What039s forskjellen mellom flytte gjennomsnittlig og vektet glidende gjennomsnitt Et 5-års glidende gjennomsnitt, basert på prisene ovenfor, ville bli beregnet ved hjelp av følgende formel: På grunnlag av ligningen ovenfor var gjennomsnittsprisen over perioden som er oppført ovenfor, 90,66. Bruk av bevegelige gjennomsnitt er en effektiv metode for å eliminere sterke prisfluktuasjoner. Nøkkelbegrensningen er at datapunkter fra eldre data ikke veier noe annerledes enn datapunkter nær begynnelsen av datasettet. Dette er hvor vektede glidende gjennomsnitt kommer til spill. Veidede gjennomsnitt gir tyngre vekting til mer gjeldende datapunkter siden de er mer relevante enn datapunkter i den fjerne fortiden. Summen av vektingen skal legge til opptil 1 (eller 100). Når det gjelder det enkle glidende gjennomsnittet, er vektene fordelt like mye, og derfor er de ikke vist i tabellen ovenfor. Sluttpris for AAPLMovende gjennomsnitt Gjennomsnittlig gjennomsnitt Med konvensjonelle datasett er gjennomsnittlig verdi ofte den første, og en av de mest nyttige, oppsummerte statistikkene for å beregne. Når data er i form av en tidsserie, er seriemengden et nyttig mål, men reflekterer ikke dataens dynamiske natur. Gjennomsnittlige verdier som beregnes over kortere perioder, enten før den nåværende perioden eller sentrert i den nåværende perioden, er ofte mer nyttige. Fordi slike middelverdier vil variere, eller flytte, som den nåværende perioden beveger seg fra tid t 2, t 3. etc. er de kjent som bevegelige gjennomsnitt (Mas). Et enkelt glidende gjennomsnitt er (typisk) det uveide gjennomsnittet av k tidligere verdier. Et eksponentielt vektet glidende gjennomsnitt er i det vesentlige det samme som et enkelt glidende gjennomsnitt, men med bidrag til gjennomsnittet vektet av deres nærhet til gjeldende tid. Fordi det ikke er en, men en hel rekke bevegelige gjennomsnittsverdier for en gitt serie, kan settet Mas selv bli plottet på grafer, analysert som en serie, og brukes til modellering og prognoser. En rekke modeller kan bygges ved hjelp av bevegelige gjennomsnitt, og disse er kjent som MA-modeller. Hvis slike modeller er kombinert med autoregressive (AR) modeller, er de resulterende komposittmodellene kjent som ARMA - eller ARIMA-modeller (jeg er for integrert). Enkle bevegelige gjennomsnitt Siden en tidsserie kan betraktes som et sett med verdier, kan t 1,2,3,4, n gjennomsnittet av disse verdiene beregnes. Hvis vi antar at n er ganske stor, og vi velger et heltall k som er mye mindre enn n. vi kan beregne et sett med blokk gjennomsnitt eller enkle bevegelige gjennomsnitt (av rekkefølge k): Hvert mål representerer gjennomsnittet av dataverdiene over et intervall av k observasjoner. Merk at den første mulige MA for ordre k gt0 er den for t k. Mer generelt kan vi slippe det ekstra abonnementet i uttrykkene ovenfor og skrive: Dette sier at estimert gjennomsnitt på tidspunktet t er det enkle gjennomsnittet av den observerte verdien ved tid t og de foregående k -1-trinnene. Hvis det legges vekt på som reduserer bidraget til observasjoner som er lengre bort i tiden, sies det glidende gjennomsnittet å være eksponensielt jevnt. Flytende gjennomsnitt blir ofte brukt som en form for prognoser, hvorved estimert verdi for en serie på tiden t 1, S t1. er tatt som MA for perioden til og med tiden t. f. eks dagens estimat er basert på et gjennomsnitt av tidligere registrerte verdier fram til og med gårdager (for daglige data). Enkle bevegelige gjennomsnitt kan ses som en form for utjevning. I eksemplet som er vist nedenfor, er luftforurensningsdatasettet vist i introduksjonen til dette emnet blitt utvidet med en 7-dagers glidende gjennomsnittlig (MA) - linje, vist her i rødt. Som det ser ut, jevner MA-linjen ut toppene og troughene i dataene og kan være svært nyttig når det gjelder å identifisere trender. Standard forward-beregning