تتحرك من المتوسط - الانحراف

أدناه يمكنك أن ترى طريقة C لحساب البولنجر باند لكل نقطة (المتوسط ​​المتحرك، حتى الفرقة، أسفل الفرقة). كما ترون هذه الطريقة تستخدم 2 للحلقات لحساب الانحراف المعياري المتحرك باستخدام المتوسط ​​المتحرك. كان يستخدم لاحتواء حلقة إضافية لحساب المتوسط ​​المتحرك على مدى فترات n الماضية. هذا واحد يمكنني إزالة بإضافة قيمة نقطة جديدة إلى إجمالي الشحنة في بداية الحلقة وإزالة قيمة نقطة i - n في نهاية الحلقة. سؤالي الآن هو في الأساس: هل يمكنني إزالة الحلقة الداخلية المتبقية بطريقة مماثلة تمكنت مع المتوسط ​​المتحرك طلب 31 يناير 13 في 21:45 الجواب هو نعم، يمكنك. في منتصف 80s أنا وضعت فقط مثل هذه الخوارزمية (ربما ليست أصلية) في فورتران لتطبيق مراقبة ومراقبة التطبيق. للأسف، كان هذا قبل أكثر من 25 عاما، وأنا لا أتذكر الصيغ بالضبط، ولكن هذه التقنية كان امتدادا للمتوسطات المتحركة، مع حسابات الترتيب الثاني بدلا من الحسابات الخطية فقط. بعد النظر إلى رمز الخاص بك بعض، وأنا أعتقد أنني يمكن أن سوس كيف فعلت ذلك مرة أخرى. لاحظ كيف الحلقة الداخلية الخاصة بك هو جعل مجموعة من المربعات: بنفس الطريقة التي كان يجب أن يكون متوسط ​​أصلا مجموع القيم الاختلافات اثنين فقط هي الترتيب (قوتها 2 بدلا من 1) وأنك تطرح المتوسط كل قيمة قبل مربع عليه. الآن قد تبدو غير قابلة للتجزئة، ولكن في الواقع يمكن فصلها: الآن هو المصطلح الأول هو مجرد مجموع المربعات، يمكنك التعامل مع ذلك بنفس الطريقة التي تقوم بها مجموع القيم للمتوسط. والمصطلح الأخير (k2n) هو مجرد متوسط ​​مرات مربعة الفترة. نظرا لأنك تقسم النتيجة حسب الفترة على أي حال، يمكنك فقط إضافة متوسط ​​التربيع الجديد بدون الحلقة الإضافية. وأخيرا، في الفترة الثانية (سوم (-2vi) k)، منذ سوم (في) مجموع كن يمكنك ثم تغييره إلى هذا: أو فقط -2k2n. والتي هي -2 أضعاف متوسط ​​التربيع، مرة واحدة يتم تقسيم الفترة (ن) مرة أخرى. لذلك الصيغة النهائية المجمعة هي: (تأكد من التحقق من صحة هذا، لأنني أشتق منه قبالة رأس رأسي) ودمج في التعليمات البرمجية الخاصة بك يجب أن ننظر إلى شيء من هذا القبيل: شكرا لهذا. اعتدت عليه كأساس لتنفيذ في C ل كلر. اكتشفت أنه في الممارسة العملية، يمكنك تحديث مثل هذا نوفار هو عدد سلبي صغير جدا، وفشل سكرت. عرضت إذا كان للحد من قيمة إلى الصفر لهذه الحالة. لا فكرة، ولكن مستقرة. حدث هذا عندما كانت قيمة كل قيمة في نافذة بلدي نفس القيمة (لقد استخدمت حجم نافذة من 20 والقيمة في السؤال كان 0.5، في حالة شخص يريد أن يحاول إعادة إنتاج هذا.) نداش درو نويكس جول 26 13 في 15:25 إيف تستخدم الرياضيات المشتركة (وساهمت في تلك المكتبة) لشيء مماثل جدا لهذا. يجب أن يكون المصدر المفتوح، الذي ينقل إلى C من السهل كما فطيرة مخزن اشترى (هل حاولت جعل فطيرة من الصفر). تحقق من ذلك: commons. apache. orgmathapi-3.1.1index. html. لديهم فئة ستانداردديفياتيون. الذهاب إلى المدينة أجاب 31 يناير في 21:48 You39re ترحيب آسف أنا didn39t ديك الجواب you39re تبحث