Adicione uma linha de tendência ou média móvel a um gráfico Aplica-se a: Excel 2016 Word 2016 PowerPoint 2016 Excel 2013 Word 2013 Outlook 2013 PowerPoint 2013 Mais. Menos Para mostrar tendências de dados ou médias móveis em um gráfico que você criou. Você pode adicionar uma linha de tendência. Você também pode ampliar uma linha de tendência além de seus dados reais para ajudar a prever os valores futuros. Por exemplo, a seguinte linha de tendência linear prevê dois trimestres à frente e mostra claramente uma tendência ascendente que parece promissora para futuras vendas. Você pode adicionar uma linha de tendência a um gráfico 2-D que não está empilhado, incluindo área, barra, coluna, linha, estoque, dispersão e bolha. Você não pode adicionar uma linha de tendência a um gráfico empilhado, 3-D, radar, torta, superfície ou filhós. Adicione uma linha de tendência No seu gráfico, clique na série de dados para a qual deseja adicionar uma linha de tendência ou média móvel. A linha de tendência começará no primeiro ponto de dados da série de dados que você escolher. Verifique a caixa Trendline. Para escolher um tipo diferente de linha de tendência, clique na seta ao lado de Trendline. E depois clique em Exponencial. Previsão linear. Ou a média móvel de dois períodos. Para linhas de tendência adicionais, clique em Mais opções. Se você escolher Mais opções. Clique na opção desejada no painel Format Trendline em Trendline Options. Se você selecionar Polinômio. Insira a maior potência para a variável independente na caixa Ordem. Se você selecionar Moeda em Movimento. Insira o número de períodos a serem usados para calcular a média móvel na caixa Período. Dica: uma linha de tendência é mais precisa quando seu valor R-quadrado (um número de 0 a 1 que revela quão íntimo os valores estimados para a linha de tendência correspondem aos seus dados reais) é em ou próximo de 1. Quando você adiciona uma linha de tendência aos seus dados , O Excel calcula automaticamente o valor R-squared. Você pode exibir esse valor em seu gráfico, verificando o valor Exibir R-quadrado na caixa de gráfico (Formato do painel Trendline, Opções da Tendência). Você pode aprender mais sobre todas as opções de linha de tendência nas seções abaixo. Linha de tendência linear Use este tipo de linha de tendência para criar uma linha reta de melhor ajuste para conjuntos de dados lineares simples. Seus dados são lineares se o padrão em seus pontos de dados parecer uma linha. Uma linha de tendência linear geralmente mostra que algo está aumentando ou diminuindo a uma taxa constante. Uma linha de tendência linear usa essa equação para calcular os mínimos quadrados adequados para uma linha: onde m é a inclinação e b é a intercepção. A linha de tendência linear a seguir mostra que as vendas de refrigeradores aumentaram consistentemente ao longo de um período de 8 anos. Observe que o valor do R-quadrado (um número de 0 a 1 que revela o quão próximo os valores estimados para a linha de tendência correspondem aos seus dados reais) é 0.9792, o que é um bom ajuste da linha para os dados. Mostrando uma linha curvada de melhor ajuste, esta linha de tendência é útil quando a taxa de alteração nos dados aumenta ou diminui rapidamente e depois desacelera. Uma linha de tendência logarítmica pode usar valores negativos e positivos. Uma linha de tendência logarítmica usa essa equação para calcular os mínimos quadrados que se encaixam nos pontos: onde c e b são constantes e ln é a função de logaritmo natural. A seguinte linha de tendência logarítmica mostra o crescimento populacional previsto de animais em uma área de espaço fixo, onde a população se estabilizou à medida que o espaço para os animais diminuiu. Observe que o valor R-quadrado é 0.933, que é um ajuste relativamente bom da linha para os dados. Esta linha de tendência é útil quando seus dados flutuam. Por exemplo, quando você analisa ganhos e perdas em um grande conjunto de dados. A ordem do polinômio pode ser determinada pelo número de flutuações nos dados ou por quantas curvas (colinas e vales) aparecem na curva. Normalmente, uma linha de tendência polinomial da Ordem 2 tem apenas uma colina ou vale, uma Ordem 3 tem uma ou duas colinas ou vales, e uma Ordem 4 tem até três colinas ou vales. Uma linha de tendência polinomial ou curvilínea usa esta equação para calcular os mínimos quadrados que se encaixam nos pontos: onde b e são constantes. A linha de tendência polinomial da ordem 2 (uma colina) mostra a relação entre velocidade de condução e consumo de combustível. Observe que o valor R-squared é 0.979, que é próximo de 1, de modo que as linhas são adequadas aos dados. Mostrando uma linha curva, esta linha de tendência é útil para conjuntos de dados que comparam medidas que aumentam a uma taxa específica. Por exemplo, a aceleração de um carro