mismo conjunto de datos. Se utiliza con frecuencia en las estadísticas, estacionalmente ajustada previsión económica y tiempo para comprender las tendencias subyacentes. En el comercio de acciones, media móvil es un indicador que muestra el valor medio de un valor en un período de tiempo determinado. En los negocios, es una práctica común para calcular una media móvil de las ventas de los últimos 3 meses para determinar la tendencia reciente. Por ejemplo, la media móvil de las temperaturas de tres meses se puede calcular tomando el promedio de las temperaturas de enero a marzo, entonces el promedio de las temperaturas de febrero a abril, a continuación, de marzo a mayo, y así sucesivamente. Existen diferentes tipos de media móvil como sencillo (también conocido como aritmética), exponencial, variable, triangular, y ponderada. En este tutorial, vamos a estar buscando en la media móvil simple más utilizada. El cálculo de la media móvil simple en Excel En general, hay dos maneras de obtener una media móvil simple en Excel - mediante el uso de fórmulas y opciones de línea de tendencia. Los siguientes ejemplos demuestran ambas técnicas. Ejemplo 1. Calcular el promedio móvil durante un cierto período de tiempo una media móvil simple se puede calcular en poco tiempo con la función PROMEDIO. Suponiendo que haya una lista de las temperaturas medias mensuales en la columna B, y quiere encontrar un promedio móvil de 3 meses (como se muestra en la imagen de arriba). Escribir una fórmula media habitual para los 3 primeros valores y de entrada que en la fila correspondiente al valor de 3º de la parte superior (celda C4 en este ejemplo), y luego copiar la fórmula hacia abajo a otras celdas de la columna: Puede fijar el columna con una referencia absoluta (como B2) si se quiere, pero asegúrese de utilizar referencias de fila relativos (sin el signo) de manera que la fórmula se ajusta adecuadamente a otras células. Recordando que en promedio se calcula mediante la suma de los valores y dividiendo la suma por el número de valores de promediarse, se puede verificar el resultado mediante el uso de la fórmula SUMA: Ejemplo 2. Obtener un promedio móvil de los últimos N días / semanas / meses / años en una columna Suponiendo que haya una lista de los datos, por ejemplo, cifras de venta o cotizaciones de bolsa, y que quieren saber el promedio de los últimos 3 meses en cualquier punto del tiempo. Para esto, se necesita una fórmula que volver a calcular la media en cuanto se introduce un valor para el siguiente mes. ¿Qué función de Excel es capaz de hacer esto El buen promedio de edad en combinación con offset y count. PROMEDIO (OFFSET (primera celda COUNT (gama completa) -. N, 0, N, 1)) donde N es el número de los últimos días / semanas / meses / años para incluir en el promedio. No estoy seguro de cómo utilizar esta fórmula de media móvil en su Excel con el siguiente ejemplo se harán las cosas más claras. Suponiendo que los valores de medias se sitúan en la columna B a partir de la fila 2, la fórmula sería la siguiente: Y ahora, vamos a tratar de entender lo que este movimiento Excel fórmula media está haciendo realidad. La función COUNT COUNT (B2: B100) cuenta cómo ya se introducen muchos valores en la columna B. empezamos a contar en B2, porque la fila 1 es la cabecera de la columna. La función OFFSET toma la celda B2 (el argumento 1 st) como punto de partida, y compensa el conteo (el valor devuelto por la función COUNT) moviendo 3 filas hacia arriba (-3 en el argumento 2º). Como resultado, se devuelve la suma de los valores en un rango que consta de 3 filas (3 en el 4º argumento) y 1 columna (1 en el último argumento), que es más de 3 meses que queremos. Por último, la suma devuelta se pasa a la función PROMEDIO para calcular la media móvil. Propina. Si está trabajando con hojas de trabajo de forma continua actualizables donde las nuevas filas son susceptibles de ser añadido en el futuro, asegúrese de proporcionar un número suficiente de filas a la función CONTAR para dar cabida a posibles nuevas entradas. No es un problema si se incluyen más filas que realmente se necesita, siempre y cuando tenga la primera celda de la derecha, la función COUNT descartará todas las filas vacías de todos modos. Como podrá darse cuenta, la tabla de este ejemplo contiene datos de sólo 12 meses, y sin embargo, el rango B2: B100 se suministra a contar, sólo para estar en el lado ahorrar :) Ejemplo 3. Obtener promedio móvil de los últimos N valores en Si una fila que desea calcular un promedio móvil de los últimos N días, meses, años, etc., en la misma fila, se puede ajustar la fórmula de compensación de esta manera: Suponiendo B2 es el primer número de la fila, y desea para incluir los últimos 3 números en la media, la fórmula toma la siguiente forma: Creación de un gráfico de Excel en movimiento promedio Si ya ha creado un gráfico para los datos, la adición de una línea de tendencia media móvil para esa tabla es una cuestión de segundos. Para ello, vamos a utilizar la función de Excel Trendline y los pasos detallados a continuación seguimos. Para este ejemplo, he creado un gráfico de columnas 2-D (Insertar grupo Gráficas Tab GT) de nuestros datos de ventas: Y ahora, queremos visualizar el promedio móvil de 3 meses. En Excel 2010 y Excel 2007, Ir a la presentación de línea de tendencia gt gt Más opciones de línea de tendencia. Propina. Si no necesita especificar los detalles tales como el intervalo o los nombres de media móvil, puede hacer clic en Diseño Gráfico gt Añadir Elemento gt gt Trendline Media Móvil para el resultado inmediato. El panel Formato de línea de tendencia se abrirá en la parte derecha de la hoja de cálculo en Excel 2013, y el correspondiente cuadro de diálogo se abrirá en Excel 2010 y 2007.To refinar su chat, puede cambiar a la línea amp Relleno o pestaña Efectos de el panel Formato de línea de tendencia y jugar con diferentes opciones como el