चलती औसत कैलकुलेटर

के बारे में अधिक चलती औसत rircamanauma औसत तो आप इस सॉल्वर द्वारा प्रदान किए जाने वाले परिणाम की बेहतर समझ प्राप्त कर सकते हैं।पूर्वानुमान बनाने के लिए चलती औसत के पीछे के विचार में पिछले महीने में डेटासेट के लिए औसत मूल्यों के आधार पर निश्चित अवधि के डेटा मूल्य का आकलन करना शामिल है।

उदाहरण के लिए, यदि हम 3-महीने की चलती औसत (MA) की गणना कर रहे हैं, तो हम अवधि के दौरान डेटा मान का अनुमान लगाने के लिए निम्न सूत्र का उपयोग करेंगे \(n\)

\[ \text{Forecast during period n} = \hat Y_n = \displaystyle \frac{Y_{n-3} + Y_{n-2} + Y_{n-1}}{3}\]

मूविंग एवरेज की गणना कैसे करें

(1) सबसे पहले, आपको एक नमूना डेटा, एक प्रक्रिया से संख्यात्मक डेटा होना चाहिए जिसे आप पूर्वानुमान करना चाहते हैं।आमतौर पर, यह प्रकृति में एक समय श्रृंखला होगी।

(२) तब, आप इस डेटा को स्प्रेडशीट में रखेंगे जैसे कि ऊपर दिए गए एक, कालानुक्रमिक आरोही क्रम में आदेश

(३) आपके डेटा के लिए अंतिम समय के बाद समय अवधि में खड़े होकर, आप वर्तमान में एक निश्चित संख्या में अवधियों से मानों की औसत की गणना करते हैं, इससे पहले कि आप वर्तमान में हैं।फिर आप उससे पहले प्रत्येक समय अवधि के लिए भी ऐसा ही करते हैं, यह सुनिश्चित करते हुए कि आपके पास औसत करने से पहले पर्याप्त अंक हैं।औसत के लिए उपयोग किए जाने वाले अवधियों की इस संख्या वास्तव में एमए की प्रक्रिया को परिभाषित करती है।

(४) उदाहरण के लिए, जब आप औसत की गणना करने के लिए 3 अवधि को ठीक करते हैं, तो आप तीन महीने की गति, या 3-एमए की गणना कर रहे हैं।

अन्य पूर्वानुमान तकनीक

पूर्वानुमान का मूविंग एवरेज (एमए) विधि टाइम्स सीरीज़ डेटा सेट के आधार पर पूर्वानुमान बनाने के लिए सबसे आसान और सबसे आम तरीकों में से एक है।अन्य सामान्य तरीके हैं भोली पूर्वानुमान विधि , भारित चलती औसत , घातीय चौरसाई पूर्वानुमान विधि , और रैखिक प्रवृत्ति पूर्वानुमान विधि, बस कुछ का उल्लेख करने के लिए।