formel betyr at de første k -1 datapunktene ikke har noen MA-verdi, men deretter utvider beregningene til det endelige datapunktet i serien. PM10 daglige gjennomsnittsverdier, Greenwich kilde: London Air Quality Network, londonair. org. uk En grunn til å beregne enkle bevegelige gjennomsnitt på måten som er beskrevet er at det gjør det mulig å beregne verdier for alle tidsluker fra tid tk frem til i dag, og Som en ny måling er oppnådd for tid t 1, kan MA for tid t 1 legges til settet som allerede er beregnet. Dette gir en enkel prosedyre for dynamiske datasett. Det er imidlertid noen problemer med denne tilnærmingen. Det er rimelig å argumentere for at gjennomsnittsverdien i løpet av de siste 3 periodene skal være plassert ved tidspunktet t -1, ikke tiden t. og for en MA over et jevnt antall perioder, bør det kanskje ligge midt mellom to tidsintervaller. En løsning på dette problemet er å bruke sentrale MA beregninger, der MA på tidspunktet t er gjennomsnittet av et symmetrisk sett med verdier rundt t. Til tross for det åpenbare meritter, er denne tilnærmingen ikke vanligvis brukt fordi det krever at data er tilgjengelig for fremtidige hendelser, noe som kanskje ikke er tilfelle. I tilfeller der analysen er helt av en eksisterende serie, kan bruk av sentrert Mas være å foretrekke. Enkle bevegelige gjennomsnitt kan betraktes som en form for utjevning, fjerne noen høyfrekvente komponenter i en tidsserie og markere (men ikke fjerne) trender på samme måte som det generelle begrepet digital filtrering. Faktisk er glidende gjennomsnitt en form for lineært filter. Det er mulig å bruke en bevegelig gjennomsnittsberegning til en serie som allerede har blitt utjevnet, dvs. utjevning eller filtrering av en allerede glatt serie. For eksempel, med et bevegelige gjennomsnitt på rekkefølge 2, kan vi betrakte det som beregnet ved hjelp av vekter, så MA ved x 2 0,5 x 1 0,5 x 2. På samme måte MA på x 3 0,5 x 2 0,5 x 3. Hvis vi bruk et andre nivå av utjevning eller filtrering, vi har 0,5 x 2 0,5 x 3 0,5 (0,5 x 2 0,5 x 3) 0,25 x 1 0,5 x 2 0,25 x 3 dvs. 2-trinns filtrering prosess (eller convolution) har produsert et variabelt vektet symmetrisk glidende gjennomsnitt, med vekter. Flere konvolutter kan produsere ganske komplekse vektede glidende gjennomsnitt, hvorav noen har blitt funnet å være særlig bruk i spesialiserte felt, som for eksempel i livsforsikringsberegninger. Flytte gjennomsnitt kan brukes til å fjerne periodiske effekter dersom det beregnes med periodikkets lengde som kjent. For eksempel, med månedlige data kan sesongvariasjoner ofte fjernes (hvis dette er målet) ved å bruke et symmetrisk 12-måneders glidende gjennomsnitt med alle månedene vektet like, bortsett fra det første og det siste som veies med 12. Dette skyldes at det vil være 13 måneder i den symmetriske modellen (nåværende tid, t. - 6 måneder). Summen er delt med 12. Lignende prosedyrer kan vedtas for en veldefinert periodicitet. Eksponentielt vektede glidende gjennomsnitt (EWMA) Med den enkle glidende gjennomsnittsformelen: Alle observasjoner er likevektede. Hvis vi kalte disse likevektene, alfa t. hver av k-vekter vil være lik 1 k. så summen av vektene ville være 1, og formelen ville være: Vi har allerede sett at flere applikasjoner av denne prosessen resulterer i at vektene varierer. Med eksponentielt vektede glidende gjennomsnitt blir bidraget til middelverdien fra observasjoner som er fjernet i tid, redusert, og derved legges vekt på nyere (lokale) hendelser. I hovedsak er en utjevningsparameter, 0lt al1l, introdusert, og formelen er revidert til: En symmetrisk versjon av denne formelen vil være av formen: Hvis vektene i den symmetriske modellen er valgt som betingelsene i betingelsene for binomial ekspansjonen, (1212) 2q. de vil summe til 1, og når q blir stor, vil omtrentlig normalfordelingen. Dette er en form for kjernevikting, med