tipo de línea, color, ancho, etc. para el análisis de datos de gran alcance, es posible que desee añadir unas líneas de tendencia de media móvil con diferentes intervalos de tiempo para ver cómo evoluciona la tendencia. La siguiente captura de pantalla muestra los 2 meses (verde) y 3 meses (ladrillo rojo) que se mueven las líneas de tendencia promedio: Bueno, eso es todo acerca de cómo calcular la media móvil en Excel. La hoja de cálculo muestra con la que se mueven las fórmulas promedio y la línea de tendencia se encuentra disponible para su descarga - Mover hoja de cálculo de promedio. Les agradezco por leer y espero ver que la próxima semana Usted también podría estar interesado en: Ver la S038P 5008217s media móvil Una media móvil se puede decir mucho. Don8217t simplemente mira el Dow Jones de Industriales. It8217s la estadística financiera más conocido, pero doesn8217t cuenta toda la historia. El Índice 038 500 Poor8217s estándar sigue a un grupo mucho más grande y mucho más diversa de las existencias de los DJIA8217s sólo 30 empresas industriales. It8217s considerado como un buen referente para toda la economía de Estados Unidos. Si vas a Yahoo Finanzas y perder el tiempo un poco con el diagrama para el S038P 500 mediante la adición de una media móvil simple de los últimos 365 días (la línea roja), here8217s lo you8217ll ver para el período de 1995 a ahora: Las flechas de color púrpura que photoshopped en el gráfico de marcar los puntos cuando el S038P 500 se redujo significativamente por debajo de su media móvil de 365 días. Las flechas verdes marcan los puntos cuando el precio de cierre sumerge brevemente por debajo de ella. A partir de hoy, el precio de cierre es un poco más de 1 debajo de la línea roja del Doomtrade. Ver de cerca esta semana, porque creo que esta chart8217s va a conseguir otra flecha de color púrpura. Así se hace, Washington. Un comentario más sobre la media móvil S038P 5008217s Recuerde que este diagrama de lunes puse al día para darle la más alejada del índice cayó por debajo de sus 365 días de media móvil simple durante el calls8221 dos 8220close marcado por flechas verdes. El lunes los modelos de suavizado exponencial media y S038P 5008230Moving Como un primer paso para ir más allá de los modelos de medias, modelos de paseo aleatorio, y los modelos lineales de tendencia, patrones y tendencias no estacionales pueden ser extrapolados utilizando un modelo de media móvil o alisado. El supuesto básico detrás de promediado y modelos de suavizado es que la serie de tiempo es estacionaria localmente con una media de variación lenta. Por lo tanto, tomamos una media móvil (local) para estimar el valor actual de la media y luego usar eso como el pronóstico para el futuro próximo. Esto puede ser considerado como un compromiso entre el modelo de la media y la deriva en el modelo del paseo aleatorio, sin. La misma estrategia se puede utilizar para estimar y extrapolar una tendencia local. Un promedio móvil a menudo se llama una versión quotsmoothedquot de la serie original porque los promedios de corto plazo tiene el efecto de suavizar los baches en la serie original. Al ajustar el grado de suavizado (el ancho de la media móvil), que podemos esperar para golpear algún tipo de equilibrio óptimo entre el rendimiento de los modelos de medias y caminar al azar. El tipo más simple de promedio de modelos es el. Sencilla (igualmente ponderados) Media Móvil: El pronóstico para el valor de Y en el tiempo t1 que se hace en el tiempo t es igual a la media aritmética de las observaciones más recientes M: (Aquí y en otros lugares que va a utilizar el símbolo 8220Y-hat8221 reposar para obtener la previsión de las series temporales Y hecha en la fecha previa temprano posible de un modelo dado.) Este promedio se centra en el periodo t (m1) / 2, lo que implica que la estimación de la media local tenderá a la zaga del verdadero valor de la media local por cerca de (m1) / 2 períodos. Por lo tanto, decimos que la edad promedio de los datos de la media móvil simple (m1) / 2 con respecto al período para el que se calcula el pronóstico: esta es la cantidad de tiempo en que las previsiones tienden a la zaga de los puntos de inflexión en el datos. Por ejemplo, si son un promedio de los últimos 5 valores, las previsiones será de unos 3 periodos tarde en la respuesta a los puntos de inflexión. Tenga en cuenta que si m1, el modelo de media móvil simple (SMA) es equivalente al modelo de paseo aleatorio (sin crecimiento). Si m es muy grande (comparable a la longitud del período de estimación), el modelo de SMA es equivalente al modelo de la media. Como con cualquier parámetro de un modelo de predicción, es costumbre para ajustar el valor de k con el fin de obtener el mejor quotfitquot a los datos, es decir, los errores de pronóstico más pequeños en promedio. Aquí está un ejemplo de una serie que parece mostrar fluctuaciones aleatorias alrededor de una media que varía lentamente. En primer lugar, permite tratar de encajar con un modelo de paseo aleatorio, lo que equivale a una media móvil simple de 1 plazo: El modelo de paseo aleatorio responde muy rápidamente a los cambios en la serie, pero al hacerlo se recoge gran parte de la quotnoisequot en el datos (las fluctuaciones aleatorias), así como la quotsignalquot (la media local). Si en lugar de probar una media móvil simple de 5 términos, obtenemos una puesta a punto más suave en busca de los pronósticos: El 5 plazo promedio móvil simple rendimientos significativamente más pequeños que los errores del modelo de paseo aleatorio en este caso. La edad promedio de los datos de esta previsión es de 3 ((51) / 2), de modo que tiende a la zaga de los puntos de inflexión en aproximadamente tres períodos. (Por ejemplo, una recesión parece haber ocurrido en el período de 21 años, pero las previsiones no dar la vuelta hasta varios períodos más tarde.) Tenga en cuenta que las previsiones a largo