Analýza časových radov je centrálnym prvkom štatistiky, najmä v hospodárskych vzťahoch. V tejto príručke ťa prevedieme prípadovou štúdiou dodávateľa pre automobilový priemysel, aby si získal ucelené porozumenie chybám analýz a odhadov kvality v Exceli. Zistíš, ako porovnávať prognózy s reálnymi hodnotami a ako kvantifikovať kvalitu svojich prognóz pomocou analýz chýb.
Najdôležitejšie poznatky
- Naučíš sa, ako môžu byť prognózy a reálne hodnoty v Exceli zobrazené vedľa seba.
- Zistíš, aké hodnoty chýb sú využívané na vyhodnotenie kvality prognózy.
- V závere budeš schopný vypočítať koeficient variácie a chybu root mean square error (RMSE).
Krok za krokom sprievodca
Začni tým, že zadať hodnoty za rok 2019 ako prognózy a hodnoty za rok 2020 ako reálne hodnoty Do Excelu. Dôrazne odporúčame, aby si presne preniesol čísla, aby si vytvoril pevný základ pre svoje výpočty.
Na vykonanie analýzy potrebuješ surové údaje z oboch rokov. Uistite sa, že máte potvrdené hodnoty za rok 2020 a potom zahrňte prognózy pre rok 2019. Tieto hodnoty slúžia ako základ pre tvoje výpočty.
Teraz skopírujte surové údaje za rok 2020 do pracovnej oblasti a úplne ich vložte. Na udržanie jasnej štruktúry výpočtov je dobré vytvoriť samostatné stĺpce na prognózy a reálne hodnoty.
V ďalšom kroku odčítaš prognózy od reálnych hodnôt na výpočet chýb. Na tento účel použite vzorec „Chyba = Reálna hodnota - Prognóza“. Rozťahujte tento výpočet cez všetky vaše dátové body, aby sa kvantifikovali všetky chyby.
Keď už máte vypočítané chyby, nasledujúcim krokom je umocnenie týchto chýb. To znamená, že každú chybu vynásobíte sama sebou, čo vám poskytne námocnené chyby.
Následne vypočítajte priemer námocnených chýb. Na tento účel využite funkciu „Priemer“ v Exceli a rozdeľte súčet námocnených chýb počtom pozorovaní. Tým získate priemernú štvorcovú chybu.
Po zistení priemeru námocnených chýb si spočítate odmocninu z tohto priemeru. Takto získate root mean square error (RMSE). Táto hodnota je kľúčová pre hodnotenie kvality tvojich prognóz.
Teraz chcete spočítať aj priemer reálnych hodnôt. Na to znovu použite funkciu „Priemer“ a vyberte príslušné reálne hodnoty. Tento priemer je dôležitý pre neskoršie vyhodnotenie koeficientu variácie.
V ďalšom kroku vypočítate koeficient variácie (KV). KV sa získava delením RMSE priemerom reálnych hodnôt. Toto vám poskytne percentuálnu reprezentáciu chýb voči reálnym hodnotám, ktorá hodnotí kvalitu vašich prognóz.
Je podstatné interpretovať koeficient variácie. KV 0,08 znamená nízku relatívnu fluktuáciu a tým pádom vysokú kvalitu prognózy. Tieto čísla a poznatky môžete zaznamenať aj do referenčnej tabuľky pre lepšie pochopenie výsledkov.
Záverom si mohli analyzovať prognózy a reálne hodnoty v Exceli cez viacero krokov. Výpočet chýb, umocňovanie, vytváranie priemerov a nakoniec určenie koeficientu variácie sú základné postupy na hodnotenie kvality analýz časových radov.
Zhrnutie
V tejto príručke si preskúmal, ako analýzovať časové rady v Exceli a porovnať prognózy s reálnymi hodnotami. Naučil si sa počítať chyby, umocňovať ich a kvantifikovať kvalitu svojich prognóz. Vďaka určeniu koeficientu variácie máš teraz schopnosť lepšie odhadnúť budúce prognózy.
Časté otázky
Ako môžem zobraziť reálne hodnoty a prognózy v Exceli?Vytvorte samostatné stĺpce pre reálne hodnoty a prognózy a vložte príslušné hodnoty do týchto stĺpcov.
Ako vypočítať RMSE?RMSE sa vypočíta odvodením odmocniny z priemeru námocnených chýb.
Čo znamená vysoký koeficient variácie?Vysoký koeficient variácie naznačuje vysokú relatívnu fluktuáciu, čo naznačuje nižšiu kvalitu prognózy.
Prečo je dôležité umocňovať chyby?Umocňovanie chýb zabezpečí, že pozitívne a negatívne odchýlky sa navzájom nevyruší, keď sa vypočíta priemer.