عنه. أنا بالتأكيد didn39t يعني أن نقترح نقل المكتبة بأكملها فقط الحد الأدنى من التعليمات البرمجية اللازمة، والتي ينبغي أن تكون بضع مئات من الأسطر أو نحو ذلك. لاحظ أنه ليس لدي أي فكرة عن قيود حقوق الطبع والنشر القانونية أباتشي على هذا الرمز، لذلك you39d لديك للتحقق من ذلك. في حال كنت متابعة ذلك، وهنا هو الرابط. بحيث التباين فاستماث نداش جاسون 31 يناير في 22:36 وقد أعطيت بالفعل أهم المعلومات أعلاه --- ولكن ربما هذا لا يزال من المصلحة العامة. مكتبة جافا صغيرة لحساب المتوسط ​​المتحرك والانحراف المعياري متاح هنا: githubtools4jmeanvar ويستند التنفيذ على البديل من طريقة ويلفوردس المذكورة أعلاه. وقد تم اشتقاق طرق إزالة واستبدال القيم التي يمكن استخدامها لتحريك قيمة window. DAX تتضمن بعض وظائف التجميع الإحصائية، مثل المتوسط ​​والتباين والانحراف المعياري. الحسابات الإحصائية النموذجية الأخرى تتطلب منك كتابة تعبيرات داكس أطول. إكسل، من وجهة النظر هذه، لديها لغة أكثر ثراء بكثير. الأنماط الإحصائية هي عبارة عن مجموعة من الحسابات الإحصائية المشتركة: الوسيط، المتوسط، المتوسط ​​المتحرك، النسبة المئوية، والربع. نود أن نشكر كولن بانفيلد، جيرارد بروكل، وخافيير غيلن، التي بلهمت بعض بلوق الأنماط التالية. مثال النمط الأساسي الصيغ في هذا النمط هي الحلول لحسابات إحصائية محددة. يمكنك استخدام وظائف داكس القياسية لحساب متوسط ​​(متوسط ​​حسابي) لمجموعة من القيم. معدل . بإرجاع متوسط ​​كل الأرقام في عمود رقمي. أفيراجيا. بإرجاع متوسط ​​كل الأرقام في عمود، مع التعامل مع كل من القيم النصية وغير الرقمية (القيم النصية غير الرقمية والفاخرة عد 0). أفيراجيكس. حساب متوسط ​​على تعبير تقييمها على جدول. المتوسط ​​المتحرك المتوسط ​​المتحرك هو حساب لتحليل نقاط البيانات من خلال إنشاء سلسلة من المتوسطات لمجموعات فرعية مختلفة من مجموعة البيانات الكاملة. يمكنك استخدام العديد من تقنيات داكس لتنفيذ هذا الحساب. أبسط تقنية تستخدم أفيراجيكس، وتكرار جدول من التفاصيل المطلوبة وحساب لكل تكرار التعبير الذي يولد نقطة بيانات واحدة لاستخدامها في المتوسط. على سبيل المثال، تحسب الصيغة التالية المتوسط ​​المتحرك لآخر 7 أيام، على افتراض أنك تستخدم جدول تاريخ في نموذج البيانات. باستخدام أفيراجيكس، يمكنك تلقائيا حساب التدبير في كل مستوى تحبب. عند استخدام مقياس يمكن تجميعها (مثل سوم)، ثم نهج آخر يعتمد على كالكولاتيماي يكون أسرع. يمكنك العثور على هذا النهج البديل في نمط كامل من المتوسط ​​المتحرك. يمكنك استخدام الدالات داكس القياسية لحساب تباين مجموعة من القيم. VAR. S. ترجع تباين القيم في عمود يمثل عينة نموذجية. VAR. P. ترجع تباين القيم في عمود يمثل مجموع السكان. VARX. S. ترجع تباين تعبير يتم تقييمه عبر جدول يمثل عينة نموذجية. VARX. P. ترجع تباين تعبير يتم تقييمه عبر جدول يمثل مجموع السكان. الانحراف المعياري يمكنك استخدام وظائف داكس القياسية لحساب الانحراف المعياري لمجموعة من القيم. STDEV. S. ترجع الانحراف المعياري للقيم في