plazo del modelo de SMA son una línea recta horizontal, al igual que en el paseo aleatorio modelo. Por lo tanto, el modelo de SMA asume que no hay una tendencia en los datos. Sin embargo, mientras que las previsiones del modelo de paseo aleatorio son simplemente igual al último valor observado, las predicciones del modelo de SMA son iguales a una media ponderada de los valores recientes. Los límites de confianza calculados por Statgraphics para las previsiones a largo plazo de la media móvil simple no se ensanchan a medida que aumenta la previsión horizonte. Esto obviamente no es correcta Desafortunadamente, no existe una teoría estadística subyacente que nos dice cómo los intervalos de confianza debe ampliar para este modelo. Sin embargo, no es demasiado difícil de calcular estimaciones empíricas de los límites de confianza para los pronósticos a más largo horizonte. Por ejemplo, podría configurar una hoja de cálculo en la que el modelo de SMA sería utilizado para pronosticar 2 pasos por delante, 3 pasos por delante, etc., dentro de la muestra de datos históricos. A continuación, podría calcular las desviaciones estándar de la muestra de los errores en cada horizonte de pronóstico, y luego construir intervalos de confianza para los pronósticos a más largo plazo sumando y restando múltiplos de la desviación estándar correspondiente. Si tratamos una media móvil simple de 9 plazo, obtenemos previsiones aún más suaves y más de un efecto rezagado: La edad media es ahora de 5 puntos ((91) / 2). Si tomamos una media móvil de 19 plazo, el promedio de edad aumenta a 10: Tenga en cuenta que, de hecho, las previsiones están quedando atrás los puntos de inflexión en alrededor de 10 periodos. ¿Qué cantidad de suavizado que es mejor para esta serie Aquí se presenta una tabla que compara sus estadísticas de errores, incluyendo también una 3-plazo promedio: Modelo C, la media móvil de 5 plazo, se obtiene el valor más bajo de RMSE por un pequeño margen sobre el 3 - term y 9 plazo promedios, y sus otras estadísticas son casi idénticos. Así, entre los modelos con las estadísticas de errores muy similares, podemos elegir si preferimos un poco más la capacidad de respuesta o un poco más de suavidad en los pronósticos. (Volver al comienzo de la página.) Browns suavizado exponencial simple (promedio móvil ponderado exponencialmente) El modelo de media móvil simple descrito anteriormente tiene la propiedad indeseable que trata los últimos k observaciones por igual y completamente ignora todas las observaciones precedentes. Intuitivamente, los datos del pasado deben ser descontados de forma más gradual - por ejemplo, la observación más reciente debería ser un poco más de peso que 2 más reciente, y el segundo más reciente debería ser un poco más peso que la 3 más reciente, y pronto. El modelo de suavizamiento exponencial simple (SES) logra esto. Vamos a 945 denotan un constantquot quotsmoothing (un número entre 0 y 1). Una forma de escribir el modelo es definir una serie L que representa el nivel actual (es decir, valor medio local) de la serie como se estima a partir de datos hasta el presente. El valor de L en el tiempo t se calcula de forma recursiva a partir de su propio valor anterior así: Por lo tanto, el valor suavizado actual es una interpolación entre el valor suavizado anterior y la observación actual, donde los 945 controles de la proximidad entre el valor interpolado a la más reciente observación. La previsión para el próximo período es simplemente el valor suavizado actual: De manera equivalente, podemos expresar el pronóstico siguiente directamente en función de las previsiones anteriores y observaciones anteriores, en cualquiera de las siguientes versiones equivalentes. En la primera versión, la previsión es una interpolación entre pronóstico anterior y observación anterior: En la segunda versión, el siguiente pronóstico se obtiene mediante el ajuste de la previsión anterior en la dirección del error anterior por una cantidad fraccionaria 945. está el error cometido en el tiempo t. En la tercera versión, el pronóstico es un ponderado exponencialmente (es decir, descontado) de media móvil con el factor de descuento 1- 945: La versión de interpolación de la fórmula de predicción es el más simple de usar si está implementando el modelo en una hoja de cálculo: se ajusta en una sola célula y contiene referencias a celdas que apuntan a la previsión anterior, la observación anterior, y la célula donde se almacena el valor de 945. Tenga en cuenta que si 945 1, el modelo SES es equivalente a un modelo de paseo aleatorio (sin crecimiento). Si 945 0, el modelo SES es equivalente al modelo de la media, suponiendo que el primer valor de suavizado se establece igual a la media. (Volver al comienzo de la página.) La edad promedio de los datos en el pronóstico a simple alisado exponencial es 1/945 con respecto al período para el que se calcula el pronóstico. (Esto no se supone que es obvio, pero se puede demostrar fácilmente mediante la evaluación de una serie infinita.) Por lo tanto, el simple previsión de media móvil tiende a la zaga de los puntos de inflexión en alrededor de 1/945 períodos. Por ejemplo, cuando 945 0.5 el retraso es de 2 945 periodos en los que el retraso es 0,2 5 0,1 945 periodos en los que el retraso es de 10 períodos, y así sucesivamente. Para una edad media determinada (es decir, cantidad de lag), el suavizamiento exponencial simple (SES) Pronóstico es algo superior a la previsión media móvil simple (SMA) porque pone relativamente más peso en la más reciente --i. e observación. es ligeramente más quotresponsivequot a los cambios que ocurren en el pasado reciente. Por ejemplo, un modelo de SMA con 9 términos y un modelo de SES con 945 0.2 ambos tienen una edad promedio de 5 para los datos en sus previsiones, pero el modelo SES pone más peso en los últimos 3 valores que lo hace el modelo de SMA y en el mismo tiempo doesn8217t