و متوسط عملية نقل

في الممارسة المتوسط ​​المتحرك سيوفر على تقدير جيد من المتوسط ​​للسلسلة الزمنية إذا كان المتوسط ​​هو ثابت أو تتغير ببطء. في حالة وسيلة ثابتة، فإن أكبر قيمة م تعطي أفضل التقديرات للمتوسط ​​الأساسي. وهناك فترة المراقبة أطول في المتوسط ​​من آثار التقلبات. والغرض من توفير م أصغر هو السماح للتوقعات للرد على تغيير في عملية الكامنة. ولتوضيح ذلك، نقترح مجموعة من البيانات التي تتضمن تغييرات في الوسط الأساسي للسلسلة الزمنية. هذا الرقم يدل على السلاسل الزمنية المستخدمة للتوضيح جنبا إلى جنب مع الطلب يعني الذي تم إنشاء سلسلة. يبدأ يعني بأنه ثابت في 10. ابتداء من الساعة الساعة 21، لأنه يزيد من وحدة واحدة في كل فترة حتى يصل إلى قيمة 20 في وقت 30. ثم يصبح ثابتا مرة أخرى. هو محاكاة البيانات عن طريق إضافة إلى الوسط، ضجيج عشوائي من التوزيع الطبيعي مع الصفر يعني والانحراف المعياري 3. يتم تقريب نتائج محاكاة لأقرب عدد صحيح. ويبين الجدول الملاحظات المحاكاة المستخدمة في المثال. عندما نستخدم الجدول، يجب أن نتذكر أنه في أي وقت من الأوقات، ومن المعروف فقط على البيانات الماضية. تقديرات المعلمة النموذج، لمدة ثلاث قيم مختلفة من متر وتظهر جنبا إلى جنب مع متوسط ​​السلاسل الزمنية في الشكل أدناه. هذا الرقم يدل على متوسط ​​تقدير الانتقال من المتوسط ​​في كل وقت وليس توقعات. فإن التوقعات يتحول المتوسط ​​المتحرك منحنيات إلى اليمين فترات. استنتاج واحد هو واضح على الفور من هذا الرقم. لتقديرات ثلاثة فقط من المتوسط ​​المتحرك تتخلف عن الاتجاه الخطي، مع الفارق يزداد مع م. الفارق هو المسافة بين النموذج والتقدير في البعد الزمني. بسبب تأخر والمتوسط ​​المتحرك يقلل من الملاحظات كما يعني آخذ في الازدياد. انحياز مقدر هو الفرق في وقت محدد في القيمة المتوسطة للنموذج وقيمة متوسط ​​تنبأ به المتوسط ​​المتحرك. التحيز عند متوسط ​​آخذ في الازدياد هو سلبي. ليعني تناقص، والتحيز هو إيجابي. تأخر في وقت والانحياز التي أدخلت في تقدير وظائف م. أكبر قيمة م. أكبر حجم من تأخر والتحيز. لسلسلة تزايد مستمر مع الاتجاه لذلك. ونظرا للقيم التخلف والتحيز من مقدر للمتوسط ​​في المعادلات أدناه. على سبيل المثال منحنيات لا تتطابق هذه المعادلات لأن النموذج المثال لا يتزايد باستمرار، وإنما يبدأ باعتبارها ثابتة، والتغييرات في اتجاه ومن ثم يصبح ثابتا مرة أخرى. كما تتأثر المثال منحنيات من الضوضاء. ويمثل متوسط ​​توقعات تتحرك من الفترات في المستقبل عن طريق تحويل المنحنيات إلى اليمين. تأخر والتحيز زيادة نسبيا. المعادلات أدناه تشير إلى تأخر والتحيز لفترات توقعات في المستقبل بالمقارنة مع المعلمات نموذج. مرة أخرى، هذه الصيغ هي لسلسلة زمنية مع اتجاه خطي ثابت. لا ينبغي لنا أن يفاجأ في هذه النتيجة. يستند متوسط ​​مقدر تتحرك على افتراض متوسط ​​مستمر، والمثال لديه اتجاه خطي في المتوسط ​​خلال جزء من فترة الدراسة. منذ سلسلة الوقت الحقيقي نادرا ما بالضبط طاعة الافتراضات من أي نموذج، علينا أن نكون مستعدين لمثل هذه النتائج. يمكننا أيضا أن نستنتج من هذا الرقم أن تقلب من الضوضاء لديها أكبر تأثير لأصغر م. التقدير هو أكثر تقلبا من أجل المتوسط ​​المتحرك من 5 من المتوسط ​​المتحرك 20. لدينا رغبات متضاربة لزيادة م للحد من تأثير التقلبات بسبب الضوضاء، وتقليل م لجعل توقعات أكثر استجابة للتغيرات في المتوسط. الخطأ هو الفرق بين البيانات الفعلية والقيمة المتوقعة. إذا كانت السلسلة الزمنية هي حقا قيمة ثابتة القيمة المتوقعة من الخطأ هو صفر، وتتألف الفرق من خطأ المصطلح الذي هو وظيفة من ولولاية ثانية وهذا هو الفرق من الضوضاء. المصطلح الأول هو الفرق من متوسط ​​يقدر مع عينة من الملاحظات م، على افتراض أن البيانات تأتي من السكان بمتوسط ​​ثابت. تم تصغير هذه المدة بجعل متر كبيرة بقدر الإمكان. وم كبير يجعل التوقعات لا تستجيب إلى تغيير في السلسلة الزمنية الكامنة وراءها. لجعل توقعات تستجيب للتغيرات، ونحن نريد م صغيرة قدر الإمكان (1)، ولكن هذا يزيد من التباين الخطأ. التنبؤ العملي يتطلب قيمة الوسيطة. التنبؤ مع Excel الوظيفة الإضافية التنبؤ بتطبيق صيغة متوسط ​​متحرك. المثال التالي يبين التحليل المقدمة من الوظيفة الإضافية للبيانات العينة في العمود B. يتم فهرسة و10 الملاحظات الأولى -9 من خلال 0. بالمقارنة مع الجدول أعلاه، وتحولت مؤشرات الفترة التي -10. توفر الملاحظات العشرة الاولى القيم بدء التشغيل لتقدير وتستخدم لحساب المتوسط ​​المتحرك لفترة 0. MA (10) عمود (C) يبين المتوسطات المتحركة حسابها. المتوسط ​​المتحرك المعلمة م في الخلية C3. وفور (1) العمود (D) يظهر توقعات لفترة واحدة في المستقبل. الفاصل الزمني توقعات في D3 الخلية. عندما يتم تغيير الفاصلة توقعات لعدد أكبر وتحولت الأرقام في عمود فور أسفل. على خطأ (1) العمود (E) يبين الفرق بين المراقبة والتنبؤ. على سبيل المثال، والمراقبة في الوقت 1 هو 6. القيمة المتوقعة مصنوعة من المتوسط ​​المتحرك في الوقت 0 هو 11.1. الخطأ ثم هو -5.1. يتم حساب الانحراف المعياري ومتوسط ​​الانحراف المتوسط ​​(MAD) في الخلايا E6 و E7 على التوالي. ويمكن أن تشمل 2.1 المتوسط ​​المتحرك نماذج (نماذج MA) نماذج السلاسل الزمنية المعروفة باسم نماذج أريما حيث الانحدار و / أو متوسط ​​حيث تتحرك. في أسبوع 1، علمنا مصطلح الانحدار في نموذج السلاسل الزمنية للمتغير س ر هي قيمة تخلفت من خ ر. على سبيل المثال، فارق 1 المدى الانحدار هو س ر-1 (مضروبا في معامل). هذا الدرس وتعرف المتوسط ​​المتحرك الشروط. ومتوسط ​​المدى تتحرك في نموذج السلاسل الزمنية هو خطأ الماضي (مضروبا في معامل). أبلاغ (ث ر إلى اختفاء N (0، سيغما 2 ث))، وهذا يعني أن ث ر وبشكل مماثل، وزعت بشكل مستقل، ولكل منها التوزيع الطبيعي وجود متوسط ​​0 ونفس التباين. 