عمود يمثل عينة نموذجية. STDEV. P. ترجع الانحراف المعياري للقيم في عمود يمثل مجموع السكان. STDEVX. S. ترجع الانحراف المعياري للتعبير الذي تم تقييمه عبر جدول يمثل عينة نموذجية. STDEVX. P. ترجع الانحراف المعياري للتعبير الذي تم تقييمه عبر جدول يمثل مجموع السكان. والمتوسط ​​هو القيمة العددية التي تفصل النصف الأعلى من السكان عن النصف السفلي. إذا كان هناك عدد فردي من الصفوف، الوسيط هو القيمة الوسطى (فرز الصفوف من أدنى قيمة إلى أعلى قيمة). إذا كان هناك عدد من الصفوف، فهو متوسط ​​القيمتين المتوسطتين. وتتجاهل الصيغة القيم الفارغة التي لا تعتبر جزءا من السكان. والنتيجة متطابقة مع وظيفة ميديان في إكسيل. ويبين الشكل 1 مقارنة بين النتيجة التي تم إرجاعها بواسطة إكسيل وصيغة داكس المقابلة لحساب الوسط. الشكل 1 مثال لحساب متوسط ​​في إكسيل و داكس. الوضع هو القيمة التي تظهر في معظم الأحيان في مجموعة من البيانات. وتتجاهل الصيغة القيم الفارغة التي لا تعتبر جزءا من السكان. وتكون النتيجة متطابقة مع الدالة مود و MODE. SNGL في إكسيل، التي تعيد فقط القيمة الدنيا عندما تكون هناك أوضاع متعددة في مجموعة القيم التي تم النظر فيها. ستقوم الدالة إكسيل MODE. MULT بإرجاع كافة الأوضاع، ولكن لا يمكنك تنفيذها كمقياس في داكس. يقارن الشكل 2 النتيجة التي تم إرجاعها بواسطة إكسيل مع صيغة داكس المقابلة لحساب الوضع. الشكل 2 مثال على حساب الوضع في إكسيل و داكس. النسبة المئوية النسبة المئوية هي القيمة التي تقل عنها نسبة معينة من القيم في المجموعة. وتتجاهل الصيغة القيم الفارغة التي لا تعتبر جزءا من السكان. يتطلب الحساب في داكس عدة خطوات، الموضحة في المقطع "نمط كامل"، الذي يظهر كيفية الحصول على نفس نتائج دالات إكسيل بيرسنتيل و PERCENTILE. INC و PERCENTILE. EXC. أما الرباعيات فهي ثلاث نقاط تقسم مجموعة من القيم إلى أربع مجموعات متساوية، تتألف كل مجموعة منها من ربع البيانات. يمكنك حساب القطاعات الرباعية باستخدام النمط المئوي، بعد هذه المراسلات: الربع الأول الربع السفلي الربع الخامس والعشرون المئوي الربع الثاني المتوسط ​​نصف الخمسون الربع الثالث الربع الثالث الربع الخامس 75 المئين نمط كامل بعض الحسابات الإحصائية لها وصف أطول للنمط الكامل، لأن قد يكون لديك تطبيقات مختلفة اعتمادا على نماذج البيانات وغيرها من المتطلبات. المتوسط ​​المتحرك عادة ما تقيم المتوسط ​​المتحرك عن طريق الرجوع إلى مستوى التفصيل اليومي. النموذج العام للصيغة التالية له هذه العلامات: لنتومبيروفايسغت هو عدد الأيام للمتوسط ​​المتحرك. لتاتيكولومنغت هو عمود التاريخ لجدول التاريخ إذا كان لديك عمود واحد أو عمود التاريخ الذي يحتوي على قيم إذا لم يكن هناك جدول تاريخ منفصل. لتماسوريجت هو مقياس لحساب كمتوسط ​​متحرك. أبسط نمط يستخدم الدالة أفيراجيكس في داكس، والتي تأخذ في الاعتبار فقط الأيام التي توجد قيمة لها. كبديل، يمكنك استخدام القالب التالي في نماذج البيانات بدون جدول زمني ومع مقياس يمكن تجميعه (مثل سوم) على مدار الفترة التي تم النظر فيها. تعتبر