totalmente 8220forget8221 sobre los valores de más de 9 períodos de edad, como se muestra en esta tabla: Otra ventaja importante del modelo SES sobre el modelo SMA es que el modelo SES utiliza un parámetro de suavizado que es continuamente variable, por lo que puede fácilmente optimizada mediante el uso de un algoritmo de quotsolverquot para minimizar el error cuadrático medio. El valor óptimo de 945 en el modelo SES para esta serie resulta ser 0.2961, como se muestra aquí: La edad promedio de los datos de esta previsión es de 1 / 0,2961 3,4 periodos, que es similar a la de un móvil simple 6 plazo promedio. Las previsiones a largo plazo del modelo de SES son una línea recta horizontal. como en el modelo de SMA y el modelo de paseo aleatorio sin crecimiento. Sin embargo, tenga en cuenta que los intervalos de confianza calculados por Statgraphics ahora divergen de un modo de aspecto razonable, y que son sustancialmente más estrecha que los intervalos de confianza para el modelo de paseo aleatorio. El modelo SES asume que la serie es un poco predictablequot quotmore que lo hace el modelo de paseo aleatorio. Un modelo SES es en realidad un caso especial de un modelo ARIMA. por lo que la teoría estadística de los modelos ARIMA proporciona una buena base para el cálculo de los intervalos de confianza para el modelo SES. En particular, un modelo SES es un modelo ARIMA con una diferencia no estacional, un MA (1) plazo, y sin término constante. también conocido como un modelo quotARIMA (0,1,1) sin constantquot. El MA (1) coeficiente en el modelo ARIMA corresponde a la cantidad 1- 945 en el modelo de SES. Por ejemplo, si encaja en un modelo ARIMA (0,1,1) sin el temor constante a la serie analizada aquí, el MA estimado (1) coeficiente resulta ser 0.7029, que es casi exactamente uno menos 0,2961. Es posible añadir el supuesto de un no-cero tendencia constante lineal a un modelo de SES. Para ello, sólo tiene que especificar un modelo ARIMA con una diferencia no estacional y un (1) término MA con una constante, es decir, un modelo ARIMA (0,1,1) con constante. Las previsiones a largo plazo tendrán entonces una tendencia que es igual a la tendencia promedio observado durante todo el período de estimación. No se puede hacer esto en conjunto con ajuste estacional, ya que las opciones de ajuste estacional se desactivan cuando el tipo de modelo se establece en ARIMA. Sin embargo, se puede añadir una tendencia exponencial constante a largo plazo a un simple modelo de suavizado exponencial (con o sin ajuste estacional) mediante el uso de la opción de ajuste de la inflación en el procedimiento de pronóstico. La tasa de quotinflationquot apropiado (porcentaje de crecimiento) por período se puede calcular como el coeficiente de la pendiente en un modelo de tendencia lineal ajustada a los datos en conjunción con una transformación logaritmo natural, o puede basarse en otra información, independiente sobre las perspectivas de crecimiento a largo plazo . (Volver a la parte superior de la página.) Browns lineales (es decir, dobles) modelos de suavizado exponencial de la media móvil y modelos SES asumen que no hay una tendencia de cualquier tipo en los datos (que es por lo general OK o al menos no muy malo para 1- previsiones paso por delante cuando los datos son relativamente ruidoso), y que pueden ser modificados para incorporar una tendencia lineal constante como se muestra arriba. ¿Qué hay de tendencias a corto plazo Si una serie muestra una tasa variable de crecimiento o un patrón cíclico que se destaca claramente contra el ruido, y si hay una necesidad de pronosticar más de 1 periodo por delante, a continuación, la estimación de una tendencia local también puede ser un problema. El modelo simple de suavizado exponencial se puede generalizar para obtener un modelo lineal de suavizado exponencial (LES) que calcula las estimaciones locales de tanto nivel y la tendencia. El modelo de tendencia variable en el tiempo más simple es Browns lineales exponencial modelo de suavizado, que utiliza dos series diferentes alisado que se centran en diferentes puntos en el tiempo. La fórmula de predicción se basa en una extrapolación de una línea a través de los dos centros. (Una versión más sofisticada de este modelo, Holt8217s, se discute a continuación.) La forma algebraica de Brown8217s lineal modelo de suavizado exponencial, al igual que la del modelo simple de suavizado exponencial, se puede expresar en un número de formas diferentes pero equivalentes. La forma quotstandardquot de este modelo se suele expresar como sigue: Sea S la serie suavizada por enlaces sencillos, obtenido mediante la aplicación de suavizado exponencial simple de la serie Y. Es decir, el valor de S en el período t viene dada por: (Hay que recordar que, en virtud de simples suavizado exponencial, esto sería el pronóstico para Y en el periodo t1), entonces Squot denotan la serie suavizada doblemente obtenido mediante la aplicación de suavizado exponencial simple (utilizando la misma 945) de la serie S:. por último, el pronóstico para tk Y. para cualquier kgt1, viene dada por: Esto produce e 1 0 (es decir, engañar un poco, y dejar que el primer pronóstico es igual a la primera observación real), y e 2 Y2 Y1 8211. después de lo cual las previsiones se generan utilizando la ecuación anterior. Esto produce los mismos valores ajustados según la fórmula basada en S y S si éstas se puso en marcha el uso de S 1 S 1 Y 1. Esta versión del modelo se utiliza en la siguiente página que ilustra una combinación de suavizado exponencial con ajuste estacional. modelo Holt8217s lineal de suavizado exponencial Brown8217s LES calcula estimaciones locales de nivel y la tendencia al suavizar los datos recientes, pero el hecho de que lo hace con un único parámetro de suavizado un factor limitante para los patrones de datos que es capaz de encajar: el nivel y la tendencia no se les permite variar a frecuencias