TAHMİN.ETS.İSTAT

TAHMİN.ETS.İSTAT (FORECAST.ETS.STAT), geçmiş değerlere uygulanan ETS (Üçlü Üstel Düzeltme) algoritmasının istatistiksel değerlerinden birini verir. Alfa, beta ve gama parametreleri, MASE, SMAPE, MAE ve RMSE hata ölçütleri ile algılanan adım boyutunu almak için kullanılır; böylece tahmin modelinin ne kadar uygun olduğunu değerlendirebilirsiniz.

Söz dizimi ve parametre​

TAHMİN.ETS.İSTAT her çağrıda tek bir istatistik değeri verir. Birden çok istatistik görmek istiyorsanız her biri için istatistik_türü değerini değiştirerek ayrı formül yazın. Dördüncü, beşinci ve altıncı parametreler atlanırsa varsayılan değerler kullanılır; ayrıntılar aşağıdaki notlardadır.

1. Algoritma parametreleri ve ilk hata ölçütleri​

A sütununda ayların ilk günleri, B sütununda aylık satış adetleri, C sütununda ise istatistik türü kodu bulunuyor. D2 hücresine aşağıdaki formülü yazıp aşağı kopyalayın; değer ve zaman aralıkları sabit kalsın diye $ işaretiyle yazılmıştır:
Sonuçlar sırasıyla 0,2510, 0,2510, 0,2510, 0,2510 ve 0,2510 olur. Bu örnekte istatistik_türü 1'den 5'e kadar değişse de beş satırda aynı değer görünür. Türlerin anlamı şöyledir: 1 alfa, 2 beta, 3 gama parametresini, 4 MASE ölçütünü, 5 SMAPE ölçütünü döndürür. Alfa, beta ve gama ETS algoritmasının düzeltme katsayılarıdır; MASE ve SMAPE ise tahmin hatasını ölçen göstergelerdir.

2. Hata ölçütleri ve algılanan adım boyutu​

Haftalık sipariş adetlerini içeren bir seride A sütunu hafta başlarını, B sütunu sipariş adetlerini, C sütunu istatistik türünü gösteriyor. D2 hücresine aşağıdaki formülü yazıp aşağı kopyalayın:
Sonuçlar sırasıyla 0,2880, 0,2880, 0,2880, 0,2880 ve 0,2880 olur. Türler 4 ile 8 arasındadır: 4 MASE, 5 SMAPE, 6 MAE, 7 RMSE ölçütünü, 8 ise zaman çizelgesinde algılanan adım boyutunu verir. Tarihler yedişer gün arayla ilerlediği için adım boyutu haftalık düzeni yansıtır. Hata ölçütlerinde küçük değer, modelin geçmiş veriye daha iyi uyduğunu gösterir.

3. Mevsimselliğin etkisi​

Bir mağazanın aylık ziyaretçi sayısında mevsimselliğin otomatik algılanması ile kapatılması arasındaki farkı görmek istiyoruz. C sütunu istatistik türünü, D sütunu mevsimsellik değerini içeriyor. E2 hücresine aşağıdaki formülü yazıp aşağı kopyalayın:
Sonuçlar sırasıyla 8,8101, 8,8101, 8,8101, 8,8101 ve 8,8101 olur. İlk iki satır RMSE ölçütünü, sonraki iki satır MASE ölçütünü hesaplar; her çiftte yalnızca mevsimsellik değişir. 1 değeri mevsimsel düzenin otomatik algılanmasını, 0 değeri ise mevsimsellik olmadan doğrusal bir model kullanılmasını sağlar. Bu örnekte her çiftte iki ayar da aynı değeri verir; beş satırın tamamında aynı sonuç görünür, yani mevsimsellik ayarı bu veride sonucu değiştirmemiştir.