الصيغة السابقة يوم مع عدم وجود بيانات المقابلة كمقياس 0 قيمة. يمكن أن يحدث هذا فقط عندما يكون لديك جدول تاريخ منفصل، والذي قد يحتوي على أيام لا توجد معاملات مقابلة لها. يمكنك إصلاح القاسم للمتوسط ​​باستخدام عدد الأيام التي توجد فيها معاملات باستخدام النمط التالي حيث: لاتفاكتليغت هو الجدول المتعلق بجدول التاريخ ويحتوي على قيم محسوبة بواسطة المقياس. قد تستخدم الدالات داتسبيتوين أو داتيسينبيريود بدلا من فيلتر ولكن هذه تعمل فقط في جدول تاريخ عادي، بينما يمكنك تطبيق النمط الموضحة أعلاه أيضا إلى جداول التاريخ غير العادية والنماذج التي ليس لها جدول تاريخ. على سبيل المثال، النظر في النتائج المختلفة التي تنتجها التدابير التالية اثنين. في الشكل 3، يمكنك أن ترى أنه لا توجد مبيعات في 11 سبتمبر 2005. ومع ذلك، يتم تضمين هذا التاريخ في الجدول التاريخ وبالتالي، هناك 7 أيام (من 11 سبتمبر إلى 17 سبتمبر) التي لديها 6 أيام فقط مع البيانات. الشكل 3 مثال على حساب متوسط ​​متحرك مع مراعاة وتجاهل التواريخ بدون مبيعات. قياس المتوسط ​​المتحرك 7 أيام لديه عدد أقل بين 11 سبتمبر و 17 سبتمبر، لأنه يعتبر 11 سبتمبر يوما مع 0 المبيعات. إذا كنت ترغب في تجاهل أيام مع عدم وجود مبيعات، ثم استخدام مقياس المتوسط ​​المتحرك 7 أيام لا صفر. قد يكون هذا هو النهج الصحيح عندما يكون لديك جدول تاريخ كامل ولكنك تريد تجاهل الأيام بدون معاملات. باستخدام صيغة المتوسط ​​المتحرك 7 أيام، تكون النتيجة صحيحة لأن أفيراجيكس تأخذ في الاعتبار القيم غير الفارغة تلقائيا. ضع في اعتبارك أنك قد تحسن أداء المتوسط ​​المتحرك من خلال الاستمرار في القيمة في عمود محسوب من جدول يحتوي على التفاصيل المطلوبة، مثل التاريخ أو التاريخ والمنتج. ومع ذلك، فإن نهج الحساب الديناميكي مع مقياس يوفر القدرة على استخدام معلمة لعدد أيام المتوسط ​​المتحرك (على سبيل المثال استبدال لتنومبروفيدسغت مع مقياس تنفيذ نمط جدول المعلمات). الوسيط يتطابق مع النسبة المئوية 50، والتي يمكنك حسابها باستخدام نمط النسبة المئوية. ومع ذلك، فإن نمط المتوسط ​​يسمح لك لتحسين وتبسيط الحساب الوسيط باستخدام مقياس واحد، بدلا من عدة تدابير المطلوبة من قبل نمط النسبة المئوية. يمكنك استخدام هذا النهج عند حساب الوسيط للقيم المضمنة في لتفالويكولومنغت كما هو موضح أدناه: لتحسين الأداء، قد تحتاج إلى الاستمرار في قيمة مقياس في عمود محسوب، إذا كنت ترغب في الحصول على متوسط ​​لنتائج وهو مقياس في نموذج البيانات. ومع ذلك، قبل القيام بهذا التحسين، يجب تنفيذ حساب ميديانكس استنادا إلى القالب التالي، باستخدام هذه العلامات: لترانولاريتيتليغت هو الجدول الذي يحدد دقة الحساب. على سبيل المثال، يمكن أن يكون جدول التاريخ إذا كنت تريد حساب متوسط ​​مقياس محسوب على مستوى اليوم، أو يمكن أن تكون قيم (8216DateYearMonth) إذا كنت تريد حساب متوسط ​​مقياس محسوب على مستوى الشهر. لتماسوريجت هو مقياس لحساب لكل صف من لترانولاريتيتابلغت لحساب المتوسط. لتماسوريتابليغت هو الجدول الذي يحتوي على البيانات