independientes. modelo Holt8217s LES resuelve este problema mediante la inclusión de dos constantes de suavizado, una para el nivel y uno para la tendencia. En cualquier momento t, como en el modelo Brown8217s, el no es una estimación L t del nivel local y una estimación T t de la tendencia local. Aquí se computan de forma recursiva a partir del valor de Y observó en el tiempo t, y las estimaciones anteriores del nivel y la tendencia por dos ecuaciones que se aplican suavizado exponencial a ellos por separado. Si el nivel estimado y la tendencia en el tiempo t-1 son L y T t82091 t-1. respectivamente, entonces el pronóstico para Y tshy que se habrían hecho en el momento t-1 es igual a L-1 t t t-1. Cuando se observa el valor real, la estimación actualizada del nivel se calcula de forma recursiva mediante la interpolación entre Y tshy y su pronóstico, L-1 t t t-1, usando pesos de 945 y 945. 1- El cambio en el nivel estimado, es decir, L t L 8209 t82091. puede interpretarse como una medición de ruido de la tendencia en el tiempo t. La estimación actualizada de la tendencia se calcula entonces de forma recursiva mediante la interpolación entre L T 8209 L t82091 y la estimación anterior de la tendencia, T t-1. usando pesos de 946 y 1-946: La interpretación de la tendencia constante de alisamiento 946 es análoga a la de los de nivel constante de alisamiento 945. Los modelos con valores pequeños de 946 asume que la tendencia cambia sólo muy lentamente con el tiempo, mientras que los modelos con 946 más grande asumen que está cambiando más rápidamente. Un modelo con un gran 946 cree que el futuro lejano es muy incierto, ya que los errores en la estimación de la tendencia-llegar a ser bastante importante cuando la previsión de más de un período que se avecina. (Volver al principio de la página.) El suavizado constantes de 945 y 946 se puede estimar de la forma habitual mediante la minimización del error cuadrático medio de las previsiones 1-paso-a continuación. Cuando esto se haga en Statgraphics, las estimaciones resultan ser 945 0,3048 y 946 0.008. El valor muy pequeño de 946 significa que el modelo supone muy poco cambio en la tendencia de un período a otro, por lo que, básicamente, este modelo está tratando de estimar una tendencia a largo plazo. Por analogía con la noción de que la edad promedio de los datos que se utiliza para estimar el nivel local de la serie, la edad media de los datos que se utiliza para estimar la tendencia local es proporcional a 1/946, aunque no exactamente igual a eso. En este caso que resulta ser 1 / 0.006 125. Esta isn8217t un número muy preciso ya que la precisión de la estimación de 946 isn8217t realmente 3 cifras decimales, pero es del mismo orden general de magnitud que el tamaño de muestra de 100 , por lo que este modelo tiene un promedio de más de un buen montón de historia para estimar la tendencia. La trama de previsión a continuación muestra que el modelo de LES estima una tendencia local de un poco más grande en el extremo de la serie de la tendencia constante estimado en el modelo SEStrend. Además, el valor estimado de 945 es casi idéntica a la obtenida ajustando el modelo SES con o sin tendencia, por lo que este es casi el mismo modelo. Ahora, hacen éstos se parecen a las previsiones razonables para un modelo que se supone que es la estimación de la tendencia local Si 8220eyeball8221 esta trama, parece que la tendencia local se ha convertido a la baja al final de la serie Lo que ha sucedido Los parámetros de este modelo se han estimado mediante la minimización del error al cuadrado de las previsiones de 1-paso adelante, no pronósticos a más largo plazo, en cuyo caso la tendencia doesn8217t hacen una gran diferencia. Si todo lo que está viendo son los errores 1-paso-a continuación, usted no está viendo el panorama general de las tendencias en (digamos) 10 o 20 períodos. Con el fin de conseguir este modelo más acorde con nuestra extrapolación de los datos de globo ocular, podemos ajustar manualmente la tendencia constante de alisamiento para que utilice una línea de base más corta para la estimación de tendencia. Por ejemplo, si elegimos para establecer 946 0.1, a continuación, la edad media de los datos utilizados en la estimación de la tendencia local es de 10 períodos, lo que significa que estamos promediando la tendencia de que los últimos 20 períodos más o menos. Here8217s lo que la trama de previsión parece si ponemos 946 0,1 945 0,3 mientras se mantiene. Esto parece intuitivamente razonable para esta serie, aunque es probable que sea peligroso extrapolar esta tendencia alguna más de 10 periodos en el futuro. ¿Qué pasa con las estadísticas de error Aquí está una comparación de modelos para los dos modelos que se muestran arriba, así como tres modelos SES. El valor óptimo de 945.para el modelo SES es de aproximadamente 0,3, pero resultados similares (con poco más o menos capacidad de respuesta, respectivamente) se obtienen con 0,5 y 0,2. exp lineal (A) Holt. suavizado con alfa y beta 0,3048 0,008 (B) Holts exp lineal. suavizado con alfa 0,3 y beta 0.1 (C) de suavizado exponencial simple con alfa 0,5 (D) de suavizado exponencial simple con alfa 0,3 (E) de suavizado exponencial simple con alfa 0,2 Sus estadísticas son casi idénticos, por lo que realmente can8217t tomar la decisión sobre la base de los errores de pronóstico 1 paso por delante dentro de la muestra de datos. Tenemos que recurrir a otras consideraciones. Si estamos convencidos de que tiene sentido basar la estimación actual tendencia en lo que ha ocurrido en los últimos 20 períodos más o menos, podemos hacer un caso para el modelo con LES y 945 0,3 946 0,1. Si queremos ser agnóstico sobre si existe una tendencia local, entonces uno de los modelos SLS podría ser más fácil de explicar y también daría más pronósticos media-of-the-road para los próximos 5 o 10 períodos. (Volver al principio de la página.) ¿Qué tipo de tendencia-extrapolación