1 شارع أجل المتوسط ​​المتحرك النموذج، الرمز بواسطة MA (1) هو (XT مو بالوزن ثيتا 1W) من أجل 2 الثانية المتوسط ​​المتحرك النموذج، الرمز بواسطة MA (2) هو (XT مو بالوزن ثيتا 1W ثيتا 2W) وف عشر أجل المتوسط ​​المتحرك النموذج، الرمز بواسطة MA (ف) هو (XT مو بالوزن ثيتا 1W ثيتا 2W النقاط ثيتا QW) ملاحظة. العديد من الكتب والبرامج تحدد نموذج مع إشارات سلبية قبل شروط. هذا لا توجد الآن ر تغيير خصائص النظرية العامة للنموذج، على الرغم من أنه لم الوجه علامات جبري من قيم معامل المقدرة والشروط (unsquared) في صيغ لACFs والفروق. تحتاج إلى التحقق من البرنامج للتحقق ما إذا كان قد تم استخدام إشارات سلبية أو إيجابية من أجل إرسال النموذج المقدر بشكل صحيح. يستخدم R إشارات إيجابية في نموذجه الأساسي، كما نفعل نحن هنا. خصائص النظرية لالسلاسل الزمنية مع شهادة الماجستير (1) نموذج لاحظ أن قيمة غير صفرية الوحيدة في ACF نظري هي لتأخر 1. كل ترابط تلقائي أخرى هي 0. وهكذا ACF عينة مع الارتباط الذاتي كبير فقط في تأخر 1 هو مؤشر على درجة الماجستير ممكن (1) نموذج. للطلاب الراغبين، بروفات هذه الخصائص هي ملحق لهذه النشرة. مثال 1 لنفترض أن شهادة الماجستير (1) النموذج هو خ ر 10 ث ر 0.7 ث ر-1. حيث (ث ر إلى اختفاء N (0،1)). وهكذا فإن معامل 1 0.7. وبالنظر إلى ACF النظري مؤامرة من هذا يلي ACF. المؤامرة يظهر فقط هي ACF النظري لدرجة الماجستير (1) مع 1 0.7. في الممارسة العملية، فازت عينة ر عادة ما توفر مثل هذا النمط واضح. باستخدام R، نحن محاكاة ن 100 قيم العينة باستخدام نموذج س ر 10 ث ر 0.7 ث ر-1 حيث ث ر ااا N (0،1). لهذه المحاكاة، في أعقاب مؤامرة سلسلة زمنية من البيانات النموذجية. يمكننا أن نقول ر بكثير من هذه المؤامرة. يتبع ACF عينة لمعطياته. ونحن نرى تصاعدا في تأخر 1 متبوعا القيم عموما غير هامة لالتخلف الماضي 1. ملاحظة أن العينة ACF لا تتناسب مع نمط النظري للMA الكامنة (1)، وهو أن كل ترابط تلقائي لالتخلف الماضية 1 سيكون 0 . عينة مختلفة سيكون له عينة ACF مختلف قليلا هو مبين أدناه، ولكن من المحتمل أن يكون لها نفس ميزات واسعة النطاق. Theroretical خصائص من السلاسل الزمنية مع نموذج MA (2) ل(2) نموذج MA، خصائص النظرية هي التالية: لاحظ أن القيم غير صفرية الوحيدة في ACF نظري هي لالتخلف 1 و 2. ترابط تلقائي لالتخلف أعلى هي 0 ولذلك فإن اجراء ACF عينة مع ترابط تلقائي كبيرة في التخلف 1 و 2، ولكن ترابط تلقائي وغير ملحوظ لالتخلف أعلى يشير إلى وجود أكثر من إجابة (2) نموذج. IID