de corrida em intervalos de 1 segundo. Você não pode criar uma linha de tendência de energia se seus dados contiverem valores zero ou negativos. Uma linha de tendência de energia usa essa equação para calcular os mínimos quadrados que se encaixam nos pontos: onde c e b são constantes. Nota: Esta opção não está disponível quando os dados incluem valores negativos ou nulos. O gráfico de medidas de distância a seguir mostra a distância em metros por segundos. A linha de tendência de energia demonstra claramente a crescente aceleração. Observe que o valor R-squared é 0.986, que é um ajuste quase perfeito da linha para os dados. Mostrando uma linha curva, esta linha de tendência é útil quando os valores de dados aumentam ou caem a taxas cada vez maiores. Você não pode criar uma linha de tendência exponencial se seus dados contiverem valores zero ou negativos. Uma linha de tendência exponencial usa esta equação para calcular os mínimos quadrados que se encaixam nos pontos: onde c e b são constantes e e é a base do logaritmo natural. A seguinte linha de tendência exponencial mostra a quantidade decrescente de carbono 14 em um objeto à medida que envelhece. Observe que o valor R-quadrado é 0.990, o que significa que a linha se encaixa perfeitamente nos dados. Tendência média média Esta linha de tendência eleva as flutuações nos dados para mostrar um padrão ou tendência com mais clareza. Uma média móvel usa um número específico de pontos de dados (definido pela opção Período), os em média e usa o valor médio como um ponto na linha. Por exemplo, se o Período for definido como 2, a média dos dois primeiros pontos de dados é usada como o primeiro ponto na linha de tendência média móvel. A média do segundo e terceiro pontos de dados é usada como o segundo ponto na linha de tendência, etc. Uma linha de tendência média móvel usa essa equação: O número de pontos em uma linha de tendência média móvel é igual ao número total de pontos da série, menos a Número que você especificou para o período. Em um gráfico de dispersão, a linha de tendência é baseada na ordem dos valores de x no gráfico. Para obter um resultado melhor, classifique os valores x antes de adicionar uma média móvel. A seguinte linha de tendência média móvel mostra um padrão no número de casas vendidas ao longo de um período de 26 semanas. Como calcular médias médias ponderadas no Excel usando o suporte exponencial Análise de dados do Excel para Dummies, 2ª edição A ferramenta Exponencial de suavização no Excel calcula a média móvel . No entanto, os pesos de suavização exponencial são os valores incluídos nos cálculos da média móvel, de modo que os valores mais recentes têm um efeito maior no cálculo médio e os valores antigos têm um efeito menor. Essa ponderação é realizada através de uma constante de suavização. Para ilustrar como a ferramenta Exponential Smoothing funciona, suponha que you8217re volte a olhar a informação diária média de temperatura. Para calcular médias móveis ponderadas usando o suavização exponencial, execute as seguintes etapas: Para calcular uma média móvel suavemente exponencial, primeiro clique no botão de comando Análise de Dados tab8217s Data. Quando o Excel exibe a caixa de diálogo Análise de dados, selecione o item Suavização exponencial da lista e clique em OK. O Excel exibe a caixa de diálogo Suavização exponencial. Identifique os dados. Para identificar os dados para os quais deseja calcular uma média móvel suavemente exponencial, clique na caixa de texto Intervalo de entrada. Em seguida, identifique o intervalo de entrada, digitando um endereço de faixa de planilha ou selecionando o intervalo da planilha. Se o seu intervalo de entrada incluir um rótulo de texto para identificar ou descrever os dados, marque a caixa de seleção Etiquetas. Forneça a constante de suavização. Digite o valor constante de suavização na caixa de texto Fator de Damping. O arquivo de Ajuda do Excel sugere que você use uma constante de suavização entre 0,2 e 0,3. Presumivelmente, no entanto, se você estiver usando essa ferramenta, você tem suas próprias idéias sobre o que é a constante de suavização correta. (Se você não tiver dúvidas sobre a constante de suavização, talvez você não precise usar essa ferramenta.) Diga ao Excel onde colocar os dados médios móveis suavemente exponencial. Use a caixa de texto do intervalo de saída para identificar o intervalo da planilha na qual deseja colocar os dados médios móveis. No exemplo da planilha, por exemplo, você coloca os dados médios móveis no intervalo da planilha B2: B10. (Opcional) Gráfico dos dados suavizados exponencialmente. Para traçar os dados exponencialmente suavizados, selecione a caixa de seleção Gráfico. (Opcional) Indique que deseja obter informações de erro padrão calculadas. Para calcular erros padrão, selecione a caixa de seleção