es mejor: La evidencia empírica horizontal o lineal sugiere que, si ya se han ajustado los datos (si es necesario) para la inflación, entonces puede ser imprudente extrapolar lineal a corto plazo tendencias muy lejos en el futuro. Tendencias hoy evidentes podrían crecer más en el futuro debido a causas variadas como la obsolescencia de los productos, el aumento de la competencia, y las depresiones cíclicas o repuntes en una industria. Por esta razón, suavizamiento exponencial simple menudo funciona mejor fuera de la muestra de lo que se podría esperar de otro modo, a pesar de su quotnaivequot horizontal extrapolación de tendencias. Amortiguadas modificaciones tendencia del modelo de suavizado exponencial lineal también se utilizan a menudo en la práctica de introducir una nota de cautela en sus proyecciones de tendencias. El modelo LES-tendencia amortiguada puede ser implementado como un caso especial de un modelo ARIMA, en particular, una (1,1,2) modelo ARIMA. Es posible calcular intervalos de confianza alrededor de las predicciones a largo plazo producidos por los modelos de suavizado exponencial, al considerarlos como casos especiales de los modelos ARIMA. (Cuidado: no todo el software calcula correctamente los intervalos de confianza para estos modelos.) La anchura de los intervalos de confianza depende de (i) el error RMS del modelo, (ii) el tipo de suavizado (simple o lineal) (iii) el valor (s) de la constante (s) de suavizado y (iv) el número de períodos por delante que se pronostica. En general, los intervalos se extienden más rápido a medida 945 se hace más grande en el modelo SES y se extienden mucho más rápido cuando se utiliza en lugar de lineal de suavizado simple. En este tema se tratará más adelante en la sección de modelos ARIMA de las notas. (Volver al principio de la página.) De Microsoft Office 365: Cambio de oficina a la nube de hacer el movimiento a Office 365 transmite ventajas únicas para pequeñas y medianas empresas, pero hay varios problemas de transición que debe considerar. Brien M. Posey Hay una variedad de beneficios para mover a Microsoft Office 365, en su mayoría relacionados con el costo y la fiabilidad. También hay varias cosas que usted debe tomar cuidado para evitar o hacer que lo hace correctamente, dependiendo de su entorno. Si usted tiene un pequeño o el inicio de negocios y no te todavía tienen un control sobre los locales de la red, no hay nada malo en ir por delante y el registro de un dominio y usarlo cuando se suscribe para Office 365. Sin embargo, si ya dispone de una infraestructura de red establecida, que puede ser un gran error para saltar con ambos pies y utilizar un nombre de dominio existente al momento de registrarse para Office 365. Después de mantener una red en las instalaciones que consiste en un dominio de laboratorio y un dominio de producción desde el año 1997, ya era hora de externalizar mi entorno de producción para Microsoft Office 365. La decisión no era tanto por el coste, ya que estaba a punto de fiabilidad. Continuidad de negocio exigió la externalización de mi entorno de producción. Al pasar a Microsoft Office 365, varias de las mejores prácticas de transición surgieron. El proceso de transición de Microsoft Office 365 está lleno de trampas. Usted no quiere correr el riesgo de interrumpir un proceso de negocio crítico al encontrar una de estas trampas. Siendo ese el caso, aquí hay una serie de recomendaciones para hacer el movimiento: El registro de un nombre de dominio nuevo se puede utilizar únicamente para propósitos de prueba. Eso es construir un laboratorio de pruebas de configuración similar al entorno de producción (pero en una escala más pequeña). Obtener la versión de prueba de Microsoft Office 365. Utilice el entorno de laboratorio y su nombre de dominio de usar y tirar para tener una idea de lo que la transición se sentirá como antes de comprometerse a la utilización de su nombre de dominio de producción. Decidir sobre el tipo de transición Una de las primeras decisiones youll tiene que hacer con respecto a la transición a Microsoft Office 365 es qué tipo de transición que desee utilizar. Una opción es realizar una migración basada en la coexistencia. El otro es para evitar la coexistencia en conjunto. La migración basada en la coexistencia trabaja para conectar a los servidores de Office 365 a su red en las instalaciones existentes. Esta trata a los servidores de Office 365 como una extensión de la red existente. Este tipo de transición puede ser temporal, o puede seguir funcionando en un estado de convivencia de forma indefinida. También puede optar por evitar la situación de coexistencia. En este caso, la oficina 365 es tratado como una entidad completamente separada. Migrar los datos existentes a Office 365 sin necesidad de utilizar la convivencia. Hay pros y los contras de ambos enfoques. Si decide tomar el enfoque de convivencia, su recomienda encarecidamente que se tome ventaja de la asistente encontró en Exchange Server 2010 SP2. Este asistente simplifica enormemente el proceso de migración. Sin el Asistente, la migración constará de aproximadamente 50 pasos. El Asistente consolida el proceso en seis etapas. A pesar de que el proceso de migración es asistente basado en e implica mucho menos pasos que lo haría si tuviera que llevar a cabo de forma manual, no te dan la idea de que el establecimiento de la convivencia es fácil. El establecimiento de la convivencia requiere una gran cantidad de planificación y trabajo duro. Que es mejor usar el entorno de laboratorio y un nombre de dominio disponible para trabajar a través del proceso de transición. De esa manera usted no tiene que sentir su camino a través del proceso de migración en un entorno de producción. Si vas con una migración no convivencia, el proceso es considerablemente más fácil. Sin embargo, evitar la coexistencia es por lo general sólo es adecuado para organizaciones