N (0،1). معاملات هي 1 0.5 و 2 0.3. لأن هذا هو على درجة الماجستير (2)، فإن ACF النظري لها قيمة غير صفرية فقط في التخلف 1 و 2. القيم اثنين من ترابط تلقائي غير صفرية ومؤامرة من ACF النظري يلي. كما هو الحال دائما تقريبا هو الحال، بيانات عينة فاز ر تتصرف تماما ذلك تماما كما النظرية. نحن محاكاة ن 150 القيم عينة لنموذج خ ر 10 ث ر 0.5 ث ر 1 0.3 ث ر-2. حيث ث ر ااا N (0،1). يتبع مؤامرة سلسلة زمنية من البيانات. كما هو الحال مع سلسلة مؤامرة الوقت للماجستير (1) نموذج البيانات، يمكنك ر اقول بكثير من ذلك. يتبع ACF عينة لمعطياته. النمط هو الحال بالنسبة للحالات التي يكون فيها (2) نموذج MA قد يكون مفيدا. هناك نوعان من المسامير ذات دلالة إحصائية عند التخلف 1 و 2 تليها القيم غير هامة لالتخلف أخرى. لاحظ أنه بسبب خطأ أخذ العينات، وACF العينة لم تتطابق مع نمط النظرية بالضبط. ACF لعامة ماجستير (ف) نماذج خاصية من ماجستير (ف) نماذج بشكل عام هو أن هناك ترابط تلقائي غير صفرية لالتخلف ف الأول وترابط تلقائي 0 لجميع يتخلف ف. غير تفرد للاتصال بين قيم 1 و (رو 1) في MA (1) نموذج. في MA (1) نموذج لأي قيمة 1. والمتبادل 1/1 يعطي نفس القيمة وعلى سبيل المثال، استخدام 0.5 ل1. ثم استخدم 1 / (0.5) 2 ل 1. ليرة لبنانية تحصل عليه (رو 1) 0.4 في كلتا الحالتين. لتلبية تقييد النظري دعا invertibility. نحن تقييد MA (1) نماذج لديها قيم مع القيمة المطلقة أقل من 1. في المثال المذكور فقط، 1 0.5 سوف تكون قيمة المعلمة المسموح بها، في حين أن 1 1 / 0.5 2 لن. وInvertibility نماذج MA قال إن نموذج MA أن تكون قابلة للانعكاس إذا كان جبريا يعادل تتلاقى نموذج AR أجل لانهائية. التي تتلاقى، فإننا نعني أن معاملات AR تنخفض إلى 0 ونحن نتحرك الى الوراء في الوقت المناسب. Invertibility هو تقييد المبرمج في برنامج السلاسل الزمنية المستخدمة لتقدير معاملات نماذج بشروط MA. انها ليست شيئا أن نتحقق من وجود في تحليل البيانات. وترد معلومات إضافية حول تقييد invertibility للماجستير (1) نماذج في الملحق. نظرية متقدمة ملاحظة. لنموذج MA (ف) مع ACF محددة، هناك واحد فقط نموذج قابلة للانعكاس. الشرط الضروري لinvertibility هي أن معاملات والقيم ان هذه المعادله 1- 1 Y-. - ف ذ ف 0 ديه حلول لذ التي تقع خارج دائرة الوحدة. R مدونة الأمثلة في مثال 1، ونحن تآمر ACF النظري للنموذج خ ر 10 ث ر. 7W تي 1. ومن ثم محاكاة ن 150 القيم من هذا النموذج، وتآمر على سلسلة زمنية عينة وACF عينة لمعطياته. الأوامر R تستخدم لرسم ACF نظري هم: acfma1 ARMAacf (أماه ج (0.7)، lag. max 10) 10 التخلف من ACF للماجستير (1) مع theta1 0.7 يتخلف 00:10 يخلق متغير اسمه التخلف الذي يتراوح من 0 10. مؤامرة (التخلف، acfma1، xlim ج (1،10)، ylab