Erros padrão. Excel coloca valores de erro padrão ao lado dos valores médios móveis suavemente exponencial. Depois de terminar de especificar qual a média móvel que deseja calcular e onde deseja que ela seja colocada, clique em OK. O Excel calcula informações de média móvel. Criando uma média móvel ponderada em 3 etapas Visão geral da média móvel A média móvel é uma técnica estatística utilizada para suavizar as flutuações de curto prazo em uma série de dados, a fim de reconhecer mais facilmente as tendências a longo prazo ou Ciclos. A média móvel às vezes é referida como uma média móvel ou uma média de corrida. Uma média móvel é uma série de números, cada uma das quais representa a média de um intervalo de número especificado de períodos anteriores. Quanto maior o intervalo, mais suavização ocorre. Quanto menor o intervalo, mais a média móvel se assemelha à série de dados real. As médias móveis realizam as seguintes três funções: Suavizando os dados, o que significa melhorar o ajuste dos dados em uma linha. Reduzindo o efeito da variação temporária e do ruído aleatório. Destaque outliers acima ou abaixo da tendência. A média móvel é uma das técnicas estatísticas mais utilizadas na indústria para identificar tendências de dados. Por exemplo, os gerentes de vendas geralmente vêem as médias móveis de três meses dos dados de vendas. O artigo irá comparar as médias móveis de dois meses, três meses e seis meses dos mesmos dados de venda. A média móvel é usada com bastante freqüência na análise técnica de dados financeiros, como retornos de estoque e economia, para localizar tendências em séries temporais macroeconômicas, como o emprego. Há uma série de variações da média móvel. Os mais comumente empregados são a média móvel simples, a média móvel ponderada e a média móvel exponencial. A realização de cada uma dessas técnicas no Excel será abordada em detalhes em artigos separados neste blog. Aqui está uma breve visão geral de cada uma dessas três técnicas. Média móvel simples Cada ponto em uma média móvel simples é a média de um número especificado de períodos anteriores. Um link para outro artigo neste blog que fornece uma explicação detalhada sobre a implementação desta técnica no Excel é o seguinte: Pontos médios móveis ponderados na média móvel ponderada também representam uma média de um número especificado de períodos anteriores. A média móvel ponderada aplica diferentes ponderações a certos períodos anteriores, com bastante frequência, os períodos mais recentes recebem maior peso. Este artigo do blog fornecerá uma explicação detalhada sobre a implementação desta técnica no Excel. Os Pontos Métodos de Movimento Exponencial na média móvel exponencial também representam uma média de um número especificado de períodos anteriores. Suavização exponencial aplica fatores de ponderação a períodos anteriores que diminuem exponencialmente, nunca atingindo zero. Como resultado, o alisamento exponencial leva em consideração todos os períodos anteriores em vez de um número designado de períodos anteriores que a média móvel ponderada faz. Um link para outro artigo neste blog que fornece uma explicação detalhada sobre a implementação desta técnica no Excel é o seguinte: O seguinte descreve o processo em 3 etapas de criação de uma média móvel ponderada de dados de séries temporais no Excel: Etapa 1 8211 Gráfica dos dados originais em um gráfico de séries temporais O gráfico de linhas é o gráfico Excel mais usado para representar dados da série temporal. Um exemplo de tal gráfico do Excel usado para plotar 13 períodos de dados de vendas é mostrado da seguinte maneira: Etapa 2 8211 Criar a média móvel ponderada com fórmulas no Excel O Excel não fornece a ferramenta Moeda móvel no menu Análise de dados para que as fórmulas devem ser Construído manualmente. Neste caso, uma média móvel ponderada de 2 intervalos é criada aplicando um peso de 2 para o período mais recente e um peso de 1 para o período anterior a isso. A fórmula na célula E5 pode ser copiada para a célula E17. Passo 3 8211 Adicione a Série Média em Movimento Ponderada ao Gráfico Estes dados agora devem ser adicionados ao gráfico que contém a linha de tempo original de dados de vendas. Os dados simplesmente serão adicionados como uma série de dados mais no gráfico. Para fazer isso, clique com o botão direito do mouse em qualquer lugar no gráfico e um menu aparecerá. Clique em Selecionar dados para adicionar a nova série de dados. A série de média móvel será adicionada completando a caixa de diálogo Edit Series da seguinte maneira: O gráfico que contém as séries de dados originais e a média móvel ponderada com intervalo de 2 dados8217s é mostrado da seguinte maneira. Note-se que a linha média móvel é um pouco mais suave e os desvios de dados brutos 8217 acima e abaixo da linha de tendência são