muy pequeñas. En las organizaciones más grandes, su práctico tratar de volver a crear cuentas de usuario de forma manual y luego pasar los datos a la nube. Conoce al nuevo buzón de correo en la transición de mi propia organización de pequeñas empresas a Microsoft Office 365, he optado por el método no convivencia. El enfoque era similar a realizar una restauración tono de marcado en Exchange Server 2010. El primer paso fue la creación de buzones flamantes en el servidor de Microsoft Office 365 y configurar estos buzones para utilizar las mismas direcciones de correo electrónico como mis servidores de correo locales. A partir de ahí, el siguiente paso fue modificar el registro MX de mi dominio para el correo comenzaría que fluye hacia el servidor de buzón de la oficina 365, en lugar del servidor de buzón de correo local. En ese momento, el único que queda por hacer era redirigir mis clientes de Outlook al nuevo buzón y mover los mensajes antiguos para el servidor de buzones de Office 365. Mover todos los mensajes antiguos destinados a copiar todo el correo de mi servidor de buzón de correo local a una serie de archivos PST (un archivo PST por separado para cada buzón). Una vez que he vinculado Outlook para los nuevos buzones, conecté los archivos PST y se trasladó a los mensajes de los archivos PST en el servidor de buzón de correo basado en la nube. Este proceso resultó ser mano de obra intensiva, por lo que probablemente no sería adecuado para una gran organización. Para una red pequeña, sin embargo, el proceso funcionó muy bien. registro de las actualizaciones DNS El MX tuvo que ser actualizado antes de cambiar a la implementación de Office 365. Sin embargo, el registro MX es sólo uno de varios registros DNS que necesitaba una actualización con el fin de utilizar Microsoft Office 365. Aunque las actualizaciones de DNS son relativamente fáciles de realizar, hay un par de factores importantes que hay que tener en cuenta. La primera consiste en determinar quién tiene la autoridad para realizar modificaciones en sus registros DNS. La mayoría de las organizaciones probablemente serán capaces de tomar sus propias modificaciones DNS a través de un servidor DNS en las instalaciones o una consola web proporcionado por un proveedor de Internet. En este caso, sin embargo, que no tuve acceso directo a mis registros DNS. De hecho, me tenía que tener mi ISP hacer las modificaciones para mí. Independientemente de si el youll estar haciendo sus propias modificaciones de registro DNS o dejando que a su ISP, sólo tener en cuenta usted necesitará hacer varias modificaciones. Tendrás que crear un registro especial de DNS como una manera de demostrar a Microsoft que de hecho el propietario del dominio. Una vez que haya registrado el dominio con Office 365, hay una serie de otros registros DNS usted necesitará crear o modificar. Dependiendo del tipo de transición youre realización, estas modificaciones pueden ocurrir a la vez o por separado. Es posible que tenga que modificar los registros DNS de forma individual a medida que comienza la transición de servicios específicos. El único problema de DNS me encontré durante este proceso fue que mi ISP utiliza un servidor DNS Lenox basado en la línea de comandos. Como tal, no tenía idea de cómo crear algunos de los registros de recursos que son requeridos por Microsoft Lync. En última instancia, estos registros no fue necesario para la forma en que uso Oficina 365. Podría haber sido un gran problema, sin embargo, si yo fuera muy dependiente de Lync. La sincronización de Active Directory Si decide llevar a cabo una transición basada en la coexistencia, usted necesita tomar en cuenta el proceso de sincronización de Active Directory. Al realizar una implementación de convivencia, usted seguirá teniendo los controladores de dominio de correo locales. Habrá países en desarrollo basados ​​en la nube también. Microsoft Office 365 está diseñado para realizar la sincronización de Active Directory requerida entre en las instalaciones y los países en desarrollo basados ​​en la nube. Es posible que no se dan cuenta hasta que sea demasiado tarde de que el proceso de sincronización de Active Directory es una calle de sentido único. Si realiza modificaciones en el Active Directory local, esos cambios se sincronizarán con la nube. Por otro lado, si usted hace modificaciones a la copia basada en la nube de su Active Directory, los cambios suele ser sincronizados a sus controladores de dominio locales. De hecho, sus cambios con el tiempo serán reemplazados por el proceso de sincronización de directorios. Herramientas de terceros Uno de los aspectos menudo pasado por alto de la transición a Microsoft Office 365 es que, dependiendo de la naturaleza de la transición, los productos de terceros en las que su organización ya ha invertido podrían ser inútiles. En algunos casos, los productos de software de terceros pueden seguir trabajando si su empresa mantiene una implementación local, además de la distribución basada en la nube. Esto está lejos de ser una garantía, sin embargo. funcionalidad continuo depende en gran medida del producto individual y la naturaleza de la implementación de Office 365. El problema con el uso de software de terceros es que duerma Microsoft permite instalar productos de software en servidores basados ​​en la nube. Por lo tanto, si usted tiene utilidades usted está actualmente en ejecución en local de Exchange, SharePoint o servidores de Lync, usted no será capaz de desplegar dichas utilidades para servidores basados ​​en la nube de Microsoft. En algunos casos esta limitación puede ser un gran problema. Antes de la transición a Office 365, la red utiliza GFI Mail essentials para el control de correo no deseado. Me había puesto una cantidad considerable de tiempo en la construcción de una lista blanca para asegurar los mensajes del cliente nunca fueron tratados como spam. Igual de importante, el