binomialet som kjernefunksjon. Den to-trinns konvolusjon som er beskrevet i det foregående avsnitt er nettopp dette arrangementet, med q 1, som gir vekter. Ved eksponensiell utjevning er det nødvendig å bruke et sett med vekter som summerer til 1 og som reduserer størrelsen geometrisk. Vektene som brukes er vanligvis av skjemaet: For å vise at disse vektene summerer til 1, vurder utvidelsen av 1 som en serie. Vi kan skrive og utvide uttrykket i parentes ved hjelp av binomialformelen (1- x) s. hvor x (1-) og p -1, som gir: Dette gir da en form for vektet glidende gjennomsnitt av skjemaet: Denne summeringen kan skrives som en tilbakevendingsrelasjon: som forenkler beregningen sterkt og unngår problemet at vektingsregimet bør strengt være uendelig for vektene til summen til 1 (for små verdier av alfa. dette er vanligvis ikke tilfelle). Notasjonen som brukes av ulike forfattere varierer. Noen bruker bokstaven S for å indikere at formelen er i hovedsak en glatt variabel, og skriv: mens kontrollteori litteraturen ofte bruker Z i stedet for S for eksponentielt vektede eller jevnte verdier (se for eksempel Lucas og Saccucci, 1990, LUC1 , og NIST-nettsiden for flere detaljer og arbeidede eksempler). Formlene som er nevnt ovenfor kommer fra Roberts arbeid (1959, ROB1), men Hunter (1986, HUN1) bruker et uttrykk for formen: som kan være mer hensiktsmessig for bruk i noen kontrollprosedyrer. Med alfa 1 er gjennomsnittlig estimering bare dens målte verdi (eller verdien av forrige datapost). Med 0,5 er estimatet det enkle glidende gjennomsnittet for nåværende og tidligere målinger. I prognosemodellene er verdien S t. brukes ofte som estimat eller prognoseverdi for neste tidsperiode, det vil si som estimatet for x på tidspunktet t 1. Dermed har vi: Dette viser at prognosen på tidspunktet t 1 er en kombinasjon av det forrige eksponentielt veide glidende gjennomsnittet pluss en komponent som representerer den veide prediksjonsfeilen, epsilon. på tidspunktet t. Forutsatt at en tidsserie er gitt og det kreves en prognose, er det nødvendig med en verdi for alfa. Dette kan estimeres fra eksisterende data ved å evaluere summen av kvadrert prediksjon feil oppnådd med varierende verdier av alfa for hver t 2,3. sette det første estimatet til å være den første observerte dataværdien, x 1. I kontrollapplikasjoner er verdien av alfa viktig, da den brukes til å bestemme de øvre og nedre kontrollgrensene, og påvirker den forventede gjennomsnittlige kjølelengde (ARL) før disse kontrollgrensene er brutt (under antagelsen om at tidsseriene representerer et sett av tilfeldige, identisk distribuerte uavhengige variabler med vanlig varians). Under disse forholdene er variansen av kontrollstatistikken: (Lucas og Saccucci, 1990): Kontrollgrenser settes vanligvis som faste multipler av denne asymptotiske variansen, f. eks. - 3 ganger standardavviket. Hvis f. eks. Alpha 0,25 og dataene som overvåkes antas å ha en Normal fordeling, N (0,1), når den er i kontroll, vil kontrollgrensene være - 1,134 og prosessen vil nå en eller annen grense i 500 trinn gjennomsnittlig. Lucas og Saccucci (1990 LUC1) utlede ARLene for et bredt spekter av alfaverdier og under ulike forutsetninger ved bruk av Markov Chain-prosedyrer. De tabulerer resultatene, inkludert å gi ARLer når gjennomsnittet av kontrollprosessen har blitt forskjøvet med noen flere av standardavviket. For eksempel, med en 0,5 skift med alfa 0,25 er ARL mindre enn 50 timers trinn. Tilnærmingene beskrevet ovenfor er kjent som enkelt eksponensiell utjevning. ettersom prosedyrene blir brukt en gang til tidsserien, og deretter utføres analyser eller kontrollprosesser på det resulterende glatte datasettet. Hvis datasettet inneholder en trend og sesongkomponenter, kan to - eller tre-trinns eksponensiell utjevning brukes som et middel til å fjerne (eksplisitt modellering) disse effektene (se videre avsnittet om prognose nedenfor og NIST-arbeidet). CHA1 Chatfield C (1975) Analyse av Times Series: Teori og praksis. Chapman og Hall, London HUN1 Hunter J S (1986) Det eksponentielt vektede glidende gjennomsnittet. J of Quality Technology, 18, 203-210 LUC1 Lucas J M, Saccucci M S (1990) Eksponentielt vektede Flytte Gjennomsnittlige kontrollsystemer: Egenskaper og forbedringer. Technometrics, 32 (1), 1-12 ROB1 Roberts S W (1959) Kontrolldiagramtester basert på geometriske bevegelige gjennomsnitt. Technometrics, 1, 239-250OANDA bruker informasjonskapsler for å gjøre våre nettsteder enkle å bruke og tilpasset våre besøkende. Cookies kan ikke brukes til å identifisere deg personlig. Ved å besøke vår nettside samtykker du i OANDA8217s bruk av informasjonskapsler i samsvar med vår personvernpolicy. For å blokkere, slette eller administrere informasjonskapsler, vennligst besøk aboutcookies. org. Begrensning av informasjonskapsler forhindrer at du drar nytte av noen av funksjonaliteten til nettstedet vårt. Last ned vår Mobile Apps åpne en konto ampltiframe src4489469.fls. doubleclickactivityisrc4489469typenewsi0catoanda0u1fxtradeiddclatdcrdidtagforchilddirectedtreatmentord1num1 mcesrc4489469.fls. doubleclickactivityisrc4489469typenewsi0catoanda0u1fxtradeiddclatdcrdidtagforchilddirectedtreatmentord1num1 bredde1 høyde1 frameborder0 styledisplay: ingen mcestyledisplay: noneampgtampltiframeampgt Lesson 1: glidende gjennomsnitt Typer Moving Gjennomsnitts Det finnes flere typer av glidende gjennomsnitt er tilgjengelige for å møte ulike markedsanalyse behov . De vanligste handelshandlerne inkluderer følgende: Enkel Flytte Gjennomsnittvektet Flytende Gjennomsnittlig Eksponentiell Flytende Gjennomsnitt Enkel Flytende Gjennomsnitt (SMA) Et enkelt glidende gjennomsnitt er den mest grunnleggende typen bevegelige gjennomsnitt. Det beregnes ved å ta en rekke priser (eller rapporteringsperioder), legge disse prisene sammen og deretter dele summen med antall datapunkter. Denne formelen bestemmer gjennomsnittet av prisene og beregnes på en måte som kan justeres (eller flyttes) som svar på de nyeste dataene som brukes til å beregne gjennomsnittet. Hvis du for eksempel bare inkluderer de siste 15 valutakursene i gjennomsnittlig beregning, blir den eldste prisen automatisk falt hver gang en ny pris blir tilgjengelig. I virkeligheten flyttes gjennomsnittet da hver ny pris inngår i beregningen og sikrer at gjennomsnittet kun er basert på de siste 15 prisene. Med en liten prøve og en feil, kan du bestemme et glidende gjennomsnitt som passer til din handelsstrategi. Et godt utgangspunkt er et enkelt glidende gjennomsnitt basert på de siste 20 prisene. Vektet flytende gjennomsnitt (WMA) Et vektet glidende gjennomsnitt beregnes på samme måte som et enkelt glidende gjennomsnitt, men bruker verdier som er lineært vektet for å sikre at de siste prisene har større innvirkning på gjennomsnittet. Dette betyr at den eldste prisen som inngår i beregningen mottar en vektning på 1, den neste eldste verdien mottar en vektning på 2, og den neste eldste verdien mottar en veiing på 3 helt til den siste satsen. Noen handelsfolk finner denne metoden mer relevant for trendbestemmelse, spesielt i et rasktflyttende marked. Ulempen med å bruke et vektet glidende gjennomsnitt er at den resulterende gjennomsnittslinjen kan være choppier enn et enkelt glidende gjennomsnitt. Dette kan gjøre det vanskeligere å skille ut en markedsutvikling fra en svingning. Av denne grunn foretrekker noen handelsmenn å plassere både et enkelt glidende gjennomsnitt og et vektet glidende gjennomsnitt på samme prisdiagram. Lysestake-prisdiagram med enkel flytende gjennomsnittlig og vektet flytende gjennomsnittlig eksponentiell flytende gjennomsnitt (EMA) Et eksponentielt glidende gjennomsnitt ligner et enkelt bevegelige gjennomsnitt, men mens et enkelt