ص، نوع ح، ACF الرئيسي للماجستير (1) مع theta1 0.7) abline (ح 0) يضيف المحور الأفقي لهذه المؤامرة ويحدد الأمر الأول ومنظمة العمل ضد الجوع ويخزنها في acfma1 كائن مسمى (لدينا اختيار الاسم). الأمر مؤامرة (ل3RD الأوامر) المؤامرات يتخلف مقابل القيم ACF عن التخلف 1 إلى 10. المعلمة ylab تسميات المحور الصادي والمعلمة الرئيسية يضع عنوانا على المؤامرة. لمعرفة القيم العددية للACF ببساطة استخدام acfma1 الأوامر. وقد أجريت محاكاة والمؤامرات مع الأوامر التالية. اختراق الضاحيه arima. sim (ن 150، وقائمة (أماه (ج 0.7))) يحاكي ن 150 القيم من MA (1) س الضاحيه 10 يضيف 10 إلى جعل يعني التخلف 10. محاكاة ليعني 0. مؤامرة (س، نوع ب، الرئيسية MA محاكاة (1) بيانات) ACF (س، ج xlim (1،10)، ACF الرئيسي للبيانات عينة المحاكاة) في المثال 2، نحن تآمر ACF النظري للنموذج XT 10 وزن 0.5 ث ر 1 0.3 ث تي 2. ومن ثم محاكاة ن 150 القيم من هذا النموذج، وتآمر على سلسلة زمنية عينة وACF عينة لمعطياته. كانت الأوامر R المستخدمة acfma2 ARMAacf (أماه ج (0.5،0.3)، lag. max 10) acfma2 يتخلف 00:10 مؤامرة (التخلف، acfma2، xlim ج (1،10)، ylab ص، نوع ح، الرئيسي ACF لMA (2) مع theta1 0.5، theta2 0.3) abline (ح 0) arima. sim اختراق الضاحيه (ن 150، وقائمة (أماه (ج 0.5، 0.3))) س الضاحيه 10 مؤامرة (س، نوع ب، الرئيسي مقلد MA (2) سلسلة) ACF (س، ج xlim (1،10)، الرئيسي ACF لMA محاكاة (2) بيانات) الملحق: إثبات خصائص MA (1) بالنسبة للطلاب المهتمين، وهنا البراهين لخصائص النظرية للماجستير (1) نموذج. الفرق: (النص (XT) النص (مو بالوزن ثيتا 1 ث) 0 نص (بالوزن) النص (ثيتا 1W) سيغما 2 ث ثيتا 2 1 سيغما 2 ث (1 ثيتا 2 1) سيغما 2 ث) عندما ح 1، والسابقة التعبير 1 ث 2. عن أي ح 2، والتعبير السابق 0. والسبب هو أنه، بحكم التعريف استقلال بالوزن. E (ث ك ث ي) 0 لأي ي ك. وعلاوة على ذلك، لأن ث ر يكون متوسط ​​0، E (ث ي ث ي) E (ث ي 2) ث 2. لسلسلة زمنية، تطبيق هذه النتيجة للحصول على ACF المذكورة أعلاه. نموذج MA قابلة للانعكاس واحد هو أن يمكن كتابة كنموذج AR أجل لا حصر له أن يتقاطع ذلك أن معاملات AR تتلاقى 0 ونحن نمضي بلا حدود العودة في الوقت المناسب. نحن ليرة لبنانية إثبات invertibility للماجستير (1) نموذج. نحن ثم بديلة العلاقة (2) لث ر 1 في المعادلة (1) (3) (ض ر ث ر ثيتا 1 (ض - ثيتا 1W) ث ر ثيتا 1Z - ثيتا 2W) في الزمن t-2. المعادلة (2) يصبح والعلاقة ثم بديلة (4) لث ر 2 في المعادلة (3) (ztwt ثيتا 1 ض - ثيتا 2 1W وزن ثيتا 1Z - ثيتا 2 1 (ض - ثيتا 1W) وزن ثيتا 1Z - ثيتا 1 2Z ثيتا 3 1W) إذا كان لنا أن نواصل (بلا حدود)، ويمكن الحصول على النموذج من أجل انهائي AR (ztwt ثيتا 1 ض - ثيتا 2 1Z ثيتا 3 1Z - ثيتا 4 1Z نقاط) ملاحظة أنه إذا 1 1، ومعاملات وضرب التخلف ض زيادة (بلا حدود) في حجم ونحن نتحرك الى الوراء في الوقت المناسب. لمنع هذا، نحتاج 1 1. هذا هو الشرط لMA قابلة للانعكاس (1) نموذج. اللانهائي نموذج النظام MA في الأسبوع 3، ونحن ليرة لبنانية ترى أن AR (1) يمكن تحويل نموذج إلى نموذج أجل MA بلا حدود: (XT - مو بالوزن فاي 1W فاي 2 1W النقاط فاي ك 1 ث النقاط مبلغ فاي ي 1W) هذا ومن المعروف الجمع من حيث الضوضاء البيضاء الماضية حيث تمثيل السببي لAR (1). وبعبارة أخرى، خ ر هو نوع خاص من MA مع عدد لا حصر له من حيث العودة في الوقت المناسب. وهذا ما يسمى أمر لا حصر له MA أو ماجستير (). أمر MA محدود هو أمر AR بلا حدود وبأي ترتيب AR محدود هو أمر MA انهائية. نذكر في أسبوع 1، لاحظنا أن لاشتراط AR ثابتة (1) هو أن 1 1. السماح ليالي حساب فار (خ ر) باستخدام تمثيل السببي. تستخدم هذه الخطوة الأخيرة حقيقة أساسية حول سلسلة الهندسية التي تتطلب (فاي 1 وإلا فإن سلسلة يحيد. الإنتقال معلومات عن المتوسط ​​المتحرك AX 2012 مع المتوسط ​​المتحرك، يتم تحديد تكلفة المنتج بنسبة إيصال الشراء، وعندما يتم نشر فاتورة الشراء، إذا كان هناك هو الفرق في التكلفة بين إيصال الشراء وفاتورة الشراء، ويتم ضبط الفرق بشكل متناسب مع المنتجات الحالية في الأوراق المالية، ويتم إثبات أي المبلغ المتبقي. في هذا المثال، يتم إنشاء أمر الشراء وردت في تكلفة واحدة، و يتم نشر فاتورة الشراء مع تكلفة مختلفة. إنشاء أمر شراء كمية من 2 وحدة بسعر 10.00. إنشاء إيصال الشراء للمنتج. إنشاء أمر المبيعات للحصول على كمية من 1 وسعر الوحدة من 10.00 أنشئ فاتورة شراء كمية من 2 وحدة بسعر 12.00. الفرق في سعر الوحدة، 2.00، تم نشر الفرق سعر المتوسط ​​المتحرك حساب عندما يتم نشر فاتورة الشراء. والسبب هو أن اثنين من المنتجات قد تم شراؤها بتكلفة 20.00. بيعت واحدة من المنتجات لسعر الوحدة 10.00. تم نشر فاتورة الشراء بسعر وحدة من 12.00 مع كمية من 2. سعر الوحدة من المنتج لا يمكن نشر في الساعة 14.00. إذا كنت بحاجة إلى ضبط متوسط ​​تكلفة الانتقال للمنتج، ويسمح للتعديلات المخزون اعتبارا من تاريخ اليوم الصورة. لا يمكنك backdate وضبط المخزون لتصحيح متوسط ​​تكلفة الانتقال للمنتج. لا يمكنك الحصول على تدفق التكاليف من خلال العمليات اللاحقة. في هذا المثال، يتم ضبط متوسط ​​تكلفة الانتقال للمنتج. حدد المنتج الذي ترغب في ضبط متوسط ​​تكلفة الانتقال لل. وإعادة تقييم للالمتوسط ​​المتحرك شكل يدرس المخزون المتوفر للمنتج. المنتج المختار لديه كمية نشرها من 1، سجلت قيمة 12.00، وتكلفة الوحدة نشرها من 12.00، وتبلغ تكلفة الوحدة 12.00. الآن تحديث الحقل تكلفة الوحدة إلى 16.00. يقوم النظام بحساب الحقول الباقية. يتم نشر التعديل.