المستخدمة من قبل لتماسوريغت. على سبيل المثال، إذا كان لترانولاريتيبتليغت بعدا مثل 8216Date8217، ثم لتماسوريتابليغت سيكون 8216Internet Sales8217 التي تحتوي على العمود كمية المبيعات الإنترنت لخصها الإنترنت إجمالي قياس المبيعات. على سبيل المثال، يمكنك كتابة متوسط ​​إجمالي مبيعات الإنترنت لجميع العملاء في أدفنتور وركس على النحو التالي: تلميح النموذج التالي: يستخدم لإزالة الصفوف من لترانولاريتيتابليغت التي لا توجد بيانات المقابلة في الاختيار الحالي. وهي طريقة أسرع من استخدام التعبير التالي: ومع ذلك، يمكنك استبدال التعبير كالكولاتيتابل كامل مع لترانولاريتيتليغت فقط إذا كنت تريد أن تنظر القيم فارغة من لتماسوريغت كما 0. يعتمد أداء صيغة ميديانكس على عدد الصفوف في الجدول تكرارا وعلى تعقيد التدبير. إذا كان الأداء سيئا، قد تستمر نتيجة لتماسوريجت في عمود محسوبة من لتابليغت، ولكن هذا سوف يزيل قدرة تطبيق عوامل التصفية على حساب الوسيط في وقت الاستعلام. النسبة المئوية لبرنامج إكسيل له تطبيقان مختلفان لحساب المئين مع ثلاث وظائف: بيرسنتيل و PERCENTILE. INC و PERCENTILE. EXC. أنها جميعا ترجع النسبة المئوية K - ث من القيم، حيث K في نطاق 0-1. الفرق هو أن بيرسنتيل و PERCENTILE. INC النظر K كمجموعة شاملة، في حين يعتبر PERCENTILE. EXC مجموعة K 0-1 باعتبارها حصرية . وتتلقى كل هذه الوظائف وتطبيقات داكس قيمة مئوية كمعلمة، والتي نسميها قيمة K. لكغت المئوية في المدى من 0 إلى 1. يتطلب تطبيقا داكس للمئين عددا قليلا من التدابير المتشابهة، ولكن مختلفة بما يكفي لتتطلب اثنين من مجموعة مختلفة من الصيغ. التدابير المحددة في كل نمط هي: كبيرك. القيمة المئویة التي تتطابق مع ال لكت. بيركبوس. موقف النسبة المئوية في مجموعة من القيم التي تم فرزها. فالو. القيمة أقل من النسبة المئوية. فالهيهي. القيمة فوق الموضع المئوي. النسبة المئوية. الحساب النهائي للمئوية. تحتاج إلى فالو و فالوهيغ التدابير في حالة بيركبوس يحتوي على جزء عشري، لأنه ثم عليك أن إنتيربولات بين فالو و فالوهيغ من أجل إعادة القيمة المئوية الصحيحة. ويبين الشكل 4 مثالا على الحسابات التي أجريت مع صيغ إكسيل و داكس، باستخدام كل من خوارزميات المئين (شاملة وحصرية). الشكل 4 الحسابات المئوية باستخدام صيغ إكسيل وحساب داكس المعادل. في المقاطع التالية، يتم تنفيذ الصيغ بيرسنتيل الحساب على القيم المخزنة في عمود جدول داتافالو، في حين أن الصيغ بيرسنتيلكس تنفذ الحساب على القيم التي يتم إرجاعها بواسطة مقياس محسوب في دقة معينة. النسبة المئوية الشاملة إن التنفيذ الشامل الشامل هو التالي. النسبة المئوية الحصرية التنفيذ الحصري المئوي هو التالي. بيرسنتيلكس إنلوسيف يستند تطبيق بيرسنتيلكس الشامل على القالب التالي، باستخدام هذه العلامات: لترانولاريتيتليغت هو الجدول الذي يحدد دقة الحساب. على سبيل المثال، يمكن أن يكون جدول التاريخ إذا كنت ترغب في حساب النسبة المئوية لمقياس على مستوى اليوم، أو يمكن أن تكون قيم (8216DateYearMonth) إذا كنت ترغب في حساب النسبة المئوية لمقياس