mecanismo de filtrado de spam se puso a punto para deshacerse de la gran mayoría de los miles de mensajes de spam que llegan todos los días. Después de hacer el cambio a Office 365, que tenía que dejar de utilizar GFI Mail essentials. Microsoft proporciona Forefront para Exchange como un medio de control de correo no deseado, pero aún así tomó la mayor parte de un mes a Forefront afinar hasta el punto en que era capaz de filtrar la mayor parte del spam entrante. En mi caso, el control de correo no deseado era el único servicio afectado por la imposibilidad de ejecutar las utilidades de terceros en Microsoft Office 365 servidores. Las organizaciones más grandes pueden llegar a tener que renunciar a otros servicios. Estos podrían incluir herramientas para las tareas comunes tales como software de supervisión de cumplimiento o de mensajería. Consideraciones de Outlook la imposibilidad de utilizar los productos de nivel de servidor de terceros con Microsoft Office 365 puede no ser un problema para algunas organizaciones. Sin embargo, también hay algunas limitaciones del lado del cliente debe tener en cuenta. Para empezar, las versiones anteriores de Microsoft Outlook no funcionan con Microsoft Office 365. Office 365 requiere el mínimo de Outlook 2007. Esto significa que las organizaciones que ejecutan Office 2003 o incluso versiones anteriores de Office tendrán que actualizar antes de pasar a Office 365. Vale la pena señalar que algunos de los paquetes de suscripción de Office 365 incluyen Microsoft Office 2010 de concesión de licencias en las instalaciones. Por supuesto, aplicación web de Outlook se incluye con todas las suscripciones de Microsoft Office 365, que pueden ser utilizados como una alternativa a Outlook. Otra consideración importante para Outlook es que algunos de terceros de Outlook complementos no trabajará con Office 365. Muchos de los de Outlook add-ons (como software antivirus, software de archivado de mensajes, etc.) se basan en aplicaciones de mensajería interfaz de programación (MAPI ), y la Oficina 365 tenga soporte para el uso de la pila de MAPI. Como tales, los servicios públicos basados ​​en MAPI no trabajarán con Office 365. Claramente, hay algunos factores importantes a tener en cuenta antes de migrar a Office 365. A pesar de ello, el cambio a Office 365 es que vale la pena. El servicio es siempre más fiable que las redes de correo locales, y menos tiempo dedicado a la administración de parches y otras tareas de mantenimiento equivale a un aumento de valor. Brien M. Posey, MVP, es autor técnico independiente con miles de artículos y de libros en su haber decenas. Puede visitar el sitio Web Poseys en brienposey. ContentHow relacionados para calcular los promedios móviles en Excel Análisis de datos de Excel para los maniquíes, 2ª Edición El comando Análisis de datos proporciona una herramienta para el cálculo de movimiento y exponencialmente suavizada promedios en Excel. Supongamos, por motivos de ilustración, que you8217ve recoge información diaria de la temperatura. Desea calcular los tres días de media móvil 8212 el promedio de los últimos tres días 8212 como parte de algunos simples predicción del tiempo. Para el cálculo de medias móviles para este conjunto de datos, siga los siguientes pasos. Para calcular un promedio móvil, haga clic en primer botón de comando Análisis de datos Los datos tab8217s. Cuando Excel muestra el cuadro de diálogo Análisis de datos, seleccionar el medio de objeto en movimiento de la lista y haga clic en Aceptar. Excel muestra el cuadro de diálogo de media móvil. Identificar los datos que desea utilizar para el cálculo de la media móvil. Haga clic en el cuadro de texto Rango de entrada de la caja de diálogo de media móvil. A continuación, identifique el rango de entrada, ya sea escribiendo una dirección de rango de hoja de cálculo o usando el ratón para seleccionar el rango de hoja de cálculo. Su referencia de rango debe utilizar direcciones de celdas absolutas. Una dirección de celda absoluta precede a la letra de la columna y el número de fila de signos, como en A1: A10. Si la primera célula en su rango de entrada incluye una etiqueta de texto para identificar o describir los datos, seleccione las etiquetas en casilla de verificación Primera fila. En el cuadro de texto Intervalo, informe a Excel cuántos valores a incluir en el cálculo de la media móvil. Se puede calcular un promedio móvil utilizando cualquier número de valores. De forma predeterminada, Excel utiliza los más recientes tres valores para el cálculo de la media móvil. Para especificar que algún otro número de valores se utiliza para calcular la media móvil, introducir ese valor en el cuadro de texto de intervalo. Dile a Excel dónde colocar los datos de media móvil. Utilice el cuadro de texto Rango de salida para identificar el rango de hoja de cálculo en la que desea colocar los datos de media móvil. En el ejemplo de hoja de cálculo, los datos de media móvil se ha colocado en el rango de hoja de cálculo B2: B10. (Opcional) Especificar si desea un gráfico. Si quieres un gráfico que representa gráficamente la información media móvil, seleccione la casilla de verificación Gráfico de salida. (Opcional) Indique si desea información sobre el error estándar calculado. Si se desea calcular los errores estándar para los datos, seleccione los errores estándar de verificación. Excel coloca los valores de error estándar junto a los valores de media móvil. (La información de error estándar entra en C2:. C10) Después de terminar de especificar lo que se mueve la información promedio que está calculado y donde lo desee colocado, haga clic en Aceptar. Excel calcula la media móvil de información. Nota: Si Excel doesn8217t tiene suficiente información para calcular un promedio móvil de un error estándar, se coloca el mensaje de error en la célula. Se puede ver varias células que muestran este mensaje de error como un valor.