muito mais evidentes. A tendência geral agora é muito mais evidente também. Uma média móvel de 3 intervalos pode ser criada e colocada no gráfico usando quase o mesmo procedimento da seguinte maneira. Observe que o período mais recente é atribuído ao peso de 3, o período anterior ao atribuído e o peso de 2, e o período anterior a que é atribuído um peso de 1. Esse dado agora deve ser adicionado ao gráfico que contém o original Tempo de dados de vendas junto com a série de 2 intervalos. Os dados simplesmente serão adicionados como uma série de dados mais no gráfico. Para fazer isso, clique com o botão direito do mouse em qualquer lugar no gráfico e um menu aparecerá. Clique em Selecionar dados para adicionar a nova série de dados. A série de média móvel será adicionada completando a caixa de diálogo Edit Series da seguinte maneira: conforme esperado, um pouco mais de suavização ocorre com a média móvel ponderada em 3 intervalos com a média móvel ponderada de 2 intervalos. Para comparação, uma média móvel ponderada de 6 intervalos será calculada e adicionada ao gráfico da mesma maneira como segue. Observe os pesos progressivamente decrescentes atribuídos à medida que os períodos se tornam mais distantes no passado. Agora, esses dados devem ser adicionados ao gráfico que contém a linha de tempo original de dados de vendas, juntamente com as séries de 2 e 3 intervalos. Os dados simplesmente serão adicionados como uma série de dados mais no gráfico. Para fazer isso, clique com o botão direito do mouse em qualquer lugar no gráfico e um menu aparecerá. Clique em Selecionar dados para adicionar a nova série de dados. A série de média móvel será adicionada completando a caixa de diálogo Edit Series da seguinte maneira: conforme esperado, a média móvel ponderada de 6 intervalos é significativamente mais suave do que as médias móveis ponderadas de 2 ou 3 intervalos. Um gráfico mais suave é mais adequado para uma linha reta. Analisando a precisão da previsão Os dois componentes da precisão da previsão são os seguintes: Previsão Bias 8211 A tendência de uma previsão para ser consistentemente maior ou menor que os valores reais de uma série de tempo. O preconceito de previsão é a soma de todos os erros divididos pelo número de períodos da seguinte forma: um viés positivo indica uma tendência a subestimar. Um viés negativo indica uma tendência à sobrepreciação. O viés não mede a precisão porque os erros positivos e negativos se cancelam mutuamente. Erro de previsão 8211 A diferença entre os valores reais de uma série de tempo e os valores previstos da previsão. As medidas mais comuns de erro de previsão são as seguintes: Desvio médio absoluto MAD 8211 MAD calcula o valor absoluto médio do erro e é calculado com a seguinte fórmula: Avaliar os valores absolutos dos erros elimina o efeito de cancelamento de erros positivos e negativos. Quanto menor for o MAD, melhor será o modelo. MSE 8211 Mean Squared Error MSE é uma medida popular de erro que elimina o efeito de cancelamento de erros positivos e negativos, somando os quadrados do erro com a seguinte fórmula: termos de erro grandes tendem a exagerar MSE porque os termos de erro são todos ao quadrado. RMSE (Root Square Mean) reduz esse problema tomando a raiz quadrada do MSE. MAPE 8211 Mean Absolute Percentagem de erro MAPE também elimina o efeito de cancelamento de erros positivos e negativos, somando os valores absolutos dos termos de erro. O MAPE calcula a soma dos termos de erro percentual com a seguinte fórmula: ao somar porcentagem de termos de erro, o MAPE pode ser usado para comparar modelos de previsão que usam diferentes escalas de medida. Cálculo de Bias, MAD, MSE, RMSE e MAPE no Excel Para o Meio Básico Mínimo Ponderado, MAD, MSE, RMSE e MAPE serão calculados no Excel para avaliar a movimentação ponderada de 2 intervalos, 3 intervalos e 6 intervalos Previsão média obtida neste artigo e mostrada da seguinte forma: o primeiro passo é calcular E t. E t 2. E t, E t Y t-act. E, em seguida, soma da seguinte forma: Bias, MAD, MSE, MAPE e RMSE podem ser calculados da seguinte forma: Os mesmos cálculos são agora realizados para calcular Bias, MAD, MSE, MAPE e RMSE para a média móvel ponderada em 3 intervalos. Bias, MAD, MSE, MAPE e RMSE podem ser calculados da seguinte forma: Os mesmos cálculos são agora realizados para calcular Bias, MAD, MSE, MAPE e RMSE para a média móvel ponderada de 6 intervalos. Bias, MAD, MSE, MAPE e RMSE podem ser calculados da seguinte forma: Bias, MAD, MSE, MAPE e RMSE são resumidos para as médias móveis de 2 intervalos, 3 intervalos e 6 intervalos, como segue. A média móvel ponderada em 2 intervalos é o modelo que mais se adapta aos dados reais, como seria de esperar. 160 Excel Master Series Blog Directory Tópicos estatísticos e artigos em cada tópico
No comments:
Post a Comment