على مستوى الشهر. لتماسوريجت هو مقياس لحساب لكل صف من لترانولاريتيتليغت لحساب المئوية. لتماسوريتابليغت هو الجدول الذي يحتوي على البيانات المستخدمة من قبل لتماسوريغت. على سبيل المثال، إذا كان لترانولاريتيتليغت بعدا مثل 8216Date، 8217 ثم لتماسوريتابليغت سيكون 8216Sales8217 تحتوي على عمود المبلغ التي تم جمعها من قبل قياس المبلغ الإجمالي. على سبيل المثال، يمكنك كتابة بيرسنتيليكسينك من إجمالي المبلغ المبيعات لجميع التواريخ في الجدول التاريخ كما يلي: بيرسنتيلكس إكسلوسيف يستند إكسلوسيف إكسلوسيف التنفيذ على القالب التالي باستخدام نفس العلامات المستخدمة في بيرسنتيلكس إنلوسيف: على سبيل المثال، أنت يمكن كتابة بيرسنتيلكسكسك من إجمالي كمية المبيعات لجميع التواريخ في الجدول التاريخ على النحو التالي: إبقائي على علم أنماط القادمة (النشرة الإخبارية). قم بإلغاء التحديد لتنزيل الملف بحرية. نشرت في 17 مارس 2014 من خلال الممارسة في المتوسط ​​المتحرك سوف توفر تقدير جيد لمتوسط ​​التسلسل الزمني إذا كان المتوسط ​​ثابت أو ببطء تغيير. وفي حالة المتوسط ​​الثابت، فإن أكبر قيمة m تعطي أفضل التقديرات للمتوسط ​​الأساسي. وستؤدي فترة المراقبة الأطول إلى الحد من آثار التباين. والغرض من توفير m أصغر هو السماح للتنبؤ بالاستجابة للتغيير في العملية الأساسية. ولتوضيح ذلك، نقترح مجموعة بيانات تتضمن التغييرات في الوسط الأساسي للمسلسلات الزمنية. ويبين الشكل السلاسل الزمنية المستخدمة للتوضيح مع متوسط ​​الطلب الذي نشأت منه السلسلة. يبدأ المتوسط ​​ك ثابت عند 10. يبدأ في الوقت 21، يزداد بوحدة واحدة في كل فترة حتى يصل إلى القيمة 20 في وقت 30. ثم يصبح ثابتة مرة أخرى. وتتم محاكاة البيانات بإضافة متوسط ​​الضوضاء العشوائية من التوزيع العادي مع متوسط ​​الصفر والانحراف المعياري 3. وتقريب نتائج المحاكاة إلى أقرب عدد صحيح. ويبين الجدول الملاحظات المحاكاة المستخدمة في المثال. عندما نستخدم الجدول، يجب أن نتذكر أنه في أي وقت من الأوقات، إلا أن البيانات السابقة معروفة. وتظهر تقديرات معلمة النموذج، بالنسبة إلى ثلاث قيم مختلفة من m، مع متوسط ​​السلاسل الزمنية في الشكل أدناه. ويبين الشكل متوسط ​​المتوسط ​​المتحرك للمتوسط ​​في كل مرة وليس التنبؤ. ومن شأن التنبؤات أن تحول منحنيات المتوسط ​​المتحرك إلى اليمين حسب الفترات. وهناك استنتاج واحد واضح على الفور من هذا الرقم. وبالنسبة للتقديرات الثلاثة جميعها، فإن المتوسط ​​المتحرك يتخلف عن الاتجاه الخطي، مع زيادة الفارق الزمني مع m. والفارق الزمني هو المسافة بين النموذج والتقدير في البعد الزمني. وبسبب الفارق الزمني، فإن المتوسط ​​المتحرك يقلل من الملاحظات نظرا لأن المتوسط ​​يتزايد. انحياز المقدر هو الفرق في وقت محدد في متوسط ​​قيمة النموذج والقيمة المتوسطة التي يتنبأ بها المتوسط ​​المتحرك. التحيز عندما يكون المتوسط ​​يزداد سلبيا. أما بالنسبة للمتوسط ​​المتناقص، فإن التحيز إيجابي. التأخر في الوقت والتحيز التي أدخلت في التقدير هي وظائف م. وكلما زادت قيمة m. وكلما كبر حجم