glidende gjennomsnitt fjerner de eldste prisene da nye priser blir tilgjengelige, beregner et eksponentielt glidende gjennomsnitt gjennomsnittet av alle historiske områder, som begynner på det punktet du angir. Når du for eksempel legger til et nytt eksponentielt flytende gjennomsnittlig overlegg til et prisdiagram, tilordner du antall rapporteringsperioder som skal inkluderes i beregningen. La oss anta at du angir at de siste 10 prisene skal inkluderes. Denne første beregningen vil være nøyaktig den samme som et enkelt glidende gjennomsnitt også basert på 10 rapporteringsperioder, men når den neste prisen blir tilgjengelig, beholder den nye beregningen de opprinnelige 10 prisene, pluss den nye prisen, for å komme til gjennomsnittet. Dette betyr at det nå er 11 rapporteringsperioder i eksponentiell glidende gjennomsnittlig beregning mens det enkle glidende gjennomsnittet alltid vil være basert på bare de siste 10 satsene. Bestemme hvilken flytende gjennomsnittlig å bruke For å bestemme hvilket glidende gjennomsnitt som passer best for deg, må du først forstå dine behov. Hvis hovedmålet ditt er å redusere støyen fra konsekvent svingende priser for å bestemme en samlet markedsretning, kan et enkelt glidende gjennomsnitt av de siste 20 eller så prisene gi detaljnivået du trenger. Hvis du vil ha det bevegelige gjennomsnittet for å legge større vekt på de siste prisene, er et vektet gjennomsnitt mer hensiktsmessig. Vær imidlertid oppmerksom på at fordi vektede bevegelige gjennomsnitt påvirkes mer av de siste prisene, kan formen på den gjennomsnittlige linjen bli forvrengt, noe som kan føre til generering av falske signaler. Når du arbeider med vektede glidende gjennomsnitt, må du være forberedt på større volatilitet. Enkel Flytte Gjennomsnittvektet Flytende Gjennomsnitt 169 1996 - 2017 OANDA Corporation. Alle rettigheter reservert. OANDA, FxTrade og OANDAs fx familie av varemerker eies av OANDA Corporation. Alle andre varemerker som vises på denne nettsiden tilhører deres respektive eiere. Leveraged trading i valutakontrakter eller andre valutamarkedsprodukter på margen har høy risiko og kan ikke være egnet for alle. Vi anbefaler deg å nøye vurdere om handel passer for deg i lys av dine personlige forhold. Du kan miste mer enn du investerer. Informasjon på dette nettstedet er generelt i naturen. Vi anbefaler at du søker uavhengig finansiell rådgivning og sørger for at du fullt ut forstår de risikoene som er involvert før handel. Trading via en online plattform medfører ytterligere risiko. Se vår juridiske seksjon her. Spredningsbudgivning er kun tilgjengelig for OANDA Europe Ltd kunder som bor i Storbritannia eller Republikken Irland. CFDs, MT4 sikringsegenskaper og innflytelsesforhold på over 50: 1 er ikke tilgjengelige for amerikanske innbyggere. Informasjonen på dette nettstedet er ikke rettet mot innbyggere i land hvor distribusjonen, eller bruk av noen, ville være i strid med lokal lovgivning eller regulering. OANDA Corporation er en registrert handels - og detaljhandelsforhandler for Futures Commission med Commodity Futures Trading Commission og er medlem av National Futures Association. Nei: 0325821. Vennligst referer til NFAs FOREX INVESTOR ALERT når det er aktuelt. OANDA (Canada) Corporation ULC-kontoer er tilgjengelig for alle som har en kanadisk bankkonto. OANDA (Canada) Corporation ULC er regulert av Canadian Investment Investment Regulatory Organization (IIROC), som inkluderer IIROCs online rådgiver sjekk database (IIROC AdvisorReport), og kundekontoer er beskyttet av det kanadiske investorbeskyttelsesfondet innenfor angitte grenser. En brosjyre som beskriver naturen og begrensningene for dekning er tilgjengelig på forespørsel eller på cipf. ca. OANDA Europe Limited er et selskap registrert i England nummer 7110087, og har sitt hovedkontor på Floor 9a, Tower 42, 25 Old Broad St, London