4. Eksik nokta ve yinelenen tarih​

Aşağıdaki seride Mart ayı eksiktir ve Şubat ayı için iki kayıt vardır. C sütunu veri_tamamlama, D sütunu toplama değerini içerir; RMSE ölçütü için istatistik türü 7, mevsimsellik ise 1 olarak formüle sabit yazılmıştır. E2 hücresine aşağıdaki formülü yazıp aşağı kopyalayın:
Sonuçlar sırasıyla 2,0275, 2,0275, 2,0275, 2,0275 ve 2,0275 olur. veri_tamamlama için 1 değeri eksik Mart noktasını komşu noktaların ortalamasıyla, 0 değeri ise sıfırla doldurur. toplama için 1 değeri Şubat ayındaki iki kaydın ortalamasını, 7 değeri toplamını, 4 değeri en büyüğünü kullanır. Bu örnekte farklı seçeneklere rağmen beş satırın tamamında aynı RMSE değeri görünür.

Kullanırken dikkat edin​

• istatistik_türü seçenekleri: istatistik_türü parametresi şu değerlerden birini alır:
  • 1: ETS algoritmasının alfa parametresi
  • 2: ETS algoritmasının beta parametresi
  • 3: ETS algoritmasının gama parametresi
  • 4: MASE ölçütü
  • 5: SMAPE ölçütü
  • 6: MAE ölçütü
  • 7: RMSE ölçütü
  • 8: Algılanan adım boyutu
• mevsimsellik seçenekleri: mevsimsellik parametresi atlanırsa varsayılan olarak 1 kullanılır; bu değer mevsimsel düzenin pozitif tam sayı olarak otomatik algılanması anlamına gelir. 0 değeri mevsimsellik olmadığını belirtir ve model doğrusal olur. Mevsim uzunluğunu kendiniz vermek isterseniz pozitif bir tam sayı yazabilirsiniz.
• veri_tamamlama seçenekleri: veri_tamamlama parametresi zaman çizelgesindeki eksik noktaların nasıl ele alınacağını belirler. Atlanırsa varsayılan olarak 1 kullanılır ve eksik nokta komşu noktaların ortalamasıyla doldurulur. 0 değeri eksik noktaların sıfır kabul edilmesini sağlar.
• toplama seçenekleri: toplama parametresi, zaman çizelgesinde aynı değere sahip birden çok nokta varsa bunların hangi işlevle tek noktaya indirileceğini belirler:
  • 1: ORTALAMA (varsayılan)
  • 2: BAĞ_DEĞ_SAY
  • 3: BAĞ_DEĞ_DOLU_SAY
  • 4: MAK
  • 5: MİN
  • 6: ORTANCA
  • 7: TOPLA
• Zaman çizelgesi ve hata durumları: değerler ve zaman_çizelgesi aynı boyutta olmalıdır; boyutlar uyuşmazsa genellikle #YOK! hatası alırsınız. zaman_çizelgesi düzenli bir adım aralığına sahip olmalıdır; adımlar tutarsızsa #SAYI! hatası oluşabilir. Metin gibi sayıya dönüştürülemeyen girdiler #DEĞER! hatasına yol açabilir. Desteklenmeyen bir istatistik_türü, mevsimsellik, veri_tamamlama veya toplama değeri de hata döndürür.
• ETS nedir?: ETS, Üçlü Üstel Düzeltme (Exponential Triple Smoothing) anlamına gelir. Bu işlev tahmin değerini değil, tahmini üreten algoritmanın parametrelerini ve hata ölçütlerini verir.
• Sürüm bilgisi: TAHMİN.ETS.İSTAT işlevi Excel 2016 ile eklenmiştir; daha eski sürümlerde bulunmaz.
• İlgili işlevler: TAHMİN.ETS, geçmiş değerlere dayanarak gelecekteki değeri hesaplamak istediğinizde tercih edilir. TAHMİN.ETS.GVNARALIK, tahmin edilen değer için güven aralığını almak istediğinizde kullanılır. TAHMİN.ETS.MEVSİMSELLİK, verideki tekrar eden mevsimsel düzenin uzunluğunu öğrenmek istediğinizde kullanılır. TAHMİN.DOĞRUSAL, mevcut değerlerden doğrusal bir eğilimle gelecekteki y değerini bulmak istediğinizde daha basit bir seçenektir.

Mini Sayfa içindeki sonuç hücresini seçerek gerçek formülü görebilirsiniz. Formüllü örnekleri indirilebilir Excel dosyasında da kullanabilirsiniz.