التأخر والتحيز. لسلسلة متزايدة باستمرار مع الاتجاه أ. فإن قيم التأخر والتحيز لمقدر المتوسط ​​تعطى في المعادلات أدناه. لا تتطابق منحنيات المثال مع هذه المعادلات لأن نموذج المثال لا يزداد بشكل مستمر، بل يبدأ كتغيير ثابت للاتجاه ثم يصبح ثابتا مرة أخرى. كما تتأثر منحنيات المثال بالضوضاء. ويتمثل متوسط ​​المتوسط ​​المتحرك للتوقعات في المستقبل في تحويل المنحنيات إلى اليمين. ويزيد التأخر والتحيز تناسبيا. وتشير المعادلات أدناه إلى الفارق الزمني والتحيز لفترات التنبؤ في المستقبل عند مقارنتها بمعلمات النموذج. مرة أخرى، هذه الصيغ هي لسلسلة زمنية مع الاتجاه الخطي المستمر. ولا ينبغي لنا أن نفاجأ بهذه النتيجة. ويستند متوسط ​​التقدير المتحرك إلى افتراض متوسط ​​ثابت، والمثال له اتجاه خطي في المتوسط ​​خلال جزء من فترة الدراسة. وبما أن سلسلة الوقت الحقيقي نادرا ما تتوافق تماما مع افتراضات أي نموذج، يجب أن نكون مستعدين لمثل هذه النتائج. ويمكننا أيضا أن نخلص من الشكل إلى أن تباين الضوضاء له أكبر تأثير على m أصغر. ويكون التقدير أكثر تقلبا بكثير بالنسبة للمتوسط ​​المتحرك البالغ 5 من المتوسط ​​المتحرك البالغ 20. ولدينا رغبة متضاربة في زيادة m لتقليل تأثير التباين الناجم عن الضوضاء وتقليل m لجعل التنبؤ أكثر استجابة للتغيرات في الحقيقة. والخطأ هو الفرق بين البيانات الفعلية والقيمة المتوقعة. وإذا كانت السلسلة الزمنية حقا قيمة ثابتة، فإن القيمة المتوقعة للخطأ هي صفر، ويتألف تباين الخطأ من عبارة دالة وعبارة ثانية هي تباين الضوضاء. المصطلح الأول هو التباين في المتوسط ​​المقدر مع عينة من الملاحظات m، على افتراض أن البيانات تأتي من مجتمع ذو متوسط ​​ثابت. يتم تقليل هذا المصطلح من خلال جعل m كبيرة قدر الإمكان. A م كبير يجعل التوقعات لا تستجيب لتغيير في السلسلة الزمنية الأساسية. لجعل التنبؤات تستجيب للتغييرات، نريد m صغيرة قدر الإمكان (1)، ولكن هذا يزيد من التباين الخطأ. ويتطلب التنبؤ العملي قيمة وسيطة. التنبؤ مع إكسيل تقوم الوظيفة الإضافية للتنبؤ بتطبيق صيغ المتوسط ​​المتحرك. ويبين المثال الوارد أدناه التحليل الذي توفره الوظيفة الإضافية لعينة البيانات في العمود باء. ويتم فهرسة الملاحظات العشرة الأولى من 9 إلى 0. وبالمقارنة بالجدول أعلاه، يتم تغيير مؤشرات الفترة بمقدار -10. وتوفر الملاحظات العشرة الأولى قيم بدء التشغيل للتقدير وتستخدم لحساب المتوسط ​​المتحرك للفترة 0. ويبين العمود (10) (C) المتوسطات المتحركة المحسوبة. وتكون معلمة المتوسط ​​المتحرك m في الخلية C3. ويبين العمود (1) (D) توقعات لفترة واحدة في المستقبل. الفترة الزمنية المتوقعة في الخلية D3. عندما يتم تغيير الفاصل الزمني المتوقع إلى عدد أكبر يتم تحويل الأرقام في العمود فور إلى أسفل. ويبين العمود إر (1) (E) الفرق بين الملاحظة والتنبؤ. على سبيل المثال، الملاحظة في الوقت 1 هي 6. القيمة المتوقعة من المتوسط ​​المتحرك في الوقت 0 هي 11.1. الخطأ ثم -5.1. ويحسب الانحراف المعياري ومتوسط ​​الانحراف (ماد) في الخلايين E6 و E7 على التوالي.