EC2N 1HQ. Den er autorisert og regulert av the160Financial Conduct Authority. Nr. 542574. OANDA Asia Pacific Pte Ltd (Selskapsreg. Nr. 200704926K) har en kapitalmarkedsservice lisens utstedt av Singapores monetære myndighet og er også lisensiert av International Enterprise Singapore. OANDA Australia Pty Ltd 160is regulert av Australian Securities and Investments Commission ASIC (ABN 26 152 088 349, AFSL nr. 412981) og er utsteder av produkter og tjenester på denne nettsiden. Det er viktig for deg å vurdere den nåværende Financial Service Guide (FSG). Produktopplysningserklæring (PDS). Kontovilkår og andre relevante OANDA-dokumenter før du foretar økonomiske investeringsbeslutninger. Disse dokumentene finner du her. OANDA Japan Co Ltd Første Type I Finansielle Instrumenter Forretningsdirektør for Kanto Lokale Finansielle Bureau (Kin-sho) Nr. 2137 Institutt for Financial Futures Association Abonnentnummer 1571. Trading FX andor CFDs på margin er høy risiko og ikke egnet for alle. Tap kan overstige investment. Weighted Moving Average i eksempel 1 av Simple Moving Average Forecast. Vektene gitt til de tre foregående verdiene var alle like. Vi vurderer nå saken hvor disse vekter kan være forskjellige. Denne typen prognoser kalles vektet glidende gjennomsnitt. Her tildeler vi vektene w 1. , w m. hvor w 1. w m 1, og definer de prognostiserte verdiene som følger Eksempel 1. Gjenta eksempel 1 av Simple Moving Average Forecast der vi antar at nyere observasjoner vektes mer enn eldre observasjoner, ved å bruke vektene w 1, 6, w 2, 3 og w 3 .1 (som vist i område G4: G6 i figur 1 ). Figur 1 Veidede flytende gjennomsnitt Formlene i figur 1 er de samme som i Figur 1 i Simple Moving Average Forecast. bortsett fra de prognostiserte y-verdiene i kolonne C. Eksempelvis Formelen i celle C7 er nå SUMPRODUCT (B4: B6, G4: G6). Prognosen for neste verdi i tidsserien er nå 81,3 (celle C19) ved å bruke formelen SUMPRODUCT (B16: B18, G4: G6). Real Statistics Data Analysis Tool. Excel gir ikke et veid gjennomsnittlig datalagringsverktøy. I stedet kan du bruke dataanalyseværktøjet Real Statistics Weighted Moving Averages. For å bruke dette verktøyet for eksempel 1, trykk Ctr-m. Velg alternativet Tidsserie fra hovedmenyen og deretter alternativet Grunnleggende prognosemetoder fra dialogboksen som vises. Fyll ut dialogboksen som vises som vist i Figur 5 i Simple Moving Average Forecast. men denne gangen velger du Vektet Flytende gjennomsnitt og fyller inn Vektaromfanget med G4: G6 (Merk at ingen kolonneoverskrift er inkludert i vekterområdet). Ingen av parameterværdier blir brukt (i hovedsak av Lags vil være antall rader i vekterområdet og årstider og prognoser vil standard til 1). Utgangen vil se ut som utgangen i figur 2 i Simple Moving Average Forecast. bortsett fra at vektene vil bli brukt til å beregne prognosverdiene. Eksempel 2. Bruk Solver til å beregne vektene som produserer den laveste gjennomsnittlige kvadratfeil MSE. Bruk formlene i Figur 1 ved å velge Data gt AnalysisSolver og fyll inn dialogboksen som vist på Figur 2. Figur 2 Løsningsdialogboksen Merk at vi må begrense summen av vektene som skal være 1, som vi gjør ved å klikke på Legg til knapp. Dette fører til dialogboksen Legg til begrensning, som vi fyller ut som vist på Figur 3, og deretter klikker du på OK-knappen. Figur 3 Legg til begrensningsdialogboksen Vi klikker på Solve-knappen (på figur 2), som modifiserer dataene i figur 1 som vist på figur 4. Figur 4 Solveroptimalisering Som det fremgår av figur 4, endrer Solver vektene til 0 . 223757 og .776243 for å minimere verdien av MSE. Som du kan se, er den minimerte verdien på 184.688 (celle E21 i figur 4) minst mindre enn MSE-verdien av 191.366 i celle E21 i figur 2). For å låse inn disse vekter må du klikke på OK-knappen i dialogboksen Løsningsresultater vist i Figur 4.
No comments:
Post a Comment